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

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

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

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

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

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

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

Wz-Net-TNSev	0.02 14	0.05 38	0.04 32	0.07 35	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.06 43	0.04 33	0.01 9	0.01 9	0.01 9	0.01 9

Wz-Net-SNSev	0.03 25	0.09 51	0.07 46	0.09 41	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.09 53	0.07 44	0.01 9	0.01 9	0.01 9	0.01 9

Wz-Net-LNSev	0.06 31	0.24 102	0.20 140	0.23 124	0.01 9	0.02 18	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.23 149	0.21 148	0.02 18	0.01 9	0.01 9	0.01 9

Wz-Net-MNSev	0.06 31	0.54 173	0.10 57	0.12 68	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.12 78	0.11 81	0.01 9	0.01 9	0.01 9	0.01 9

WZ-Net	0.05 29	0.50 164	0.10 57	0.12 68	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.12 78	0.10 60	0.01 9	0.01 9	0.01 9	0.01 9

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

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

PWCDC_ROB	0.01 9	0.01 9	0.02 13	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9

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

CoDeX	0.15 103	0.70 181	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.01 9	0.02 19	0.67 290	0.02 14	0.69 274	0.75 292	0.01 9	0.02 19	0.02 19

coex-ft	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

fast-acv-ft	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

CBFPSM	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

iinet-f	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

Wz-Net-LNSev-Ref	0.11 71	0.44 147	0.33 188	0.39 170	0.02 20	0.03 36	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.39 211	0.36 203	0.02 18	0.02 20	0.02 19	0.02 19

psmg	0.43 207	1.91 324	0.92 300	1.91 370	0.02 20	0.02 18	0.03 40	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.03 33	0.02 19	1.97 392	1.44 384	0.04 59	0.03 46	0.02 19	0.03 43

CSP-Net	0.34 164	1.29 299	1.19 321	1.36 357	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	1.26 367	1.21 371	0.03 34	0.09 90	0.02 19	0.09 89

SFCPSM	0.17 113	0.78 184	0.02 13	0.02 14	0.01 9	0.02 18	0.02 19	0.02 19	0.01 9	0.02 19	0.02 19	0.02 19	0.01 9	0.02 19	0.79 307	0.02 14	0.75 284	0.76 294	0.02 20	0.02 19	0.02 19

Syn2CoEx	0.25 134	1.31 302	0.74 281	0.92 266	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.03 38	0.02 21	0.02 19	0.02 19	0.87 292	0.75 284	0.02 18	0.02 20	0.02 19	0.02 19

MFN_U_SF_RVC	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

MSC_U_SF_DS_RVC	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

MFN_U_SF_DS_RVC	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

ADCMid	0.08 38	0.02 12	0.02 13	1.01 281	0.03 40	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.04 57	0.09 87	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

ADCS	0.09 39	0.02 12	0.04 32	0.90 261	0.06 88	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.14 108	0.36 223	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

AnyNet_C01	0.11 71	0.02 12	0.02 13	1.62 365	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.03 36	0.02 19	0.02 19	0.02 21	0.06 70	0.04 61	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.03 43

AnyNet_C32	0.14 93	0.04 31	0.03 29	2.22 379	0.04 65	0.03 36	0.03 40	0.03 38	0.03 47	0.03 36	0.03 44	0.04 62	0.02 21	0.07 83	0.04 61	0.02 14	0.02 14	0.03 34	0.03 46	0.02 19	0.03 43

RYNet	0.02 14	0.02 12	0.02 13	0.03 25	0.03 40	0.03 36	0.02 19	0.02 19	0.02 20	0.03 36	0.02 19	0.02 19	0.03 44	0.03 33	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

LSM	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

LSM0	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

DualNet (step1)	0.10 50	1.05 232	0.12 87	0.12 68	0.03 40	0.03 36	0.03 40	0.03 38	0.03 47	0.04 60	0.02 19	0.03 38	0.03 44	0.03 33	0.03 39	0.12 78	0.12 94	0.03 34	0.03 46	0.03 39	0.03 43

test_sample9	0.10 50	1.05 232	0.12 87	0.12 68	0.03 40	0.03 36	0.03 40	0.03 38	0.03 47	0.04 60	0.02 19	0.03 38	0.03 44	0.03 33	0.03 39	0.12 78	0.12 94	0.03 34	0.03 46	0.03 39	0.03 43

test_sample8	0.10 50	1.05 232	0.12 87	0.12 68	0.03 40	0.03 36	0.03 40	0.03 38	0.03 47	0.03 36	0.03 44	0.03 38	0.03 44	0.03 33	0.03 39	0.12 78	0.12 94	0.03 34	0.03 46	0.03 39	0.03 43

test_sample7	0.09 39	1.00 216	0.11 76	0.11 62	0.02 20	0.03 36	0.03 40	0.03 38	0.03 47	0.04 60	0.03 44	0.03 38	0.03 44	0.03 33	0.03 39	0.12 78	0.12 94	0.03 34	0.03 46	0.03 39	0.03 43

test_sample6	0.09 39	0.97 212	0.10 57	0.10 45	0.03 40	0.03 36	0.02 19	0.03 38	0.02 20	0.03 36	0.03 44	0.03 38	0.02 21	0.03 33	0.02 19	0.10 58	0.10 60	0.03 34	0.02 20	0.03 39	0.02 19

test_sample4	0.10 50	1.03 228	0.12 87	0.10 45	0.03 40	0.03 36	0.03 40	0.03 38	0.03 47	0.03 36	0.03 44	0.03 38	0.03 44	0.03 33	0.03 39	0.13 94	0.13 118	0.03 34	0.03 46	0.03 39	0.03 43

test_sample3	0.09 39	0.87 195	0.10 57	0.12 68	0.03 40	0.03 36	0.03 40	0.03 38	0.03 47	0.03 36	0.03 44	0.03 38	0.03 44	0.03 33	0.03 39	0.12 78	0.10 60	0.03 34	0.02 20	0.03 39	0.02 19

test_sample2	0.09 39	1.03 228	0.11 76	0.11 62	0.03 40	0.03 36	0.03 40	0.03 38	0.02 20	0.03 36	0.02 19	0.03 38	0.02 21	0.03 33	0.02 19	0.09 53	0.09 55	0.03 34	0.02 20	0.03 39	0.02 19

test_sample1	0.09 39	0.87 195	0.12 87	0.11 62	0.03 40	0.03 36	0.03 40	0.03 38	0.02 20	0.04 60	0.02 19	0.03 38	0.03 44	0.03 33	0.03 39	0.10 58	0.10 60	0.03 34	0.02 20	0.03 39	0.02 19

SMFormer	0.09 39	1.01 222	0.09 53	0.09 41	0.03 40	0.03 36	0.02 19	0.03 38	0.02 20	0.03 36	0.02 19	0.03 38	0.02 21	0.03 33	0.02 19	0.09 53	0.09 55	0.03 34	0.02 20	0.03 39	0.02 19

tta	0.09 39	0.95 209	0.09 53	0.10 45	0.02 20	0.03 36	0.02 19	0.03 38	0.02 20	0.03 36	0.02 19	0.03 38	0.02 21	0.03 33	0.02 19	0.09 53	0.10 60	0.03 34	0.02 20	0.03 39	0.02 19

qqq1	0.25 134	3.70 373	0.14 110	0.14 85	0.04 65	0.06 75	0.05 75	0.06 77	0.05 80	0.06 78	0.05 82	0.04 62	0.05 76	0.06 70	0.05 71	0.13 94	0.12 94	0.06 75	0.05 77	0.03 39	0.04 64

fff1	0.25 134	3.70 373	0.14 110	0.14 85	0.04 65	0.06 75	0.05 75	0.06 77	0.05 80	0.06 78	0.05 82	0.04 62	0.05 76	0.06 70	0.05 71	0.13 94	0.12 94	0.06 75	0.05 77	0.03 39	0.04 64

ttt	0.10 50	1.09 237	0.12 87	0.12 68	0.03 40	0.03 36	0.03 40	0.03 38	0.03 47	0.03 36	0.03 44	0.03 38	0.03 44	0.03 33	0.03 39	0.12 78	0.12 94	0.03 34	0.02 20	0.03 39	0.02 19

1111x	0.10 50	1.14 241	0.13 106	0.14 85	0.03 40	0.04 63	0.03 40	0.03 38	0.03 47	0.03 36	0.03 44	0.03 38	0.03 44	0.03 33	0.03 39	0.13 94	0.11 81	0.03 34	0.02 20	0.03 39	0.02 19

xxx	0.09 39	1.01 222	0.10 57	0.10 45	0.03 40	0.03 36	0.03 40	0.03 38	0.02 20	0.03 36	0.03 44	0.03 38	0.02 21	0.03 33	0.02 19	0.10 58	0.10 60	0.03 34	0.02 20	0.03 39	0.03 43

qqq	0.16 110	2.01 332	0.12 87	0.15 94	0.04 65	0.06 75	0.05 75	0.06 77	0.04 67	0.06 78	0.03 44	0.06 80	0.03 44	0.06 70	0.03 39	0.12 78	0.14 120	0.04 59	0.04 63	0.03 39	0.03 43

x	0.11 71	1.15 243	0.15 124	0.14 85	0.03 40	0.03 36	0.03 40	0.03 38	0.03 47	0.04 60	0.03 44	0.03 38	0.03 44	0.03 33	0.03 39	0.14 100	0.15 123	0.03 34	0.03 46	0.03 39	0.03 43

test_xeample	0.10 50	1.09 237	0.13 106	0.12 68	0.03 40	0.03 36	0.03 40	0.04 62	0.03 47	0.03 36	0.03 44	0.03 38	0.03 44	0.03 33	0.03 39	0.14 100	0.14 120	0.03 34	0.03 46	0.03 39	0.03 43

BEATNet_4x	0.11 71	0.03 27	0.03 29	1.60 363	0.03 40	0.03 36	0.03 40	0.03 38	0.03 47	0.03 36	0.03 44	0.03 38	0.03 44	0.05 66	0.03 39	0.03 30	0.03 28	0.03 34	0.03 46	0.03 39	0.03 43

ADCL	0.11 71	0.03 27	0.03 29	1.60 363	0.03 40	0.03 36	0.03 40	0.03 38	0.03 47	0.03 36	0.03 44	0.03 38	0.03 44	0.05 66	0.03 39	0.03 30	0.03 28	0.03 34	0.03 46	0.03 39	0.03 43

ADCRef	0.12 79	0.03 27	0.04 32	1.71 366	0.04 65	0.03 36	0.03 40	0.04 62	0.04 67	0.04 60	0.03 44	0.04 62	0.03 44	0.06 70	0.04 61	0.04 32	0.04 33	0.04 59	0.04 63	0.03 39	0.04 64

ADCPNet	0.10 50	0.03 27	0.04 32	1.27 352	0.03 40	0.04 63	0.03 40	0.03 38	0.03 47	0.04 60	0.03 44	0.04 62	0.03 44	0.08 86	0.04 61	0.04 32	0.03 28	0.03 34	0.03 46	0.03 39	0.03 43

test_sample5	0.10 50	1.07 235	0.11 76	0.10 45	0.03 40	0.03 36	0.03 40	0.03 38	0.03 47	0.03 36	0.03 44	0.03 38	0.03 44	0.03 33	0.03 39	0.10 58	0.10 60	0.03 34	0.03 46	0.04 62	0.03 43

DualNet	0.10 50	1.07 235	0.11 76	0.10 45	0.03 40	0.03 36	0.03 40	0.03 38	0.03 47	0.03 36	0.03 44	0.03 38	0.03 44	0.03 33	0.03 39	0.10 58	0.10 60	0.03 34	0.03 46	0.04 62	0.03 43

GASNet	0.05 29	0.04 31	0.12 87	0.04 26	0.04 65	0.04 63	0.05 75	0.04 62	0.04 67	0.12 103	0.04 74	0.06 80	0.04 70	0.04 57	0.04 61	0.04 32	0.04 33	0.04 59	0.04 63	0.04 62	0.04 64

222	0.10 50	0.99 215	0.12 87	0.13 81	0.03 40	0.03 36	0.03 40	0.03 38	0.03 47	0.03 36	0.03 44	0.03 38	0.03 44	0.03 33	0.03 39	0.12 78	0.12 94	0.03 34	0.02 20	0.04 62	0.03 43

xxxx	0.11 71	1.16 244	0.16 125	0.12 68	0.03 40	0.03 36	0.03 40	0.03 38	0.03 47	0.03 36	0.03 44	0.03 38	0.03 44	0.03 33	0.03 39	0.13 94	0.16 125	0.03 34	0.04 63	0.04 62	0.04 64

EDNetEfficientorigin	0.04 26	0.06 42	0.04 32	0.05 32	0.04 65	0.05 73	0.04 66	0.05 72	0.04 67	0.05 75	0.04 74	0.05 74	0.04 70	0.05 66	0.04 61	0.05 39	0.03 28	0.06 75	0.03 46	0.04 62	0.03 43

EDNetEfficient	0.04 26	0.05 38	0.04 32	0.04 26	0.03 40	0.04 63	0.03 40	0.04 62	0.03 47	0.04 60	0.03 44	0.04 62	0.03 44	0.04 57	0.03 39	0.05 39	0.03 28	0.05 69	0.03 46	0.04 62	0.03 43

FADNet-RVC-Resample	0.12 79	0.04 31	0.04 32	0.04 26	0.04 65	0.04 63	0.04 66	0.04 62	0.04 67	0.04 60	0.04 74	0.04 62	0.04 70	0.04 57	1.57 399	0.04 32	0.04 33	0.04 59	0.05 77	0.04 62	0.06 83

FADNet_RVC	0.12 79	0.04 31	0.04 32	0.05 32	0.04 65	0.04 63	0.04 66	0.04 62	0.04 67	0.04 60	0.04 74	0.04 62	0.05 76	0.04 57	1.65 403	0.05 39	0.04 33	0.04 59	0.04 63	0.04 62	0.04 64

FADNet	0.12 79	0.05 38	0.04 32	0.04 26	0.04 65	0.04 63	0.04 66	0.04 62	0.04 67	0.04 60	0.04 74	0.04 62	0.05 76	0.04 57	1.66 404	0.06 43	0.04 33	0.04 59	0.04 63	0.04 62	0.04 64

ADCP+	0.15 103	0.04 31	0.04 32	2.20 378	0.04 65	0.04 63	0.04 66	0.04 62	0.04 67	0.04 60	0.05 82	0.04 62	0.04 70	0.08 86	0.04 61	0.04 32	0.04 33	0.04 59	0.04 63	0.04 62	0.04 64

NVStereoNet_ROB	0.04 26	0.04 31	0.04 32	0.04 26	0.04 65	0.04 63	0.04 66	0.04 62	0.04 67	0.04 60	0.04 74	0.04 62	0.04 70	0.04 57	0.04 61	0.04 32	0.04 33	0.04 59	0.04 63	0.04 62	0.04 64
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
mmm	0.14 93	1.83 320	0.12 87	0.11 62	0.03 40	0.03 36	0.03 40	0.03 38	0.04 67	0.03 36	0.03 44	0.03 38	0.03 44	0.06 70	0.04 61	0.12 78	0.11 81	0.05 69	0.04 63	0.05 74	0.04 64

11t1	0.17 113	2.16 338	0.13 106	0.13 81	0.04 65	0.06 75	0.04 66	0.06 77	0.04 67	0.06 78	0.03 44	0.06 80	0.03 44	0.06 70	0.05 71	0.18 128	0.12 94	0.06 75	0.03 46	0.05 74	0.03 43

APVNet	0.09 39	0.05 38	0.04 32	0.05 32	0.04 65	0.05 73	0.90 313	0.06 77	0.04 67	0.05 75	0.04 74	0.05 74	0.04 70	0.05 66	0.04 61	0.05 39	0.04 33	0.05 69	0.04 63	0.05 74	0.05 78

ffm	0.25 134	3.83 378	0.12 87	0.12 68	0.05 80	0.06 75	0.05 75	0.06 77	0.05 80	0.03 36	0.03 44	0.06 80	0.05 76	0.06 70	0.05 71	0.12 78	0.12 94	0.05 69	0.04 63	0.06 77	0.04 64

ff1	0.25 134	3.83 378	0.12 87	0.12 68	0.05 80	0.06 75	0.05 75	0.06 77	0.05 80	0.03 36	0.03 44	0.06 80	0.05 76	0.06 70	0.05 71	0.12 78	0.12 94	0.05 69	0.04 63	0.06 77	0.04 64

mmx	0.25 134	3.83 378	0.12 87	0.12 68	0.05 80	0.06 75	0.05 75	0.06 77	0.05 80	0.03 36	0.03 44	0.06 80	0.05 76	0.06 70	0.05 71	0.12 78	0.12 94	0.05 69	0.04 63	0.06 77	0.04 64

AASNet	0.06 31	0.08 45	0.08 48	0.08 37	0.05 80	0.06 75	0.05 75	0.05 72	0.06 87	0.06 78	0.06 87	0.05 74	0.06 87	0.06 70	0.05 71	0.08 47	0.08 46	0.08 82	0.05 77	0.06 77	0.05 78

SACVNet	0.06 31	0.08 45	0.08 48	0.08 37	0.05 80	0.06 75	0.05 75	0.05 72	0.06 87	0.06 78	0.06 87	0.05 74	0.06 87	0.06 70	0.05 71	0.08 47	0.08 46	0.08 82	0.05 77	0.06 77	0.05 78

AACVNet	0.06 31	0.08 45	0.08 48	0.08 37	0.05 80	0.06 75	0.05 75	0.05 72	0.06 87	0.06 78	0.06 87	0.05 74	0.06 87	0.06 70	0.05 71	0.08 47	0.08 46	0.08 82	0.05 77	0.06 77	0.05 78

FINET	0.07 36	0.08 45	0.07 46	0.07 35	0.07 89	0.08 85	0.06 86	0.08 88	0.07 90	0.08 85	0.07 90	0.08 86	0.06 87	0.07 83	0.07 82	0.08 47	0.07 44	0.07 80	0.07 84	0.06 77	0.06 83

GwcNet	0.12 79	0.07 44	0.05 45	0.08 37	0.05 80	0.08 85	1.20 339	0.07 85	0.05 80	0.05 75	0.05 82	0.08 86	0.05 76	0.08 86	0.03 39	0.07 45	0.05 43	0.06 75	0.05 77	0.07 84	0.05 78

FADNet-RVC	0.13 84	0.04 31	0.04 32	0.04 26	0.04 65	0.04 63	0.05 75	0.04 62	0.04 67	0.04 60	0.05 82	0.04 62	0.05 76	0.04 57	1.71 406	0.04 32	0.04 33	0.04 59	0.04 63	0.07 84	0.04 64

BEATNet-Init1	0.19 116	0.08 45	0.08 48	2.23 380	0.08 90	0.08 85	0.07 89	0.07 85	0.08 92	0.08 85	0.07 90	0.08 86	0.07 91	0.11 102	0.08 84	0.08 47	0.08 46	0.08 82	0.07 84	0.08 86	0.08 86

SuperB	0.21 125	0.10 53	2.51 413	0.12 68	0.09 92	0.10 90	0.09 91	0.08 88	0.07 90	0.10 89	0.09 93	0.09 90	0.07 91	0.07 83	0.07 82	0.07 45	0.08 46	0.07 80	0.07 84	0.08 86	0.07 85

DeepPrunerF	0.19 116	0.08 45	0.08 48	2.23 380	0.08 90	0.08 85	0.07 89	0.07 85	0.08 92	0.08 85	0.07 90	0.08 86	0.07 91	0.11 102	0.08 84	0.08 47	0.08 46	0.08 82	0.07 84	0.08 86	0.08 86

SepStereo	0.09 39	0.09 51	0.10 57	0.09 41	0.09 92	0.09 89	0.09 91	0.10 90	0.08 92	0.10 89	0.09 93	0.09 90	0.09 94	0.09 89	0.08 84	0.09 53	0.08 46	0.09 87	0.08 88	0.09 89	0.08 86

AnonymousM	0.10 50	0.10 53	0.10 57	0.10 45	0.10 98	0.10 90	0.10 96	0.10 90	0.10 96	0.10 89	0.10 97	0.10 92	0.10 98	0.10 91	0.10 92	0.10 58	0.10 60	0.10 88	0.10 96	0.10 90	0.10 93

PVD	0.10 50	0.10 53	0.10 57	0.10 45	0.10 98	0.10 90	0.10 96	0.10 90	0.10 96	0.10 89	0.10 97	0.10 92	0.10 98	0.10 91	0.10 92	0.10 58	0.10 60	0.10 88	0.10 96	0.10 90	0.10 93

SHD	0.10 50	0.10 53	0.10 57	0.10 45	0.10 98	0.10 90	0.10 96	0.10 90	0.10 96	0.10 89	0.10 97	0.10 92	0.10 98	0.10 91	0.10 92	0.10 58	0.10 60	0.10 88	0.10 96	0.10 90	0.10 93

SAMSARA	0.10 50	0.10 53	0.10 57	0.10 45	0.10 98	0.10 90	0.10 96	0.10 90	0.10 96	0.10 89	0.10 97	0.10 92	0.10 98	0.10 91	0.10 92	0.10 58	0.10 60	0.10 88	0.10 96	0.10 90	0.10 93

XQC	0.10 50	0.10 53	0.10 57	0.10 45	0.10 98	0.10 90	0.10 96	0.10 90	0.10 96	0.10 89	0.10 97	0.10 92	0.10 98	0.10 91	0.10 92	0.10 58	0.10 60	0.10 88	0.10 96	0.10 90	0.10 93

RTSC	0.10 50	0.10 53	0.10 57	0.10 45	0.10 98	0.10 90	0.10 96	0.10 90	0.10 96	0.10 89	0.10 97	0.10 92	0.10 98	0.10 91	0.10 92	0.10 58	0.10 60	0.10 88	0.10 96	0.10 90	0.10 93

RTS	0.10 50	0.10 53	0.10 57	0.10 45	0.10 98	0.10 90	0.10 96	0.10 90	0.10 96	0.10 89	0.10 97	0.10 92	0.10 98	0.10 91	0.10 92	0.10 58	0.10 60	0.10 88	0.10 96	0.10 90	0.10 93

RTSA	0.10 50	0.10 53	0.10 57	0.10 45	0.10 98	0.10 90	0.10 96	0.10 90	0.10 96	0.10 89	0.10 97	0.10 92	0.10 98	0.10 91	0.10 92	0.10 58	0.10 60	0.10 88	0.10 96	0.10 90	0.10 93

MADNet+	0.10 50	0.10 53	0.10 57	0.10 45	0.10 98	0.10 90	0.10 96	0.10 90	0.10 96	0.10 89	0.10 97	0.10 92	0.10 98	0.10 91	0.10 92	0.10 58	0.10 60	0.10 88	0.10 96	0.10 90	0.10 93

MADNet++	0.10 50	0.10 53	0.10 57	0.10 45	0.10 98	0.10 90	0.10 96	0.10 90	0.10 96	0.10 89	0.10 97	0.10 92	0.10 98	0.10 91	0.10 92	0.10 58	0.10 60	0.10 88	0.10 96	0.10 90	0.10 93

JetRed	0.11 71	0.12 66	0.11 76	0.11 62	0.11 113	0.11 101	0.14 127	0.11 102	0.11 110	0.12 103	0.11 110	0.11 102	0.11 109	0.11 102	0.11 103	0.11 73	0.16 125	0.11 98	0.11 108	0.11 100	0.11 105

JetBlue	0.11 71	0.11 64	0.12 87	0.13 81	0.14 132	0.11 101	0.11 108	0.11 102	0.11 110	0.11 101	0.11 110	0.11 102	0.11 109	0.12 106	0.12 117	0.11 73	0.11 81	0.11 98	0.11 108	0.11 100	0.11 105

ac_64	0.22 127	0.13 67	0.19 137	0.23 124	0.10 98	0.26 159	1.02 326	0.14 106	0.10 96	0.28 160	0.14 135	0.17 122	0.19 152	0.28 169	0.09 87	0.22 139	0.16 125	0.23 149	0.17 151	0.11 100	0.12 120

PASM	0.39 188	3.06 363	1.36 383	1.58 361	0.09 92	0.11 101	0.11 108	0.11 102	0.11 110	0.09 88	0.09 93	0.11 102	0.09 94	0.09 89	0.09 87	0.11 73	0.11 81	0.11 98	0.09 90	0.11 100	0.11 105

FADE	0.07 36	0.06 42	0.02 13	0.09 41	0.10 98	0.03 36	0.03 40	0.05 72	0.03 47	0.04 60	0.03 44	0.05 74	0.03 44	0.04 57	0.03 39	0.15 109	0.10 60	0.17 124	0.13 132	0.11 100	0.11 105

LRCNet_RVC	0.13 84	0.13 67	0.09 53	0.13 81	0.10 98	0.14 105	0.10 96	0.14 106	0.10 96	0.23 143	0.10 97	0.20 130	0.10 98	0.24 152	0.11 103	0.11 73	0.09 55	0.12 101	0.14 135	0.12 105	0.09 89

DRN-Test	0.14 93	0.13 67	0.09 53	0.14 85	0.09 92	0.15 111	0.09 91	0.14 106	0.10 96	0.14 105	0.09 93	0.14 106	0.09 94	0.13 107	0.09 87	0.12 78	0.09 55	0.12 101	0.09 90	0.12 105	0.73 297

StereoDRNet	0.15 103	0.14 71	0.10 57	0.14 85	0.09 92	0.15 111	0.09 91	0.14 106	0.09 95	0.14 105	0.10 97	0.14 106	0.09 94	0.14 108	0.09 87	0.13 94	0.10 60	0.13 104	0.09 90	0.13 107	0.82 308

test_for_model	0.15 103	0.23 95	0.18 134	0.21 121	0.11 113	0.16 118	0.11 108	0.16 118	0.11 110	0.16 115	0.11 110	0.16 116	0.11 109	0.16 117	0.11 103	0.21 136	0.18 142	0.14 105	0.11 108	0.14 108	0.11 105

testlalala2	0.13 84	0.16 72	0.11 76	0.15 94	0.11 113	0.16 118	0.11 108	0.16 118	0.11 110	0.16 115	0.11 110	0.16 116	0.11 109	0.16 117	0.11 103	0.14 100	0.11 81	0.14 105	0.11 108	0.14 108	0.11 105

testlalala_base	0.13 84	0.16 72	0.11 76	0.15 94	0.11 113	0.15 111	0.11 108	0.16 118	0.11 110	0.16 115	0.11 110	0.16 116	0.11 109	0.16 117	0.11 103	0.14 100	0.11 81	0.14 105	0.11 108	0.14 108	0.11 105

CIPLG	0.13 84	0.21 90	0.12 87	0.16 102	0.11 113	0.15 111	0.11 108	0.14 106	0.11 110	0.15 111	0.12 120	0.15 115	0.11 109	0.14 108	0.11 103	0.15 109	0.12 94	0.14 105	0.11 108	0.14 108	0.11 105

IPLG	0.13 84	0.20 84	0.14 110	0.15 94	0.11 113	0.14 105	0.11 108	0.14 106	0.11 110	0.14 105	0.11 110	0.14 106	0.11 109	0.14 108	0.11 103	0.15 109	0.12 94	0.14 105	0.11 108	0.14 108	0.11 105

MIPNet	0.14 93	0.21 90	0.17 129	0.16 102	0.11 113	0.15 111	0.12 123	0.14 106	0.11 110	0.16 115	0.11 110	0.14 106	0.11 109	0.14 108	0.11 103	0.14 100	0.12 94	0.14 105	0.11 108	0.14 108	0.11 105

IPLGR	0.14 93	0.24 102	0.14 110	0.16 102	0.12 128	0.15 111	0.12 123	0.14 106	0.11 110	0.15 111	0.12 120	0.14 106	0.11 109	0.14 108	0.11 103	0.15 109	0.12 94	0.14 105	0.11 108	0.14 108	0.11 105

ACRE	0.13 84	0.21 90	0.14 110	0.15 94	0.11 113	0.14 105	0.11 108	0.14 106	0.11 110	0.14 105	0.12 120	0.14 106	0.11 109	0.14 108	0.11 103	0.15 109	0.12 94	0.14 105	0.11 108	0.14 108	0.11 105

GMStereo	0.14 93	0.13 67	0.14 110	0.14 85	0.14 132	0.14 105	0.14 127	0.14 106	0.14 132	0.14 105	0.14 135	0.14 106	0.14 131	0.14 108	0.14 126	0.14 100	0.14 120	0.14 105	0.14 135	0.14 108	0.14 128
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
ELAS	0.13 84	0.16 72	0.11 76	0.15 94	0.09 92	0.18 125	0.11 108	0.18 125	0.11 110	0.17 121	0.11 110	0.18 125	0.11 109	0.18 125	0.11 103	0.14 100	0.08 46	0.14 105	0.08 88	0.14 108	0.09 89
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ProNet	0.14 93	0.20 84	0.14 110	0.16 102	0.11 113	0.16 118	0.11 108	0.17 123	0.11 110	0.17 121	0.12 120	0.17 122	0.13 129	0.17 123	0.12 117	0.15 109	0.11 81	0.16 119	0.11 108	0.15 118	0.12 120

IPLGR_C	0.14 93	0.20 84	0.12 87	0.15 94	0.11 113	0.14 105	0.15 130	0.14 106	0.11 110	0.15 111	0.12 120	0.14 106	0.11 109	0.16 117	0.11 103	0.15 109	0.12 94	0.14 105	0.12 124	0.15 118	0.12 120

ELAS_RVC	0.14 93	0.16 72	0.10 57	0.15 94	0.10 98	0.18 125	0.11 108	0.19 126	0.11 110	0.19 125	0.12 120	0.18 125	0.11 109	0.19 127	0.12 117	0.14 100	0.08 46	0.14 105	0.09 90	0.15 118	0.09 89
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
GMStereo_Zeroshot	0.16 110	0.16 72	0.16 125	0.16 102	0.16 146	0.16 118	0.16 133	0.16 118	0.16 142	0.16 115	0.16 143	0.16 116	0.16 140	0.16 117	0.16 139	0.16 117	0.16 125	0.16 119	0.16 138	0.16 121	0.16 129

ICVP	0.15 103	0.53 170	0.11 76	0.16 102	0.11 113	0.16 118	0.11 108	0.16 118	0.11 110	0.16 115	0.11 110	0.16 116	0.11 109	0.16 117	0.11 103	0.16 117	0.11 81	0.16 119	0.11 108	0.16 121	0.11 105
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
HSM	0.14 93	0.16 72	0.12 87	0.17 108	0.12 128	0.17 123	0.11 108	0.17 123	0.11 110	0.17 121	0.12 120	0.17 122	0.12 125	0.17 123	0.12 117	0.16 117	0.11 81	0.16 119	0.11 108	0.16 121	0.12 120

ACVNet	0.20 118	0.19 80	0.14 110	0.20 113	0.14 132	0.20 130	0.96 320	0.21 135	0.14 132	0.20 128	0.13 132	0.21 138	0.14 131	0.20 130	0.14 126	0.17 121	0.12 94	0.17 124	0.12 124	0.17 124	0.12 120

acv_ft	0.20 118	0.19 80	0.14 110	0.20 113	0.14 132	0.20 130	0.96 320	0.21 135	0.14 132	0.20 128	0.13 132	0.21 138	0.14 131	0.20 130	0.14 126	0.17 121	0.12 94	0.17 124	0.12 124	0.17 124	0.12 120

SGM_RVC	0.15 103	0.17 78	0.11 76	0.18 109	0.11 113	0.19 128	0.11 108	0.19 126	0.12 128	0.19 125	0.12 120	0.20 130	0.12 125	0.19 127	0.12 117	0.16 117	0.11 81	0.17 124	0.10 96	0.17 124	0.10 93
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
HCRNet	1.22 363	7.11 415	3.00 415	3.55 402	0.33 220	0.29 165	0.14 127	0.19 126	0.15 140	0.33 173	0.29 196	0.25 154	0.14 131	0.22 144	0.33 205	3.64 411	3.00 408	0.76 294	0.32 220	0.18 127	0.13 126

DeepPruner_ROB	0.16 110	0.18 79	0.13 106	0.19 112	0.13 131	0.19 128	0.13 126	0.19 126	0.13 131	0.19 125	0.13 132	0.19 128	0.13 129	0.19 127	0.13 123	0.18 128	0.13 118	0.18 132	0.13 132	0.18 127	0.13 126

LALA_ROB	0.15 103	0.19 80	0.12 87	0.18 109	0.11 113	0.20 130	0.12 123	0.21 135	0.12 128	0.20 128	0.12 120	0.20 130	0.12 125	0.21 140	0.13 123	0.17 121	0.10 60	0.18 132	0.11 108	0.18 127	0.11 105

CAS++	0.17 113	0.27 105	0.21 144	0.10 45	0.21 164	0.15 111	0.22 155	0.10 90	0.21 155	0.22 139	0.10 97	0.19 128	0.18 147	0.10 91	0.19 149	0.20 131	0.19 143	0.18 132	0.10 96	0.19 130	0.18 139
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
IGEV_Zeroshot_test	0.20 118	0.19 80	0.40 213	0.30 143	0.17 147	0.22 140	0.17 134	0.21 135	0.17 144	0.20 128	0.17 145	0.21 138	0.18 147	0.21 140	0.17 140	0.20 131	0.16 125	0.20 136	0.16 138	0.20 131	0.17 135

DAS	0.20 118	0.20 84	0.20 140	0.20 113	0.20 157	0.20 130	0.20 144	0.20 130	0.20 152	0.20 128	0.20 157	0.20 130	0.20 156	0.20 130	0.20 152	0.20 131	0.20 145	0.20 136	0.20 155	0.20 131	0.20 142

GEStereo_RVC	0.86 287	4.45 389	0.20 140	0.27 140	0.20 157	0.27 162	0.20 144	0.26 153	0.18 145	5.03 441	0.20 157	0.27 163	0.19 152	0.27 167	0.21 155	0.20 131	0.19 143	0.19 135	4.02 443	0.20 131	0.18 139

ASD4	0.20 118	0.20 84	0.20 140	0.20 113	0.20 157	0.20 130	0.20 144	0.20 130	0.20 152	0.20 128	0.20 157	0.20 130	0.20 156	0.20 130	0.20 152	0.20 131	0.20 145	0.20 136	0.20 155	0.20 131	0.20 142

MSKI-zero shot	0.24 133	0.21 90	0.49 246	0.65 237	0.18 152	0.22 140	0.17 134	0.23 142	0.18 145	0.21 137	0.17 145	0.23 146	0.28 194	0.23 148	0.18 146	0.21 136	0.16 125	0.21 139	0.16 138	0.21 135	0.16 129

iResNet	0.20 118	0.23 95	0.18 134	0.24 129	0.18 152	0.24 147	0.20 144	0.24 145	0.18 145	0.23 143	0.17 145	0.23 146	0.18 147	0.23 148	0.18 146	0.22 139	0.16 125	0.21 139	0.16 138	0.21 135	0.16 129

Pointernet	0.21 125	0.22 94	0.19 137	0.24 129	0.19 155	0.24 147	0.19 141	0.24 145	0.19 150	0.24 148	0.19 154	0.24 150	0.19 152	0.24 152	0.19 149	0.22 139	0.17 137	0.22 144	0.17 151	0.22 137	0.17 135

WAO-6	0.22 127	0.23 95	0.22 145	0.23 124	0.22 166	0.22 140	0.22 155	0.22 139	0.22 157	0.22 139	0.22 163	0.22 143	0.22 162	0.22 144	0.22 157	0.22 139	0.22 151	0.22 144	0.22 159	0.22 137	0.22 147

IMH-64-1	0.22 127	0.23 95	0.23 147	0.22 122	0.22 166	0.22 140	0.22 155	0.22 139	0.22 157	0.22 139	0.22 163	0.22 143	0.22 162	0.22 144	0.22 157	0.22 139	0.22 151	0.23 149	0.22 159	0.22 137	0.23 148

IMH-64	0.22 127	0.23 95	0.23 147	0.22 122	0.22 166	0.22 140	0.22 155	0.22 139	0.22 157	0.22 139	0.22 163	0.22 143	0.22 162	0.22 144	0.22 157	0.22 139	0.22 151	0.23 149	0.22 159	0.22 137	0.23 148

MIM_Stereo	0.25 134	0.23 95	0.66 267	0.80 251	0.17 147	0.22 140	0.17 134	0.23 142	0.18 145	0.26 157	0.17 145	0.21 138	0.17 142	0.25 155	0.17 140	0.23 149	0.16 125	0.21 139	0.17 151	0.22 137	0.17 135

dd	0.23 131	0.98 213	0.16 125	0.23 124	0.15 141	0.23 146	0.15 130	0.23 142	0.15 140	0.23 143	0.15 142	0.24 150	0.17 142	0.23 148	0.15 134	0.22 139	0.15 123	0.21 139	0.15 137	0.22 137	0.16 129

dad	0.23 131	1.03 228	0.16 125	0.23 124	0.15 141	0.24 147	0.15 130	0.24 145	0.16 142	0.23 143	0.16 143	0.24 150	0.16 140	0.23 148	0.15 134	0.22 139	0.16 125	0.22 144	0.16 138	0.22 137	0.16 129

iResNetv2_ROB	0.20 118	0.23 95	0.18 134	0.24 129	0.20 157	0.24 147	0.18 138	0.24 145	0.18 145	0.24 148	0.18 153	0.23 146	0.19 152	0.24 152	0.18 146	0.21 136	0.16 125	0.21 139	0.16 138	0.22 137	0.16 129

AANet_RVC	1.26 365	0.31 112	4.99 438	5.93 429	0.20 157	0.25 152	0.20 144	0.25 149	0.20 152	0.23 143	0.19 154	0.25 154	0.20 156	0.25 155	0.20 152	5.66 437	4.76 430	0.26 158	0.30 211	0.24 145	0.27 173

model_zeroshot	0.27 143	0.20 84	0.27 163	0.33 153	0.21 164	0.37 193	0.22 155	0.37 183	0.24 163	0.26 157	0.27 188	0.33 176	0.21 161	0.25 155	0.27 177	0.32 175	0.20 145	0.34 188	0.23 164	0.25 146	0.26 165

UNDER WATER-64	0.25 134	0.26 104	0.25 157	0.26 139	0.25 177	0.25 152	0.25 168	0.25 149	0.25 168	0.25 150	0.25 177	0.25 154	0.25 171	0.26 165	0.25 171	0.25 158	0.25 158	0.25 155	0.25 177	0.25 146	0.25 159

LoS_RVC	0.30 148	1.14 241	0.25 157	0.25 133	0.25 177	0.26 159	0.25 168	0.25 149	0.25 168	0.25 150	0.25 177	0.26 162	0.26 180	0.26 165	0.25 171	0.26 159	0.26 162	0.25 155	0.25 177	0.26 148	0.26 165

CAS	0.30 148	1.17 245	0.25 157	0.25 133	0.25 177	0.26 159	0.25 168	0.25 149	0.26 181	0.25 150	0.25 177	0.25 154	0.25 171	0.25 155	0.25 171	0.26 159	0.26 162	0.26 158	0.25 177	0.26 148	0.25 159

LoS	0.25 134	0.27 105	0.25 157	0.25 133	0.25 177	0.25 152	0.25 168	0.26 153	0.25 168	0.25 150	0.25 177	0.25 154	0.25 171	0.25 155	0.25 171	0.26 159	0.25 158	0.25 155	0.26 184	0.26 148	0.25 159
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
tt1	0.31 151	0.93 208	0.24 153	0.33 153	0.23 170	0.31 169	0.24 165	0.32 163	0.24 163	0.32 169	0.23 166	0.32 174	0.25 171	0.32 175	0.24 165	0.27 162	0.26 162	0.27 162	0.26 184	0.27 151	0.27 173

RAFT + AFF	0.31 151	0.45 149	0.34 195	0.39 170	0.28 190	0.38 197	0.33 206	0.29 159	0.31 204	0.30 163	0.30 206	0.29 169	0.27 188	0.29 172	0.30 197	0.28 164	0.29 181	0.29 168	0.29 203	0.27 151	0.32 207

TorneroNet-64	0.45 211	0.27 105	0.30 173	0.58 230	0.27 187	0.70 285	0.30 194	0.28 156	0.73 306	0.73 286	0.28 194	0.71 285	0.66 286	0.75 288	0.27 177	0.27 162	0.29 181	0.37 208	0.75 308	0.28 153	0.30 198

SQANet	0.28 144	0.28 108	0.28 167	0.28 141	0.28 190	0.28 163	0.28 184	0.28 156	0.28 189	0.28 160	0.28 194	0.28 164	0.28 194	0.28 169	0.28 183	0.28 164	0.28 172	0.28 164	0.28 194	0.28 153	0.28 185

xxxxx1	0.31 151	0.91 201	0.23 147	0.31 146	0.23 170	0.31 169	0.23 160	0.33 166	0.25 168	0.31 165	0.24 172	0.33 176	0.25 171	0.32 175	0.24 165	0.28 164	0.28 172	0.28 164	0.28 194	0.29 155	0.27 173

tt_ll	0.31 151	0.91 201	0.23 147	0.31 146	0.23 170	0.31 169	0.23 160	0.33 166	0.25 168	0.31 165	0.24 172	0.33 176	0.25 171	0.32 175	0.24 165	0.28 164	0.28 172	0.28 164	0.28 194	0.29 155	0.27 173

ff	0.31 151	0.91 201	0.23 147	0.31 146	0.23 170	0.31 169	0.23 160	0.33 166	0.25 168	0.31 165	0.24 172	0.33 176	0.25 171	0.32 175	0.24 165	0.28 164	0.28 172	0.28 164	0.28 194	0.29 155	0.27 173

WCG-NET（raft）	0.32 159	1.24 297	0.24 153	0.32 149	0.24 175	0.32 176	0.23 160	0.32 163	0.24 163	0.32 169	0.24 172	0.32 174	0.24 168	0.32 175	0.24 165	0.30 171	0.23 155	0.30 170	0.23 164	0.30 158	0.23 148

DANet	0.30 148	0.30 111	0.30 173	0.30 143	0.30 205	0.30 166	0.30 194	0.30 161	0.30 202	0.30 163	0.30 206	0.30 170	0.30 204	0.30 173	0.30 197	0.30 171	0.30 189	0.30 170	0.30 211	0.30 158	0.30 198
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
testlalala	0.32 159	0.81 190	0.31 179	0.39 170	0.26 185	0.33 179	0.24 165	0.33 166	0.26 181	0.32 169	0.26 183	0.33 176	0.23 166	0.33 180	0.23 162	0.35 189	0.31 193	0.30 170	0.24 172	0.31 160	0.21 144

GCAP-BAT	0.33 162	0.78 184	0.32 183	0.38 165	0.25 177	0.34 181	0.25 168	0.34 170	0.26 181	0.34 175	0.25 177	0.35 182	0.26 180	0.35 184	0.27 177	0.36 193	0.30 189	0.32 173	0.24 172	0.32 161	0.26 165

1test111	0.37 177	1.02 226	0.30 173	0.39 170	0.29 196	0.40 204	0.28 184	0.39 192	0.29 192	0.39 194	0.29 196	0.39 201	0.28 194	0.40 207	0.29 190	0.33 177	0.32 195	0.33 181	0.31 216	0.32 161	0.31 203

cc1	0.37 177	1.02 226	0.30 173	0.39 170	0.29 196	0.40 204	0.28 184	0.39 192	0.29 192	0.39 194	0.29 196	0.39 201	0.28 194	0.40 207	0.29 190	0.33 177	0.32 195	0.33 181	0.31 216	0.32 161	0.31 203

IGEV-Stereo	0.35 170	0.44 147	0.45 231	0.49 214	0.30 205	0.37 193	0.30 194	0.36 177	0.30 202	0.36 183	0.29 196	0.36 189	0.29 198	0.36 191	0.30 197	0.46 236	0.39 216	0.32 173	0.24 172	0.32 161	0.25 159
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iResNet_ROB	0.28 144	0.32 113	0.24 153	0.32 149	0.25 177	0.32 176	0.24 165	0.32 163	0.24 163	0.33 173	0.24 172	0.35 182	0.24 168	0.33 180	0.24 165	0.31 174	0.24 157	0.32 173	0.24 172	0.32 161	0.24 158

ACVNet-DCA	0.37 177	1.00 216	0.30 173	0.40 183	0.29 196	0.40 204	0.29 189	0.40 196	0.29 192	0.40 198	0.29 196	0.40 207	0.29 198	0.39 204	0.28 183	0.33 177	0.32 195	0.33 181	0.32 220	0.33 166	0.32 207

DLNR_Zeroshot_test	0.31 151	0.28 108	0.47 238	0.79 249	0.24 175	0.30 166	0.26 175	0.30 161	0.24 163	0.32 169	0.23 166	0.31 172	0.24 168	0.30 173	0.23 162	0.29 170	0.26 162	0.29 168	0.24 172	0.33 166	0.23 148

CRFU-Net	0.65 240	1.67 313	1.22 371	1.96 373	0.27 187	0.41 219	0.27 178	0.41 209	0.27 186	0.40 198	0.26 183	0.41 217	0.27 188	0.40 207	0.27 177	1.80 386	1.62 389	0.34 188	0.23 164	0.33 166	0.23 148

FENet	0.54 233	1.52 308	1.19 321	1.41 360	0.23 170	0.35 185	0.23 160	0.35 173	0.23 162	0.34 175	0.23 166	0.35 182	0.23 166	0.35 184	0.23 162	1.40 376	1.07 306	0.32 173	0.23 164	0.33 166	0.23 148

H2IRNET	0.34 164	0.34 115	0.34 195	0.34 155	0.34 226	0.34 181	0.34 215	0.34 170	0.34 217	0.34 175	0.34 219	0.34 181	0.34 217	0.34 182	0.34 218	0.34 180	0.34 200	0.34 188	0.34 228	0.34 170	0.34 216

xx1	0.38 183	1.03 228	0.31 179	0.40 183	0.31 209	0.41 219	0.28 184	0.40 196	0.29 192	0.40 198	0.29 196	0.40 207	0.29 198	0.40 207	0.29 190	0.34 180	0.33 199	0.34 188	0.32 220	0.34 170	0.32 207

CASnet	0.35 170	0.51 167	0.44 229	0.32 149	0.31 209	0.24 147	0.34 215	0.36 177	0.25 168	0.31 165	0.37 234	0.30 170	0.33 214	0.25 155	0.45 255	0.37 197	0.37 205	0.33 181	0.35 232	0.34 170	0.37 224
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
BUS	0.83 282	1.91 324	0.92 300	4.48 407	0.02 20	0.40 204	0.04 66	0.41 209	0.02 20	0.48 241	0.03 44	0.41 217	0.05 76	0.03 33	0.05 71	1.97 392	4.19 427	0.33 181	0.23 164	0.34 170	0.27 173

NINENet	0.69 249	3.87 381	1.20 324	1.98 374	0.05 80	0.40 204	0.04 66	0.40 196	0.05 80	0.41 210	0.04 74	0.41 217	0.05 76	0.40 207	0.05 71	1.79 385	1.56 387	0.34 188	0.22 159	0.34 170	0.23 148

BSDual-CNN	0.81 274	1.91 324	0.92 300	4.48 407	0.02 20	0.42 235	0.06 86	0.41 209	0.02 20	0.48 241	0.03 44	0.02 19	0.02 21	0.03 33	0.02 19	1.97 392	4.19 427	0.33 181	0.23 164	0.34 170	0.27 173

hknet	1.10 312	1.85 321	3.49 430	4.48 407	0.02 20	0.42 235	0.06 86	0.41 209	0.02 20	0.48 241	0.03 44	0.41 217	0.03 44	0.42 232	0.03 39	4.39 416	4.19 427	0.33 181	0.23 164	0.34 170	0.27 173

iRaft-Stereo_5w	0.34 164	0.42 145	0.31 179	0.39 170	0.30 205	0.38 197	0.30 194	0.40 196	0.29 192	0.40 198	0.37 234	0.41 217	0.34 217	0.38 197	0.30 197	0.34 180	0.27 167	0.34 188	0.26 184	0.34 170	0.26 165

iRaft-Stereo_20w	0.34 164	0.41 138	0.31 179	0.39 170	0.29 196	0.40 204	0.32 199	0.41 209	0.32 207	0.38 189	0.30 206	0.39 201	0.30 204	0.38 197	0.32 202	0.35 189	0.27 167	0.34 188	0.27 190	0.34 170	0.29 189

HGLStereo	0.28 144	0.29 110	0.22 145	0.36 160	0.22 166	0.36 188	0.21 150	0.36 177	0.21 155	0.42 221	0.21 162	0.36 189	0.22 162	0.36 191	0.21 155	0.34 180	0.21 148	0.34 188	0.21 157	0.34 170	0.21 144

MLCV	0.31 151	0.35 116	0.27 163	0.35 156	0.28 190	0.35 185	0.27 178	0.35 173	0.28 189	0.36 183	0.27 188	0.35 182	0.27 188	0.35 184	0.27 177	0.34 180	0.27 167	0.34 188	0.27 190	0.34 170	0.27 173

DN-CSS_ROB	0.31 151	0.35 116	0.28 167	0.35 156	0.28 190	0.34 181	0.27 178	0.34 170	0.25 168	0.35 179	0.27 188	0.36 189	0.26 180	0.34 182	0.28 183	0.35 189	0.28 172	0.34 188	0.28 194	0.34 170	0.27 173

MyStereo07	0.60 238	3.72 376	0.48 242	0.49 214	0.41 253	0.36 188	0.32 199	0.49 242	0.43 253	0.51 259	0.42 257	0.49 250	0.43 251	0.51 262	0.64 285	0.49 248	0.45 233	0.34 188	0.32 220	0.35 182	0.43 246

MyStereo04	0.56 236	3.72 376	0.59 256	0.49 214	0.41 253	0.36 188	0.32 199	0.37 183	0.31 204	0.34 175	0.46 263	0.35 182	0.32 210	0.35 184	0.33 205	0.49 248	0.45 233	0.34 188	0.32 220	0.35 182	0.43 246

HH	0.71 252	2.54 348	0.74 281	1.10 287	0.32 211	0.41 219	0.37 229	0.69 274	0.78 309	0.73 286	0.90 321	0.75 291	1.00 313	0.84 295	0.69 298	0.69 271	0.40 219	0.35 201	0.26 184	0.35 182	0.26 165

HanStereo	0.71 252	2.54 348	0.74 281	1.10 287	0.32 211	0.41 219	0.37 229	0.69 274	0.78 309	0.73 286	0.90 321	0.75 291	1.00 313	0.84 295	0.69 298	0.69 271	0.40 219	0.35 201	0.26 184	0.35 182	0.26 165

FCDSN-DC	0.41 198	0.59 176	0.64 263	0.54 226	0.33 220	0.50 262	0.37 229	0.42 225	0.40 239	0.61 274	0.43 259	0.50 264	0.49 267	0.38 197	0.32 202	0.28 164	0.23 155	0.26 158	0.22 159	0.35 182	0.28 185
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
ETE_ROB	0.35 170	0.35 116	0.35 200	0.35 156	0.35 229	0.35 185	0.35 218	0.35 173	0.35 220	0.35 179	0.35 226	0.35 182	0.35 221	0.35 184	0.35 220	0.35 189	0.35 201	0.35 201	0.35 232	0.35 182	0.35 220

Any-RAFT	0.32 159	0.36 119	0.27 163	0.36 160	0.27 187	0.36 188	0.27 178	0.36 177	0.27 186	0.36 183	0.27 188	0.36 189	0.27 188	0.36 191	0.28 183	0.36 193	0.28 172	0.36 206	0.28 194	0.36 188	0.28 185

DMCA	0.36 174	0.38 123	0.37 202	0.35 156	0.35 229	0.36 188	0.36 224	0.36 177	0.35 220	0.35 179	0.37 234	0.36 189	0.36 224	0.35 184	0.36 223	0.36 193	0.36 203	0.35 201	0.36 238	0.36 188	0.36 221

IGEV++	0.34 164	0.43 146	0.30 173	0.40 183	0.29 196	0.40 204	0.29 189	0.40 196	0.29 192	0.40 198	0.29 196	0.40 207	0.29 198	0.40 207	0.30 197	0.38 204	0.29 181	0.37 208	0.29 203	0.37 190	0.29 189

Venus	0.38 183	0.38 123	0.38 205	0.38 165	0.38 241	0.37 193	0.38 234	0.37 183	0.37 230	0.41 210	0.37 234	0.39 201	0.37 228	0.38 197	0.38 232	0.37 197	0.38 211	0.38 215	0.37 240	0.37 190	0.38 228

EKT-Stereo	0.37 177	0.40 131	0.44 229	1.07 285	0.29 196	0.34 181	0.31 198	0.36 177	0.29 192	0.38 189	0.31 209	0.37 195	0.30 204	0.36 191	0.29 190	0.34 180	0.28 172	0.39 221	0.30 211	0.37 190	0.30 198

CES	0.39 188	0.47 155	0.36 201	0.36 160	0.37 236	0.45 242	0.35 218	0.35 173	0.40 239	0.36 183	0.44 261	0.47 243	0.36 224	0.44 235	0.36 223	0.37 197	0.39 216	0.44 247	0.35 232	0.37 190	0.36 221

IER	0.88 288	7.04 414	2.23 407	2.75 392	0.28 190	0.43 239	0.25 168	0.39 192	0.25 168	0.41 210	0.27 188	0.39 201	0.25 171	0.40 207	0.28 183	0.37 197	0.28 172	0.37 208	0.25 177	0.37 190	0.25 159

StereoDRNet-Refined	0.33 162	0.39 129	0.26 162	0.39 170	0.26 185	0.40 204	0.26 175	0.40 196	0.26 181	0.39 194	0.26 183	0.39 201	0.26 180	0.39 204	0.26 176	0.37 197	0.25 158	0.37 208	0.25 177	0.37 190	0.37 224
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
XPNet_ROB	0.37 177	0.37 121	0.37 202	0.37 163	0.37 236	0.37 193	0.37 229	0.37 183	0.37 230	0.37 188	0.37 234	0.37 195	0.37 228	0.37 195	0.37 231	0.37 197	0.37 205	0.37 208	0.37 240	0.37 190	0.37 224

RAFT-Stereo-weight	0.45 211	1.90 323	0.34 195	0.42 200	0.36 234	0.43 239	0.35 218	0.42 225	0.34 217	0.42 221	0.34 219	0.44 236	0.34 217	0.41 220	0.34 218	0.38 204	0.32 195	0.38 215	0.32 220	0.38 197	0.33 210

WAO-8	0.38 183	0.38 123	0.38 205	0.38 165	0.38 241	0.38 197	0.38 234	0.38 188	0.38 232	0.38 189	0.38 239	0.38 197	0.38 230	0.38 197	0.38 232	0.38 204	0.38 211	0.38 215	0.37 240	0.38 197	0.38 228

WAO-7	0.38 183	0.38 123	0.38 205	0.38 165	0.38 241	0.38 197	0.38 234	0.38 188	0.38 232	0.38 189	0.38 239	0.38 197	0.38 230	0.38 197	0.38 232	0.38 204	0.38 211	0.38 215	0.38 246	0.38 197	0.38 228

HanzoNet	0.39 188	0.38 123	0.40 213	0.39 170	0.41 253	0.38 197	0.38 234	0.38 188	0.38 232	0.39 194	0.39 243	0.38 197	0.38 230	0.39 204	0.40 240	0.38 204	0.38 211	0.40 225	0.38 246	0.38 197	0.40 233

IMH	0.38 183	0.38 123	0.38 205	0.38 165	0.38 241	0.38 197	0.38 234	0.38 188	0.38 232	0.42 221	0.38 239	0.40 207	0.38 230	0.38 197	0.38 232	0.38 204	0.38 211	0.39 221	0.38 246	0.38 197	0.38 228

RAFT-Test	0.36 174	0.37 121	0.33 188	0.41 192	0.32 211	0.41 219	0.32 199	0.41 209	0.32 207	0.41 210	0.32 210	0.41 217	0.32 210	0.41 220	0.33 205	0.37 197	0.29 181	0.37 208	0.29 203	0.38 197	0.31 203

RCA-Stereo	0.51 229	3.22 367	0.34 195	0.44 202	0.34 226	0.44 241	0.34 215	0.43 228	0.34 217	0.43 227	0.34 219	0.44 236	0.33 214	0.43 233	0.33 205	0.38 204	0.29 181	0.38 215	0.29 203	0.38 197	0.29 189

GMOStereo	0.37 177	0.45 149	0.23 147	0.30 143	0.37 236	0.41 219	0.36 224	0.41 209	0.35 220	0.43 227	0.36 229	0.41 217	0.40 235	0.41 220	0.36 223	0.34 180	0.22 151	0.47 256	0.37 240	0.39 204	0.33 210

error version	0.93 297	4.47 390	2.35 410	1.99 375	0.37 236	0.41 219	0.36 224	0.41 209	0.35 220	0.43 227	0.36 229	0.41 217	0.40 235	0.41 220	0.36 223	1.87 388	2.16 401	0.47 256	0.37 240	0.39 204	0.33 210

test_1	0.93 297	4.47 390	2.35 410	1.99 375	0.37 236	0.41 219	0.36 224	0.41 209	0.35 220	0.43 227	0.36 229	0.41 217	0.40 235	0.41 220	0.36 223	1.87 388	2.16 401	0.47 256	0.37 240	0.39 204	0.33 210

RSM	0.36 174	0.36 119	0.43 227	0.37 163	0.42 261	0.49 254	0.42 252	0.37 183	0.28 189	0.36 183	0.29 196	0.36 189	0.30 204	0.37 195	0.28 183	0.34 180	0.31 193	0.34 188	0.35 232	0.40 207	0.29 189

knoymous	0.40 191	0.40 131	0.40 213	0.40 183	0.40 247	0.40 204	0.40 240	0.40 196	0.40 239	0.40 198	0.40 244	0.40 207	0.40 235	0.40 207	0.40 240	0.40 214	0.40 219	0.40 225	0.40 250	0.40 207	0.40 233

anonymousa	0.40 191	0.40 131	0.40 213	0.40 183	0.40 247	0.40 204	0.40 240	0.40 196	0.40 239	0.40 198	0.40 244	0.40 207	0.40 235	0.40 207	0.40 240	0.40 214	0.40 219	0.40 225	0.40 250	0.40 207	0.40 233

riskmin	0.40 191	0.40 131	0.40 213	0.40 183	0.40 247	0.40 204	0.40 240	0.40 196	0.40 239	0.40 198	0.40 244	0.40 207	0.40 235	0.40 207	0.40 240	0.40 214	0.40 219	0.40 225	0.40 250	0.40 207	0.40 233

Anonymous_2	0.40 191	0.40 131	0.40 213	0.40 183	0.40 247	0.40 204	0.40 240	0.40 196	0.40 239	0.40 198	0.40 244	0.40 207	0.40 235	0.40 207	0.40 240	0.40 214	0.40 219	0.40 225	0.40 250	0.40 207	0.40 233

Anonymous_1	0.40 191	0.40 131	0.40 213	0.40 183	0.40 247	0.40 204	0.40 240	0.40 196	0.40 239	0.40 198	0.40 244	0.40 207	0.40 235	0.40 207	0.40 240	0.40 214	0.40 219	0.40 225	0.40 250	0.40 207	0.40 233

DGSMNet	0.34 164	0.41 138	0.27 163	0.41 192	0.28 190	0.41 219	0.28 184	0.41 209	0.27 186	0.41 210	0.27 188	0.42 233	0.27 188	0.41 220	0.28 183	0.40 214	0.29 181	0.40 225	0.28 194	0.40 207	0.27 173

Gwc-CoAtRS	0.41 198	1.49 307	0.32 183	0.42 200	0.32 211	0.41 219	0.32 199	0.41 209	0.33 210	0.41 210	0.32 210	0.41 217	0.32 210	0.41 220	0.32 202	0.39 211	0.28 172	0.39 221	0.28 194	0.40 207	0.28 185

AdaStereo	0.40 191	0.40 131	0.40 213	0.40 183	0.40 247	0.40 204	0.40 240	0.40 196	0.40 239	0.40 198	0.40 244	0.40 207	0.40 235	0.40 207	0.40 240	0.40 214	0.40 219	0.40 225	0.40 250	0.40 207	0.40 233
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.
Former-RAFT_DAM_RVC	0.49 225	0.98 213	0.64 263	0.84 256	0.46 265	0.45 242	0.35 218	0.47 236	0.47 261	0.45 231	0.34 219	0.46 238	0.48 263	0.46 238	0.35 220	0.39 211	0.71 279	0.39 221	0.35 232	0.41 216	0.41 240

GwcNet-ADL	0.41 198	0.41 138	0.41 221	0.41 192	0.41 253	0.41 219	0.41 247	0.41 209	0.41 248	0.41 210	0.41 250	0.41 217	0.41 245	0.41 220	0.41 247	0.41 221	0.41 227	0.41 236	0.41 256	0.41 216	0.41 240

PSMNet-ADL	0.41 198	0.41 138	0.41 221	0.41 192	0.41 253	0.41 219	0.41 247	0.41 209	0.41 248	0.41 210	0.41 250	0.41 217	0.41 245	0.41 220	0.41 247	0.41 221	0.41 227	0.41 236	0.41 256	0.41 216	0.41 240

GANet-ADL	0.41 198	0.41 138	0.41 221	0.41 192	0.41 253	0.41 219	0.41 247	0.41 209	0.41 248	0.41 210	0.41 250	0.41 217	0.41 245	0.41 220	0.41 247	0.41 221	0.41 227	0.41 236	0.41 256	0.41 216	0.41 240

ADLNet2	0.41 198	0.41 138	0.41 221	0.41 192	0.41 253	0.41 219	0.41 247	0.41 209	0.41 248	0.41 210	0.41 250	0.41 217	0.41 245	0.41 220	0.41 247	0.41 221	0.41 227	0.41 236	0.41 256	0.41 216	0.41 240

ADLNet	0.41 198	0.41 138	0.41 221	0.41 192	0.41 253	0.41 219	0.41 247	0.41 209	0.41 248	0.41 210	0.41 250	0.41 217	0.41 245	0.41 220	0.41 247	0.41 221	0.41 227	0.41 236	0.41 256	0.41 216	0.41 240

CFNet-RSSM	0.91 291	4.89 394	0.34 195	0.44 202	1.07 339	1.62 392	1.40 399	0.91 293	0.35 220	1.60 385	1.39 398	0.64 279	0.34 217	0.44 235	0.33 205	0.41 221	0.35 201	0.75 292	0.30 211	0.41 216	0.29 189

GCST	0.50 227	2.08 333	0.38 205	0.53 224	0.35 229	0.49 254	0.35 218	0.50 250	0.35 220	0.49 246	0.35 226	0.49 250	0.35 221	0.49 254	0.35 220	0.48 245	0.37 205	0.45 249	0.33 226	0.44 223	0.33 210

LL-Strereo2	0.48 222	1.73 318	0.51 250	0.59 232	0.34 226	0.42 235	0.33 206	0.40 196	0.31 204	0.42 221	0.33 213	0.42 233	0.31 209	0.44 235	0.39 237	0.60 262	0.51 252	0.44 247	0.33 226	0.44 223	0.33 210

UGAM	0.51 229	2.23 342	0.39 211	0.54 226	0.35 229	0.50 262	0.35 218	0.49 242	0.35 220	0.49 246	0.35 226	0.49 250	0.36 224	0.50 259	0.36 223	0.49 248	0.37 205	0.45 249	0.34 228	0.45 225	0.34 216

UGAM-zero	0.51 229	2.17 339	0.39 211	0.53 224	0.36 234	0.50 262	0.36 224	0.50 250	0.36 229	0.49 246	0.36 229	0.50 264	0.35 221	0.50 259	0.36 223	0.49 248	0.37 205	0.47 256	0.35 232	0.46 226	0.34 216

otaku	0.46 213	0.46 151	0.46 233	0.46 204	0.46 265	0.46 244	0.46 257	0.46 231	0.46 256	0.46 232	0.46 263	0.46 238	0.46 254	0.46 238	0.46 259	0.46 236	0.46 235	0.46 252	0.46 266	0.46 226	0.46 251

Ntro	0.47 218	0.47 155	0.46 233	0.46 204	0.46 265	0.47 248	0.47 262	0.46 231	0.47 261	0.46 232	0.46 263	0.47 243	0.46 254	0.47 242	0.47 263	0.47 241	0.46 235	0.46 252	0.46 266	0.46 226	0.46 251

Dean	0.46 213	0.46 151	0.46 233	0.46 204	0.46 265	0.46 244	0.46 257	0.46 231	0.46 256	0.47 237	0.46 263	0.46 238	0.46 254	0.46 238	0.46 259	0.46 236	0.46 235	0.46 252	0.46 266	0.46 226	0.46 251

ACVNet_1	0.46 213	0.47 155	0.46 233	0.46 204	0.46 265	0.46 244	0.46 257	0.46 231	0.47 261	0.46 232	0.46 263	0.46 238	0.46 254	0.46 238	0.46 259	0.46 236	0.46 235	0.47 256	0.46 266	0.46 226	0.46 251

ACVNet-4b	0.46 213	0.46 151	0.46 233	0.46 204	0.46 265	0.46 244	0.46 257	0.46 231	0.46 256	0.46 232	0.46 263	0.46 238	0.46 254	0.47 242	0.46 259	0.46 236	0.46 235	0.46 252	0.46 266	0.46 226	0.46 251

Selective-IGEV	0.51 229	0.55 175	0.45 231	0.69 240	0.45 264	0.61 278	0.45 256	0.50 250	0.40 239	0.56 269	0.44 261	0.55 271	0.40 235	0.72 285	0.67 290	0.59 261	0.46 235	0.45 249	0.34 228	0.46 226	0.37 224

HaxPig	0.47 218	0.47 155	0.47 238	0.49 214	0.47 271	0.47 248	0.47 262	0.47 236	0.47 261	0.47 237	0.47 270	0.47 243	0.47 262	0.47 242	0.47 263	0.47 241	0.47 241	0.47 256	0.47 272	0.47 233	0.48 259

UNDER WATER	0.47 218	0.47 155	0.47 238	0.47 209	0.47 271	0.47 248	0.47 262	0.47 236	0.47 261	0.47 237	0.47 270	0.47 243	0.46 254	0.47 242	0.47 263	0.47 241	0.47 241	0.47 256	0.46 266	0.47 233	0.47 257

LVE	0.47 218	0.47 155	0.47 238	0.47 209	0.49 275	0.47 248	0.47 262	0.47 236	0.49 268	0.47 237	0.47 270	0.47 243	0.46 254	0.47 242	0.47 263	0.47 241	0.47 241	0.48 264	0.47 272	0.47 233	0.47 257

WCG-NET	0.40 191	1.29 299	0.24 153	0.32 149	0.25 177	0.32 176	0.27 178	0.44 230	0.46 256	0.35 179	0.26 183	0.35 182	0.27 188	0.35 184	0.45 255	0.42 234	0.25 158	0.62 279	0.25 177	0.48 236	0.26 165

gcap-zeroshot	0.35 170	0.32 113	0.37 202	0.49 214	0.39 246	0.33 179	0.21 150	0.26 153	0.35 220	0.42 221	0.34 219	0.49 250	0.29 198	0.47 242	0.39 237	0.34 180	0.17 137	0.38 215	0.23 164	0.48 236	0.34 216

RainbowNet	0.48 222	0.48 161	0.48 242	0.48 212	0.48 273	0.48 252	0.48 268	0.48 240	0.48 267	0.48 241	0.48 273	0.48 248	0.48 263	0.48 248	0.48 268	0.48 245	0.48 244	0.48 264	0.48 274	0.48 236	0.48 259

notaker	0.48 222	0.49 162	0.48 242	0.48 212	0.48 273	0.48 252	0.48 268	0.48 240	0.49 268	0.48 241	0.48 273	0.48 248	0.48 263	0.48 248	0.48 268	0.48 245	0.48 244	0.48 264	0.48 274	0.48 236	0.49 262

TorneroNet	0.66 242	0.53 170	0.50 248	0.50 221	0.64 297	1.06 319	0.70 294	0.50 250	0.51 275	0.49 246	0.69 303	0.49 250	0.50 270	0.48 248	1.15 334	0.71 275	0.49 246	1.14 330	1.08 329	0.49 240	0.49 262

ACVNet_2	0.49 225	0.49 162	0.49 246	0.49 214	0.49 275	0.49 254	0.49 270	0.49 242	0.49 268	0.49 246	0.49 276	0.49 250	0.49 267	0.49 254	0.49 270	0.49 248	0.49 246	0.49 267	0.49 276	0.49 240	0.49 262

iRaftStereo_RVC	0.97 301	3.17 366	2.30 409	2.42 387	0.38 241	0.54 269	0.38 234	0.54 258	0.38 232	0.54 264	0.38 239	0.54 267	0.38 230	0.54 266	0.38 232	2.38 402	2.34 405	0.49 267	0.36 238	0.49 240	0.36 221

aanetorigin	0.13 84	0.11 64	0.11 76	0.11 62	0.11 113	0.11 101	0.11 108	0.11 102	0.11 110	0.11 101	0.12 120	0.11 102	0.11 109	0.11 102	0.11 103	0.11 73	0.11 81	0.14 105	0.11 108	0.49 240	0.11 105

KSHMR	0.66 242	0.50 164	0.48 242	1.15 294	0.52 281	0.49 254	0.51 273	0.49 242	0.71 302	0.67 280	0.50 278	1.16 333	1.11 322	0.66 279	0.52 274	0.49 248	0.49 246	0.51 271	0.66 294	0.50 244	1.14 336

SANet	0.50 227	0.50 164	0.50 248	0.50 221	0.50 278	0.50 262	0.50 272	0.50 250	0.50 271	0.50 258	0.50 278	0.50 264	0.50 270	0.50 259	0.50 271	0.50 254	0.50 251	0.50 270	0.50 278	0.50 244	0.50 265

Occ-G	1.12 315	0.52 168	3.72 433	3.50 401	0.50 278	0.56 271	0.47 262	0.54 258	0.46 256	0.54 264	0.41 250	0.54 267	0.42 250	0.52 265	0.42 252	3.42 410	4.02 426	0.52 273	0.45 265	0.51 246	0.44 249

ktn	0.72 255	0.53 170	1.08 312	1.14 292	0.51 280	1.22 379	1.36 393	0.51 256	0.59 280	0.51 259	0.51 281	0.69 284	1.20 333	0.67 281	0.51 273	0.51 255	0.49 246	0.58 277	0.66 294	0.52 247	0.53 268

LL-Strereo	1.01 308	5.06 396	1.63 391	0.70 242	1.43 403	0.56 271	0.46 257	0.57 262	0.50 271	0.57 270	0.50 278	1.58 389	0.49 267	0.59 274	0.50 271	1.64 382	0.52 253	0.51 271	1.37 393	0.52 247	0.45 250

PML	0.46 213	1.36 305	0.29 169	0.58 230	0.30 205	0.57 275	0.29 189	0.57 262	0.29 192	0.57 270	0.29 196	0.57 275	0.29 198	0.56 269	0.29 190	0.52 256	0.30 189	0.53 274	0.31 216	0.53 249	0.30 198

PSMNet_ROB	0.54 233	0.54 173	0.54 252	0.54 226	0.53 284	0.54 269	0.54 275	0.53 257	0.54 277	0.54 264	0.54 284	0.54 267	0.53 273	0.54 266	0.54 276	0.54 258	0.53 254	0.54 275	0.54 279	0.54 250	0.54 269

MyStereo8	0.71 252	3.92 382	0.52 251	0.59 232	0.52 281	0.57 275	0.53 274	0.59 265	0.50 271	0.59 273	0.51 281	0.57 275	0.50 270	0.56 269	0.52 274	0.54 258	0.49 246	0.54 275	0.49 276	0.55 251	0.50 265

CASS	0.57 237	0.89 198	0.56 253	0.57 229	0.56 285	0.56 271	0.56 276	0.56 260	0.53 276	0.57 270	0.57 287	0.59 277	0.48 263	0.56 269	0.57 279	0.55 260	0.56 257	0.47 256	0.56 283	0.62 252	0.56 276
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
DispNO	1.00 304	0.63 177	0.43 227	3.45 400	0.44 263	0.65 282	0.43 254	0.64 270	0.43 253	0.64 277	0.43 259	0.64 279	3.03 413	0.64 277	0.43 254	4.55 418	0.43 232	0.63 280	0.43 263	0.63 253	0.43 246

test-3	0.98 303	4.13 385	1.85 402	1.85 367	0.61 293	0.69 284	0.37 229	0.63 269	0.61 284	0.66 279	0.51 281	0.73 289	0.44 252	0.57 272	0.54 276	1.68 383	1.81 399	0.40 225	0.43 263	0.66 254	0.50 265

DSFCA	0.66 242	0.73 183	0.78 286	0.65 237	0.65 299	0.64 281	0.64 283	0.65 271	0.63 287	0.64 277	0.64 294	0.64 279	0.64 281	0.65 278	0.65 286	0.65 267	0.65 268	0.65 283	0.65 292	0.66 254	0.64 283

anonymity	0.63 239	0.69 180	0.56 253	0.71 244	0.56 285	0.71 287	0.56 276	0.71 276	0.56 278	0.72 284	0.56 286	0.71 285	0.56 275	0.71 284	0.58 280	0.68 270	0.55 255	0.68 285	0.55 280	0.68 256	0.54 269

LMCR-Stereo	0.65 240	0.63 177	0.65 266	0.65 237	0.65 299	0.66 283	0.63 282	0.58 264	0.65 289	0.63 276	0.64 294	0.65 282	0.65 283	0.66 279	0.66 289	0.66 268	0.64 267	0.65 283	0.67 297	0.68 256	0.73 297

FC-DCNN	1.07 310	1.09 237	0.98 305	0.89 260	0.52 281	1.41 389	0.91 314	1.21 369	1.24 393	1.96 393	2.05 418	1.91 393	1.30 386	1.27 383	1.08 328	0.80 281	0.60 260	0.58 277	0.41 256	0.68 256	0.54 269

DMCA-RVC	0.70 250	0.80 187	0.70 273	0.70 242	0.70 308	0.70 285	0.70 294	0.71 276	0.70 299	0.70 283	0.71 307	0.71 285	0.70 292	0.70 283	0.69 298	0.69 271	0.70 275	0.69 286	0.70 302	0.69 259	0.70 291

4D-IteraStereo	0.78 266	3.13 364	0.89 294	0.69 240	0.32 211	0.40 204	0.32 199	0.76 279	0.97 327	0.52 262	0.65 296	0.89 305	0.32 210	0.76 289	0.98 322	0.83 287	0.94 300	0.35 201	0.27 190	0.70 260	0.89 313

MyStereo06	0.75 258	4.12 383	0.60 257	0.63 235	0.61 293	0.62 279	0.66 286	0.56 260	0.45 255	0.55 267	0.48 273	0.54 267	0.46 254	0.57 272	0.45 255	0.60 262	0.57 258	0.64 281	0.55 280	0.72 261	0.55 273

MyStereo05	0.80 269	4.12 383	0.63 261	0.63 235	0.61 293	0.62 279	0.66 286	0.65 271	0.62 285	0.67 280	0.61 290	0.65 282	0.58 276	0.67 281	0.55 278	0.60 262	0.57 258	0.64 281	0.55 280	0.72 261	0.55 273

PA-Net	11.80 454	223.51 476	0.62 260	0.59 232	0.71 309	0.59 277	0.73 299	0.67 273	0.73 306	0.55 267	0.61 290	0.60 278	0.74 297	0.63 276	0.73 303	0.66 268	0.60 260	0.69 286	0.66 294	0.72 261	0.65 284
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
iGMRVC	0.84 284	2.85 361	0.72 278	0.72 245	0.73 312	0.77 289	0.79 304	0.73 278	0.74 308	0.73 286	0.72 309	0.73 289	0.76 299	0.73 286	0.73 303	0.72 276	0.73 281	0.73 290	0.72 306	0.73 264	0.72 295

SPstereo	0.75 258	4.15 386	0.42 226	0.75 247	0.35 229	0.78 291	0.40 240	0.79 281	0.38 232	0.78 291	0.36 229	0.78 294	0.36 224	0.79 290	0.39 237	0.75 277	0.39 216	0.76 294	0.39 249	0.75 265	0.39 232

RAFT-Stereo + iAFF	0.70 250	0.72 182	0.71 277	0.80 251	0.62 296	0.82 296	0.61 280	0.81 286	0.62 285	0.81 295	0.63 292	0.80 297	0.70 292	0.73 286	0.61 284	0.76 278	0.61 264	0.74 291	0.61 290	0.77 266	0.61 279

ARAFT	0.68 247	0.81 190	0.63 261	0.74 246	0.60 288	0.78 291	0.62 281	0.77 280	0.66 291	0.74 290	0.63 292	0.75 291	0.62 280	0.83 294	0.60 282	0.70 274	0.55 255	0.70 288	0.60 288	0.78 267	0.55 273

AFF-stereo	0.73 256	0.88 197	0.67 270	0.75 247	0.68 306	0.75 288	0.64 283	0.80 283	0.72 303	0.83 296	0.70 304	0.82 300	0.64 281	0.84 295	0.67 290	0.77 279	0.63 265	0.81 302	0.63 291	0.78 267	0.62 281

Selective-RAFT-Error	0.88 288	0.84 193	0.98 305	0.86 259	0.97 332	0.88 300	0.95 319	0.84 287	0.99 329	0.92 303	0.82 319	0.84 301	0.98 312	0.87 299	0.97 321	0.81 284	0.83 293	0.79 297	0.82 316	0.79 269	0.85 310

psmorigin	0.41 198	0.46 151	0.33 188	0.49 214	0.33 220	0.49 254	0.33 206	0.49 242	0.33 210	0.49 246	0.33 213	0.49 250	0.33 214	0.51 262	0.33 205	0.41 221	0.30 189	0.41 236	0.30 211	0.79 269	0.29 189

G-Net	0.79 267	0.79 186	0.79 289	0.79 249	0.79 317	0.79 293	0.79 304	0.79 281	0.79 312	0.79 292	0.79 316	0.79 296	0.79 302	0.79 290	0.79 307	0.79 280	0.79 287	0.79 297	0.79 312	0.79 269	0.79 304

AEACV	1.12 315	0.52 168	3.12 427	3.24 397	0.86 321	0.53 268	0.49 270	0.60 267	0.47 261	0.53 263	0.49 276	0.55 271	0.45 253	0.55 268	0.47 263	3.01 406	3.88 424	0.71 289	0.60 288	0.80 272	0.48 259

NaN_ROB	0.80 269	0.80 187	0.80 290	0.80 251	0.80 319	0.80 294	0.80 306	0.80 283	0.80 313	0.80 293	0.80 317	0.80 297	0.80 303	0.80 292	0.80 309	0.80 281	0.80 290	0.80 300	0.80 313	0.80 272	0.80 305

CSAN	0.80 269	0.80 187	0.80 290	0.80 251	0.80 319	0.80 294	0.80 306	0.80 283	0.80 313	0.80 293	0.80 317	0.80 297	0.80 303	0.80 292	0.80 309	0.80 281	0.80 290	0.80 300	0.80 313	0.80 272	0.80 305

Selective-RAFT	0.89 290	0.89 198	0.72 278	1.16 299	0.78 316	1.06 319	0.82 309	0.87 288	0.97 327	1.00 311	0.91 323	0.90 306	1.00 313	0.89 302	0.93 319	0.83 287	0.83 293	0.82 304	0.82 316	0.81 275	0.82 308

DCRE	0.84 284	1.89 322	0.77 285	0.94 269	0.72 311	0.88 300	0.73 299	0.87 288	0.78 309	0.90 299	0.71 307	0.88 303	0.67 288	0.88 300	0.73 303	0.81 284	0.68 270	0.81 302	0.70 302	0.82 276	0.70 291

RSM++	0.76 262	0.82 192	0.66 267	0.85 258	0.64 297	0.85 297	0.71 297	0.94 300	0.64 288	0.87 297	0.67 299	0.87 302	0.65 283	0.84 295	0.65 286	0.81 284	0.70 275	0.79 297	0.71 305	0.83 277	0.70 291

UDG	0.80 269	2.21 341	0.60 257	0.91 263	0.60 288	0.90 303	0.58 278	0.88 290	0.60 281	0.90 299	0.60 288	0.88 303	0.60 278	0.90 303	0.58 280	0.86 291	0.60 260	0.84 305	0.59 287	0.84 278	0.61 279

DDUNet	0.81 274	2.45 346	0.57 255	0.90 261	0.60 288	0.88 300	0.59 279	0.90 291	0.60 281	0.88 298	0.60 288	0.90 306	0.58 276	0.88 300	0.60 282	0.84 289	0.60 260	0.86 307	0.57 284	0.86 279	0.60 278

MoCha-V2	2.11 389	26.97 457	0.78 286	0.92 266	0.77 315	0.96 310	0.72 298	0.90 291	0.72 303	0.94 307	0.70 304	0.90 306	0.71 296	0.91 304	0.71 302	0.85 290	0.71 279	0.88 308	0.69 300	0.87 280	0.67 288

UNet	0.29 147	0.90 200	0.10 57	0.14 85	0.10 98	0.14 105	0.10 96	0.91 293	0.69 296	0.14 105	0.11 110	0.14 106	0.11 109	0.14 108	0.10 92	0.12 78	0.09 55	0.12 101	0.09 90	0.88 281	0.76 302

AIO-Stereo-zeroshot1	0.75 258	0.92 206	0.85 293	0.96 274	0.59 287	1.27 382	0.44 255	0.59 265	0.69 296	0.91 301	0.68 300	0.55 271	0.61 279	1.06 321	0.83 312	0.62 266	0.70 275	0.90 309	0.41 256	0.89 282	0.56 276

ToySt	0.92 293	2.11 334	0.90 297	0.95 271	0.79 317	0.99 312	0.78 303	0.94 300	0.81 316	0.94 307	0.78 315	0.95 313	0.77 300	0.94 308	0.86 313	0.91 294	0.79 287	0.85 306	0.77 309	0.89 282	0.73 297

ff7	1.68 375	2.68 352	1.35 379	0.97 275	0.89 323	1.84 393	2.15 411	2.12 391	1.80 410	2.05 397	1.56 400	2.33 402	2.12 404	2.23 399	2.25 414	1.31 369	1.07 306	1.48 394	1.41 395	0.90 284	1.04 327

ffff	1.68 375	2.68 352	1.35 379	0.97 275	0.89 323	1.84 393	2.15 411	2.12 391	1.80 410	2.05 397	1.56 400	2.33 402	2.12 404	2.23 399	2.25 414	1.31 369	1.07 306	1.48 394	1.41 395	0.90 284	1.04 327

ccc-4	1.68 375	2.68 352	1.35 379	0.97 275	0.89 323	1.84 393	2.15 411	2.12 391	1.80 410	2.05 397	1.56 400	2.33 402	2.12 404	2.23 399	2.25 414	1.31 369	1.07 306	1.48 394	1.41 395	0.90 284	1.04 327

STTRV1_RVC	0.82 278	1.60 311	0.70 273	1.01 281	0.60 288	1.07 322	0.69 293	1.01 307	0.60 281	0.72 284	0.55 285	1.02 320	0.68 289	1.03 319	0.67 290	0.89 293	0.63 265	0.92 313	0.57 284	0.90 284	0.65 284

pmcnn	0.92 293	0.92 206	0.92 300	0.92 266	0.92 328	0.92 305	0.92 315	0.92 296	0.92 323	0.92 303	0.92 326	0.92 309	0.92 309	0.92 307	0.92 315	0.92 295	0.92 298	0.92 313	0.92 320	0.92 288	0.92 315

DPSM_ROB	0.92 293	0.91 201	0.91 298	0.91 263	0.92 328	0.92 305	0.92 315	0.92 296	0.91 319	0.93 305	0.91 323	0.92 309	0.90 307	0.91 304	0.92 315	0.92 295	0.91 296	0.91 311	0.92 320	0.93 289	0.93 316

DPSM	0.92 293	0.91 201	0.91 298	0.91 263	0.92 328	0.92 305	0.92 315	0.92 296	0.91 319	0.93 305	0.91 323	0.92 309	0.90 307	0.91 304	0.92 315	0.92 295	0.91 296	0.91 311	0.92 320	0.93 289	0.93 316

AIO-Stereo	0.84 284	0.66 179	0.70 273	0.83 255	0.67 303	0.98 311	0.82 309	1.14 313	0.72 303	1.03 316	0.74 312	1.03 321	1.09 321	0.99 314	0.45 255	1.04 305	0.73 281	0.95 317	0.74 307	0.94 291	0.46 251

R-Stereo Train	0.81 274	0.96 210	0.67 270	0.95 271	0.67 303	0.95 308	0.68 290	0.95 302	0.68 293	0.95 309	0.68 300	0.96 314	0.68 289	0.96 312	0.68 294	0.94 299	0.68 270	0.94 315	0.68 298	0.94 291	0.68 289

RAFT-Stereo	0.81 274	0.96 210	0.67 270	0.95 271	0.67 303	0.95 308	0.68 290	0.95 302	0.68 293	0.95 309	0.68 300	0.96 314	0.68 289	0.96 312	0.68 294	0.94 299	0.68 270	0.94 315	0.68 298	0.94 291	0.68 289
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
DGTPSM_ROB	0.93 297	1.00 216	0.92 300	0.94 269	0.96 331	0.91 304	0.92 315	0.91 293	0.96 326	0.91 301	0.96 327	0.93 312	0.92 309	0.94 308	0.92 315	0.92 295	0.92 298	0.90 309	0.92 320	0.94 291	0.91 314

GANet	1.00 304	1.00 216	1.00 307	1.00 278	1.00 333	1.00 313	1.00 322	1.00 304	1.00 330	1.00 311	1.00 329	1.00 316	1.00 313	1.00 315	1.00 324	1.00 301	1.00 301	1.00 322	1.00 324	1.00 295	1.00 322

TDLM	1.00 304	1.00 216	1.00 307	1.00 278	1.00 333	1.00 313	1.00 322	1.00 304	1.00 330	1.00 311	1.00 329	1.00 316	1.00 313	1.00 315	1.00 324	1.00 301	1.00 301	1.00 322	1.00 324	1.00 295	1.00 322

CVANet_RVC	1.00 304	1.00 216	1.00 307	1.00 278	1.00 333	1.00 313	1.00 322	1.00 304	1.00 330	1.00 311	1.00 329	1.00 316	1.00 313	1.00 315	1.00 324	1.00 301	1.00 301	1.00 322	1.00 324	1.00 295	1.00 322

trnet	1.01 308	1.01 222	1.01 310	1.01 281	1.01 337	1.01 316	1.01 325	1.01 307	1.01 333	1.01 315	1.01 332	1.01 319	1.01 319	1.01 318	1.01 327	1.01 304	1.01 304	1.01 325	1.01 327	1.01 298	1.01 325

AIO-Stereo-zeroshot	0.91 291	0.86 194	0.89 294	1.25 351	0.69 307	1.05 318	0.81 308	1.16 316	0.50 271	1.12 325	0.97 328	0.72 288	0.82 305	1.06 321	0.95 320	0.61 265	0.87 295	1.03 327	0.85 319	1.04 299	1.01 325

GLC_STEREO	1.07 310	1.01 222	1.06 311	1.07 285	1.05 338	1.06 319	1.08 328	1.08 310	1.05 335	1.07 318	1.06 333	1.08 323	1.05 320	1.06 321	1.10 329	1.07 307	1.09 312	1.05 328	1.05 328	1.06 300	1.12 332

DPSimNet_ROB	0.97 301	1.18 247	0.81 292	1.10 287	0.91 327	1.02 317	0.82 309	1.04 309	0.91 319	1.03 316	0.86 320	1.28 384	0.82 305	1.03 319	0.89 314	1.17 318	0.81 292	1.02 326	0.82 316	1.08 301	0.81 307

MSMD_ROB	1.19 317	1.10 240	0.70 273	1.10 287	0.60 288	1.10 325	0.70 294	1.10 312	0.70 299	1.10 320	0.70 304	1.10 327	0.70 292	7.00 451	0.70 301	1.10 310	0.70 275	1.10 329	0.70 302	1.10 302	0.70 291

edge stereo	2.43 402	27.07 458	1.14 315	1.06 284	1.14 340	1.08 323	1.17 336	1.16 316	1.14 336	1.10 320	1.16 337	1.09 325	1.16 330	1.10 327	1.16 337	1.10 310	1.11 316	1.16 332	1.19 337	1.13 303	1.11 330

RGC	2.36 397	25.48 451	1.19 321	1.15 294	1.15 341	1.10 325	1.16 335	1.17 318	1.16 338	1.12 325	1.16 337	1.11 330	1.13 323	1.09 325	1.18 339	1.10 310	1.15 320	1.16 332	1.12 331	1.14 304	1.12 332

UPFNet	0.42 206	1.20 249	0.17 129	0.24 129	0.17 147	0.25 152	0.17 134	1.19 321	0.90 318	0.25 150	0.17 145	0.24 150	0.17 142	0.25 155	0.17 140	0.22 139	0.17 137	0.22 144	0.16 138	1.15 305	0.93 316

stereogan	2.33 395	24.38 448	1.18 320	1.18 301	1.18 348	1.14 330	1.18 337	1.19 321	1.19 344	1.14 328	1.18 341	1.14 332	1.18 331	1.14 331	1.18 339	1.14 317	1.14 319	1.19 339	1.19 337	1.15 305	1.19 340

AF-Net	2.37 399	25.71 453	1.17 318	1.13 291	1.15 341	1.15 331	1.18 337	1.19 321	1.16 338	1.10 320	1.15 334	1.10 327	1.18 331	1.12 330	1.15 334	1.10 310	1.10 315	1.17 336	1.15 333	1.16 307	1.12 332

RP	2.33 395	25.00 450	1.13 314	1.15 294	1.15 341	1.10 325	1.15 333	1.15 314	1.15 337	1.12 325	1.15 334	1.09 325	1.13 323	1.10 327	1.15 334	1.11 315	1.09 312	1.16 332	1.12 331	1.16 307	1.17 338

Nwc_Net	2.37 399	25.95 454	1.15 317	1.14 292	1.15 341	1.08 323	1.14 332	1.17 318	1.16 338	1.14 328	1.15 334	1.08 323	1.15 326	1.11 329	1.14 333	1.10 310	1.11 316	1.16 332	1.09 330	1.16 307	1.15 337

Abc-Net	2.32 394	24.75 449	1.14 315	1.17 300	1.17 346	1.11 328	1.15 333	1.17 318	1.21 390	1.08 319	1.16 337	1.12 331	1.14 325	1.09 325	1.17 338	1.09 308	1.16 321	1.17 336	1.17 336	1.16 307	1.11 330
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
HSM-Net_RVC	0.95 300	1.17 245	0.78 286	1.18 301	0.71 309	1.16 332	0.75 301	1.09 311	0.80 313	1.10 320	0.75 313	1.17 334	0.74 297	1.17 333	0.80 309	1.13 316	0.73 281	1.17 336	0.77 309	1.16 307	0.72 295
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
NCC-stereo	2.36 397	25.52 452	1.17 318	1.15 294	1.17 346	1.11 328	1.11 329	1.15 314	1.16 338	1.10 320	1.16 337	1.10 327	1.15 326	1.14 331	1.13 332	1.09 308	1.11 316	1.15 331	1.16 335	1.17 312	1.17 338

delet	0.43 207	1.21 295	0.17 129	0.25 133	0.17 147	0.25 152	0.18 138	1.26 373	0.95 325	0.25 150	0.17 145	0.25 154	0.17 142	0.25 155	0.17 140	0.23 149	0.16 125	0.22 144	0.16 138	1.18 313	0.98 319

psm_up	0.43 207	1.19 248	0.17 129	0.25 133	0.18 152	0.25 152	0.19 141	1.26 373	0.91 319	0.26 157	0.17 145	0.25 154	0.17 142	0.25 155	0.17 140	0.22 139	0.17 137	0.23 149	0.16 138	1.18 313	0.99 320

HBP-ISP	1.24 364	1.72 314	1.65 392	1.15 294	0.76 314	1.40 388	0.88 312	1.67 386	1.02 334	1.69 390	1.38 397	1.69 391	1.21 379	1.87 390	1.21 386	1.05 306	0.79 287	0.97 320	0.80 313	1.19 315	0.75 301

DisPM	1.20 318	1.20 249	1.20 324	1.20 303	1.20 349	1.20 333	1.20 339	1.20 324	1.20 345	1.20 331	1.20 342	1.20 336	1.20 333	1.20 335	1.20 341	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

CrosDoStereo	1.20 318	1.20 249	1.20 324	1.20 303	1.20 349	1.20 333	1.20 339	1.20 324	1.20 345	1.20 331	1.20 342	1.20 336	1.20 333	1.20 335	1.20 341	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

PFNet+	1.20 318	1.20 249	1.20 324	1.20 303	1.20 349	1.20 333	1.20 339	1.20 324	1.20 345	1.20 331	1.20 342	1.20 336	1.20 333	1.20 335	1.20 341	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

LCNet	1.20 318	1.20 249	1.20 324	1.20 303	1.20 349	1.20 333	1.20 339	1.20 324	1.20 345	1.20 331	1.20 342	1.20 336	1.20 333	1.20 335	1.20 341	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

HHNet	1.20 318	1.20 249	1.20 324	1.20 303	1.20 349	1.20 333	1.20 339	1.20 324	1.20 345	1.20 331	1.20 342	1.20 336	1.20 333	1.20 335	1.20 341	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

Patchmatch Stereo++	1.20 318	1.20 249	1.20 324	1.20 303	1.20 349	1.20 333	1.20 339	1.20 324	1.20 345	1.20 331	1.20 342	1.20 336	1.20 333	1.20 335	1.20 341	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
AAGNet	1.20 318	1.20 249	1.20 324	1.20 303	1.20 349	1.20 333	1.20 339	1.20 324	1.20 345	1.20 331	1.20 342	1.20 336	1.20 333	1.20 335	1.20 341	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

STrans-v2	1.20 318	1.20 249	1.20 324	1.20 303	1.20 349	1.20 333	1.20 339	1.20 324	1.20 345	1.20 331	1.20 342	1.20 336	1.20 333	1.20 335	1.20 341	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

TransformOpticalFlow	1.20 318	1.20 249	1.20 324	1.20 303	1.20 349	1.20 333	1.20 339	1.20 324	1.20 345	1.20 331	1.20 342	1.20 336	1.20 333	1.20 335	1.20 341	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

OMP-Stereo	1.20 318	1.20 249	1.20 324	1.20 303	1.20 349	1.20 333	1.20 339	1.20 324	1.20 345	1.20 331	1.20 342	1.20 336	1.20 333	1.20 335	1.20 341	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

IIG-Stereo	1.20 318	1.20 249	1.20 324	1.20 303	1.20 349	1.20 333	1.20 339	1.20 324	1.20 345	1.20 331	1.20 342	1.20 336	1.20 333	1.20 335	1.20 341	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

NF-Stereo	1.20 318	1.20 249	1.20 324	1.20 303	1.20 349	1.20 333	1.20 339	1.20 324	1.20 345	1.20 331	1.20 342	1.20 336	1.20 333	1.20 335	1.20 341	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

OCTAStereo	1.20 318	1.20 249	1.20 324	1.20 303	1.20 349	1.20 333	1.20 339	1.20 324	1.20 345	1.20 331	1.20 342	1.20 336	1.20 333	1.20 335	1.20 341	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

PSM-softLoss	1.20 318	1.20 249	1.20 324	1.20 303	1.20 349	1.20 333	1.20 339	1.20 324	1.20 345	1.20 331	1.20 342	1.20 336	1.20 333	1.20 335	1.20 341	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

KMStereo	1.20 318	1.20 249	1.20 324	1.20 303	1.20 349	1.20 333	1.20 339	1.20 324	1.20 345	1.20 331	1.20 342	1.20 336	1.20 333	1.20 335	1.20 341	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

NRIStereo	1.20 318	1.20 249	1.20 324	1.20 303	1.20 349	1.20 333	1.20 339	1.20 324	1.20 345	1.20 331	1.20 342	1.20 336	1.20 333	1.20 335	1.20 341	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

PSM-adaLoss	1.20 318	1.20 249	1.20 324	1.20 303	1.20 349	1.20 333	1.20 339	1.20 324	1.20 345	1.20 331	1.20 342	1.20 336	1.20 333	1.20 335	1.20 341	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

PSM-AAD	1.20 318	1.20 249	1.20 324	1.20 303	1.20 349	1.20 333	1.20 339	1.20 324	1.20 345	1.20 331	1.20 342	1.20 336	1.20 333	1.20 335	1.20 341	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

FTStereo	1.20 318	1.20 249	1.20 324	1.20 303	1.20 349	1.20 333	1.20 339	1.20 324	1.20 345	1.20 331	1.20 342	1.20 336	1.20 333	1.20 335	1.20 341	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

ROB_FTStereo_v2	1.20 318	1.20 249	1.20 324	1.20 303	1.20 349	1.20 333	1.20 339	1.20 324	1.20 345	1.20 331	1.20 342	1.20 336	1.20 333	1.20 335	1.20 341	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

ROB_FTStereo	1.20 318	1.20 249	1.20 324	1.20 303	1.20 349	1.20 333	1.20 339	1.20 324	1.20 345	1.20 331	1.20 342	1.20 336	1.20 333	1.20 335	1.20 341	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

Consistency-Raft	1.20 318	1.20 249	1.20 324	1.20 303	1.20 349	1.20 333	1.20 339	1.20 324	1.20 345	1.20 331	1.20 342	1.20 336	1.20 333	1.20 335	1.20 341	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

KYRaft	1.20 318	1.20 249	1.20 324	1.20 303	1.20 349	1.20 333	1.20 339	1.20 324	1.20 345	1.20 331	1.20 342	1.20 336	1.20 333	1.20 335	1.20 341	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

HUI-Stereo	1.20 318	1.20 249	1.20 324	1.20 303	1.20 349	1.20 333	1.20 339	1.20 324	1.20 345	1.20 331	1.20 342	1.20 336	1.20 333	1.20 335	1.20 341	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

ASMatch	1.20 318	1.20 249	1.20 324	1.20 303	1.20 349	1.20 333	1.20 339	1.20 324	1.20 345	1.20 331	1.20 342	1.20 336	1.20 333	1.20 335	1.20 341	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

DeepStereo_LL	1.20 318	1.20 249	1.20 324	1.20 303	1.20 349	1.20 333	1.20 339	1.20 324	1.20 345	1.20 331	1.20 342	1.20 336	1.20 333	1.20 335	1.20 341	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

DEmStereo	1.20 318	1.20 249	1.20 324	1.20 303	1.20 349	1.20 333	1.20 339	1.20 324	1.20 345	1.20 331	1.20 342	1.20 336	1.20 333	1.20 335	1.20 341	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

SST-Stereo	1.20 318	1.20 249	1.20 324	1.20 303	1.20 349	1.20 333	1.20 339	1.20 324	1.20 345	1.20 331	1.20 342	1.20 336	1.20 333	1.20 335	1.20 341	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

THIR-Stereo	1.20 318	1.20 249	1.20 324	1.20 303	1.20 349	1.20 333	1.20 339	1.20 324	1.20 345	1.20 331	1.20 342	1.20 336	1.20 333	1.20 335	1.20 341	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

RAFT_R40	1.20 318	1.20 249	1.20 324	1.20 303	1.20 349	1.20 333	1.20 339	1.20 324	1.20 345	1.20 331	1.20 342	1.20 336	1.20 333	1.20 335	1.20 341	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

DRaft	1.20 318	1.20 249	1.20 324	1.20 303	1.20 349	1.20 333	1.20 339	1.20 324	1.20 345	1.20 331	1.20 342	1.20 336	1.20 333	1.20 335	1.20 341	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

PFNet	1.20 318	1.20 249	1.20 324	1.20 303	1.20 349	1.20 333	1.20 339	1.20 324	1.20 345	1.20 331	1.20 342	1.20 336	1.20 333	1.20 335	1.20 341	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

GrayStereo	1.20 318	1.20 249	1.20 324	1.20 303	1.20 349	1.20 333	1.20 339	1.20 324	1.20 345	1.20 331	1.20 342	1.20 336	1.20 333	1.20 335	1.20 341	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

RE-Stereo	1.20 318	1.20 249	1.20 324	1.20 303	1.20 349	1.20 333	1.20 339	1.20 324	1.20 345	1.20 331	1.20 342	1.20 336	1.20 333	1.20 335	1.20 341	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

Pruner-Stereo	1.20 318	1.20 249	1.20 324	1.20 303	1.20 349	1.20 333	1.20 339	1.20 324	1.20 345	1.20 331	1.20 342	1.20 336	1.20 333	1.20 335	1.20 341	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

TVStereo	1.20 318	1.20 249	1.20 324	1.20 303	1.20 349	1.20 333	1.20 339	1.20 324	1.20 345	1.20 331	1.20 342	1.20 336	1.20 333	1.20 335	1.20 341	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

DeepStereo_RVC	1.20 318	1.20 249	1.20 324	1.20 303	1.20 349	1.20 333	1.20 339	1.20 324	1.20 345	1.20 331	1.20 342	1.20 336	1.20 333	1.20 335	1.20 341	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

RAFT-RH_RVC	1.20 318	1.20 249	1.20 324	1.20 303	1.20 349	1.20 333	1.20 339	1.20 324	1.20 345	1.20 331	1.20 342	1.20 336	1.20 333	1.20 335	1.20 341	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

IRAFT_RVC	1.20 318	1.20 249	1.20 324	1.20 303	1.20 349	1.20 333	1.20 339	1.20 324	1.20 345	1.20 331	1.20 342	1.20 336	1.20 333	1.20 335	1.20 341	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

RAFT-345	1.20 318	1.20 249	1.20 324	1.20 303	1.20 349	1.20 333	1.20 339	1.20 324	1.20 345	1.20 331	1.20 342	1.20 336	1.20 333	1.20 335	1.20 341	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

iRAFT	1.20 318	1.20 249	1.20 324	1.20 303	1.20 349	1.20 333	1.20 339	1.20 324	1.20 345	1.20 331	1.20 342	1.20 336	1.20 333	1.20 335	1.20 341	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

CRE-IMP	1.20 318	1.20 249	1.20 324	1.20 303	1.20 349	1.20 333	1.20 339	1.20 324	1.20 345	1.20 331	1.20 342	1.20 336	1.20 333	1.20 335	1.20 341	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

GMM-Stereo	1.20 318	1.20 249	1.20 324	1.20 303	1.20 349	1.20 333	1.20 339	1.20 324	1.20 345	1.20 331	1.20 342	1.20 336	1.20 333	1.20 335	1.20 341	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

RAFT-IKP	1.20 318	1.20 249	1.20 324	1.20 303	1.20 349	1.20 333	1.20 339	1.20 324	1.20 345	1.20 331	1.20 342	1.20 336	1.20 333	1.20 335	1.20 341	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

Prome-Stereo	1.20 318	1.20 249	1.20 324	1.20 303	1.20 349	1.20 333	1.20 339	1.20 324	1.20 345	1.20 331	1.20 342	1.20 336	1.20 333	1.20 335	1.20 341	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

MMNet	0.44 210	1.24 297	0.17 129	0.25 133	0.17 147	0.25 152	0.18 138	1.26 373	0.93 324	0.25 150	0.17 145	0.25 154	0.18 147	0.25 155	0.17 140	0.23 149	0.16 125	0.23 149	0.16 138	1.20 316	0.99 320

FAT-Stereo	2.46 403	26.05 455	1.23 373	1.23 350	1.22 396	1.20 333	1.24 387	1.23 372	1.23 392	1.19 330	1.22 388	1.21 381	1.24 381	1.20 335	1.24 388	1.21 365	1.17 323	1.22 386	1.25 387	1.20 316	1.24 389

CroCo-Stereo	0.73 256	1.22 296	0.25 157	1.22 348	0.25 177	1.22 379	0.25 168	1.22 370	0.25 168	1.22 377	0.25 177	1.22 382	0.25 171	1.22 381	0.25 171	1.22 366	0.26 162	1.21 385	0.25 177	1.22 363	0.25 159
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
S-Stereo	2.51 404	26.86 456	1.23 373	1.22 348	1.22 396	1.24 381	1.25 388	1.22 370	1.24 393	1.21 376	1.24 390	1.19 335	1.27 383	1.19 334	1.24 388	1.19 319	1.20 325	1.25 387	1.19 337	1.24 364	1.23 388

CroCo-Stereo Lap2	0.77 263	1.29 299	0.29 169	1.27 352	0.29 196	1.27 382	0.26 175	1.26 373	0.26 181	1.26 378	0.26 183	1.27 383	0.26 180	1.26 382	0.27 177	1.27 368	0.27 167	1.27 388	0.27 190	1.27 365	0.27 173

test_xeample3	1.10 312	1.81 319	0.61 259	0.84 256	0.49 275	0.77 289	0.66 286	0.92 296	1.40 402	0.68 282	0.46 263	0.78 294	0.54 274	1.72 389	1.48 398	1.34 372	1.52 386	1.35 390	1.67 405	1.33 366	1.55 401

MaskLacGwcNet_RVC	1.35 367	1.35 304	1.35 379	1.35 356	1.35 398	1.35 385	1.35 392	1.36 378	1.35 398	1.36 381	1.35 394	1.36 385	1.36 388	1.36 384	1.35 393	1.35 373	1.35 379	1.35 390	1.35 390	1.35 367	1.35 395

PS-NSSS	1.38 370	1.39 306	1.34 377	1.34 355	1.35 398	1.38 387	1.37 398	1.35 377	1.38 401	1.34 379	1.34 393	1.39 387	1.38 390	1.70 388	1.40 396	1.36 375	1.36 380	1.36 392	1.37 393	1.37 368	1.36 396

CC-Net-ROB	1.36 368	1.33 303	1.33 376	1.36 357	1.38 401	1.36 386	1.33 390	1.37 379	1.34 396	1.35 380	1.36 395	1.38 386	1.34 387	1.38 385	1.38 395	1.35 373	1.38 382	1.33 389	1.35 390	1.43 369	1.34 394

11t	1.27 366	2.70 355	1.34 377	1.32 354	0.89 323	1.30 384	1.34 391	1.64 383	0.57 279	1.45 383	0.72 309	1.05 322	1.29 385	1.07 324	1.29 391	1.49 377	1.02 305	0.97 320	1.15 333	1.48 370	1.31 392

IGEVStereo-DCA	1.77 379	4.21 387	1.84 400	2.49 389	2.11 417	2.54 408	1.36 393	1.65 384	1.17 342	2.75 409	1.90 412	2.54 408	1.15 326	0.94 308	1.11 330	1.50 378	1.32 373	0.96 318	1.46 399	1.49 371	0.88 311

rrr	1.77 379	4.21 387	1.84 400	2.49 389	2.11 417	2.54 408	1.36 393	1.65 384	1.17 342	2.75 409	1.90 412	2.54 408	1.15 326	0.94 308	1.11 330	1.50 378	1.32 373	0.96 318	1.46 399	1.49 371	0.88 311

CFNet-ft	0.55 235	1.57 309	0.14 110	0.20 113	0.14 132	0.20 130	2.53 416	1.61 382	0.14 132	0.20 128	0.14 135	0.20 130	0.14 131	0.20 130	0.14 126	0.17 121	0.12 94	0.17 124	0.12 124	1.56 373	1.24 389

DPSMNet_ROB	1.60 374	1.59 310	1.70 394	1.59 362	1.59 405	1.61 391	1.61 402	1.60 381	1.60 404	1.62 389	1.59 403	1.60 390	1.60 394	1.60 387	1.59 400	1.59 381	1.60 388	1.59 397	1.59 402	1.59 374	1.59 402

RASNet	1.49 371	1.65 312	1.45 387	1.38 359	1.43 403	1.47 390	1.36 393	1.38 380	1.36 399	1.39 382	1.60 404	1.45 388	1.45 392	1.51 386	2.21 413	1.53 380	1.36 380	1.36 392	1.36 392	1.66 375	1.36 396

RAFT_CTSACE	1.92 383	3.71 375	1.72 396	1.88 368	1.72 409	2.04 399	1.42 401	2.18 395	1.89 416	2.02 396	1.97 414	1.95 394	2.06 403	1.93 392	1.62 401	1.76 384	1.66 392	2.02 402	1.73 411	1.73 376	1.43 400

cf-r	0.66 242	2.17 339	0.12 87	0.18 109	0.12 128	0.18 125	2.70 419	2.60 404	0.12 128	0.18 124	0.12 120	0.18 125	0.12 125	0.18 125	0.12 117	0.15 109	0.11 81	0.15 118	0.11 108	1.81 377	1.74 409

MFMNet_re	1.81 381	1.91 324	1.71 395	1.95 372	1.70 408	1.95 397	1.70 405	1.96 389	1.74 407	1.97 394	1.72 407	1.95 394	1.71 397	1.97 393	1.71 406	1.86 387	1.62 389	1.85 398	1.66 404	1.86 378	1.64 403

GANetREF_RVC	1.55 372	1.94 330	1.22 371	1.88 368	1.21 395	1.88 396	1.22 385	1.88 387	1.22 391	1.88 391	1.22 388	1.88 392	1.22 380	1.89 391	1.22 387	1.87 388	1.22 372	1.88 399	1.22 386	1.88 379	1.22 387
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
SPS-STEREO	1.59 373	1.91 324	1.21 370	1.94 371	1.20 349	2.00 398	1.23 386	1.99 390	1.24 393	2.00 395	1.25 391	2.03 396	1.26 382	2.00 394	1.29 391	1.90 391	1.18 324	1.89 400	1.21 385	1.89 380	1.20 341
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MC-Stereo	1.76 378	2.96 362	1.37 384	2.14 377	1.37 400	2.14 400	1.36 393	2.14 394	1.37 400	2.14 400	1.37 396	2.14 397	1.37 389	2.14 398	1.37 394	1.97 392	1.32 373	1.97 401	1.32 389	1.98 381	1.33 393

TRStereo	2.00 384	2.13 335	1.85 402	2.27 382	1.84 412	2.28 402	1.84 408	2.29 397	1.86 413	2.30 402	1.87 409	2.30 399	1.87 400	2.08 395	1.72 408	2.08 396	1.72 394	2.08 403	1.72 408	2.08 382	1.72 406

XX-Stereo	2.00 384	2.13 335	1.85 402	2.27 382	1.84 412	2.28 402	1.84 408	2.29 397	1.86 413	2.30 402	1.87 409	2.30 399	1.87 400	2.08 395	1.72 408	2.08 396	1.72 394	2.08 403	1.72 408	2.08 382	1.72 406

EAI-Stereo	2.00 384	2.13 335	1.85 402	2.27 382	1.84 412	2.28 402	1.84 408	2.29 397	1.86 413	2.30 402	1.87 409	2.30 399	1.87 400	2.08 395	1.72 408	2.08 396	1.72 394	2.08 403	1.72 408	2.08 382	1.72 406

GANet-RSSM	0.75 258	1.91 324	0.14 110	0.47 209	0.14 132	0.21 138	3.21 436	2.30 401	0.14 132	0.46 232	0.14 135	0.23 146	0.18 147	0.21 140	0.14 126	0.18 128	0.27 167	0.37 208	0.13 132	2.13 385	2.12 412

NCCL2	2.28 393	2.27 343	2.28 408	2.28 385	2.28 419	2.27 401	2.29 414	2.28 396	2.28 417	2.27 401	2.28 419	2.28 398	2.27 407	2.27 402	2.28 418	2.28 399	2.28 404	2.27 406	2.29 417	2.27 386	2.29 413

ccnet	0.80 269	2.28 344	0.33 188	0.50 221	0.33 220	0.50 262	0.33 206	0.50 250	0.33 210	0.49 246	0.33 213	0.49 250	1.56 393	2.38 404	0.33 205	0.41 221	0.29 181	0.42 245	1.57 401	2.28 387	0.29 189

STTStereo	3.73 419	30.40 462	2.37 412	2.39 386	2.31 421	2.35 405	2.33 415	2.29 397	2.42 418	2.32 405	2.34 420	2.33 402	2.36 408	2.30 403	2.27 417	2.35 401	2.22 403	2.31 407	2.22 414	2.29 388	2.34 417

FBW_ROB	2.12 390	2.46 347	1.77 398	2.49 389	1.79 411	2.38 406	1.83 407	2.46 402	1.78 409	2.48 406	1.97 414	2.40 406	1.78 398	2.42 405	1.83 412	2.31 400	1.85 400	2.38 408	1.82 413	2.35 389	1.84 410

UDGNet	2.23 391	5.40 404	1.72 396	2.48 388	1.69 407	2.51 407	1.69 404	2.51 403	1.72 406	2.50 407	1.69 406	2.52 407	1.69 396	2.50 406	1.68 405	2.41 403	1.70 393	2.42 409	1.69 407	2.42 390	1.64 403

GES	0.66 242	2.34 345	0.29 169	0.41 192	0.29 196	0.41 219	0.29 189	0.42 225	0.29 192	0.40 198	0.41 250	0.41 217	0.30 204	0.51 262	0.29 190	0.32 175	0.29 181	0.32 173	2.46 419	2.49 391	0.30 198

PSMNet-RSSM	0.77 263	2.76 356	0.14 110	0.20 113	0.14 132	0.20 130	2.66 417	2.79 407	0.14 132	0.21 137	0.14 135	0.21 138	0.14 131	0.20 130	0.14 126	0.17 121	0.12 94	0.17 124	0.12 124	2.52 392	2.31 414

GwcNet-RSSM	0.77 263	2.77 358	0.14 110	0.20 113	0.14 132	0.20 130	2.67 418	2.78 406	0.14 132	0.20 128	0.14 135	0.20 130	0.14 131	0.21 140	0.14 126	0.17 121	0.12 94	0.17 124	0.12 124	2.52 392	2.31 414

hitnet-ft	0.79 267	2.78 359	0.14 110	0.20 113	0.14 132	0.21 138	2.89 420	2.80 408	0.14 132	0.20 128	0.14 135	0.20 130	0.14 131	0.20 130	0.14 126	0.17 121	0.12 94	0.17 124	0.12 124	2.54 394	2.33 416

PDISCO_ROB	0.83 282	2.80 360	3.49 430	0.14 85	0.11 113	0.17 123	0.09 91	0.15 117	0.10 96	0.15 111	0.12 120	0.16 116	0.14 131	3.30 414	0.13 123	0.14 100	2.34 405	0.16 119	0.12 124	2.62 395	0.10 93

sCroCo_RVC	2.10 388	2.76 356	1.92 406	2.78 393	1.39 402	2.73 410	1.41 400	2.73 405	1.40 402	2.77 411	1.41 399	2.74 410	1.40 391	2.74 409	1.40 396	2.72 404	1.42 383	2.72 410	1.44 398	2.79 396	1.42 399

NLCA_NET_v2_RVC	5.04 444	50.87 469	2.78 414	2.87 394	2.71 422	2.78 411	0.47 262	2.88 409	2.86 422	1.89 392	2.67 421	2.79 411	2.79 412	2.78 410	2.83 419	2.82 405	2.82 407	2.83 411	2.77 420	2.83 397	2.76 421
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
plain	1.88 382	3.16 365	0.64 263	3.10 395	0.65 299	3.10 413	0.64 283	3.12 411	0.65 289	3.10 412	0.65 296	3.11 412	0.65 283	3.12 411	0.65 286	3.12 407	0.65 268	3.13 412	0.65 292	3.13 398	0.65 284

UniTT-Stereo	2.03 387	3.43 370	0.72 278	3.42 399	0.73 312	3.27 416	0.68 290	3.38 415	0.69 296	3.29 415	0.72 309	3.28 415	0.70 292	3.35 416	0.68 294	3.39 409	0.68 270	3.31 414	0.69 300	3.37 399	0.73 297

DPSNet	3.66 418	3.60 371	3.62 432	3.63 403	3.64 440	3.65 419	3.65 439	3.66 418	3.67 437	3.67 417	3.65 438	3.67 418	3.66 428	3.66 417	3.68 435	3.68 412	3.66 422	3.67 418	3.68 438	3.67 400	3.67 437

RAStereo	2.23 391	3.64 372	0.76 284	3.65 404	0.86 321	3.66 420	0.76 302	3.67 419	0.81 316	3.66 416	0.76 314	3.66 417	0.77 300	3.68 418	0.77 306	3.68 412	0.77 286	3.69 419	0.77 309	3.70 401	0.77 303

SA	4.33 433	7.35 416	6.85 448	5.96 430	4.09 444	3.59 418	3.15 435	3.82 420	2.64 419	3.91 418	3.85 439	3.57 416	2.72 411	3.13 412	4.03 440	7.09 447	6.86 442	3.57 416	3.12 429	3.85 402	3.51 436

ssnet_v2	0.68 247	1.96 331	1.25 375	0.29 142	0.20 157	0.30 166	0.20 144	0.29 159	0.22 157	1.50 384	0.20 157	0.31 172	0.20 156	0.27 167	0.22 157	0.24 154	1.49 385	0.26 158	0.18 154	3.90 403	0.19 141

TestStereo1	4.60 435	8.41 423	6.44 445	6.86 435	3.79 441	3.97 422	3.78 440	3.99 422	3.74 438	3.97 419	3.52 436	3.94 421	3.58 426	3.98 421	3.72 436	6.82 444	6.50 440	3.76 420	3.66 436	3.90 403	3.74 440

SA-5K	4.60 435	8.41 423	6.44 445	6.86 435	3.79 441	3.97 422	3.78 440	3.99 422	3.74 438	3.97 419	3.52 436	3.94 421	3.58 426	3.98 421	3.72 436	6.82 444	6.50 440	3.76 420	3.66 436	3.90 403	3.74 440

test_4	4.88 441	8.13 421	6.98 449	7.46 438	4.44 446	4.25 425	3.85 442	4.04 424	3.92 441	4.13 421	3.91 440	4.18 424	3.84 431	4.14 423	4.06 441	7.01 446	7.13 443	4.53 424	3.72 439	4.09 406	3.72 438

test_3	5.01 443	8.86 428	7.77 451	8.09 440	2.76 423	4.13 424	4.05 444	3.88 421	3.76 440	4.33 423	4.13 443	3.71 419	3.91 432	4.21 424	4.06 441	7.93 448	7.69 445	4.53 424	3.91 441	4.17 407	4.29 446

RAFT+CT+SA	4.28 432	7.62 419	4.91 437	5.55 427	2.28 419	3.09 412	3.64 438	4.49 426	3.07 428	4.80 438	3.35 435	4.77 440	3.70 429	4.29 425	3.05 422	5.58 436	5.98 437	3.58 417	3.78 440	4.26 408	3.72 438

test_5	4.62 438	7.55 418	6.23 443	6.32 432	3.40 438	5.29 444	3.50 437	3.53 417	4.11 443	4.28 422	4.47 446	4.26 425	4.38 438	3.68 418	3.24 432	5.89 438	5.60 434	4.84 439	3.50 434	4.33 409	3.93 444

Sa-1000	4.34 434	8.37 422	6.84 447	6.98 437	4.45 447	3.58 417	3.00 421	3.42 416	3.39 436	2.61 408	4.00 442	3.83 420	4.01 435	3.90 420	3.90 438	5.98 440	5.62 435	3.76 420	2.34 418	4.35 410	2.47 420

cross-raft	4.83 440	7.52 417	6.43 444	6.63 433	3.96 443	4.51 427	3.99 443	4.49 426	3.96 442	4.52 425	3.96 441	4.50 426	3.97 434	4.50 427	3.97 439	6.65 442	6.44 439	4.33 423	3.92 442	4.35 410	3.91 443

sAnonymous2	3.31 416	2.63 350	1.38 385	3.71 405	1.86 415	4.70 439	1.11 329	4.82 440	2.72 420	5.45 443	1.98 416	4.59 431	2.64 409	2.65 407	6.21 449	4.37 414	1.08 310	5.16 442	2.24 415	4.52 412	2.39 418

CroCo_RVC	3.31 416	2.63 350	1.38 385	3.71 405	1.86 415	4.70 439	1.11 329	4.82 440	2.72 420	5.45 443	1.98 416	4.59 431	2.64 409	2.65 407	6.21 449	4.37 414	1.08 310	5.16 442	2.24 415	4.52 412	2.39 418

rvit_105_1	3.83 420	5.22 398	3.01 416	4.53 410	3.01 424	4.51 427	3.01 422	4.56 428	3.04 423	4.53 427	3.03 424	4.55 429	3.03 413	4.56 428	3.04 420	4.57 419	3.05 409	4.57 426	3.05 421	4.57 414	3.05 422

rvit_0105_6	3.87 424	5.73 410	3.10 426	4.69 420	3.12 434	4.54 429	3.02 423	4.56 428	3.04 423	4.54 429	3.03 424	4.54 427	3.04 416	4.56 428	3.05 422	4.58 422	3.05 409	4.58 428	3.05 421	4.58 415	3.05 422

rvit_stereo_0081	3.83 420	5.23 399	3.01 416	4.53 410	3.03 426	4.55 433	3.02 423	4.56 428	3.04 423	4.52 425	3.02 422	4.54 427	3.03 413	4.56 428	3.04 420	4.57 419	3.05 409	4.57 426	3.05 421	4.58 415	3.05 422

rvit_stereo_0082	3.86 422	5.82 411	3.01 416	4.53 410	3.03 426	4.54 429	3.02 423	4.56 428	3.04 423	4.53 427	3.02 422	4.55 429	3.04 416	4.57 431	3.05 422	4.57 419	3.05 409	4.58 428	3.05 421	4.58 415	3.06 425

rvit_stereo_0081_aga	3.86 422	5.33 402	3.02 419	4.55 416	3.04 430	4.54 429	3.02 423	4.64 435	3.06 427	4.54 429	3.04 426	4.62 436	3.08 420	4.62 434	3.07 425	4.58 422	3.06 413	4.60 430	3.08 425	4.63 418	3.07 426

rvit_stereo_0080	3.89 425	5.70 408	3.04 421	4.54 413	3.03 426	4.56 434	3.05 429	4.60 432	3.07 428	4.58 432	3.06 427	4.59 431	3.06 418	4.61 432	3.08 426	4.63 424	3.09 414	4.64 432	3.10 426	4.65 419	3.10 427

whm_eth	3.89 425	5.70 408	3.04 421	4.54 413	3.03 426	4.56 434	3.05 429	4.60 432	3.07 428	4.58 432	3.06 427	4.59 431	3.06 418	4.61 432	3.08 426	4.63 424	3.09 414	4.64 432	3.10 426	4.65 419	3.10 427

rvit_stereo_0083	3.92 429	5.30 401	3.06 424	4.61 419	3.09 433	4.67 438	3.08 432	4.66 436	3.09 432	4.62 435	3.10 432	4.66 439	3.11 422	4.67 436	3.16 431	4.72 429	3.16 419	4.77 437	3.11 428	4.66 421	3.11 429

rvit_stereo_ft	3.93 430	5.44 406	3.05 423	4.59 417	3.06 431	4.61 437	3.08 432	4.67 437	3.12 433	4.63 436	3.10 432	4.65 438	3.11 422	4.69 438	3.13 430	4.70 427	3.14 418	4.71 436	3.15 430	4.74 422	3.16 431

rvit_0105_3	3.91 427	5.33 402	3.06 424	4.60 418	3.07 432	4.60 436	3.06 431	4.62 434	3.08 431	4.60 434	3.07 430	4.62 436	3.08 420	4.67 436	3.10 429	4.70 427	3.11 416	4.77 437	3.19 432	4.77 423	3.14 430

rvit_0105_4	3.91 427	5.47 407	3.02 419	4.54 413	3.02 425	4.54 429	3.03 427	4.75 438	3.17 434	4.57 431	3.06 427	4.61 435	3.16 424	4.65 435	3.09 428	4.66 426	3.11 416	4.68 435	3.18 431	4.81 424	3.16 431

CFNet	1.37 369	5.27 400	0.19 137	5.49 426	0.19 155	0.28 163	0.19 141	0.28 156	0.19 150	0.28 160	0.19 154	0.28 164	4.35 437	0.28 169	0.19 149	0.23 149	0.17 137	0.23 149	4.21 445	4.81 424	0.17 135

raft_robust	4.71 439	7.75 420	5.40 442	6.81 434	3.31 436	4.28 426	4.20 445	4.32 425	4.37 446	4.35 424	4.35 445	4.14 423	3.75 430	4.30 426	4.20 443	6.67 443	6.37 438	3.36 415	4.24 446	4.86 426	3.25 433

Anonymous3	2.55 405	3.26 368	1.65 392	3.28 398	1.63 406	3.24 415	1.68 403	3.27 413	1.66 405	3.28 414	1.67 405	3.25 414	1.66 395	3.27 413	1.64 402	3.26 408	1.65 391	3.30 413	1.65 403	4.95 427	1.65 405

TestStereo	4.88 441	4.75 392	4.79 436	4.87 423	4.92 448	4.81 443	4.90 448	4.78 439	4.77 447	4.87 439	4.89 447	4.90 442	4.91 440	4.99 441	4.79 445	4.98 430	4.87 431	4.87 440	4.92 448	5.00 428	5.00 447

rvit_0105_5	4.10 431	5.40 404	3.13 429	4.71 421	3.15 435	4.72 441	3.10 434	4.90 442	3.27 435	4.69 437	3.16 434	4.84 441	3.25 425	4.96 440	3.34 433	5.05 432	3.39 421	5.10 441	3.40 433	5.11 429	3.42 434

FC-DCNN v2	5.10 445	5.15 397	4.49 435	5.07 425	3.37 437	6.87 448	4.75 447	5.04 443	6.34 451	7.84 451	5.06 448	6.72 451	4.09 436	4.99 441	5.44 448	5.03 431	3.16 419	4.67 434	4.86 447	5.15 430	3.89 442

DISCO	1.11 314	0.39 129	5.28 440	0.39 170	0.20 157	0.39 203	0.27 178	0.39 192	0.22 157	0.38 189	0.20 157	0.38 197	0.20 156	6.95 450	0.22 157	0.30 171	0.21 148	0.27 162	0.21 157	5.25 431	0.21 144

MaDis-Stereo	3.19 415	6.02 413	1.12 313	5.61 428	1.16 345	5.43 445	1.02 326	5.15 444	0.70 299	5.43 442	1.21 387	5.03 444	0.97 311	4.85 439	0.99 323	4.53 417	1.16 321	5.53 444	1.25 387	5.37 432	1.30 391

DispFullNet	4.61 437	4.84 393	3.12 427	5.00 424	3.57 439	4.75 442	3.03 427	7.75 451	4.17 444	4.91 440	3.09 431	6.20 447	3.95 433	6.71 447	3.51 434	5.30 435	3.67 423	5.86 448	3.63 435	5.61 433	3.46 435

StereoVision	3.15 414	5.00 395	0.89 294	4.83 422	1.00 333	3.93 421	1.27 389	6.37 445	1.34 396	5.67 445	1.26 392	5.84 446	1.27 383	5.03 443	1.24 388	5.10 434	1.09 312	4.61 431	0.57 284	5.62 434	1.12 332

SGM-Forest	5.21 447	5.92 412	4.08 434	6.18 431	4.16 445	6.31 447	4.34 446	6.50 446	4.33 445	6.14 447	4.21 444	6.61 450	4.55 439	6.67 446	4.48 444	5.94 439	3.94 425	5.85 447	4.03 444	5.79 435	4.17 445
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
MIF-Stereo (partial)	2.58 406	3.31 369	0.66 267	3.18 396	0.66 302	3.18 414	0.66 286	3.21 412	0.67 292	3.19 413	0.66 298	3.19 413	0.66 286	3.31 415	0.68 294	5.09 433	1.79 398	8.23 452	1.67 405	6.18 436	1.38 398

RAFT	6.73 450	9.36 431	7.40 450	8.51 443	6.55 452	6.88 449	6.60 452	6.79 447	6.60 452	6.80 448	6.72 454	5.31 445	5.50 443	6.61 445	6.61 452	8.42 450	5.89 436	5.73 445	5.45 452	6.61 437	6.24 451

gwcnet-sp	0.82 278	1.72 314	1.48 388	0.39 170	0.15 141	0.31 169	0.21 150	0.20 130	0.25 168	1.61 386	0.23 166	0.28 164	0.26 180	0.20 130	0.15 134	0.24 154	1.33 376	0.32 173	0.16 138	6.75 438	0.23 148

scenet	0.82 278	1.72 314	1.48 388	0.39 170	0.15 141	0.31 169	0.21 150	0.20 130	0.25 168	1.61 386	0.23 166	0.28 164	0.26 180	0.20 130	0.15 134	0.24 154	1.33 376	0.32 173	0.16 138	6.75 438	0.23 148

ssnet	0.82 278	1.72 314	1.48 388	0.39 170	0.15 141	0.31 169	0.21 150	0.20 130	0.25 168	1.61 386	0.23 166	0.28 164	0.26 180	0.20 130	0.15 134	0.24 154	1.33 376	0.32 173	0.16 138	6.75 438	0.23 148

test-1	6.46 448	9.16 430	8.03 454	8.09 440	5.62 451	6.11 446	6.35 451	6.85 448	4.94 448	6.08 446	6.29 453	4.98 443	6.43 445	6.22 444	6.36 451	6.16 441	7.47 444	5.82 446	5.44 451	7.11 441	5.68 450

test-v	7.53 452	11.89 439	7.98 452	9.36 446	7.14 453	7.06 450	7.09 453	7.37 449	6.91 453	7.29 449	5.71 451	6.45 448	6.93 446	6.73 448	7.27 453	8.93 453	7.85 446	6.98 449	6.80 453	7.56 442	7.34 453

test-2	7.53 452	11.89 439	7.98 452	9.36 446	7.14 453	7.06 450	7.09 453	7.37 449	6.91 453	7.29 449	5.71 451	6.45 448	6.93 446	6.73 448	7.27 453	8.93 453	7.85 446	6.98 449	6.80 453	7.56 442	7.34 453

rvit_stereo_0075_2	6.64 449	8.80 427	5.25 439	7.89 439	5.27 450	7.90 452	5.27 449	7.92 452	5.28 449	7.91 452	5.29 450	7.93 452	5.27 441	7.92 452	5.28 446	7.93 448	5.28 433	7.93 451	5.29 450	7.93 444	5.28 449

CFNet_RVC	2.38 401	8.71 426	0.38 205	9.33 445	0.42 261	0.56 271	0.42 252	0.60 267	0.38 232	0.62 275	0.42 257	0.56 274	7.29 449	0.62 275	0.42 252	0.53 257	0.37 205	0.49 267	0.34 228	8.30 445	6.87 452

MSMDNet	2.65 407	10.14 437	0.33 188	9.74 448	0.32 211	0.87 299	0.33 206	2.95 410	0.68 293	0.49 246	0.34 219	0.49 250	5.70 444	0.49 254	0.33 205	0.42 234	9.57 449	0.41 236	0.31 216	8.36 446	0.65 284

U	5.15 446	8.49 425	1.81 399	8.49 442	1.77 410	8.49 453	1.77 406	8.51 453	1.77 408	8.49 453	1.77 408	8.50 453	1.78 398	8.58 453	1.77 411	8.54 451	1.78 397	8.55 453	1.78 412	8.55 447	1.84 410

SGM+DAISY	7.06 451	9.15 429	5.38 441	8.84 444	5.18 449	8.80 454	5.31 450	8.79 454	5.28 449	8.89 454	5.20 449	8.93 454	5.33 442	8.95 454	5.36 447	8.70 452	5.21 432	8.74 454	5.20 449	8.89 448	5.15 448

pcwnet_v2	2.66 408	9.89 435	0.33 188	9.89 449	0.32 211	0.50 262	0.32 199	0.49 242	0.33 210	0.49 246	0.34 219	0.49 250	8.76 451	0.48 248	0.33 205	0.41 221	9.58 450	0.40 225	0.29 203	9.01 449	0.63 282

ccs_rob	2.79 412	10.17 438	0.32 183	10.00 451	0.33 220	0.49 254	0.33 206	1.90 388	0.32 207	0.51 259	0.33 213	0.49 250	9.24 453	0.49 254	0.33 205	0.41 221	9.82 452	0.41 236	0.28 194	9.34 450	0.29 189

PCWNet_CMD	2.80 413	9.82 434	0.32 183	10.09 452	0.32 211	0.49 254	0.33 206	3.34 414	0.33 210	0.49 246	0.33 213	0.49 250	8.73 450	0.48 248	0.33 205	0.41 221	9.22 448	0.42 245	0.29 203	9.55 451	0.31 203

UCFNet_RVC	2.75 411	10.06 436	0.29 169	10.31 453	0.29 196	0.42 235	0.29 189	0.43 228	0.29 192	0.42 221	0.29 196	0.42 233	9.87 454	0.43 233	0.29 190	0.36 193	9.84 453	0.36 206	0.26 184	9.77 452	0.26 165

CFNet_pseudo	2.67 409	9.36 431	0.32 183	10.99 454	0.33 220	0.85 297	0.33 206	0.49 242	0.33 210	0.49 246	0.32 210	0.49 250	7.26 448	0.49 254	0.33 205	0.41 221	9.62 451	0.41 236	0.29 203	10.03 453	0.29 189

CFNet_ucs	2.73 410	9.64 433	0.33 188	9.92 450	0.32 211	0.49 254	0.33 206	0.49 242	0.33 210	0.49 246	0.33 213	0.49 250	8.98 452	0.48 248	0.33 205	0.41 221	9.96 454	0.40 225	0.29 203	10.12 454	0.54 269

rafts_anoy	20.00 456	20.00 441	20.00 456	20.00 455	20.00 456	20.00 455	20.00 456	20.00 455	20.00 456	20.00 455	20.00 456	20.00 455	20.00 456	20.00 455	20.00 456	20.00 455	20.00 456	20.00 455	20.00 456	20.00 455	20.00 456

raft+_RVC	20.00 456	20.00 441	20.00 456	20.00 455	20.00 456	20.00 455	20.00 456	20.00 455	20.00 456	20.00 455	20.00 456	20.00 455	20.00 456	20.00 455	20.00 456	20.00 455	20.00 456	20.00 455	20.00 456	20.00 455	20.00 456

raftrobust	20.00 456	20.00 441	20.00 456	20.00 455	20.00 456	20.00 455	20.00 456	20.00 455	20.00 456	20.00 455	20.00 456	20.00 455	20.00 456	20.00 455	20.00 456	20.00 455	20.00 456	20.00 455	20.00 456	20.00 455	20.00 456

CasAABBNet	20.00 456	20.00 441	20.00 456	20.00 455	20.00 456	20.00 455	20.00 456	20.00 455	20.00 456	20.00 455	20.00 456	20.00 455	20.00 456	20.00 455	20.00 456	20.00 455	20.00 456	20.00 455	20.00 456	20.00 455	20.00 456

RALCasStereoNet	20.00 456	20.00 441	20.00 456	20.00 455	20.00 456	20.00 455	20.00 456	20.00 455	20.00 456	20.00 455	20.00 456	20.00 455	20.00 456	20.00 455	20.00 456	20.00 455	20.00 456	20.00 455	20.00 456	20.00 455	20.00 456

RALAANet	20.00 456	20.00 441	20.00 456	20.00 455	20.00 456	20.00 455	20.00 456	20.00 455	20.00 456	20.00 455	20.00 456	20.00 455	20.00 456	20.00 455	20.00 456	20.00 455	20.00 456	20.00 455	20.00 456	20.00 455	20.00 456

MANE	19.05 455	23.00 447	15.00 455	23.00 461	15.00 455	24.00 461	16.00 455	24.00 461	16.00 455	22.00 461	15.00 455	23.00 461	16.00 455	23.00 461	15.00 455	22.00 461	15.00 455	22.00 461	15.00 455	22.00 461	15.00 455

111	30.40 462	30.94 463	29.72 463	32.61 462	30.02 463	33.57 462	30.47 463	31.50 462	29.39 463	30.98 462	29.11 463	29.78 462	30.39 466	29.45 462	30.76 466	30.08 462	29.02 463	29.92 462	30.32 466	29.86 462	30.17 463

tt	500032.53 477	34.60 465	29.72 463	37.47 468	34.41 468	36.85 468	35.22 468	34.71 466	33.55 465	34.50 463	35.43 467	33.81 466	10000000.00 480	33.57 466	33.13 467	33.68 466	35.00 468	34.03 467	35.26 469	30.96 463	34.63 468

DCANet	500032.53 477	34.60 465	29.72 463	37.47 468	34.41 468	36.85 468	35.22 468	34.71 466	33.55 465	34.50 463	35.43 467	33.81 466	10000000.00 480	33.57 466	33.13 467	33.68 466	35.00 468	34.03 467	35.26 469	30.96 463	34.63 468

ADStereo(finetuned)	36.13 465	36.63 468	38.07 470	36.97 467	33.25 467	35.91 467	34.45 467	36.36 469	32.99 464	38.14 470	36.71 470	36.69 469	34.13 467	38.57 470	40.79 470	37.60 470	36.58 470	35.90 470	33.36 467	35.42 465	34.04 467

DCANet-4	35.22 464	34.54 464	35.08 469	33.58 466	35.47 470	34.55 463	35.53 470	36.08 468	35.85 467	35.92 468	35.77 469	35.18 468	35.48 468	35.39 468	37.15 469	34.55 468	33.92 467	35.02 469	34.90 468	35.79 466	34.74 470

WCMA_ROB	31.10 463	35.43 467	27.12 462	39.51 470	23.10 462	38.78 470	25.30 462	37.49 470	25.39 462	37.29 469	27.02 462	38.52 470	26.48 462	37.80 469	26.44 462	36.28 469	22.65 462	33.90 466	22.30 462	37.10 467	24.18 462

NOSS_ROB	102.95 467	153.00 474	121.00 474	51.00 471	44.00 471	165.00 474	127.00 473	153.00 473	119.00 470	164.00 474	125.00 473	168.00 474	120.00 471	153.00 473	117.00 473	49.00 471	44.00 471	49.00 471	44.00 471	49.00 468	44.00 471

CBMV	128.50 468	1422.70 481	53.10 472	79.50 472	51.30 472	77.30 472	49.70 471	74.00 471	48.20 469	77.20 472	48.80 472	73.90 472	48.00 470	73.80 472	48.80 472	70.40 472	45.10 472	68.90 472	46.10 472	68.20 469	45.00 472
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MDST_ROB	69.83 466	87.70 470	41.95 471	113.75 473	65.62 473	75.05 471	55.25 472	75.64 472	45.04 468	71.61 471	41.75 471	72.81 471	44.06 469	68.38 471	44.63 471	101.89 473	59.57 473	107.10 473	61.05 473	104.38 470	59.38 473

MeshStereo	159.24 469	171.00 475	160.68 477	162.58 474	160.59 474	164.01 473	160.35 474	158.51 474	158.56 471	158.34 473	160.12 474	158.56 473	159.92 472	157.26 474	158.94 474	154.38 474	158.36 474	155.75 474	159.13 475	153.67 471	154.07 474
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
AE-Stereo	201.80 470	123.00 471	115.00 473	219.00 475	218.00 476	223.00 475	244.00 476	217.00 475	236.00 473	202.00 475	203.00 475	205.00 475	208.00 473	225.00 475	204.00 475	210.00 475	198.00 475	197.00 475	184.00 476	204.00 472	201.00 475

MGS-Stereo	239.45 471	123.00 471	135.00 475	266.00 476	286.00 477	277.00 476	305.00 477	271.00 476	242.00 474	274.00 476	279.00 477	255.00 476	270.00 475	268.00 476	297.00 477	221.00 476	247.00 477	216.00 476	123.00 474	217.00 473	217.00 477

EGLCR-Stereo	246.90 472	129.00 473	139.00 476	266.00 476	286.00 477	277.00 476	305.00 477	271.00 476	242.00 474	274.00 476	279.00 477	255.00 476	270.00 475	268.00 476	297.00 477	230.00 477	247.00 477	216.00 476	223.00 478	237.00 474	227.00 478

DLCB_ROB	284.23 473	354.61 477	207.27 478	363.24 478	206.46 475	364.72 478	210.41 475	364.72 478	210.41 472	364.81 478	208.64 476	364.81 478	208.64 474	364.72 478	210.41 476	354.70 478	205.53 476	354.70 478	205.53 477	354.70 475	205.53 476

LE_ROB	396.57 474	471.28 478	329.84 479	471.48 479	308.15 479	526.83 479	322.10 479	488.15 479	323.76 476	495.46 479	317.97 479	497.17 479	320.10 477	481.62 479	326.76 479	462.71 479	298.97 479	466.16 479	285.98 479	447.62 476	289.21 479

SGM-ForestM	596.69 475	677.77 479	444.52 480	699.85 480	517.25 480	732.94 480	488.29 480	770.79 480	460.11 477	750.81 480	487.98 480	792.79 480	499.41 478	730.90 480	475.81 480	720.03 480	491.16 480	663.96 480	418.60 480	674.76 477	436.05 480

CBMV_ROB	818.48 476	913.88 480	709.52 481	862.84 481	597.78 481	1073.99 481	700.52 481	1015.66 481	702.59 478	1115.65 481	760.02 481	1130.24 481	721.57 479	1037.41 481	692.65 481	814.05 481	564.29 481	843.28 481	595.31 481	915.51 478	602.92 481

IGEV-Stereo++	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 479	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 480	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 479	10000000.00 482

IGEV-BASED-STEREO-	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 479	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 480	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 479	10000000.00 482

IGEV-Stereo+	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 479	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 480	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 479	10000000.00 482

SDNR	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 479	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 480	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 479	10000000.00 482

anonymousdsp2	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 479	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 480	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 479	10000000.00 482

anonymousdsp	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 479	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 480	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 479	10000000.00 482

fff	1000028.16 479	29.62 459	29.72 463	32.61 462	30.02 463	35.13 464	31.83 464	32.07 463	10000000.00 479	35.27 465	29.82 464	32.45 463	30.15 463	32.35 463	30.09 463	31.04 463	29.55 464	30.64 463	30.14 463	10000000.00 479	30.77 464

csc	1000028.16 479	29.62 459	29.72 463	32.61 462	30.02 463	35.13 464	31.83 464	32.07 463	10000000.00 479	35.27 465	29.82 464	32.45 463	30.15 463	32.35 463	30.09 463	31.04 463	29.55 464	30.64 463	30.14 463	10000000.00 479	30.77 464

cscssc	1000028.16 479	29.62 459	29.72 463	32.61 462	30.02 463	35.13 464	31.83 464	32.07 463	10000000.00 479	35.27 465	29.82 464	32.45 463	30.15 463	32.35 463	30.09 463	31.04 463	29.55 464	30.64 463	30.14 463	10000000.00 479	30.77 464

test_example2	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 479	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 480	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 479	10000000.00 482

DIP-Stereo	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 479	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 480	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 479	10000000.00 482
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022

Low-res two-view benchmark