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

LG-Stereo_L1	0.07 4	0.05 17	0.11 146	0.14 29	0.06 13	0.07 27	0.13 100	0.09 10	0.07 8	0.05 1	0.04 1	0.05 1	0.04 1	0.08 15	0.07 1	0.05 26	0.04 21	0.05 23	0.03 1	0.04 15	0.04 40

GREAT-IGEV	0.07 4	0.06 54	0.08 29	0.13 12	0.07 70	0.07 27	0.14 148	0.09 10	0.09 21	0.06 9	0.07 36	0.06 16	0.05 9	0.10 59	0.07 1	0.05 26	0.04 21	0.05 23	0.04 34	0.05 98	0.04 40

SCV_C0	0.08 43	0.07 135	0.07 6	0.16 140	0.09 234	0.08 48	0.15 214	0.11 26	0.12 83	0.08 61	0.07 36	0.06 16	0.05 9	0.11 105	0.07 1	0.05 26	0.05 182	0.05 23	0.04 34	0.06 189	0.05 120

FoundationStereo	0.06 1	0.04 1	0.08 29	0.12 4	0.05 1	0.09 77	0.13 100	0.06 1	0.09 21	0.05 1	0.05 7	0.06 16	0.04 1	0.06 1	0.07 1	0.06 113	0.04 21	0.05 23	0.03 1	0.05 98	0.04 40

GIP-stereo	0.08 43	0.06 54	0.11 146	0.14 29	0.06 13	0.09 77	0.13 100	0.14 73	0.11 60	0.07 29	0.08 68	0.05 1	0.04 1	0.10 59	0.07 1	0.05 26	0.04 21	0.05 23	0.04 34	0.05 98	0.04 40

IGEV-BASED-STEREO-	0.09 77	0.10 364	0.31 476	0.15 69	0.06 13	0.08 48	0.14 148	0.10 15	0.10 34	0.07 29	0.07 36	0.06 16	0.04 1	0.11 105	0.07 1	0.12 441	0.04 21	0.07 191	0.05 104	0.05 98	0.05 120

ACVNet-DCA	0.10 138	0.08 232	0.12 181	0.17 214	0.09 234	0.13 241	0.15 214	0.23 288	0.16 181	0.09 90	0.09 86	0.06 16	0.06 34	0.10 59	0.07 1	0.06 113	0.04 21	0.06 99	0.05 104	0.07 254	0.07 274

xx1	0.11 181	0.08 232	0.12 181	0.17 214	0.09 234	0.13 241	0.15 214	0.16 128	0.18 226	0.09 90	0.09 86	0.16 275	0.16 356	0.10 59	0.07 1	0.06 113	0.04 21	0.08 272	0.08 332	0.07 254	0.07 274

cc1	0.10 138	0.08 232	0.12 181	0.17 214	0.09 234	0.13 241	0.15 214	0.16 128	0.18 226	0.09 90	0.09 86	0.06 16	0.06 34	0.10 59	0.07 1	0.06 113	0.04 21	0.06 99	0.05 104	0.06 189	0.06 195

ffm	0.12 246	0.09 306	0.14 260	0.16 140	0.08 125	0.17 350	0.17 312	0.15 102	0.19 241	0.15 262	0.25 359	0.19 323	0.13 287	0.10 59	0.07 1	0.06 113	0.04 21	0.09 351	0.08 332	0.06 189	0.06 195

tt1	0.10 138	0.08 232	0.12 181	0.17 214	0.09 234	0.12 202	0.16 279	0.15 102	0.19 241	0.09 90	0.08 68	0.06 16	0.06 34	0.10 59	0.07 1	0.06 113	0.04 21	0.06 99	0.05 104	0.06 189	0.06 195

GMOStereo	0.11 181	0.09 306	0.07 6	0.19 351	0.08 125	0.12 202	0.28 497	0.13 57	0.17 200	0.11 149	0.17 233	0.14 232	0.12 250	0.07 4	0.07 1	0.05 26	0.05 182	0.09 351	0.07 268	0.04 15	0.04 40

error version	0.11 181	0.09 306	0.07 6	0.19 351	0.08 125	0.12 202	0.28 497	0.13 57	0.17 200	0.11 149	0.17 233	0.14 232	0.12 250	0.07 4	0.07 1	0.05 26	0.05 182	0.09 351	0.07 268	0.04 15	0.04 40

test-v	0.11 181	0.09 306	0.07 6	0.19 351	0.08 125	0.12 202	0.28 497	0.13 57	0.17 200	0.11 149	0.17 233	0.14 232	0.12 250	0.07 4	0.07 1	0.05 26	0.05 182	0.09 351	0.07 268	0.04 15	0.04 40

CroCo-Stereo	0.09 77	0.08 232	0.08 29	0.22 443	0.09 234	0.09 77	0.19 395	0.15 102	0.12 83	0.07 29	0.07 36	0.08 94	0.06 34	0.08 15	0.07 1	0.07 235	0.05 182	0.06 99	0.04 34	0.05 98	0.04 40
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
test-2	0.11 181	0.09 306	0.07 6	0.19 351	0.08 125	0.12 202	0.28 497	0.13 57	0.17 200	0.11 149	0.17 233	0.14 232	0.12 250	0.07 4	0.07 1	0.05 26	0.05 182	0.09 351	0.07 268	0.04 15	0.04 40

water-stereo	0.09 77	0.06 54	0.08 29	0.16 140	0.07 70	0.09 77	0.13 100	0.15 102	0.13 114	0.11 149	0.12 155	0.08 94	0.09 163	0.07 4	0.08 17	0.06 113	0.05 182	0.05 23	0.05 104	0.04 15	0.04 40

monsters	0.07 4	0.06 54	0.06 2	0.15 69	0.06 13	0.08 48	0.09 18	0.12 41	0.08 10	0.09 90	0.07 36	0.06 16	0.06 34	0.08 15	0.08 17	0.05 26	0.04 21	0.04 1	0.04 34	0.03 1	0.03 1

LG-Stereo_L2	0.07 4	0.05 17	0.10 105	0.14 29	0.06 13	0.07 27	0.12 62	0.09 10	0.09 21	0.06 9	0.04 1	0.05 1	0.05 9	0.08 15	0.08 17	0.05 26	0.04 21	0.05 23	0.03 1	0.04 15	0.03 1

LG-G_1	0.07 4	0.04 1	0.11 146	0.15 69	0.06 13	0.09 77	0.08 7	0.08 3	0.06 4	0.06 9	0.05 7	0.07 62	0.07 102	0.11 105	0.08 17	0.07 235	0.04 21	0.05 23	0.04 34	0.05 98	0.05 120

LG-G	0.07 4	0.04 1	0.11 146	0.15 69	0.06 13	0.09 77	0.08 7	0.08 3	0.06 4	0.06 9	0.05 7	0.07 62	0.07 102	0.11 105	0.08 17	0.07 235	0.04 21	0.05 23	0.04 34	0.05 98	0.05 120

SGD-Stereo	0.08 43	0.05 17	0.10 105	0.14 29	0.05 1	0.12 202	0.12 62	0.11 26	0.12 83	0.07 29	0.09 86	0.09 119	0.09 163	0.08 15	0.08 17	0.06 113	0.04 21	0.05 23	0.04 34	0.05 98	0.03 1

MM-Stereo_test3	0.10 138	0.07 135	0.07 6	0.18 295	0.07 70	0.12 202	0.19 395	0.24 310	0.19 241	0.06 9	0.10 112	0.08 94	0.06 34	0.11 105	0.08 17	0.06 113	0.06 302	0.07 191	0.05 104	0.05 98	0.04 40

HART	0.08 43	0.07 135	0.09 70	0.17 214	0.07 70	0.10 123	0.16 279	0.13 57	0.11 60	0.08 61	0.10 112	0.07 62	0.05 9	0.10 59	0.08 17	0.05 26	0.04 21	0.06 99	0.04 34	0.05 98	0.04 40

Reg-Stereo(zero)	0.08 43	0.05 17	0.08 29	0.16 140	0.06 13	0.12 202	0.11 45	0.15 102	0.10 34	0.12 187	0.09 86	0.10 150	0.08 137	0.11 105	0.08 17	0.06 113	0.04 21	0.05 23	0.04 34	0.04 15	0.05 120

HI	0.11 181	0.06 54	0.11 146	0.13 12	0.09 234	0.09 77	0.14 148	0.21 247	0.10 34	0.19 351	0.17 233	0.14 232	0.09 163	0.16 311	0.08 17	0.05 26	0.04 21	0.07 191	0.08 332	0.07 254	0.06 195

CoSv	0.11 181	0.06 54	0.11 146	0.13 12	0.09 234	0.09 77	0.14 148	0.21 247	0.10 34	0.19 351	0.17 233	0.14 232	0.09 163	0.16 311	0.08 17	0.05 26	0.04 21	0.07 191	0.08 332	0.07 254	0.06 195

SCV	0.08 43	0.09 306	0.08 29	0.15 69	0.08 125	0.10 123	0.13 100	0.10 15	0.12 83	0.07 29	0.07 36	0.06 16	0.04 1	0.09 33	0.08 17	0.05 26	0.04 21	0.06 99	0.04 34	0.06 189	0.04 40

StereoAnything_RVC	0.07 4	0.15 453	0.17 371	0.11 1	0.05 1	0.05 4	0.11 45	0.08 3	0.08 10	0.06 9	0.06 12	0.05 1	0.05 9	0.09 33	0.08 17	0.08 295	0.04 21	0.05 23	0.03 1	0.05 98	0.04 40

AIO_rvc	0.07 4	0.06 54	0.08 29	0.15 69	0.06 13	0.08 48	0.14 148	0.09 10	0.08 10	0.07 29	0.08 68	0.07 62	0.04 1	0.10 59	0.08 17	0.05 26	0.04 21	0.05 23	0.04 34	0.04 15	0.03 1

AIO-test2	0.10 138	0.08 232	0.10 105	0.23 463	0.08 125	0.11 168	0.10 26	0.23 288	0.23 303	0.08 61	0.09 86	0.08 94	0.05 9	0.10 59	0.08 17	0.06 113	0.05 182	0.08 272	0.09 376	0.05 98	0.05 120

castereo++	0.08 43	0.05 17	0.08 29	0.15 69	0.05 1	0.14 273	0.12 62	0.11 26	0.15 154	0.07 29	0.07 36	0.07 62	0.06 34	0.08 15	0.08 17	0.06 113	0.04 21	0.05 23	0.04 34	0.04 15	0.03 1

IGEV-RUCA	0.08 43	0.06 54	0.11 146	0.14 29	0.09 234	0.10 123	0.12 62	0.10 15	0.12 83	0.06 9	0.07 36	0.07 62	0.06 34	0.09 33	0.08 17	0.06 113	0.05 182	0.05 23	0.04 34	0.05 98	0.06 195

PAM_32	0.09 77	0.05 17	0.17 371	0.15 69	0.08 125	0.10 123	0.15 214	0.14 73	0.15 154	0.09 90	0.08 68	0.09 119	0.07 102	0.14 255	0.08 17	0.06 113	0.05 182	0.06 99	0.06 181	0.05 98	0.06 195

PAM	0.10 138	0.05 17	0.16 343	0.15 69	0.08 125	0.09 77	0.16 279	0.15 102	0.16 181	0.12 187	0.09 86	0.09 119	0.07 102	0.13 230	0.08 17	0.06 113	0.05 182	0.06 99	0.06 181	0.05 98	0.06 195

WCG-NET	0.08 43	0.05 17	0.09 70	0.15 69	0.06 13	0.11 168	0.14 148	0.13 57	0.13 114	0.06 9	0.09 86	0.07 62	0.06 34	0.13 230	0.08 17	0.05 26	0.04 21	0.05 23	0.04 34	0.04 15	0.03 1

RAStereo	0.10 138	0.09 306	0.08 29	0.20 399	0.08 125	0.13 241	0.18 357	0.15 102	0.17 200	0.10 122	0.12 155	0.05 1	0.06 34	0.09 33	0.08 17	0.07 235	0.05 182	0.07 191	0.05 104	0.05 98	0.04 40

AIO-Stereo-zeroshot1	0.11 181	0.05 17	0.14 260	0.15 69	0.20 505	0.09 77	0.17 312	0.21 247	0.15 154	0.11 149	0.14 183	0.10 150	0.07 102	0.10 59	0.08 17	0.06 113	0.05 182	0.07 191	0.07 268	0.07 254	0.09 382

U	0.08 43	0.07 135	0.09 70	0.19 351	0.10 335	0.10 123	0.13 100	0.12 41	0.17 200	0.07 29	0.07 36	0.06 16	0.05 9	0.07 4	0.08 17	0.06 113	0.04 21	0.06 99	0.04 34	0.06 189	0.05 120

IGEV-Stereo+	0.07 4	0.04 1	0.08 29	0.15 69	0.06 13	0.04 1	0.09 18	0.10 15	0.09 21	0.06 9	0.06 12	0.06 16	0.06 34	0.06 1	0.08 17	0.06 113	0.04 21	0.05 23	0.04 34	0.06 189	0.06 195

AIO-Stereo	0.08 43	0.06 54	0.09 70	0.18 295	0.06 13	0.08 48	0.12 62	0.15 102	0.09 21	0.08 61	0.08 68	0.07 62	0.05 9	0.11 105	0.08 17	0.05 26	0.05 182	0.05 23	0.04 34	0.04 15	0.04 40

WCG-NET（raft）	0.08 43	0.05 17	0.10 105	0.15 69	0.06 13	0.11 168	0.13 100	0.15 102	0.12 83	0.08 61	0.07 36	0.06 16	0.06 34	0.13 230	0.08 17	0.05 26	0.04 21	0.05 23	0.04 34	0.04 15	0.04 40

MoCha-V2	0.08 43	0.05 17	0.10 105	0.20 399	0.07 70	0.09 77	0.14 148	0.11 26	0.08 10	0.07 29	0.08 68	0.07 62	0.06 34	0.09 33	0.08 17	0.05 26	0.04 21	0.05 23	0.04 34	0.04 15	0.04 40

IGEVStereo-DCA	0.09 77	0.06 54	0.11 146	0.15 69	0.10 335	0.11 168	0.15 214	0.16 128	0.12 83	0.10 122	0.06 12	0.08 94	0.06 34	0.10 59	0.08 17	0.06 113	0.05 182	0.06 99	0.05 104	0.05 98	0.06 195

rrr	0.09 77	0.06 54	0.12 181	0.15 69	0.10 335	0.11 168	0.16 279	0.16 128	0.15 154	0.10 122	0.06 12	0.08 94	0.06 34	0.10 59	0.08 17	0.06 113	0.05 182	0.06 99	0.05 104	0.05 98	0.06 195

MIM_Stereo	0.09 77	0.07 135	0.11 146	0.15 69	0.07 70	0.06 8	0.12 62	0.20 225	0.14 138	0.13 214	0.13 169	0.09 119	0.05 9	0.12 186	0.08 17	0.05 26	0.06 302	0.07 191	0.06 181	0.06 189	0.05 120

CAS	0.08 43	0.04 1	0.07 6	0.17 214	0.08 125	0.10 123	0.13 100	0.12 41	0.09 21	0.09 90	0.10 112	0.08 94	0.06 34	0.09 33	0.08 17	0.08 295	0.04 21	0.05 23	0.03 1	0.05 98	0.04 40

CES	0.08 43	0.04 1	0.08 29	0.14 29	0.07 70	0.09 77	0.14 148	0.11 26	0.09 21	0.08 61	0.09 86	0.11 171	0.06 34	0.12 186	0.08 17	0.06 113	0.04 21	0.05 23	0.03 1	0.05 98	0.05 120

CroCo-Stereo Lap2	0.09 77	0.09 306	0.08 29	0.22 443	0.09 234	0.09 77	0.19 395	0.16 128	0.12 83	0.09 90	0.10 112	0.05 1	0.05 9	0.08 15	0.08 17	0.06 113	0.06 302	0.07 191	0.05 104	0.05 98	0.05 120

TRStereo	0.09 77	0.05 17	0.12 181	0.15 69	0.12 413	0.10 123	0.13 100	0.18 193	0.18 226	0.09 90	0.09 86	0.09 119	0.06 34	0.10 59	0.08 17	0.07 235	0.05 182	0.07 191	0.07 268	0.04 15	0.04 40

XX-Stereo	0.09 77	0.05 17	0.08 29	0.17 214	0.09 234	0.15 299	0.12 62	0.20 225	0.10 34	0.10 122	0.14 183	0.07 62	0.06 34	0.12 186	0.08 17	0.06 113	0.05 182	0.06 99	0.06 181	0.04 15	0.04 40

asd	0.07 4	0.08 232	0.07 6	0.16 140	0.07 70	0.08 48	0.08 7	0.11 26	0.08 10	0.07 29	0.07 36	0.06 16	0.06 34	0.10 59	0.09 52	0.03 1	0.03 1	0.04 1	0.04 34	0.04 15	0.03 1

qwe	0.07 4	0.08 232	0.07 6	0.15 69	0.06 13	0.07 27	0.10 26	0.18 193	0.11 60	0.07 29	0.07 36	0.06 16	0.06 34	0.10 59	0.09 52	0.03 1	0.03 1	0.04 1	0.04 34	0.04 15	0.03 1

depthmonostereo	0.09 77	0.06 54	0.09 70	0.15 69	0.06 13	0.10 123	0.13 100	0.14 73	0.14 138	0.10 122	0.10 112	0.09 119	0.11 220	0.08 15	0.09 52	0.06 113	0.05 182	0.06 99	0.04 34	0.04 15	0.03 1

2.5w	0.07 4	0.07 135	0.07 6	0.16 140	0.06 13	0.08 48	0.12 62	0.10 15	0.10 34	0.07 29	0.06 12	0.09 119	0.06 34	0.08 15	0.09 52	0.04 11	0.03 1	0.04 1	0.04 34	0.03 1	0.03 1

3.25w_new	0.07 4	0.06 54	0.07 6	0.15 69	0.06 13	0.10 123	0.07 3	0.12 41	0.11 60	0.08 61	0.06 12	0.07 62	0.06 34	0.11 105	0.09 52	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

3.25w	0.07 4	0.06 54	0.07 6	0.15 69	0.06 13	0.10 123	0.07 3	0.12 41	0.11 60	0.08 61	0.06 12	0.07 62	0.06 34	0.11 105	0.09 52	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

3.5w_stereo	0.07 4	0.07 135	0.07 6	0.15 69	0.07 70	0.09 77	0.06 1	0.13 57	0.11 60	0.07 29	0.07 36	0.06 16	0.07 102	0.10 59	0.09 52	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

3w_stereo	0.08 43	0.09 306	0.10 105	0.17 214	0.07 70	0.08 48	0.10 26	0.20 225	0.13 114	0.06 9	0.07 36	0.05 1	0.06 34	0.08 15	0.09 52	0.03 1	0.03 1	0.04 1	0.03 1	0.04 15	0.03 1

2w_stereo	0.08 43	0.08 232	0.09 70	0.16 140	0.06 13	0.08 48	0.10 26	0.20 225	0.15 154	0.08 61	0.07 36	0.06 16	0.06 34	0.06 1	0.09 52	0.04 11	0.03 1	0.04 1	0.04 34	0.03 1	0.03 1

1w_stereo	0.07 4	0.06 54	0.07 6	0.16 140	0.06 13	0.07 27	0.10 26	0.14 73	0.14 138	0.07 29	0.08 68	0.05 1	0.06 34	0.09 33	0.09 52	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.04 40

monsterstereo	0.07 4	0.06 54	0.06 2	0.16 140	0.06 13	0.08 48	0.10 26	0.16 128	0.11 60	0.07 29	0.08 68	0.06 16	0.07 102	0.08 15	0.09 52	0.04 11	0.04 21	0.05 23	0.04 34	0.03 1	0.03 1

IGEV	0.07 4	0.04 1	0.08 29	0.13 12	0.06 13	0.09 77	0.12 62	0.14 73	0.10 34	0.06 9	0.09 86	0.07 62	0.05 9	0.09 33	0.09 52	0.06 113	0.04 21	0.05 23	0.04 34	0.05 98	0.04 40

111111	0.07 4	0.04 1	0.09 70	0.17 214	0.06 13	0.05 4	0.10 26	0.11 26	0.09 21	0.06 9	0.06 12	0.07 62	0.05 9	0.09 33	0.09 52	0.06 113	0.04 21	0.05 23	0.04 34	0.07 254	0.06 195

MLG-Stereo_test2	0.06 1	0.04 1	0.10 105	0.15 69	0.05 1	0.07 27	0.11 45	0.09 10	0.04 2	0.06 9	0.05 7	0.06 16	0.04 1	0.08 15	0.09 52	0.06 113	0.04 21	0.05 23	0.03 1	0.05 98	0.05 120

MLG-Stereo_test1	0.06 1	0.05 17	0.08 29	0.17 214	0.05 1	0.06 8	0.11 45	0.08 3	0.03 1	0.05 1	0.04 1	0.06 16	0.05 9	0.09 33	0.09 52	0.05 26	0.04 21	0.05 23	0.03 1	0.04 15	0.04 40

MLG-Stereo	0.07 4	0.05 17	0.08 29	0.17 214	0.05 1	0.07 27	0.11 45	0.08 3	0.04 2	0.05 1	0.04 1	0.06 16	0.05 9	0.10 59	0.09 52	0.05 26	0.04 21	0.05 23	0.03 1	0.04 15	0.04 40

LGtest1	0.07 4	0.04 1	0.10 105	0.15 69	0.06 13	0.07 27	0.09 18	0.08 3	0.06 4	0.05 1	0.04 1	0.06 16	0.06 34	0.10 59	0.09 52	0.07 235	0.04 21	0.05 23	0.04 34	0.06 189	0.06 195

LG-Stereo_Zeroshot	0.07 4	0.06 54	0.10 105	0.16 140	0.07 70	0.04 1	0.13 100	0.10 15	0.10 34	0.05 1	0.11 142	0.07 62	0.05 9	0.07 4	0.09 52	0.06 113	0.04 21	0.05 23	0.04 34	0.05 98	0.04 40

LG-Stereo	0.08 43	0.07 135	0.10 105	0.18 295	0.07 70	0.10 123	0.17 312	0.11 26	0.08 10	0.05 1	0.07 36	0.05 1	0.07 102	0.09 33	0.09 52	0.04 11	0.05 182	0.07 191	0.07 268	0.04 15	0.04 40

MM-Stereo_test2	0.09 77	0.06 54	0.09 70	0.19 351	0.08 125	0.12 202	0.18 357	0.15 102	0.14 138	0.07 29	0.10 112	0.07 62	0.06 34	0.12 186	0.09 52	0.05 26	0.04 21	0.06 99	0.05 104	0.05 98	0.03 1

DEFOM-Stereo_RVC	0.08 43	0.06 54	0.09 70	0.22 443	0.06 13	0.08 48	0.12 62	0.10 15	0.10 34	0.07 29	0.07 36	0.06 16	0.05 9	0.11 105	0.09 52	0.06 113	0.04 21	0.05 23	0.03 1	0.06 189	0.04 40

HUF	0.08 43	0.05 17	0.08 29	0.14 29	0.06 13	0.09 77	0.13 100	0.13 57	0.13 114	0.07 29	0.07 36	0.08 94	0.06 34	0.10 59	0.09 52	0.06 113	0.04 21	0.05 23	0.04 34	0.05 98	0.04 40

AIO-test1	0.10 138	0.07 135	0.10 105	0.23 463	0.07 70	0.09 77	0.13 100	0.21 247	0.14 138	0.11 149	0.12 155	0.09 119	0.07 102	0.11 105	0.09 52	0.06 113	0.05 182	0.09 351	0.10 411	0.03 1	0.06 195

MonSter	0.07 4	0.06 54	0.05 1	0.15 69	0.05 1	0.07 27	0.10 26	0.15 102	0.15 154	0.05 1	0.06 12	0.05 1	0.06 34	0.07 4	0.09 52	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

DEFOM-Stereo	0.07 4	0.05 17	0.07 6	0.14 29	0.06 13	0.10 123	0.13 100	0.07 2	0.13 114	0.06 9	0.07 36	0.06 16	0.05 9	0.10 59	0.09 52	0.04 11	0.04 21	0.05 23	0.03 1	0.04 15	0.04 40

dual_stereo	0.07 4	0.04 1	0.08 29	0.15 69	0.05 1	0.05 4	0.13 100	0.12 41	0.08 10	0.07 29	0.06 12	0.05 1	0.05 9	0.07 4	0.09 52	0.06 113	0.04 21	0.05 23	0.03 1	0.04 15	0.04 40

UGAM-zero	0.09 77	0.05 17	0.15 309	0.15 69	0.08 125	0.09 77	0.13 100	0.19 214	0.15 154	0.11 149	0.15 200	0.07 62	0.07 102	0.09 33	0.09 52	0.06 113	0.05 182	0.06 99	0.05 104	0.05 98	0.06 195

rvit_stereo_0081_aga	0.11 181	0.09 306	0.14 260	0.18 295	0.09 234	0.13 241	0.14 148	0.14 73	0.19 241	0.10 122	0.18 258	0.16 275	0.09 163	0.12 186	0.09 52	0.10 388	0.06 302	0.08 272	0.07 268	0.07 254	0.06 195

IGEV-Stereo++	0.07 4	0.06 54	0.08 29	0.18 295	0.06 13	0.04 1	0.10 26	0.11 26	0.11 60	0.06 9	0.07 36	0.07 62	0.06 34	0.09 33	0.09 52	0.05 26	0.04 21	0.05 23	0.04 34	0.05 98	0.04 40

Pointernet	0.09 77	0.04 1	0.09 70	0.16 140	0.08 125	0.13 241	0.10 26	0.15 102	0.17 200	0.09 90	0.07 36	0.06 16	0.06 34	0.11 105	0.09 52	0.08 295	0.04 21	0.05 23	0.03 1	0.06 189	0.05 120

AIO-Stereo-zeroshot	0.11 181	0.05 17	0.11 146	0.15 69	0.13 434	0.13 241	0.16 279	0.23 288	0.17 200	0.10 122	0.12 155	0.10 150	0.07 102	0.11 105	0.09 52	0.06 113	0.05 182	0.06 99	0.06 181	0.07 254	0.08 338

RSM++	0.08 43	0.06 54	0.09 70	0.17 214	0.07 70	0.09 77	0.12 62	0.11 26	0.11 60	0.08 61	0.06 12	0.07 62	0.05 9	0.10 59	0.09 52	0.04 11	0.04 21	0.06 99	0.05 104	0.05 98	0.03 1

RSM	0.08 43	0.06 54	0.09 70	0.17 214	0.06 13	0.08 48	0.12 62	0.12 41	0.10 34	0.08 61	0.07 36	0.06 16	0.05 9	0.11 105	0.09 52	0.04 11	0.04 21	0.05 23	0.04 34	0.04 15	0.03 1

CAS++	0.11 181	0.07 135	0.11 146	0.14 29	0.09 234	0.12 202	0.14 148	0.24 310	0.14 138	0.11 149	0.09 86	0.11 171	0.07 102	0.14 255	0.09 52	0.11 416	0.09 423	0.09 351	0.07 268	0.07 254	0.08 338
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
gcap-zeroshot	0.09 77	0.05 17	0.10 105	0.16 140	0.07 70	0.13 241	0.13 100	0.11 26	0.12 83	0.13 214	0.12 155	0.09 119	0.08 137	0.09 33	0.09 52	0.06 113	0.05 182	0.06 99	0.05 104	0.04 15	0.04 40

MGS-Stereo	0.09 77	0.07 135	0.12 181	0.15 69	0.08 125	0.09 77	0.15 214	0.12 41	0.12 83	0.07 29	0.10 112	0.08 94	0.06 34	0.10 59	0.09 52	0.05 26	0.04 21	0.06 99	0.05 104	0.06 189	0.05 120

IGEV++	0.08 43	0.06 54	0.08 29	0.18 295	0.07 70	0.09 77	0.13 100	0.10 15	0.09 21	0.08 61	0.08 68	0.06 16	0.06 34	0.13 230	0.09 52	0.05 26	0.04 21	0.05 23	0.04 34	0.05 98	0.04 40

MyStereo07	0.10 138	0.07 135	0.10 105	0.17 214	0.09 234	0.14 273	0.18 357	0.15 102	0.15 154	0.09 90	0.06 12	0.06 16	0.07 102	0.12 186	0.09 52	0.06 113	0.05 182	0.08 272	0.07 268	0.06 189	0.06 195

MyStereo06	0.10 138	0.07 135	0.12 181	0.17 214	0.09 234	0.13 241	0.18 357	0.19 214	0.12 83	0.12 187	0.08 68	0.07 62	0.07 102	0.11 105	0.09 52	0.06 113	0.05 182	0.07 191	0.07 268	0.06 189	0.06 195

ff7	0.09 77	0.07 135	0.11 146	0.16 140	0.09 234	0.11 168	0.15 214	0.16 128	0.12 83	0.10 122	0.06 12	0.06 16	0.06 34	0.11 105	0.09 52	0.05 26	0.04 21	0.06 99	0.05 104	0.05 98	0.06 195

ffff	0.09 77	0.07 135	0.11 146	0.16 140	0.09 234	0.11 168	0.15 214	0.16 128	0.12 83	0.10 122	0.06 12	0.06 16	0.06 34	0.11 105	0.09 52	0.05 26	0.04 21	0.06 99	0.05 104	0.05 98	0.06 195

11t	0.09 77	0.07 135	0.11 146	0.16 140	0.09 234	0.11 168	0.15 214	0.16 128	0.12 83	0.10 122	0.06 12	0.06 16	0.06 34	0.11 105	0.09 52	0.05 26	0.04 21	0.06 99	0.05 104	0.05 98	0.06 195

IGEV_Zeroshot_test	0.09 77	0.05 17	0.12 181	0.13 12	0.08 125	0.12 202	0.13 100	0.17 164	0.11 60	0.10 122	0.06 12	0.09 119	0.06 34	0.11 105	0.09 52	0.06 113	0.04 21	0.06 99	0.06 181	0.05 98	0.05 120

UniTT-Stereo	0.09 77	0.07 135	0.08 29	0.18 295	0.08 125	0.13 241	0.11 45	0.12 41	0.11 60	0.10 122	0.12 155	0.05 1	0.07 102	0.09 33	0.09 52	0.07 235	0.05 182	0.05 23	0.05 104	0.05 98	0.05 120

DLNR_Zeroshot_test	10.40 569	1.82 561	19.49 575	120.77 580	13.11 573	0.06 8	0.13 100	0.23 288	0.10 34	0.07 29	0.10 112	0.09 119	0.06 34	0.10 59	0.09 52	0.13 464	0.04 21	0.06 99	0.04 34	51.54 579	0.04 40

testlalala	0.08 43	0.07 135	0.17 371	0.16 140	0.08 125	0.09 77	0.12 62	0.15 102	0.10 34	0.07 29	0.09 86	0.06 16	0.06 34	0.11 105	0.09 52	0.05 26	0.04 21	0.06 99	0.04 34	0.04 15	0.04 40

AEACV	0.08 43	0.05 17	0.08 29	0.14 29	0.13 434	0.14 273	0.13 100	0.14 73	0.09 21	0.07 29	0.09 86	0.07 62	0.08 137	0.10 59	0.09 52	0.06 113	0.04 21	0.06 99	0.05 104	0.05 98	0.04 40

Any-RAFT	0.10 138	0.05 17	0.09 70	0.14 29	0.07 70	0.13 241	0.14 148	0.21 247	0.15 154	0.11 149	0.12 155	0.12 188	0.09 163	0.12 186	0.09 52	0.07 235	0.04 21	0.05 23	0.04 34	0.06 189	0.05 120

RAFT-Test	0.09 77	0.06 54	0.10 105	0.15 69	0.07 70	0.11 168	0.15 214	0.16 128	0.13 114	0.09 90	0.10 112	0.10 150	0.09 163	0.12 186	0.09 52	0.06 113	0.04 21	0.05 23	0.04 34	0.04 15	0.05 120

HH	0.09 77	0.06 54	0.13 225	0.17 214	0.08 125	0.10 123	0.16 279	0.14 73	0.10 34	0.08 61	0.09 86	0.08 94	0.07 102	0.10 59	0.09 52	0.06 113	0.04 21	0.06 99	0.05 104	0.05 98	0.04 40

HanStereo	0.09 77	0.06 54	0.13 225	0.17 214	0.08 125	0.10 123	0.16 279	0.14 73	0.10 34	0.08 61	0.09 86	0.08 94	0.07 102	0.10 59	0.09 52	0.06 113	0.04 21	0.06 99	0.05 104	0.05 98	0.04 40

4D-IteraStereo	0.09 77	0.07 135	0.10 105	0.18 295	0.07 70	0.09 77	0.15 214	0.17 164	0.15 154	0.10 122	0.11 142	0.10 150	0.07 102	0.11 105	0.09 52	0.05 26	0.03 1	0.08 272	0.07 268	0.06 189	0.05 120

LoS_RVC	0.08 43	0.05 17	0.07 6	0.15 69	0.07 70	0.08 48	0.15 214	0.11 26	0.10 34	0.08 61	0.09 86	0.06 16	0.09 163	0.10 59	0.09 52	0.05 26	0.04 21	0.05 23	0.03 1	0.04 15	0.03 1

anonymousdsp	0.09 77	0.07 135	0.11 146	0.16 140	0.09 234	0.11 168	0.15 214	0.16 128	0.12 83	0.09 90	0.06 12	0.06 16	0.06 34	0.11 105	0.09 52	0.05 26	0.04 21	0.06 99	0.05 104	0.05 98	0.06 195

Selective-IGEV	0.07 4	0.06 54	0.08 29	0.17 214	0.06 13	0.08 48	0.12 62	0.13 57	0.07 8	0.08 61	0.07 36	0.06 16	0.04 1	0.10 59	0.09 52	0.05 26	0.04 21	0.05 23	0.04 34	0.04 15	0.03 1

ProNet	0.09 77	0.07 135	0.10 105	0.17 214	0.08 125	0.10 123	0.15 214	0.15 102	0.12 83	0.09 90	0.06 12	0.07 62	0.06 34	0.11 105	0.09 52	0.05 26	0.04 21	0.06 99	0.05 104	0.04 15	0.06 195

ccc-4	0.09 77	0.07 135	0.11 146	0.16 140	0.09 234	0.11 168	0.15 214	0.16 128	0.12 83	0.10 122	0.06 12	0.06 16	0.06 34	0.11 105	0.09 52	0.05 26	0.04 21	0.06 99	0.05 104	0.05 98	0.06 195

RAFT_CTSACE	0.12 246	0.09 306	0.10 105	0.22 443	0.08 125	0.12 202	0.24 463	0.18 193	0.16 181	0.20 373	0.27 384	0.13 212	0.07 102	0.13 230	0.09 52	0.05 26	0.06 302	0.08 272	0.07 268	0.04 15	0.04 40

IGEV-Stereo	0.09 77	0.07 135	0.11 146	0.16 140	0.09 234	0.11 168	0.15 214	0.16 128	0.12 83	0.09 90	0.06 12	0.06 16	0.06 34	0.11 105	0.09 52	0.05 26	0.04 21	0.06 99	0.05 104	0.05 98	0.06 195
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iRaft-Stereo_20w	0.09 77	0.05 17	0.13 225	0.14 29	0.08 125	0.12 202	0.15 214	0.18 193	0.10 34	0.11 149	0.08 68	0.08 94	0.05 9	0.10 59	0.09 52	0.06 113	0.04 21	0.06 99	0.05 104	0.06 189	0.05 120

RAFT	0.13 271	0.09 306	0.11 146	0.18 295	0.08 125	0.15 299	0.24 463	0.20 225	0.19 241	0.21 387	0.21 300	0.17 295	0.12 250	0.16 311	0.09 52	0.06 113	0.07 371	0.10 396	0.09 376	0.05 98	0.05 120

test-1	0.10 138	0.07 135	0.16 343	0.19 351	0.08 125	0.11 168	0.24 463	0.14 73	0.18 226	0.09 90	0.07 36	0.09 119	0.08 137	0.07 4	0.09 52	0.06 113	0.04 21	0.06 99	0.05 104	0.04 15	0.04 40

TANstereo	0.09 77	0.04 1	0.08 29	0.13 12	0.06 13	0.11 168	0.14 148	0.15 102	0.19 241	0.11 149	0.15 200	0.10 150	0.06 34	0.12 186	0.09 52	0.07 235	0.05 182	0.05 23	0.04 34	0.06 189	0.05 120

test_xeample3	0.09 77	0.06 54	0.12 181	0.16 140	0.09 234	0.11 168	0.15 214	0.16 128	0.13 114	0.10 122	0.06 12	0.08 94	0.06 34	0.10 59	0.09 52	0.05 26	0.04 21	0.06 99	0.05 104	0.05 98	0.06 195

RAFT-Stereo + iAFF	0.09 77	0.06 54	0.10 105	0.17 214	0.06 13	0.10 123	0.16 279	0.17 164	0.14 138	0.09 90	0.10 112	0.08 94	0.09 163	0.11 105	0.09 52	0.05 26	0.04 21	0.06 99	0.06 181	0.04 15	0.03 1

AFF-stereo	0.09 77	0.06 54	0.10 105	0.17 214	0.07 70	0.10 123	0.16 279	0.17 164	0.09 21	0.10 122	0.12 155	0.09 119	0.09 163	0.12 186	0.09 52	0.05 26	0.04 21	0.07 191	0.07 268	0.04 15	0.03 1

CFNet-RSSM	0.09 77	0.07 135	0.09 70	0.16 140	0.07 70	0.09 77	0.15 214	0.16 128	0.17 200	0.08 61	0.12 155	0.10 150	0.09 163	0.11 105	0.09 52	0.06 113	0.04 21	0.06 99	0.04 34	0.04 15	0.04 40

Gwc-CoAtRS	0.09 77	0.06 54	0.10 105	0.16 140	0.07 70	0.10 123	0.14 148	0.17 164	0.17 200	0.08 61	0.10 112	0.12 188	0.09 163	0.12 186	0.09 52	0.06 113	0.04 21	0.06 99	0.04 34	0.04 15	0.04 40

asda	0.07 4	0.08 232	0.08 29	0.16 140	0.06 13	0.06 8	0.10 26	0.16 128	0.10 34	0.06 9	0.06 12	0.05 1	0.05 9	0.10 59	0.10 120	0.03 1	0.03 1	0.04 1	0.03 1	0.04 15	0.03 1

DilatedVolume-Stereo	0.09 77	0.05 17	0.08 29	0.15 69	0.06 13	0.11 168	0.12 62	0.14 73	0.16 181	0.11 149	0.11 142	0.09 119	0.09 163	0.11 105	0.10 120	0.06 113	0.05 182	0.05 23	0.04 34	0.03 1	0.03 1

2.25w	0.07 4	0.06 54	0.07 6	0.14 29	0.06 13	0.08 48	0.08 7	0.10 15	0.15 154	0.08 61	0.10 112	0.07 62	0.06 34	0.08 15	0.10 120	0.05 26	0.03 1	0.04 1	0.04 34	0.03 1	0.04 40

4.25_new	0.07 4	0.08 232	0.09 70	0.15 69	0.06 13	0.09 77	0.08 7	0.14 73	0.08 10	0.07 29	0.07 36	0.06 16	0.06 34	0.12 186	0.10 120	0.03 1	0.03 1	0.04 1	0.03 1	0.04 15	0.03 1

4.5w_new	0.07 4	0.08 232	0.09 70	0.15 69	0.06 13	0.09 77	0.08 7	0.14 73	0.08 10	0.07 29	0.07 36	0.06 16	0.06 34	0.12 186	0.10 120	0.03 1	0.03 1	0.04 1	0.03 1	0.04 15	0.03 1

4.5_new	0.07 4	0.09 306	0.08 29	0.15 69	0.07 70	0.06 8	0.10 26	0.14 73	0.11 60	0.06 9	0.08 68	0.06 16	0.06 34	0.08 15	0.10 120	0.03 1	0.03 1	0.04 1	0.04 34	0.04 15	0.03 1

4.5w-stereo	0.07 4	0.09 306	0.08 29	0.15 69	0.07 70	0.06 8	0.10 26	0.14 73	0.11 60	0.06 9	0.08 68	0.06 16	0.06 34	0.08 15	0.10 120	0.03 1	0.03 1	0.04 1	0.04 34	0.04 15	0.03 1

4.25w-stereo	0.07 4	0.08 232	0.09 70	0.15 69	0.06 13	0.09 77	0.08 7	0.14 73	0.08 10	0.07 29	0.07 36	0.06 16	0.06 34	0.12 186	0.10 120	0.03 1	0.03 1	0.04 1	0.03 1	0.04 15	0.03 1

4w-stereo	0.07 4	0.08 232	0.08 29	0.16 140	0.06 13	0.07 27	0.08 7	0.12 41	0.08 10	0.07 29	0.07 36	0.05 1	0.06 34	0.09 33	0.10 120	0.03 1	0.03 1	0.04 1	0.04 34	0.04 15	0.03 1

3.75w	0.07 4	0.07 135	0.08 29	0.16 140	0.07 70	0.07 27	0.09 18	0.16 128	0.09 21	0.07 29	0.06 12	0.05 1	0.06 34	0.09 33	0.10 120	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

MLG-Stereo_test3	0.07 4	0.05 17	0.10 105	0.14 29	0.06 13	0.07 27	0.11 45	0.08 3	0.06 4	0.06 9	0.04 1	0.06 16	0.06 34	0.07 4	0.10 120	0.06 113	0.04 21	0.05 23	0.04 34	0.05 98	0.06 195

MM-Stereo_test1	0.10 138	0.07 135	0.08 29	0.18 295	0.07 70	0.12 202	0.18 357	0.21 247	0.20 264	0.09 90	0.11 142	0.08 94	0.06 34	0.10 59	0.10 120	0.06 113	0.05 182	0.07 191	0.06 181	0.05 98	0.04 40

AIO_test	0.07 4	0.05 17	0.07 6	0.15 69	0.07 70	0.06 8	0.14 148	0.10 15	0.10 34	0.07 29	0.07 36	0.06 16	0.05 9	0.08 15	0.10 120	0.05 26	0.04 21	0.05 23	0.04 34	0.04 15	0.03 1

castereo	0.09 77	0.06 54	0.11 146	0.15 69	0.06 13	0.11 168	0.15 214	0.14 73	0.18 226	0.08 61	0.10 112	0.11 171	0.08 137	0.09 33	0.10 120	0.05 26	0.04 21	0.05 23	0.04 34	0.04 15	0.03 1

SMoEStereo_RVC	0.08 43	0.06 54	0.12 181	0.16 140	0.07 70	0.09 77	0.14 148	0.11 26	0.13 114	0.09 90	0.07 36	0.07 62	0.07 102	0.12 186	0.10 120	0.05 26	0.04 21	0.06 99	0.05 104	0.04 15	0.04 40

tt45	0.09 77	0.06 54	0.11 146	0.15 69	0.07 70	0.11 168	0.16 279	0.13 57	0.11 60	0.09 90	0.06 12	0.08 94	0.06 34	0.13 230	0.10 120	0.06 113	0.04 21	0.06 99	0.05 104	0.05 98	0.06 195

999	0.09 77	0.05 17	0.13 225	0.15 69	0.08 125	0.10 123	0.14 148	0.15 102	0.11 60	0.10 122	0.08 68	0.08 94	0.08 137	0.16 311	0.10 120	0.06 113	0.04 21	0.06 99	0.05 104	0.04 15	0.05 120

tg	0.10 138	0.06 54	0.10 105	0.18 295	0.08 125	0.11 168	0.16 279	0.20 225	0.12 83	0.08 61	0.11 142	0.11 171	0.07 102	0.11 105	0.10 120	0.05 26	0.04 21	0.08 272	0.08 332	0.04 15	0.04 40

model_zeroshot	0.10 138	0.04 1	0.11 146	0.15 69	0.09 234	0.12 202	0.14 148	0.20 225	0.13 114	0.11 149	0.10 112	0.12 188	0.07 102	0.12 186	0.10 120	0.07 235	0.06 302	0.06 99	0.05 104	0.06 189	0.06 195

GCAP-BAT	0.09 77	0.07 135	0.14 260	0.15 69	0.08 125	0.10 123	0.13 100	0.14 73	0.10 34	0.11 149	0.10 112	0.08 94	0.07 102	0.12 186	0.10 120	0.06 113	0.05 182	0.06 99	0.04 34	0.04 15	0.04 40

Occ-G	0.08 43	0.05 17	0.06 2	0.14 29	0.07 70	0.08 48	0.14 148	0.13 57	0.15 154	0.07 29	0.11 142	0.07 62	0.05 9	0.09 33	0.10 120	0.06 113	0.05 182	0.05 23	0.04 34	0.05 98	0.05 120

rvit_stereo_0080	0.10 138	0.08 232	0.14 260	0.15 69	0.09 234	0.07 27	0.15 214	0.16 128	0.16 181	0.11 149	0.10 112	0.14 232	0.08 137	0.12 186	0.10 120	0.09 351	0.07 371	0.07 191	0.06 181	0.07 254	0.05 120

test_for_model	0.09 77	0.12 406	0.14 260	0.23 463	0.11 382	0.08 48	0.13 100	0.12 41	0.12 83	0.10 122	0.07 36	0.07 62	0.06 34	0.11 105	0.10 120	0.06 113	0.05 182	0.05 23	0.03 1	0.07 254	0.04 40

trnet	0.08 43	0.05 17	0.07 6	0.12 4	0.05 1	0.12 202	0.11 45	0.13 57	0.10 34	0.08 61	0.13 169	0.09 119	0.08 137	0.11 105	0.10 120	0.08 295	0.05 182	0.05 23	0.03 1	0.06 189	0.05 120

H2IRNET	0.10 138	0.09 306	0.09 70	0.18 295	0.09 234	0.12 202	0.15 214	0.14 73	0.21 279	0.10 122	0.10 112	0.10 150	0.10 195	0.10 59	0.10 120	0.05 26	0.04 21	0.08 272	0.08 332	0.06 189	0.05 120

AE-Stereo	0.10 138	0.08 232	0.10 105	0.18 295	0.09 234	0.10 123	0.15 214	0.14 73	0.19 241	0.09 90	0.14 183	0.12 188	0.08 137	0.11 105	0.10 120	0.05 26	0.06 302	0.07 191	0.06 181	0.05 98	0.04 40

whm_eth	0.10 138	0.08 232	0.14 260	0.15 69	0.09 234	0.07 27	0.15 214	0.16 128	0.16 181	0.11 149	0.10 112	0.14 232	0.08 137	0.12 186	0.10 120	0.09 351	0.07 371	0.07 191	0.06 181	0.07 254	0.05 120

MSKI-zero shot	0.09 77	0.05 17	0.09 70	0.15 69	0.07 70	0.10 123	0.13 100	0.14 73	0.13 114	0.09 90	0.09 86	0.09 119	0.06 34	0.12 186	0.10 120	0.06 113	0.04 21	0.05 23	0.04 34	0.04 15	0.04 40

StereoVision	0.13 271	0.12 406	0.09 70	0.24 472	0.10 335	0.15 299	0.21 433	0.21 247	0.20 264	0.12 187	0.24 330	0.10 150	0.10 195	0.16 311	0.10 120	0.09 351	0.11 453	0.12 444	0.12 460	0.06 189	0.05 120

CASnet	0.09 77	0.09 306	0.09 70	0.19 351	0.06 13	0.07 27	0.11 45	0.18 193	0.14 138	0.11 149	0.10 112	0.09 119	0.07 102	0.10 59	0.10 120	0.06 113	0.04 21	0.10 396	0.08 332	0.05 98	0.03 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
GCAP-Stereo	0.09 77	0.07 135	0.13 225	0.18 295	0.06 13	0.11 168	0.07 3	0.13 57	0.12 83	0.09 90	0.10 112	0.07 62	0.09 163	0.13 230	0.10 120	0.06 113	0.05 182	0.05 23	0.04 34	0.04 15	0.05 120

LL-Strereo2	0.10 138	0.10 364	0.15 309	0.18 295	0.08 125	0.15 299	0.09 18	0.17 164	0.14 138	0.14 235	0.10 112	0.09 119	0.07 102	0.16 311	0.10 120	0.05 26	0.05 182	0.10 396	0.07 268	0.06 189	0.05 120

LoS	0.09 77	0.05 17	0.11 146	0.13 12	0.07 70	0.14 273	0.11 45	0.15 102	0.15 154	0.09 90	0.09 86	0.12 188	0.09 163	0.15 277	0.10 120	0.07 235	0.05 182	0.05 23	0.03 1	0.05 98	0.05 120
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
MC-Stereo	0.08 43	0.06 54	0.09 70	0.17 214	0.06 13	0.10 123	0.14 148	0.12 41	0.10 34	0.09 90	0.12 155	0.09 119	0.06 34	0.11 105	0.10 120	0.06 113	0.04 21	0.06 99	0.05 104	0.04 15	0.04 40

DisPM	0.11 181	0.07 135	0.12 181	0.16 140	0.09 234	0.06 8	0.13 100	0.17 164	0.17 200	0.14 235	0.20 279	0.12 188	0.10 195	0.11 105	0.10 120	0.06 113	0.04 21	0.07 191	0.06 181	0.06 189	0.11 429

Sa-1000	0.12 246	0.08 232	0.08 29	0.18 295	0.08 125	0.14 273	0.22 442	0.22 269	0.18 226	0.15 262	0.20 279	0.17 295	0.11 220	0.10 59	0.10 120	0.06 113	0.05 182	0.09 351	0.09 376	0.05 98	0.05 120

test-3	0.08 43	0.06 54	0.09 70	0.17 214	0.07 70	0.07 27	0.14 148	0.12 41	0.15 154	0.09 90	0.08 68	0.07 62	0.08 137	0.11 105	0.10 120	0.05 26	0.04 21	0.07 191	0.05 104	0.04 15	0.04 40

test_1	0.08 43	0.06 54	0.09 70	0.17 214	0.07 70	0.07 27	0.14 148	0.12 41	0.15 154	0.09 90	0.08 68	0.07 62	0.08 137	0.11 105	0.10 120	0.05 26	0.04 21	0.07 191	0.05 104	0.04 15	0.04 40

HHNet	0.11 181	0.06 54	0.16 343	0.15 69	0.14 452	0.07 27	0.13 100	0.20 225	0.17 200	0.14 235	0.25 359	0.11 171	0.08 137	0.13 230	0.10 120	0.05 26	0.04 21	0.08 272	0.06 181	0.05 98	0.09 382

Patchmatch Stereo++	0.11 181	0.09 306	0.16 343	0.18 295	0.08 125	0.06 8	0.11 45	0.16 128	0.13 114	0.15 262	0.16 212	0.14 232	0.12 250	0.11 105	0.10 120	0.06 113	0.04 21	0.08 272	0.06 181	0.08 316	0.07 274
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
TransformOpticalFlow	0.10 138	0.08 232	0.13 225	0.18 295	0.07 70	0.09 77	0.15 214	0.19 214	0.15 154	0.12 187	0.17 233	0.11 171	0.11 220	0.11 105	0.10 120	0.05 26	0.04 21	0.06 99	0.06 181	0.05 98	0.05 120

NRIStereo	0.11 181	0.08 232	0.14 260	0.18 295	0.08 125	0.10 123	0.14 148	0.16 128	0.15 154	0.12 187	0.14 183	0.13 212	0.12 250	0.13 230	0.10 120	0.06 113	0.04 21	0.07 191	0.06 181	0.06 189	0.07 274

PSM-adaLoss	0.11 181	0.09 306	0.16 343	0.18 295	0.08 125	0.06 8	0.12 62	0.16 128	0.13 114	0.15 262	0.16 212	0.14 232	0.12 250	0.11 105	0.10 120	0.06 113	0.04 21	0.08 272	0.06 181	0.08 316	0.07 274

PSM-AAD	0.11 181	0.07 135	0.10 105	0.19 351	0.09 234	0.10 123	0.15 214	0.20 225	0.13 114	0.12 187	0.14 183	0.18 309	0.11 220	0.11 105	0.10 120	0.05 26	0.05 182	0.09 351	0.08 332	0.06 189	0.14 476

ROB_FTStereo_v2	0.11 181	0.09 306	0.16 343	0.19 351	0.08 125	0.06 8	0.12 62	0.16 128	0.13 114	0.15 262	0.16 212	0.14 232	0.12 250	0.11 105	0.10 120	0.06 113	0.04 21	0.08 272	0.06 181	0.08 316	0.07 274

ROB_FTStereo	0.11 181	0.09 306	0.16 343	0.19 351	0.08 125	0.06 8	0.11 45	0.16 128	0.13 114	0.15 262	0.16 212	0.14 232	0.12 250	0.11 105	0.10 120	0.06 113	0.04 21	0.08 272	0.06 181	0.08 316	0.07 274

KYRaft	0.11 181	0.07 135	0.10 105	0.19 351	0.09 234	0.08 48	0.15 214	0.22 269	0.12 83	0.13 214	0.16 212	0.20 335	0.10 195	0.12 186	0.10 120	0.05 26	0.04 21	0.08 272	0.08 332	0.06 189	0.16 494

HUI-Stereo	0.11 181	0.09 306	0.16 343	0.18 295	0.08 125	0.06 8	0.12 62	0.16 128	0.13 114	0.15 262	0.16 212	0.14 232	0.12 250	0.11 105	0.10 120	0.06 113	0.04 21	0.08 272	0.06 181	0.08 316	0.07 274

ASMatch	0.11 181	0.06 54	0.13 225	0.16 140	0.10 335	0.07 27	0.14 148	0.17 164	0.17 200	0.12 187	0.16 212	0.16 275	0.10 195	0.13 230	0.10 120	0.05 26	0.04 21	0.06 99	0.05 104	0.04 15	0.08 338

iGMRVC	0.11 181	0.09 306	0.16 343	0.19 351	0.08 125	0.06 8	0.12 62	0.16 128	0.13 114	0.15 262	0.16 212	0.14 232	0.12 250	0.11 105	0.10 120	0.06 113	0.04 21	0.08 272	0.06 181	0.08 316	0.07 274

IRAFT_RVC	0.12 246	0.08 232	0.16 343	0.19 351	0.08 125	0.07 27	0.15 214	0.24 310	0.23 303	0.14 235	0.14 183	0.15 261	0.12 250	0.12 186	0.10 120	0.06 113	0.04 21	0.09 351	0.06 181	0.06 189	0.06 195

iRAFT	0.11 181	0.09 306	0.16 343	0.18 295	0.08 125	0.06 8	0.11 45	0.16 128	0.13 114	0.15 262	0.16 212	0.14 232	0.12 250	0.11 105	0.10 120	0.06 113	0.04 21	0.08 272	0.06 181	0.08 316	0.07 274

AnonymousM	0.09 77	0.05 17	0.10 105	0.14 29	0.06 13	0.09 77	0.13 100	0.19 214	0.14 138	0.13 214	0.11 142	0.09 119	0.08 137	0.13 230	0.10 120	0.08 295	0.05 182	0.08 272	0.05 104	0.05 98	0.05 120

RAFT-IKP	0.11 181	0.09 306	0.16 343	0.19 351	0.08 125	0.06 8	0.12 62	0.16 128	0.13 114	0.15 262	0.16 212	0.14 232	0.12 250	0.11 105	0.10 120	0.06 113	0.04 21	0.08 272	0.06 181	0.08 316	0.07 274

Prome-Stereo	0.11 181	0.06 54	0.10 105	0.18 295	0.08 125	0.12 202	0.15 214	0.22 269	0.13 114	0.12 187	0.17 233	0.13 212	0.08 137	0.12 186	0.10 120	0.05 26	0.04 21	0.07 191	0.06 181	0.06 189	0.09 382

iRaftStereo_RVC	0.10 138	0.07 135	0.09 70	0.17 214	0.09 234	0.11 168	0.17 312	0.18 193	0.12 83	0.09 90	0.12 155	0.10 150	0.07 102	0.11 105	0.10 120	0.05 26	0.04 21	0.08 272	0.08 332	0.04 15	0.04 40

XX-TBD	0.09 77	0.06 54	0.07 6	0.14 29	0.07 70	0.12 202	0.16 279	0.14 73	0.13 114	0.11 149	0.12 155	0.09 119	0.08 137	0.10 59	0.10 120	0.06 113	0.04 21	0.05 23	0.03 1	0.06 189	0.05 120

raftrobust	0.09 77	0.06 54	0.10 105	0.17 214	0.08 125	0.09 77	0.10 26	0.18 193	0.16 181	0.10 122	0.09 86	0.12 188	0.07 102	0.12 186	0.10 120	0.08 295	0.05 182	0.06 99	0.05 104	0.05 98	0.05 120

sAnonymous2	0.13 271	0.12 406	0.24 443	0.20 399	0.12 413	0.17 350	0.13 100	0.26 344	0.21 279	0.11 149	0.11 142	0.13 212	0.08 137	0.10 59	0.10 120	0.09 351	0.05 182	0.08 272	0.06 181	0.15 485	0.10 406

CroCo_RVC	0.13 271	0.12 406	0.24 443	0.20 399	0.12 413	0.17 350	0.13 100	0.26 344	0.21 279	0.11 149	0.11 142	0.13 212	0.08 137	0.10 59	0.10 120	0.09 351	0.05 182	0.08 272	0.06 181	0.15 485	0.10 406

111	0.10 138	0.06 54	0.12 181	0.15 69	0.07 70	0.10 123	0.14 148	0.21 247	0.23 303	0.11 149	0.12 155	0.14 232	0.11 220	0.13 230	0.10 120	0.06 113	0.04 21	0.06 99	0.04 34	0.05 98	0.05 120

CREStereo	0.09 77	0.04 1	0.08 29	0.11 1	0.06 13	0.13 241	0.14 148	0.14 73	0.10 34	0.08 61	0.13 169	0.09 119	0.08 137	0.11 105	0.10 120	0.08 295	0.04 21	0.05 23	0.03 1	0.06 189	0.06 195
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
PMTNet	0.09 77	0.05 17	0.09 70	0.12 4	0.06 13	0.12 202	0.14 148	0.15 102	0.11 60	0.09 90	0.13 169	0.10 150	0.07 102	0.13 230	0.10 120	0.15 481	0.04 21	0.05 23	0.03 1	0.07 254	0.06 195

2.75w_new	0.07 4	0.07 135	0.07 6	0.13 12	0.06 13	0.08 48	0.08 7	0.18 193	0.12 83	0.07 29	0.08 68	0.06 16	0.06 34	0.09 33	0.11 183	0.04 11	0.04 21	0.04 1	0.03 1	0.03 1	0.04 40

xyz-stereo-finetune2	0.11 181	0.07 135	0.13 225	0.13 12	0.07 70	0.11 168	0.19 395	0.17 164	0.12 83	0.15 262	0.15 200	0.17 295	0.12 250	0.13 230	0.11 183	0.05 26	0.04 21	0.07 191	0.05 104	0.04 15	0.06 195

xyz-stereo-finetune	0.11 181	0.08 232	0.13 225	0.14 29	0.06 13	0.10 123	0.19 395	0.17 164	0.19 241	0.12 187	0.14 183	0.15 261	0.10 195	0.13 230	0.11 183	0.05 26	0.04 21	0.07 191	0.05 104	0.04 15	0.05 120

S2M2	0.09 77	0.08 232	0.11 146	0.13 12	0.10 335	0.08 48	0.06 1	0.10 15	0.10 34	0.10 122	0.09 86	0.10 150	0.09 163	0.11 105	0.11 183	0.13 464	0.07 371	0.08 272	0.09 376	0.10 407	0.08 338

fffy	0.09 77	0.08 232	0.09 70	0.16 140	0.07 70	0.13 241	0.17 312	0.13 57	0.12 83	0.08 61	0.09 86	0.08 94	0.09 163	0.13 230	0.11 183	0.05 26	0.05 182	0.07 191	0.05 104	0.04 15	0.05 120

RAFT-Stereo-weight	0.09 77	0.06 54	0.10 105	0.16 140	0.07 70	0.09 77	0.14 148	0.19 214	0.16 181	0.11 149	0.10 112	0.08 94	0.06 34	0.10 59	0.11 183	0.06 113	0.04 21	0.06 99	0.04 34	0.04 15	0.04 40

qqq1	0.13 271	0.07 135	0.17 371	0.14 29	0.08 125	0.16 329	0.17 312	0.26 344	0.27 363	0.19 351	0.20 279	0.18 309	0.15 330	0.15 277	0.11 183	0.08 295	0.05 182	0.05 23	0.05 104	0.06 189	0.06 195

fff1	0.13 271	0.07 135	0.17 371	0.14 29	0.08 125	0.16 329	0.17 312	0.26 344	0.27 363	0.19 351	0.20 279	0.18 309	0.15 330	0.15 277	0.11 183	0.08 295	0.05 182	0.05 23	0.05 104	0.06 189	0.06 195

CoDeX	0.12 246	0.07 135	0.12 181	0.17 214	0.08 125	0.12 202	0.15 214	0.23 288	0.27 363	0.13 214	0.17 233	0.16 275	0.11 220	0.14 255	0.11 183	0.07 235	0.05 182	0.07 191	0.06 181	0.06 189	0.05 120

LL-Strereo	0.13 271	0.09 306	0.11 146	0.20 399	0.10 335	0.11 168	0.18 357	0.32 429	0.24 319	0.15 262	0.15 200	0.14 232	0.13 287	0.19 379	0.11 183	0.06 113	0.04 21	0.09 351	0.08 332	0.04 15	0.05 120

anonymousdsp2	0.11 181	0.07 135	0.10 105	0.16 140	0.09 234	0.13 241	0.14 148	0.18 193	0.22 293	0.13 214	0.14 183	0.12 188	0.09 163	0.14 255	0.11 183	0.05 26	0.04 21	0.05 23	0.04 34	0.06 189	0.05 120

EGLCR-Stereo	0.08 43	0.05 17	0.08 29	0.14 29	0.06 13	0.10 123	0.12 62	0.11 26	0.16 181	0.06 9	0.05 7	0.07 62	0.05 9	0.10 59	0.11 183	0.06 113	0.04 21	0.06 99	0.05 104	0.04 15	0.04 40

DCRE	0.11 181	0.07 135	0.13 225	0.16 140	0.11 382	0.11 168	0.17 312	0.18 193	0.17 200	0.11 149	0.18 258	0.10 150	0.10 195	0.15 277	0.11 183	0.06 113	0.05 182	0.06 99	0.06 181	0.05 98	0.04 40

knoymous	0.11 181	0.05 17	0.12 181	0.13 12	0.07 70	0.15 299	0.14 148	0.19 214	0.13 114	0.11 149	0.17 233	0.13 212	0.09 163	0.13 230	0.11 183	0.08 295	0.05 182	0.06 99	0.05 104	0.08 316	0.07 274

Selective-RAFT	0.11 181	0.10 364	0.11 146	0.21 428	0.08 125	0.16 329	0.13 100	0.20 225	0.22 293	0.10 122	0.10 112	0.11 171	0.10 195	0.15 277	0.11 183	0.05 26	0.05 182	0.06 99	0.05 104	0.06 189	0.05 120

RCA-Stereo	0.09 77	0.06 54	0.09 70	0.16 140	0.06 13	0.09 77	0.13 100	0.18 193	0.14 138	0.09 90	0.10 112	0.08 94	0.07 102	0.12 186	0.11 183	0.06 113	0.04 21	0.06 99	0.05 104	0.05 98	0.04 40

SA	0.12 246	0.09 306	0.08 29	0.18 295	0.08 125	0.12 202	0.24 463	0.23 288	0.18 226	0.17 306	0.27 384	0.14 232	0.11 220	0.11 105	0.11 183	0.05 26	0.05 182	0.09 351	0.08 332	0.05 98	0.04 40

test_4	0.10 138	0.10 364	0.08 29	0.19 351	0.09 234	0.08 48	0.22 442	0.15 102	0.17 200	0.12 187	0.18 258	0.12 188	0.09 163	0.08 15	0.11 183	0.04 11	0.04 21	0.08 272	0.08 332	0.04 15	0.03 1

CIPLG	0.11 181	0.08 232	0.14 260	0.17 214	0.08 125	0.12 202	0.15 214	0.17 164	0.15 154	0.14 235	0.11 142	0.16 275	0.09 163	0.16 311	0.11 183	0.07 235	0.05 182	0.06 99	0.05 104	0.05 98	0.06 195

GLC_STEREO	0.11 181	0.07 135	0.11 146	0.17 214	0.07 70	0.09 77	0.13 100	0.15 102	0.24 319	0.12 187	0.13 169	0.12 188	0.08 137	0.18 364	0.11 183	0.06 113	0.08 397	0.08 272	0.06 181	0.05 98	0.05 120

IPLGR_C	0.11 181	0.08 232	0.14 260	0.17 214	0.08 125	0.12 202	0.15 214	0.17 164	0.15 154	0.14 235	0.10 112	0.16 275	0.09 163	0.16 311	0.11 183	0.07 235	0.05 182	0.06 99	0.05 104	0.05 98	0.06 195

ACRE	0.11 181	0.08 232	0.14 260	0.17 214	0.08 125	0.12 202	0.15 214	0.17 164	0.14 138	0.14 235	0.10 112	0.16 275	0.09 163	0.16 311	0.11 183	0.07 235	0.05 182	0.06 99	0.05 104	0.05 98	0.06 195

test_3	0.10 138	0.09 306	0.10 105	0.20 399	0.08 125	0.13 241	0.26 484	0.14 73	0.21 279	0.10 122	0.10 112	0.09 119	0.09 163	0.08 15	0.11 183	0.05 26	0.04 21	0.08 272	0.07 268	0.04 15	0.04 40

PFNet+	0.11 181	0.06 54	0.13 225	0.16 140	0.09 234	0.05 4	0.12 62	0.17 164	0.21 279	0.16 290	0.19 267	0.14 232	0.10 195	0.11 105	0.11 183	0.08 295	0.05 182	0.09 351	0.08 332	0.06 189	0.11 429

LCNet	0.11 181	0.07 135	0.09 70	0.19 351	0.09 234	0.08 48	0.15 214	0.21 247	0.15 154	0.11 149	0.15 200	0.16 275	0.11 220	0.12 186	0.11 183	0.05 26	0.04 21	0.08 272	0.07 268	0.06 189	0.15 483

NF-Stereo	0.11 181	0.07 135	0.13 225	0.17 214	0.09 234	0.10 123	0.14 148	0.23 288	0.19 241	0.12 187	0.17 233	0.12 188	0.11 220	0.11 105	0.11 183	0.06 113	0.04 21	0.07 191	0.06 181	0.06 189	0.12 441

OCTAStereo	0.11 181	0.07 135	0.13 225	0.17 214	0.09 234	0.10 123	0.14 148	0.23 288	0.19 241	0.12 187	0.17 233	0.12 188	0.11 220	0.11 105	0.11 183	0.06 113	0.04 21	0.07 191	0.06 181	0.06 189	0.12 441

PSM-softLoss	0.12 246	0.07 135	0.15 309	0.17 214	0.09 234	0.08 48	0.13 100	0.24 310	0.17 200	0.14 235	0.19 267	0.13 212	0.11 220	0.11 105	0.11 183	0.07 235	0.05 182	0.08 272	0.07 268	0.06 189	0.12 441

KMStereo	0.12 246	0.07 135	0.15 309	0.17 214	0.09 234	0.08 48	0.13 100	0.24 310	0.17 200	0.14 235	0.19 267	0.13 212	0.11 220	0.11 105	0.11 183	0.07 235	0.05 182	0.08 272	0.07 268	0.06 189	0.12 441

SST-Stereo	0.10 138	0.07 135	0.15 309	0.18 295	0.09 234	0.06 8	0.12 62	0.17 164	0.11 60	0.15 262	0.17 233	0.13 212	0.12 250	0.10 59	0.11 183	0.06 113	0.04 21	0.09 351	0.06 181	0.06 189	0.05 120

RAFT_R40	0.11 181	0.07 135	0.14 260	0.18 295	0.09 234	0.06 8	0.13 100	0.17 164	0.16 181	0.14 235	0.18 258	0.15 261	0.12 250	0.10 59	0.11 183	0.06 113	0.04 21	0.09 351	0.06 181	0.06 189	0.05 120

PFNet	0.12 246	0.06 54	0.17 371	0.17 214	0.08 125	0.09 77	0.15 214	0.26 344	0.20 264	0.16 290	0.16 212	0.14 232	0.11 220	0.12 186	0.11 183	0.06 113	0.04 21	0.07 191	0.06 181	0.05 98	0.05 120

GrayStereo	0.11 181	0.06 54	0.11 146	0.19 351	0.09 234	0.09 77	0.16 279	0.18 193	0.17 200	0.14 235	0.17 233	0.17 295	0.11 220	0.12 186	0.11 183	0.05 26	0.05 182	0.07 191	0.06 181	0.05 98	0.10 406

RE-Stereo	0.11 181	0.07 135	0.13 225	0.17 214	0.09 234	0.10 123	0.14 148	0.23 288	0.19 241	0.12 187	0.17 233	0.12 188	0.11 220	0.11 105	0.11 183	0.06 113	0.04 21	0.07 191	0.06 181	0.06 189	0.12 441

Pruner-Stereo	0.11 181	0.07 135	0.12 181	0.17 214	0.09 234	0.06 8	0.12 62	0.17 164	0.17 200	0.13 214	0.19 267	0.13 212	0.09 163	0.11 105	0.11 183	0.06 113	0.04 21	0.07 191	0.06 181	0.06 189	0.08 338

TVStereo	0.11 181	0.07 135	0.13 225	0.17 214	0.09 234	0.10 123	0.14 148	0.23 288	0.19 241	0.12 187	0.17 233	0.12 188	0.11 220	0.11 105	0.11 183	0.06 113	0.04 21	0.07 191	0.06 181	0.06 189	0.12 441

DeepStereo_RVC	0.11 181	0.08 232	0.16 343	0.18 295	0.08 125	0.08 48	0.12 62	0.17 164	0.12 83	0.13 214	0.14 183	0.12 188	0.12 250	0.12 186	0.11 183	0.06 113	0.04 21	0.07 191	0.06 181	0.07 254	0.08 338

CRE-IMP	0.11 181	0.09 306	0.16 343	0.19 351	0.08 125	0.10 123	0.12 62	0.18 193	0.10 34	0.14 235	0.13 169	0.13 212	0.12 250	0.12 186	0.11 183	0.07 235	0.04 21	0.08 272	0.06 181	0.08 316	0.08 338

cross-raft	0.10 138	0.09 306	0.09 70	0.19 351	0.07 70	0.11 168	0.25 477	0.13 57	0.15 154	0.08 61	0.11 142	0.12 188	0.10 195	0.09 33	0.11 183	0.05 26	0.04 21	0.06 99	0.05 104	0.04 15	0.04 40

GMM-Stereo	0.11 181	0.07 135	0.10 105	0.18 295	0.09 234	0.08 48	0.15 214	0.23 288	0.16 181	0.11 149	0.15 200	0.13 212	0.11 220	0.11 105	0.11 183	0.05 26	0.04 21	0.08 272	0.07 268	0.06 189	0.09 382

CREStereo++_RVC	0.08 43	0.04 1	0.06 2	0.13 12	0.07 70	0.09 77	0.12 62	0.14 73	0.14 138	0.10 122	0.14 183	0.08 94	0.07 102	0.09 33	0.11 183	0.06 113	0.04 21	0.05 23	0.05 104	0.04 15	0.04 40
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
RALCasStereoNet	0.10 138	0.06 54	0.09 70	0.16 140	0.08 125	0.12 202	0.14 148	0.17 164	0.11 60	0.12 187	0.17 233	0.14 232	0.10 195	0.12 186	0.11 183	0.07 235	0.06 302	0.06 99	0.05 104	0.08 316	0.07 274

RALAANet	0.11 181	0.08 232	0.10 105	0.17 214	0.09 234	0.14 273	0.10 26	0.20 225	0.15 154	0.14 235	0.13 169	0.16 275	0.09 163	0.12 186	0.11 183	0.06 113	0.05 182	0.07 191	0.06 181	0.05 98	0.04 40

sCroCo_RVC	0.12 246	0.09 306	0.23 440	0.24 472	0.11 382	0.19 391	0.14 148	0.17 164	0.14 138	0.10 122	0.13 169	0.12 188	0.07 102	0.14 255	0.11 183	0.08 295	0.08 397	0.08 272	0.08 332	0.05 98	0.07 274

EAI-Stereo	0.09 77	0.07 135	0.11 146	0.15 69	0.06 13	0.10 123	0.15 214	0.16 128	0.09 21	0.08 61	0.09 86	0.08 94	0.07 102	0.09 33	0.11 183	0.05 26	0.04 21	0.05 23	0.05 104	0.05 98	0.04 40

SFCPSM	0.13 271	0.07 135	0.14 260	0.17 214	0.09 234	0.15 299	0.16 279	0.28 384	0.27 363	0.14 235	0.17 233	0.12 188	0.13 287	0.14 255	0.11 183	0.08 295	0.05 182	0.07 191	0.07 268	0.07 254	0.06 195

R-Stereo Train	0.10 138	0.06 54	0.10 105	0.17 214	0.08 125	0.11 168	0.14 148	0.23 288	0.11 60	0.12 187	0.19 267	0.11 171	0.08 137	0.09 33	0.11 183	0.07 235	0.05 182	0.06 99	0.05 104	0.05 98	0.05 120

RAFT-Stereo	0.10 138	0.06 54	0.10 105	0.17 214	0.08 125	0.11 168	0.14 148	0.23 288	0.11 60	0.12 187	0.19 267	0.11 171	0.08 137	0.09 33	0.11 183	0.07 235	0.05 182	0.06 99	0.05 104	0.05 98	0.05 120
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
xyz-stereo	0.13 271	0.07 135	0.20 417	0.15 69	0.05 1	0.20 406	0.15 214	0.17 164	0.31 401	0.15 262	0.29 409	0.26 407	0.16 356	0.13 230	0.12 231	0.05 26	0.05 182	0.06 99	0.05 104	0.04 15	0.04 40

fffft	0.09 77	0.06 54	0.12 181	0.16 140	0.07 70	0.09 77	0.17 312	0.12 41	0.11 60	0.08 61	0.07 36	0.09 119	0.06 34	0.11 105	0.12 231	0.05 26	0.04 21	0.06 99	0.05 104	0.04 15	0.05 120
1: 1. 1
mms	0.09 77	0.07 135	0.08 29	0.16 140	0.08 125	0.10 123	0.16 279	0.12 41	0.11 60	0.08 61	0.09 86	0.08 94	0.06 34	0.11 105	0.12 231	0.05 26	0.04 21	0.07 191	0.05 104	0.04 15	0.03 1

ours_stereo	0.09 77	0.07 135	0.09 70	0.17 214	0.08 125	0.11 168	0.16 279	0.11 26	0.12 83	0.08 61	0.10 112	0.08 94	0.06 34	0.12 186	0.12 231	0.05 26	0.04 21	0.06 99	0.05 104	0.04 15	0.03 1

rvit_0105_6	0.14 305	0.09 306	0.18 394	0.17 214	0.10 335	0.10 123	0.16 279	0.19 214	0.26 354	0.12 187	0.18 258	0.17 295	0.12 250	0.18 364	0.12 231	0.15 481	0.11 453	0.12 444	0.10 411	0.09 376	0.06 195

UGAM	0.13 271	0.10 364	0.09 70	0.22 443	0.08 125	0.12 202	0.20 416	0.17 164	0.23 303	0.21 387	0.16 212	0.13 212	0.13 287	0.19 379	0.12 231	0.07 235	0.05 182	0.13 459	0.11 441	0.07 254	0.05 120

rvit_stereo_0083	0.12 246	0.08 232	0.17 371	0.16 140	0.09 234	0.11 168	0.15 214	0.14 73	0.26 354	0.11 149	0.14 183	0.13 212	0.10 195	0.12 186	0.12 231	0.10 388	0.08 397	0.09 351	0.07 268	0.07 254	0.05 120

rvit_stereo_0081	0.11 181	0.08 232	0.15 309	0.16 140	0.09 234	0.10 123	0.14 148	0.14 73	0.24 319	0.11 149	0.13 169	0.13 212	0.09 163	0.11 105	0.12 231	0.10 388	0.07 371	0.08 272	0.07 268	0.07 254	0.05 120

rvit_stereo_0082	0.11 181	0.08 232	0.15 309	0.16 140	0.09 234	0.10 123	0.14 148	0.14 73	0.24 319	0.11 149	0.13 169	0.13 212	0.09 163	0.11 105	0.12 231	0.10 388	0.07 371	0.08 272	0.07 268	0.07 254	0.05 120

test_sample2	0.12 246	0.07 135	0.12 181	0.14 29	0.08 125	0.16 329	0.18 357	0.21 247	0.16 181	0.14 235	0.20 279	0.19 323	0.15 330	0.15 277	0.12 231	0.08 295	0.05 182	0.07 191	0.06 181	0.08 316	0.07 274

Former-RAFT_DAM_RVC	0.10 138	0.08 232	0.12 181	0.16 140	0.08 125	0.15 299	0.16 279	0.18 193	0.18 226	0.10 122	0.09 86	0.09 119	0.08 137	0.11 105	0.12 231	0.07 235	0.05 182	0.08 272	0.06 181	0.07 254	0.06 195

plain	0.10 138	0.08 232	0.10 105	0.19 351	0.09 234	0.10 123	0.15 214	0.14 73	0.13 114	0.13 214	0.15 200	0.09 119	0.12 250	0.13 230	0.12 231	0.07 235	0.05 182	0.09 351	0.06 181	0.06 189	0.06 195

MIF-Stereo (partial)	0.11 181	0.06 54	0.10 105	0.19 351	0.10 335	0.10 123	0.11 45	0.17 164	0.18 226	0.14 235	0.16 212	0.09 119	0.11 220	0.12 186	0.12 231	0.08 295	0.05 182	0.08 272	0.07 268	0.06 189	0.07 274

EKT-Stereo	0.11 181	0.07 135	0.14 260	0.15 69	0.10 335	0.13 241	0.14 148	0.18 193	0.21 279	0.11 149	0.08 68	0.12 188	0.09 163	0.11 105	0.12 231	0.08 295	0.06 302	0.07 191	0.06 181	0.08 316	0.07 274

testlalala_base	0.10 138	0.09 306	0.14 260	0.21 428	0.08 125	0.10 123	0.14 148	0.13 57	0.10 34	0.07 29	0.15 200	0.07 62	0.08 137	0.10 59	0.12 231	0.08 295	0.05 182	0.05 23	0.03 1	0.06 189	0.05 120

riskmin	0.11 181	0.06 54	0.13 225	0.14 29	0.08 125	0.14 273	0.14 148	0.18 193	0.14 138	0.11 149	0.14 183	0.16 275	0.11 220	0.14 255	0.12 231	0.09 351	0.05 182	0.07 191	0.05 104	0.08 316	0.08 338

DCANet-4	0.10 138	0.06 54	0.12 181	0.16 140	0.06 13	0.09 77	0.17 312	0.18 193	0.19 241	0.13 214	0.16 212	0.09 119	0.14 312	0.11 105	0.12 231	0.06 113	0.04 21	0.05 23	0.04 34	0.04 15	0.05 120

fff	0.10 138	0.06 54	0.12 181	0.15 69	0.07 70	0.09 77	0.17 312	0.16 128	0.20 264	0.13 214	0.16 212	0.10 150	0.11 220	0.11 105	0.12 231	0.06 113	0.04 21	0.05 23	0.04 34	0.04 15	0.05 120

ADStereo(finetuned)	0.10 138	0.06 54	0.12 181	0.16 140	0.06 13	0.09 77	0.17 312	0.15 102	0.19 241	0.13 214	0.17 233	0.10 150	0.12 250	0.11 105	0.12 231	0.06 113	0.04 21	0.05 23	0.04 34	0.05 98	0.04 40

raft_robust	0.13 271	0.10 364	0.07 6	0.18 295	0.08 125	0.13 241	0.24 463	0.28 384	0.33 415	0.20 373	0.19 267	0.14 232	0.10 195	0.11 105	0.12 231	0.05 26	0.05 182	0.07 191	0.07 268	0.05 98	0.04 40

RAFT+CT+SA	0.13 271	0.11 389	0.09 70	0.19 351	0.09 234	0.15 299	0.28 497	0.22 269	0.22 293	0.15 262	0.26 376	0.10 150	0.10 195	0.11 105	0.12 231	0.05 26	0.04 21	0.07 191	0.08 332	0.07 254	0.06 195

hknet	0.15 349	0.11 389	0.13 225	0.22 443	0.11 382	0.14 273	0.15 214	0.34 457	0.25 340	0.17 306	0.22 309	0.22 362	0.18 392	0.17 343	0.12 231	0.07 235	0.06 302	0.10 396	0.09 376	0.07 254	0.07 274

DAS	0.15 349	0.08 232	0.18 394	0.19 351	0.10 335	0.19 391	0.17 312	0.27 365	0.29 384	0.18 336	0.25 359	0.21 344	0.15 330	0.16 311	0.12 231	0.08 295	0.06 302	0.06 99	0.06 181	0.07 254	0.07 274

SepStereo	0.15 349	0.08 232	0.18 394	0.19 351	0.10 335	0.19 391	0.17 312	0.27 365	0.29 384	0.18 336	0.25 359	0.21 344	0.15 330	0.25 456	0.12 231	0.08 295	0.06 302	0.06 99	0.06 181	0.07 254	0.07 274

MIPNet	0.11 181	0.08 232	0.14 260	0.17 214	0.09 234	0.12 202	0.14 148	0.20 225	0.24 319	0.11 149	0.10 112	0.09 119	0.07 102	0.13 230	0.12 231	0.06 113	0.04 21	0.06 99	0.05 104	0.04 15	0.04 40

IPLGR	0.11 181	0.09 306	0.16 343	0.18 295	0.08 125	0.12 202	0.17 312	0.21 247	0.24 319	0.11 149	0.12 155	0.11 171	0.08 137	0.12 186	0.12 231	0.06 113	0.05 182	0.06 99	0.06 181	0.04 15	0.04 40

CrosDoStereo	0.12 246	0.06 54	0.12 181	0.14 29	0.08 125	0.12 202	0.15 214	0.17 164	0.22 293	0.19 351	0.24 330	0.15 261	0.11 220	0.11 105	0.12 231	0.06 113	0.04 21	0.07 191	0.07 268	0.05 98	0.05 120

STrans-v2	0.10 138	0.07 135	0.12 181	0.18 295	0.07 70	0.10 123	0.14 148	0.21 247	0.11 60	0.11 149	0.15 200	0.12 188	0.10 195	0.11 105	0.12 231	0.05 26	0.04 21	0.06 99	0.06 181	0.04 15	0.04 40

IIG-Stereo	0.11 181	0.06 54	0.13 225	0.17 214	0.08 125	0.11 168	0.12 62	0.22 269	0.17 200	0.14 235	0.17 233	0.11 171	0.12 250	0.12 186	0.12 231	0.06 113	0.05 182	0.07 191	0.06 181	0.05 98	0.04 40

DeepStereo_LL	0.12 246	0.06 54	0.12 181	0.14 29	0.08 125	0.12 202	0.15 214	0.17 164	0.22 293	0.19 351	0.24 330	0.15 261	0.11 220	0.11 105	0.12 231	0.06 113	0.04 21	0.07 191	0.07 268	0.05 98	0.05 120

DRaft	0.12 246	0.06 54	0.11 146	0.14 29	0.09 234	0.14 273	0.17 312	0.21 247	0.30 394	0.17 306	0.28 397	0.10 150	0.15 330	0.10 59	0.12 231	0.05 26	0.04 21	0.07 191	0.06 181	0.05 98	0.05 120

RAFT-RH_RVC	0.11 181	0.06 54	0.14 260	0.16 140	0.09 234	0.12 202	0.12 62	0.17 164	0.12 83	0.13 214	0.41 484	0.11 171	0.10 195	0.13 230	0.12 231	0.05 26	0.04 21	0.08 272	0.05 104	0.04 15	0.06 195

RAFT-345	0.11 181	0.07 135	0.15 309	0.16 140	0.08 125	0.08 48	0.12 62	0.15 102	0.10 34	0.11 149	0.36 450	0.09 119	0.09 163	0.11 105	0.12 231	0.05 26	0.05 182	0.07 191	0.06 181	0.04 15	0.05 120

rafts_anoy	0.11 181	0.06 54	0.10 105	0.17 214	0.08 125	0.10 123	0.14 148	0.17 164	0.14 138	0.13 214	0.13 169	0.12 188	0.10 195	0.11 105	0.12 231	0.07 235	0.04 21	0.09 351	0.11 441	0.07 254	0.06 195

Anonymous3	0.16 372	0.13 435	0.33 482	0.26 487	0.14 452	0.27 475	0.17 312	0.28 384	0.28 377	0.15 262	0.17 233	0.14 232	0.10 195	0.15 277	0.12 231	0.08 295	0.08 397	0.08 272	0.08 332	0.08 316	0.11 429

s12784h	0.09 77	0.06 54	0.07 6	0.15 69	0.05 1	0.16 329	0.18 357	0.15 102	0.15 154	0.10 122	0.11 142	0.11 171	0.11 220	0.10 59	0.12 231	0.05 26	0.04 21	0.05 23	0.04 34	0.04 15	0.04 40

DCANet	0.10 138	0.06 54	0.12 181	0.16 140	0.06 13	0.09 77	0.17 312	0.15 102	0.19 241	0.13 214	0.17 233	0.10 150	0.11 220	0.11 105	0.12 231	0.06 113	0.04 21	0.05 23	0.04 34	0.05 98	0.04 40

csc	0.10 138	0.06 54	0.12 181	0.15 69	0.07 70	0.09 77	0.17 312	0.16 128	0.20 264	0.13 214	0.16 212	0.10 150	0.11 220	0.11 105	0.12 231	0.06 113	0.04 21	0.05 23	0.04 34	0.04 15	0.05 120

cscssc	0.10 138	0.06 54	0.12 181	0.15 69	0.07 70	0.09 77	0.17 312	0.16 128	0.20 264	0.13 214	0.16 212	0.10 150	0.11 220	0.11 105	0.12 231	0.06 113	0.04 21	0.05 23	0.04 34	0.04 15	0.05 120

ARAFT	0.12 246	0.08 232	0.17 371	0.19 351	0.09 234	0.14 273	0.18 357	0.20 225	0.12 83	0.12 187	0.13 169	0.14 232	0.11 220	0.15 277	0.12 231	0.06 113	0.05 182	0.10 396	0.09 376	0.05 98	0.04 40

RAFT + AFF	0.13 271	0.07 135	0.20 417	0.20 399	0.10 335	0.14 273	0.24 463	0.26 344	0.20 264	0.11 149	0.10 112	0.12 188	0.10 195	0.15 277	0.12 231	0.07 235	0.06 302	0.09 351	0.08 332	0.06 189	0.08 338

FACV-RUCA	0.13 271	0.11 389	0.12 181	0.19 351	0.12 413	0.15 299	0.15 214	0.22 269	0.20 264	0.15 262	0.16 212	0.14 232	0.16 356	0.14 255	0.13 272	0.07 235	0.05 182	0.08 272	0.06 181	0.10 407	0.08 338

rvit_0105_4	0.14 305	0.09 306	0.17 371	0.17 214	0.10 335	0.12 202	0.19 395	0.23 288	0.27 363	0.14 235	0.20 279	0.17 295	0.13 287	0.17 343	0.13 272	0.15 481	0.11 453	0.11 427	0.10 411	0.09 376	0.06 195

rvit_stereo_0075_2	0.17 392	0.12 406	0.25 448	0.23 463	0.16 478	0.13 241	0.10 26	0.30 408	0.27 363	0.20 373	0.28 397	0.22 362	0.15 330	0.18 364	0.13 272	0.16 497	0.10 442	0.17 491	0.10 411	0.10 407	0.09 382

rvit_stereo_ft	0.12 246	0.07 135	0.13 225	0.19 351	0.10 335	0.12 202	0.17 312	0.16 128	0.16 181	0.12 187	0.13 169	0.15 261	0.10 195	0.14 255	0.13 272	0.09 351	0.06 302	0.08 272	0.07 268	0.07 254	0.05 120

test_sample6	0.14 305	0.08 232	0.13 225	0.16 140	0.08 125	0.17 350	0.19 395	0.25 326	0.17 200	0.17 306	0.27 384	0.19 323	0.14 312	0.15 277	0.13 272	0.08 295	0.05 182	0.08 272	0.07 268	0.08 316	0.08 338

test_sample5	0.14 305	0.08 232	0.14 260	0.16 140	0.08 125	0.18 368	0.18 357	0.25 326	0.17 200	0.17 306	0.27 384	0.18 309	0.14 312	0.16 311	0.13 272	0.08 295	0.05 182	0.08 272	0.07 268	0.08 316	0.08 338

test_sample4	0.14 305	0.08 232	0.14 260	0.15 69	0.08 125	0.19 391	0.18 357	0.26 344	0.17 200	0.16 290	0.25 359	0.18 309	0.14 312	0.16 311	0.13 272	0.08 295	0.06 302	0.08 272	0.06 181	0.08 316	0.08 338

test_sample3	0.14 305	0.08 232	0.15 309	0.14 29	0.09 234	0.19 391	0.17 312	0.26 344	0.18 226	0.16 290	0.22 309	0.19 323	0.15 330	0.17 343	0.13 272	0.08 295	0.06 302	0.07 191	0.06 181	0.09 376	0.08 338

testlalala2	0.10 138	0.06 54	0.11 146	0.20 399	0.10 335	0.10 123	0.12 62	0.17 164	0.12 83	0.12 187	0.13 169	0.09 119	0.07 102	0.11 105	0.13 272	0.06 113	0.05 182	0.05 23	0.04 34	0.05 98	0.05 120

MyStereo05	0.13 271	0.07 135	0.10 105	0.17 214	0.09 234	0.13 241	0.18 357	0.27 365	0.35 435	0.17 306	0.14 183	0.15 261	0.11 220	0.15 277	0.13 272	0.06 113	0.05 182	0.07 191	0.07 268	0.06 189	0.06 195

MyStereo04	0.13 271	0.07 135	0.10 105	0.17 214	0.09 234	0.14 273	0.18 357	0.29 394	0.38 451	0.17 306	0.14 183	0.16 275	0.10 195	0.15 277	0.13 272	0.06 113	0.05 182	0.08 272	0.07 268	0.06 189	0.06 195

11t1	0.12 246	0.06 54	0.13 225	0.14 29	0.08 125	0.17 350	0.15 214	0.18 193	0.15 154	0.15 262	0.15 200	0.16 275	0.16 356	0.15 277	0.13 272	0.08 295	0.05 182	0.06 99	0.05 104	0.08 316	0.07 274

DualNet	0.14 305	0.08 232	0.14 260	0.16 140	0.08 125	0.18 368	0.18 357	0.25 326	0.17 200	0.17 306	0.27 384	0.18 309	0.14 312	0.16 311	0.13 272	0.08 295	0.05 182	0.08 272	0.07 268	0.08 316	0.08 338

MaDis-Stereo	0.09 77	0.09 306	0.08 29	0.17 214	0.09 234	0.13 241	0.10 26	0.16 128	0.16 181	0.09 90	0.11 142	0.06 16	0.06 34	0.09 33	0.13 272	0.07 235	0.06 302	0.07 191	0.05 104	0.05 98	0.04 40

PCWNet_CMD	0.14 305	0.08 232	0.15 309	0.17 214	0.09 234	0.14 273	0.14 148	0.29 394	0.36 439	0.14 235	0.20 279	0.21 344	0.12 250	0.17 343	0.13 272	0.07 235	0.05 182	0.07 191	0.07 268	0.07 254	0.07 274

TestStereo1	0.13 271	0.08 232	0.08 29	0.19 351	0.08 125	0.18 368	0.29 506	0.23 288	0.16 181	0.17 306	0.20 279	0.16 275	0.10 195	0.12 186	0.13 272	0.06 113	0.06 302	0.08 272	0.06 181	0.05 98	0.05 120

BUS	0.14 305	0.09 306	0.14 260	0.22 443	0.10 335	0.19 391	0.14 148	0.34 457	0.19 241	0.17 306	0.22 309	0.16 275	0.13 287	0.15 277	0.13 272	0.08 295	0.06 302	0.10 396	0.09 376	0.07 254	0.07 274

test_5	0.14 305	0.12 406	0.08 29	0.20 399	0.10 335	0.14 273	0.29 506	0.21 247	0.24 319	0.18 336	0.28 397	0.11 171	0.15 330	0.12 186	0.13 272	0.06 113	0.05 182	0.07 191	0.08 332	0.08 316	0.07 274

NINENet	0.16 372	0.10 364	0.15 309	0.17 214	0.11 382	0.19 391	0.14 148	0.40 495	0.36 439	0.18 336	0.21 300	0.16 275	0.13 287	0.15 277	0.13 272	0.08 295	0.08 397	0.10 396	0.07 268	0.10 407	0.09 382

SA-5K	0.13 271	0.08 232	0.08 29	0.19 351	0.08 125	0.18 368	0.29 506	0.23 288	0.16 181	0.17 306	0.20 279	0.16 275	0.10 195	0.12 186	0.13 272	0.06 113	0.06 302	0.08 272	0.06 181	0.05 98	0.05 120

UDGNet	0.14 305	0.13 435	0.16 343	0.17 214	0.10 335	0.12 202	0.16 279	0.21 247	0.27 363	0.20 373	0.20 279	0.16 275	0.13 287	0.16 311	0.13 272	0.10 388	0.06 302	0.09 351	0.07 268	0.06 189	0.07 274

IPLG	0.10 138	0.07 135	0.15 309	0.17 214	0.08 125	0.11 168	0.14 148	0.20 225	0.15 154	0.12 187	0.17 233	0.07 62	0.07 102	0.14 255	0.13 272	0.06 113	0.04 21	0.06 99	0.05 104	0.04 15	0.04 40

GANet-ADL	0.13 271	0.07 135	0.15 309	0.17 214	0.10 335	0.18 368	0.15 214	0.30 408	0.20 264	0.13 214	0.18 258	0.19 323	0.12 250	0.16 311	0.13 272	0.08 295	0.06 302	0.06 99	0.05 104	0.07 254	0.08 338

OMP-Stereo	0.11 181	0.06 54	0.14 260	0.18 295	0.08 125	0.09 77	0.12 62	0.21 247	0.21 279	0.13 214	0.14 183	0.11 171	0.12 250	0.11 105	0.13 272	0.06 113	0.04 21	0.07 191	0.06 181	0.05 98	0.04 40

FTStereo	0.12 246	0.06 54	0.14 260	0.18 295	0.09 234	0.07 27	0.15 214	0.21 247	0.18 226	0.12 187	0.24 330	0.12 188	0.12 250	0.13 230	0.13 272	0.05 26	0.05 182	0.07 191	0.06 181	0.06 189	0.10 406

DEmStereo	0.12 246	0.06 54	0.14 260	0.14 29	0.10 335	0.16 329	0.15 214	0.16 128	0.24 319	0.17 306	0.24 330	0.13 212	0.14 312	0.12 186	0.13 272	0.05 26	0.04 21	0.07 191	0.06 181	0.05 98	0.05 120

raft+_RVC	0.11 181	0.07 135	0.09 70	0.16 140	0.07 70	0.10 123	0.11 45	0.24 310	0.20 264	0.12 187	0.15 200	0.12 188	0.08 137	0.12 186	0.13 272	0.07 235	0.04 21	0.07 191	0.06 181	0.05 98	0.05 120

GES	0.14 305	0.08 232	0.16 343	0.15 69	0.10 335	0.13 241	0.13 100	0.28 384	0.25 340	0.16 290	0.23 318	0.18 309	0.13 287	0.16 311	0.13 272	0.08 295	0.07 371	0.07 191	0.06 181	0.08 316	0.09 382

HCRNet	0.16 372	0.24 503	0.12 181	0.35 518	0.11 382	0.15 299	0.17 312	0.26 344	0.22 293	0.19 351	0.24 330	0.21 344	0.14 312	0.15 277	0.13 272	0.11 416	0.07 371	0.11 427	0.10 411	0.09 376	0.07 274

GMStereo	0.13 271	0.14 447	0.14 260	0.18 295	0.09 234	0.15 299	0.16 279	0.20 225	0.24 319	0.16 290	0.17 233	0.10 150	0.10 195	0.16 311	0.13 272	0.07 235	0.06 302	0.06 99	0.06 181	0.07 254	0.06 195
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
PSMNet-RSSM	0.14 305	0.07 135	0.13 225	0.15 69	0.08 125	0.13 241	0.16 279	0.24 310	0.24 319	0.16 290	0.28 397	0.22 362	0.14 312	0.15 277	0.13 272	0.11 416	0.06 302	0.09 351	0.12 460	0.08 316	0.07 274

DIP-Stereo	0.11 181	0.07 135	0.14 260	0.17 214	0.09 234	0.13 241	0.09 18	0.16 128	0.16 181	0.11 149	0.16 212	0.14 232	0.12 250	0.15 277	0.13 272	0.06 113	0.05 182	0.06 99	0.05 104	0.05 98	0.06 195
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
HSM-Net_RVC	0.14 305	0.08 232	0.11 146	0.15 69	0.08 125	0.15 299	0.15 214	0.27 365	0.29 384	0.19 351	0.21 300	0.29 431	0.14 312	0.17 343	0.13 272	0.06 113	0.06 302	0.06 99	0.06 181	0.07 254	0.06 195
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
HITNet	0.10 138	0.06 54	0.12 181	0.14 29	0.06 13	0.11 168	0.10 26	0.18 193	0.18 226	0.13 214	0.16 212	0.14 232	0.11 220	0.15 277	0.13 272	0.06 113	0.04 21	0.04 1	0.04 34	0.06 189	0.05 120
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
MLCV	0.12 246	0.07 135	0.16 343	0.18 295	0.06 13	0.15 299	0.17 312	0.19 214	0.21 279	0.18 336	0.25 359	0.17 295	0.13 287	0.14 255	0.13 272	0.05 26	0.04 21	0.05 23	0.04 34	0.05 98	0.04 40

iResNet_ROB	0.14 305	0.07 135	0.13 225	0.14 29	0.07 70	0.18 368	0.14 148	0.26 344	0.31 401	0.22 402	0.25 359	0.23 379	0.15 330	0.15 277	0.13 272	0.07 235	0.05 182	0.05 23	0.04 34	0.08 316	0.08 338

DN-CSS_ROB	0.13 271	0.13 435	0.16 343	0.18 295	0.10 335	0.16 329	0.08 7	0.22 269	0.18 226	0.17 306	0.22 309	0.13 212	0.13 287	0.12 186	0.13 272	0.05 26	0.05 182	0.10 396	0.10 411	0.08 316	0.06 195

DFGA-Net	0.13 271	0.11 389	0.18 394	0.17 214	0.10 335	0.12 202	0.13 100	0.22 269	0.25 340	0.16 290	0.16 212	0.13 212	0.12 250	0.16 311	0.14 309	0.07 235	0.05 182	0.08 272	0.07 268	0.05 98	0.05 120

rvit_0105_5	0.14 305	0.09 306	0.13 225	0.17 214	0.09 234	0.14 273	0.23 451	0.24 310	0.27 363	0.14 235	0.15 200	0.18 309	0.12 250	0.17 343	0.14 309	0.14 477	0.11 453	0.10 396	0.10 411	0.08 316	0.06 195

rvit_0105_3	0.15 349	0.09 306	0.14 260	0.19 351	0.12 413	0.15 299	0.25 477	0.25 326	0.29 384	0.15 262	0.17 233	0.20 335	0.13 287	0.17 343	0.14 309	0.13 464	0.11 453	0.12 444	0.14 473	0.07 254	0.06 195

DCVSM-stereo	0.14 305	0.09 306	0.16 343	0.16 140	0.10 335	0.15 299	0.09 18	0.19 214	0.23 303	0.20 373	0.23 318	0.26 407	0.15 330	0.18 364	0.14 309	0.09 351	0.07 371	0.09 351	0.08 332	0.10 407	0.12 441

GCST	0.37 512	0.42 529	0.26 451	1.02 553	0.39 528	0.18 368	0.08 7	0.20 225	0.17 200	0.28 460	0.25 359	0.15 261	0.12 250	0.16 311	0.14 309	0.64 546	0.43 535	0.75 543	0.65 546	0.63 540	0.46 539

test_sample1	0.13 271	0.07 135	0.14 260	0.13 12	0.08 125	0.19 391	0.16 279	0.20 225	0.15 154	0.14 235	0.22 309	0.18 309	0.16 356	0.17 343	0.14 309	0.07 235	0.06 302	0.06 99	0.06 181	0.08 316	0.07 274

ttt	0.14 305	0.08 232	0.14 260	0.15 69	0.08 125	0.15 299	0.18 357	0.27 365	0.29 384	0.16 290	0.24 330	0.17 295	0.13 287	0.13 230	0.14 309	0.11 416	0.08 397	0.09 351	0.08 332	0.09 376	0.08 338

GMStereo_Zeroshot	0.16 372	0.13 435	0.24 443	0.20 399	0.10 335	0.17 350	0.13 100	0.29 394	0.25 340	0.23 414	0.32 427	0.25 398	0.11 220	0.19 379	0.14 309	0.09 351	0.06 302	0.11 427	0.06 181	0.12 441	0.08 338

CASS	0.13 271	0.12 406	0.11 146	0.23 463	0.09 234	0.15 299	0.17 312	0.18 193	0.19 241	0.17 306	0.18 258	0.15 261	0.15 330	0.14 255	0.14 309	0.09 351	0.06 302	0.10 396	0.08 332	0.09 376	0.07 274
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
anonymousa	0.13 271	0.07 135	0.13 225	0.18 295	0.09 234	0.13 241	0.17 312	0.19 214	0.29 384	0.15 262	0.24 330	0.15 261	0.14 312	0.14 255	0.14 309	0.07 235	0.05 182	0.07 191	0.09 376	0.05 98	0.06 195

IER	0.14 305	0.07 135	0.13 225	0.17 214	0.09 234	0.14 273	0.16 279	0.25 326	0.26 354	0.18 336	0.25 359	0.17 295	0.20 420	0.16 311	0.14 309	0.08 295	0.05 182	0.07 191	0.06 181	0.08 316	0.07 274

BSDual-CNN	0.15 349	0.09 306	0.14 260	0.22 443	0.10 335	0.14 273	0.15 214	0.34 457	0.19 241	0.17 306	0.22 309	0.25 398	0.16 356	0.15 277	0.14 309	0.08 295	0.06 302	0.10 396	0.09 376	0.07 254	0.07 274

psmg	0.14 305	0.09 306	0.14 260	0.17 214	0.10 335	0.15 299	0.17 312	0.29 394	0.19 241	0.17 306	0.21 300	0.25 398	0.16 356	0.15 277	0.14 309	0.08 295	0.06 302	0.08 272	0.08 332	0.07 254	0.06 195

GwcNet-ADL	0.13 271	0.08 232	0.14 260	0.20 399	0.09 234	0.11 168	0.20 416	0.30 408	0.24 319	0.13 214	0.14 183	0.18 309	0.14 312	0.13 230	0.14 309	0.07 235	0.05 182	0.06 99	0.05 104	0.07 254	0.06 195

AAGNet	0.11 181	0.07 135	0.16 343	0.19 351	0.09 234	0.08 48	0.13 100	0.18 193	0.13 114	0.16 290	0.21 300	0.13 212	0.14 312	0.11 105	0.14 309	0.06 113	0.04 21	0.09 351	0.06 181	0.06 189	0.05 120

THIR-Stereo	0.12 246	0.07 135	0.11 146	0.15 69	0.08 125	0.14 273	0.16 279	0.17 164	0.25 340	0.16 290	0.24 330	0.14 232	0.12 250	0.12 186	0.14 309	0.06 113	0.04 21	0.07 191	0.07 268	0.05 98	0.05 120

ICVP	0.15 349	0.09 306	0.12 181	0.22 443	0.09 234	0.17 350	0.21 433	0.25 326	0.23 303	0.18 336	0.30 415	0.26 407	0.18 392	0.17 343	0.14 309	0.09 351	0.07 371	0.08 272	0.07 268	0.07 254	0.07 274
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
TestStereo	0.13 271	0.14 447	0.11 146	0.23 463	0.08 125	0.15 299	0.21 433	0.20 225	0.23 303	0.14 235	0.24 330	0.16 275	0.12 250	0.16 311	0.14 309	0.05 26	0.06 302	0.08 272	0.06 181	0.09 376	0.05 120

CFNet_pseudo	0.14 305	0.08 232	0.15 309	0.16 140	0.09 234	0.13 241	0.14 148	0.27 365	0.34 426	0.14 235	0.21 300	0.22 362	0.13 287	0.18 364	0.14 309	0.07 235	0.05 182	0.08 272	0.06 181	0.07 254	0.07 274

cf-r	0.13 271	0.07 135	0.12 181	0.16 140	0.08 125	0.14 273	0.19 395	0.20 225	0.25 340	0.17 306	0.25 359	0.21 344	0.16 356	0.14 255	0.14 309	0.10 388	0.05 182	0.06 99	0.08 332	0.06 189	0.06 195

CFNet-ft	0.14 305	0.07 135	0.15 309	0.12 4	0.09 234	0.16 329	0.18 357	0.22 269	0.24 319	0.17 306	0.26 376	0.24 385	0.14 312	0.16 311	0.14 309	0.11 416	0.06 302	0.08 272	0.09 376	0.09 376	0.08 338

MSMDNet	0.14 305	0.08 232	0.15 309	0.17 214	0.09 234	0.14 273	0.14 148	0.29 394	0.36 439	0.14 235	0.21 300	0.21 344	0.12 250	0.17 343	0.14 309	0.07 235	0.05 182	0.07 191	0.07 268	0.07 254	0.07 274

CFNet	0.15 349	0.10 364	0.17 371	0.17 214	0.08 125	0.18 368	0.09 18	0.28 384	0.25 340	0.19 351	0.24 330	0.24 385	0.17 379	0.17 343	0.14 309	0.08 295	0.06 302	0.09 351	0.10 411	0.07 254	0.06 195

CFNet_RVC	0.14 305	0.07 135	0.15 309	0.12 4	0.09 234	0.16 329	0.18 357	0.22 269	0.24 319	0.17 306	0.26 376	0.24 385	0.14 312	0.16 311	0.14 309	0.11 416	0.06 302	0.08 272	0.09 376	0.09 376	0.08 338

ccs_rob	0.14 305	0.08 232	0.15 309	0.16 140	0.09 234	0.12 202	0.14 148	0.27 365	0.34 426	0.14 235	0.21 300	0.22 362	0.13 287	0.18 364	0.14 309	0.07 235	0.05 182	0.08 272	0.07 268	0.07 254	0.07 274

AdaStereo	0.15 349	0.11 389	0.15 309	0.18 295	0.09 234	0.20 406	0.11 45	0.32 429	0.28 377	0.20 373	0.23 318	0.20 335	0.13 287	0.19 379	0.14 309	0.12 441	0.05 182	0.10 396	0.07 268	0.09 376	0.07 274
Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Zhe Wang, Jianping Shi: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021.
iResNetv2_ROB	0.14 305	0.08 232	0.15 309	0.16 140	0.08 125	0.16 329	0.12 62	0.25 326	0.35 435	0.21 387	0.29 409	0.24 385	0.13 287	0.14 255	0.14 309	0.06 113	0.05 182	0.06 99	0.04 34	0.09 376	0.08 338

iResNet	0.13 271	0.10 364	0.18 394	0.19 351	0.08 125	0.13 241	0.18 357	0.20 225	0.26 354	0.15 262	0.23 318	0.15 261	0.13 287	0.14 255	0.14 309	0.06 113	0.04 21	0.06 99	0.05 104	0.06 189	0.05 120

DDVS	0.15 349	0.10 364	0.21 425	0.16 140	0.12 413	0.15 299	0.14 148	0.25 326	0.19 241	0.18 336	0.29 409	0.27 415	0.12 250	0.19 379	0.15 337	0.09 351	0.06 302	0.09 351	0.07 268	0.11 427	0.11 429

DispNO	0.14 305	0.08 232	0.17 371	0.19 351	0.12 413	0.11 168	0.21 433	0.23 288	0.29 384	0.17 306	0.23 318	0.18 309	0.17 379	0.15 277	0.15 337	0.07 235	0.05 182	0.08 272	0.08 332	0.07 254	0.06 195

CFNet_ucs	0.15 349	0.08 232	0.16 343	0.16 140	0.11 382	0.14 273	0.14 148	0.30 408	0.34 426	0.16 290	0.24 330	0.23 379	0.14 312	0.18 364	0.15 337	0.09 351	0.06 302	0.08 272	0.07 268	0.09 376	0.09 382

SDNR	0.19 417	0.08 232	0.19 405	0.16 140	0.12 413	0.77 544	0.14 148	0.25 326	0.32 408	0.19 351	0.24 330	0.19 323	0.13 287	0.19 379	0.15 337	0.16 497	0.18 505	0.14 471	0.11 441	0.08 316	0.11 429

gwcnet-sp	0.14 305	0.07 135	0.12 181	0.18 295	0.09 234	0.16 329	0.17 312	0.24 310	0.24 319	0.18 336	0.24 330	0.15 261	0.16 356	0.15 277	0.15 337	0.08 295	0.06 302	0.07 191	0.08 332	0.08 316	0.07 274

scenet	0.14 305	0.07 135	0.12 181	0.18 295	0.09 234	0.16 329	0.17 312	0.24 310	0.24 319	0.18 336	0.24 330	0.15 261	0.16 356	0.15 277	0.15 337	0.08 295	0.06 302	0.07 191	0.08 332	0.08 316	0.07 274

ssnet	0.14 305	0.07 135	0.12 181	0.18 295	0.09 234	0.16 329	0.17 312	0.24 310	0.24 319	0.18 336	0.24 330	0.15 261	0.16 356	0.15 277	0.15 337	0.08 295	0.06 302	0.07 191	0.08 332	0.08 316	0.07 274

FENet	0.13 271	0.08 232	0.12 181	0.16 140	0.08 125	0.14 273	0.15 214	0.22 269	0.23 303	0.17 306	0.23 318	0.16 275	0.12 250	0.14 255	0.15 337	0.08 295	0.05 182	0.08 272	0.08 332	0.07 254	0.07 274

GANet-RSSM	0.14 305	0.07 135	0.13 225	0.13 12	0.08 125	0.14 273	0.17 312	0.22 269	0.21 279	0.17 306	0.24 330	0.23 379	0.15 330	0.16 311	0.15 337	0.10 388	0.06 302	0.07 191	0.08 332	0.08 316	0.07 274

GwcNet-RSSM	0.14 305	0.07 135	0.12 181	0.15 69	0.08 125	0.15 299	0.20 416	0.21 247	0.27 363	0.18 336	0.27 384	0.22 362	0.16 356	0.14 255	0.15 337	0.10 388	0.05 182	0.07 191	0.09 376	0.07 254	0.07 274

FADNet-RVC-Resample	0.16 372	0.11 389	0.31 476	0.22 443	0.11 382	0.19 391	0.14 148	0.25 326	0.24 319	0.24 423	0.27 384	0.20 335	0.15 330	0.16 311	0.15 337	0.07 235	0.08 397	0.12 444	0.10 411	0.09 376	0.10 406

FADNet	0.21 440	0.22 499	0.36 491	0.18 295	0.17 493	0.24 448	0.13 100	0.31 418	0.31 401	0.23 414	0.25 359	0.27 415	0.21 424	0.19 379	0.15 337	0.13 464	0.15 495	0.12 444	0.15 488	0.16 492	0.18 505

BEATNet_4x	0.12 246	0.08 232	0.14 260	0.18 295	0.07 70	0.15 299	0.07 3	0.22 269	0.18 226	0.16 290	0.19 267	0.18 309	0.14 312	0.16 311	0.15 337	0.07 235	0.05 182	0.05 23	0.05 104	0.06 189	0.06 195

UCFNet_RVC	0.14 305	0.08 232	0.13 225	0.11 1	0.10 335	0.20 406	0.10 26	0.24 310	0.22 293	0.17 306	0.20 279	0.23 379	0.15 330	0.17 343	0.15 337	0.12 441	0.07 371	0.10 396	0.13 470	0.11 427	0.10 406

DeepPruner_ROB	0.16 372	0.11 389	0.15 309	0.17 214	0.10 335	0.17 350	0.15 214	0.32 429	0.21 279	0.19 351	0.21 300	0.22 362	0.18 392	0.20 404	0.15 337	0.13 464	0.09 423	0.09 351	0.09 376	0.11 427	0.10 406

HSM	0.15 349	0.08 232	0.14 260	0.16 140	0.09 234	0.16 329	0.14 148	0.28 384	0.25 340	0.19 351	0.23 318	0.37 479	0.16 356	0.20 404	0.15 337	0.07 235	0.05 182	0.07 191	0.06 181	0.07 254	0.06 195

G2L-ROB	0.13 271	0.06 54	0.13 225	0.13 12	0.08 125	0.14 273	0.16 279	0.25 326	0.18 226	0.19 351	0.18 258	0.20 335	0.14 312	0.17 343	0.16 353	0.08 295	0.05 182	0.06 99	0.05 104	0.08 316	0.09 382

ITSA-stereo	0.15 349	0.10 364	0.14 260	0.19 351	0.08 125	0.12 202	0.14 148	0.30 408	0.49 494	0.17 306	0.19 267	0.22 362	0.15 330	0.17 343	0.16 353	0.10 388	0.06 302	0.08 272	0.08 332	0.08 316	0.08 338

DualNet (step1)	0.16 372	0.12 406	0.20 417	0.12 4	0.14 452	0.17 350	0.13 100	0.27 365	0.23 303	0.20 373	0.20 279	0.24 385	0.19 408	0.16 311	0.16 353	0.15 481	0.06 302	0.14 471	0.14 473	0.14 470	0.12 441

test_sample7	0.15 349	0.10 364	0.16 343	0.14 29	0.11 382	0.16 329	0.16 279	0.27 365	0.23 303	0.20 373	0.20 279	0.24 385	0.19 408	0.16 311	0.16 353	0.12 441	0.06 302	0.10 396	0.09 376	0.10 407	0.10 406

1test111	0.11 181	0.08 232	0.12 181	0.17 214	0.09 234	0.13 241	0.15 214	0.23 288	0.16 181	0.09 90	0.09 86	0.06 16	0.06 34	0.15 277	0.16 353	0.06 113	0.04 21	0.06 99	0.05 104	0.07 254	0.07 274

qqq	0.13 271	0.09 306	0.15 309	0.16 140	0.08 125	0.13 241	0.15 214	0.23 288	0.16 181	0.15 262	0.19 267	0.16 275	0.16 356	0.15 277	0.16 353	0.07 235	0.06 302	0.08 272	0.08 332	0.07 254	0.07 274

iRaft-Stereo_5w	0.12 246	0.09 306	0.12 181	0.19 351	0.08 125	0.09 77	0.12 62	0.21 247	0.21 279	0.19 351	0.14 183	0.11 171	0.09 163	0.20 404	0.16 353	0.05 26	0.05 182	0.07 191	0.06 181	0.05 98	0.06 195

dd	0.15 349	0.16 461	0.16 343	0.19 351	0.09 234	0.15 299	0.18 357	0.21 247	0.25 340	0.23 414	0.20 279	0.21 344	0.09 163	0.21 420	0.16 353	0.10 388	0.06 302	0.08 272	0.06 181	0.08 316	0.06 195

dad	0.17 392	0.20 489	0.20 417	0.16 140	0.11 382	0.20 406	0.18 357	0.21 247	0.28 377	0.30 470	0.24 330	0.29 431	0.13 287	0.19 379	0.16 353	0.18 503	0.09 423	0.11 427	0.09 376	0.11 427	0.07 274

AACVNet	0.16 372	0.08 232	0.14 260	0.15 69	0.10 335	0.18 368	0.15 214	0.23 288	0.24 319	0.27 446	0.27 384	0.28 424	0.17 379	0.19 379	0.16 353	0.09 351	0.07 371	0.09 351	0.07 268	0.10 407	0.09 382

GEStereo_RVC	0.17 392	0.12 406	0.15 309	0.22 443	0.11 382	0.19 391	0.17 312	0.32 429	0.48 489	0.20 373	0.25 359	0.17 295	0.13 287	0.21 420	0.16 353	0.10 388	0.06 302	0.08 272	0.07 268	0.09 376	0.08 338

FADNet_RVC	0.16 372	0.14 447	0.40 498	0.20 399	0.11 382	0.13 241	0.13 100	0.26 344	0.22 293	0.21 387	0.23 318	0.20 335	0.17 379	0.14 255	0.16 353	0.08 295	0.08 397	0.12 444	0.09 376	0.11 427	0.10 406

AANet_RVC	0.16 372	0.10 364	0.10 105	0.18 295	0.09 234	0.18 368	0.19 395	0.26 344	0.31 401	0.22 402	0.35 447	0.21 344	0.21 424	0.22 431	0.16 353	0.06 113	0.05 182	0.06 99	0.06 181	0.07 254	0.06 195

CBMV_ROB	0.19 417	0.13 435	0.17 371	0.16 140	0.11 382	0.15 299	0.13 100	0.26 344	0.28 377	0.27 446	0.30 415	0.27 415	0.24 445	0.23 442	0.16 353	0.15 481	0.17 503	0.22 509	0.20 505	0.10 407	0.11 429

NOSS_ROB	0.19 417	0.12 406	0.18 394	0.16 140	0.12 413	0.15 299	0.12 62	0.30 408	0.32 408	0.20 373	0.22 309	0.27 415	0.23 439	0.21 420	0.16 353	0.16 497	0.18 505	0.23 510	0.21 507	0.12 441	0.13 459

rvit_105_1	0.19 417	0.11 389	0.25 448	0.21 428	0.16 478	0.21 422	0.27 491	0.31 418	0.41 463	0.19 351	0.20 279	0.22 362	0.17 379	0.19 379	0.17 368	0.12 441	0.12 467	0.13 459	0.15 488	0.08 316	0.07 274

ACV-stereo	0.15 349	0.10 364	0.28 463	0.18 295	0.12 413	0.14 273	0.12 62	0.23 288	0.21 279	0.19 351	0.23 318	0.22 362	0.15 330	0.23 442	0.17 368	0.07 235	0.06 302	0.07 191	0.07 268	0.07 254	0.07 274

test_sample9	0.18 405	0.12 406	0.20 417	0.12 4	0.14 452	0.17 350	0.13 100	0.27 365	0.23 303	0.20 373	0.20 279	0.24 385	0.19 408	0.19 379	0.17 368	0.15 481	0.30 528	0.14 471	0.14 473	0.14 470	0.12 441

test_sample8	0.19 417	0.12 406	0.20 417	0.12 4	0.14 452	0.17 350	0.13 100	0.31 418	0.21 279	0.27 446	0.22 309	0.36 474	0.25 453	0.19 379	0.17 368	0.15 481	0.30 528	0.14 471	0.14 473	0.14 470	0.12 441

SMFormer	0.14 305	0.07 135	0.17 371	0.14 29	0.08 125	0.16 329	0.17 312	0.26 344	0.27 363	0.19 351	0.20 279	0.18 309	0.15 330	0.15 277	0.17 368	0.08 295	0.05 182	0.07 191	0.06 181	0.07 254	0.06 195

tta	0.14 305	0.07 135	0.17 371	0.14 29	0.08 125	0.16 329	0.17 312	0.26 344	0.27 363	0.19 351	0.20 279	0.18 309	0.15 330	0.15 277	0.17 368	0.08 295	0.05 182	0.07 191	0.06 181	0.06 189	0.06 195

mmm	0.14 305	0.08 232	0.17 371	0.17 214	0.09 234	0.17 350	0.18 357	0.21 247	0.15 154	0.15 262	0.23 318	0.21 344	0.16 356	0.16 311	0.17 368	0.08 295	0.05 182	0.08 272	0.07 268	0.07 254	0.07 274

HBP-ISP	0.18 405	0.13 435	0.16 343	0.15 69	0.11 382	0.08 48	0.13 100	0.28 384	0.29 384	0.22 402	0.33 439	0.21 344	0.25 453	0.23 442	0.17 368	0.14 477	0.16 498	0.21 505	0.17 499	0.10 407	0.08 338

CRFU-Net	0.16 372	0.08 232	0.14 260	0.17 214	0.09 234	0.19 391	0.14 148	0.26 344	0.20 264	0.28 460	0.27 384	0.29 431	0.17 379	0.19 379	0.17 368	0.09 351	0.09 423	0.07 191	0.07 268	0.08 316	0.08 338

SACVNet	0.18 405	0.12 406	0.14 260	0.17 214	0.13 434	0.22 430	0.18 357	0.31 418	0.30 394	0.23 414	0.31 423	0.30 439	0.22 433	0.22 431	0.17 368	0.11 416	0.08 397	0.10 396	0.10 411	0.12 441	0.14 476

PSMNet-ADL	0.15 349	0.12 406	0.13 225	0.22 443	0.09 234	0.13 241	0.20 416	0.26 344	0.23 303	0.18 336	0.20 279	0.24 385	0.16 356	0.18 364	0.17 368	0.08 295	0.08 397	0.08 272	0.11 441	0.08 316	0.07 274

LMCR-Stereo	0.15 349	0.08 232	0.13 225	0.21 428	0.09 234	0.17 350	0.20 416	0.27 365	0.19 241	0.24 423	0.24 330	0.23 379	0.17 379	0.20 404	0.17 368	0.07 235	0.06 302	0.08 272	0.06 181	0.10 407	0.08 338

FINET	0.21 440	0.18 482	0.26 451	0.18 295	0.16 478	0.23 443	0.23 451	0.32 429	0.48 489	0.25 436	0.32 427	0.22 362	0.22 433	0.22 431	0.17 368	0.18 503	0.16 498	0.11 427	0.10 411	0.15 485	0.13 459

DMCA	0.14 305	0.09 306	0.16 343	0.19 351	0.09 234	0.15 299	0.17 312	0.23 288	0.27 363	0.14 235	0.19 267	0.17 295	0.18 392	0.15 277	0.17 368	0.10 388	0.06 302	0.08 272	0.06 181	0.09 376	0.10 406

CVANet_RVC	0.18 405	0.10 364	0.14 260	0.21 428	0.10 335	0.18 368	0.17 312	0.34 457	0.33 415	0.22 402	0.31 423	0.28 424	0.18 392	0.23 442	0.17 368	0.12 441	0.08 397	0.12 444	0.11 441	0.09 376	0.07 274

NVstereo2D	0.19 417	0.10 364	0.15 309	0.17 214	0.15 468	0.28 481	0.23 451	0.44 512	0.42 470	0.15 262	0.27 384	0.25 398	0.19 408	0.22 431	0.17 368	0.09 351	0.06 302	0.10 396	0.08 332	0.15 485	0.09 382

SGM-Forest	0.20 429	0.14 447	0.18 394	0.19 351	0.13 434	0.20 406	0.22 442	0.33 448	0.30 394	0.24 423	0.29 409	0.28 424	0.19 408	0.23 442	0.17 368	0.15 481	0.16 498	0.15 483	0.14 473	0.12 441	0.12 441
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
pmcnn	0.15 349	0.07 135	0.19 405	0.15 69	0.07 70	0.20 406	0.15 214	0.24 310	0.26 354	0.21 387	0.34 443	0.28 424	0.18 392	0.18 364	0.17 368	0.07 235	0.05 182	0.05 23	0.04 34	0.07 254	0.06 195

G2L-Stereo_test	0.14 305	0.07 135	0.11 146	0.13 12	0.08 125	0.12 202	0.16 279	0.30 408	0.28 377	0.20 373	0.23 318	0.20 335	0.16 356	0.17 343	0.18 386	0.07 235	0.05 182	0.05 23	0.05 104	0.07 254	0.06 195

coex_refinement	0.14 305	0.07 135	0.12 181	0.17 214	0.10 335	0.15 299	0.15 214	0.26 344	0.29 384	0.18 336	0.20 279	0.22 362	0.17 379	0.16 311	0.18 386	0.08 295	0.05 182	0.06 99	0.06 181	0.09 376	0.08 338

G2L-Stereo	0.14 305	0.07 135	0.13 225	0.17 214	0.09 234	0.13 241	0.12 62	0.27 365	0.22 293	0.16 290	0.27 384	0.21 344	0.13 287	0.17 343	0.18 386	0.09 351	0.08 397	0.08 272	0.07 268	0.07 254	0.07 274

MyStereo8	0.12 246	0.07 135	0.15 309	0.15 69	0.09 234	0.18 368	0.14 148	0.19 214	0.22 293	0.12 187	0.18 258	0.11 171	0.10 195	0.16 311	0.18 386	0.07 235	0.05 182	0.07 191	0.05 104	0.08 316	0.09 382

CBFPSM	0.14 305	0.06 54	0.26 451	0.17 214	0.09 234	0.13 241	0.15 214	0.22 269	0.23 303	0.20 373	0.27 384	0.24 385	0.16 356	0.16 311	0.18 386	0.06 113	0.06 302	0.06 99	0.07 268	0.07 254	0.07 274

GASNet	0.22 449	0.23 500	0.33 482	0.26 487	0.17 493	0.26 466	0.16 279	0.44 512	0.42 470	0.27 446	0.24 330	0.30 439	0.15 330	0.27 461	0.18 386	0.12 441	0.08 397	0.12 444	0.11 441	0.16 492	0.07 274

x	0.13 271	0.07 135	0.14 260	0.14 29	0.08 125	0.18 368	0.14 148	0.22 269	0.20 264	0.15 262	0.19 267	0.19 323	0.17 379	0.18 364	0.18 386	0.07 235	0.05 182	0.06 99	0.06 181	0.07 254	0.07 274

CSP-Net	0.16 372	0.09 306	0.14 260	0.16 140	0.09 234	0.19 391	0.17 312	0.25 326	0.32 408	0.25 436	0.30 415	0.24 385	0.15 330	0.21 420	0.18 386	0.09 351	0.06 302	0.07 191	0.07 268	0.08 316	0.07 274

UNet	0.17 392	0.09 306	0.18 394	0.19 351	0.12 413	0.27 475	0.19 395	0.33 448	0.29 384	0.21 387	0.24 330	0.23 379	0.19 408	0.19 379	0.18 386	0.07 235	0.06 302	0.08 272	0.07 268	0.08 316	0.06 195

acv_ft	0.15 349	0.09 306	0.15 309	0.19 351	0.10 335	0.16 329	0.17 312	0.25 326	0.33 415	0.19 351	0.26 376	0.21 344	0.17 379	0.17 343	0.18 386	0.07 235	0.06 302	0.06 99	0.06 181	0.08 316	0.06 195

TDLM	0.17 392	0.12 406	0.13 225	0.24 472	0.10 335	0.18 368	0.18 357	0.36 475	0.30 394	0.21 387	0.28 397	0.28 424	0.18 392	0.23 442	0.18 386	0.11 416	0.07 371	0.10 396	0.10 411	0.08 316	0.08 338

MDST_ROB	0.22 449	0.10 364	0.17 371	0.18 295	0.11 382	0.37 508	0.19 395	0.43 510	0.41 463	0.39 498	0.39 469	0.29 431	0.21 424	0.26 458	0.18 386	0.11 416	0.10 442	0.14 471	0.11 441	0.10 407	0.08 338

Wz-Net-LNSev-Ref	0.18 405	0.09 306	0.29 471	0.15 69	0.10 335	0.22 430	0.20 416	0.26 344	0.39 454	0.25 436	0.42 490	0.24 385	0.15 330	0.20 404	0.19 398	0.07 235	0.05 182	0.06 99	0.05 104	0.10 407	0.09 382

pcwnet_v2	0.19 417	0.10 364	0.26 451	0.17 214	0.14 452	0.18 368	0.15 214	0.37 480	0.46 487	0.19 351	0.24 330	0.21 344	0.19 408	0.20 404	0.19 398	0.13 464	0.10 442	0.10 396	0.10 411	0.11 427	0.13 459

FADNet-RVC	0.20 429	0.20 489	0.38 495	0.21 428	0.16 478	0.20 406	0.15 214	0.26 344	0.26 354	0.26 440	0.32 427	0.26 407	0.21 424	0.22 431	0.19 398	0.12 441	0.13 480	0.12 444	0.14 473	0.13 457	0.18 505

STTStereo	0.18 405	0.12 406	0.27 458	0.20 399	0.11 382	0.16 329	0.21 433	0.29 394	0.23 303	0.21 387	0.30 415	0.29 431	0.18 392	0.20 404	0.19 398	0.12 441	0.11 453	0.11 427	0.14 473	0.09 376	0.08 338

RASNet	0.14 305	0.07 135	0.14 260	0.16 140	0.08 125	0.18 368	0.14 148	0.29 394	0.20 264	0.17 306	0.25 359	0.21 344	0.18 392	0.20 404	0.19 398	0.07 235	0.06 302	0.06 99	0.08 332	0.06 189	0.06 195

CBMV	0.19 417	0.14 447	0.17 371	0.18 295	0.10 335	0.20 406	0.11 45	0.29 394	0.30 394	0.29 467	0.30 415	0.30 439	0.23 439	0.27 461	0.19 398	0.13 464	0.15 495	0.17 491	0.16 492	0.10 407	0.10 406
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
ISRNet	0.18 405	0.08 232	0.19 405	0.19 351	0.13 434	0.15 299	0.12 62	0.30 408	0.32 408	0.21 387	0.25 359	0.27 415	0.17 379	0.17 343	0.20 404	0.20 510	0.08 397	0.14 471	0.14 473	0.14 470	0.17 502

PSMNet-RUCA	0.27 488	0.33 521	0.41 500	0.36 520	0.32 527	0.18 368	0.19 395	0.42 506	0.30 394	0.33 486	0.41 484	0.39 491	0.25 453	0.31 482	0.20 404	0.18 503	0.10 442	0.25 512	0.15 488	0.21 507	0.16 494

ff1	0.13 271	0.09 306	0.14 260	0.16 140	0.08 125	0.17 350	0.17 312	0.15 102	0.19 241	0.15 262	0.25 359	0.19 323	0.13 287	0.14 255	0.20 404	0.06 113	0.04 21	0.09 351	0.08 332	0.06 189	0.06 195

mmx	0.14 305	0.09 306	0.14 260	0.16 140	0.08 125	0.17 350	0.17 312	0.27 365	0.25 340	0.15 262	0.25 359	0.19 323	0.13 287	0.14 255	0.20 404	0.08 295	0.06 302	0.09 351	0.08 332	0.08 316	0.08 338

xxx	0.14 305	0.09 306	0.14 260	0.16 140	0.08 125	0.17 350	0.17 312	0.27 365	0.25 340	0.15 262	0.25 359	0.19 323	0.13 287	0.14 255	0.20 404	0.08 295	0.06 302	0.09 351	0.08 332	0.08 316	0.08 338

ToySt	0.17 392	0.11 389	0.18 394	0.17 214	0.11 382	0.16 329	0.25 477	0.24 310	0.33 415	0.19 351	0.24 330	0.26 407	0.24 445	0.19 379	0.20 404	0.07 235	0.08 397	0.09 351	0.10 411	0.09 376	0.08 338

ssnet_v2	0.17 392	0.10 364	0.17 371	0.17 214	0.11 382	0.21 422	0.21 433	0.33 448	0.25 340	0.22 402	0.22 309	0.27 415	0.18 392	0.22 431	0.20 404	0.11 416	0.09 423	0.09 351	0.09 376	0.08 316	0.08 338

DDUNet	0.22 449	0.17 472	0.21 425	0.22 443	0.15 468	0.25 458	0.24 463	0.29 394	0.30 394	0.31 476	0.36 450	0.33 462	0.25 453	0.24 451	0.20 404	0.18 503	0.13 480	0.17 491	0.11 441	0.16 492	0.16 494

AASNet	0.16 372	0.08 232	0.12 181	0.19 351	0.09 234	0.18 368	0.15 214	0.37 480	0.37 446	0.19 351	0.23 318	0.20 335	0.16 356	0.17 343	0.20 404	0.10 388	0.08 397	0.08 272	0.07 268	0.09 376	0.09 382

MMNet	0.17 392	0.09 306	0.16 343	0.20 399	0.11 382	0.27 475	0.20 416	0.25 326	0.41 463	0.22 402	0.30 415	0.21 344	0.20 420	0.17 343	0.20 404	0.06 113	0.06 302	0.07 191	0.07 268	0.08 316	0.07 274

HGLStereo	0.17 392	0.08 232	0.19 405	0.17 214	0.12 413	0.18 368	0.18 357	0.31 418	0.32 408	0.21 387	0.32 427	0.25 398	0.18 392	0.19 379	0.20 404	0.09 351	0.09 423	0.07 191	0.07 268	0.09 376	0.10 406

FAT-Stereo	0.20 429	0.12 406	0.22 431	0.21 428	0.12 413	0.17 350	0.18 357	0.34 457	0.39 454	0.27 446	0.37 456	0.34 468	0.32 493	0.21 420	0.20 404	0.09 351	0.11 453	0.10 396	0.09 376	0.11 427	0.14 476

DSFCA	0.16 372	0.09 306	0.14 260	0.16 140	0.10 335	0.20 406	0.19 395	0.28 384	0.31 401	0.23 414	0.24 330	0.22 362	0.15 330	0.19 379	0.20 404	0.10 388	0.07 371	0.09 351	0.09 376	0.08 316	0.08 338

DMCA-RVC	0.17 392	0.10 364	0.15 309	0.24 472	0.11 382	0.18 368	0.18 357	0.25 326	0.24 319	0.21 387	0.26 376	0.25 398	0.27 466	0.18 364	0.20 404	0.12 441	0.08 397	0.13 459	0.10 411	0.10 407	0.08 338

NLCA_NET_v2_RVC	0.17 392	0.10 364	0.22 431	0.20 399	0.10 335	0.15 299	0.18 357	0.31 418	0.25 340	0.21 387	0.30 415	0.25 398	0.17 379	0.21 420	0.20 404	0.09 351	0.06 302	0.08 272	0.08 332	0.07 254	0.08 338
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
PS-NSSS	0.20 429	0.21 495	0.23 440	0.20 399	0.10 335	0.19 391	0.17 312	0.36 475	0.25 340	0.27 446	0.33 439	0.27 415	0.24 445	0.20 404	0.20 404	0.15 481	0.12 467	0.17 491	0.14 473	0.10 407	0.08 338

StereoDRNet-Refined	0.17 392	0.12 406	0.15 309	0.20 399	0.09 234	0.18 368	0.18 357	0.26 344	0.23 303	0.26 440	0.40 474	0.22 362	0.17 379	0.21 420	0.20 404	0.08 295	0.05 182	0.09 351	0.10 411	0.07 254	0.07 274
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
StereoDRNet	0.18 405	0.11 389	0.17 371	0.22 443	0.11 382	0.21 422	0.22 442	0.37 480	0.33 415	0.24 423	0.28 397	0.30 439	0.19 408	0.20 404	0.20 404	0.09 351	0.08 397	0.11 427	0.09 376	0.09 376	0.07 274

DLCB_ROB	0.18 405	0.10 364	0.15 309	0.23 463	0.11 382	0.24 448	0.18 357	0.29 394	0.28 377	0.27 446	0.28 397	0.28 424	0.24 445	0.19 379	0.20 404	0.08 295	0.08 397	0.09 351	0.09 376	0.07 254	0.07 274

PWCDC_ROB	0.20 429	0.13 435	0.22 431	0.24 472	0.11 382	0.19 391	0.15 214	0.33 448	0.54 506	0.29 467	0.50 505	0.21 344	0.15 330	0.27 461	0.20 404	0.11 416	0.09 423	0.10 396	0.08 332	0.11 427	0.09 382

iinet-f	0.16 372	0.06 54	0.45 504	0.14 29	0.10 335	0.21 422	0.14 148	0.27 365	0.23 303	0.21 387	0.24 330	0.21 344	0.15 330	0.18 364	0.21 424	0.09 351	0.07 371	0.07 191	0.06 181	0.09 376	0.10 406

ADLNet	0.16 372	0.08 232	0.15 309	0.16 140	0.10 335	0.16 329	0.17 312	0.32 429	0.27 363	0.22 402	0.27 384	0.24 385	0.16 356	0.18 364	0.21 424	0.10 388	0.06 302	0.10 396	0.10 411	0.08 316	0.09 382

delet	0.17 392	0.08 232	0.17 371	0.19 351	0.11 382	0.20 406	0.21 433	0.30 408	0.37 446	0.17 306	0.26 376	0.19 323	0.19 408	0.19 379	0.21 424	0.08 295	0.08 397	0.09 351	0.11 441	0.06 189	0.06 195

UPFNet	0.16 372	0.08 232	0.12 181	0.20 399	0.12 413	0.20 406	0.23 451	0.28 384	0.26 354	0.17 306	0.24 330	0.22 362	0.19 408	0.19 379	0.21 424	0.09 351	0.07 371	0.08 272	0.09 376	0.08 316	0.06 195

ACVNet	0.15 349	0.09 306	0.15 309	0.13 12	0.12 413	0.14 273	0.20 416	0.22 269	0.33 415	0.17 306	0.26 376	0.21 344	0.16 356	0.17 343	0.21 424	0.07 235	0.06 302	0.06 99	0.06 181	0.08 316	0.06 195

hitnet-ft	0.18 405	0.09 306	0.17 371	0.14 29	0.09 234	0.26 466	0.20 416	0.25 326	0.26 354	0.24 423	0.32 427	0.31 451	0.22 433	0.24 451	0.21 424	0.12 441	0.07 371	0.10 396	0.08 332	0.12 441	0.11 429

MaskLacGwcNet_RVC	0.22 449	0.21 495	0.24 443	0.26 487	0.11 382	0.23 443	0.14 148	0.39 491	0.24 319	0.32 482	0.36 450	0.30 439	0.21 424	0.19 379	0.21 424	0.17 502	0.14 489	0.21 505	0.16 492	0.12 441	0.12 441

SuperB	0.20 429	0.10 364	0.56 517	0.16 140	0.09 234	0.18 368	0.18 357	0.24 310	0.50 497	0.26 440	0.39 469	0.17 295	0.21 424	0.22 431	0.21 424	0.08 295	0.06 302	0.06 99	0.06 181	0.12 441	0.10 406

NaN_ROB	0.22 449	0.19 485	0.24 443	0.25 482	0.13 434	0.29 484	0.26 484	0.33 448	0.41 463	0.31 476	0.31 423	0.32 459	0.23 439	0.30 481	0.21 424	0.11 416	0.17 503	0.10 396	0.10 411	0.08 316	0.09 382

YMNet	0.20 429	0.12 406	0.19 405	0.20 399	0.14 452	0.26 466	0.23 451	0.32 429	0.34 426	0.27 446	0.34 443	0.30 439	0.18 392	0.18 364	0.22 433	0.10 388	0.13 480	0.10 396	0.10 411	0.08 316	0.09 382

YMNet_1	0.20 429	0.12 406	0.19 405	0.20 399	0.14 452	0.26 466	0.23 451	0.32 429	0.34 426	0.27 446	0.34 443	0.30 439	0.18 392	0.18 364	0.22 433	0.10 388	0.13 480	0.10 396	0.10 411	0.08 316	0.09 382

UDG	0.21 440	0.17 472	0.19 405	0.23 463	0.15 468	0.30 487	0.20 416	0.33 448	0.35 435	0.23 414	0.28 397	0.31 451	0.27 466	0.20 404	0.22 433	0.15 481	0.12 467	0.13 459	0.09 376	0.14 470	0.14 476

ADLNet2	0.16 372	0.09 306	0.13 225	0.16 140	0.09 234	0.20 406	0.16 279	0.31 418	0.39 454	0.16 290	0.20 279	0.20 335	0.18 392	0.21 420	0.22 433	0.08 295	0.06 302	0.07 191	0.07 268	0.09 376	0.07 274

psm_up	0.18 405	0.10 364	0.18 394	0.20 399	0.11 382	0.17 350	0.19 395	0.37 480	0.34 426	0.21 387	0.28 397	0.29 431	0.24 445	0.20 404	0.22 433	0.09 351	0.10 442	0.11 427	0.11 441	0.08 316	0.08 338

ac_64	0.16 372	0.08 232	0.15 309	0.18 295	0.10 335	0.22 430	0.18 357	0.24 310	0.21 279	0.18 336	0.24 330	0.29 431	0.18 392	0.19 379	0.22 433	0.09 351	0.07 371	0.08 272	0.09 376	0.07 254	0.06 195

S-Stereo	0.20 429	0.12 406	0.25 448	0.21 428	0.13 434	0.20 406	0.18 357	0.32 429	0.43 475	0.23 414	0.36 450	0.28 424	0.30 486	0.19 379	0.22 433	0.09 351	0.12 467	0.10 396	0.10 411	0.13 457	0.13 459

RGC	0.25 480	0.20 489	0.29 471	0.28 502	0.16 478	0.22 430	0.23 451	0.32 429	0.44 480	0.27 446	0.40 474	0.38 483	0.27 466	0.36 504	0.22 433	0.11 416	0.13 480	0.17 491	0.17 499	0.14 470	0.16 494

stereogan	0.22 449	0.11 389	0.21 425	0.20 399	0.12 413	0.31 488	0.19 395	0.35 469	0.44 480	0.22 402	0.39 469	0.35 472	0.27 466	0.33 490	0.22 433	0.10 388	0.12 467	0.10 396	0.10 411	0.14 470	0.13 459

DeepPrunerF	0.24 471	0.17 472	0.42 502	0.26 487	0.16 478	0.22 430	0.28 497	0.37 480	0.50 497	0.26 440	0.29 409	0.24 385	0.28 474	0.21 420	0.22 433	0.15 481	0.11 453	0.20 504	0.18 503	0.12 441	0.13 459

GANet	0.21 440	0.12 406	0.21 425	0.24 472	0.13 434	0.22 430	0.22 442	0.41 501	0.26 354	0.31 476	0.42 490	0.37 479	0.28 474	0.23 442	0.22 433	0.10 388	0.12 467	0.10 396	0.09 376	0.10 407	0.08 338

PWC_ROB	0.21 440	0.16 461	0.26 451	0.18 295	0.11 382	0.22 430	0.13 100	0.32 429	0.49 494	0.30 470	0.40 474	0.32 459	0.24 445	0.31 482	0.22 433	0.10 388	0.07 371	0.11 427	0.08 332	0.11 427	0.10 406

TCMNet	0.19 417	0.12 406	0.19 405	0.20 399	0.18 499	0.20 406	0.24 463	0.27 365	0.36 439	0.23 414	0.26 376	0.25 398	0.19 408	0.19 379	0.23 445	0.13 464	0.11 453	0.11 427	0.12 460	0.13 457	0.12 441

1111x	0.15 349	0.08 232	0.12 181	0.18 295	0.07 70	0.18 368	0.25 477	0.31 418	0.24 319	0.17 306	0.24 330	0.26 407	0.15 330	0.13 230	0.23 445	0.07 235	0.07 371	0.08 272	0.09 376	0.07 254	0.06 195

SQANet	0.23 464	0.23 500	0.30 474	0.30 511	0.19 502	0.27 475	0.13 100	0.29 394	0.33 415	0.24 423	0.37 456	0.31 451	0.22 433	0.27 461	0.23 445	0.15 481	0.10 442	0.21 505	0.16 492	0.21 507	0.15 483

fast-acv-ft	0.18 405	0.11 389	0.19 405	0.19 351	0.12 413	0.24 448	0.21 433	0.25 326	0.34 426	0.22 402	0.34 443	0.27 415	0.20 420	0.21 420	0.23 445	0.09 351	0.09 423	0.08 272	0.10 411	0.08 316	0.07 274

Anonymous_2	0.22 449	0.17 472	0.28 463	0.15 69	0.16 478	0.32 489	0.22 442	0.22 269	0.17 200	0.23 414	0.24 330	0.26 407	0.27 466	0.27 461	0.23 445	0.22 518	0.25 524	0.17 491	0.17 499	0.17 499	0.17 502

DGSMNet	0.24 471	0.19 485	0.33 482	0.21 428	0.24 514	0.24 448	0.20 416	0.35 469	0.41 463	0.24 423	0.32 427	0.38 483	0.21 424	0.29 478	0.23 445	0.12 441	0.11 453	0.14 471	0.16 492	0.23 511	0.23 516

aanetorigin	0.22 449	0.17 472	0.56 517	0.17 214	0.10 335	0.15 299	0.19 395	0.20 225	0.33 415	0.49 517	0.48 500	0.29 431	0.27 466	0.20 404	0.23 445	0.08 295	0.07 371	0.08 272	0.07 268	0.10 407	0.09 382

DANet	0.21 440	0.15 453	0.28 463	0.25 482	0.13 434	0.22 430	0.19 395	0.27 365	0.27 363	0.28 460	0.32 427	0.35 472	0.31 490	0.31 482	0.23 445	0.11 416	0.09 423	0.11 427	0.10 411	0.13 457	0.11 429
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
DPSNet	0.28 492	0.16 461	0.31 476	0.18 295	0.13 434	0.54 523	0.42 532	0.51 524	0.67 526	0.29 467	0.38 461	0.38 483	0.29 482	0.31 482	0.23 445	0.11 416	0.10 442	0.11 427	0.08 332	0.20 506	0.16 494

FBW_ROB	0.24 471	0.17 472	0.22 431	0.26 487	0.14 452	0.25 458	0.22 442	0.41 501	0.41 463	0.41 505	0.41 484	0.42 498	0.27 466	0.31 482	0.23 445	0.09 351	0.14 489	0.14 471	0.12 460	0.11 427	0.09 382

DispFullNet	0.27 488	0.21 495	0.65 524	0.28 502	0.16 478	0.26 466	0.17 312	0.33 448	0.58 514	0.27 446	0.38 461	0.43 501	0.23 439	0.38 510	0.23 445	0.12 441	0.06 302	0.19 502	0.11 441	0.21 507	0.15 483

ACVNet-4b	0.39 513	0.53 532	0.55 515	0.45 528	0.24 514	0.47 517	0.18 357	0.49 521	0.64 522	0.42 508	0.45 496	0.60 523	0.27 466	0.34 493	0.24 456	0.33 529	0.14 489	0.48 532	0.42 532	0.30 525	0.26 524

Syn2CoEx	0.21 440	0.16 461	0.27 458	0.29 509	0.14 452	0.26 466	0.20 416	0.33 448	0.31 401	0.28 460	0.36 450	0.27 415	0.25 453	0.19 379	0.24 456	0.16 497	0.12 467	0.14 471	0.11 441	0.09 376	0.08 338

GwcNet	0.20 429	0.13 435	0.19 405	0.18 295	0.12 413	0.24 448	0.19 395	0.35 469	0.43 475	0.20 373	0.32 427	0.33 462	0.20 420	0.22 431	0.24 456	0.11 416	0.09 423	0.09 351	0.09 376	0.09 376	0.10 406

edge stereo	0.22 449	0.13 435	0.20 417	0.21 428	0.13 434	0.23 443	0.16 279	0.32 429	0.42 470	0.32 482	0.40 474	0.38 483	0.35 500	0.25 456	0.24 456	0.13 464	0.11 453	0.14 471	0.11 441	0.12 441	0.13 459

ADCRef	0.19 417	0.12 406	0.41 500	0.20 399	0.12 413	0.22 430	0.18 357	0.32 429	0.36 439	0.26 440	0.32 427	0.17 295	0.23 439	0.24 451	0.24 456	0.07 235	0.06 302	0.09 351	0.09 376	0.08 316	0.08 338

DRN-Test	0.19 417	0.11 389	0.20 417	0.22 443	0.10 335	0.22 430	0.22 442	0.39 491	0.37 446	0.24 423	0.32 427	0.26 407	0.21 424	0.22 431	0.24 456	0.11 416	0.07 371	0.11 427	0.10 411	0.09 376	0.07 274

NCCL2	0.23 464	0.15 453	0.17 371	0.34 516	0.18 499	0.24 448	0.23 451	0.34 457	0.28 377	0.31 476	0.38 461	0.38 483	0.28 474	0.23 442	0.24 456	0.15 481	0.12 467	0.18 500	0.21 507	0.13 457	0.13 459

SANet	0.24 471	0.14 447	0.28 463	0.21 428	0.11 382	0.27 475	0.24 463	0.38 487	0.64 522	0.36 491	0.40 474	0.43 501	0.26 458	0.27 461	0.24 456	0.12 441	0.09 423	0.10 396	0.09 376	0.13 457	0.11 429

SGM_RVC	0.23 464	0.12 406	0.15 309	0.15 69	0.09 234	0.33 495	0.18 357	0.34 457	0.31 401	0.44 512	0.37 456	0.53 519	0.35 500	0.35 499	0.24 456	0.13 464	0.13 480	0.13 459	0.13 470	0.10 407	0.11 429
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
Wz-Net-LNSev	0.22 449	0.16 461	0.38 495	0.21 428	0.13 434	0.25 458	0.23 451	0.32 429	0.43 475	0.30 470	0.41 484	0.31 451	0.18 392	0.22 431	0.25 465	0.10 388	0.09 423	0.08 272	0.08 332	0.12 441	0.11 429

Wz-Net-MNSev	0.22 449	0.13 435	0.31 476	0.20 399	0.14 452	0.36 507	0.24 463	0.33 448	0.44 480	0.28 460	0.40 474	0.38 483	0.19 408	0.24 451	0.25 465	0.09 351	0.07 371	0.09 351	0.09 376	0.12 441	0.10 406

APVNet	0.22 449	0.12 406	0.19 405	0.18 295	0.14 452	0.32 489	0.31 519	0.39 491	0.32 408	0.27 446	0.40 474	0.30 439	0.29 482	0.26 458	0.25 465	0.11 416	0.12 467	0.11 427	0.14 473	0.12 441	0.12 441

AF-Net	0.22 449	0.17 472	0.17 371	0.26 487	0.13 434	0.25 458	0.24 463	0.32 429	0.50 497	0.25 436	0.33 439	0.38 483	0.26 458	0.28 472	0.25 465	0.11 416	0.10 442	0.16 489	0.11 441	0.11 427	0.10 406

RP	0.21 440	0.13 435	0.21 425	0.23 463	0.11 382	0.21 422	0.20 416	0.25 326	0.44 480	0.21 387	0.38 461	0.36 474	0.24 445	0.27 461	0.25 465	0.11 416	0.12 467	0.13 459	0.12 460	0.12 441	0.14 476

Nwc_Net	0.23 464	0.16 461	0.21 425	0.25 482	0.14 452	0.24 448	0.26 484	0.37 480	0.38 451	0.22 402	0.41 484	0.30 439	0.28 474	0.28 472	0.25 465	0.11 416	0.10 442	0.17 491	0.20 505	0.10 407	0.10 406

PA-Net	0.23 464	0.18 482	0.33 482	0.28 502	0.22 510	0.21 422	0.38 528	0.29 394	0.39 454	0.22 402	0.32 427	0.25 398	0.26 458	0.20 404	0.25 465	0.09 351	0.23 522	0.15 483	0.22 510	0.09 376	0.13 459
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
LSM	0.33 507	0.20 489	0.58 519	0.26 487	0.60 544	0.34 498	0.25 477	0.42 506	0.48 489	0.45 513	0.58 519	0.42 498	0.36 502	0.35 499	0.25 465	0.12 441	0.20 511	0.14 471	0.16 492	0.19 505	0.33 531

WCMA_ROB	0.24 471	0.11 389	0.22 431	0.17 214	0.14 452	0.32 489	0.15 214	0.32 429	0.32 408	0.38 496	0.53 507	0.40 495	0.34 498	0.34 493	0.25 465	0.11 416	0.12 467	0.12 444	0.10 411	0.14 470	0.14 476

xxxx	0.15 349	0.07 135	0.14 260	0.14 29	0.08 125	0.23 443	0.18 357	0.31 418	0.19 241	0.14 235	0.28 397	0.22 362	0.14 312	0.15 277	0.26 474	0.09 351	0.05 182	0.07 191	0.07 268	0.08 316	0.07 274

test_xeample	0.15 349	0.06 54	0.13 225	0.14 29	0.08 125	0.21 422	0.20 416	0.28 384	0.20 264	0.16 290	0.29 409	0.19 323	0.16 356	0.15 277	0.26 474	0.09 351	0.05 182	0.07 191	0.07 268	0.07 254	0.07 274

G-Net	0.24 471	0.16 461	0.36 491	0.22 443	0.16 478	0.51 521	0.23 451	0.29 394	0.34 426	0.36 491	0.38 461	0.31 451	0.29 482	0.27 461	0.26 474	0.11 416	0.09 423	0.12 444	0.09 376	0.16 492	0.13 459

CC-Net-ROB	0.28 492	0.31 519	0.36 491	0.29 509	0.15 468	0.25 458	0.19 395	0.45 515	0.33 415	0.39 498	0.37 456	0.39 491	0.31 490	0.27 461	0.26 474	0.24 524	0.19 508	0.30 525	0.23 514	0.18 502	0.15 483

ETE_ROB	0.23 464	0.17 472	0.22 431	0.25 482	0.13 434	0.26 466	0.29 506	0.31 418	0.36 439	0.28 460	0.36 450	0.45 505	0.26 458	0.27 461	0.26 474	0.11 416	0.08 397	0.12 444	0.09 376	0.14 470	0.13 459

PSMNet_ROB	0.21 440	0.11 389	0.15 309	0.27 499	0.15 468	0.24 448	0.35 523	0.43 510	0.37 446	0.27 446	0.32 427	0.32 459	0.22 433	0.21 420	0.26 474	0.12 441	0.08 397	0.13 459	0.11 441	0.09 376	0.09 382

MeshStereo	0.27 488	0.13 435	0.18 394	0.15 69	0.11 382	0.32 489	0.24 463	0.40 495	0.36 439	0.52 519	0.57 517	0.67 530	0.40 510	0.35 499	0.26 474	0.14 477	0.13 480	0.13 459	0.11 441	0.11 427	0.10 406
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
psmorigin	0.25 480	0.15 453	0.34 490	0.17 214	0.13 434	0.23 443	0.14 148	0.34 457	0.33 415	0.41 505	0.55 510	0.41 497	0.37 504	0.34 493	0.27 481	0.11 416	0.15 495	0.11 427	0.11 441	0.12 441	0.16 494

NCC-stereo	0.24 471	0.15 453	0.31 476	0.26 487	0.16 478	0.20 406	0.30 513	0.40 495	0.40 460	0.24 423	0.38 461	0.33 462	0.28 474	0.36 504	0.27 481	0.12 441	0.11 453	0.15 483	0.22 510	0.13 457	0.13 459

Abc-Net	0.24 471	0.15 453	0.31 476	0.26 487	0.16 478	0.20 406	0.30 513	0.40 495	0.40 460	0.24 423	0.38 461	0.33 462	0.28 474	0.36 504	0.27 481	0.12 441	0.11 453	0.15 483	0.22 510	0.13 457	0.13 459
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
ADCP+	0.20 429	0.10 364	0.33 482	0.20 399	0.12 413	0.22 430	0.26 484	0.31 418	0.34 426	0.26 440	0.37 456	0.22 362	0.22 433	0.27 461	0.27 481	0.09 351	0.06 302	0.08 272	0.08 332	0.09 376	0.10 406

SGM-ForestM	0.32 504	0.12 406	0.16 343	0.16 140	0.11 382	0.39 512	0.19 395	0.41 501	0.50 497	0.52 519	0.54 509	1.32 549	0.42 518	0.40 517	0.27 481	0.14 477	0.16 498	0.16 489	0.16 492	0.12 441	0.12 441

LALA_ROB	0.25 480	0.16 461	0.22 431	0.26 487	0.17 493	0.27 475	0.27 491	0.42 506	0.37 446	0.33 486	0.38 461	0.51 515	0.26 458	0.28 472	0.27 481	0.16 497	0.09 423	0.12 444	0.11 441	0.13 457	0.12 441

MSMD_ROB	0.31 502	0.26 509	0.26 451	0.24 472	0.21 508	0.34 498	0.25 477	0.34 457	0.39 454	0.40 501	0.69 525	0.45 505	0.40 510	0.34 493	0.27 481	0.20 510	0.19 508	0.26 513	0.25 516	0.23 511	0.22 515

MFN_U_SF_DS_RVC	0.30 501	0.24 503	0.29 471	0.36 520	0.16 478	0.34 498	0.30 513	0.32 429	0.42 470	0.40 501	0.46 497	0.38 483	0.31 490	0.34 493	0.28 488	0.19 508	0.20 511	0.26 513	0.29 523	0.18 502	0.19 510

DISCO	0.19 417	0.09 306	0.22 431	0.17 214	0.10 335	0.25 458	0.18 357	0.27 365	0.44 480	0.22 402	0.31 423	0.33 462	0.26 458	0.28 472	0.28 488	0.08 295	0.06 302	0.07 191	0.07 268	0.09 376	0.09 382

XPNet_ROB	0.22 449	0.11 389	0.19 405	0.22 443	0.13 434	0.22 430	0.19 395	0.34 457	0.40 460	0.30 470	0.39 469	0.39 491	0.26 458	0.26 458	0.28 488	0.15 481	0.10 442	0.10 396	0.10 411	0.13 457	0.12 441

FC-DCNN v2	0.33 507	0.27 510	0.28 463	0.26 487	0.23 512	0.37 508	0.28 497	0.40 495	0.43 475	0.45 513	0.56 515	0.51 515	0.40 510	0.37 508	0.29 491	0.21 514	0.20 511	0.27 516	0.26 517	0.25 518	0.24 517

SHD	0.26 486	0.15 453	0.30 474	0.24 472	0.18 499	0.22 430	0.15 214	0.38 487	0.71 529	0.32 482	0.41 484	0.36 474	0.28 474	0.32 488	0.29 491	0.12 441	0.11 453	0.14 471	0.13 470	0.16 492	0.20 511

RTSC	0.23 464	0.12 406	0.28 463	0.21 428	0.13 434	0.28 481	0.16 279	0.35 469	0.66 525	0.27 446	0.33 439	0.30 439	0.21 424	0.31 482	0.29 491	0.10 388	0.08 397	0.09 351	0.10 411	0.13 457	0.13 459

ADCL	0.24 471	0.11 389	0.47 508	0.22 443	0.12 413	0.34 498	0.29 506	0.29 394	0.56 509	0.24 423	0.46 497	0.30 439	0.30 486	0.29 478	0.29 491	0.08 295	0.07 371	0.09 351	0.09 376	0.10 407	0.10 406

LE_ROB	0.50 527	0.07 135	0.14 260	0.15 69	0.08 125	0.24 448	0.16 279	0.22 269	1.81 559	4.63 562	0.67 523	0.47 512	0.44 520	0.20 404	0.29 491	0.07 235	0.06 302	0.06 99	0.06 181	0.08 316	0.06 195

Wz-Net-TNSev	0.29 496	0.20 489	0.65 524	0.19 351	0.15 468	0.38 511	0.27 491	0.35 469	0.55 507	0.34 488	0.42 490	0.45 505	0.38 505	0.32 488	0.30 496	0.12 441	0.13 480	0.10 396	0.12 460	0.15 485	0.14 476

Wz-Net-SNSev	0.25 480	0.17 472	0.44 503	0.25 482	0.14 452	0.26 466	0.23 451	0.38 487	0.56 509	0.30 470	0.55 510	0.39 491	0.26 458	0.23 442	0.30 496	0.10 388	0.09 423	0.09 351	0.10 411	0.11 427	0.11 429

FCDSN-DC	0.33 507	0.28 514	0.28 463	0.30 511	0.24 514	0.39 512	0.28 497	0.42 506	0.42 470	0.43 511	0.53 507	0.51 515	0.41 515	0.36 504	0.30 496	0.21 514	0.20 511	0.27 516	0.26 517	0.25 518	0.24 517
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
EDNetEfficient	0.29 496	0.24 503	1.13 547	0.18 295	0.10 335	0.19 391	0.20 416	0.20 225	0.60 518	0.74 536	0.56 515	0.31 451	0.39 507	0.22 431	0.30 496	0.09 351	0.07 371	0.08 272	0.07 268	0.11 427	0.09 382

RYNet	0.22 449	0.12 406	0.22 431	0.19 351	0.17 493	0.46 515	0.26 484	0.38 487	0.48 489	0.24 423	0.28 397	0.34 468	0.23 439	0.20 404	0.30 496	0.10 388	0.06 302	0.09 351	0.09 376	0.13 457	0.15 483

FC-DCNN	0.33 507	0.27 510	0.28 463	0.26 487	0.23 512	0.37 508	0.28 497	0.40 495	0.43 475	0.45 513	0.55 510	0.51 515	0.40 510	0.37 508	0.30 496	0.21 514	0.20 511	0.27 516	0.26 517	0.25 518	0.24 517

CSAN	0.29 496	0.24 503	0.27 458	0.34 516	0.19 502	0.33 495	0.42 532	0.37 480	0.50 497	0.38 496	0.40 474	0.44 503	0.33 494	0.28 472	0.30 496	0.20 510	0.16 498	0.19 502	0.19 504	0.14 470	0.15 483

Ntro	0.40 516	0.40 527	0.53 512	0.46 531	0.30 525	0.65 531	0.24 463	0.46 517	0.68 527	0.41 505	0.49 501	0.48 513	0.42 518	0.39 513	0.31 503	0.32 528	0.28 526	0.37 528	0.30 525	0.32 529	0.29 526

otaku	0.39 513	0.37 525	0.52 511	0.44 527	0.28 521	0.58 525	0.24 463	0.41 501	0.62 520	0.40 501	0.49 501	0.46 509	0.33 494	0.40 517	0.32 504	0.30 527	0.30 528	0.39 529	0.33 528	0.29 524	0.28 525

ADCPNet	0.25 480	0.16 461	0.61 521	0.21 428	0.15 468	0.35 506	0.25 477	0.32 429	0.35 435	0.30 470	0.40 474	0.36 474	0.28 474	0.28 472	0.32 504	0.12 441	0.10 442	0.11 427	0.12 460	0.14 470	0.13 459

GANetREF_RVC	0.31 502	0.34 522	0.27 458	0.35 518	0.16 478	0.32 489	0.41 529	0.48 519	0.51 504	0.35 489	0.35 447	0.34 468	0.33 494	0.39 513	0.32 504	0.27 526	0.20 511	0.29 523	0.15 488	0.18 502	0.17 502
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
ADCMid	0.25 480	0.15 453	0.40 498	0.20 399	0.14 452	0.25 458	0.26 484	0.34 457	0.38 451	0.36 491	0.44 495	0.34 468	0.40 510	0.35 499	0.33 507	0.10 388	0.09 423	0.11 427	0.11 441	0.13 457	0.12 441

AnyNet_C32	0.26 486	0.16 461	0.36 491	0.20 399	0.16 478	0.25 458	0.30 513	0.32 429	0.44 480	0.31 476	0.49 501	0.30 439	0.33 494	0.40 517	0.33 507	0.12 441	0.12 467	0.12 444	0.14 473	0.14 470	0.15 483

PDISCO_ROB	0.27 488	0.16 461	0.26 451	0.28 502	0.20 505	0.32 489	0.26 484	0.44 512	0.57 511	0.28 460	0.40 474	0.45 505	0.29 482	0.33 490	0.34 509	0.12 441	0.09 423	0.17 491	0.16 492	0.17 499	0.13 459

ACVNet_1	0.44 521	0.49 531	0.60 520	0.45 528	0.28 521	0.49 520	0.27 491	0.57 532	0.72 530	0.62 525	0.58 519	0.74 534	0.49 524	0.50 524	0.35 510	0.26 525	0.24 523	0.39 529	0.29 523	0.31 528	0.24 517

WZ-Net	0.28 492	0.17 472	0.78 538	0.22 443	0.16 478	0.34 498	0.29 506	0.39 491	0.57 511	0.24 423	0.55 510	0.37 479	0.24 445	0.33 490	0.35 510	0.09 351	0.08 397	0.09 351	0.10 411	0.14 470	0.16 494

RTS	0.45 523	0.19 485	3.26 556	0.24 472	0.15 468	0.74 538	0.20 416	0.36 475	0.76 536	0.42 508	0.43 493	0.31 451	0.41 515	0.53 529	0.35 510	0.10 388	0.08 397	0.13 459	0.12 460	0.15 485	0.15 483

RTSA	0.45 523	0.19 485	3.26 556	0.24 472	0.15 468	0.74 538	0.20 416	0.36 475	0.76 536	0.42 508	0.43 493	0.31 451	0.41 515	0.53 529	0.35 510	0.10 388	0.08 397	0.13 459	0.12 460	0.15 485	0.15 483

PASM	0.32 504	0.24 503	0.48 509	0.28 502	0.27 520	0.29 484	0.30 513	0.34 457	0.49 494	0.35 489	0.39 469	0.46 509	0.34 498	0.34 493	0.35 510	0.23 522	0.25 524	0.26 513	0.28 522	0.23 511	0.21 513

MFN_U_SF_RVC	0.32 504	0.21 495	0.55 515	0.30 511	0.15 468	0.34 498	0.17 312	0.52 525	0.46 487	0.46 516	0.55 510	0.59 522	0.39 507	0.35 499	0.37 515	0.15 481	0.14 489	0.18 500	0.21 507	0.16 492	0.15 483

MANE	0.45 523	0.27 510	0.27 458	0.27 499	0.24 514	0.47 517	0.31 519	0.55 529	0.59 515	0.72 532	1.13 551	1.15 543	0.61 534	0.52 527	0.37 515	0.21 514	0.20 511	0.27 516	0.31 527	0.25 518	0.24 517

PVD	0.39 513	0.20 489	0.39 497	0.31 515	0.22 510	0.29 484	0.43 534	0.52 525	0.96 543	0.55 522	0.79 535	0.53 519	0.59 533	0.52 527	0.38 517	0.19 508	0.14 489	0.17 491	0.14 473	0.24 517	0.31 529

XQC	0.28 492	0.23 500	0.51 510	0.28 502	0.19 502	0.34 498	0.27 491	0.36 475	0.57 511	0.31 476	0.30 415	0.37 479	0.30 486	0.38 510	0.38 517	0.13 464	0.09 423	0.15 483	0.12 460	0.17 499	0.18 505

EDNetEfficientorigin	7.91 565	0.31 519	153.02 580	0.19 351	0.09 234	0.21 422	0.16 279	0.22 269	0.59 515	0.72 532	0.67 523	0.42 498	0.50 525	0.24 451	0.39 519	0.08 295	0.07 371	0.08 272	0.07 268	0.12 441	0.10 406

SAMSARA	0.40 516	0.28 514	0.33 482	0.55 534	0.39 528	0.82 545	1.23 559	0.47 518	0.51 504	0.36 491	0.35 447	0.55 521	0.39 507	0.38 510	0.39 519	0.15 481	0.20 511	0.15 483	0.14 473	0.23 511	0.20 511

222	0.16 372	0.07 135	0.14 260	0.14 29	0.08 125	0.24 448	0.18 357	0.30 408	0.20 264	0.17 306	0.28 397	0.17 295	0.16 356	0.15 277	0.40 521	0.10 388	0.05 182	0.07 191	0.06 181	0.07 254	0.08 338

ADCS	0.29 496	0.18 482	0.45 504	0.21 428	0.17 493	0.28 481	0.23 451	0.41 501	0.63 521	0.40 501	0.49 501	0.40 495	0.36 502	0.39 513	0.40 521	0.13 464	0.12 467	0.13 459	0.14 473	0.16 492	0.16 494

ELAS_RVC	0.41 518	0.29 517	0.33 482	0.28 502	0.24 514	0.54 523	0.36 524	0.49 521	0.59 515	0.72 532	0.74 531	0.65 528	0.54 527	0.54 531	0.40 521	0.22 518	0.20 511	0.27 516	0.26 517	0.26 522	0.25 522
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
coex-ft	3.30 558	0.34 522	59.09 579	0.18 295	0.13 434	0.26 466	0.22 442	0.27 365	0.72 530	1.90 560	0.70 527	0.44 503	0.45 521	0.29 478	0.41 524	0.09 351	0.09 423	0.12 444	0.09 376	0.14 470	0.13 459

ccnet	0.29 496	0.28 514	0.23 440	0.20 399	0.28 521	0.41 514	0.21 433	0.45 515	0.33 415	0.36 491	0.46 497	0.36 474	0.30 486	0.39 513	0.42 525	0.23 522	0.14 489	0.21 505	0.17 499	0.23 511	0.18 505

BEATNet-Init1	0.52 528	0.27 510	0.62 522	0.30 511	0.21 508	0.76 542	0.29 506	0.54 528	0.65 524	0.86 541	0.95 542	2.07 558	0.62 536	0.56 533	0.42 525	0.18 503	0.18 505	0.23 510	0.22 510	0.22 510	0.21 513

ELAS	0.41 518	0.29 517	0.33 482	0.27 499	0.24 514	0.60 528	0.36 524	0.50 523	0.50 497	0.71 530	0.79 535	0.67 530	0.54 527	0.51 525	0.42 525	0.22 518	0.20 511	0.27 516	0.26 517	0.26 522	0.25 522
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
RainbowNet	0.54 530	0.61 536	0.70 536	0.57 535	0.43 532	0.65 531	0.37 527	0.60 534	0.87 540	0.50 518	0.66 522	0.64 526	0.47 522	0.49 523	0.43 528	0.47 537	0.48 541	0.52 536	0.41 531	0.52 534	0.40 536

MSC_U_SF_DS_RVC	0.43 520	0.39 526	0.54 513	0.40 523	0.20 505	0.64 530	0.32 521	0.53 527	0.72 530	0.71 530	0.72 528	0.61 524	0.54 527	0.51 525	0.46 529	0.20 510	0.19 508	0.29 523	0.30 525	0.23 511	0.18 505

ACVNet_2	0.66 536	0.66 540	0.68 532	0.63 536	0.41 530	0.71 536	0.49 536	0.96 547	1.39 552	0.89 542	1.09 547	1.04 539	0.73 540	0.54 531	0.47 530	0.43 535	0.40 534	0.53 537	0.44 533	0.47 532	0.35 533

AnyNet_C01	0.36 511	0.25 508	1.37 550	0.22 443	0.17 493	0.48 519	0.27 491	0.35 469	0.39 454	0.39 498	0.74 531	0.46 509	0.38 505	0.45 521	0.47 530	0.13 464	0.13 480	0.13 459	0.14 473	0.14 470	0.15 483

IMH-64-1	0.65 534	0.61 536	0.68 532	0.71 538	0.51 535	0.59 526	0.49 536	0.91 543	0.85 538	0.74 536	1.02 544	0.81 535	0.78 542	0.79 540	0.49 532	0.42 533	0.46 536	0.71 540	0.47 534	0.52 534	0.39 534

IMH-64	0.65 534	0.61 536	0.68 532	0.71 538	0.51 535	0.59 526	0.49 536	0.91 543	0.85 538	0.74 536	1.02 544	0.81 535	0.78 542	0.79 540	0.49 532	0.42 533	0.46 536	0.71 540	0.47 534	0.52 534	0.39 534

Consistency-Raft	0.44 521	0.40 527	0.45 504	0.37 522	0.43 532	0.46 515	0.41 529	0.57 532	0.55 507	0.32 482	0.73 529	0.33 462	0.48 523	0.42 520	0.49 532	0.39 531	0.35 532	0.45 531	0.51 539	0.42 531	0.29 526

anonymity	0.53 529	0.58 534	0.65 524	0.41 525	0.61 545	0.53 522	0.41 529	0.56 530	0.41 463	0.55 522	0.50 505	0.49 514	0.55 530	0.58 534	0.50 535	0.58 542	0.50 545	0.51 534	0.51 539	0.51 533	0.57 541

IMH	0.71 537	0.64 539	0.68 532	0.76 540	0.54 537	0.69 534	0.54 540	0.98 549	1.10 545	0.82 540	1.09 547	0.89 537	0.88 547	0.87 548	0.52 536	0.44 536	0.50 545	0.75 543	0.51 539	0.56 539	0.41 537

SGM+DAISY	0.56 531	0.57 533	0.65 524	0.40 523	0.54 537	0.66 533	0.49 536	0.56 530	0.45 486	0.66 526	0.69 525	0.67 530	0.56 531	0.63 536	0.56 537	0.59 543	0.48 541	0.50 533	0.50 538	0.52 534	0.58 542

ktn	1.01 552	1.21 556	0.80 541	1.23 557	0.86 555	1.01 553	0.87 554	0.94 546	1.39 552	1.04 548	1.12 550	1.15 543	1.07 553	0.94 552	0.59 538	1.28 559	0.71 557	1.38 559	0.83 553	1.02 556	0.75 554

MFMNet_re	0.64 533	0.66 540	0.65 524	0.51 532	0.69 549	0.69 534	0.57 542	0.64 536	0.73 534	0.60 524	0.73 529	0.62 525	0.67 538	0.65 537	0.60 539	0.66 547	0.58 554	0.63 538	0.59 542	0.68 545	0.69 551

NVStereoNet_ROB	0.46 526	0.36 524	0.46 507	0.41 525	0.28 521	0.34 498	0.34 522	0.48 519	0.60 518	0.72 532	0.93 540	0.70 533	0.66 537	0.47 522	0.60 539	0.22 518	0.33 531	0.34 527	0.34 530	0.30 525	0.30 528
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
SPS-STEREO	0.57 532	0.58 534	0.65 524	0.45 528	0.55 539	0.62 529	0.44 535	0.62 535	0.50 497	0.68 528	0.64 521	0.66 529	0.57 532	0.61 535	0.60 539	0.62 545	0.47 540	0.51 534	0.49 536	0.55 538	0.58 542
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
WAO-7	0.79 542	0.78 545	0.54 513	0.85 546	0.67 548	0.74 538	0.68 550	1.05 552	1.32 550	0.90 543	1.20 554	1.04 539	0.92 548	0.69 538	0.66 542	0.60 544	0.62 555	0.67 539	0.68 548	0.64 541	0.58 542

WAO-6	0.81 543	0.80 546	0.62 522	0.86 547	0.63 546	0.76 542	0.58 543	0.98 549	1.54 557	0.90 543	0.96 543	1.07 541	1.03 552	0.70 539	0.66 542	0.72 548	0.49 543	0.90 551	0.71 549	0.68 545	0.58 542

PWCK	0.71 537	0.94 551	0.95 545	0.76 540	0.31 526	0.74 538	0.36 524	0.90 542	0.90 541	0.96 545	0.75 533	0.95 538	0.61 534	0.87 548	0.66 542	0.72 548	0.46 536	0.75 543	0.49 536	0.69 547	0.44 538

TorneroNet-64	0.76 541	0.72 543	0.74 537	0.78 542	0.58 543	0.91 549	0.56 541	0.84 541	1.29 549	0.66 526	0.90 538	1.40 551	0.75 541	0.85 546	0.67 545	0.49 538	0.46 536	0.72 542	0.59 542	0.67 544	0.53 540

notaker	0.97 550	1.11 554	0.98 546	1.13 555	0.81 553	0.73 537	0.68 550	0.93 545	1.16 546	1.18 555	1.18 553	1.41 552	1.16 557	1.08 557	0.69 546	0.81 553	0.64 556	1.17 555	0.79 552	0.98 554	0.80 555

LVE	0.83 545	0.85 549	0.85 543	0.80 543	0.56 540	1.04 555	0.65 547	1.05 552	1.47 555	0.96 545	1.22 555	1.10 542	0.85 545	0.83 543	0.71 547	0.49 538	0.55 551	0.76 546	0.60 544	0.65 542	0.59 547

WAO-8	0.91 547	0.81 547	0.65 524	0.94 550	0.69 549	0.90 546	0.67 548	1.07 555	1.83 560	1.06 550	1.45 557	1.30 546	1.07 553	0.84 544	0.78 548	0.74 550	0.53 548	0.86 549	0.75 550	0.69 547	0.62 548

Venus	0.91 547	0.81 547	0.65 524	0.94 550	0.69 549	0.90 546	0.67 548	1.07 555	1.83 560	1.06 550	1.45 557	1.30 546	1.07 553	0.84 544	0.78 548	0.74 550	0.53 548	0.86 549	0.75 550	0.69 547	0.62 548

TorneroNet	0.82 544	0.74 544	0.81 542	0.84 545	0.63 546	0.99 551	0.63 544	0.96 547	1.16 546	0.80 539	1.11 549	1.36 550	0.86 546	0.93 551	0.80 550	0.56 540	0.49 543	0.78 548	0.66 547	0.73 550	0.63 550

Dean	0.87 546	0.86 550	0.79 540	0.81 544	0.56 540	0.90 546	0.63 544	1.15 558	1.73 558	1.15 553	1.15 552	1.31 548	0.99 551	0.81 542	0.81 551	0.57 541	0.56 552	0.77 547	0.64 545	0.66 543	0.58 542

KSHMR	1.09 553	1.17 555	0.88 544	1.25 558	1.00 557	0.99 551	0.96 556	1.13 557	1.37 551	1.16 554	1.29 556	1.41 552	0.96 550	1.01 554	0.92 552	1.03 557	1.08 559	1.20 556	1.03 558	1.01 555	0.97 557

UNDER WATER-64	0.95 549	0.94 551	1.43 552	0.87 548	0.56 540	1.18 558	0.87 554	0.77 539	0.94 542	1.04 548	0.85 537	1.58 556	1.21 558	0.94 552	0.96 553	0.87 554	0.57 553	1.03 554	0.88 555	0.78 551	0.73 552

UNDER WATER	0.97 550	0.97 553	1.42 551	0.99 552	0.70 552	1.12 557	0.84 553	0.80 540	1.08 544	1.01 547	0.90 538	1.55 555	1.22 559	1.03 555	1.00 554	0.78 552	0.53 548	1.02 553	0.87 554	0.80 552	0.74 553

JetBlue	0.71 537	0.45 530	1.14 548	0.51 532	0.47 534	2.02 559	0.64 546	0.75 538	0.70 528	0.69 529	0.77 534	1.22 545	0.83 544	1.03 555	1.01 555	0.40 532	0.28 526	0.33 526	0.33 528	0.30 525	0.34 532

MADNet+	0.75 540	0.71 542	3.70 559	0.66 537	0.41 530	0.98 550	0.97 557	0.69 537	0.73 534	0.52 519	0.57 517	0.64 526	0.68 539	0.86 547	1.01 555	0.34 530	0.36 533	0.28 522	0.23 514	0.36 530	0.31 529

DPSimNet_ROB	1.11 554	1.23 557	0.78 538	1.13 555	0.88 556	1.10 556	1.13 558	1.16 559	1.23 548	1.43 557	1.02 544	1.41 552	1.10 556	0.90 550	1.60 557	1.46 560	0.51 547	1.21 557	1.03 558	0.90 553	1.01 559

HanzoNet	1.29 555	1.26 558	1.19 549	1.12 554	0.85 554	1.02 554	0.83 552	1.03 551	1.48 556	1.64 558	1.61 559	2.50 560	1.72 560	1.61 559	1.61 558	1.26 558	0.80 558	1.31 558	1.01 557	1.02 556	0.86 556

LRCNet_RVC	10.62 570	13.42 574	7.30 562	18.92 573	2.07 561	0.33 495	0.30 513	5.59 565	0.48 489	13.03 572	17.94 573	8.87 567	5.65 563	4.79 563	1.89 559	23.51 577	2.73 566	27.55 578	25.71 578	16.07 575	16.33 576

MADNet++	1.95 557	1.75 560	1.59 553	1.82 559	1.69 560	2.33 560	1.40 560	2.35 561	2.09 562	2.57 561	2.36 562	2.24 559	2.17 561	2.28 560	2.34 560	1.87 561	1.66 561	1.54 560	1.34 560	1.92 559	1.77 561

TCMNet-wrong-test	3.67 559	5.48 569	3.89 560	12.18 571	11.75 572	4.65 561	3.88 562	1.06 554	0.72 530	1.09 552	2.15 561	6.30 565	0.53 526	3.43 562	2.36 561	0.89 555	0.20 511	1.87 562	1.69 561	5.57 567	3.62 567

JetRed	1.62 556	1.46 559	2.98 554	0.92 549	1.21 558	4.99 562	1.53 561	1.27 560	1.39 552	1.83 559	1.74 560	1.60 557	0.95 549	1.41 558	2.45 562	0.90 556	1.60 560	0.93 552	0.90 556	1.35 558	0.99 558

PML	8.91 568	9.34 573	6.13 561	5.35 564	6.41 565	14.99 569	23.38 573	5.27 562	6.83 564	18.04 574	28.19 579	7.67 566	6.83 564	7.85 567	5.75 563	5.35 568	1.83 562	5.95 572	1.93 562	8.64 570	2.52 563

tt	4.67 560	0.06 54	3.55 558	2.02 560	1.55 559	10.25 566	16.71 566	8.91 570	5.03 563	1.31 556	0.94 541	4.71 561	4.76 562	3.33 561	5.87 564	6.06 569	10.30 573	1.88 563	2.11 563	2.75 561	1.21 560

USTest	6.22 561	2.73 562	3.00 555	6.57 567	7.29 566	14.37 568	21.57 567	7.00 569	9.56 568	5.34 565	6.10 563	5.72 564	7.64 565	6.41 566	6.96 565	1.97 562	3.42 567	1.64 561	2.15 564	2.66 560	2.36 562

xxxxx1	7.79 562	5.02 566	7.31 563	3.12 561	3.85 562	16.35 570	22.88 568	5.86 566	8.69 565	7.97 566	8.54 564	9.12 568	8.27 566	10.18 568	10.92 566	2.42 563	2.45 563	3.56 566	12.37 570	3.77 562	3.06 564

tt_ll	7.79 562	5.02 566	7.31 563	3.12 561	3.85 562	16.35 570	22.88 568	5.86 566	8.69 565	7.97 566	8.54 564	9.12 568	8.27 566	10.18 568	10.92 566	2.42 563	2.45 563	3.56 566	12.37 570	3.77 562	3.06 564

ff	7.79 562	5.02 566	7.31 563	3.12 561	3.85 562	16.35 570	22.88 568	5.86 566	8.69 565	7.97 566	8.54 564	9.12 568	8.27 566	10.18 568	10.92 566	2.42 563	2.45 563	3.56 566	12.37 570	3.77 562	3.06 564

DPSMNet_ROB	8.06 566	4.48 564	8.63 569	5.37 566	10.74 569	8.32 564	22.98 572	5.46 563	13.36 571	5.12 563	9.92 567	5.08 562	10.40 569	5.53 565	12.58 569	3.80 567	8.00 568	3.50 564	7.02 567	3.83 565	7.14 569

DGTPSM_ROB	8.06 566	4.48 564	8.63 569	5.35 564	10.72 568	8.32 564	22.97 571	5.46 563	13.35 570	5.12 563	9.92 567	5.08 562	10.40 569	5.52 564	12.58 569	3.79 566	8.00 568	3.50 564	7.02 567	3.83 565	7.14 569

Anonymous_1	10.96 571	7.92 570	7.46 566	10.33 568	10.06 567	18.65 574	26.34 574	11.06 571	13.44 572	9.40 569	10.05 569	9.67 571	11.23 571	10.73 571	12.72 571	6.42 570	8.38 570	5.77 569	10.61 569	12.12 571	6.77 568

DPSM_ROB	11.15 572	8.58 571	8.00 567	10.88 569	11.58 570	19.10 575	26.71 575	12.05 572	14.07 573	10.36 570	10.84 570	10.33 572	11.86 572	11.70 572	13.54 572	6.99 571	8.79 571	5.89 570	6.95 565	7.29 568	7.42 571

DPSM	11.15 572	8.58 571	8.00 567	10.88 569	11.58 570	19.10 575	26.71 575	12.05 572	14.07 573	10.36 570	10.84 570	10.33 572	11.86 572	11.70 572	13.54 572	6.99 571	8.79 571	5.89 570	6.95 565	7.29 568	7.42 571

HaxPig	15.71 574	18.52 578	19.18 574	16.89 572	15.89 574	7.73 563	7.60 563	13.31 574	10.82 569	15.42 573	14.91 572	15.98 574	14.92 574	15.58 574	15.98 574	18.95 576	16.73 574	19.46 576	18.08 576	19.26 576	19.05 577

MEDIAN_ROB	20.38 575	24.04 579	23.31 576	21.23 574	21.71 575	10.40 567	7.92 564	17.64 575	15.50 575	20.12 575	19.70 574	20.34 575	20.32 575	21.19 575	21.13 575	23.81 578	21.81 578	24.98 577	23.76 577	24.71 577	23.93 578

AVERAGE_ROB	24.90 579	29.20 580	28.14 577	24.89 578	24.64 578	17.75 573	11.12 565	21.45 576	19.93 576	25.12 579	24.46 578	25.12 579	25.46 579	24.69 579	22.83 576	29.76 579	27.13 579	28.97 579	27.95 579	29.91 578	29.47 579

CasAABBNet	22.42 576	17.33 576	16.01 571	22.01 575	23.28 576	38.32 577	53.80 578	24.14 577	28.41 578	20.60 576	21.77 576	20.89 577	23.91 577	23.43 576	27.36 577	14.07 573	17.69 576	11.83 574	14.01 574	14.67 572	14.95 574

LSM0	22.87 578	17.28 575	18.96 573	22.19 577	29.04 579	38.42 579	53.71 577	24.28 578	28.31 577	20.78 578	21.00 575	21.43 578	24.16 578	23.50 577	27.39 578	14.09 575	17.38 575	11.84 575	14.04 575	14.73 574	14.89 573

Selective-RAFT-Error	22.47 577	17.37 577	16.09 572	22.06 576	23.34 577	38.39 578	53.83 579	24.29 579	28.47 579	20.74 577	21.83 577	20.81 576	23.90 576	23.54 578	27.53 579	14.08 574	17.69 576	11.82 573	14.00 573	14.69 573	15.00 575

test_example2	98.32 580	94.13 581	45.89 578	96.35 579	109.85 580	88.61 580	95.45 580	25.75 580	94.37 580	130.00 581	126.06 580	58.17 580	74.63 580	88.51 580	79.96 580	150.23 580	221.02 580	77.62 580	99.10 580	113.75 580	96.94 580

ccccc		285.66 582		368.85 581	370.60 581	123.16 581		115.05 581		126.68 580		122.83 581		252.94 581		384.56 581	353.86 581	254.69 581	223.00 581	425.87 581

ASD4		3.38 563

Low-res two-view benchmark