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

IGEV	0.07 4	0.04 1	0.08 29	0.13 13	0.06 13	0.09 77	0.12 63	0.14 74	0.10 35	0.06 9	0.09 87	0.07 62	0.05 9	0.09 33	0.09 52	0.06 113	0.04 21	0.05 23	0.04 34	0.05 98	0.04 40

111111	0.07 4	0.04 1	0.09 70	0.17 215	0.06 13	0.05 4	0.10 27	0.11 27	0.09 22	0.06 9	0.06 12	0.07 62	0.05 9	0.09 33	0.09 52	0.06 113	0.04 21	0.05 23	0.04 34	0.07 254	0.06 196

MLG-Stereo_test2	0.06 1	0.04 1	0.10 105	0.15 70	0.05 1	0.07 27	0.11 46	0.09 11	0.04 2	0.06 9	0.05 7	0.06 16	0.04 1	0.08 15	0.09 52	0.06 113	0.04 21	0.05 23	0.03 1	0.05 98	0.05 120

LG-G_1	0.07 4	0.04 1	0.11 146	0.15 70	0.06 13	0.09 77	0.08 7	0.08 4	0.06 4	0.06 9	0.05 7	0.07 62	0.07 103	0.11 106	0.08 17	0.07 235	0.04 21	0.05 23	0.04 34	0.05 98	0.05 120

LG-G	0.07 4	0.04 1	0.11 146	0.15 70	0.06 13	0.09 77	0.08 7	0.08 4	0.06 4	0.06 9	0.05 7	0.07 62	0.07 103	0.11 106	0.08 17	0.07 235	0.04 21	0.05 23	0.04 34	0.05 98	0.05 120

LGtest1	0.07 4	0.04 1	0.10 105	0.15 70	0.06 13	0.07 27	0.09 18	0.08 4	0.06 4	0.05 1	0.04 1	0.06 16	0.06 34	0.10 60	0.09 52	0.07 235	0.04 21	0.05 23	0.04 34	0.06 189	0.06 196

FoundationStereo	0.06 1	0.04 1	0.08 29	0.12 4	0.05 1	0.09 77	0.13 101	0.06 1	0.09 22	0.05 1	0.05 7	0.06 16	0.04 1	0.06 1	0.07 1	0.06 113	0.04 21	0.05 23	0.03 1	0.05 98	0.04 40

dual_stereo	0.07 4	0.04 1	0.08 29	0.15 70	0.05 1	0.05 4	0.13 101	0.12 42	0.08 11	0.07 29	0.06 12	0.05 1	0.05 9	0.07 4	0.09 52	0.06 113	0.04 21	0.05 23	0.03 1	0.04 15	0.04 40

model_zeroshot	0.10 139	0.04 1	0.11 146	0.15 70	0.09 236	0.12 203	0.14 149	0.20 226	0.13 115	0.11 150	0.10 113	0.12 189	0.07 103	0.12 187	0.10 121	0.07 235	0.06 303	0.06 99	0.05 104	0.06 189	0.06 196

Pointernet	0.09 78	0.04 1	0.09 70	0.16 141	0.08 125	0.13 242	0.10 27	0.15 103	0.17 201	0.09 91	0.07 36	0.06 16	0.06 34	0.11 106	0.09 52	0.08 296	0.04 21	0.05 23	0.03 1	0.06 189	0.05 120

IGEV-Stereo+	0.07 4	0.04 1	0.08 29	0.15 70	0.06 13	0.04 1	0.09 18	0.10 16	0.09 22	0.06 9	0.06 12	0.06 16	0.06 34	0.06 1	0.08 17	0.06 113	0.04 21	0.05 23	0.04 34	0.06 189	0.06 196

CAS	0.08 43	0.04 1	0.07 6	0.17 215	0.08 125	0.10 124	0.13 101	0.12 42	0.09 22	0.09 91	0.10 113	0.08 95	0.06 34	0.09 33	0.08 17	0.08 296	0.04 21	0.05 23	0.03 1	0.05 98	0.04 40

CES	0.08 43	0.04 1	0.08 29	0.14 30	0.07 70	0.09 77	0.14 149	0.11 27	0.09 22	0.08 61	0.09 87	0.11 172	0.06 34	0.12 187	0.08 17	0.06 113	0.04 21	0.05 23	0.03 1	0.05 98	0.05 120

CREStereo++_RVC	0.08 43	0.04 1	0.06 2	0.13 13	0.07 70	0.09 77	0.12 63	0.14 74	0.14 139	0.10 123	0.14 184	0.08 95	0.07 103	0.09 33	0.11 184	0.06 113	0.04 21	0.05 23	0.05 104	0.04 15	0.04 40
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
TANstereo	0.09 78	0.04 1	0.08 29	0.13 13	0.06 13	0.11 169	0.14 149	0.15 103	0.19 242	0.11 150	0.15 201	0.10 151	0.06 34	0.12 187	0.09 52	0.07 235	0.05 182	0.05 23	0.04 34	0.06 189	0.05 120

CREStereo	0.09 78	0.04 1	0.08 29	0.11 1	0.06 13	0.13 242	0.14 149	0.14 74	0.10 35	0.08 61	0.13 170	0.09 120	0.08 138	0.11 106	0.10 121	0.08 296	0.04 21	0.05 23	0.03 1	0.06 189	0.06 196
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
DilatedVolume-Stereo	0.09 78	0.05 17	0.08 29	0.15 70	0.06 13	0.11 169	0.12 63	0.14 74	0.16 182	0.11 150	0.11 143	0.09 120	0.09 164	0.11 106	0.10 121	0.06 113	0.05 182	0.05 23	0.04 34	0.03 1	0.03 1

LG-Stereo_L2	0.07 4	0.05 17	0.10 105	0.14 30	0.06 13	0.07 27	0.12 63	0.09 11	0.09 22	0.06 9	0.04 1	0.05 1	0.05 9	0.08 15	0.08 17	0.05 26	0.04 21	0.05 23	0.03 1	0.04 15	0.03 1

LG-Stereo_L1	0.07 4	0.05 17	0.11 146	0.14 30	0.06 13	0.07 27	0.13 101	0.09 11	0.07 8	0.05 1	0.04 1	0.05 1	0.04 1	0.08 15	0.07 1	0.05 26	0.04 21	0.05 23	0.03 1	0.04 15	0.04 40

MLG-Stereo_test3	0.07 4	0.05 17	0.10 105	0.14 30	0.06 13	0.07 27	0.11 46	0.08 4	0.06 4	0.06 9	0.04 1	0.06 16	0.06 34	0.07 4	0.10 121	0.06 113	0.04 21	0.05 23	0.04 34	0.05 98	0.06 196

MLG-Stereo_test1	0.06 1	0.05 17	0.08 29	0.17 215	0.05 1	0.06 8	0.11 46	0.08 4	0.03 1	0.05 1	0.04 1	0.06 16	0.05 9	0.09 33	0.09 52	0.05 26	0.04 21	0.05 23	0.03 1	0.04 15	0.04 40

MLG-Stereo	0.07 4	0.05 17	0.08 29	0.17 215	0.05 1	0.07 27	0.11 46	0.08 4	0.04 2	0.05 1	0.04 1	0.06 16	0.05 9	0.10 60	0.09 52	0.05 26	0.04 21	0.05 23	0.03 1	0.04 15	0.04 40

SGD-Stereo	0.08 43	0.05 17	0.10 105	0.14 30	0.05 1	0.12 203	0.12 63	0.11 27	0.12 84	0.07 29	0.09 87	0.09 120	0.09 164	0.08 15	0.08 17	0.06 113	0.04 21	0.05 23	0.04 34	0.05 98	0.03 1

Reg-Stereo(zero)	0.08 43	0.05 17	0.08 29	0.16 141	0.06 13	0.12 203	0.11 46	0.15 103	0.10 35	0.12 188	0.09 87	0.10 151	0.08 138	0.11 106	0.08 17	0.06 113	0.04 21	0.05 23	0.04 34	0.04 15	0.05 120

HUF	0.08 43	0.05 17	0.08 29	0.14 30	0.06 13	0.09 77	0.13 101	0.13 58	0.13 115	0.07 29	0.07 36	0.08 95	0.06 34	0.10 60	0.09 52	0.06 113	0.04 21	0.05 23	0.04 34	0.05 98	0.04 40

AIO_test	0.07 4	0.05 17	0.07 6	0.15 70	0.07 70	0.06 8	0.14 149	0.10 16	0.10 35	0.07 29	0.07 36	0.06 16	0.05 9	0.08 15	0.10 121	0.05 26	0.04 21	0.05 23	0.04 34	0.04 15	0.03 1

castereo++	0.08 43	0.05 17	0.08 29	0.15 70	0.05 1	0.14 274	0.12 63	0.11 27	0.15 155	0.07 29	0.07 36	0.07 62	0.06 34	0.08 15	0.08 17	0.06 113	0.04 21	0.05 23	0.04 34	0.04 15	0.03 1

DEFOM-Stereo	0.07 4	0.05 17	0.07 6	0.14 30	0.06 13	0.10 124	0.13 101	0.07 2	0.13 115	0.06 9	0.07 36	0.06 16	0.05 9	0.10 60	0.09 52	0.04 11	0.04 21	0.05 23	0.03 1	0.04 15	0.04 40

999	0.09 78	0.05 17	0.13 226	0.15 70	0.08 125	0.10 124	0.14 149	0.15 103	0.11 61	0.10 123	0.08 69	0.08 95	0.08 138	0.16 312	0.10 121	0.06 113	0.04 21	0.06 99	0.05 104	0.04 15	0.05 120

PAM_32	0.09 78	0.05 17	0.17 372	0.15 70	0.08 125	0.10 124	0.15 215	0.14 74	0.15 155	0.09 91	0.08 69	0.09 120	0.07 103	0.14 256	0.08 17	0.06 113	0.05 182	0.06 99	0.06 182	0.05 98	0.06 196

PAM	0.10 139	0.05 17	0.16 344	0.15 70	0.08 125	0.09 77	0.16 280	0.15 103	0.16 182	0.12 188	0.09 87	0.09 120	0.07 103	0.13 231	0.08 17	0.06 113	0.05 182	0.06 99	0.06 182	0.05 98	0.06 196

UGAM-zero	0.09 78	0.05 17	0.15 310	0.15 70	0.08 125	0.09 77	0.13 101	0.19 215	0.15 155	0.11 150	0.15 201	0.07 62	0.07 103	0.09 33	0.09 52	0.06 113	0.05 182	0.06 99	0.05 104	0.05 98	0.06 196

WCG-NET	0.08 43	0.05 17	0.09 70	0.15 70	0.06 13	0.11 169	0.14 149	0.13 58	0.13 115	0.06 9	0.09 87	0.07 62	0.06 34	0.13 231	0.08 17	0.05 26	0.04 21	0.05 23	0.04 34	0.04 15	0.03 1

Occ-G	0.08 43	0.05 17	0.06 2	0.14 30	0.07 70	0.08 48	0.14 149	0.13 58	0.15 155	0.07 29	0.11 143	0.07 62	0.05 9	0.09 33	0.10 121	0.06 113	0.05 182	0.05 23	0.04 34	0.05 98	0.05 120

AIO-Stereo-zeroshot1	0.11 182	0.05 17	0.14 261	0.15 70	0.20 512	0.09 77	0.17 313	0.21 248	0.15 155	0.11 150	0.14 184	0.10 151	0.07 103	0.10 60	0.08 17	0.06 113	0.05 182	0.07 191	0.07 269	0.07 254	0.09 384

AIO-Stereo-zeroshot	0.11 182	0.05 17	0.11 146	0.15 70	0.13 437	0.13 242	0.16 280	0.23 290	0.17 201	0.10 123	0.12 156	0.10 151	0.07 103	0.11 106	0.09 52	0.06 113	0.05 182	0.06 99	0.06 182	0.07 254	0.08 340

WCG-NET（raft）	0.08 43	0.05 17	0.10 105	0.15 70	0.06 13	0.11 169	0.13 101	0.15 103	0.12 84	0.08 61	0.07 36	0.06 16	0.06 34	0.13 231	0.08 17	0.05 26	0.04 21	0.05 23	0.04 34	0.04 15	0.04 40

gcap-zeroshot	0.09 78	0.05 17	0.10 105	0.16 141	0.07 70	0.13 242	0.13 101	0.11 27	0.12 84	0.13 215	0.12 156	0.09 120	0.08 138	0.09 33	0.09 52	0.06 113	0.05 182	0.06 99	0.05 104	0.04 15	0.04 40

trnet	0.08 43	0.05 17	0.07 6	0.12 4	0.05 1	0.12 203	0.11 46	0.13 58	0.10 35	0.08 61	0.13 170	0.09 120	0.08 138	0.11 106	0.10 121	0.08 296	0.05 182	0.05 23	0.03 1	0.06 189	0.05 120

MoCha-V2	0.08 43	0.05 17	0.10 105	0.20 404	0.07 70	0.09 77	0.14 149	0.11 27	0.08 11	0.07 29	0.08 69	0.07 62	0.06 34	0.09 33	0.08 17	0.05 26	0.04 21	0.05 23	0.04 34	0.04 15	0.04 40

IGEV_Zeroshot_test	0.09 78	0.05 17	0.12 181	0.13 13	0.08 125	0.12 203	0.13 101	0.17 165	0.11 61	0.10 123	0.06 12	0.09 120	0.06 34	0.11 106	0.09 52	0.06 113	0.04 21	0.06 99	0.06 182	0.05 98	0.05 120

MSKI-zero shot	0.09 78	0.05 17	0.09 70	0.15 70	0.07 70	0.10 124	0.13 101	0.14 74	0.13 115	0.09 91	0.09 87	0.09 120	0.06 34	0.12 187	0.10 121	0.06 113	0.04 21	0.05 23	0.04 34	0.04 15	0.04 40

AEACV	0.08 43	0.05 17	0.08 29	0.14 30	0.13 437	0.14 274	0.13 101	0.14 74	0.09 22	0.07 29	0.09 87	0.07 62	0.08 138	0.10 60	0.09 52	0.06 113	0.04 21	0.06 99	0.05 104	0.05 98	0.04 40

Any-RAFT	0.10 139	0.05 17	0.09 70	0.14 30	0.07 70	0.13 242	0.14 149	0.21 248	0.15 155	0.11 150	0.12 156	0.12 189	0.09 164	0.12 187	0.09 52	0.07 235	0.04 21	0.05 23	0.04 34	0.06 189	0.05 120

LoS_RVC	0.08 43	0.05 17	0.07 6	0.15 70	0.07 70	0.08 48	0.15 215	0.11 27	0.10 35	0.08 61	0.09 87	0.06 16	0.09 164	0.10 60	0.09 52	0.05 26	0.04 21	0.05 23	0.03 1	0.04 15	0.03 1

LoS	0.09 78	0.05 17	0.11 146	0.13 13	0.07 70	0.14 274	0.11 46	0.15 103	0.15 155	0.09 91	0.09 87	0.12 189	0.09 164	0.15 278	0.10 121	0.07 235	0.05 182	0.05 23	0.03 1	0.05 98	0.05 120
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
EGLCR-Stereo	0.08 43	0.05 17	0.08 29	0.14 30	0.06 13	0.10 124	0.12 63	0.11 27	0.16 182	0.06 9	0.05 7	0.07 62	0.05 9	0.10 60	0.11 184	0.06 113	0.04 21	0.06 99	0.05 104	0.04 15	0.04 40

knoymous	0.11 182	0.05 17	0.12 181	0.13 13	0.07 70	0.15 300	0.14 149	0.19 215	0.13 115	0.11 150	0.17 234	0.13 213	0.09 164	0.13 231	0.11 184	0.08 296	0.05 182	0.06 99	0.05 104	0.08 317	0.07 276

iRaft-Stereo_20w	0.09 78	0.05 17	0.13 226	0.14 30	0.08 125	0.12 203	0.15 215	0.18 194	0.10 35	0.11 150	0.08 69	0.08 95	0.05 9	0.10 60	0.09 52	0.06 113	0.04 21	0.06 99	0.05 104	0.06 189	0.05 120

TRStereo	0.09 78	0.05 17	0.12 181	0.15 70	0.12 415	0.10 124	0.13 101	0.18 194	0.18 227	0.09 91	0.09 87	0.09 120	0.06 34	0.10 60	0.08 17	0.07 235	0.05 182	0.07 191	0.07 269	0.04 15	0.04 40

AnonymousM	0.09 78	0.05 17	0.10 105	0.14 30	0.06 13	0.09 77	0.13 101	0.19 215	0.14 139	0.13 215	0.11 143	0.09 120	0.08 138	0.13 231	0.10 121	0.08 296	0.05 182	0.08 274	0.05 104	0.05 98	0.05 120

XX-Stereo	0.09 78	0.05 17	0.08 29	0.17 215	0.09 236	0.15 300	0.12 63	0.20 226	0.10 35	0.10 123	0.14 184	0.07 62	0.06 34	0.12 187	0.08 17	0.06 113	0.05 182	0.06 99	0.06 182	0.04 15	0.04 40

PMTNet	0.09 78	0.05 17	0.09 70	0.12 4	0.06 13	0.12 203	0.14 149	0.15 103	0.11 61	0.09 91	0.13 170	0.10 151	0.07 103	0.13 231	0.10 121	0.15 488	0.04 21	0.05 23	0.03 1	0.07 254	0.06 196

S2M2_XL	0.08 43	0.06 54	0.12 181	0.12 4	0.08 125	0.09 77	0.09 18	0.07 2	0.07 8	0.08 61	0.07 36	0.07 62	0.06 34	0.09 33	0.09 52	0.08 296	0.06 303	0.07 191	0.05 104	0.08 317	0.06 196

water-stereo	0.09 78	0.06 54	0.08 29	0.16 141	0.07 70	0.09 77	0.13 101	0.15 103	0.13 115	0.11 150	0.12 156	0.08 95	0.09 164	0.07 4	0.08 17	0.06 113	0.05 182	0.05 23	0.05 104	0.04 15	0.04 40

depthmonostereo	0.09 78	0.06 54	0.09 70	0.15 70	0.06 13	0.10 124	0.13 101	0.14 74	0.14 139	0.10 123	0.10 113	0.09 120	0.11 221	0.08 15	0.09 52	0.06 113	0.05 182	0.06 99	0.04 34	0.04 15	0.03 1

2.25w	0.07 4	0.06 54	0.07 6	0.14 30	0.06 13	0.08 48	0.08 7	0.10 16	0.15 155	0.08 61	0.10 113	0.07 62	0.06 34	0.08 15	0.10 121	0.05 26	0.03 1	0.04 1	0.04 34	0.03 1	0.04 40

3.25w_new	0.07 4	0.06 54	0.07 6	0.15 70	0.06 13	0.10 124	0.07 3	0.12 42	0.11 61	0.08 61	0.06 12	0.07 62	0.06 34	0.11 106	0.09 52	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

3.25w	0.07 4	0.06 54	0.07 6	0.15 70	0.06 13	0.10 124	0.07 3	0.12 42	0.11 61	0.08 61	0.06 12	0.07 62	0.06 34	0.11 106	0.09 52	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

1w_stereo	0.07 4	0.06 54	0.07 6	0.16 141	0.06 13	0.07 27	0.10 27	0.14 74	0.14 139	0.07 29	0.08 69	0.05 1	0.06 34	0.09 33	0.09 52	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.04 40

monsterstereo	0.07 4	0.06 54	0.06 2	0.16 141	0.06 13	0.08 48	0.10 27	0.16 129	0.11 61	0.07 29	0.08 69	0.06 16	0.07 103	0.08 15	0.09 52	0.04 11	0.04 21	0.05 23	0.04 34	0.03 1	0.03 1

monsters	0.07 4	0.06 54	0.06 2	0.15 70	0.06 13	0.08 48	0.09 18	0.12 42	0.08 11	0.09 91	0.07 36	0.06 16	0.06 34	0.08 15	0.08 17	0.05 26	0.04 21	0.04 1	0.04 34	0.03 1	0.03 1

G2L-ROB	0.13 272	0.06 54	0.13 226	0.13 13	0.08 125	0.14 274	0.16 280	0.25 328	0.18 227	0.19 353	0.18 259	0.20 336	0.14 313	0.17 344	0.16 354	0.08 296	0.05 182	0.06 99	0.05 104	0.08 317	0.09 384

LG-Stereo_Zeroshot	0.07 4	0.06 54	0.10 105	0.16 141	0.07 70	0.04 1	0.13 101	0.10 16	0.10 35	0.05 1	0.11 143	0.07 62	0.05 9	0.07 4	0.09 52	0.06 113	0.04 21	0.05 23	0.04 34	0.05 98	0.04 40

MM-Stereo_test2	0.09 78	0.06 54	0.09 70	0.19 352	0.08 125	0.12 203	0.18 358	0.15 103	0.14 139	0.07 29	0.10 113	0.07 62	0.06 34	0.12 187	0.09 52	0.05 26	0.04 21	0.06 99	0.05 104	0.05 98	0.03 1

GREAT-IGEV	0.07 4	0.06 54	0.08 29	0.13 13	0.07 70	0.07 27	0.14 149	0.09 11	0.09 22	0.06 9	0.07 36	0.06 16	0.05 9	0.10 60	0.07 1	0.05 26	0.04 21	0.05 23	0.04 34	0.05 98	0.04 40

HI	0.11 182	0.06 54	0.11 146	0.13 13	0.09 236	0.09 77	0.14 149	0.21 248	0.10 35	0.19 353	0.17 234	0.14 233	0.09 164	0.16 312	0.08 17	0.05 26	0.04 21	0.07 191	0.08 334	0.07 254	0.06 196

CoSv	0.11 182	0.06 54	0.11 146	0.13 13	0.09 236	0.09 77	0.14 149	0.21 248	0.10 35	0.19 353	0.17 234	0.14 233	0.09 164	0.16 312	0.08 17	0.05 26	0.04 21	0.07 191	0.08 334	0.07 254	0.06 196

DEFOM-Stereo_RVC	0.08 43	0.06 54	0.09 70	0.22 448	0.06 13	0.08 48	0.12 63	0.10 16	0.10 35	0.07 29	0.07 36	0.06 16	0.05 9	0.11 106	0.09 52	0.06 113	0.04 21	0.05 23	0.03 1	0.06 189	0.04 40

AIO_rvc	0.07 4	0.06 54	0.08 29	0.15 70	0.06 13	0.08 48	0.14 149	0.09 11	0.08 11	0.07 29	0.08 69	0.07 62	0.04 1	0.10 60	0.08 17	0.05 26	0.04 21	0.05 23	0.04 34	0.04 15	0.03 1

IGEV-RUCA	0.08 43	0.06 54	0.11 146	0.14 30	0.09 236	0.10 124	0.12 63	0.10 16	0.12 84	0.06 9	0.07 36	0.07 62	0.06 34	0.09 33	0.08 17	0.06 113	0.05 182	0.05 23	0.04 34	0.05 98	0.06 196

castereo	0.09 78	0.06 54	0.11 146	0.15 70	0.06 13	0.11 169	0.15 215	0.14 74	0.18 227	0.08 61	0.10 113	0.11 172	0.08 138	0.09 33	0.10 121	0.05 26	0.04 21	0.05 23	0.04 34	0.04 15	0.03 1

MonSter	0.07 4	0.06 54	0.05 1	0.15 70	0.05 1	0.07 27	0.10 27	0.15 103	0.15 155	0.05 1	0.06 12	0.05 1	0.06 34	0.07 4	0.09 52	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

GIP-stereo	0.08 43	0.06 54	0.11 146	0.14 30	0.06 13	0.09 77	0.13 101	0.14 74	0.11 61	0.07 29	0.08 69	0.05 1	0.04 1	0.10 60	0.07 1	0.05 26	0.04 21	0.05 23	0.04 34	0.05 98	0.04 40

fffft	0.09 78	0.06 54	0.12 181	0.16 141	0.07 70	0.09 77	0.17 313	0.12 42	0.11 61	0.08 61	0.07 36	0.09 120	0.06 34	0.11 106	0.12 232	0.05 26	0.04 21	0.06 99	0.05 104	0.04 15	0.05 120
1: 1. 1
SMoEStereo_RVC	0.08 43	0.06 54	0.12 181	0.16 141	0.07 70	0.09 77	0.14 149	0.11 27	0.13 115	0.09 91	0.07 36	0.07 62	0.07 103	0.12 187	0.10 121	0.05 26	0.04 21	0.06 99	0.05 104	0.04 15	0.04 40

tt45	0.09 78	0.06 54	0.11 146	0.15 70	0.07 70	0.11 169	0.16 280	0.13 58	0.11 61	0.09 91	0.06 12	0.08 95	0.06 34	0.13 231	0.10 121	0.06 113	0.04 21	0.06 99	0.05 104	0.05 98	0.06 196

tg	0.10 139	0.06 54	0.10 105	0.18 296	0.08 125	0.11 169	0.16 280	0.20 226	0.12 84	0.08 61	0.11 143	0.11 172	0.07 103	0.11 106	0.10 121	0.05 26	0.04 21	0.08 274	0.08 334	0.04 15	0.04 40

IGEV-Stereo++	0.07 4	0.06 54	0.08 29	0.18 296	0.06 13	0.04 1	0.10 27	0.11 27	0.11 61	0.06 9	0.07 36	0.07 62	0.06 34	0.09 33	0.09 52	0.05 26	0.04 21	0.05 23	0.04 34	0.05 98	0.04 40

AIO-Stereo	0.08 43	0.06 54	0.09 70	0.18 296	0.06 13	0.08 48	0.12 63	0.15 103	0.09 22	0.08 61	0.08 69	0.07 62	0.05 9	0.11 106	0.08 17	0.05 26	0.05 182	0.05 23	0.04 34	0.04 15	0.04 40

RSM++	0.08 43	0.06 54	0.09 70	0.17 215	0.07 70	0.09 77	0.12 63	0.11 27	0.11 61	0.08 61	0.06 12	0.07 62	0.05 9	0.10 60	0.09 52	0.04 11	0.04 21	0.06 99	0.05 104	0.05 98	0.03 1

RSM	0.08 43	0.06 54	0.09 70	0.17 215	0.06 13	0.08 48	0.12 63	0.12 42	0.10 35	0.08 61	0.07 36	0.06 16	0.05 9	0.11 106	0.09 52	0.04 11	0.04 21	0.05 23	0.04 34	0.04 15	0.03 1

RAFT-Stereo-weight	0.09 78	0.06 54	0.10 105	0.16 141	0.07 70	0.09 77	0.14 149	0.19 215	0.16 182	0.11 150	0.10 113	0.08 95	0.06 34	0.10 60	0.11 184	0.06 113	0.04 21	0.06 99	0.04 34	0.04 15	0.04 40

testlalala2	0.10 139	0.06 54	0.11 146	0.20 404	0.10 337	0.10 124	0.12 63	0.17 165	0.12 84	0.12 188	0.13 170	0.09 120	0.07 103	0.11 106	0.13 273	0.06 113	0.05 182	0.05 23	0.04 34	0.05 98	0.05 120

IGEV++	0.08 43	0.06 54	0.08 29	0.18 296	0.07 70	0.09 77	0.13 101	0.10 16	0.09 22	0.08 61	0.08 69	0.06 16	0.06 34	0.13 231	0.09 52	0.05 26	0.04 21	0.05 23	0.04 34	0.05 98	0.04 40

11t1	0.12 247	0.06 54	0.13 226	0.14 30	0.08 125	0.17 351	0.15 215	0.18 194	0.15 155	0.15 263	0.15 201	0.16 276	0.16 357	0.15 278	0.13 273	0.08 296	0.05 182	0.06 99	0.05 104	0.08 317	0.07 276

IGEVStereo-DCA	0.09 78	0.06 54	0.11 146	0.15 70	0.10 337	0.11 169	0.15 215	0.16 129	0.12 84	0.10 123	0.06 12	0.08 95	0.06 34	0.10 60	0.08 17	0.06 113	0.05 182	0.06 99	0.05 104	0.05 98	0.06 196

rrr	0.09 78	0.06 54	0.12 181	0.15 70	0.10 337	0.11 169	0.16 280	0.16 129	0.15 155	0.10 123	0.06 12	0.08 95	0.06 34	0.10 60	0.08 17	0.06 113	0.05 182	0.06 99	0.05 104	0.05 98	0.06 196

MIF-Stereo (partial)	0.11 182	0.06 54	0.10 105	0.19 352	0.10 337	0.10 124	0.11 46	0.17 165	0.18 227	0.14 236	0.16 213	0.09 120	0.11 221	0.12 187	0.12 232	0.08 296	0.05 182	0.08 274	0.07 269	0.06 189	0.07 276

RAFT-Test	0.09 78	0.06 54	0.10 105	0.15 70	0.07 70	0.11 169	0.15 215	0.16 129	0.13 115	0.09 91	0.10 113	0.10 151	0.09 164	0.12 187	0.09 52	0.06 113	0.04 21	0.05 23	0.04 34	0.04 15	0.05 120

HH	0.09 78	0.06 54	0.13 226	0.17 215	0.08 125	0.10 124	0.16 280	0.14 74	0.10 35	0.08 61	0.09 87	0.08 95	0.07 103	0.10 60	0.09 52	0.06 113	0.04 21	0.06 99	0.05 104	0.05 98	0.04 40

HanStereo	0.09 78	0.06 54	0.13 226	0.17 215	0.08 125	0.10 124	0.16 280	0.14 74	0.10 35	0.08 61	0.09 87	0.08 95	0.07 103	0.10 60	0.09 52	0.06 113	0.04 21	0.06 99	0.05 104	0.05 98	0.04 40

CBFPSM	0.14 306	0.06 54	0.26 452	0.17 215	0.09 236	0.13 242	0.15 215	0.22 270	0.23 304	0.20 375	0.27 385	0.24 387	0.16 357	0.16 312	0.18 387	0.06 113	0.06 303	0.06 99	0.07 269	0.07 254	0.07 276

iinet-f	0.16 373	0.06 54	0.45 507	0.14 30	0.10 337	0.21 425	0.14 149	0.27 367	0.23 304	0.21 389	0.24 331	0.21 345	0.15 331	0.18 365	0.21 425	0.09 355	0.07 373	0.07 191	0.06 182	0.09 378	0.10 409

Selective-IGEV	0.07 4	0.06 54	0.08 29	0.17 215	0.06 13	0.08 48	0.12 63	0.13 58	0.07 8	0.08 61	0.07 36	0.06 16	0.04 1	0.10 60	0.09 52	0.05 26	0.04 21	0.05 23	0.04 34	0.04 15	0.03 1

riskmin	0.11 182	0.06 54	0.13 226	0.14 30	0.08 125	0.14 274	0.14 149	0.18 194	0.14 139	0.11 150	0.14 184	0.16 276	0.11 221	0.14 256	0.12 232	0.09 355	0.05 182	0.07 191	0.05 104	0.08 317	0.08 340

MC-Stereo	0.08 43	0.06 54	0.09 70	0.17 215	0.06 13	0.10 124	0.14 149	0.12 42	0.10 35	0.09 91	0.12 156	0.09 120	0.06 34	0.11 106	0.10 121	0.06 113	0.04 21	0.06 99	0.05 104	0.04 15	0.04 40

RCA-Stereo	0.09 78	0.06 54	0.09 70	0.16 141	0.06 13	0.09 77	0.13 101	0.18 194	0.14 139	0.09 91	0.10 113	0.08 95	0.07 103	0.12 187	0.11 184	0.06 113	0.04 21	0.06 99	0.05 104	0.05 98	0.04 40

DCANet-4	0.10 139	0.06 54	0.12 181	0.16 141	0.06 13	0.09 77	0.17 313	0.18 194	0.19 242	0.13 215	0.16 213	0.09 120	0.14 313	0.11 106	0.12 232	0.06 113	0.04 21	0.05 23	0.04 34	0.04 15	0.05 120

fff	0.10 139	0.06 54	0.12 181	0.15 70	0.07 70	0.09 77	0.17 313	0.16 129	0.20 265	0.13 215	0.16 213	0.10 151	0.11 221	0.11 106	0.12 232	0.06 113	0.04 21	0.05 23	0.04 34	0.04 15	0.05 120

tt	4.67 567	0.06 54	3.55 565	2.02 567	1.55 566	10.25 573	16.71 573	8.91 577	5.03 570	1.31 563	0.94 548	4.71 568	4.76 569	3.33 568	5.87 571	6.06 576	10.30 580	1.88 570	2.11 570	2.75 568	1.21 567

ADStereo(finetuned)	0.10 139	0.06 54	0.12 181	0.16 141	0.06 13	0.09 77	0.17 313	0.15 103	0.19 242	0.13 215	0.17 234	0.10 151	0.12 251	0.11 106	0.12 232	0.06 113	0.04 21	0.05 23	0.04 34	0.05 98	0.04 40

test-3	0.08 43	0.06 54	0.09 70	0.17 215	0.07 70	0.07 27	0.14 149	0.12 42	0.15 155	0.09 91	0.08 69	0.07 62	0.08 138	0.11 106	0.10 121	0.05 26	0.04 21	0.07 191	0.05 104	0.04 15	0.04 40

test_1	0.08 43	0.06 54	0.09 70	0.17 215	0.07 70	0.07 27	0.14 149	0.12 42	0.15 155	0.09 91	0.08 69	0.07 62	0.08 138	0.11 106	0.10 121	0.05 26	0.04 21	0.07 191	0.05 104	0.04 15	0.04 40

CrosDoStereo	0.12 247	0.06 54	0.12 181	0.14 30	0.08 125	0.12 203	0.15 215	0.17 165	0.22 294	0.19 353	0.24 331	0.15 262	0.11 221	0.11 106	0.12 232	0.06 113	0.04 21	0.07 191	0.07 269	0.05 98	0.05 120

PFNet+	0.11 182	0.06 54	0.13 226	0.16 141	0.09 236	0.05 4	0.12 63	0.17 165	0.21 280	0.16 291	0.19 268	0.14 233	0.10 196	0.11 106	0.11 184	0.08 296	0.05 182	0.09 354	0.08 334	0.06 189	0.11 434

HHNet	0.11 182	0.06 54	0.16 344	0.15 70	0.14 457	0.07 27	0.13 101	0.20 226	0.17 201	0.14 236	0.25 360	0.11 172	0.08 138	0.13 231	0.10 121	0.05 26	0.04 21	0.08 274	0.06 182	0.05 98	0.09 384

OMP-Stereo	0.11 182	0.06 54	0.14 261	0.18 296	0.08 125	0.09 77	0.12 63	0.21 248	0.21 280	0.13 215	0.14 184	0.11 172	0.12 251	0.11 106	0.13 273	0.06 113	0.04 21	0.07 191	0.06 182	0.05 98	0.04 40

IIG-Stereo	0.11 182	0.06 54	0.13 226	0.17 215	0.08 125	0.11 169	0.12 63	0.22 270	0.17 201	0.14 236	0.17 234	0.11 172	0.12 251	0.12 187	0.12 232	0.06 113	0.05 182	0.07 191	0.06 182	0.05 98	0.04 40

FTStereo	0.12 247	0.06 54	0.14 261	0.18 296	0.09 236	0.07 27	0.15 215	0.21 248	0.18 227	0.12 188	0.24 331	0.12 189	0.12 251	0.13 231	0.13 273	0.05 26	0.05 182	0.07 191	0.06 182	0.06 189	0.10 409

ASMatch	0.11 182	0.06 54	0.13 226	0.16 141	0.10 337	0.07 27	0.14 149	0.17 165	0.17 201	0.12 188	0.16 213	0.16 276	0.10 196	0.13 231	0.10 121	0.05 26	0.04 21	0.06 99	0.05 104	0.04 15	0.08 340

DeepStereo_LL	0.12 247	0.06 54	0.12 181	0.14 30	0.08 125	0.12 203	0.15 215	0.17 165	0.22 294	0.19 353	0.24 331	0.15 262	0.11 221	0.11 106	0.12 232	0.06 113	0.04 21	0.07 191	0.07 269	0.05 98	0.05 120

DEmStereo	0.12 247	0.06 54	0.14 261	0.14 30	0.10 337	0.16 330	0.15 215	0.16 129	0.24 320	0.17 307	0.24 331	0.13 213	0.14 313	0.12 187	0.13 273	0.05 26	0.04 21	0.07 191	0.06 182	0.05 98	0.05 120

DRaft	0.12 247	0.06 54	0.11 146	0.14 30	0.09 236	0.14 274	0.17 313	0.21 248	0.30 395	0.17 307	0.28 398	0.10 151	0.15 331	0.10 60	0.12 232	0.05 26	0.04 21	0.07 191	0.06 182	0.05 98	0.05 120

PFNet	0.12 247	0.06 54	0.17 372	0.17 215	0.08 125	0.09 77	0.15 215	0.26 346	0.20 265	0.16 291	0.16 213	0.14 233	0.11 221	0.12 187	0.11 184	0.06 113	0.04 21	0.07 191	0.06 182	0.05 98	0.05 120

GrayStereo	0.11 182	0.06 54	0.11 146	0.19 352	0.09 236	0.09 77	0.16 280	0.18 194	0.17 201	0.14 236	0.17 234	0.17 296	0.11 221	0.12 187	0.11 184	0.05 26	0.05 182	0.07 191	0.06 182	0.05 98	0.10 409

RAFT-RH_RVC	0.11 182	0.06 54	0.14 261	0.16 141	0.09 236	0.12 203	0.12 63	0.17 165	0.12 84	0.13 215	0.41 488	0.11 172	0.10 196	0.13 231	0.12 232	0.05 26	0.04 21	0.08 274	0.05 104	0.04 15	0.06 196

Prome-Stereo	0.11 182	0.06 54	0.10 105	0.18 296	0.08 125	0.12 203	0.15 215	0.22 270	0.13 115	0.12 188	0.17 234	0.13 213	0.08 138	0.12 187	0.10 121	0.05 26	0.04 21	0.07 191	0.06 182	0.06 189	0.09 384

rafts_anoy	0.11 182	0.06 54	0.10 105	0.17 215	0.08 125	0.10 124	0.14 149	0.17 165	0.14 139	0.13 215	0.13 170	0.12 189	0.10 196	0.11 106	0.12 232	0.07 235	0.04 21	0.09 354	0.11 448	0.07 254	0.06 196

s12784h	0.09 78	0.06 54	0.07 6	0.15 70	0.05 1	0.16 330	0.18 358	0.15 103	0.15 155	0.10 123	0.11 143	0.11 172	0.11 221	0.10 60	0.12 232	0.05 26	0.04 21	0.05 23	0.04 34	0.04 15	0.04 40

XX-TBD	0.09 78	0.06 54	0.07 6	0.14 30	0.07 70	0.12 203	0.16 280	0.14 74	0.13 115	0.11 150	0.12 156	0.09 120	0.08 138	0.10 60	0.10 121	0.06 113	0.04 21	0.05 23	0.03 1	0.06 189	0.05 120

raftrobust	0.09 78	0.06 54	0.10 105	0.17 215	0.08 125	0.09 77	0.10 27	0.18 194	0.16 182	0.10 123	0.09 87	0.12 189	0.07 103	0.12 187	0.10 121	0.08 296	0.05 182	0.06 99	0.05 104	0.05 98	0.05 120

RALCasStereoNet	0.10 139	0.06 54	0.09 70	0.16 141	0.08 125	0.12 203	0.14 149	0.17 165	0.11 61	0.12 188	0.17 234	0.14 233	0.10 196	0.12 187	0.11 184	0.07 235	0.06 303	0.06 99	0.05 104	0.08 317	0.07 276

DCANet	0.10 139	0.06 54	0.12 181	0.16 141	0.06 13	0.09 77	0.17 313	0.15 103	0.19 242	0.13 215	0.17 234	0.10 151	0.11 221	0.11 106	0.12 232	0.06 113	0.04 21	0.05 23	0.04 34	0.05 98	0.04 40

csc	0.10 139	0.06 54	0.12 181	0.15 70	0.07 70	0.09 77	0.17 313	0.16 129	0.20 265	0.13 215	0.16 213	0.10 151	0.11 221	0.11 106	0.12 232	0.06 113	0.04 21	0.05 23	0.04 34	0.04 15	0.05 120

cscssc	0.10 139	0.06 54	0.12 181	0.15 70	0.07 70	0.09 77	0.17 313	0.16 129	0.20 265	0.13 215	0.16 213	0.10 151	0.11 221	0.11 106	0.12 232	0.06 113	0.04 21	0.05 23	0.04 34	0.04 15	0.05 120

111	0.10 139	0.06 54	0.12 181	0.15 70	0.07 70	0.10 124	0.14 149	0.21 248	0.23 304	0.11 150	0.12 156	0.14 233	0.11 221	0.13 231	0.10 121	0.06 113	0.04 21	0.06 99	0.04 34	0.05 98	0.05 120

test_xeample3	0.09 78	0.06 54	0.12 181	0.16 141	0.09 236	0.11 169	0.15 215	0.16 129	0.13 115	0.10 123	0.06 12	0.08 95	0.06 34	0.10 60	0.09 52	0.05 26	0.04 21	0.06 99	0.05 104	0.05 98	0.06 196

test_xeample	0.15 350	0.06 54	0.13 226	0.14 30	0.08 125	0.21 425	0.20 418	0.28 386	0.20 265	0.16 291	0.29 410	0.19 324	0.16 357	0.15 278	0.26 479	0.09 355	0.05 182	0.07 191	0.07 269	0.07 254	0.07 276

RAFT-Stereo + iAFF	0.09 78	0.06 54	0.10 105	0.17 215	0.06 13	0.10 124	0.16 280	0.17 165	0.14 139	0.09 91	0.10 113	0.08 95	0.09 164	0.11 106	0.09 52	0.05 26	0.04 21	0.06 99	0.06 182	0.04 15	0.03 1

AFF-stereo	0.09 78	0.06 54	0.10 105	0.17 215	0.07 70	0.10 124	0.16 280	0.17 165	0.09 22	0.10 123	0.12 156	0.09 120	0.09 164	0.12 187	0.09 52	0.05 26	0.04 21	0.07 191	0.07 269	0.04 15	0.03 1

Gwc-CoAtRS	0.09 78	0.06 54	0.10 105	0.16 141	0.07 70	0.10 124	0.14 149	0.17 165	0.17 201	0.08 61	0.10 113	0.12 189	0.09 164	0.12 187	0.09 52	0.06 113	0.04 21	0.06 99	0.04 34	0.04 15	0.04 40

R-Stereo Train	0.10 139	0.06 54	0.10 105	0.17 215	0.08 125	0.11 169	0.14 149	0.23 290	0.11 61	0.12 188	0.19 268	0.11 172	0.08 138	0.09 33	0.11 184	0.07 235	0.05 182	0.06 99	0.05 104	0.05 98	0.05 120

RAFT-Stereo	0.10 139	0.06 54	0.10 105	0.17 215	0.08 125	0.11 169	0.14 149	0.23 290	0.11 61	0.12 188	0.19 268	0.11 172	0.08 138	0.09 33	0.11 184	0.07 235	0.05 182	0.06 99	0.05 104	0.05 98	0.05 120
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
HITNet	0.10 139	0.06 54	0.12 181	0.14 30	0.06 13	0.11 169	0.10 27	0.18 194	0.18 227	0.13 215	0.16 213	0.14 233	0.11 221	0.15 278	0.13 273	0.06 113	0.04 21	0.04 1	0.04 34	0.06 189	0.05 120
Vladimir Tankovich, Christian HÃ¤ne, Yinda Zhang, Adarsh Kowdle, Sean Fanello, Sofien Bouaziz: HITNet: Hierarchical Iterative Tile Refinement Network for Real-time Stereo Matching. CVPR 2021
2.5w	0.07 4	0.07 136	0.07 6	0.16 141	0.06 13	0.08 48	0.12 63	0.10 16	0.10 35	0.07 29	0.06 12	0.09 120	0.06 34	0.08 15	0.09 52	0.04 11	0.03 1	0.04 1	0.04 34	0.03 1	0.03 1

2.75w_new	0.07 4	0.07 136	0.07 6	0.13 13	0.06 13	0.08 48	0.08 7	0.18 194	0.12 84	0.07 29	0.08 69	0.06 16	0.06 34	0.09 33	0.11 184	0.04 11	0.04 21	0.04 1	0.03 1	0.03 1	0.04 40

3.75w	0.07 4	0.07 136	0.08 29	0.16 141	0.07 70	0.07 27	0.09 18	0.16 129	0.09 22	0.07 29	0.06 12	0.05 1	0.06 34	0.09 33	0.10 121	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

3.5w_stereo	0.07 4	0.07 136	0.07 6	0.15 70	0.07 70	0.09 77	0.06 1	0.13 58	0.11 61	0.07 29	0.07 36	0.06 16	0.07 103	0.10 60	0.09 52	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

xyz-stereo-finetune2	0.11 182	0.07 136	0.13 226	0.13 13	0.07 70	0.11 169	0.19 397	0.17 165	0.12 84	0.15 263	0.15 201	0.17 296	0.12 251	0.13 231	0.11 184	0.05 26	0.04 21	0.07 191	0.05 104	0.04 15	0.06 196

xyz-stereo	0.13 272	0.07 136	0.20 418	0.15 70	0.05 1	0.20 408	0.15 215	0.17 165	0.31 402	0.15 263	0.29 410	0.26 409	0.16 357	0.13 231	0.12 232	0.05 26	0.05 182	0.06 99	0.05 104	0.04 15	0.04 40

G2L-Stereo_test	0.14 306	0.07 136	0.11 146	0.13 13	0.08 125	0.12 203	0.16 280	0.30 411	0.28 378	0.20 375	0.23 319	0.20 336	0.16 357	0.17 344	0.18 387	0.07 235	0.05 182	0.05 23	0.05 104	0.07 254	0.06 196

coex_refinement	0.14 306	0.07 136	0.12 181	0.17 215	0.10 337	0.15 300	0.15 215	0.26 346	0.29 385	0.18 337	0.20 280	0.22 363	0.17 380	0.16 312	0.18 387	0.08 296	0.05 182	0.06 99	0.06 182	0.09 378	0.08 340

LG-Stereo	0.08 43	0.07 136	0.10 105	0.18 296	0.07 70	0.10 124	0.17 313	0.11 27	0.08 11	0.05 1	0.07 36	0.05 1	0.07 103	0.09 33	0.09 52	0.04 11	0.05 182	0.07 191	0.07 269	0.04 15	0.04 40

G2L-Stereo	0.14 306	0.07 136	0.13 226	0.17 215	0.09 236	0.13 242	0.12 63	0.27 367	0.22 294	0.16 291	0.27 385	0.21 345	0.13 288	0.17 344	0.18 387	0.09 355	0.08 399	0.08 274	0.07 269	0.07 254	0.07 276

MM-Stereo_test3	0.10 139	0.07 136	0.07 6	0.18 296	0.07 70	0.12 203	0.19 397	0.24 312	0.19 242	0.06 9	0.10 113	0.08 95	0.06 34	0.11 106	0.08 17	0.06 113	0.06 303	0.07 191	0.05 104	0.05 98	0.04 40

MM-Stereo_test1	0.10 139	0.07 136	0.08 29	0.18 296	0.07 70	0.12 203	0.18 358	0.21 248	0.20 265	0.09 91	0.11 143	0.08 95	0.06 34	0.10 60	0.10 121	0.06 113	0.05 182	0.07 191	0.06 182	0.05 98	0.04 40

HART	0.08 43	0.07 136	0.09 70	0.17 215	0.07 70	0.10 124	0.16 280	0.13 58	0.11 61	0.08 61	0.10 113	0.07 62	0.05 9	0.10 60	0.08 17	0.05 26	0.04 21	0.06 99	0.04 34	0.05 98	0.04 40

SCV_C0	0.08 43	0.07 136	0.07 6	0.16 141	0.09 236	0.08 48	0.15 215	0.11 27	0.12 84	0.08 61	0.07 36	0.06 16	0.05 9	0.11 106	0.07 1	0.05 26	0.05 182	0.05 23	0.04 34	0.06 189	0.05 120

AIO-test1	0.10 139	0.07 136	0.10 105	0.23 469	0.07 70	0.09 77	0.13 101	0.21 248	0.14 139	0.11 150	0.12 156	0.09 120	0.07 103	0.11 106	0.09 52	0.06 113	0.05 182	0.09 354	0.10 416	0.03 1	0.06 196

mms	0.09 78	0.07 136	0.08 29	0.16 141	0.08 125	0.10 124	0.16 280	0.12 42	0.11 61	0.08 61	0.09 87	0.08 95	0.06 34	0.11 106	0.12 232	0.05 26	0.04 21	0.07 191	0.05 104	0.04 15	0.03 1

ours_stereo	0.09 78	0.07 136	0.09 70	0.17 215	0.08 125	0.11 169	0.16 280	0.11 27	0.12 84	0.08 61	0.10 113	0.08 95	0.06 34	0.12 187	0.12 232	0.05 26	0.04 21	0.06 99	0.05 104	0.04 15	0.03 1

GCAP-BAT	0.09 78	0.07 136	0.14 261	0.15 70	0.08 125	0.10 124	0.13 101	0.14 74	0.10 35	0.11 150	0.10 113	0.08 95	0.07 103	0.12 187	0.10 121	0.06 113	0.05 182	0.06 99	0.04 34	0.04 15	0.04 40

U	0.08 43	0.07 136	0.09 70	0.19 352	0.10 337	0.10 124	0.13 101	0.12 42	0.17 201	0.07 29	0.07 36	0.06 16	0.05 9	0.07 4	0.08 17	0.06 113	0.04 21	0.06 99	0.04 34	0.06 189	0.05 120

rvit_stereo_ft	0.12 247	0.07 136	0.13 226	0.19 352	0.10 337	0.12 203	0.17 313	0.16 129	0.16 182	0.12 188	0.13 170	0.15 262	0.10 196	0.14 256	0.13 273	0.09 355	0.06 303	0.08 274	0.07 269	0.07 254	0.05 120

test_sample2	0.12 247	0.07 136	0.12 181	0.14 30	0.08 125	0.16 330	0.18 358	0.21 248	0.16 182	0.14 236	0.20 280	0.19 324	0.15 331	0.15 278	0.12 232	0.08 296	0.05 182	0.07 191	0.06 182	0.08 317	0.07 276

test_sample1	0.13 272	0.07 136	0.14 261	0.13 13	0.08 125	0.19 393	0.16 280	0.20 226	0.15 155	0.14 236	0.22 310	0.18 310	0.16 357	0.17 344	0.14 310	0.07 235	0.06 303	0.06 99	0.06 182	0.08 317	0.07 276

CAS++	0.11 182	0.07 136	0.11 146	0.14 30	0.09 236	0.12 203	0.14 149	0.24 312	0.14 139	0.11 150	0.09 87	0.11 172	0.07 103	0.14 256	0.09 52	0.11 423	0.09 428	0.09 354	0.07 269	0.07 254	0.08 340
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
MGS-Stereo	0.09 78	0.07 136	0.12 181	0.15 70	0.08 125	0.09 77	0.15 215	0.12 42	0.12 84	0.07 29	0.10 113	0.08 95	0.06 34	0.10 60	0.09 52	0.05 26	0.04 21	0.06 99	0.05 104	0.06 189	0.05 120

MyStereo8	0.12 247	0.07 136	0.15 310	0.15 70	0.09 236	0.18 370	0.14 149	0.19 215	0.22 294	0.12 188	0.18 259	0.11 172	0.10 196	0.16 312	0.18 387	0.07 235	0.05 182	0.07 191	0.05 104	0.08 317	0.09 384

SMFormer	0.14 306	0.07 136	0.17 372	0.14 30	0.08 125	0.16 330	0.17 313	0.26 346	0.27 364	0.19 353	0.20 280	0.18 310	0.15 331	0.15 278	0.17 369	0.08 296	0.05 182	0.07 191	0.06 182	0.07 254	0.06 196

tta	0.14 306	0.07 136	0.17 372	0.14 30	0.08 125	0.16 330	0.17 313	0.26 346	0.27 364	0.19 353	0.20 280	0.18 310	0.15 331	0.15 278	0.17 369	0.08 296	0.05 182	0.07 191	0.06 182	0.06 189	0.06 196

qqq1	0.13 272	0.07 136	0.17 372	0.14 30	0.08 125	0.16 330	0.17 313	0.26 346	0.27 364	0.19 353	0.20 280	0.18 310	0.15 331	0.15 278	0.11 184	0.08 296	0.05 182	0.05 23	0.05 104	0.06 189	0.06 196

fff1	0.13 272	0.07 136	0.17 372	0.14 30	0.08 125	0.16 330	0.17 313	0.26 346	0.27 364	0.19 353	0.20 280	0.18 310	0.15 331	0.15 278	0.11 184	0.08 296	0.05 182	0.05 23	0.05 104	0.06 189	0.06 196

MyStereo07	0.10 139	0.07 136	0.10 105	0.17 215	0.09 236	0.14 274	0.18 358	0.15 103	0.15 155	0.09 91	0.06 12	0.06 16	0.07 103	0.12 187	0.09 52	0.06 113	0.05 182	0.08 274	0.07 269	0.06 189	0.06 196

MyStereo06	0.10 139	0.07 136	0.12 181	0.17 215	0.09 236	0.13 242	0.18 358	0.19 215	0.12 84	0.12 188	0.08 69	0.07 62	0.07 103	0.11 106	0.09 52	0.06 113	0.05 182	0.07 191	0.07 269	0.06 189	0.06 196

MyStereo05	0.13 272	0.07 136	0.10 105	0.17 215	0.09 236	0.13 242	0.18 358	0.27 367	0.35 437	0.17 307	0.14 184	0.15 262	0.11 221	0.15 278	0.13 273	0.06 113	0.05 182	0.07 191	0.07 269	0.06 189	0.06 196

MyStereo04	0.13 272	0.07 136	0.10 105	0.17 215	0.09 236	0.14 274	0.18 358	0.29 397	0.38 454	0.17 307	0.14 184	0.16 276	0.10 196	0.15 278	0.13 273	0.06 113	0.05 182	0.08 274	0.07 269	0.06 189	0.06 196

CoDeX	0.12 247	0.07 136	0.12 181	0.17 215	0.08 125	0.12 203	0.15 215	0.23 290	0.27 364	0.13 215	0.17 234	0.16 276	0.11 221	0.14 256	0.11 184	0.07 235	0.05 182	0.07 191	0.06 182	0.06 189	0.05 120

ff7	0.09 78	0.07 136	0.11 146	0.16 141	0.09 236	0.11 169	0.15 215	0.16 129	0.12 84	0.10 123	0.06 12	0.06 16	0.06 34	0.11 106	0.09 52	0.05 26	0.04 21	0.06 99	0.05 104	0.05 98	0.06 196

ffff	0.09 78	0.07 136	0.11 146	0.16 141	0.09 236	0.11 169	0.15 215	0.16 129	0.12 84	0.10 123	0.06 12	0.06 16	0.06 34	0.11 106	0.09 52	0.05 26	0.04 21	0.06 99	0.05 104	0.05 98	0.06 196

11t	0.09 78	0.07 136	0.11 146	0.16 141	0.09 236	0.11 169	0.15 215	0.16 129	0.12 84	0.10 123	0.06 12	0.06 16	0.06 34	0.11 106	0.09 52	0.05 26	0.04 21	0.06 99	0.05 104	0.05 98	0.06 196

UniTT-Stereo	0.09 78	0.07 136	0.08 29	0.18 296	0.08 125	0.13 242	0.11 46	0.12 42	0.11 61	0.10 123	0.12 156	0.05 1	0.07 103	0.09 33	0.09 52	0.07 235	0.05 182	0.05 23	0.05 104	0.05 98	0.05 120

EKT-Stereo	0.11 182	0.07 136	0.14 261	0.15 70	0.10 337	0.13 242	0.14 149	0.18 194	0.21 280	0.11 150	0.08 69	0.12 189	0.09 164	0.11 106	0.12 232	0.08 296	0.06 303	0.07 191	0.06 182	0.08 317	0.07 276

MIM_Stereo	0.09 78	0.07 136	0.11 146	0.15 70	0.07 70	0.06 8	0.12 63	0.20 226	0.14 139	0.13 215	0.13 170	0.09 120	0.05 9	0.12 187	0.08 17	0.05 26	0.06 303	0.07 191	0.06 182	0.06 189	0.05 120

testlalala	0.08 43	0.07 136	0.17 372	0.16 141	0.08 125	0.09 77	0.12 63	0.15 103	0.10 35	0.07 29	0.09 87	0.06 16	0.06 34	0.11 106	0.09 52	0.05 26	0.04 21	0.06 99	0.04 34	0.04 15	0.04 40

GCAP-Stereo	0.09 78	0.07 136	0.13 226	0.18 296	0.06 13	0.11 169	0.07 3	0.13 58	0.12 84	0.09 91	0.10 113	0.07 62	0.09 164	0.13 231	0.10 121	0.06 113	0.05 182	0.05 23	0.04 34	0.04 15	0.05 120

4D-IteraStereo	0.09 78	0.07 136	0.10 105	0.18 296	0.07 70	0.09 77	0.15 215	0.17 165	0.15 155	0.10 123	0.11 143	0.10 151	0.07 103	0.11 106	0.09 52	0.05 26	0.03 1	0.08 274	0.07 269	0.06 189	0.05 120

anonymousdsp2	0.11 182	0.07 136	0.10 105	0.16 141	0.09 236	0.13 242	0.14 149	0.18 194	0.22 294	0.13 215	0.14 184	0.12 189	0.09 164	0.14 256	0.11 184	0.05 26	0.04 21	0.05 23	0.04 34	0.06 189	0.05 120

anonymousdsp	0.09 78	0.07 136	0.11 146	0.16 141	0.09 236	0.11 169	0.15 215	0.16 129	0.12 84	0.09 91	0.06 12	0.06 16	0.06 34	0.11 106	0.09 52	0.05 26	0.04 21	0.06 99	0.05 104	0.05 98	0.06 196

gwcnet-sp	0.14 306	0.07 136	0.12 181	0.18 296	0.09 236	0.16 330	0.17 313	0.24 312	0.24 320	0.18 337	0.24 331	0.15 262	0.16 357	0.15 278	0.15 338	0.08 296	0.06 303	0.07 191	0.08 334	0.08 317	0.07 276

scenet	0.14 306	0.07 136	0.12 181	0.18 296	0.09 236	0.16 330	0.17 313	0.24 312	0.24 320	0.18 337	0.24 331	0.15 262	0.16 357	0.15 278	0.15 338	0.08 296	0.06 303	0.07 191	0.08 334	0.08 317	0.07 276

DCRE	0.11 182	0.07 136	0.13 226	0.16 141	0.11 384	0.11 169	0.17 313	0.18 194	0.17 201	0.11 150	0.18 259	0.10 151	0.10 196	0.15 278	0.11 184	0.06 113	0.05 182	0.06 99	0.06 182	0.05 98	0.04 40

anonymousa	0.13 272	0.07 136	0.13 226	0.18 296	0.09 236	0.13 242	0.17 313	0.19 215	0.29 385	0.15 263	0.24 331	0.15 262	0.14 313	0.14 256	0.14 310	0.07 235	0.05 182	0.07 191	0.09 379	0.05 98	0.06 196

ProNet	0.09 78	0.07 136	0.10 105	0.17 215	0.08 125	0.10 124	0.15 215	0.15 103	0.12 84	0.09 91	0.06 12	0.07 62	0.06 34	0.11 106	0.09 52	0.05 26	0.04 21	0.06 99	0.05 104	0.04 15	0.06 196

ssnet	0.14 306	0.07 136	0.12 181	0.18 296	0.09 236	0.16 330	0.17 313	0.24 312	0.24 320	0.18 337	0.24 331	0.15 262	0.16 357	0.15 278	0.15 338	0.08 296	0.06 303	0.07 191	0.08 334	0.08 317	0.07 276

ccc-4	0.09 78	0.07 136	0.11 146	0.16 141	0.09 236	0.11 169	0.15 215	0.16 129	0.12 84	0.10 123	0.06 12	0.06 16	0.06 34	0.11 106	0.09 52	0.05 26	0.04 21	0.06 99	0.05 104	0.05 98	0.06 196

x	0.13 272	0.07 136	0.14 261	0.14 30	0.08 125	0.18 370	0.14 149	0.22 270	0.20 265	0.15 263	0.19 268	0.19 324	0.17 380	0.18 365	0.18 387	0.07 235	0.05 182	0.06 99	0.06 182	0.07 254	0.07 276

DisPM	0.11 182	0.07 136	0.12 181	0.16 141	0.09 236	0.06 8	0.13 101	0.17 165	0.17 201	0.14 236	0.20 280	0.12 189	0.10 196	0.11 106	0.10 121	0.06 113	0.04 21	0.07 191	0.06 182	0.06 189	0.11 434

IER	0.14 306	0.07 136	0.13 226	0.17 215	0.09 236	0.14 274	0.16 280	0.25 328	0.26 355	0.18 337	0.25 360	0.17 296	0.20 422	0.16 312	0.14 310	0.08 296	0.05 182	0.07 191	0.06 182	0.08 317	0.07 276

IGEV-Stereo	0.09 78	0.07 136	0.11 146	0.16 141	0.09 236	0.11 169	0.15 215	0.16 129	0.12 84	0.09 91	0.06 12	0.06 16	0.06 34	0.11 106	0.09 52	0.05 26	0.04 21	0.06 99	0.05 104	0.05 98	0.06 196
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
GLC_STEREO	0.11 182	0.07 136	0.11 146	0.17 215	0.07 70	0.09 77	0.13 101	0.15 103	0.24 320	0.12 188	0.13 170	0.12 189	0.08 138	0.18 365	0.11 184	0.06 113	0.08 399	0.08 274	0.06 182	0.05 98	0.05 120

IPLG	0.10 139	0.07 136	0.15 310	0.17 215	0.08 125	0.11 169	0.14 149	0.20 226	0.15 155	0.12 188	0.17 234	0.07 62	0.07 103	0.14 256	0.13 273	0.06 113	0.04 21	0.06 99	0.05 104	0.04 15	0.04 40

GANet-ADL	0.13 272	0.07 136	0.15 310	0.17 215	0.10 337	0.18 370	0.15 215	0.30 411	0.20 265	0.13 215	0.18 259	0.19 324	0.12 251	0.16 312	0.13 273	0.08 296	0.06 303	0.06 99	0.05 104	0.07 254	0.08 340

LCNet	0.11 182	0.07 136	0.09 70	0.19 352	0.09 236	0.08 48	0.15 215	0.21 248	0.15 155	0.11 150	0.15 201	0.16 276	0.11 221	0.12 187	0.11 184	0.05 26	0.04 21	0.08 274	0.07 269	0.06 189	0.15 490

AAGNet	0.11 182	0.07 136	0.16 344	0.19 352	0.09 236	0.08 48	0.13 101	0.18 194	0.13 115	0.16 291	0.21 301	0.13 213	0.14 313	0.11 106	0.14 310	0.06 113	0.04 21	0.09 354	0.06 182	0.06 189	0.05 120

STrans-v2	0.10 139	0.07 136	0.12 181	0.18 296	0.07 70	0.10 124	0.14 149	0.21 248	0.11 61	0.11 150	0.15 201	0.12 189	0.10 196	0.11 106	0.12 232	0.05 26	0.04 21	0.06 99	0.06 182	0.04 15	0.04 40

NF-Stereo	0.11 182	0.07 136	0.13 226	0.17 215	0.09 236	0.10 124	0.14 149	0.23 290	0.19 242	0.12 188	0.17 234	0.12 189	0.11 221	0.11 106	0.11 184	0.06 113	0.04 21	0.07 191	0.06 182	0.06 189	0.12 447

OCTAStereo	0.11 182	0.07 136	0.13 226	0.17 215	0.09 236	0.10 124	0.14 149	0.23 290	0.19 242	0.12 188	0.17 234	0.12 189	0.11 221	0.11 106	0.11 184	0.06 113	0.04 21	0.07 191	0.06 182	0.06 189	0.12 447

PSM-softLoss	0.12 247	0.07 136	0.15 310	0.17 215	0.09 236	0.08 48	0.13 101	0.24 312	0.17 201	0.14 236	0.19 268	0.13 213	0.11 221	0.11 106	0.11 184	0.07 235	0.05 182	0.08 274	0.07 269	0.06 189	0.12 447

KMStereo	0.12 247	0.07 136	0.15 310	0.17 215	0.09 236	0.08 48	0.13 101	0.24 312	0.17 201	0.14 236	0.19 268	0.13 213	0.11 221	0.11 106	0.11 184	0.07 235	0.05 182	0.08 274	0.07 269	0.06 189	0.12 447

PSM-AAD	0.11 182	0.07 136	0.10 105	0.19 352	0.09 236	0.10 124	0.15 215	0.20 226	0.13 115	0.12 188	0.14 184	0.18 310	0.11 221	0.11 106	0.10 121	0.05 26	0.05 182	0.09 354	0.08 334	0.06 189	0.14 483

KYRaft	0.11 182	0.07 136	0.10 105	0.19 352	0.09 236	0.08 48	0.15 215	0.22 270	0.12 84	0.13 215	0.16 213	0.20 336	0.10 196	0.12 187	0.10 121	0.05 26	0.04 21	0.08 274	0.08 334	0.06 189	0.16 501

SST-Stereo	0.10 139	0.07 136	0.15 310	0.18 296	0.09 236	0.06 8	0.12 63	0.17 165	0.11 61	0.15 263	0.17 234	0.13 213	0.12 251	0.10 60	0.11 184	0.06 113	0.04 21	0.09 354	0.06 182	0.06 189	0.05 120

THIR-Stereo	0.12 247	0.07 136	0.11 146	0.15 70	0.08 125	0.14 274	0.16 280	0.17 165	0.25 341	0.16 291	0.24 331	0.14 233	0.12 251	0.12 187	0.14 310	0.06 113	0.04 21	0.07 191	0.07 269	0.05 98	0.05 120

RAFT_R40	0.11 182	0.07 136	0.14 261	0.18 296	0.09 236	0.06 8	0.13 101	0.17 165	0.16 182	0.14 236	0.18 259	0.15 262	0.12 251	0.10 60	0.11 184	0.06 113	0.04 21	0.09 354	0.06 182	0.06 189	0.05 120

RE-Stereo	0.11 182	0.07 136	0.13 226	0.17 215	0.09 236	0.10 124	0.14 149	0.23 290	0.19 242	0.12 188	0.17 234	0.12 189	0.11 221	0.11 106	0.11 184	0.06 113	0.04 21	0.07 191	0.06 182	0.06 189	0.12 447

Pruner-Stereo	0.11 182	0.07 136	0.12 181	0.17 215	0.09 236	0.06 8	0.12 63	0.17 165	0.17 201	0.13 215	0.19 268	0.13 213	0.09 164	0.11 106	0.11 184	0.06 113	0.04 21	0.07 191	0.06 182	0.06 189	0.08 340

TVStereo	0.11 182	0.07 136	0.13 226	0.17 215	0.09 236	0.10 124	0.14 149	0.23 290	0.19 242	0.12 188	0.17 234	0.12 189	0.11 221	0.11 106	0.11 184	0.06 113	0.04 21	0.07 191	0.06 182	0.06 189	0.12 447

RAFT-345	0.11 182	0.07 136	0.15 310	0.16 141	0.08 125	0.08 48	0.12 63	0.15 103	0.10 35	0.11 150	0.36 451	0.09 120	0.09 164	0.11 106	0.12 232	0.05 26	0.05 182	0.07 191	0.06 182	0.04 15	0.05 120

test-1	0.10 139	0.07 136	0.16 344	0.19 352	0.08 125	0.11 169	0.24 468	0.14 74	0.18 227	0.09 91	0.07 36	0.09 120	0.08 138	0.07 4	0.09 52	0.06 113	0.04 21	0.06 99	0.05 104	0.04 15	0.04 40

GMM-Stereo	0.11 182	0.07 136	0.10 105	0.18 296	0.09 236	0.08 48	0.15 215	0.23 290	0.16 182	0.11 150	0.15 201	0.13 213	0.11 221	0.11 106	0.11 184	0.05 26	0.04 21	0.08 274	0.07 269	0.06 189	0.09 384

iRaftStereo_RVC	0.10 139	0.07 136	0.09 70	0.17 215	0.09 236	0.11 169	0.17 313	0.18 194	0.12 84	0.09 91	0.12 156	0.10 151	0.07 103	0.11 106	0.10 121	0.05 26	0.04 21	0.08 274	0.08 334	0.04 15	0.04 40

raft+_RVC	0.11 182	0.07 136	0.09 70	0.16 141	0.07 70	0.10 124	0.11 46	0.24 312	0.20 265	0.12 188	0.15 201	0.12 189	0.08 138	0.12 187	0.13 273	0.07 235	0.04 21	0.07 191	0.06 182	0.05 98	0.05 120

222	0.16 373	0.07 136	0.14 261	0.14 30	0.08 125	0.24 451	0.18 358	0.30 411	0.20 265	0.17 307	0.28 398	0.17 296	0.16 357	0.15 278	0.40 528	0.10 394	0.05 182	0.07 191	0.06 182	0.07 254	0.08 340

xxxx	0.15 350	0.07 136	0.14 261	0.14 30	0.08 125	0.23 446	0.18 358	0.31 421	0.19 242	0.14 236	0.28 398	0.22 363	0.14 313	0.15 278	0.26 479	0.09 355	0.05 182	0.07 191	0.07 269	0.08 317	0.07 276

RAFT + AFF	0.13 272	0.07 136	0.20 418	0.20 404	0.10 337	0.14 274	0.24 468	0.26 346	0.20 265	0.11 150	0.10 113	0.12 189	0.10 196	0.15 278	0.12 232	0.07 235	0.06 303	0.09 354	0.08 334	0.06 189	0.08 340

EAI-Stereo	0.09 78	0.07 136	0.11 146	0.15 70	0.06 13	0.10 124	0.15 215	0.16 129	0.09 22	0.08 61	0.09 87	0.08 95	0.07 103	0.09 33	0.11 184	0.05 26	0.04 21	0.05 23	0.05 104	0.05 98	0.04 40

CFNet-RSSM	0.09 78	0.07 136	0.09 70	0.16 141	0.07 70	0.09 77	0.15 215	0.16 129	0.17 201	0.08 61	0.12 156	0.10 151	0.09 164	0.11 106	0.09 52	0.06 113	0.04 21	0.06 99	0.04 34	0.04 15	0.04 40

SFCPSM	0.13 272	0.07 136	0.14 261	0.17 215	0.09 236	0.15 300	0.16 280	0.28 386	0.27 364	0.14 236	0.17 234	0.12 189	0.13 288	0.14 256	0.11 184	0.08 296	0.05 182	0.07 191	0.07 269	0.07 254	0.06 196

cf-r	0.13 272	0.07 136	0.12 181	0.16 141	0.08 125	0.14 274	0.19 397	0.20 226	0.25 341	0.17 307	0.25 360	0.21 345	0.16 357	0.14 256	0.14 310	0.10 394	0.05 182	0.06 99	0.08 334	0.06 189	0.06 196

GANet-RSSM	0.14 306	0.07 136	0.13 226	0.13 13	0.08 125	0.14 274	0.17 313	0.22 270	0.21 280	0.17 307	0.24 331	0.23 381	0.15 331	0.16 312	0.15 338	0.10 394	0.06 303	0.07 191	0.08 334	0.08 317	0.07 276

PSMNet-RSSM	0.14 306	0.07 136	0.13 226	0.15 70	0.08 125	0.13 242	0.16 280	0.24 312	0.24 320	0.16 291	0.28 398	0.22 363	0.14 313	0.15 278	0.13 273	0.11 423	0.06 303	0.09 354	0.12 467	0.08 317	0.07 276

GwcNet-RSSM	0.14 306	0.07 136	0.12 181	0.15 70	0.08 125	0.15 300	0.20 418	0.21 248	0.27 364	0.18 337	0.27 385	0.22 363	0.16 357	0.14 256	0.15 338	0.10 394	0.05 182	0.07 191	0.09 379	0.07 254	0.07 276

CFNet-ft	0.14 306	0.07 136	0.15 310	0.12 4	0.09 236	0.16 330	0.18 358	0.22 270	0.24 320	0.17 307	0.26 377	0.24 387	0.14 313	0.16 312	0.14 310	0.11 423	0.06 303	0.08 274	0.09 379	0.09 378	0.08 340

DIP-Stereo	0.11 182	0.07 136	0.14 261	0.17 215	0.09 236	0.13 242	0.09 18	0.16 129	0.16 182	0.11 150	0.16 213	0.14 233	0.12 251	0.15 278	0.13 273	0.06 113	0.05 182	0.06 99	0.05 104	0.05 98	0.06 196
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
RASNet	0.14 306	0.07 136	0.14 261	0.16 141	0.08 125	0.18 370	0.14 149	0.29 397	0.20 265	0.17 307	0.25 360	0.21 345	0.18 394	0.20 405	0.19 399	0.07 235	0.06 303	0.06 99	0.08 334	0.06 189	0.06 196

CFNet_RVC	0.14 306	0.07 136	0.15 310	0.12 4	0.09 236	0.16 330	0.18 358	0.22 270	0.24 320	0.17 307	0.26 377	0.24 387	0.14 313	0.16 312	0.14 310	0.11 423	0.06 303	0.08 274	0.09 379	0.09 378	0.08 340

MLCV	0.12 247	0.07 136	0.16 344	0.18 296	0.06 13	0.15 300	0.17 313	0.19 215	0.21 280	0.18 337	0.25 360	0.17 296	0.13 288	0.14 256	0.13 273	0.05 26	0.04 21	0.05 23	0.04 34	0.05 98	0.04 40

iResNet_ROB	0.14 306	0.07 136	0.13 226	0.14 30	0.07 70	0.18 370	0.14 149	0.26 346	0.31 402	0.22 404	0.25 360	0.23 381	0.15 331	0.15 278	0.13 273	0.07 235	0.05 182	0.05 23	0.04 34	0.08 317	0.08 340

LE_ROB	0.50 534	0.07 136	0.14 261	0.15 70	0.08 125	0.24 451	0.16 280	0.22 270	1.81 566	4.63 569	0.67 530	0.47 519	0.44 527	0.20 405	0.29 497	0.07 235	0.06 303	0.06 99	0.06 182	0.08 317	0.06 196

pmcnn	0.15 350	0.07 136	0.19 406	0.15 70	0.07 70	0.20 408	0.15 215	0.24 312	0.26 355	0.21 389	0.34 444	0.28 427	0.18 394	0.18 365	0.17 369	0.07 235	0.05 182	0.05 23	0.04 34	0.07 254	0.06 196

asda	0.07 4	0.08 233	0.08 29	0.16 141	0.06 13	0.06 8	0.10 27	0.16 129	0.10 35	0.06 9	0.06 12	0.05 1	0.05 9	0.10 60	0.10 121	0.03 1	0.03 1	0.04 1	0.03 1	0.04 15	0.03 1

asd	0.07 4	0.08 233	0.07 6	0.16 141	0.07 70	0.08 48	0.08 7	0.11 27	0.08 11	0.07 29	0.07 36	0.06 16	0.06 34	0.10 60	0.09 52	0.03 1	0.03 1	0.04 1	0.04 34	0.04 15	0.03 1

qwe	0.07 4	0.08 233	0.07 6	0.15 70	0.06 13	0.07 27	0.10 27	0.18 194	0.11 61	0.07 29	0.07 36	0.06 16	0.06 34	0.10 60	0.09 52	0.03 1	0.03 1	0.04 1	0.04 34	0.04 15	0.03 1

4.25_new	0.07 4	0.08 233	0.09 70	0.15 70	0.06 13	0.09 77	0.08 7	0.14 74	0.08 11	0.07 29	0.07 36	0.06 16	0.06 34	0.12 187	0.10 121	0.03 1	0.03 1	0.04 1	0.03 1	0.04 15	0.03 1

4.5w_new	0.07 4	0.08 233	0.09 70	0.15 70	0.06 13	0.09 77	0.08 7	0.14 74	0.08 11	0.07 29	0.07 36	0.06 16	0.06 34	0.12 187	0.10 121	0.03 1	0.03 1	0.04 1	0.03 1	0.04 15	0.03 1

4.25w-stereo	0.07 4	0.08 233	0.09 70	0.15 70	0.06 13	0.09 77	0.08 7	0.14 74	0.08 11	0.07 29	0.07 36	0.06 16	0.06 34	0.12 187	0.10 121	0.03 1	0.03 1	0.04 1	0.03 1	0.04 15	0.03 1

4w-stereo	0.07 4	0.08 233	0.08 29	0.16 141	0.06 13	0.07 27	0.08 7	0.12 42	0.08 11	0.07 29	0.07 36	0.05 1	0.06 34	0.09 33	0.10 121	0.03 1	0.03 1	0.04 1	0.04 34	0.04 15	0.03 1

2w_stereo	0.08 43	0.08 233	0.09 70	0.16 141	0.06 13	0.08 48	0.10 27	0.20 226	0.15 155	0.08 61	0.07 36	0.06 16	0.06 34	0.06 1	0.09 52	0.04 11	0.03 1	0.04 1	0.04 34	0.03 1	0.03 1

xyz-stereo-finetune	0.11 182	0.08 233	0.13 226	0.14 30	0.06 13	0.10 124	0.19 397	0.17 165	0.19 242	0.12 188	0.14 184	0.15 262	0.10 196	0.13 231	0.11 184	0.05 26	0.04 21	0.07 191	0.05 104	0.04 15	0.05 120

S2M2	0.09 78	0.08 233	0.11 146	0.13 13	0.10 337	0.08 48	0.06 1	0.10 16	0.10 35	0.10 123	0.09 87	0.10 151	0.09 164	0.11 106	0.11 184	0.13 471	0.07 373	0.08 274	0.09 379	0.10 410	0.08 340

ISRNet	0.18 407	0.08 233	0.19 406	0.19 352	0.13 437	0.15 300	0.12 63	0.30 411	0.32 409	0.21 389	0.25 360	0.27 417	0.17 380	0.17 344	0.20 405	0.20 517	0.08 399	0.14 478	0.14 480	0.14 477	0.17 509

AIO-test2	0.10 139	0.08 233	0.10 105	0.23 469	0.08 125	0.11 169	0.10 27	0.23 290	0.23 304	0.08 61	0.09 87	0.08 95	0.05 9	0.10 60	0.08 17	0.06 113	0.05 182	0.08 274	0.09 379	0.05 98	0.05 120

fffy	0.09 78	0.08 233	0.09 70	0.16 141	0.07 70	0.13 242	0.17 313	0.13 58	0.12 84	0.08 61	0.09 87	0.08 95	0.09 164	0.13 231	0.11 184	0.05 26	0.05 182	0.07 191	0.05 104	0.04 15	0.05 120

rvit_stereo_0083	0.12 247	0.08 233	0.17 372	0.16 141	0.09 236	0.11 169	0.15 215	0.14 74	0.26 355	0.11 150	0.14 184	0.13 213	0.10 196	0.12 187	0.12 232	0.10 394	0.08 399	0.09 354	0.07 269	0.07 254	0.05 120

rvit_stereo_0081	0.11 182	0.08 233	0.15 310	0.16 141	0.09 236	0.10 124	0.14 149	0.14 74	0.24 320	0.11 150	0.13 170	0.13 213	0.09 164	0.11 106	0.12 232	0.10 394	0.07 373	0.08 274	0.07 269	0.07 254	0.05 120

rvit_stereo_0082	0.11 182	0.08 233	0.15 310	0.16 141	0.09 236	0.10 124	0.14 149	0.14 74	0.24 320	0.11 150	0.13 170	0.13 213	0.09 164	0.11 106	0.12 232	0.10 394	0.07 373	0.08 274	0.07 269	0.07 254	0.05 120

rvit_stereo_0080	0.10 139	0.08 233	0.14 261	0.15 70	0.09 236	0.07 27	0.15 215	0.16 129	0.16 182	0.11 150	0.10 113	0.14 233	0.08 138	0.12 187	0.10 121	0.09 355	0.07 373	0.07 191	0.06 182	0.07 254	0.05 120

test_sample6	0.14 306	0.08 233	0.13 226	0.16 141	0.08 125	0.17 351	0.19 397	0.25 328	0.17 201	0.17 307	0.27 385	0.19 324	0.14 313	0.15 278	0.13 273	0.08 296	0.05 182	0.08 274	0.07 269	0.08 317	0.08 340

test_sample5	0.14 306	0.08 233	0.14 261	0.16 141	0.08 125	0.18 370	0.18 358	0.25 328	0.17 201	0.17 307	0.27 385	0.18 310	0.14 313	0.16 312	0.13 273	0.08 296	0.05 182	0.08 274	0.07 269	0.08 317	0.08 340

test_sample4	0.14 306	0.08 233	0.14 261	0.15 70	0.08 125	0.19 393	0.18 358	0.26 346	0.17 201	0.16 291	0.25 360	0.18 310	0.14 313	0.16 312	0.13 273	0.08 296	0.06 303	0.08 274	0.06 182	0.08 317	0.08 340

test_sample3	0.14 306	0.08 233	0.15 310	0.14 30	0.09 236	0.19 393	0.17 313	0.26 346	0.18 227	0.16 291	0.22 310	0.19 324	0.15 331	0.17 344	0.13 273	0.08 296	0.06 303	0.07 191	0.06 182	0.09 378	0.08 340

DispNO	0.14 306	0.08 233	0.17 372	0.19 352	0.12 415	0.11 169	0.21 435	0.23 290	0.29 385	0.17 307	0.23 319	0.18 310	0.17 380	0.15 278	0.15 338	0.07 235	0.05 182	0.08 274	0.08 334	0.07 254	0.06 196

Former-RAFT_DAM_RVC	0.10 139	0.08 233	0.12 181	0.16 141	0.08 125	0.15 300	0.16 280	0.18 194	0.18 227	0.10 123	0.09 87	0.09 120	0.08 138	0.11 106	0.12 232	0.07 235	0.05 182	0.08 274	0.06 182	0.07 254	0.06 196

AE-Stereo	0.10 139	0.08 233	0.10 105	0.18 296	0.09 236	0.10 124	0.15 215	0.14 74	0.19 242	0.09 91	0.14 184	0.12 189	0.08 138	0.11 106	0.10 121	0.05 26	0.06 303	0.07 191	0.06 182	0.05 98	0.04 40

ACVNet-DCA	0.10 139	0.08 233	0.12 181	0.17 215	0.09 236	0.13 242	0.15 215	0.23 290	0.16 182	0.09 91	0.09 87	0.06 16	0.06 34	0.10 60	0.07 1	0.06 113	0.04 21	0.06 99	0.05 104	0.07 254	0.07 276

xx1	0.11 182	0.08 233	0.12 181	0.17 215	0.09 236	0.13 242	0.15 215	0.16 129	0.18 227	0.09 91	0.09 87	0.16 276	0.16 357	0.10 60	0.07 1	0.06 113	0.04 21	0.08 274	0.08 334	0.07 254	0.07 276

1test111	0.11 182	0.08 233	0.12 181	0.17 215	0.09 236	0.13 242	0.15 215	0.23 290	0.16 182	0.09 91	0.09 87	0.06 16	0.06 34	0.15 278	0.16 354	0.06 113	0.04 21	0.06 99	0.05 104	0.07 254	0.07 276

cc1	0.10 139	0.08 233	0.12 181	0.17 215	0.09 236	0.13 242	0.15 215	0.16 129	0.18 227	0.09 91	0.09 87	0.06 16	0.06 34	0.10 60	0.07 1	0.06 113	0.04 21	0.06 99	0.05 104	0.06 189	0.06 196

mmm	0.14 306	0.08 233	0.17 372	0.17 215	0.09 236	0.17 351	0.18 358	0.21 248	0.15 155	0.15 263	0.23 319	0.21 345	0.16 357	0.16 312	0.17 369	0.08 296	0.05 182	0.08 274	0.07 269	0.07 254	0.07 276

DualNet	0.14 306	0.08 233	0.14 261	0.16 141	0.08 125	0.18 370	0.18 358	0.25 328	0.17 201	0.17 307	0.27 385	0.18 310	0.14 313	0.16 312	0.13 273	0.08 296	0.05 182	0.08 274	0.07 269	0.08 317	0.08 340

tt1	0.10 139	0.08 233	0.12 181	0.17 215	0.09 236	0.12 203	0.16 280	0.15 103	0.19 242	0.09 91	0.08 69	0.06 16	0.06 34	0.10 60	0.07 1	0.06 113	0.04 21	0.06 99	0.05 104	0.06 189	0.06 196

ttt	0.14 306	0.08 233	0.14 261	0.15 70	0.08 125	0.15 300	0.18 358	0.27 367	0.29 385	0.16 291	0.24 331	0.17 296	0.13 288	0.13 231	0.14 310	0.11 423	0.08 399	0.09 354	0.08 334	0.09 378	0.08 340

1111x	0.15 350	0.08 233	0.12 181	0.18 296	0.07 70	0.18 370	0.25 483	0.31 421	0.24 320	0.17 307	0.24 331	0.26 409	0.15 331	0.13 231	0.23 446	0.07 235	0.07 373	0.08 274	0.09 379	0.07 254	0.06 196

whm_eth	0.10 139	0.08 233	0.14 261	0.15 70	0.09 236	0.07 27	0.15 215	0.16 129	0.16 182	0.11 150	0.10 113	0.14 233	0.08 138	0.12 187	0.10 121	0.09 355	0.07 373	0.07 191	0.06 182	0.07 254	0.05 120

plain	0.10 139	0.08 233	0.10 105	0.19 352	0.09 236	0.10 124	0.15 215	0.14 74	0.13 115	0.13 215	0.15 201	0.09 120	0.12 251	0.13 231	0.12 232	0.07 235	0.05 182	0.09 354	0.06 182	0.06 189	0.06 196

PCWNet_CMD	0.14 306	0.08 233	0.15 310	0.17 215	0.09 236	0.14 274	0.14 149	0.29 397	0.36 441	0.14 236	0.20 280	0.21 345	0.12 251	0.17 344	0.13 273	0.07 235	0.05 182	0.07 191	0.07 269	0.07 254	0.07 276

CFNet_ucs	0.15 350	0.08 233	0.16 344	0.16 141	0.11 384	0.14 274	0.14 149	0.30 411	0.34 428	0.16 291	0.24 331	0.23 381	0.14 313	0.18 365	0.15 338	0.09 355	0.06 303	0.08 274	0.07 269	0.09 378	0.09 384

SDNR	0.19 419	0.08 233	0.19 406	0.16 141	0.12 415	0.77 551	0.14 149	0.25 328	0.32 409	0.19 353	0.24 331	0.19 324	0.13 288	0.19 380	0.15 338	0.16 504	0.18 512	0.14 478	0.11 448	0.08 317	0.11 434

TestStereo1	0.13 272	0.08 233	0.08 29	0.19 352	0.08 125	0.18 370	0.29 513	0.23 290	0.16 182	0.17 307	0.20 280	0.16 276	0.10 196	0.12 187	0.13 273	0.06 113	0.06 303	0.08 274	0.06 182	0.05 98	0.05 120

CRFU-Net	0.16 373	0.08 233	0.14 261	0.17 215	0.09 236	0.19 393	0.14 149	0.26 346	0.20 265	0.28 464	0.27 385	0.29 435	0.17 380	0.19 380	0.17 369	0.09 355	0.09 428	0.07 191	0.07 269	0.08 317	0.08 340

SA-5K	0.13 272	0.08 233	0.08 29	0.19 352	0.08 125	0.18 370	0.29 513	0.23 290	0.16 182	0.17 307	0.20 280	0.16 276	0.10 196	0.12 187	0.13 273	0.06 113	0.06 303	0.08 274	0.06 182	0.05 98	0.05 120

Sa-1000	0.12 247	0.08 233	0.08 29	0.18 296	0.08 125	0.14 274	0.22 445	0.22 270	0.18 227	0.15 263	0.20 280	0.17 296	0.11 221	0.10 60	0.10 121	0.06 113	0.05 182	0.09 354	0.09 379	0.05 98	0.05 120

CIPLG	0.11 182	0.08 233	0.14 261	0.17 215	0.08 125	0.12 203	0.15 215	0.17 165	0.15 155	0.14 236	0.11 143	0.16 276	0.09 164	0.16 312	0.11 184	0.07 235	0.05 182	0.06 99	0.05 104	0.05 98	0.06 196

DAS	0.15 350	0.08 233	0.18 395	0.19 352	0.10 337	0.19 393	0.17 313	0.27 367	0.29 385	0.18 337	0.25 360	0.21 345	0.15 331	0.16 312	0.12 232	0.08 296	0.06 303	0.06 99	0.06 182	0.07 254	0.07 276

SepStereo	0.15 350	0.08 233	0.18 395	0.19 352	0.10 337	0.19 393	0.17 313	0.27 367	0.29 385	0.18 337	0.25 360	0.21 345	0.15 331	0.25 460	0.12 232	0.08 296	0.06 303	0.06 99	0.06 182	0.07 254	0.07 276

IPLGR_C	0.11 182	0.08 233	0.14 261	0.17 215	0.08 125	0.12 203	0.15 215	0.17 165	0.15 155	0.14 236	0.10 113	0.16 276	0.09 164	0.16 312	0.11 184	0.07 235	0.05 182	0.06 99	0.05 104	0.05 98	0.06 196

MIPNet	0.11 182	0.08 233	0.14 261	0.17 215	0.09 236	0.12 203	0.14 149	0.20 226	0.24 320	0.11 150	0.10 113	0.09 120	0.07 103	0.13 231	0.12 232	0.06 113	0.04 21	0.06 99	0.05 104	0.04 15	0.04 40

AASNet	0.16 373	0.08 233	0.12 181	0.19 352	0.09 236	0.18 370	0.15 215	0.37 487	0.37 448	0.19 353	0.23 319	0.20 336	0.16 357	0.17 344	0.20 405	0.10 394	0.08 399	0.08 274	0.07 269	0.09 378	0.09 384

ACRE	0.11 182	0.08 233	0.14 261	0.17 215	0.08 125	0.12 203	0.15 215	0.17 165	0.14 139	0.14 236	0.10 113	0.16 276	0.09 164	0.16 312	0.11 184	0.07 235	0.05 182	0.06 99	0.05 104	0.05 98	0.06 196

AACVNet	0.16 373	0.08 233	0.14 261	0.15 70	0.10 337	0.18 370	0.15 215	0.23 290	0.24 320	0.27 449	0.27 385	0.28 427	0.17 380	0.19 380	0.16 354	0.09 355	0.07 373	0.09 354	0.07 269	0.10 410	0.09 384

GwcNet-ADL	0.13 272	0.08 233	0.14 261	0.20 404	0.09 236	0.11 169	0.20 418	0.30 411	0.24 320	0.13 215	0.14 184	0.18 310	0.14 313	0.13 231	0.14 310	0.07 235	0.05 182	0.06 99	0.05 104	0.07 254	0.06 196

TransformOpticalFlow	0.10 139	0.08 233	0.13 226	0.18 296	0.07 70	0.09 77	0.15 215	0.19 215	0.15 155	0.12 188	0.17 234	0.11 172	0.11 221	0.11 106	0.10 121	0.05 26	0.04 21	0.06 99	0.06 182	0.05 98	0.05 120

NRIStereo	0.11 182	0.08 233	0.14 261	0.18 296	0.08 125	0.10 124	0.14 149	0.16 129	0.15 155	0.12 188	0.14 184	0.13 213	0.12 251	0.13 231	0.10 121	0.06 113	0.04 21	0.07 191	0.06 182	0.06 189	0.07 276

DeepStereo_RVC	0.11 182	0.08 233	0.16 344	0.18 296	0.08 125	0.08 48	0.12 63	0.17 165	0.12 84	0.13 215	0.14 184	0.12 189	0.12 251	0.12 187	0.11 184	0.06 113	0.04 21	0.07 191	0.06 182	0.07 254	0.08 340

IRAFT_RVC	0.12 247	0.08 233	0.16 344	0.19 352	0.08 125	0.07 27	0.15 215	0.24 312	0.23 304	0.14 236	0.14 184	0.15 262	0.12 251	0.12 187	0.10 121	0.06 113	0.04 21	0.09 354	0.06 182	0.06 189	0.06 196

CroCo-Stereo	0.09 78	0.08 233	0.08 29	0.22 448	0.09 236	0.09 77	0.19 397	0.15 103	0.12 84	0.07 29	0.07 36	0.08 95	0.06 34	0.08 15	0.07 1	0.07 235	0.05 182	0.06 99	0.04 34	0.05 98	0.04 40
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
LMCR-Stereo	0.15 350	0.08 233	0.13 226	0.21 433	0.09 236	0.17 351	0.20 418	0.27 367	0.19 242	0.24 425	0.24 331	0.23 381	0.17 380	0.20 405	0.17 369	0.07 235	0.06 303	0.08 274	0.06 182	0.10 410	0.08 340

CFNet_pseudo	0.14 306	0.08 233	0.15 310	0.16 141	0.09 236	0.13 242	0.14 149	0.27 367	0.34 428	0.14 236	0.21 301	0.22 363	0.13 288	0.18 365	0.14 310	0.07 235	0.05 182	0.08 274	0.06 182	0.07 254	0.07 276

RALAANet	0.11 182	0.08 233	0.10 105	0.17 215	0.09 236	0.14 274	0.10 27	0.20 226	0.15 155	0.14 236	0.13 170	0.16 276	0.09 164	0.12 187	0.11 184	0.06 113	0.05 182	0.07 191	0.06 182	0.05 98	0.04 40

ADLNet	0.16 373	0.08 233	0.15 310	0.16 141	0.10 337	0.16 330	0.17 313	0.32 432	0.27 364	0.22 404	0.27 385	0.24 387	0.16 357	0.18 365	0.21 425	0.10 394	0.06 303	0.10 401	0.10 416	0.08 317	0.09 384

GES	0.14 306	0.08 233	0.16 344	0.15 70	0.10 337	0.13 242	0.13 101	0.28 386	0.25 341	0.16 291	0.23 319	0.18 310	0.13 288	0.16 312	0.13 273	0.08 296	0.07 373	0.07 191	0.06 182	0.08 317	0.09 384

ARAFT	0.12 247	0.08 233	0.17 372	0.19 352	0.09 236	0.14 274	0.18 358	0.20 226	0.12 84	0.12 188	0.13 170	0.14 233	0.11 221	0.15 278	0.12 232	0.06 113	0.05 182	0.10 401	0.09 379	0.05 98	0.04 40

delet	0.17 393	0.08 233	0.17 372	0.19 352	0.11 384	0.20 408	0.21 435	0.30 411	0.37 448	0.17 307	0.26 377	0.19 324	0.19 410	0.19 380	0.21 425	0.08 296	0.08 399	0.09 354	0.11 448	0.06 189	0.06 196

UPFNet	0.16 373	0.08 233	0.12 181	0.20 404	0.12 415	0.20 408	0.23 456	0.28 386	0.26 355	0.17 307	0.24 331	0.22 363	0.19 410	0.19 380	0.21 425	0.09 355	0.07 373	0.08 274	0.09 379	0.08 317	0.06 196

FENet	0.13 272	0.08 233	0.12 181	0.16 141	0.08 125	0.14 274	0.15 215	0.22 270	0.23 304	0.17 307	0.23 319	0.16 276	0.12 251	0.14 256	0.15 338	0.08 296	0.05 182	0.08 274	0.08 334	0.07 254	0.07 276

ac_64	0.16 373	0.08 233	0.15 310	0.18 296	0.10 337	0.22 433	0.18 358	0.24 312	0.21 280	0.18 337	0.24 331	0.29 435	0.18 394	0.19 380	0.22 434	0.09 355	0.07 373	0.08 274	0.09 379	0.07 254	0.06 196

HGLStereo	0.17 393	0.08 233	0.19 406	0.17 215	0.12 415	0.18 370	0.18 358	0.31 421	0.32 409	0.21 389	0.32 428	0.25 400	0.18 394	0.19 380	0.20 405	0.09 355	0.09 428	0.07 191	0.07 269	0.09 378	0.10 409

BEATNet_4x	0.12 247	0.08 233	0.14 261	0.18 296	0.07 70	0.15 300	0.07 3	0.22 270	0.18 227	0.16 291	0.19 268	0.18 310	0.14 313	0.16 312	0.15 338	0.07 235	0.05 182	0.05 23	0.05 104	0.06 189	0.06 196

MSMDNet	0.14 306	0.08 233	0.15 310	0.17 215	0.09 236	0.14 274	0.14 149	0.29 397	0.36 441	0.14 236	0.21 301	0.21 345	0.12 251	0.17 344	0.14 310	0.07 235	0.05 182	0.07 191	0.07 269	0.07 254	0.07 276

HSM-Net_RVC	0.14 306	0.08 233	0.11 146	0.15 70	0.08 125	0.15 300	0.15 215	0.27 367	0.29 385	0.19 353	0.21 301	0.29 435	0.14 313	0.17 344	0.13 273	0.06 113	0.06 303	0.06 99	0.06 182	0.07 254	0.06 196
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
ccs_rob	0.14 306	0.08 233	0.15 310	0.16 141	0.09 236	0.12 203	0.14 149	0.27 367	0.34 428	0.14 236	0.21 301	0.22 363	0.13 288	0.18 365	0.14 310	0.07 235	0.05 182	0.08 274	0.07 269	0.07 254	0.07 276

UCFNet_RVC	0.14 306	0.08 233	0.13 226	0.11 1	0.10 337	0.20 408	0.10 27	0.24 312	0.22 294	0.17 307	0.20 280	0.23 381	0.15 331	0.17 344	0.15 338	0.12 448	0.07 373	0.10 401	0.13 477	0.11 432	0.10 409

iResNetv2_ROB	0.14 306	0.08 233	0.15 310	0.16 141	0.08 125	0.16 330	0.12 63	0.25 328	0.35 437	0.21 389	0.29 410	0.24 387	0.13 288	0.14 256	0.14 310	0.06 113	0.05 182	0.06 99	0.04 34	0.09 378	0.08 340

HSM	0.15 350	0.08 233	0.14 261	0.16 141	0.09 236	0.16 330	0.14 149	0.28 386	0.25 341	0.19 353	0.23 319	0.37 486	0.16 357	0.20 405	0.15 338	0.07 235	0.05 182	0.07 191	0.06 182	0.07 254	0.06 196

4.5_new	0.07 4	0.09 307	0.08 29	0.15 70	0.07 70	0.06 8	0.10 27	0.14 74	0.11 61	0.06 9	0.08 69	0.06 16	0.06 34	0.08 15	0.10 121	0.03 1	0.03 1	0.04 1	0.04 34	0.04 15	0.03 1

4.5w-stereo	0.07 4	0.09 307	0.08 29	0.15 70	0.07 70	0.06 8	0.10 27	0.14 74	0.11 61	0.06 9	0.08 69	0.06 16	0.06 34	0.08 15	0.10 121	0.03 1	0.03 1	0.04 1	0.04 34	0.04 15	0.03 1

3w_stereo	0.08 43	0.09 307	0.10 105	0.17 215	0.07 70	0.08 48	0.10 27	0.20 226	0.13 115	0.06 9	0.07 36	0.05 1	0.06 34	0.08 15	0.09 52	0.03 1	0.03 1	0.04 1	0.03 1	0.04 15	0.03 1

SCV	0.08 43	0.09 307	0.08 29	0.15 70	0.08 125	0.10 124	0.13 101	0.10 16	0.12 84	0.07 29	0.07 36	0.06 16	0.04 1	0.09 33	0.08 17	0.05 26	0.04 21	0.06 99	0.04 34	0.06 189	0.04 40

rvit_0105_6	0.14 306	0.09 307	0.18 395	0.17 215	0.10 337	0.10 124	0.16 280	0.19 215	0.26 355	0.12 188	0.18 259	0.17 296	0.12 251	0.18 365	0.12 232	0.15 488	0.11 460	0.12 451	0.10 416	0.09 378	0.06 196

rvit_0105_5	0.14 306	0.09 307	0.13 226	0.17 215	0.09 236	0.14 274	0.23 456	0.24 312	0.27 364	0.14 236	0.15 201	0.18 310	0.12 251	0.17 344	0.14 310	0.14 484	0.11 460	0.10 401	0.10 416	0.08 317	0.06 196

rvit_0105_4	0.14 306	0.09 307	0.17 372	0.17 215	0.10 337	0.12 203	0.19 397	0.23 290	0.27 364	0.14 236	0.20 280	0.17 296	0.13 288	0.17 344	0.13 273	0.15 488	0.11 460	0.11 432	0.10 416	0.09 378	0.06 196

rvit_0105_3	0.15 350	0.09 307	0.14 261	0.19 352	0.12 415	0.15 300	0.25 483	0.25 328	0.29 385	0.15 263	0.17 234	0.20 336	0.13 288	0.17 344	0.14 310	0.13 471	0.11 460	0.12 451	0.14 480	0.07 254	0.06 196

rvit_stereo_0081_aga	0.11 182	0.09 307	0.14 261	0.18 296	0.09 236	0.13 242	0.14 149	0.14 74	0.19 242	0.10 123	0.18 259	0.16 276	0.09 164	0.12 187	0.09 52	0.10 394	0.06 303	0.08 274	0.07 269	0.07 254	0.06 196

DCVSM-stereo	0.14 306	0.09 307	0.16 344	0.16 141	0.10 337	0.15 300	0.09 18	0.19 215	0.23 304	0.20 375	0.23 319	0.26 409	0.15 331	0.18 365	0.14 310	0.09 355	0.07 373	0.09 354	0.08 334	0.10 410	0.12 447

RAStereo	0.10 139	0.09 307	0.08 29	0.20 404	0.08 125	0.13 242	0.18 358	0.15 103	0.17 201	0.10 123	0.12 156	0.05 1	0.06 34	0.09 33	0.08 17	0.07 235	0.05 182	0.07 191	0.05 104	0.05 98	0.04 40

H2IRNET	0.10 139	0.09 307	0.09 70	0.18 296	0.09 236	0.12 203	0.15 215	0.14 74	0.21 280	0.10 123	0.10 113	0.10 151	0.10 196	0.10 60	0.10 121	0.05 26	0.04 21	0.08 274	0.08 334	0.06 189	0.05 120

ffm	0.12 247	0.09 307	0.14 261	0.16 141	0.08 125	0.17 351	0.17 313	0.15 103	0.19 242	0.15 263	0.25 360	0.19 324	0.13 288	0.10 60	0.07 1	0.06 113	0.04 21	0.09 354	0.08 334	0.06 189	0.06 196

ff1	0.13 272	0.09 307	0.14 261	0.16 141	0.08 125	0.17 351	0.17 313	0.15 103	0.19 242	0.15 263	0.25 360	0.19 324	0.13 288	0.14 256	0.20 405	0.06 113	0.04 21	0.09 354	0.08 334	0.06 189	0.06 196

mmx	0.14 306	0.09 307	0.14 261	0.16 141	0.08 125	0.17 351	0.17 313	0.27 367	0.25 341	0.15 263	0.25 360	0.19 324	0.13 288	0.14 256	0.20 405	0.08 296	0.06 303	0.09 354	0.08 334	0.08 317	0.08 340

xxx	0.14 306	0.09 307	0.14 261	0.16 141	0.08 125	0.17 351	0.17 313	0.27 367	0.25 341	0.15 263	0.25 360	0.19 324	0.13 288	0.14 256	0.20 405	0.08 296	0.06 303	0.09 354	0.08 334	0.08 317	0.08 340

MaDis-Stereo	0.09 78	0.09 307	0.08 29	0.17 215	0.09 236	0.13 242	0.10 27	0.16 129	0.16 182	0.09 91	0.11 143	0.06 16	0.06 34	0.09 33	0.13 273	0.07 235	0.06 303	0.07 191	0.05 104	0.05 98	0.04 40

CASnet	0.09 78	0.09 307	0.09 70	0.19 352	0.06 13	0.07 27	0.11 46	0.18 194	0.14 139	0.11 150	0.10 113	0.09 120	0.07 103	0.10 60	0.10 121	0.06 113	0.04 21	0.10 401	0.08 334	0.05 98	0.03 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
testlalala_base	0.10 139	0.09 307	0.14 261	0.21 433	0.08 125	0.10 124	0.14 149	0.13 58	0.10 35	0.07 29	0.15 201	0.07 62	0.08 138	0.10 60	0.12 232	0.08 296	0.05 182	0.05 23	0.03 1	0.06 189	0.05 120

LL-Strereo	0.13 272	0.09 307	0.11 146	0.20 404	0.10 337	0.11 169	0.18 358	0.32 432	0.24 320	0.15 263	0.15 201	0.14 233	0.13 288	0.19 380	0.11 184	0.06 113	0.04 21	0.09 354	0.08 334	0.04 15	0.05 120

CroCo-Stereo Lap2	0.09 78	0.09 307	0.08 29	0.22 448	0.09 236	0.09 77	0.19 397	0.16 129	0.12 84	0.09 91	0.10 113	0.05 1	0.05 9	0.08 15	0.08 17	0.06 113	0.06 303	0.07 191	0.05 104	0.05 98	0.05 120

qqq	0.13 272	0.09 307	0.15 310	0.16 141	0.08 125	0.13 242	0.15 215	0.23 290	0.16 182	0.15 263	0.19 268	0.16 276	0.16 357	0.15 278	0.16 354	0.07 235	0.06 303	0.08 274	0.08 334	0.07 254	0.07 276

Wz-Net-LNSev-Ref	0.18 407	0.09 307	0.29 472	0.15 70	0.10 337	0.22 433	0.20 418	0.26 346	0.39 457	0.25 438	0.42 494	0.24 387	0.15 331	0.20 405	0.19 399	0.07 235	0.05 182	0.06 99	0.05 104	0.10 410	0.09 384

BUS	0.14 306	0.09 307	0.14 261	0.22 448	0.10 337	0.19 393	0.14 149	0.34 460	0.19 242	0.17 307	0.22 310	0.16 276	0.13 288	0.15 278	0.13 273	0.08 296	0.06 303	0.10 401	0.09 379	0.07 254	0.07 276

RAFT_CTSACE	0.12 247	0.09 307	0.10 105	0.22 448	0.08 125	0.12 203	0.24 468	0.18 194	0.16 182	0.20 375	0.27 385	0.13 213	0.07 103	0.13 231	0.09 52	0.05 26	0.06 303	0.08 274	0.07 269	0.04 15	0.04 40

BSDual-CNN	0.15 350	0.09 307	0.14 261	0.22 448	0.10 337	0.14 274	0.15 215	0.34 460	0.19 242	0.17 307	0.22 310	0.25 400	0.16 357	0.15 278	0.14 310	0.08 296	0.06 303	0.10 401	0.09 379	0.07 254	0.07 276

SA	0.12 247	0.09 307	0.08 29	0.18 296	0.08 125	0.12 203	0.24 468	0.23 290	0.18 227	0.17 307	0.27 385	0.14 233	0.11 221	0.11 106	0.11 184	0.05 26	0.05 182	0.09 354	0.08 334	0.05 98	0.04 40

iRaft-Stereo_5w	0.12 247	0.09 307	0.12 181	0.19 352	0.08 125	0.09 77	0.12 63	0.21 248	0.21 280	0.19 353	0.14 184	0.11 172	0.09 164	0.20 405	0.16 354	0.05 26	0.05 182	0.07 191	0.06 182	0.05 98	0.06 196

psmg	0.14 306	0.09 307	0.14 261	0.17 215	0.10 337	0.15 300	0.17 313	0.29 397	0.19 242	0.17 307	0.21 301	0.25 400	0.16 357	0.15 278	0.14 310	0.08 296	0.06 303	0.08 274	0.08 334	0.07 254	0.06 196

CSP-Net	0.16 373	0.09 307	0.14 261	0.16 141	0.09 236	0.19 393	0.17 313	0.25 328	0.32 409	0.25 438	0.30 416	0.24 387	0.15 331	0.21 422	0.18 387	0.09 355	0.06 303	0.07 191	0.07 269	0.08 317	0.07 276

IPLGR	0.11 182	0.09 307	0.16 344	0.18 296	0.08 125	0.12 203	0.17 313	0.21 248	0.24 320	0.11 150	0.12 156	0.11 172	0.08 138	0.12 187	0.12 232	0.06 113	0.05 182	0.06 99	0.06 182	0.04 15	0.04 40

GMOStereo	0.11 182	0.09 307	0.07 6	0.19 352	0.08 125	0.12 203	0.28 504	0.13 58	0.17 201	0.11 150	0.17 234	0.14 233	0.12 251	0.07 4	0.07 1	0.05 26	0.05 182	0.09 354	0.07 269	0.04 15	0.04 40

error version	0.11 182	0.09 307	0.07 6	0.19 352	0.08 125	0.12 203	0.28 504	0.13 58	0.17 201	0.11 150	0.17 234	0.14 233	0.12 251	0.07 4	0.07 1	0.05 26	0.05 182	0.09 354	0.07 269	0.04 15	0.04 40

test-v	0.11 182	0.09 307	0.07 6	0.19 352	0.08 125	0.12 203	0.28 504	0.13 58	0.17 201	0.11 150	0.17 234	0.14 233	0.12 251	0.07 4	0.07 1	0.05 26	0.05 182	0.09 354	0.07 269	0.04 15	0.04 40

test_3	0.10 139	0.09 307	0.10 105	0.20 404	0.08 125	0.13 242	0.26 491	0.14 74	0.21 280	0.10 123	0.10 113	0.09 120	0.09 164	0.08 15	0.11 184	0.05 26	0.04 21	0.08 274	0.07 269	0.04 15	0.04 40

ADLNet2	0.16 373	0.09 307	0.13 226	0.16 141	0.09 236	0.20 408	0.16 280	0.31 421	0.39 457	0.16 291	0.20 280	0.20 336	0.18 394	0.21 422	0.22 434	0.08 296	0.06 303	0.07 191	0.07 269	0.09 378	0.07 276

Patchmatch Stereo++	0.11 182	0.09 307	0.16 344	0.18 296	0.08 125	0.06 8	0.11 46	0.16 129	0.13 115	0.15 263	0.16 213	0.14 233	0.12 251	0.11 106	0.10 121	0.06 113	0.04 21	0.08 274	0.06 182	0.08 317	0.07 276
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
PSM-adaLoss	0.11 182	0.09 307	0.16 344	0.18 296	0.08 125	0.06 8	0.12 63	0.16 129	0.13 115	0.15 263	0.16 213	0.14 233	0.12 251	0.11 106	0.10 121	0.06 113	0.04 21	0.08 274	0.06 182	0.08 317	0.07 276

ROB_FTStereo_v2	0.11 182	0.09 307	0.16 344	0.19 352	0.08 125	0.06 8	0.12 63	0.16 129	0.13 115	0.15 263	0.16 213	0.14 233	0.12 251	0.11 106	0.10 121	0.06 113	0.04 21	0.08 274	0.06 182	0.08 317	0.07 276

ROB_FTStereo	0.11 182	0.09 307	0.16 344	0.19 352	0.08 125	0.06 8	0.11 46	0.16 129	0.13 115	0.15 263	0.16 213	0.14 233	0.12 251	0.11 106	0.10 121	0.06 113	0.04 21	0.08 274	0.06 182	0.08 317	0.07 276

HUI-Stereo	0.11 182	0.09 307	0.16 344	0.18 296	0.08 125	0.06 8	0.12 63	0.16 129	0.13 115	0.15 263	0.16 213	0.14 233	0.12 251	0.11 106	0.10 121	0.06 113	0.04 21	0.08 274	0.06 182	0.08 317	0.07 276

iGMRVC	0.11 182	0.09 307	0.16 344	0.19 352	0.08 125	0.06 8	0.12 63	0.16 129	0.13 115	0.15 263	0.16 213	0.14 233	0.12 251	0.11 106	0.10 121	0.06 113	0.04 21	0.08 274	0.06 182	0.08 317	0.07 276

iRAFT	0.11 182	0.09 307	0.16 344	0.18 296	0.08 125	0.06 8	0.11 46	0.16 129	0.13 115	0.15 263	0.16 213	0.14 233	0.12 251	0.11 106	0.10 121	0.06 113	0.04 21	0.08 274	0.06 182	0.08 317	0.07 276

CRE-IMP	0.11 182	0.09 307	0.16 344	0.19 352	0.08 125	0.10 124	0.12 63	0.18 194	0.10 35	0.14 236	0.13 170	0.13 213	0.12 251	0.12 187	0.11 184	0.07 235	0.04 21	0.08 274	0.06 182	0.08 317	0.08 340

test-2	0.11 182	0.09 307	0.07 6	0.19 352	0.08 125	0.12 203	0.28 504	0.13 58	0.17 201	0.11 150	0.17 234	0.14 233	0.12 251	0.07 4	0.07 1	0.05 26	0.05 182	0.09 354	0.07 269	0.04 15	0.04 40

cross-raft	0.10 139	0.09 307	0.09 70	0.19 352	0.07 70	0.11 169	0.25 483	0.13 58	0.15 155	0.08 61	0.11 143	0.12 189	0.10 196	0.09 33	0.11 184	0.05 26	0.04 21	0.06 99	0.05 104	0.04 15	0.04 40

RAFT	0.13 272	0.09 307	0.11 146	0.18 296	0.08 125	0.15 300	0.24 468	0.20 226	0.19 242	0.21 389	0.21 301	0.17 296	0.12 251	0.16 312	0.09 52	0.06 113	0.07 373	0.10 401	0.09 379	0.05 98	0.05 120

RAFT-IKP	0.11 182	0.09 307	0.16 344	0.19 352	0.08 125	0.06 8	0.12 63	0.16 129	0.13 115	0.15 263	0.16 213	0.14 233	0.12 251	0.11 106	0.10 121	0.06 113	0.04 21	0.08 274	0.06 182	0.08 317	0.07 276

ICVP	0.15 350	0.09 307	0.12 181	0.22 448	0.09 236	0.17 351	0.21 435	0.25 328	0.23 304	0.18 337	0.30 416	0.26 409	0.18 394	0.17 344	0.14 310	0.09 355	0.07 373	0.08 274	0.07 269	0.07 254	0.07 276
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
sCroCo_RVC	0.12 247	0.09 307	0.23 441	0.24 478	0.11 384	0.19 393	0.14 149	0.17 165	0.14 139	0.10 123	0.13 170	0.12 189	0.07 103	0.14 256	0.11 184	0.08 296	0.08 399	0.08 274	0.08 334	0.05 98	0.07 276

MMNet	0.17 393	0.09 307	0.16 344	0.20 404	0.11 384	0.27 481	0.20 418	0.25 328	0.41 466	0.22 404	0.30 416	0.21 345	0.20 422	0.17 344	0.20 405	0.06 113	0.06 303	0.07 191	0.07 269	0.08 317	0.07 276

UNet	0.17 393	0.09 307	0.18 395	0.19 352	0.12 415	0.27 481	0.19 397	0.33 451	0.29 385	0.21 389	0.24 331	0.23 381	0.19 410	0.19 380	0.18 387	0.07 235	0.06 303	0.08 274	0.07 269	0.08 317	0.06 196

ACVNet	0.15 350	0.09 307	0.15 310	0.13 13	0.12 415	0.14 274	0.20 418	0.22 270	0.33 416	0.17 307	0.26 377	0.21 345	0.16 357	0.17 344	0.21 425	0.07 235	0.06 303	0.06 99	0.06 182	0.08 317	0.06 196

acv_ft	0.15 350	0.09 307	0.15 310	0.19 352	0.10 337	0.16 330	0.17 313	0.25 328	0.33 416	0.19 353	0.26 377	0.21 345	0.17 380	0.17 344	0.18 387	0.07 235	0.06 303	0.06 99	0.06 182	0.08 317	0.06 196

hitnet-ft	0.18 407	0.09 307	0.17 372	0.14 30	0.09 236	0.26 471	0.20 418	0.25 328	0.26 355	0.24 425	0.32 428	0.31 457	0.22 435	0.24 455	0.21 425	0.12 448	0.07 373	0.10 401	0.08 334	0.12 447	0.11 434

DSFCA	0.16 373	0.09 307	0.14 261	0.16 141	0.10 337	0.20 408	0.19 397	0.28 386	0.31 402	0.23 416	0.24 331	0.22 363	0.15 331	0.19 380	0.20 405	0.10 394	0.07 373	0.09 354	0.09 379	0.08 317	0.08 340

DMCA	0.14 306	0.09 307	0.16 344	0.19 352	0.09 236	0.15 300	0.17 313	0.23 290	0.27 364	0.14 236	0.19 268	0.17 296	0.18 394	0.15 278	0.17 369	0.10 394	0.06 303	0.08 274	0.06 182	0.09 378	0.10 409

DISCO	0.19 419	0.09 307	0.22 432	0.17 215	0.10 337	0.25 462	0.18 358	0.27 367	0.44 483	0.22 404	0.31 424	0.33 469	0.26 464	0.28 476	0.28 494	0.08 296	0.06 303	0.07 191	0.07 269	0.09 378	0.09 384

z-ln-s-r	0.17 393	0.10 365	0.40 500	0.19 352	0.08 125	0.17 351	0.18 358	0.22 270	0.33 416	0.18 337	0.40 477	0.22 363	0.17 380	0.20 405	0.23 446	0.07 235	0.05 182	0.07 191	0.07 269	0.07 254	0.05 120

DDVS	0.15 350	0.10 365	0.21 426	0.16 141	0.12 415	0.15 300	0.14 149	0.25 328	0.19 242	0.18 337	0.29 410	0.27 417	0.12 251	0.19 380	0.15 338	0.09 355	0.06 303	0.09 354	0.07 269	0.11 432	0.11 434

UGAM	0.13 272	0.10 365	0.09 70	0.22 448	0.08 125	0.12 203	0.20 418	0.17 165	0.23 304	0.21 389	0.16 213	0.13 213	0.13 288	0.19 380	0.12 232	0.07 235	0.05 182	0.13 466	0.11 448	0.07 254	0.05 120

ACV-stereo	0.15 350	0.10 365	0.28 464	0.18 296	0.12 415	0.14 274	0.12 63	0.23 290	0.21 280	0.19 353	0.23 319	0.22 363	0.15 331	0.23 446	0.17 369	0.07 235	0.06 303	0.07 191	0.07 269	0.07 254	0.07 276

ITSA-stereo	0.15 350	0.10 365	0.14 261	0.19 352	0.08 125	0.12 203	0.14 149	0.30 411	0.49 498	0.17 307	0.19 268	0.22 363	0.15 331	0.17 344	0.16 354	0.10 394	0.06 303	0.08 274	0.08 334	0.08 317	0.08 340

IGEV-BASED-STEREO-	0.09 78	0.10 365	0.31 477	0.15 70	0.06 13	0.08 48	0.14 149	0.10 16	0.10 35	0.07 29	0.07 36	0.06 16	0.04 1	0.11 106	0.07 1	0.12 448	0.04 21	0.07 191	0.05 104	0.05 98	0.05 120

test_sample7	0.15 350	0.10 365	0.16 344	0.14 30	0.11 384	0.16 330	0.16 280	0.27 367	0.23 304	0.20 375	0.20 280	0.24 387	0.19 410	0.16 312	0.16 354	0.12 448	0.06 303	0.10 401	0.09 379	0.10 410	0.10 409

LL-Strereo2	0.10 139	0.10 365	0.15 310	0.18 296	0.08 125	0.15 300	0.09 18	0.17 165	0.14 139	0.14 236	0.10 113	0.09 120	0.07 103	0.16 312	0.10 121	0.05 26	0.05 182	0.10 401	0.07 269	0.06 189	0.05 120

Selective-RAFT	0.11 182	0.10 365	0.11 146	0.21 433	0.08 125	0.16 330	0.13 101	0.20 226	0.22 294	0.10 123	0.10 113	0.11 172	0.10 196	0.15 278	0.11 184	0.05 26	0.05 182	0.06 99	0.05 104	0.06 189	0.05 120

ssnet_v2	0.17 393	0.10 365	0.17 372	0.17 215	0.11 384	0.21 425	0.21 435	0.33 451	0.25 341	0.22 404	0.22 310	0.27 417	0.18 394	0.22 435	0.20 405	0.11 423	0.09 428	0.09 354	0.09 379	0.08 317	0.08 340

raft_robust	0.13 272	0.10 365	0.07 6	0.18 296	0.08 125	0.13 242	0.24 468	0.28 386	0.33 416	0.20 375	0.19 268	0.14 233	0.10 196	0.11 106	0.12 232	0.05 26	0.05 182	0.07 191	0.07 269	0.05 98	0.04 40

NINENet	0.16 373	0.10 365	0.15 310	0.17 215	0.11 384	0.19 393	0.14 149	0.40 502	0.36 441	0.18 337	0.21 301	0.16 276	0.13 288	0.15 278	0.13 273	0.08 296	0.08 399	0.10 401	0.07 269	0.10 410	0.09 384

test_4	0.10 139	0.10 365	0.08 29	0.19 352	0.09 236	0.08 48	0.22 445	0.15 103	0.17 201	0.12 188	0.18 259	0.12 189	0.09 164	0.08 15	0.11 184	0.04 11	0.04 21	0.08 274	0.08 334	0.04 15	0.03 1

pcwnet_v2	0.19 419	0.10 365	0.26 452	0.17 215	0.14 457	0.18 370	0.15 215	0.37 487	0.46 490	0.19 353	0.24 331	0.21 345	0.19 410	0.20 405	0.19 399	0.13 471	0.10 448	0.10 401	0.10 416	0.11 432	0.13 466

psm_up	0.18 407	0.10 365	0.18 395	0.20 404	0.11 384	0.17 351	0.19 397	0.37 487	0.34 428	0.21 389	0.28 398	0.29 435	0.24 449	0.20 405	0.22 434	0.09 355	0.10 448	0.11 432	0.11 448	0.08 317	0.08 340

DMCA-RVC	0.17 393	0.10 365	0.15 310	0.24 478	0.11 384	0.18 370	0.18 358	0.25 328	0.24 320	0.21 389	0.26 377	0.25 400	0.27 472	0.18 365	0.20 405	0.12 448	0.08 399	0.13 466	0.10 416	0.10 410	0.08 340

SuperB	0.20 431	0.10 365	0.56 523	0.16 141	0.09 236	0.18 370	0.18 358	0.24 312	0.50 501	0.26 443	0.39 471	0.17 296	0.21 426	0.22 435	0.21 425	0.08 296	0.06 303	0.06 99	0.06 182	0.12 447	0.10 409

ADCP+	0.20 431	0.10 365	0.33 483	0.20 404	0.12 415	0.22 433	0.26 491	0.31 421	0.34 428	0.26 443	0.37 457	0.22 363	0.22 435	0.27 465	0.27 487	0.09 355	0.06 303	0.08 274	0.08 334	0.09 378	0.10 409

CFNet	0.15 350	0.10 365	0.17 372	0.17 215	0.08 125	0.18 370	0.09 18	0.28 386	0.25 341	0.19 353	0.24 331	0.24 387	0.17 380	0.17 344	0.14 310	0.08 296	0.06 303	0.09 354	0.10 416	0.07 254	0.06 196

CVANet_RVC	0.18 407	0.10 365	0.14 261	0.21 433	0.10 337	0.18 370	0.17 313	0.34 460	0.33 416	0.22 404	0.31 424	0.28 427	0.18 394	0.23 446	0.17 369	0.12 448	0.08 399	0.12 451	0.11 448	0.09 378	0.07 276

NLCA_NET_v2_RVC	0.17 393	0.10 365	0.22 432	0.20 404	0.10 337	0.15 300	0.18 358	0.31 421	0.25 341	0.21 389	0.30 416	0.25 400	0.17 380	0.21 422	0.20 405	0.09 355	0.06 303	0.08 274	0.08 334	0.07 254	0.08 340
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
AANet_RVC	0.16 373	0.10 365	0.10 105	0.18 296	0.09 236	0.18 370	0.19 397	0.26 346	0.31 402	0.22 404	0.35 448	0.21 345	0.21 426	0.22 435	0.16 354	0.06 113	0.05 182	0.06 99	0.06 182	0.07 254	0.06 196

NVstereo2D	0.19 419	0.10 365	0.15 310	0.17 215	0.15 475	0.28 487	0.23 456	0.44 519	0.42 473	0.15 263	0.27 385	0.25 400	0.19 410	0.22 435	0.17 369	0.09 355	0.06 303	0.10 401	0.08 334	0.15 492	0.09 384

iResNet	0.13 272	0.10 365	0.18 395	0.19 352	0.08 125	0.13 242	0.18 358	0.20 226	0.26 355	0.15 263	0.23 319	0.15 262	0.13 288	0.14 256	0.14 310	0.06 113	0.04 21	0.06 99	0.05 104	0.06 189	0.05 120

MDST_ROB	0.22 452	0.10 365	0.17 372	0.18 296	0.11 384	0.37 515	0.19 397	0.43 517	0.41 466	0.39 505	0.39 471	0.29 435	0.21 426	0.26 462	0.18 387	0.11 423	0.10 448	0.14 478	0.11 448	0.10 410	0.08 340

DLCB_ROB	0.18 407	0.10 365	0.15 310	0.23 469	0.11 384	0.24 451	0.18 358	0.29 397	0.28 378	0.27 449	0.28 398	0.28 427	0.24 449	0.19 380	0.20 405	0.08 296	0.08 399	0.09 354	0.09 379	0.07 254	0.07 276

DFGA-Net	0.13 272	0.11 391	0.18 395	0.17 215	0.10 337	0.12 203	0.13 101	0.22 270	0.25 341	0.16 291	0.16 213	0.13 213	0.12 251	0.16 312	0.14 310	0.07 235	0.05 182	0.08 274	0.07 269	0.05 98	0.05 120

FACV-RUCA	0.13 272	0.11 391	0.12 181	0.19 352	0.12 415	0.15 300	0.15 215	0.22 270	0.20 265	0.15 263	0.16 213	0.14 233	0.16 357	0.14 256	0.13 273	0.07 235	0.05 182	0.08 274	0.06 182	0.10 410	0.08 340

rvit_105_1	0.19 419	0.11 391	0.25 449	0.21 433	0.16 485	0.21 425	0.27 498	0.31 421	0.41 466	0.19 353	0.20 280	0.22 363	0.17 380	0.19 380	0.17 369	0.12 448	0.12 474	0.13 466	0.15 495	0.08 317	0.07 276

fast-acv-ft	0.18 407	0.11 391	0.19 406	0.19 352	0.12 415	0.24 451	0.21 435	0.25 328	0.34 428	0.22 404	0.34 444	0.27 417	0.20 422	0.21 422	0.23 446	0.09 355	0.09 428	0.08 274	0.10 416	0.08 317	0.07 276

ToySt	0.17 393	0.11 391	0.18 395	0.17 215	0.11 384	0.16 330	0.25 483	0.24 312	0.33 416	0.19 353	0.24 331	0.26 409	0.24 449	0.19 380	0.20 405	0.07 235	0.08 399	0.09 354	0.10 416	0.09 378	0.08 340

RAFT+CT+SA	0.13 272	0.11 391	0.09 70	0.19 352	0.09 236	0.15 300	0.28 504	0.22 270	0.22 294	0.15 263	0.26 377	0.10 151	0.10 196	0.11 106	0.12 232	0.05 26	0.04 21	0.07 191	0.08 334	0.07 254	0.06 196

hknet	0.15 350	0.11 391	0.13 226	0.22 448	0.11 384	0.14 274	0.15 215	0.34 460	0.25 341	0.17 307	0.22 310	0.22 363	0.18 394	0.17 344	0.12 232	0.07 235	0.06 303	0.10 401	0.09 379	0.07 254	0.07 276

FADNet-RVC-Resample	0.16 373	0.11 391	0.31 477	0.22 448	0.11 384	0.19 393	0.14 149	0.25 328	0.24 320	0.24 425	0.27 385	0.20 336	0.15 331	0.16 312	0.15 338	0.07 235	0.08 399	0.12 451	0.10 416	0.09 378	0.10 409

stereogan	0.22 452	0.11 391	0.21 426	0.20 404	0.12 415	0.31 495	0.19 397	0.35 475	0.44 483	0.22 404	0.39 471	0.35 479	0.27 472	0.33 496	0.22 434	0.10 394	0.12 474	0.10 401	0.10 416	0.14 477	0.13 466

ADCL	0.24 474	0.11 391	0.47 512	0.22 448	0.12 415	0.34 505	0.29 513	0.29 397	0.56 513	0.24 425	0.46 501	0.30 444	0.30 492	0.29 482	0.29 497	0.08 296	0.07 373	0.09 354	0.09 379	0.10 410	0.10 409

AdaStereo	0.15 350	0.11 391	0.15 310	0.18 296	0.09 236	0.20 408	0.11 46	0.32 432	0.28 378	0.20 375	0.23 319	0.20 336	0.13 288	0.19 380	0.14 310	0.12 448	0.05 182	0.10 401	0.07 269	0.09 378	0.07 276
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.
DeepPruner_ROB	0.16 373	0.11 391	0.15 310	0.17 215	0.10 337	0.17 351	0.15 215	0.32 432	0.21 280	0.19 353	0.21 301	0.22 363	0.18 394	0.20 405	0.15 338	0.13 471	0.09 428	0.09 354	0.09 379	0.11 432	0.10 409

DRN-Test	0.19 419	0.11 391	0.20 418	0.22 448	0.10 337	0.22 433	0.22 445	0.39 498	0.37 448	0.24 425	0.32 428	0.26 409	0.21 426	0.22 435	0.24 459	0.11 423	0.07 373	0.11 432	0.10 416	0.09 378	0.07 276

StereoDRNet	0.18 407	0.11 391	0.17 372	0.22 448	0.11 384	0.21 425	0.22 445	0.37 487	0.33 416	0.24 425	0.28 398	0.30 444	0.19 410	0.20 405	0.20 405	0.09 355	0.08 399	0.11 432	0.09 379	0.09 378	0.07 276

XPNet_ROB	0.22 452	0.11 391	0.19 406	0.22 448	0.13 437	0.22 433	0.19 397	0.34 460	0.40 463	0.30 476	0.39 471	0.39 498	0.26 464	0.26 462	0.28 494	0.15 488	0.10 448	0.10 401	0.10 416	0.13 464	0.12 447

WCMA_ROB	0.24 474	0.11 391	0.22 432	0.17 215	0.14 457	0.32 496	0.15 215	0.32 432	0.32 409	0.38 503	0.53 511	0.40 502	0.34 505	0.34 499	0.25 468	0.11 423	0.12 474	0.12 451	0.10 416	0.14 477	0.14 483

PSMNet_ROB	0.21 443	0.11 391	0.15 310	0.27 506	0.15 475	0.24 451	0.35 530	0.43 517	0.37 448	0.27 449	0.32 428	0.32 466	0.22 435	0.21 422	0.26 479	0.12 448	0.08 399	0.13 466	0.11 448	0.09 378	0.09 384

TCMNet	0.19 419	0.12 408	0.19 406	0.20 404	0.18 506	0.20 408	0.24 468	0.27 367	0.36 441	0.23 416	0.26 377	0.25 400	0.19 410	0.19 380	0.23 446	0.13 471	0.11 460	0.11 432	0.12 467	0.13 464	0.12 447

YMNet	0.20 431	0.12 408	0.19 406	0.20 404	0.14 457	0.26 471	0.23 456	0.32 432	0.34 428	0.27 449	0.34 444	0.30 444	0.18 394	0.18 365	0.22 434	0.10 394	0.13 487	0.10 401	0.10 416	0.08 317	0.09 384

YMNet_1	0.20 431	0.12 408	0.19 406	0.20 404	0.14 457	0.26 471	0.23 456	0.32 432	0.34 428	0.27 449	0.34 444	0.30 444	0.18 394	0.18 365	0.22 434	0.10 394	0.13 487	0.10 401	0.10 416	0.08 317	0.09 384

rvit_stereo_0075_2	0.17 393	0.12 408	0.25 449	0.23 469	0.16 485	0.13 242	0.10 27	0.30 411	0.27 364	0.20 375	0.28 398	0.22 363	0.15 331	0.18 365	0.13 273	0.16 504	0.10 448	0.17 498	0.10 416	0.10 410	0.09 384

DualNet (step1)	0.16 373	0.12 408	0.20 418	0.12 4	0.14 457	0.17 351	0.13 101	0.27 367	0.23 304	0.20 375	0.20 280	0.24 387	0.19 410	0.16 312	0.16 354	0.15 488	0.06 303	0.14 478	0.14 480	0.14 477	0.12 447

test_sample9	0.18 407	0.12 408	0.20 418	0.12 4	0.14 457	0.17 351	0.13 101	0.27 367	0.23 304	0.20 375	0.20 280	0.24 387	0.19 410	0.19 380	0.17 369	0.15 488	0.30 535	0.14 478	0.14 480	0.14 477	0.12 447

test_sample8	0.19 419	0.12 408	0.20 418	0.12 4	0.14 457	0.17 351	0.13 101	0.31 421	0.21 280	0.27 449	0.22 310	0.36 481	0.25 458	0.19 380	0.17 369	0.15 488	0.30 535	0.14 478	0.14 480	0.14 477	0.12 447

test_for_model	0.09 78	0.12 408	0.14 261	0.23 469	0.11 384	0.08 48	0.13 101	0.12 42	0.12 84	0.10 123	0.07 36	0.07 62	0.06 34	0.11 106	0.10 121	0.06 113	0.05 182	0.05 23	0.03 1	0.07 254	0.04 40

StereoVision	0.13 272	0.12 408	0.09 70	0.24 478	0.10 337	0.15 300	0.21 435	0.21 248	0.20 265	0.12 188	0.24 331	0.10 151	0.10 196	0.16 312	0.10 121	0.09 355	0.11 460	0.12 451	0.12 467	0.06 189	0.05 120

CASS	0.13 272	0.12 408	0.11 146	0.23 469	0.09 236	0.15 300	0.17 313	0.18 194	0.19 242	0.17 307	0.18 259	0.15 262	0.15 331	0.14 256	0.14 310	0.09 355	0.06 303	0.10 401	0.08 334	0.09 378	0.07 276
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
test_5	0.14 306	0.12 408	0.08 29	0.20 404	0.10 337	0.14 274	0.29 513	0.21 248	0.24 320	0.18 337	0.28 398	0.11 172	0.15 331	0.12 187	0.13 273	0.06 113	0.05 182	0.07 191	0.08 334	0.08 317	0.07 276

SACVNet	0.18 407	0.12 408	0.14 261	0.17 215	0.13 437	0.22 433	0.18 358	0.31 421	0.30 395	0.23 416	0.31 424	0.30 444	0.22 435	0.22 435	0.17 369	0.11 423	0.08 399	0.10 401	0.10 416	0.12 447	0.14 483

PSMNet-ADL	0.15 350	0.12 408	0.13 226	0.22 448	0.09 236	0.13 242	0.20 418	0.26 346	0.23 304	0.18 337	0.20 280	0.24 387	0.16 357	0.18 365	0.17 369	0.08 296	0.08 399	0.08 274	0.11 448	0.08 317	0.07 276

GEStereo_RVC	0.17 393	0.12 408	0.15 310	0.22 448	0.11 384	0.19 393	0.17 313	0.32 432	0.48 492	0.20 375	0.25 360	0.17 296	0.13 288	0.21 422	0.16 354	0.10 394	0.06 303	0.08 274	0.07 269	0.09 378	0.08 340

sAnonymous2	0.13 272	0.12 408	0.24 444	0.20 404	0.12 415	0.17 351	0.13 101	0.26 346	0.21 280	0.11 150	0.11 143	0.13 213	0.08 138	0.10 60	0.10 121	0.09 355	0.05 182	0.08 274	0.06 182	0.15 492	0.10 409

CroCo_RVC	0.13 272	0.12 408	0.24 444	0.20 404	0.12 415	0.17 351	0.13 101	0.26 346	0.21 280	0.11 150	0.11 143	0.13 213	0.08 138	0.10 60	0.10 121	0.09 355	0.05 182	0.08 274	0.06 182	0.15 492	0.10 409

APVNet	0.22 452	0.12 408	0.19 406	0.18 296	0.14 457	0.32 496	0.31 526	0.39 498	0.32 409	0.27 449	0.40 477	0.30 444	0.29 488	0.26 462	0.25 468	0.11 423	0.12 474	0.11 432	0.14 480	0.12 447	0.12 447

FAT-Stereo	0.20 431	0.12 408	0.22 432	0.21 433	0.12 415	0.17 351	0.18 358	0.34 460	0.39 457	0.27 449	0.37 457	0.34 475	0.32 500	0.21 422	0.20 405	0.09 355	0.11 460	0.10 401	0.09 379	0.11 432	0.14 483

S-Stereo	0.20 431	0.12 408	0.25 449	0.21 433	0.13 437	0.20 408	0.18 358	0.32 432	0.43 478	0.23 416	0.36 451	0.28 427	0.30 492	0.19 380	0.22 434	0.09 355	0.12 474	0.10 401	0.10 416	0.13 464	0.13 466

STTStereo	0.18 407	0.12 408	0.27 459	0.20 404	0.11 384	0.16 330	0.21 435	0.29 397	0.23 304	0.21 389	0.30 416	0.29 435	0.18 394	0.20 405	0.19 399	0.12 448	0.11 460	0.11 432	0.14 480	0.09 378	0.08 340

RTSC	0.23 467	0.12 408	0.28 464	0.21 433	0.13 437	0.28 487	0.16 280	0.35 475	0.66 532	0.27 449	0.33 440	0.30 444	0.21 426	0.31 486	0.29 497	0.10 394	0.08 399	0.09 354	0.10 416	0.13 464	0.13 466

ADCRef	0.19 419	0.12 408	0.41 503	0.20 404	0.12 415	0.22 433	0.18 358	0.32 432	0.36 441	0.26 443	0.32 428	0.17 296	0.23 443	0.24 455	0.24 459	0.07 235	0.06 303	0.09 354	0.09 379	0.08 317	0.08 340

RYNet	0.22 452	0.12 408	0.22 432	0.19 352	0.17 500	0.46 522	0.26 491	0.38 494	0.48 492	0.24 425	0.28 398	0.34 475	0.23 443	0.20 405	0.30 502	0.10 394	0.06 303	0.09 354	0.09 379	0.13 464	0.15 490

GANet	0.21 443	0.12 408	0.21 426	0.24 478	0.13 437	0.22 433	0.22 445	0.41 508	0.26 355	0.31 482	0.42 494	0.37 486	0.28 480	0.23 446	0.22 434	0.10 394	0.12 474	0.10 401	0.09 379	0.10 410	0.08 340

TDLM	0.17 393	0.12 408	0.13 226	0.24 478	0.10 337	0.18 370	0.18 358	0.36 482	0.30 395	0.21 389	0.28 398	0.28 427	0.18 394	0.23 446	0.18 387	0.11 423	0.07 373	0.10 401	0.10 416	0.08 317	0.08 340

SGM-ForestM	0.32 511	0.12 408	0.16 344	0.16 141	0.11 384	0.39 519	0.19 397	0.41 508	0.50 501	0.52 526	0.54 513	1.32 556	0.42 525	0.40 524	0.27 487	0.14 484	0.16 505	0.16 496	0.16 499	0.12 447	0.12 447

StereoDRNet-Refined	0.17 393	0.12 408	0.15 310	0.20 404	0.09 236	0.18 370	0.18 358	0.26 346	0.23 304	0.26 443	0.40 477	0.22 363	0.17 380	0.21 422	0.20 405	0.08 296	0.05 182	0.09 354	0.10 416	0.07 254	0.07 276
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
NOSS_ROB	0.19 419	0.12 408	0.18 395	0.16 141	0.12 415	0.15 300	0.12 63	0.30 411	0.32 409	0.20 375	0.22 310	0.27 417	0.23 443	0.21 422	0.16 354	0.16 504	0.18 512	0.23 517	0.21 514	0.12 447	0.13 466

SGM_RVC	0.23 467	0.12 408	0.15 310	0.15 70	0.09 236	0.33 502	0.18 358	0.34 460	0.31 402	0.44 519	0.37 457	0.53 526	0.35 507	0.35 505	0.24 459	0.13 471	0.13 487	0.13 466	0.13 477	0.10 410	0.11 434
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
GMStereo_Zeroshot	0.16 373	0.13 437	0.24 444	0.20 404	0.10 337	0.17 351	0.13 101	0.29 397	0.25 341	0.23 416	0.32 428	0.25 400	0.11 221	0.19 380	0.14 310	0.09 355	0.06 303	0.11 432	0.06 182	0.12 447	0.08 340

HBP-ISP	0.18 407	0.13 437	0.16 344	0.15 70	0.11 384	0.08 48	0.13 101	0.28 386	0.29 385	0.22 404	0.33 440	0.21 345	0.25 458	0.23 446	0.17 369	0.14 484	0.16 505	0.21 512	0.17 506	0.10 410	0.08 340

Wz-Net-MNSev	0.22 452	0.13 437	0.31 477	0.20 404	0.14 457	0.36 514	0.24 468	0.33 451	0.44 483	0.28 464	0.40 477	0.38 490	0.19 410	0.24 455	0.25 468	0.09 355	0.07 373	0.09 354	0.09 379	0.12 447	0.10 409

UDGNet	0.14 306	0.13 437	0.16 344	0.17 215	0.10 337	0.12 203	0.16 280	0.21 248	0.27 364	0.20 375	0.20 280	0.16 276	0.13 288	0.16 312	0.13 273	0.10 394	0.06 303	0.09 354	0.07 269	0.06 189	0.07 276

Anonymous3	0.16 373	0.13 437	0.33 483	0.26 494	0.14 457	0.27 481	0.17 313	0.28 386	0.28 378	0.15 263	0.17 234	0.14 233	0.10 196	0.15 278	0.12 232	0.08 296	0.08 399	0.08 274	0.08 334	0.08 317	0.11 434

GwcNet	0.20 431	0.13 437	0.19 406	0.18 296	0.12 415	0.24 451	0.19 397	0.35 475	0.43 478	0.20 375	0.32 428	0.33 469	0.20 422	0.22 435	0.24 459	0.11 423	0.09 428	0.09 354	0.09 379	0.09 378	0.10 409

RP	0.21 443	0.13 437	0.21 426	0.23 469	0.11 384	0.21 425	0.20 418	0.25 328	0.44 483	0.21 389	0.38 463	0.36 481	0.24 449	0.27 465	0.25 468	0.11 423	0.12 474	0.13 466	0.12 467	0.12 447	0.14 483

edge stereo	0.22 452	0.13 437	0.20 418	0.21 433	0.13 437	0.23 446	0.16 280	0.32 432	0.42 473	0.32 488	0.40 477	0.38 490	0.35 507	0.25 460	0.24 459	0.13 471	0.11 460	0.14 478	0.11 448	0.12 447	0.13 466

CBMV_ROB	0.19 419	0.13 437	0.17 372	0.16 141	0.11 384	0.15 300	0.13 101	0.26 346	0.28 378	0.27 449	0.30 416	0.27 417	0.24 449	0.23 446	0.16 354	0.15 488	0.17 510	0.22 516	0.20 512	0.10 410	0.11 434

DN-CSS_ROB	0.13 272	0.13 437	0.16 344	0.18 296	0.10 337	0.16 330	0.08 7	0.22 270	0.18 227	0.17 307	0.22 310	0.13 213	0.13 288	0.12 187	0.13 273	0.05 26	0.05 182	0.10 401	0.10 416	0.08 317	0.06 196

PWCDC_ROB	0.20 431	0.13 437	0.22 432	0.24 478	0.11 384	0.19 393	0.15 215	0.33 451	0.54 510	0.29 472	0.50 509	0.21 345	0.15 331	0.27 465	0.20 405	0.11 423	0.09 428	0.10 401	0.08 334	0.11 432	0.09 384

MeshStereo	0.27 495	0.13 437	0.18 395	0.15 70	0.11 384	0.32 496	0.24 468	0.40 502	0.36 441	0.52 526	0.57 523	0.67 537	0.40 517	0.35 505	0.26 479	0.14 484	0.13 487	0.13 466	0.11 448	0.11 432	0.10 409
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
zh-mn7	0.25 485	0.14 449	0.56 523	0.19 352	0.14 457	0.24 451	0.22 445	0.34 460	0.62 525	0.35 495	0.65 528	0.31 457	0.25 458	0.31 486	0.25 468	0.09 355	0.08 399	0.09 354	0.09 379	0.09 378	0.11 434

z-mn7	0.24 474	0.14 449	0.45 507	0.19 352	0.13 437	0.28 487	0.25 483	0.34 460	0.62 525	0.27 449	0.56 520	0.29 435	0.24 449	0.32 493	0.25 468	0.08 296	0.08 399	0.08 274	0.08 334	0.10 410	0.10 409

w-ln-seven-2	0.20 431	0.14 449	0.37 496	0.22 448	0.12 415	0.20 408	0.21 435	0.28 386	0.37 448	0.25 438	0.37 457	0.27 417	0.22 435	0.21 422	0.23 446	0.08 296	0.08 399	0.09 354	0.09 379	0.10 410	0.09 384

w-ln-seven	0.24 474	0.14 449	0.55 520	0.19 352	0.14 457	0.26 471	0.22 445	0.35 475	0.60 522	0.29 472	0.39 471	0.30 444	0.22 435	0.21 422	0.26 479	0.09 355	0.09 428	0.11 432	0.10 416	0.11 432	0.10 409

TestStereo	0.13 272	0.14 449	0.11 146	0.23 469	0.08 125	0.15 300	0.21 435	0.20 226	0.23 304	0.14 236	0.24 331	0.16 276	0.12 251	0.16 312	0.14 310	0.05 26	0.06 303	0.08 274	0.06 182	0.09 378	0.05 120

GMStereo	0.13 272	0.14 449	0.14 261	0.18 296	0.09 236	0.15 300	0.16 280	0.20 226	0.24 320	0.16 291	0.17 234	0.10 151	0.10 196	0.16 312	0.13 273	0.07 235	0.06 303	0.06 99	0.06 182	0.07 254	0.06 196
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
FADNet_RVC	0.16 373	0.14 449	0.40 500	0.20 404	0.11 384	0.13 242	0.13 101	0.26 346	0.22 294	0.21 389	0.23 319	0.20 336	0.17 380	0.14 256	0.16 354	0.08 296	0.08 399	0.12 451	0.09 379	0.11 432	0.10 409

SANet	0.24 474	0.14 449	0.28 464	0.21 433	0.11 384	0.27 481	0.24 468	0.38 494	0.64 529	0.36 498	0.40 477	0.43 508	0.26 464	0.27 465	0.24 459	0.12 448	0.09 428	0.10 401	0.09 379	0.13 464	0.11 434

SGM-Forest	0.20 431	0.14 449	0.18 395	0.19 352	0.13 437	0.20 408	0.22 445	0.33 451	0.30 395	0.24 425	0.29 410	0.28 427	0.19 410	0.23 446	0.17 369	0.15 488	0.16 505	0.15 490	0.14 480	0.12 447	0.12 447
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
CBMV	0.19 419	0.14 449	0.17 372	0.18 296	0.10 337	0.20 408	0.11 46	0.29 397	0.30 395	0.29 472	0.30 416	0.30 444	0.23 443	0.27 465	0.19 399	0.13 471	0.15 502	0.17 498	0.16 499	0.10 410	0.10 409
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
StereoAnything_RVC	0.07 4	0.15 459	0.17 372	0.11 1	0.05 1	0.05 4	0.11 46	0.08 4	0.08 11	0.06 9	0.06 12	0.05 1	0.05 9	0.09 33	0.08 17	0.08 296	0.04 21	0.05 23	0.03 1	0.05 98	0.04 40

psmorigin	0.25 485	0.15 459	0.34 491	0.17 215	0.13 437	0.23 446	0.14 149	0.34 460	0.33 416	0.41 512	0.55 515	0.41 504	0.37 511	0.34 499	0.27 487	0.11 423	0.15 502	0.11 432	0.11 448	0.12 447	0.16 501

NCC-stereo	0.24 474	0.15 459	0.31 477	0.26 494	0.16 485	0.20 408	0.30 520	0.40 502	0.40 463	0.24 425	0.38 463	0.33 469	0.28 480	0.36 510	0.27 487	0.12 448	0.11 460	0.15 490	0.22 517	0.13 464	0.13 466

Abc-Net	0.24 474	0.15 459	0.31 477	0.26 494	0.16 485	0.20 408	0.30 520	0.40 502	0.40 463	0.24 425	0.38 463	0.33 469	0.28 480	0.36 510	0.27 487	0.12 448	0.11 460	0.15 490	0.22 517	0.13 464	0.13 466
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
SHD	0.26 493	0.15 459	0.30 475	0.24 478	0.18 506	0.22 433	0.15 215	0.38 494	0.71 536	0.32 488	0.41 488	0.36 481	0.28 480	0.32 493	0.29 497	0.12 448	0.11 460	0.14 478	0.13 477	0.16 499	0.20 518

ADCMid	0.25 485	0.15 459	0.40 500	0.20 404	0.14 457	0.25 462	0.26 491	0.34 460	0.38 454	0.36 498	0.44 499	0.34 475	0.40 517	0.35 505	0.33 514	0.10 394	0.09 428	0.11 432	0.11 448	0.13 464	0.12 447

DANet	0.21 443	0.15 459	0.28 464	0.25 489	0.13 437	0.22 433	0.19 397	0.27 367	0.27 364	0.28 464	0.32 428	0.35 479	0.31 496	0.31 486	0.23 446	0.11 423	0.09 428	0.11 432	0.10 416	0.13 464	0.11 434
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
NCCL2	0.23 467	0.15 459	0.17 372	0.34 523	0.18 506	0.24 451	0.23 456	0.34 460	0.28 378	0.31 482	0.38 463	0.38 490	0.28 480	0.23 446	0.24 459	0.15 488	0.12 474	0.18 507	0.21 514	0.13 464	0.13 466

Wz-Net-LNSev	0.22 452	0.16 467	0.38 497	0.21 433	0.13 437	0.25 462	0.23 456	0.32 432	0.43 478	0.30 476	0.41 488	0.31 457	0.18 394	0.22 435	0.25 468	0.10 394	0.09 428	0.08 274	0.08 334	0.12 447	0.11 434

dd	0.15 350	0.16 467	0.16 344	0.19 352	0.09 236	0.15 300	0.18 358	0.21 248	0.25 341	0.23 416	0.20 280	0.21 345	0.09 164	0.21 422	0.16 354	0.10 394	0.06 303	0.08 274	0.06 182	0.08 317	0.06 196

Syn2CoEx	0.21 443	0.16 467	0.27 459	0.29 516	0.14 457	0.26 471	0.20 418	0.33 451	0.31 402	0.28 464	0.36 451	0.27 417	0.25 458	0.19 380	0.24 459	0.16 504	0.12 474	0.14 478	0.11 448	0.09 378	0.08 340

G-Net	0.24 474	0.16 467	0.36 492	0.22 448	0.16 485	0.51 528	0.23 456	0.29 397	0.34 428	0.36 498	0.38 463	0.31 457	0.29 488	0.27 465	0.26 479	0.11 423	0.09 428	0.12 451	0.09 379	0.16 499	0.13 466

Nwc_Net	0.23 467	0.16 467	0.21 426	0.25 489	0.14 457	0.24 451	0.26 491	0.37 487	0.38 454	0.22 404	0.41 488	0.30 444	0.28 480	0.28 476	0.25 468	0.11 423	0.10 448	0.17 498	0.20 512	0.10 410	0.10 409

AnyNet_C32	0.26 493	0.16 467	0.36 492	0.20 404	0.16 485	0.25 462	0.30 520	0.32 432	0.44 483	0.31 482	0.49 505	0.30 444	0.33 501	0.40 524	0.33 514	0.12 448	0.12 474	0.12 451	0.14 480	0.14 477	0.15 490

ADCPNet	0.25 485	0.16 467	0.61 528	0.21 433	0.15 475	0.35 513	0.25 483	0.32 432	0.35 437	0.30 476	0.40 477	0.36 481	0.28 480	0.28 476	0.32 510	0.12 448	0.10 448	0.11 432	0.12 467	0.14 477	0.13 466

DPSNet	0.28 499	0.16 467	0.31 477	0.18 296	0.13 437	0.54 530	0.42 539	0.51 531	0.67 533	0.29 472	0.38 463	0.38 490	0.29 488	0.31 486	0.23 446	0.11 423	0.10 448	0.11 432	0.08 334	0.20 513	0.16 501

PDISCO_ROB	0.27 495	0.16 467	0.26 452	0.28 509	0.20 512	0.32 496	0.26 491	0.44 519	0.57 515	0.28 464	0.40 477	0.45 512	0.29 488	0.33 496	0.34 516	0.12 448	0.09 428	0.17 498	0.16 499	0.17 506	0.13 466

LALA_ROB	0.25 485	0.16 467	0.22 432	0.26 494	0.17 500	0.27 481	0.27 498	0.42 513	0.37 448	0.33 492	0.38 463	0.51 522	0.26 464	0.28 476	0.27 487	0.16 504	0.09 428	0.12 451	0.11 448	0.13 464	0.12 447

PWC_ROB	0.21 443	0.16 467	0.26 452	0.18 296	0.11 384	0.22 433	0.13 101	0.32 432	0.49 498	0.30 476	0.40 477	0.32 466	0.24 449	0.31 486	0.22 434	0.10 394	0.07 373	0.11 432	0.08 334	0.11 432	0.10 409

zh-sn7	0.25 485	0.17 478	0.50 514	0.24 478	0.13 437	0.25 462	0.24 468	0.34 460	0.48 492	0.28 464	0.54 513	0.28 427	0.31 496	0.36 510	0.32 510	0.10 394	0.10 448	0.11 432	0.10 416	0.12 447	0.12 447

Anonymous_2	0.22 452	0.17 478	0.28 464	0.15 70	0.16 485	0.32 496	0.22 445	0.22 270	0.17 201	0.23 416	0.24 331	0.26 409	0.27 472	0.27 465	0.23 446	0.22 525	0.25 531	0.17 498	0.17 506	0.17 506	0.17 509

Wz-Net-SNSev	0.25 485	0.17 478	0.44 506	0.25 489	0.14 457	0.26 471	0.23 456	0.38 494	0.56 513	0.30 476	0.55 515	0.39 498	0.26 464	0.23 446	0.30 502	0.10 394	0.09 428	0.09 354	0.10 416	0.11 432	0.11 434

WZ-Net	0.28 499	0.17 478	0.78 545	0.22 448	0.16 485	0.34 505	0.29 513	0.39 498	0.57 515	0.24 425	0.55 515	0.37 486	0.24 449	0.33 496	0.35 517	0.09 355	0.08 399	0.09 354	0.10 416	0.14 477	0.16 501

DDUNet	0.22 452	0.17 478	0.21 426	0.22 448	0.15 475	0.25 462	0.24 468	0.29 397	0.30 395	0.31 482	0.36 451	0.33 469	0.25 458	0.24 455	0.20 405	0.18 510	0.13 487	0.17 498	0.11 448	0.16 499	0.16 501

UDG	0.21 443	0.17 478	0.19 406	0.23 469	0.15 475	0.30 494	0.20 418	0.33 451	0.35 437	0.23 416	0.28 398	0.31 457	0.27 472	0.20 405	0.22 434	0.15 488	0.12 474	0.13 466	0.09 379	0.14 477	0.14 483

aanetorigin	0.22 452	0.17 478	0.56 523	0.17 215	0.10 337	0.15 300	0.19 397	0.20 226	0.33 416	0.49 524	0.48 504	0.29 435	0.27 472	0.20 405	0.23 446	0.08 296	0.07 373	0.08 274	0.07 269	0.10 410	0.09 384

AF-Net	0.22 452	0.17 478	0.17 372	0.26 494	0.13 437	0.25 462	0.24 468	0.32 432	0.50 501	0.25 438	0.33 440	0.38 490	0.26 464	0.28 476	0.25 468	0.11 423	0.10 448	0.16 496	0.11 448	0.11 432	0.10 409

DeepPrunerF	0.24 474	0.17 478	0.42 505	0.26 494	0.16 485	0.22 433	0.28 504	0.37 487	0.50 501	0.26 443	0.29 410	0.24 387	0.28 480	0.21 422	0.22 434	0.15 488	0.11 460	0.20 511	0.18 510	0.12 447	0.13 466

FBW_ROB	0.24 474	0.17 478	0.22 432	0.26 494	0.14 457	0.25 462	0.22 445	0.41 508	0.41 466	0.41 512	0.41 488	0.42 505	0.27 472	0.31 486	0.23 446	0.09 355	0.14 496	0.14 478	0.12 467	0.11 432	0.09 384

ETE_ROB	0.23 467	0.17 478	0.22 432	0.25 489	0.13 437	0.26 471	0.29 513	0.31 421	0.36 441	0.28 464	0.36 451	0.45 512	0.26 464	0.27 465	0.26 479	0.11 423	0.08 399	0.12 451	0.09 379	0.14 477	0.13 466

FINET	0.21 443	0.18 489	0.26 452	0.18 296	0.16 485	0.23 446	0.23 456	0.32 432	0.48 492	0.25 438	0.32 428	0.22 363	0.22 435	0.22 435	0.17 369	0.18 510	0.16 505	0.11 432	0.10 416	0.15 492	0.13 466

ADCS	0.29 503	0.18 489	0.45 507	0.21 433	0.17 500	0.28 487	0.23 456	0.41 508	0.63 528	0.40 508	0.49 505	0.40 502	0.36 509	0.39 520	0.40 528	0.13 471	0.12 474	0.13 466	0.14 480	0.16 499	0.16 501

PA-Net	0.23 467	0.18 489	0.33 483	0.28 509	0.22 517	0.21 425	0.38 535	0.29 397	0.39 457	0.22 404	0.32 428	0.25 400	0.26 464	0.20 405	0.25 468	0.09 355	0.23 529	0.15 490	0.22 517	0.09 378	0.13 466
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
DGSMNet	0.24 474	0.19 492	0.33 483	0.21 433	0.24 521	0.24 451	0.20 418	0.35 475	0.41 466	0.24 425	0.32 428	0.38 490	0.21 426	0.29 482	0.23 446	0.12 448	0.11 460	0.14 478	0.16 499	0.23 518	0.23 523

RTS	0.45 530	0.19 492	3.26 563	0.24 478	0.15 475	0.74 545	0.20 418	0.36 482	0.76 543	0.42 515	0.43 497	0.31 457	0.41 522	0.53 536	0.35 517	0.10 394	0.08 399	0.13 466	0.12 467	0.15 492	0.15 490

RTSA	0.45 530	0.19 492	3.26 563	0.24 478	0.15 475	0.74 545	0.20 418	0.36 482	0.76 543	0.42 515	0.43 497	0.31 457	0.41 522	0.53 536	0.35 517	0.10 394	0.08 399	0.13 466	0.12 467	0.15 492	0.15 490

NaN_ROB	0.22 452	0.19 492	0.24 444	0.25 489	0.13 437	0.29 491	0.26 491	0.33 451	0.41 466	0.31 482	0.31 424	0.32 466	0.23 443	0.30 485	0.21 425	0.11 423	0.17 510	0.10 401	0.10 416	0.08 317	0.09 384

Wz-Net-TNSev	0.29 503	0.20 496	0.65 531	0.19 352	0.15 475	0.38 518	0.27 498	0.35 475	0.55 511	0.34 494	0.42 494	0.45 512	0.38 512	0.32 493	0.30 502	0.12 448	0.13 487	0.10 401	0.12 467	0.15 492	0.14 483

dad	0.17 393	0.20 496	0.20 418	0.16 141	0.11 384	0.20 408	0.18 358	0.21 248	0.28 378	0.30 476	0.24 331	0.29 435	0.13 288	0.19 380	0.16 354	0.18 510	0.09 428	0.11 432	0.09 379	0.11 432	0.07 276

FADNet-RVC	0.20 431	0.20 496	0.38 497	0.21 433	0.16 485	0.20 408	0.15 215	0.26 346	0.26 355	0.26 443	0.32 428	0.26 409	0.21 426	0.22 435	0.19 399	0.12 448	0.13 487	0.12 451	0.14 480	0.13 464	0.18 512

RGC	0.25 485	0.20 496	0.29 472	0.28 509	0.16 485	0.22 433	0.23 456	0.32 432	0.44 483	0.27 449	0.40 477	0.38 490	0.27 472	0.36 510	0.22 434	0.11 423	0.13 487	0.17 498	0.17 506	0.14 477	0.16 501

PVD	0.39 520	0.20 496	0.39 499	0.31 522	0.22 517	0.29 491	0.43 541	0.52 532	0.96 550	0.55 529	0.79 542	0.53 526	0.59 540	0.52 534	0.38 524	0.19 515	0.14 496	0.17 498	0.14 480	0.24 524	0.31 536

LSM	0.33 514	0.20 496	0.58 526	0.26 494	0.60 551	0.34 505	0.25 483	0.42 513	0.48 492	0.45 520	0.58 525	0.42 505	0.36 509	0.35 505	0.25 468	0.12 448	0.20 518	0.14 478	0.16 499	0.19 512	0.33 538

MFN_U_SF_RVC	0.32 511	0.21 502	0.55 520	0.30 518	0.15 475	0.34 505	0.17 313	0.52 532	0.46 490	0.46 523	0.55 515	0.59 529	0.39 514	0.35 505	0.37 522	0.15 488	0.14 496	0.18 507	0.21 514	0.16 499	0.15 490

MaskLacGwcNet_RVC	0.22 452	0.21 502	0.24 444	0.26 494	0.11 384	0.23 446	0.14 149	0.39 498	0.24 320	0.32 488	0.36 451	0.30 444	0.21 426	0.19 380	0.21 425	0.17 509	0.14 496	0.21 512	0.16 499	0.12 447	0.12 447

PS-NSSS	0.20 431	0.21 502	0.23 441	0.20 404	0.10 337	0.19 393	0.17 313	0.36 482	0.25 341	0.27 449	0.33 440	0.27 417	0.24 449	0.20 405	0.20 405	0.15 488	0.12 474	0.17 498	0.14 480	0.10 410	0.08 340

DispFullNet	0.27 495	0.21 502	0.65 531	0.28 509	0.16 485	0.26 471	0.17 313	0.33 451	0.58 518	0.27 449	0.38 463	0.43 508	0.23 443	0.38 517	0.23 446	0.12 448	0.06 303	0.19 509	0.11 448	0.21 514	0.15 490

FADNet	0.21 443	0.22 506	0.36 492	0.18 296	0.17 500	0.24 451	0.13 101	0.31 421	0.31 402	0.23 416	0.25 360	0.27 417	0.21 426	0.19 380	0.15 338	0.13 471	0.15 502	0.12 451	0.15 495	0.16 499	0.18 512

SQANet	0.23 467	0.23 507	0.30 475	0.30 518	0.19 509	0.27 481	0.13 101	0.29 397	0.33 416	0.24 425	0.37 457	0.31 457	0.22 435	0.27 465	0.23 446	0.15 488	0.10 448	0.21 512	0.16 499	0.21 514	0.15 490

GASNet	0.22 452	0.23 507	0.33 483	0.26 494	0.17 500	0.26 471	0.16 280	0.44 519	0.42 473	0.27 449	0.24 331	0.30 444	0.15 331	0.27 465	0.18 387	0.12 448	0.08 399	0.12 451	0.11 448	0.16 499	0.07 276

XQC	0.28 499	0.23 507	0.51 515	0.28 509	0.19 509	0.34 505	0.27 498	0.36 482	0.57 515	0.31 482	0.30 416	0.37 486	0.30 492	0.38 517	0.38 524	0.13 471	0.09 428	0.15 490	0.12 467	0.17 506	0.18 512

HCRNet	0.16 373	0.24 510	0.12 181	0.35 525	0.11 384	0.15 300	0.17 313	0.26 346	0.22 294	0.19 353	0.24 331	0.21 345	0.14 313	0.15 278	0.13 273	0.11 423	0.07 373	0.11 432	0.10 416	0.09 378	0.07 276

EDNetEfficient	0.29 503	0.24 510	1.13 554	0.18 296	0.10 337	0.19 393	0.20 418	0.20 226	0.60 522	0.74 543	0.56 520	0.31 457	0.39 514	0.22 435	0.30 502	0.09 355	0.07 373	0.08 274	0.07 269	0.11 432	0.09 384

MFN_U_SF_DS_RVC	0.30 508	0.24 510	0.29 472	0.36 527	0.16 485	0.34 505	0.30 520	0.32 432	0.42 473	0.40 508	0.46 501	0.38 490	0.31 496	0.34 499	0.28 494	0.19 515	0.20 518	0.26 520	0.29 530	0.18 509	0.19 517

PASM	0.32 511	0.24 510	0.48 513	0.28 509	0.27 527	0.29 491	0.30 520	0.34 460	0.49 498	0.35 495	0.39 471	0.46 516	0.34 505	0.34 499	0.35 517	0.23 529	0.25 531	0.26 520	0.28 529	0.23 518	0.21 520

CSAN	0.29 503	0.24 510	0.27 459	0.34 523	0.19 509	0.33 502	0.42 539	0.37 487	0.50 501	0.38 503	0.40 477	0.44 510	0.33 501	0.28 476	0.30 502	0.20 517	0.16 505	0.19 509	0.19 511	0.14 477	0.15 490

AnyNet_C01	0.36 518	0.25 515	1.37 557	0.22 448	0.17 500	0.48 526	0.27 498	0.35 475	0.39 457	0.39 505	0.74 538	0.46 516	0.38 512	0.45 528	0.47 537	0.13 471	0.13 487	0.13 466	0.14 480	0.14 477	0.15 490

MSMD_ROB	0.31 509	0.26 516	0.26 452	0.24 478	0.21 515	0.34 505	0.25 483	0.34 460	0.39 457	0.40 508	0.69 532	0.45 512	0.40 517	0.34 499	0.27 487	0.20 517	0.19 515	0.26 520	0.25 523	0.23 518	0.22 522

FC-DCNN v2	0.33 514	0.27 517	0.28 464	0.26 494	0.23 519	0.37 515	0.28 504	0.40 502	0.43 478	0.45 520	0.56 520	0.51 522	0.40 517	0.37 515	0.29 497	0.21 521	0.20 518	0.27 523	0.26 524	0.25 525	0.24 524

BEATNet-Init1	0.52 535	0.27 517	0.62 529	0.30 518	0.21 515	0.76 549	0.29 513	0.54 535	0.65 531	0.86 548	0.95 549	2.07 565	0.62 543	0.56 540	0.42 532	0.18 510	0.18 512	0.23 517	0.22 517	0.22 517	0.21 520

MANE	0.45 530	0.27 517	0.27 459	0.27 506	0.24 521	0.47 524	0.31 526	0.55 536	0.59 519	0.72 539	1.13 558	1.15 550	0.61 541	0.52 534	0.37 522	0.21 521	0.20 518	0.27 523	0.31 534	0.25 525	0.24 524

FC-DCNN	0.33 514	0.27 517	0.28 464	0.26 494	0.23 519	0.37 515	0.28 504	0.40 502	0.43 478	0.45 520	0.55 515	0.51 522	0.40 517	0.37 515	0.30 502	0.21 521	0.20 518	0.27 523	0.26 524	0.25 525	0.24 524

ccnet	0.29 503	0.28 521	0.23 441	0.20 404	0.28 528	0.41 521	0.21 435	0.45 522	0.33 416	0.36 498	0.46 501	0.36 481	0.30 492	0.39 520	0.42 532	0.23 529	0.14 496	0.21 512	0.17 506	0.23 518	0.18 512

FCDSN-DC	0.33 514	0.28 521	0.28 464	0.30 518	0.24 521	0.39 519	0.28 504	0.42 513	0.42 473	0.43 518	0.53 511	0.51 522	0.41 522	0.36 510	0.30 502	0.21 521	0.20 518	0.27 523	0.26 524	0.25 525	0.24 524
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
SAMSARA	0.40 523	0.28 521	0.33 483	0.55 541	0.39 535	0.82 552	1.23 566	0.47 525	0.51 508	0.36 498	0.35 448	0.55 528	0.39 514	0.38 517	0.39 526	0.15 488	0.20 518	0.15 490	0.14 480	0.23 518	0.20 518

ELAS_RVC	0.41 525	0.29 524	0.33 483	0.28 509	0.24 521	0.54 530	0.36 531	0.49 528	0.59 519	0.72 539	0.74 538	0.65 535	0.54 534	0.54 538	0.40 528	0.22 525	0.20 518	0.27 523	0.26 524	0.26 529	0.25 529
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.41 525	0.29 524	0.33 483	0.27 506	0.24 521	0.60 535	0.36 531	0.50 530	0.50 501	0.71 537	0.79 542	0.67 537	0.54 534	0.51 532	0.42 532	0.22 525	0.20 518	0.27 523	0.26 524	0.26 529	0.25 529
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
EDNetEfficientorigin	7.91 572	0.31 526	153.02 587	0.19 352	0.09 236	0.21 425	0.16 280	0.22 270	0.59 519	0.72 539	0.67 530	0.42 505	0.50 532	0.24 455	0.39 526	0.08 296	0.07 373	0.08 274	0.07 269	0.12 447	0.10 409

CC-Net-ROB	0.28 499	0.31 526	0.36 492	0.29 516	0.15 475	0.25 462	0.19 397	0.45 522	0.33 416	0.39 505	0.37 457	0.39 498	0.31 496	0.27 465	0.26 479	0.24 531	0.19 515	0.30 532	0.23 521	0.18 509	0.15 490

PSMNet-RUCA	0.27 495	0.33 528	0.41 503	0.36 527	0.32 534	0.18 370	0.19 397	0.42 513	0.30 395	0.33 492	0.41 488	0.39 498	0.25 458	0.31 486	0.20 405	0.18 510	0.10 448	0.25 519	0.15 495	0.21 514	0.16 501

coex-ft	3.30 565	0.34 529	59.09 586	0.18 296	0.13 437	0.26 471	0.22 445	0.27 367	0.72 537	1.90 567	0.70 534	0.44 510	0.45 528	0.29 482	0.41 531	0.09 355	0.09 428	0.12 451	0.09 379	0.14 477	0.13 466

GANetREF_RVC	0.31 509	0.34 529	0.27 459	0.35 525	0.16 485	0.32 496	0.41 536	0.48 526	0.51 508	0.35 495	0.35 448	0.34 475	0.33 501	0.39 520	0.32 510	0.27 533	0.20 518	0.29 530	0.15 495	0.18 509	0.17 509
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
NVStereoNet_ROB	0.46 533	0.36 531	0.46 511	0.41 532	0.28 528	0.34 505	0.34 529	0.48 526	0.60 522	0.72 539	0.93 547	0.70 540	0.66 544	0.47 529	0.60 546	0.22 525	0.33 538	0.34 534	0.34 537	0.30 532	0.30 535
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
otaku	0.39 520	0.37 532	0.52 516	0.44 534	0.28 528	0.58 532	0.24 468	0.41 508	0.62 525	0.40 508	0.49 505	0.46 516	0.33 501	0.40 524	0.32 510	0.30 534	0.30 535	0.39 536	0.33 535	0.29 531	0.28 532

MSC_U_SF_DS_RVC	0.43 527	0.39 533	0.54 518	0.40 530	0.20 512	0.64 537	0.32 528	0.53 534	0.72 537	0.71 537	0.72 535	0.61 531	0.54 534	0.51 532	0.46 536	0.20 517	0.19 515	0.29 530	0.30 532	0.23 518	0.18 512

Ntro	0.40 523	0.40 534	0.53 517	0.46 538	0.30 532	0.65 538	0.24 468	0.46 524	0.68 534	0.41 512	0.49 505	0.48 520	0.42 525	0.39 520	0.31 509	0.32 535	0.28 533	0.37 535	0.30 532	0.32 536	0.29 533

Consistency-Raft	0.44 528	0.40 534	0.45 507	0.37 529	0.43 539	0.46 522	0.41 536	0.57 539	0.55 511	0.32 488	0.73 536	0.33 469	0.48 530	0.42 527	0.49 539	0.39 538	0.35 539	0.45 538	0.51 546	0.42 538	0.29 533

GCST	0.37 519	0.42 536	0.26 452	1.02 560	0.39 535	0.18 370	0.08 7	0.20 226	0.17 201	0.28 464	0.25 360	0.15 262	0.12 251	0.16 312	0.14 310	0.64 553	0.43 542	0.75 550	0.65 553	0.63 547	0.46 546

JetBlue	0.71 544	0.45 537	1.14 555	0.51 539	0.47 541	2.02 566	0.64 553	0.75 545	0.70 535	0.69 536	0.77 541	1.22 552	0.83 551	1.03 562	1.01 562	0.40 539	0.28 533	0.33 533	0.33 535	0.30 532	0.34 539

ACVNet_1	0.44 528	0.49 538	0.60 527	0.45 535	0.28 528	0.49 527	0.27 498	0.57 539	0.72 537	0.62 532	0.58 525	0.74 541	0.49 531	0.50 531	0.35 517	0.26 532	0.24 530	0.39 536	0.29 530	0.31 535	0.24 524

ACVNet-4b	0.39 520	0.53 539	0.55 520	0.45 535	0.24 521	0.47 524	0.18 358	0.49 528	0.64 529	0.42 515	0.45 500	0.60 530	0.27 472	0.34 499	0.24 459	0.33 536	0.14 496	0.48 539	0.42 539	0.30 532	0.26 531

SGM+DAISY	0.56 538	0.57 540	0.65 531	0.40 530	0.54 544	0.66 540	0.49 543	0.56 537	0.45 489	0.66 533	0.69 532	0.67 537	0.56 538	0.63 543	0.56 544	0.59 550	0.48 548	0.50 540	0.50 545	0.52 541	0.58 549

anonymity	0.53 536	0.58 541	0.65 531	0.41 532	0.61 552	0.53 529	0.41 536	0.56 537	0.41 466	0.55 529	0.50 509	0.49 521	0.55 537	0.58 541	0.50 542	0.58 549	0.50 552	0.51 541	0.51 546	0.51 540	0.57 548

SPS-STEREO	0.57 539	0.58 541	0.65 531	0.45 535	0.55 546	0.62 536	0.44 542	0.62 542	0.50 501	0.68 535	0.64 527	0.66 536	0.57 539	0.61 542	0.60 546	0.62 552	0.47 547	0.51 541	0.49 543	0.55 545	0.58 549
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
IMH-64-1	0.65 541	0.61 543	0.68 539	0.71 545	0.51 542	0.59 533	0.49 543	0.91 550	0.85 545	0.74 543	1.02 551	0.81 542	0.78 549	0.79 547	0.49 539	0.42 540	0.46 543	0.71 547	0.47 541	0.52 541	0.39 541

IMH-64	0.65 541	0.61 543	0.68 539	0.71 545	0.51 542	0.59 533	0.49 543	0.91 550	0.85 545	0.74 543	1.02 551	0.81 542	0.78 549	0.79 547	0.49 539	0.42 540	0.46 543	0.71 547	0.47 541	0.52 541	0.39 541

RainbowNet	0.54 537	0.61 543	0.70 543	0.57 542	0.43 539	0.65 538	0.37 534	0.60 541	0.87 547	0.50 525	0.66 529	0.64 533	0.47 529	0.49 530	0.43 535	0.47 544	0.48 548	0.52 543	0.41 538	0.52 541	0.40 543

IMH	0.71 544	0.64 546	0.68 539	0.76 547	0.54 544	0.69 541	0.54 547	0.98 556	1.10 552	0.82 547	1.09 554	0.89 544	0.88 554	0.87 555	0.52 543	0.44 543	0.50 552	0.75 550	0.51 546	0.56 546	0.41 544

ACVNet_2	0.66 543	0.66 547	0.68 539	0.63 543	0.41 537	0.71 543	0.49 543	0.96 554	1.39 559	0.89 549	1.09 554	1.04 546	0.73 547	0.54 538	0.47 537	0.43 542	0.40 541	0.53 544	0.44 540	0.47 539	0.35 540

MFMNet_re	0.64 540	0.66 547	0.65 531	0.51 539	0.69 556	0.69 541	0.57 549	0.64 543	0.73 541	0.60 531	0.73 536	0.62 532	0.67 545	0.65 544	0.60 546	0.66 554	0.58 561	0.63 545	0.59 549	0.68 552	0.69 558

MADNet+	0.75 547	0.71 549	3.70 566	0.66 544	0.41 537	0.98 557	0.97 564	0.69 544	0.73 541	0.52 526	0.57 523	0.64 533	0.68 546	0.86 554	1.01 562	0.34 537	0.36 540	0.28 529	0.23 521	0.36 537	0.31 536

TorneroNet-64	0.76 548	0.72 550	0.74 544	0.78 549	0.58 550	0.91 556	0.56 548	0.84 548	1.29 556	0.66 533	0.90 545	1.40 558	0.75 548	0.85 553	0.67 552	0.49 545	0.46 543	0.72 549	0.59 549	0.67 551	0.53 547

TorneroNet	0.82 551	0.74 551	0.81 549	0.84 552	0.63 553	0.99 558	0.63 551	0.96 554	1.16 553	0.80 546	1.11 556	1.36 557	0.86 553	0.93 558	0.80 557	0.56 547	0.49 550	0.78 555	0.66 554	0.73 557	0.63 557

WAO-7	0.79 549	0.78 552	0.54 518	0.85 553	0.67 555	0.74 545	0.68 557	1.05 559	1.32 557	0.90 550	1.20 561	1.04 546	0.92 555	0.69 545	0.66 549	0.60 551	0.62 562	0.67 546	0.68 555	0.64 548	0.58 549

WAO-6	0.81 550	0.80 553	0.62 529	0.86 554	0.63 553	0.76 549	0.58 550	0.98 556	1.54 564	0.90 550	0.96 550	1.07 548	1.03 559	0.70 546	0.66 549	0.72 555	0.49 550	0.90 558	0.71 556	0.68 552	0.58 549

WAO-8	0.91 554	0.81 554	0.65 531	0.94 557	0.69 556	0.90 553	0.67 555	1.07 562	1.83 567	1.06 557	1.45 564	1.30 553	1.07 560	0.84 551	0.78 555	0.74 557	0.53 555	0.86 556	0.75 557	0.69 554	0.62 555

Venus	0.91 554	0.81 554	0.65 531	0.94 557	0.69 556	0.90 553	0.67 555	1.07 562	1.83 567	1.06 557	1.45 564	1.30 553	1.07 560	0.84 551	0.78 555	0.74 557	0.53 555	0.86 556	0.75 557	0.69 554	0.62 555

LVE	0.83 552	0.85 556	0.85 550	0.80 550	0.56 547	1.04 562	0.65 554	1.05 559	1.47 562	0.96 552	1.22 562	1.10 549	0.85 552	0.83 550	0.71 554	0.49 545	0.55 558	0.76 553	0.60 551	0.65 549	0.59 554

Dean	0.87 553	0.86 557	0.79 547	0.81 551	0.56 547	0.90 553	0.63 551	1.15 565	1.73 565	1.15 560	1.15 559	1.31 555	0.99 558	0.81 549	0.81 558	0.57 548	0.56 559	0.77 554	0.64 552	0.66 550	0.58 549

UNDER WATER-64	0.95 556	0.94 558	1.43 559	0.87 555	0.56 547	1.18 565	0.87 561	0.77 546	0.94 549	1.04 555	0.85 544	1.58 563	1.21 565	0.94 559	0.96 560	0.87 561	0.57 560	1.03 561	0.88 562	0.78 558	0.73 559

PWCK	0.71 544	0.94 558	0.95 552	0.76 547	0.31 533	0.74 545	0.36 531	0.90 549	0.90 548	0.96 552	0.75 540	0.95 545	0.61 541	0.87 555	0.66 549	0.72 555	0.46 543	0.75 550	0.49 543	0.69 554	0.44 545

UNDER WATER	0.97 557	0.97 560	1.42 558	0.99 559	0.70 559	1.12 564	0.84 560	0.80 547	1.08 551	1.01 554	0.90 545	1.55 562	1.22 566	1.03 562	1.00 561	0.78 559	0.53 555	1.02 560	0.87 561	0.80 559	0.74 560

notaker	0.97 557	1.11 561	0.98 553	1.13 562	0.81 560	0.73 544	0.68 557	0.93 552	1.16 553	1.18 562	1.18 560	1.41 559	1.16 564	1.08 564	0.69 553	0.81 560	0.64 563	1.17 562	0.79 559	0.98 561	0.80 562

KSHMR	1.09 560	1.17 562	0.88 551	1.25 565	1.00 564	0.99 558	0.96 563	1.13 564	1.37 558	1.16 561	1.29 563	1.41 559	0.96 557	1.01 561	0.92 559	1.03 564	1.08 566	1.20 563	1.03 565	1.01 562	0.97 564

ktn	1.01 559	1.21 563	0.80 548	1.23 564	0.86 562	1.01 560	0.87 561	0.94 553	1.39 559	1.04 555	1.12 557	1.15 550	1.07 560	0.94 559	0.59 545	1.28 566	0.71 564	1.38 566	0.83 560	1.02 563	0.75 561

DPSimNet_ROB	1.11 561	1.23 564	0.78 545	1.13 562	0.88 563	1.10 563	1.13 565	1.16 566	1.23 555	1.43 564	1.02 551	1.41 559	1.10 563	0.90 557	1.60 564	1.46 567	0.51 554	1.21 564	1.03 565	0.90 560	1.01 566

HanzoNet	1.29 562	1.26 565	1.19 556	1.12 561	0.85 561	1.02 561	0.83 559	1.03 558	1.48 563	1.64 565	1.61 566	2.50 567	1.72 567	1.61 566	1.61 565	1.26 565	0.80 565	1.31 565	1.01 564	1.02 563	0.86 563

JetRed	1.62 563	1.46 566	2.98 561	0.92 556	1.21 565	4.99 569	1.53 568	1.27 567	1.39 559	1.83 566	1.74 567	1.60 564	0.95 556	1.41 565	2.45 569	0.90 563	1.60 567	0.93 559	0.90 563	1.35 565	0.99 565

MADNet++	1.95 564	1.75 567	1.59 560	1.82 566	1.69 567	2.33 567	1.40 567	2.35 568	2.09 569	2.57 568	2.36 569	2.24 566	2.17 568	2.28 567	2.34 567	1.87 568	1.66 568	1.54 567	1.34 567	1.92 566	1.77 568

DLNR_Zeroshot_test	10.40 576	1.82 568	19.49 582	120.77 587	13.11 580	0.06 8	0.13 101	0.23 290	0.10 35	0.07 29	0.10 113	0.09 120	0.06 34	0.10 60	0.09 52	0.13 471	0.04 21	0.06 99	0.04 34	51.54 586	0.04 40

USTest	6.22 568	2.73 569	3.00 562	6.57 574	7.29 573	14.37 575	21.57 574	7.00 576	9.56 575	5.34 572	6.10 570	5.72 571	7.64 572	6.41 573	6.96 572	1.97 569	3.42 574	1.64 568	2.15 571	2.66 567	2.36 569

ASD4		3.38 570

DPSMNet_ROB	8.06 573	4.48 571	8.63 576	5.37 573	10.74 576	8.32 571	22.98 579	5.46 570	13.36 578	5.12 570	9.92 574	5.08 569	10.40 576	5.53 572	12.58 576	3.80 574	8.00 575	3.50 571	7.02 574	3.83 572	7.14 576

DGTPSM_ROB	8.06 573	4.48 571	8.63 576	5.35 571	10.72 575	8.32 571	22.97 578	5.46 570	13.35 577	5.12 570	9.92 574	5.08 569	10.40 576	5.52 571	12.58 576	3.79 573	8.00 575	3.50 571	7.02 574	3.83 572	7.14 576

xxxxx1	7.79 569	5.02 573	7.31 570	3.12 568	3.85 569	16.35 577	22.88 575	5.86 573	8.69 572	7.97 573	8.54 571	9.12 575	8.27 573	10.18 575	10.92 573	2.42 570	2.45 570	3.56 573	12.37 577	3.77 569	3.06 571

tt_ll	7.79 569	5.02 573	7.31 570	3.12 568	3.85 569	16.35 577	22.88 575	5.86 573	8.69 572	7.97 573	8.54 571	9.12 575	8.27 573	10.18 575	10.92 573	2.42 570	2.45 570	3.56 573	12.37 577	3.77 569	3.06 571

ff	7.79 569	5.02 573	7.31 570	3.12 568	3.85 569	16.35 577	22.88 575	5.86 573	8.69 572	7.97 573	8.54 571	9.12 575	8.27 573	10.18 575	10.92 573	2.42 570	2.45 570	3.56 573	12.37 577	3.77 569	3.06 571

TCMNet-wrong-test	3.67 566	5.48 576	3.89 567	12.18 578	11.75 579	4.65 568	3.88 569	1.06 561	0.72 537	1.09 559	2.15 568	6.30 572	0.53 533	3.43 569	2.36 568	0.89 562	0.20 518	1.87 569	1.69 568	5.57 574	3.62 574

Anonymous_1	10.96 578	7.92 577	7.46 573	10.33 575	10.06 574	18.65 581	26.34 581	11.06 578	13.44 579	9.40 576	10.05 576	9.67 578	11.23 578	10.73 578	12.72 578	6.42 577	8.38 577	5.77 576	10.61 576	12.12 578	6.77 575

DPSM_ROB	11.15 579	8.58 578	8.00 574	10.88 576	11.58 577	19.10 582	26.71 582	12.05 579	14.07 580	10.36 577	10.84 577	10.33 579	11.86 579	11.70 579	13.54 579	6.99 578	8.79 578	5.89 577	6.95 572	7.29 575	7.42 578

DPSM	11.15 579	8.58 578	8.00 574	10.88 576	11.58 577	19.10 582	26.71 582	12.05 579	14.07 580	10.36 577	10.84 577	10.33 579	11.86 579	11.70 579	13.54 579	6.99 578	8.79 578	5.89 577	6.95 572	7.29 575	7.42 578

PML	8.91 575	9.34 580	6.13 568	5.35 571	6.41 572	14.99 576	23.38 580	5.27 569	6.83 571	18.04 581	28.19 586	7.67 573	6.83 571	7.85 574	5.75 570	5.35 575	1.83 569	5.95 579	1.93 569	8.64 577	2.52 570

LRCNet_RVC	10.62 577	13.42 581	7.30 569	18.92 580	2.07 568	0.33 502	0.30 520	5.59 572	0.48 492	13.03 579	17.94 580	8.87 574	5.65 570	4.79 570	1.89 566	23.51 584	2.73 573	27.55 585	25.71 585	16.07 582	16.33 583

LSM0	22.87 585	17.28 582	18.96 580	22.19 584	29.04 586	38.42 586	53.71 584	24.28 585	28.31 584	20.78 585	21.00 582	21.43 585	24.16 585	23.50 584	27.39 585	14.09 582	17.38 582	11.84 582	14.04 582	14.73 581	14.89 580

CasAABBNet	22.42 583	17.33 583	16.01 578	22.01 582	23.28 583	38.32 584	53.80 585	24.14 584	28.41 585	20.60 583	21.77 583	20.89 584	23.91 584	23.43 583	27.36 584	14.07 580	17.69 583	11.83 581	14.01 581	14.67 579	14.95 581

Selective-RAFT-Error	22.47 584	17.37 584	16.09 579	22.06 583	23.34 584	38.39 585	53.83 586	24.29 586	28.47 586	20.74 584	21.83 584	20.81 583	23.90 583	23.54 585	27.53 586	14.08 581	17.69 583	11.82 580	14.00 580	14.69 580	15.00 582

HaxPig	15.71 581	18.52 585	19.18 581	16.89 579	15.89 581	7.73 570	7.60 570	13.31 581	10.82 576	15.42 580	14.91 579	15.98 581	14.92 581	15.58 581	15.98 581	18.95 583	16.73 581	19.46 583	18.08 583	19.26 583	19.05 584

MEDIAN_ROB	20.38 582	24.04 586	23.31 583	21.23 581	21.71 582	10.40 574	7.92 571	17.64 582	15.50 582	20.12 582	19.70 581	20.34 582	20.32 582	21.19 582	21.13 582	23.81 585	21.81 585	24.98 584	23.76 584	24.71 584	23.93 585

AVERAGE_ROB	24.90 586	29.20 587	28.14 584	24.89 585	24.64 585	17.75 580	11.12 572	21.45 583	19.93 583	25.12 586	24.46 585	25.12 586	25.46 586	24.69 586	22.83 583	29.76 586	27.13 586	28.97 586	27.95 586	29.91 585	29.47 586

test_example2	98.32 587	94.13 588	45.89 585	96.35 586	109.85 587	88.61 587	95.45 587	25.75 587	94.37 587	130.00 588	126.06 587	58.17 587	74.63 587	88.51 587	79.96 587	150.23 587	221.02 587	77.62 587	99.10 587	113.75 587	96.94 587

ccccc		285.66 589		368.85 588	370.60 588	123.16 588		115.05 588		126.68 587		122.83 588		252.94 588		384.56 588	353.86 588	254.69 588	223.00 588	425.87 588

Low-res two-view benchmark