Low-res two-view results

This table lists the benchmark results for the low-res two-view scenario. This benchmark evaluates the Middlebury stereo metrics (for all metrics, smaller is better):

bad 0.5, 1.0, 2.0, 4.0 [%]: Fraction of pixels with errors larger than the given number of disparities.
Average error [px]: The per-pixel average disparity error.
Root mean square error [px]: The per-pixel root mean square disparity error.
50%, 90%, 95%, 99% error quantile [px]: The highest disparity error within the given percentage of best pixels (for 50%, this is the median error).
Time [s]: The runtime of the method.

The mask determines whether the metric is evaluated for all pixels with ground truth, or only for pixels which are visible in both images (non-occluded).
The coverage selector allows to limit the table to results for all pixels (dense), or a given minimum fraction of pixels.

Methods with suffix _ROB may participate in the Robust Vision Challenge.

Click one or more dataset result cells or column headers to show visualizations. Most visualizations are only available for training datasets. The visualizations may not work with mobile browsers.

Method	all	lakes. 1l	lakes. 1s	sand box 1l	sand box 1s	stora. room 1l	stora. room 1s	stora. room 2l	stora. room 2s	stora. room 2 1l	stora. room 2 1s	stora. room 2 2l	stora. room 2 2s	stora. room 3l	stora. room 3s	tunnel 1l	tunnel 1s	tunnel 2l	tunnel 2s	tunnel 3l	tunnel 3s

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

TCMNet	0.03 29	0.04 37	0.03 36	0.03 28	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

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

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

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

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

EDNetEfficientorigin	0.04 38	0.06 54	0.04 43	0.05 43	0.04 79	0.05 89	0.04 81	0.05 89	0.04 81	0.05 91	0.04 88	0.05 91	0.04 84	0.05 82	0.04 75	0.05 51	0.03 36	0.06 94	0.03 54	0.04 77	0.03 51

EDNetEfficient	0.04 38	0.05 49	0.04 43	0.04 37	0.03 48	0.04 77	0.03 50	0.04 77	0.03 55	0.04 74	0.03 52	0.04 77	0.03 52	0.04 72	0.03 48	0.05 51	0.03 36	0.05 86	0.03 54	0.04 77	0.03 51

NVStereoNet_ROB	0.04 38	0.04 37	0.04 43	0.04 37	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.04 84	0.04 72	0.04 75	0.04 44	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
DFGA-Net	0.05 41	0.06 54	0.04 43	0.06 46	0.04 79	0.06 92	0.04 81	0.06 94	0.04 81	0.06 96	0.04 88	0.06 97	0.04 84	0.06 88	0.04 75	0.06 55	0.04 45	0.05 86	0.04 78	0.05 92	0.04 79

GASNet	0.05 41	0.04 37	0.12 100	0.04 37	0.04 79	0.04 77	0.05 93	0.04 77	0.04 81	0.12 122	0.04 88	0.06 97	0.04 84	0.04 72	0.04 75	0.04 44	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

WZ-Net	0.05 41	0.50 192	0.10 69	0.12 79	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.12 91	0.10 73	0.01 9	0.01 9	0.01 10	0.01 10

Wz-Net-LNSev	0.06 44	0.24 118	0.20 161	0.23 144	0.01 10	0.02 19	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.23 169	0.21 170	0.02 18	0.01 9	0.01 10	0.01 10

Wz-Net-MNSev	0.06 44	0.54 207	0.10 69	0.12 79	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.12 91	0.11 94	0.01 9	0.01 9	0.01 10	0.01 10

AASNet	0.06 44	0.08 58	0.08 60	0.08 49	0.05 99	0.06 92	0.05 93	0.05 89	0.06 106	0.06 96	0.06 106	0.05 91	0.06 106	0.06 88	0.05 88	0.08 60	0.08 59	0.08 101	0.05 96	0.06 96	0.05 97

SACVNet	0.06 44	0.08 58	0.08 60	0.08 49	0.05 99	0.06 92	0.05 93	0.05 89	0.06 106	0.06 96	0.06 106	0.05 91	0.06 106	0.06 88	0.05 88	0.08 60	0.08 59	0.08 101	0.05 96	0.06 96	0.05 97

AACVNet	0.06 44	0.08 58	0.08 60	0.08 49	0.05 99	0.06 92	0.05 93	0.05 89	0.06 106	0.06 96	0.06 106	0.05 91	0.06 106	0.06 88	0.05 88	0.08 60	0.08 59	0.08 101	0.05 96	0.06 96	0.05 97

FINET	0.07 49	0.08 58	0.07 58	0.07 47	0.07 108	0.08 103	0.06 105	0.08 107	0.07 109	0.08 104	0.07 109	0.08 104	0.06 106	0.07 102	0.07 100	0.08 60	0.07 57	0.07 99	0.07 104	0.06 96	0.06 102

ADCMid	0.08 50	0.02 12	0.02 14	1.01 339	0.03 48	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.04 72	0.09 105	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

test_sample7	0.09 51	1.00 265	0.11 89	0.11 73	0.02 21	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 109	0.03 38	0.03 54	0.03 43	0.03 51

test_sample6	0.09 51	0.97 260	0.10 69	0.10 56	0.03 48	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.03 52	0.03 42	0.02 21	0.03 39	0.02 20	0.10 71	0.10 73	0.03 38	0.02 20	0.03 43	0.02 20

test_sample3	0.09 51	0.87 238	0.10 69	0.12 79	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.10 73	0.03 38	0.02 20	0.03 43	0.02 20

test_sample2	0.09 51	1.03 277	0.11 89	0.11 73	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 66	0.09 68	0.03 38	0.02 20	0.03 43	0.02 20

test_sample1	0.09 51	0.87 238	0.12 100	0.11 73	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.04 74	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.10 71	0.10 73	0.03 38	0.02 20	0.03 43	0.02 20

SMFormer	0.09 51	1.01 271	0.09 65	0.09 53	0.03 48	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 66	0.09 68	0.03 38	0.02 20	0.03 43	0.02 20

tta	0.09 51	0.95 257	0.09 65	0.10 56	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 66	0.10 73	0.03 38	0.02 20	0.03 43	0.02 20

xxx	0.09 51	1.01 271	0.10 69	0.10 56	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.03 40	0.03 52	0.03 42	0.02 21	0.03 39	0.02 20	0.10 71	0.10 73	0.03 38	0.02 20	0.03 43	0.03 51

SepStereo	0.09 51	0.09 64	0.10 69	0.09 53	0.09 112	0.09 107	0.09 110	0.10 109	0.08 111	0.10 108	0.09 112	0.09 108	0.09 113	0.09 108	0.08 102	0.09 66	0.08 59	0.09 106	0.08 108	0.09 109	0.08 105

APVNet	0.09 51	0.05 49	0.04 43	0.05 43	0.04 79	0.05 89	0.90 379	0.06 94	0.04 81	0.05 91	0.04 88	0.05 91	0.04 84	0.05 82	0.04 75	0.05 51	0.04 45	0.05 86	0.04 78	0.05 92	0.05 97

ADCS	0.09 51	0.02 12	0.04 43	0.90 317	0.06 107	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.14 127	0.36 266	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

zh-sn7	0.10 62	0.98 261	0.14 125	0.15 106	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.15 123	0.13 133	0.03 38	0.03 54	0.03 43	0.03 51

DualNet (step1)	0.10 62	1.05 281	0.12 100	0.12 79	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 109	0.03 38	0.03 54	0.03 43	0.03 51

test_sample9	0.10 62	1.05 281	0.12 100	0.12 79	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 109	0.03 38	0.03 54	0.03 43	0.03 51

test_sample8	0.10 62	1.05 281	0.12 100	0.12 79	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 109	0.03 38	0.03 54	0.03 43	0.03 51

test_sample5	0.10 62	1.07 284	0.11 89	0.10 56	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.10 71	0.10 73	0.03 38	0.03 54	0.04 77	0.03 51

test_sample4	0.10 62	1.03 277	0.12 100	0.10 56	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 107	0.13 133	0.03 38	0.03 54	0.03 43	0.03 51

DualNet	0.10 62	1.07 284	0.11 89	0.10 56	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.10 71	0.10 73	0.03 38	0.03 54	0.04 77	0.03 51

ttt	0.10 62	1.09 286	0.12 100	0.12 79	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 109	0.03 38	0.02 20	0.03 43	0.02 20

1111x	0.10 62	1.14 291	0.13 120	0.14 96	0.03 48	0.04 77	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 107	0.11 94	0.03 38	0.02 20	0.03 43	0.02 20

AnonymousM	0.10 62	0.10 66	0.10 69	0.10 56	0.10 118	0.10 108	0.10 115	0.10 109	0.10 115	0.10 108	0.10 116	0.10 110	0.10 117	0.10 110	0.10 111	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

222	0.10 62	0.99 264	0.12 100	0.13 92	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 109	0.03 38	0.02 20	0.04 77	0.03 51

test_xeample	0.10 62	1.09 286	0.13 120	0.12 79	0.03 48	0.03 40	0.03 50	0.04 77	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.14 114	0.14 137	0.03 38	0.03 54	0.03 43	0.03 51

PVD	0.10 62	0.10 66	0.10 69	0.10 56	0.10 118	0.10 108	0.10 115	0.10 109	0.10 115	0.10 108	0.10 116	0.10 110	0.10 117	0.10 110	0.10 111	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

SHD	0.10 62	0.10 66	0.10 69	0.10 56	0.10 118	0.10 108	0.10 115	0.10 109	0.10 115	0.10 108	0.10 116	0.10 110	0.10 117	0.10 110	0.10 111	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

SAMSARA	0.10 62	0.10 66	0.10 69	0.10 56	0.10 118	0.10 108	0.10 115	0.10 109	0.10 115	0.10 108	0.10 116	0.10 110	0.10 117	0.10 110	0.10 111	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

XQC	0.10 62	0.10 66	0.10 69	0.10 56	0.10 118	0.10 108	0.10 115	0.10 109	0.10 115	0.10 108	0.10 116	0.10 110	0.10 117	0.10 110	0.10 111	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

RTSC	0.10 62	0.10 66	0.10 69	0.10 56	0.10 118	0.10 108	0.10 115	0.10 109	0.10 115	0.10 108	0.10 116	0.10 110	0.10 117	0.10 110	0.10 111	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

RTS	0.10 62	0.10 66	0.10 69	0.10 56	0.10 118	0.10 108	0.10 115	0.10 109	0.10 115	0.10 108	0.10 116	0.10 110	0.10 117	0.10 110	0.10 111	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

RTSA	0.10 62	0.10 66	0.10 69	0.10 56	0.10 118	0.10 108	0.10 115	0.10 109	0.10 115	0.10 108	0.10 116	0.10 110	0.10 117	0.10 110	0.10 111	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

MADNet+	0.10 62	0.10 66	0.10 69	0.10 56	0.10 118	0.10 108	0.10 115	0.10 109	0.10 115	0.10 108	0.10 116	0.10 110	0.10 117	0.10 110	0.10 111	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

MADNet++	0.10 62	0.10 66	0.10 69	0.10 56	0.10 118	0.10 108	0.10 115	0.10 109	0.10 115	0.10 108	0.10 116	0.10 110	0.10 117	0.10 110	0.10 111	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

ADCPNet	0.10 62	0.03 31	0.04 43	1.27 411	0.03 48	0.04 77	0.03 50	0.03 42	0.03 55	0.04 74	0.03 52	0.04 77	0.03 52	0.08 105	0.04 75	0.04 44	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

ISRNet	0.11 84	0.05 49	0.36 232	0.24 149	0.07 108	0.13 123	0.05 93	0.06 94	0.05 97	0.05 91	0.05 100	0.13 124	0.05 94	0.05 82	0.09 105	0.24 174	0.20 167	0.10 107	0.05 96	0.06 96	0.13 147

JetRed	0.11 84	0.12 79	0.11 89	0.11 73	0.11 133	0.11 119	0.14 149	0.11 121	0.11 130	0.12 122	0.11 130	0.11 120	0.11 129	0.11 121	0.11 123	0.11 86	0.16 142	0.11 118	0.11 129	0.11 120	0.11 125

JetBlue	0.11 84	0.11 77	0.12 100	0.13 92	0.14 154	0.11 119	0.11 128	0.11 121	0.11 130	0.11 120	0.11 130	0.11 120	0.11 129	0.12 125	0.12 138	0.11 86	0.11 94	0.11 118	0.11 129	0.11 120	0.11 125

x	0.11 84	1.15 294	0.15 141	0.14 96	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.14 114	0.15 140	0.03 38	0.03 54	0.03 43	0.03 51

Wz-Net-LNSev-Ref	0.11 84	0.44 169	0.33 213	0.39 196	0.02 21	0.03 40	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.39 242	0.36 236	0.02 18	0.02 20	0.02 20	0.02 20

xxxx	0.11 84	1.16 295	0.16 142	0.12 79	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 107	0.16 142	0.03 38	0.04 78	0.04 77	0.04 79

BEATNet_4x	0.11 84	0.03 31	0.03 36	1.60 428	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.05 82	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

ADCL	0.11 84	0.03 31	0.03 36	1.60 428	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.05 82	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

AnyNet_C01	0.11 84	0.02 12	0.02 14	1.62 431	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.03 40	0.02 20	0.02 20	0.02 21	0.06 88	0.04 75	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.03 51

zh-mn7	0.12 93	1.14 291	0.17 149	0.20 132	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.18 147	0.16 142	0.03 38	0.03 54	0.03 43	0.03 51

S2M2	0.12 93	0.14 84	0.10 69	0.15 106	0.10 118	0.14 124	0.10 115	0.14 125	0.10 115	0.15 130	0.10 116	0.14 125	0.10 117	0.14 127	0.10 111	0.13 107	0.10 73	0.13 124	0.09 110	0.13 126	0.09 108

GwcNet	0.12 93	0.07 57	0.05 57	0.08 49	0.05 99	0.08 103	1.20 407	0.07 104	0.05 97	0.05 91	0.05 100	0.08 104	0.05 94	0.08 105	0.03 48	0.07 58	0.05 56	0.06 94	0.05 96	0.07 104	0.05 97

FADNet-RVC-Resample	0.12 93	0.04 37	0.04 43	0.04 37	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.04 84	0.04 72	1.57 476	0.04 44	0.04 45	0.04 73	0.05 96	0.04 77	0.06 102

FADNet_RVC	0.12 93	0.04 37	0.04 43	0.05 43	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.05 94	0.04 72	1.65 480	0.05 51	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

FADNet	0.12 93	0.05 49	0.04 43	0.04 37	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.05 94	0.04 72	1.66 482	0.06 55	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

ADCRef	0.12 93	0.03 31	0.04 43	1.71 434	0.04 79	0.03 40	0.03 50	0.04 77	0.04 81	0.04 74	0.03 52	0.04 77	0.03 52	0.06 88	0.04 75	0.04 44	0.04 45	0.04 73	0.04 78	0.03 43	0.04 79

testlalala2	0.13 100	0.16 86	0.11 89	0.15 106	0.11 133	0.16 139	0.11 128	0.16 138	0.11 130	0.16 135	0.11 130	0.16 136	0.11 129	0.16 137	0.11 123	0.14 114	0.11 94	0.14 126	0.11 129	0.14 128	0.11 125

testlalala_base	0.13 100	0.16 86	0.11 89	0.15 106	0.11 133	0.15 131	0.11 128	0.16 138	0.11 130	0.16 135	0.11 130	0.16 136	0.11 129	0.16 137	0.11 123	0.14 114	0.11 94	0.14 126	0.11 129	0.14 128	0.11 125

CIPLG	0.13 100	0.21 106	0.12 100	0.16 117	0.11 133	0.15 131	0.11 128	0.14 125	0.11 130	0.15 130	0.12 141	0.15 135	0.11 129	0.14 127	0.11 123	0.15 123	0.12 109	0.14 126	0.11 129	0.14 128	0.11 125

IPLG	0.13 100	0.20 100	0.14 125	0.15 106	0.11 133	0.14 124	0.11 128	0.14 125	0.11 130	0.14 124	0.11 130	0.14 125	0.11 129	0.14 127	0.11 123	0.15 123	0.12 109	0.14 126	0.11 129	0.14 128	0.11 125

ACRE	0.13 100	0.21 106	0.14 125	0.15 106	0.11 133	0.14 124	0.11 128	0.14 125	0.11 130	0.14 124	0.12 141	0.14 125	0.11 129	0.14 127	0.11 123	0.15 123	0.12 109	0.14 126	0.11 129	0.14 128	0.11 125

LRCNet_RVC	0.13 100	0.13 80	0.09 65	0.13 92	0.10 118	0.14 124	0.10 115	0.14 125	0.10 115	0.23 170	0.10 116	0.20 156	0.10 117	0.24 178	0.11 123	0.11 86	0.09 68	0.12 121	0.14 157	0.12 124	0.09 108

aanetorigin	0.13 100	0.11 77	0.11 89	0.11 73	0.11 133	0.11 119	0.11 128	0.11 121	0.11 130	0.11 120	0.12 141	0.11 120	0.11 129	0.11 121	0.11 123	0.11 86	0.11 94	0.14 126	0.11 129	0.49 288	0.11 125

FADNet-RVC	0.13 100	0.04 37	0.04 43	0.04 37	0.04 79	0.04 77	0.05 93	0.04 77	0.04 81	0.04 74	0.05 100	0.04 77	0.05 94	0.04 72	1.71 485	0.04 44	0.04 45	0.04 73	0.04 78	0.07 104	0.04 79

ELAS	0.13 100	0.16 86	0.11 89	0.15 106	0.09 112	0.18 151	0.11 128	0.18 149	0.11 130	0.17 144	0.11 130	0.18 150	0.11 129	0.18 149	0.11 123	0.14 114	0.08 59	0.14 126	0.08 108	0.14 128	0.09 108
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
w-ln-seven-2	0.14 109	1.22 351	0.28 189	0.32 174	0.04 79	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.32 200	0.27 189	0.04 73	0.03 54	0.03 43	0.03 51

S2M2_XL	0.14 109	0.17 92	0.12 100	0.17 125	0.11 133	0.17 147	0.11 128	0.17 146	0.11 130	0.17 144	0.11 130	0.17 146	0.11 129	0.17 146	0.11 123	0.16 131	0.11 94	0.16 142	0.11 129	0.16 142	0.11 125

mmm	0.14 109	1.83 379	0.12 100	0.11 73	0.03 48	0.03 40	0.03 50	0.03 42	0.04 81	0.03 40	0.03 52	0.03 42	0.03 52	0.06 88	0.04 75	0.12 91	0.11 94	0.05 86	0.04 78	0.05 92	0.04 79

ProNet	0.14 109	0.20 100	0.14 125	0.16 117	0.11 133	0.16 139	0.11 128	0.17 146	0.11 130	0.17 144	0.12 141	0.17 146	0.13 151	0.17 146	0.12 138	0.15 123	0.11 94	0.16 142	0.11 129	0.15 138	0.12 141

IPLGR_C	0.14 109	0.20 100	0.12 100	0.15 106	0.11 133	0.14 124	0.15 154	0.14 125	0.11 130	0.15 130	0.12 141	0.14 125	0.11 129	0.16 137	0.11 123	0.15 123	0.12 109	0.14 126	0.12 146	0.15 138	0.12 141

MIPNet	0.14 109	0.21 106	0.17 149	0.16 117	0.11 133	0.15 131	0.12 144	0.14 125	0.11 130	0.16 135	0.11 130	0.14 125	0.11 129	0.14 127	0.11 123	0.14 114	0.12 109	0.14 126	0.11 129	0.14 128	0.11 125

IPLGR	0.14 109	0.24 118	0.14 125	0.16 117	0.12 149	0.15 131	0.12 144	0.14 125	0.11 130	0.15 130	0.12 141	0.14 125	0.11 129	0.14 127	0.11 123	0.15 123	0.12 109	0.14 126	0.11 129	0.14 128	0.11 125

GMStereo	0.14 109	0.13 80	0.14 125	0.14 96	0.14 154	0.14 124	0.14 149	0.14 125	0.14 154	0.14 124	0.14 158	0.14 125	0.14 155	0.14 127	0.14 148	0.14 114	0.14 137	0.14 126	0.14 157	0.14 128	0.14 152
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
AnyNet_C32	0.14 109	0.04 37	0.03 36	2.22 449	0.04 79	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.04 77	0.02 21	0.07 102	0.04 75	0.02 15	0.02 15	0.03 38	0.03 54	0.02 20	0.03 51

HSM	0.14 109	0.16 86	0.12 100	0.17 125	0.12 149	0.17 147	0.11 128	0.17 146	0.11 130	0.17 144	0.12 141	0.17 146	0.12 146	0.17 146	0.12 138	0.16 131	0.11 94	0.16 142	0.11 129	0.16 142	0.12 141

DRN-Test	0.14 109	0.13 80	0.09 65	0.14 96	0.09 112	0.15 131	0.09 110	0.14 125	0.10 115	0.14 124	0.09 112	0.14 125	0.09 113	0.13 126	0.09 105	0.12 91	0.09 68	0.12 121	0.09 110	0.12 124	0.73 361

ELAS_RVC	0.14 109	0.16 86	0.10 69	0.15 106	0.10 118	0.18 151	0.11 128	0.19 151	0.11 130	0.19 150	0.12 141	0.18 150	0.11 129	0.19 152	0.12 138	0.14 114	0.08 59	0.14 126	0.09 110	0.15 138	0.09 108
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ITSA-stereo	0.15 121	0.17 92	0.13 120	0.20 132	0.13 152	0.19 154	0.13 147	0.18 149	0.13 152	0.19 150	0.13 153	0.18 150	0.14 155	0.18 149	0.14 148	0.16 131	0.11 94	0.15 139	0.14 157	0.18 152	0.11 125

test_for_model	0.15 121	0.23 111	0.18 155	0.21 141	0.11 133	0.16 139	0.11 128	0.16 138	0.11 130	0.16 135	0.11 130	0.16 136	0.11 129	0.16 137	0.11 123	0.21 155	0.18 164	0.14 126	0.11 129	0.14 128	0.11 125

CoDeX	0.15 121	0.70 220	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.01 9	0.02 20	0.67 349	0.02 15	0.69 334	0.75 353	0.01 9	0.02 20	0.02 20

ICVP	0.15 121	0.53 204	0.11 89	0.16 117	0.11 133	0.16 139	0.11 128	0.16 138	0.11 130	0.16 135	0.11 130	0.16 136	0.11 129	0.16 137	0.11 123	0.16 131	0.11 94	0.16 142	0.11 129	0.16 142	0.11 125
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
ADCP+	0.15 121	0.04 37	0.04 43	2.20 448	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.05 100	0.04 77	0.04 84	0.08 105	0.04 75	0.04 44	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

StereoDRNet	0.15 121	0.14 84	0.10 69	0.14 96	0.09 112	0.15 131	0.09 110	0.14 125	0.09 114	0.14 124	0.10 116	0.14 125	0.09 113	0.14 127	0.09 105	0.13 107	0.10 73	0.13 124	0.09 110	0.13 126	0.82 372

LALA_ROB	0.15 121	0.19 96	0.12 100	0.18 127	0.11 133	0.20 159	0.12 144	0.21 162	0.12 149	0.20 155	0.12 141	0.20 156	0.12 146	0.21 166	0.13 144	0.17 139	0.10 73	0.18 159	0.11 129	0.18 152	0.11 125

SGM_RVC	0.15 121	0.17 92	0.11 89	0.18 127	0.11 133	0.19 154	0.11 128	0.19 151	0.12 149	0.19 150	0.12 141	0.20 156	0.12 146	0.19 152	0.12 138	0.16 131	0.11 94	0.17 150	0.10 117	0.17 148	0.10 113
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
z-mn7	0.16 129	1.21 346	0.33 213	0.41 220	0.04 79	0.04 77	0.03 50	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.04 84	0.04 72	0.04 75	0.35 216	0.31 218	0.04 73	0.04 78	0.04 77	0.04 79

GMStereo_Zeroshot	0.16 129	0.16 86	0.16 142	0.16 117	0.16 172	0.16 139	0.16 157	0.16 138	0.16 166	0.16 135	0.16 167	0.16 136	0.16 165	0.16 137	0.16 164	0.16 131	0.16 142	0.16 142	0.16 162	0.16 142	0.16 153

qqq	0.16 129	2.01 396	0.12 100	0.15 106	0.04 79	0.06 92	0.05 93	0.06 94	0.04 81	0.06 96	0.03 52	0.06 97	0.03 52	0.06 88	0.03 48	0.12 91	0.14 137	0.04 73	0.04 78	0.03 43	0.03 51

DeepPruner_ROB	0.16 129	0.18 95	0.13 120	0.19 130	0.13 152	0.19 154	0.13 147	0.19 151	0.13 152	0.19 150	0.13 153	0.19 154	0.13 151	0.19 152	0.13 144	0.18 147	0.13 133	0.18 159	0.13 154	0.18 152	0.13 147

CAS++	0.17 133	0.27 122	0.21 164	0.10 56	0.21 194	0.15 131	0.22 185	0.10 109	0.21 183	0.22 166	0.10 116	0.19 154	0.18 176	0.10 110	0.19 179	0.20 151	0.19 165	0.18 159	0.10 117	0.19 158	0.18 169
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
11t1	0.17 133	2.16 405	0.13 120	0.13 92	0.04 79	0.06 92	0.04 81	0.06 94	0.04 81	0.06 96	0.03 52	0.06 97	0.03 52	0.06 88	0.05 88	0.18 147	0.12 109	0.06 94	0.03 54	0.05 92	0.03 51

SFCPSM	0.17 133	0.78 224	0.02 14	0.02 14	0.01 10	0.02 19	0.02 20	0.02 20	0.01 10	0.02 20	0.02 20	0.02 20	0.01 9	0.02 20	0.79 370	0.02 15	0.75 344	0.76 355	0.02 20	0.02 20	0.02 20

w-ln-seven	0.18 136	1.47 364	0.33 213	0.40 209	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.04 84	0.04 72	0.04 75	0.38 232	0.32 221	0.05 86	0.04 78	0.04 77	0.04 79

xyz-stereo-finetune2	0.18 136	0.48 186	0.16 142	0.16 117	0.15 165	0.15 131	0.16 157	0.16 138	0.16 166	0.16 135	0.16 167	0.16 136	0.16 165	0.16 137	0.16 164	0.16 131	0.16 142	0.16 142	0.16 162	0.16 142	0.16 153

xyz-stereo	0.18 136	0.50 192	0.16 142	0.15 106	0.16 172	0.16 139	0.16 157	0.16 138	0.16 166	0.16 135	0.16 167	0.16 136	0.16 165	0.16 137	0.16 164	0.16 131	0.16 142	0.16 142	0.16 162	0.16 142	0.16 153

BEATNet-Init1	0.19 139	0.08 58	0.08 60	2.23 450	0.08 110	0.08 103	0.07 108	0.07 104	0.08 111	0.08 104	0.07 109	0.08 104	0.07 110	0.11 121	0.08 102	0.08 60	0.08 59	0.08 101	0.07 104	0.08 106	0.08 105

DeepPrunerF	0.19 139	0.08 58	0.08 60	2.23 450	0.08 110	0.08 103	0.07 108	0.07 104	0.08 111	0.08 104	0.07 109	0.08 104	0.07 110	0.11 121	0.08 102	0.08 60	0.08 59	0.08 101	0.07 104	0.08 106	0.08 105

IGEV_Zeroshot_test	0.20 141	0.19 96	0.40 248	0.30 166	0.17 175	0.22 168	0.17 162	0.21 162	0.17 171	0.20 155	0.17 172	0.21 163	0.18 176	0.21 166	0.17 167	0.20 151	0.16 142	0.20 163	0.16 162	0.20 159	0.17 165

DAS	0.20 141	0.20 100	0.20 161	0.20 132	0.20 188	0.20 159	0.20 175	0.20 156	0.20 181	0.20 155	0.20 187	0.20 156	0.20 185	0.20 156	0.20 182	0.20 151	0.20 167	0.20 163	0.20 185	0.20 159	0.20 172

ACVNet	0.20 141	0.19 96	0.14 125	0.20 132	0.14 154	0.20 159	0.96 386	0.21 162	0.14 154	0.20 155	0.13 153	0.21 163	0.14 155	0.20 156	0.14 148	0.17 139	0.12 109	0.17 150	0.12 146	0.17 148	0.12 141

acv_ft	0.20 141	0.19 96	0.14 125	0.20 132	0.14 154	0.20 159	0.96 386	0.21 162	0.14 154	0.20 155	0.13 153	0.21 163	0.14 155	0.20 156	0.14 148	0.17 139	0.12 109	0.17 150	0.12 146	0.17 148	0.12 141

iResNetv2_ROB	0.20 141	0.23 111	0.18 155	0.24 149	0.20 188	0.24 175	0.18 168	0.24 173	0.18 173	0.24 175	0.18 182	0.23 173	0.19 181	0.24 178	0.18 176	0.21 155	0.16 142	0.21 165	0.16 162	0.22 164	0.16 153

iResNet	0.20 141	0.23 111	0.18 155	0.24 149	0.18 182	0.24 175	0.20 175	0.24 173	0.18 173	0.23 170	0.17 172	0.23 173	0.18 176	0.23 174	0.18 176	0.22 158	0.16 142	0.21 165	0.16 162	0.21 162	0.16 153

z-ln-s-r	0.21 147	1.40 362	0.53 306	0.56 274	0.04 79	0.05 89	0.04 81	0.05 89	0.05 97	0.05 91	0.04 88	0.05 91	0.04 84	0.05 82	0.05 88	0.57 309	0.44 277	0.04 73	0.04 78	0.04 77	0.04 79

tg	0.21 147	0.25 120	0.21 164	0.26 161	0.17 175	0.24 175	0.17 162	0.24 173	0.17 171	0.24 175	0.17 172	0.24 177	0.17 169	0.24 178	0.17 167	0.24 174	0.17 158	0.23 176	0.16 162	0.23 173	0.16 153

Pointernet	0.21 147	0.22 110	0.19 158	0.24 149	0.19 186	0.24 175	0.19 172	0.24 173	0.19 179	0.24 175	0.19 183	0.24 177	0.19 181	0.24 178	0.19 179	0.22 158	0.17 158	0.22 170	0.17 180	0.22 164	0.17 165

SuperB	0.21 147	0.10 66	2.51 510	0.12 79	0.09 112	0.10 108	0.09 110	0.08 107	0.07 109	0.10 108	0.09 112	0.09 108	0.07 110	0.07 102	0.07 100	0.07 58	0.08 59	0.07 99	0.07 104	0.08 106	0.07 104

WAO-6	0.22 151	0.23 111	0.22 166	0.23 144	0.22 196	0.22 168	0.22 185	0.22 166	0.22 186	0.22 166	0.22 192	0.22 169	0.22 190	0.22 170	0.22 186	0.22 158	0.22 174	0.22 170	0.22 189	0.22 164	0.22 177

IMH-64-1	0.22 151	0.23 111	0.23 169	0.22 142	0.22 196	0.22 168	0.22 185	0.22 166	0.22 186	0.22 166	0.22 192	0.22 169	0.22 190	0.22 170	0.22 186	0.22 158	0.22 174	0.23 176	0.22 189	0.22 164	0.23 179

IMH-64	0.22 151	0.23 111	0.23 169	0.22 142	0.22 196	0.22 168	0.22 185	0.22 166	0.22 186	0.22 166	0.22 192	0.22 169	0.22 190	0.22 170	0.22 186	0.22 158	0.22 174	0.23 176	0.22 189	0.22 164	0.23 179

ac_64	0.22 151	0.13 80	0.19 158	0.23 144	0.10 118	0.26 189	1.02 394	0.14 125	0.10 115	0.28 189	0.14 158	0.17 146	0.19 181	0.28 198	0.09 105	0.22 158	0.16 142	0.23 176	0.17 180	0.11 120	0.12 141

dd	0.23 155	0.98 261	0.16 142	0.23 144	0.15 165	0.23 174	0.15 154	0.23 170	0.15 164	0.23 170	0.15 166	0.24 177	0.17 169	0.23 174	0.15 158	0.22 158	0.15 140	0.21 165	0.15 161	0.22 164	0.16 153

dad	0.23 155	1.03 277	0.16 142	0.23 144	0.15 165	0.24 175	0.15 154	0.24 173	0.16 166	0.23 170	0.16 167	0.24 177	0.16 165	0.23 174	0.15 158	0.22 158	0.16 142	0.22 170	0.16 162	0.22 164	0.16 153

MSKI-zero shot	0.24 157	0.21 106	0.49 290	0.65 290	0.18 182	0.22 168	0.17 162	0.23 170	0.18 173	0.21 164	0.17 172	0.23 173	0.28 225	0.23 174	0.18 176	0.21 155	0.16 142	0.21 165	0.16 162	0.21 162	0.16 153

qqq1	0.25 158	3.70 470	0.14 125	0.14 96	0.04 79	0.06 92	0.05 93	0.06 94	0.05 97	0.06 96	0.05 100	0.04 77	0.05 94	0.06 88	0.05 88	0.13 107	0.12 109	0.06 94	0.05 96	0.03 43	0.04 79

fff1	0.25 158	3.70 470	0.14 125	0.14 96	0.04 79	0.06 92	0.05 93	0.06 94	0.05 97	0.06 96	0.05 100	0.04 77	0.05 94	0.06 88	0.05 88	0.13 107	0.12 109	0.06 94	0.05 96	0.03 43	0.04 79

UNDER WATER-64	0.25 158	0.26 121	0.25 178	0.26 161	0.25 208	0.25 182	0.25 200	0.25 179	0.25 199	0.25 179	0.25 208	0.25 182	0.25 202	0.26 193	0.25 202	0.25 180	0.25 181	0.25 184	0.25 207	0.25 175	0.25 190

ffm	0.25 158	3.83 476	0.12 100	0.12 79	0.05 99	0.06 92	0.05 93	0.06 94	0.05 97	0.03 40	0.03 52	0.06 97	0.05 94	0.06 88	0.05 88	0.12 91	0.12 109	0.05 86	0.04 78	0.06 96	0.04 79

ff1	0.25 158	3.83 476	0.12 100	0.12 79	0.05 99	0.06 92	0.05 93	0.06 94	0.05 97	0.03 40	0.03 52	0.06 97	0.05 94	0.06 88	0.05 88	0.12 91	0.12 109	0.05 86	0.04 78	0.06 96	0.04 79

mmx	0.25 158	3.83 476	0.12 100	0.12 79	0.05 99	0.06 92	0.05 93	0.06 94	0.05 97	0.03 40	0.03 52	0.06 97	0.05 94	0.06 88	0.05 88	0.12 91	0.12 109	0.05 86	0.04 78	0.06 96	0.04 79

MIM_Stereo	0.25 158	0.23 111	0.66 324	0.80 307	0.17 175	0.22 168	0.17 162	0.23 170	0.18 173	0.26 186	0.17 172	0.21 163	0.17 169	0.25 183	0.17 167	0.23 169	0.16 142	0.21 165	0.17 180	0.22 164	0.17 165

LoS	0.25 158	0.27 122	0.25 178	0.25 154	0.25 208	0.25 182	0.25 200	0.26 183	0.25 199	0.25 179	0.25 208	0.25 182	0.25 202	0.25 183	0.25 202	0.26 181	0.25 181	0.25 184	0.26 213	0.26 177	0.25 190
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
Syn2CoEx	0.25 158	1.31 357	0.74 340	0.92 322	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.03 42	0.02 21	0.02 20	0.02 20	0.87 351	0.75 344	0.02 18	0.02 20	0.02 20	0.02 20

model_zeroshot	0.27 167	0.20 100	0.27 185	0.33 178	0.21 194	0.37 225	0.22 185	0.37 217	0.24 194	0.26 186	0.27 218	0.33 210	0.21 189	0.25 183	0.27 208	0.32 200	0.20 167	0.34 222	0.23 194	0.25 175	0.26 196

xyz-stereo-finetune	0.28 168	0.49 188	0.16 142	0.16 117	0.16 172	0.16 139	0.16 157	0.22 166	0.30 235	0.32 202	0.31 244	0.32 207	0.31 244	0.32 208	0.32 238	0.32 200	0.33 229	0.31 206	0.32 256	0.31 193	0.32 243

SQANet	0.28 168	0.28 125	0.28 189	0.28 164	0.28 221	0.28 193	0.28 216	0.28 186	0.28 220	0.28 189	0.28 224	0.28 193	0.28 225	0.28 198	0.28 214	0.28 186	0.28 195	0.28 193	0.28 224	0.28 182	0.28 217

HGLStereo	0.28 168	0.29 127	0.22 166	0.36 185	0.22 196	0.36 220	0.21 180	0.36 211	0.21 183	0.42 257	0.21 191	0.36 222	0.22 190	0.36 224	0.21 184	0.34 207	0.21 170	0.34 222	0.21 186	0.34 205	0.21 174

iResNet_ROB	0.28 168	0.32 132	0.24 175	0.32 174	0.25 208	0.32 209	0.24 197	0.32 197	0.24 194	0.33 207	0.24 202	0.35 216	0.24 199	0.33 214	0.24 196	0.31 199	0.24 180	0.32 207	0.24 202	0.32 195	0.24 189

UNet	0.29 172	0.90 245	0.10 69	0.14 96	0.10 118	0.14 124	0.10 115	0.91 355	0.69 355	0.14 124	0.11 130	0.14 125	0.11 129	0.14 127	0.10 111	0.12 91	0.09 68	0.12 121	0.09 110	0.88 345	0.76 366

MultiAttention	0.30 173	0.30 128	0.30 196	0.30 166	0.30 237	0.30 196	0.30 228	0.30 192	0.30 235	0.30 193	0.30 239	0.30 201	0.30 237	0.30 203	0.30 231	0.30 194	0.30 212	0.30 200	0.30 243	0.30 188	0.30 232

MSAF-DinoV2	0.30 173	0.30 128	0.30 196	0.30 166	0.30 237	0.30 196	0.30 228	0.30 192	0.30 235	0.30 193	0.30 239	0.30 201	0.30 237	0.30 203	0.30 231	0.30 194	0.30 212	0.30 200	0.30 243	0.30 188	0.30 232

DDVS	0.30 173	3.10 457	0.14 125	0.19 130	0.14 154	0.19 154	0.14 149	0.20 156	0.14 154	0.19 150	0.13 153	0.16 136	0.13 151	0.19 152	0.13 144	0.17 139	0.13 133	0.17 150	0.13 154	0.17 148	0.13 147

ACV-stereo	0.30 173	2.08 398	0.25 178	0.25 154	0.18 182	0.24 175	0.17 162	0.24 173	0.18 173	0.24 175	0.17 172	0.25 182	0.17 169	0.24 178	0.17 167	0.22 158	0.16 142	0.22 170	0.16 162	0.22 164	0.16 153

LoS_RVC	0.30 173	1.14 291	0.25 178	0.25 154	0.25 208	0.26 189	0.25 200	0.25 179	0.25 199	0.25 179	0.25 208	0.26 191	0.26 211	0.26 193	0.25 202	0.26 181	0.26 184	0.25 184	0.25 207	0.26 177	0.26 196

CAS	0.30 173	1.17 296	0.25 178	0.25 154	0.25 208	0.26 189	0.25 200	0.25 179	0.26 212	0.25 179	0.25 208	0.25 182	0.25 202	0.25 183	0.25 202	0.26 181	0.26 184	0.26 187	0.25 207	0.26 177	0.25 190

DANet	0.30 173	0.30 128	0.30 196	0.30 166	0.30 237	0.30 196	0.30 228	0.30 192	0.30 235	0.30 193	0.30 239	0.30 201	0.30 237	0.30 203	0.30 231	0.30 194	0.30 212	0.30 200	0.30 243	0.30 188	0.30 232
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
tt1	0.31 180	0.93 254	0.24 175	0.33 178	0.23 201	0.31 201	0.24 197	0.32 197	0.24 194	0.32 202	0.23 196	0.32 207	0.25 202	0.32 208	0.24 196	0.27 184	0.26 184	0.27 191	0.26 213	0.27 180	0.27 204

xxxxx1	0.31 180	0.91 247	0.23 169	0.31 171	0.23 201	0.31 201	0.23 192	0.33 200	0.25 199	0.31 197	0.24 202	0.33 210	0.25 202	0.32 208	0.24 196	0.28 186	0.28 195	0.28 193	0.28 224	0.29 185	0.27 204

DLNR_Zeroshot_test	0.31 180	0.28 125	0.47 277	0.79 305	0.24 206	0.30 196	0.26 208	0.30 192	0.24 194	0.32 202	0.23 196	0.31 205	0.24 199	0.30 203	0.23 192	0.29 193	0.26 184	0.29 198	0.24 202	0.33 201	0.23 179

tt_ll	0.31 180	0.91 247	0.23 169	0.31 171	0.23 201	0.31 201	0.23 192	0.33 200	0.25 199	0.31 197	0.24 202	0.33 210	0.25 202	0.32 208	0.24 196	0.28 186	0.28 195	0.28 193	0.28 224	0.29 185	0.27 204

ff	0.31 180	0.91 247	0.23 169	0.31 171	0.23 201	0.31 201	0.23 192	0.33 200	0.25 199	0.31 197	0.24 202	0.33 210	0.25 202	0.32 208	0.24 196	0.28 186	0.28 195	0.28 193	0.28 224	0.29 185	0.27 204

RAFT + AFF	0.31 180	0.45 172	0.34 223	0.39 196	0.28 221	0.38 229	0.33 244	0.29 190	0.31 241	0.30 193	0.30 239	0.29 198	0.27 219	0.29 201	0.30 231	0.28 186	0.29 204	0.29 198	0.29 233	0.27 180	0.32 243

MLCV	0.31 180	0.35 135	0.27 185	0.35 181	0.28 221	0.35 217	0.27 211	0.35 207	0.28 220	0.36 216	0.27 218	0.35 216	0.27 219	0.35 218	0.27 208	0.34 207	0.27 189	0.34 222	0.27 220	0.34 205	0.27 204

DN-CSS_ROB	0.31 180	0.35 135	0.28 189	0.35 181	0.28 221	0.34 213	0.27 211	0.34 204	0.25 199	0.35 213	0.27 218	0.36 222	0.26 211	0.34 216	0.28 214	0.35 216	0.28 195	0.34 222	0.28 224	0.34 205	0.27 204

WCG-NET（raft）	0.32 188	1.24 353	0.24 175	0.32 174	0.24 206	0.32 209	0.23 192	0.32 197	0.24 194	0.32 202	0.24 202	0.32 207	0.24 199	0.32 208	0.24 196	0.30 194	0.23 178	0.30 200	0.23 194	0.30 188	0.23 179

testlalala	0.32 188	0.81 230	0.31 204	0.39 196	0.26 216	0.33 211	0.24 197	0.33 200	0.26 212	0.32 202	0.26 214	0.33 210	0.23 196	0.33 214	0.23 192	0.35 216	0.31 218	0.30 200	0.24 202	0.31 193	0.21 174

Any-RAFT	0.32 188	0.36 138	0.27 185	0.36 185	0.27 218	0.36 220	0.27 211	0.36 211	0.27 217	0.36 216	0.27 218	0.36 222	0.27 219	0.36 224	0.28 214	0.36 221	0.28 195	0.36 240	0.28 224	0.36 224	0.28 217

GCAP-BAT	0.33 191	0.78 224	0.32 208	0.38 191	0.25 208	0.34 213	0.25 200	0.34 204	0.26 212	0.34 209	0.25 208	0.35 216	0.26 211	0.35 218	0.27 208	0.36 221	0.30 212	0.32 207	0.24 202	0.32 195	0.26 196

StereoDRNet-Refined	0.33 191	0.39 149	0.26 184	0.39 196	0.26 216	0.40 237	0.26 208	0.40 231	0.26 212	0.39 227	0.26 214	0.39 234	0.26 211	0.39 238	0.26 207	0.37 225	0.25 181	0.37 243	0.25 207	0.37 226	0.37 268
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
LG-Stereo_L2	0.34 193	0.37 140	0.38 238	0.47 240	0.28 221	0.39 235	0.28 216	0.39 226	0.28 220	0.39 227	0.28 224	0.39 234	0.28 225	0.38 230	0.28 214	0.42 268	0.35 233	0.36 240	0.26 213	0.35 217	0.26 196

H2IRNET	0.34 193	0.34 134	0.34 223	0.34 180	0.34 266	0.34 213	0.34 255	0.34 204	0.34 259	0.34 209	0.34 260	0.34 215	0.34 258	0.34 216	0.34 259	0.34 207	0.34 232	0.34 222	0.34 268	0.34 205	0.34 256

IGEV++	0.34 193	0.43 166	0.30 196	0.40 209	0.29 228	0.40 237	0.29 223	0.40 231	0.29 225	0.40 232	0.29 228	0.40 241	0.29 231	0.40 241	0.30 231	0.38 232	0.29 204	0.37 243	0.29 233	0.37 226	0.29 222

iRaft-Stereo_5w	0.34 193	0.42 165	0.31 204	0.39 196	0.30 237	0.38 229	0.30 228	0.40 231	0.29 225	0.40 232	0.37 278	0.41 253	0.34 258	0.38 230	0.30 231	0.34 207	0.27 189	0.34 222	0.26 213	0.34 205	0.26 196

CSP-Net	0.34 193	1.29 355	1.19 385	1.36 418	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	1.26 429	1.21 436	0.03 38	0.09 110	0.02 20	0.09 108

iRaft-Stereo_20w	0.34 193	0.41 158	0.31 204	0.39 196	0.29 228	0.40 237	0.32 235	0.41 246	0.32 244	0.38 222	0.30 239	0.39 234	0.30 237	0.38 230	0.32 238	0.35 216	0.27 189	0.34 222	0.27 220	0.34 205	0.29 222

DGSMNet	0.34 193	0.41 158	0.27 185	0.41 220	0.28 221	0.41 253	0.28 216	0.41 246	0.27 217	0.41 245	0.27 218	0.42 269	0.27 219	0.41 255	0.28 214	0.40 246	0.29 204	0.40 265	0.28 224	0.40 247	0.27 204

gcap-zeroshot	0.35 200	0.32 132	0.37 235	0.49 250	0.39 292	0.33 211	0.21 180	0.26 183	0.35 262	0.42 257	0.34 260	0.49 296	0.29 231	0.47 283	0.39 284	0.34 207	0.17 158	0.38 250	0.23 194	0.48 284	0.34 256

CASnet	0.35 200	0.51 199	0.44 264	0.32 174	0.31 243	0.24 175	0.34 255	0.36 211	0.25 199	0.31 197	0.37 278	0.30 201	0.33 253	0.25 183	0.45 306	0.37 225	0.37 238	0.33 215	0.35 275	0.34 205	0.37 268
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
IGEV-Stereo	0.35 200	0.44 169	0.45 266	0.49 250	0.30 237	0.37 225	0.30 228	0.36 211	0.30 235	0.36 216	0.29 228	0.36 222	0.29 231	0.36 224	0.30 231	0.46 275	0.39 251	0.32 207	0.24 202	0.32 195	0.25 190
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
ETE_ROB	0.35 200	0.35 135	0.35 230	0.35 181	0.35 269	0.35 217	0.35 260	0.35 207	0.35 262	0.35 213	0.35 269	0.35 216	0.35 264	0.35 218	0.35 263	0.35 216	0.35 233	0.35 235	0.35 275	0.35 217	0.35 263

GIP-stereo	0.36 204	0.49 188	0.39 245	0.48 244	0.32 245	0.41 253	0.28 216	0.40 231	0.30 235	0.41 245	0.28 224	0.40 241	0.28 225	0.42 268	0.28 214	0.45 272	0.32 221	0.38 250	0.30 243	0.37 226	0.27 204

DCVSM-stereo	0.36 204	1.89 385	0.22 166	0.40 209	0.22 196	0.40 237	0.22 185	0.40 231	0.22 186	0.40 232	0.22 192	0.40 241	0.22 190	0.40 241	0.22 186	0.28 186	0.21 170	0.28 193	0.21 186	0.28 182	0.20 172

RSM	0.36 204	0.36 138	0.43 262	0.37 188	0.42 311	0.49 299	0.42 300	0.37 217	0.28 220	0.36 216	0.29 228	0.36 222	0.30 237	0.37 228	0.28 214	0.34 207	0.31 218	0.34 222	0.35 275	0.40 247	0.29 222

RAFT-Test	0.36 204	0.37 140	0.33 213	0.41 220	0.32 245	0.41 253	0.32 235	0.41 246	0.32 244	0.41 245	0.32 246	0.41 253	0.32 246	0.41 255	0.33 246	0.37 225	0.29 204	0.37 243	0.29 233	0.38 235	0.31 239

DMCA	0.36 204	0.38 143	0.37 235	0.35 181	0.35 269	0.36 220	0.36 266	0.36 211	0.35 262	0.35 213	0.37 278	0.36 222	0.36 267	0.35 218	0.36 266	0.36 221	0.36 236	0.35 235	0.36 281	0.36 224	0.36 264

ACVNet-DCA	0.37 209	1.00 265	0.30 196	0.40 209	0.29 228	0.40 237	0.29 223	0.40 231	0.29 225	0.40 232	0.29 228	0.40 241	0.29 231	0.39 238	0.28 214	0.33 204	0.32 221	0.33 215	0.32 256	0.33 201	0.32 243

1test111	0.37 209	1.02 275	0.30 196	0.39 196	0.29 228	0.40 237	0.28 216	0.39 226	0.29 225	0.39 227	0.29 228	0.39 234	0.28 225	0.40 241	0.29 224	0.33 204	0.32 221	0.33 215	0.31 251	0.32 195	0.31 239

cc1	0.37 209	1.02 275	0.30 196	0.39 196	0.29 228	0.40 237	0.28 216	0.39 226	0.29 225	0.39 227	0.29 228	0.39 234	0.28 225	0.40 241	0.29 224	0.33 204	0.32 221	0.33 215	0.31 251	0.32 195	0.31 239

EKT-Stereo	0.37 209	0.40 151	0.44 264	1.07 343	0.29 228	0.34 213	0.31 234	0.36 211	0.29 225	0.38 222	0.31 244	0.37 228	0.30 237	0.36 224	0.29 224	0.34 207	0.28 195	0.39 260	0.30 243	0.37 226	0.30 232

GMOStereo	0.37 209	0.45 172	0.23 169	0.30 166	0.37 278	0.41 253	0.36 266	0.41 246	0.35 262	0.43 263	0.36 272	0.41 253	0.40 282	0.41 255	0.36 266	0.34 207	0.22 174	0.47 304	0.37 283	0.39 242	0.33 250

XPNet_ROB	0.37 209	0.37 140	0.37 235	0.37 188	0.37 278	0.37 225	0.37 271	0.37 217	0.37 273	0.37 221	0.37 278	0.37 228	0.37 271	0.37 228	0.37 274	0.37 225	0.37 238	0.37 243	0.37 283	0.37 226	0.37 268

HART	0.38 215	0.45 172	0.34 223	0.42 229	0.33 256	0.41 253	0.34 255	0.42 262	0.33 250	0.43 263	0.34 260	0.42 269	0.34 258	0.41 255	0.38 277	0.40 246	0.32 221	0.42 289	0.32 256	0.40 247	0.32 243

GREAT-IGEV	0.38 215	0.43 166	0.36 232	0.48 244	0.32 245	0.45 278	0.32 235	0.45 268	0.32 244	0.45 268	0.32 246	0.45 275	0.32 246	0.45 275	0.32 238	0.44 270	0.33 229	0.41 278	0.29 233	0.41 257	0.29 222

fffy	0.38 215	0.43 166	0.33 213	0.46 234	0.33 256	0.45 278	0.32 235	0.45 268	0.32 244	0.45 268	0.32 246	0.45 275	0.33 253	0.45 275	0.32 238	0.38 232	0.38 244	0.38 250	0.37 283	0.37 226	0.36 264

WAO-8	0.38 215	0.38 143	0.38 238	0.38 191	0.38 285	0.38 229	0.38 277	0.38 222	0.38 277	0.38 222	0.38 283	0.38 230	0.38 275	0.38 230	0.38 277	0.38 232	0.38 244	0.38 250	0.37 283	0.38 235	0.38 275

WAO-7	0.38 215	0.38 143	0.38 238	0.38 191	0.38 285	0.38 229	0.38 277	0.38 222	0.38 277	0.38 222	0.38 283	0.38 230	0.38 275	0.38 230	0.38 277	0.38 232	0.38 244	0.38 250	0.38 296	0.38 235	0.38 275

xx1	0.38 215	1.03 277	0.31 204	0.40 209	0.31 243	0.41 253	0.28 216	0.40 231	0.29 225	0.40 232	0.29 228	0.40 241	0.29 231	0.40 241	0.29 224	0.34 207	0.33 229	0.34 222	0.32 256	0.34 205	0.32 243

Venus	0.38 215	0.38 143	0.38 238	0.38 191	0.38 285	0.37 225	0.38 277	0.37 217	0.37 273	0.41 245	0.37 278	0.39 234	0.37 271	0.38 230	0.38 277	0.37 225	0.38 244	0.38 250	0.37 283	0.37 226	0.38 275

IMH	0.38 215	0.38 143	0.38 238	0.38 191	0.38 285	0.38 229	0.38 277	0.38 222	0.38 277	0.42 257	0.38 283	0.40 241	0.38 275	0.38 230	0.38 277	0.38 232	0.38 244	0.39 260	0.38 296	0.38 235	0.38 275

PAM	0.39 223	1.88 384	0.34 223	0.37 188	0.41 301	0.45 278	0.22 185	0.28 186	0.23 192	0.28 189	0.24 202	0.29 198	0.23 196	0.29 201	0.23 192	0.38 232	0.32 221	0.38 250	0.37 283	0.32 195	0.22 177

HanzoNet	0.39 223	0.38 143	0.40 248	0.39 196	0.41 301	0.38 229	0.38 277	0.38 222	0.38 277	0.39 227	0.39 288	0.38 230	0.38 275	0.39 238	0.40 288	0.38 232	0.38 244	0.40 265	0.38 296	0.38 235	0.40 283

CES	0.39 223	0.47 180	0.36 232	0.36 185	0.37 278	0.45 278	0.35 260	0.35 207	0.40 287	0.36 216	0.44 311	0.47 285	0.36 267	0.44 272	0.36 266	0.37 225	0.39 251	0.44 292	0.35 275	0.37 226	0.36 264

PASM	0.39 223	3.06 456	1.36 451	1.58 424	0.09 112	0.11 119	0.11 128	0.11 121	0.11 130	0.09 107	0.09 112	0.11 120	0.09 113	0.09 108	0.09 105	0.11 86	0.11 94	0.11 118	0.09 110	0.11 120	0.11 125

mms	0.40 227	0.45 172	0.35 230	0.48 244	0.36 275	0.47 289	0.34 255	0.45 268	0.38 277	0.47 278	0.33 252	0.45 275	0.32 246	0.45 275	0.32 238	0.39 242	0.38 244	0.38 250	0.37 283	0.39 242	0.39 281

knoymous	0.40 227	0.40 151	0.40 248	0.40 209	0.40 294	0.40 237	0.40 287	0.40 231	0.40 287	0.40 232	0.40 291	0.40 241	0.40 282	0.40 241	0.40 288	0.40 246	0.40 254	0.40 265	0.40 300	0.40 247	0.40 283

anonymousa	0.40 227	0.40 151	0.40 248	0.40 209	0.40 294	0.40 237	0.40 287	0.40 231	0.40 287	0.40 232	0.40 291	0.40 241	0.40 282	0.40 241	0.40 288	0.40 246	0.40 254	0.40 265	0.40 300	0.40 247	0.40 283

riskmin	0.40 227	0.40 151	0.40 248	0.40 209	0.40 294	0.40 237	0.40 287	0.40 231	0.40 287	0.40 232	0.40 291	0.40 241	0.40 282	0.40 241	0.40 288	0.40 246	0.40 254	0.40 265	0.40 300	0.40 247	0.40 283

Anonymous_2	0.40 227	0.40 151	0.40 248	0.40 209	0.40 294	0.40 237	0.40 287	0.40 231	0.40 287	0.40 232	0.40 291	0.40 241	0.40 282	0.40 241	0.40 288	0.40 246	0.40 254	0.40 265	0.40 300	0.40 247	0.40 283

Anonymous_1	0.40 227	0.40 151	0.40 248	0.40 209	0.40 294	0.40 237	0.40 287	0.40 231	0.40 287	0.40 232	0.40 291	0.40 241	0.40 282	0.40 241	0.40 288	0.40 246	0.40 254	0.40 265	0.40 300	0.40 247	0.40 283

AdaStereo	0.40 227	0.40 151	0.40 248	0.40 209	0.40 294	0.40 237	0.40 287	0.40 231	0.40 287	0.40 232	0.40 291	0.40 241	0.40 282	0.40 241	0.40 288	0.40 246	0.40 254	0.40 265	0.40 300	0.40 247	0.40 283
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.
water-stereo	0.41 234	0.84 233	0.46 270	0.50 257	0.33 256	0.45 278	0.33 244	0.45 268	0.32 244	0.45 268	0.32 246	0.45 275	0.32 246	0.45 275	0.32 238	0.44 270	0.41 263	0.39 260	0.31 251	0.39 242	0.32 243

GwcNet-ADL	0.41 234	0.41 158	0.41 256	0.41 220	0.41 301	0.41 253	0.41 295	0.41 246	0.41 296	0.41 245	0.41 297	0.41 253	0.41 293	0.41 255	0.41 295	0.41 254	0.41 263	0.41 278	0.41 307	0.41 257	0.41 290

PSMNet-ADL	0.41 234	0.41 158	0.41 256	0.41 220	0.41 301	0.41 253	0.41 295	0.41 246	0.41 296	0.41 245	0.41 297	0.41 253	0.41 293	0.41 255	0.41 295	0.41 254	0.41 263	0.41 278	0.41 307	0.41 257	0.41 290

GANet-ADL	0.41 234	0.41 158	0.41 256	0.41 220	0.41 301	0.41 253	0.41 295	0.41 246	0.41 296	0.41 245	0.41 297	0.41 253	0.41 293	0.41 255	0.41 295	0.41 254	0.41 263	0.41 278	0.41 307	0.41 257	0.41 290

ADLNet2	0.41 234	0.41 158	0.41 256	0.41 220	0.41 301	0.41 253	0.41 295	0.41 246	0.41 296	0.41 245	0.41 297	0.41 253	0.41 293	0.41 255	0.41 295	0.41 254	0.41 263	0.41 278	0.41 307	0.41 257	0.41 290

ADLNet	0.41 234	0.41 158	0.41 256	0.41 220	0.41 301	0.41 253	0.41 295	0.41 246	0.41 296	0.41 245	0.41 297	0.41 253	0.41 293	0.41 255	0.41 295	0.41 254	0.41 263	0.41 278	0.41 307	0.41 257	0.41 290

FCDSN-DC	0.41 234	0.59 212	0.64 320	0.54 268	0.33 256	0.50 307	0.37 271	0.42 262	0.40 287	0.61 330	0.43 309	0.50 310	0.49 323	0.38 230	0.32 238	0.28 186	0.23 178	0.26 187	0.22 189	0.35 217	0.28 217
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
psmorigin	0.41 234	0.46 176	0.33 213	0.49 250	0.33 256	0.49 299	0.33 244	0.49 286	0.33 250	0.49 292	0.33 252	0.49 296	0.33 253	0.51 312	0.33 246	0.41 254	0.30 212	0.41 278	0.30 243	0.79 331	0.29 222

Gwc-CoAtRS	0.41 234	1.49 365	0.32 208	0.42 229	0.32 245	0.41 253	0.32 235	0.41 246	0.33 250	0.41 245	0.32 246	0.41 253	0.32 246	0.41 255	0.32 238	0.39 242	0.28 195	0.39 260	0.28 224	0.40 247	0.28 217

UPFNet	0.42 243	1.20 300	0.17 149	0.24 149	0.17 175	0.25 182	0.17 162	1.19 384	0.90 381	0.25 179	0.17 172	0.24 177	0.17 169	0.25 183	0.17 167	0.22 158	0.17 158	0.22 170	0.16 162	1.15 371	0.93 381

DilatedVolume-Stereo	0.43 244	0.86 236	0.48 285	0.50 257	0.33 256	0.46 284	0.33 244	0.46 272	0.33 250	0.46 272	0.33 252	0.47 285	0.33 253	0.47 283	0.34 259	0.45 272	0.42 271	0.40 265	0.33 264	0.47 280	0.38 275

psmg	0.43 244	1.91 388	0.92 361	1.91 438	0.02 21	0.02 19	0.03 50	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.03 39	0.02 20	1.97 463	1.44 456	0.04 73	0.03 54	0.02 20	0.03 51

delet	0.43 244	1.21 346	0.17 149	0.25 154	0.17 175	0.25 182	0.18 168	1.26 436	0.95 389	0.25 179	0.17 172	0.25 182	0.17 169	0.25 183	0.17 167	0.23 169	0.16 142	0.22 170	0.16 162	1.18 379	0.98 385

psm_up	0.43 244	1.19 299	0.17 149	0.25 154	0.18 182	0.25 182	0.19 172	1.26 436	0.91 382	0.26 186	0.17 172	0.25 182	0.17 169	0.25 183	0.17 167	0.22 158	0.17 158	0.23 176	0.16 162	1.18 379	0.99 386

depthmonostereo	0.44 248	0.85 235	0.46 270	0.54 268	0.40 294	0.52 318	0.38 277	0.52 306	0.35 262	0.47 278	0.34 260	0.46 279	0.34 258	0.47 283	0.34 259	0.45 272	0.43 274	0.41 278	0.33 264	0.41 257	0.32 243

MMNet	0.44 248	1.24 353	0.17 149	0.25 154	0.17 175	0.25 182	0.18 168	1.26 436	0.93 387	0.25 179	0.17 172	0.25 182	0.18 176	0.25 183	0.17 167	0.23 169	0.16 142	0.23 176	0.16 162	1.20 382	0.99 386

SCV_C0	0.45 250	0.88 240	0.49 290	0.54 268	0.37 278	0.48 294	0.37 271	0.48 282	0.37 273	0.48 285	0.36 272	0.48 292	0.37 271	0.49 298	0.37 274	0.50 293	0.41 263	0.44 292	0.34 268	0.44 267	0.34 256

RAFT-Stereo-weight	0.45 250	1.90 387	0.34 223	0.42 229	0.36 275	0.43 275	0.35 260	0.42 262	0.34 259	0.42 257	0.34 260	0.44 273	0.34 258	0.41 255	0.34 259	0.38 232	0.32 221	0.38 250	0.32 256	0.38 235	0.33 250

TorneroNet-64	0.45 250	0.27 122	0.30 196	0.58 277	0.27 218	0.70 343	0.30 228	0.28 186	0.73 368	0.73 345	0.28 224	0.71 345	0.66 348	0.75 349	0.27 208	0.27 184	0.29 204	0.37 243	0.75 372	0.28 182	0.30 232

SCV	0.46 253	0.94 256	0.45 266	0.54 268	0.37 278	0.48 294	0.38 277	0.48 282	0.37 273	0.48 285	0.39 288	0.48 292	0.37 271	0.49 298	0.37 274	0.50 293	0.46 280	0.44 292	0.34 268	0.44 267	0.34 256

otaku	0.46 253	0.46 176	0.46 270	0.46 234	0.46 318	0.46 284	0.46 309	0.46 272	0.46 309	0.46 272	0.46 316	0.46 279	0.46 309	0.46 279	0.46 310	0.46 275	0.46 280	0.46 299	0.46 319	0.46 272	0.46 304

Dean	0.46 253	0.46 176	0.46 270	0.46 234	0.46 318	0.46 284	0.46 309	0.46 272	0.46 309	0.47 278	0.46 316	0.46 279	0.46 309	0.46 279	0.46 310	0.46 275	0.46 280	0.46 299	0.46 319	0.46 272	0.46 304

ACVNet_1	0.46 253	0.47 180	0.46 270	0.46 234	0.46 318	0.46 284	0.46 309	0.46 272	0.47 314	0.46 272	0.46 316	0.46 279	0.46 309	0.46 279	0.46 310	0.46 275	0.46 280	0.47 304	0.46 319	0.46 272	0.46 304

ACVNet-4b	0.46 253	0.46 176	0.46 270	0.46 234	0.46 318	0.46 284	0.46 309	0.46 272	0.46 309	0.46 272	0.46 316	0.46 279	0.46 309	0.47 283	0.46 310	0.46 275	0.46 280	0.46 299	0.46 319	0.46 272	0.46 304

PML	0.46 253	1.36 360	0.29 192	0.58 277	0.30 237	0.57 330	0.29 223	0.57 316	0.29 225	0.57 325	0.29 228	0.57 329	0.29 231	0.56 323	0.29 224	0.52 301	0.30 212	0.53 331	0.31 251	0.53 304	0.30 232

LG-Stereo_L1	0.47 259	0.52 201	0.47 277	0.62 284	0.39 292	0.53 320	0.40 287	0.53 308	0.39 286	0.53 315	0.39 288	0.53 318	0.39 281	0.53 317	0.39 284	0.55 306	0.46 280	0.49 317	0.37 283	0.49 288	0.37 268

Ntro	0.47 259	0.47 180	0.46 270	0.46 234	0.46 318	0.47 289	0.47 314	0.46 272	0.47 314	0.46 272	0.46 316	0.47 285	0.46 309	0.47 283	0.47 316	0.47 280	0.46 280	0.46 299	0.46 319	0.46 272	0.46 304

HaxPig	0.47 259	0.47 180	0.47 277	0.49 250	0.47 324	0.47 289	0.47 314	0.47 278	0.47 314	0.47 278	0.47 324	0.47 285	0.47 317	0.47 283	0.47 316	0.47 280	0.47 288	0.47 304	0.47 326	0.47 280	0.48 313

UNDER WATER	0.47 259	0.47 180	0.47 277	0.47 240	0.47 324	0.47 289	0.47 314	0.47 278	0.47 314	0.47 278	0.47 324	0.47 285	0.46 309	0.47 283	0.47 316	0.47 280	0.47 288	0.47 304	0.46 319	0.47 280	0.47 311

LVE	0.47 259	0.47 180	0.47 277	0.47 240	0.49 330	0.47 289	0.47 314	0.47 278	0.49 323	0.47 278	0.47 324	0.47 285	0.46 309	0.47 283	0.47 316	0.47 280	0.47 288	0.48 312	0.47 326	0.47 280	0.47 311

GASTEREO	0.48 264	1.21 346	0.47 277	0.57 275	0.38 285	0.50 307	0.38 277	0.50 294	0.38 277	0.50 304	0.38 283	0.50 310	0.38 275	0.50 305	0.38 277	0.52 301	0.42 271	0.46 299	0.34 268	0.46 272	0.34 256

LG-Stereo_Zeroshot	0.48 264	0.55 209	0.47 277	0.63 286	0.41 301	0.56 325	0.44 303	0.56 313	0.41 296	0.56 323	0.41 297	0.57 329	0.42 299	0.56 323	0.41 295	0.55 306	0.43 274	0.51 326	0.37 283	0.51 299	0.37 268

fffft	0.48 264	0.51 199	0.45 266	0.52 265	0.45 316	0.52 318	0.45 307	0.52 306	0.48 321	0.53 315	0.45 314	0.52 317	0.45 306	0.52 315	0.46 310	0.51 299	0.41 263	0.50 321	0.41 307	0.50 293	0.41 290
1: 1. 1
RainbowNet	0.48 264	0.48 186	0.48 285	0.48 244	0.48 328	0.48 294	0.48 323	0.48 282	0.48 321	0.48 285	0.48 328	0.48 292	0.48 318	0.48 292	0.48 322	0.48 284	0.48 292	0.48 312	0.48 329	0.48 284	0.48 313

notaker	0.48 264	0.49 188	0.48 285	0.48 244	0.48 328	0.48 294	0.48 323	0.48 282	0.49 323	0.48 285	0.48 328	0.48 292	0.48 318	0.48 292	0.48 322	0.48 284	0.48 292	0.48 312	0.48 329	0.48 284	0.49 318

LL-Strereo2	0.48 264	1.73 377	0.51 299	0.59 280	0.34 266	0.42 271	0.33 244	0.40 231	0.31 241	0.42 257	0.33 252	0.42 269	0.31 244	0.44 272	0.39 284	0.60 312	0.51 305	0.44 292	0.33 264	0.44 267	0.33 250

Former-RAFT_DAM_RVC	0.49 270	0.98 261	0.64 320	0.84 312	0.46 318	0.45 278	0.35 260	0.47 278	0.47 314	0.45 268	0.34 260	0.46 279	0.48 318	0.46 279	0.35 263	0.39 242	0.71 339	0.39 260	0.35 275	0.41 257	0.41 290

ACVNet_2	0.49 270	0.49 188	0.49 290	0.49 250	0.49 330	0.49 299	0.49 325	0.49 286	0.49 323	0.49 292	0.49 331	0.49 296	0.49 323	0.49 298	0.49 324	0.49 287	0.49 295	0.49 317	0.49 332	0.49 288	0.49 318

FoundationStereo	0.50 272	0.50 192	0.50 294	0.50 257	0.50 334	0.50 307	0.50 327	0.50 294	0.50 326	0.50 304	0.50 333	0.50 310	0.50 326	0.50 305	0.50 325	0.50 293	0.50 301	0.50 321	0.50 334	0.50 293	0.50 321

StereoAnything_RVC	0.50 272	0.50 192	0.50 294	0.50 257	0.50 334	0.50 307	0.50 327	0.50 294	0.50 326	0.50 304	0.50 333	0.50 310	0.50 326	0.50 305	0.50 325	0.50 293	0.50 301	0.50 321	0.50 334	0.50 293	0.50 321

dual_stereo	0.50 272	0.50 192	0.50 294	0.50 257	0.50 334	0.50 307	0.50 327	0.50 294	0.50 326	0.50 304	0.50 333	0.50 310	0.50 326	0.50 305	0.50 325	0.50 293	0.50 301	0.50 321	0.50 334	0.50 293	0.50 321

GCST	0.50 272	2.08 398	0.38 238	0.53 266	0.35 269	0.49 299	0.35 260	0.50 294	0.35 262	0.49 292	0.35 269	0.49 296	0.35 264	0.49 298	0.35 263	0.48 284	0.37 238	0.45 296	0.33 264	0.44 267	0.33 250

SANet	0.50 272	0.50 192	0.50 294	0.50 257	0.50 334	0.50 307	0.50 327	0.50 294	0.50 326	0.50 304	0.50 333	0.50 310	0.50 326	0.50 305	0.50 325	0.50 293	0.50 301	0.50 321	0.50 334	0.50 293	0.50 321

MSCF	0.51 277	1.40 362	0.49 290	0.58 277	0.38 285	0.50 307	0.38 277	0.54 310	0.41 296	0.52 312	0.41 297	0.53 318	0.42 299	0.53 317	0.41 295	0.60 312	0.47 288	0.48 312	0.37 283	0.48 284	0.38 275

UGAM-zero	0.51 277	2.17 406	0.39 245	0.53 266	0.36 275	0.50 307	0.36 266	0.50 294	0.36 272	0.49 292	0.36 272	0.50 310	0.35 264	0.50 305	0.36 266	0.49 287	0.37 238	0.47 304	0.35 275	0.46 272	0.34 256

UGAM	0.51 277	2.23 411	0.39 245	0.54 268	0.35 269	0.50 307	0.35 260	0.49 286	0.35 262	0.49 292	0.35 269	0.49 296	0.36 267	0.50 305	0.36 266	0.49 287	0.37 238	0.45 296	0.34 268	0.45 271	0.34 256

Selective-IGEV	0.51 277	0.55 209	0.45 266	0.69 295	0.45 316	0.61 333	0.45 307	0.50 294	0.40 287	0.56 323	0.44 311	0.55 325	0.40 282	0.72 344	0.67 349	0.59 311	0.46 280	0.45 296	0.34 268	0.46 272	0.37 268

RCA-Stereo	0.51 277	3.22 462	0.34 223	0.44 232	0.34 266	0.44 277	0.34 255	0.43 266	0.34 259	0.43 263	0.34 260	0.44 273	0.33 253	0.43 270	0.33 246	0.38 232	0.29 204	0.38 250	0.29 233	0.38 235	0.29 222

AIO-test1	0.54 282	0.60 214	0.52 302	0.66 293	0.47 324	0.61 333	0.47 314	0.58 319	0.46 309	0.61 330	0.46 316	0.61 335	0.45 306	0.62 331	0.45 306	0.61 316	0.52 307	0.57 334	0.48 329	0.57 307	0.48 313

castereo++	0.54 282	3.59 467	1.15 379	1.31 414	0.14 154	0.16 139	0.14 149	0.16 138	0.14 154	0.16 135	0.14 158	0.16 136	0.13 151	0.16 137	0.14 148	1.45 441	1.16 385	0.15 139	0.14 157	0.15 138	0.13 147

FENet	0.54 282	1.52 366	1.19 385	1.41 421	0.23 201	0.35 217	0.23 192	0.35 207	0.23 192	0.34 209	0.23 196	0.35 216	0.23 196	0.35 218	0.23 192	1.40 439	1.07 369	0.32 207	0.23 194	0.33 201	0.23 179

PSMNet_ROB	0.54 282	0.54 207	0.54 307	0.54 268	0.53 343	0.54 323	0.54 335	0.53 308	0.54 336	0.54 318	0.54 343	0.54 321	0.53 333	0.54 319	0.54 335	0.54 304	0.53 309	0.54 332	0.54 339	0.54 305	0.54 329

AIO-test2	0.55 286	0.59 212	0.52 302	0.67 294	0.47 324	0.61 333	0.47 314	0.61 325	0.47 314	0.61 330	0.47 324	0.61 335	0.48 318	0.62 331	0.47 316	0.64 321	0.53 309	0.58 335	0.47 326	0.58 308	0.48 313

CFNet-ft	0.55 286	1.57 367	0.14 125	0.20 132	0.14 154	0.20 159	2.53 513	1.61 448	0.14 154	0.20 155	0.14 158	0.20 156	0.14 155	0.20 156	0.14 148	0.17 139	0.12 109	0.17 150	0.12 146	1.56 441	1.24 461

MyStereo04	0.56 288	3.72 473	0.59 312	0.49 250	0.41 301	0.36 220	0.32 235	0.37 217	0.31 241	0.34 209	0.46 316	0.35 216	0.32 246	0.35 218	0.33 246	0.49 287	0.45 278	0.34 222	0.32 256	0.35 217	0.43 298

CASS	0.57 289	0.89 243	0.56 309	0.57 275	0.56 346	0.56 325	0.56 336	0.56 313	0.53 334	0.57 325	0.57 345	0.59 333	0.48 318	0.56 323	0.57 338	0.55 306	0.56 313	0.47 304	0.56 344	0.62 311	0.56 336
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
LG-Stereo	0.60 290	0.58 211	0.47 277	0.64 289	0.74 376	1.00 372	0.69 354	0.57 316	0.41 296	0.57 325	0.41 297	0.57 329	0.41 293	1.00 377	0.75 367	0.91 352	0.51 305	0.52 329	0.37 283	0.52 301	0.37 268

MonSter	0.60 290	0.64 217	0.52 302	0.62 284	0.44 314	2.07 475	0.44 303	0.62 326	0.44 307	0.62 333	0.44 311	0.62 337	0.44 304	0.62 331	0.44 305	0.58 310	0.42 271	0.62 338	0.46 319	0.58 308	0.42 297

MyStereo07	0.60 290	3.72 473	0.48 285	0.49 250	0.41 301	0.36 220	0.32 235	0.49 286	0.43 304	0.51 309	0.42 307	0.49 296	0.43 302	0.51 312	0.64 344	0.49 287	0.45 278	0.34 222	0.32 256	0.35 217	0.43 298

castereo	0.61 293	3.79 475	1.35 443	1.52 423	0.15 165	0.17 147	0.16 157	0.20 156	0.21 183	0.18 148	0.16 167	0.21 163	0.12 146	0.26 193	0.17 167	1.43 440	1.38 453	0.17 150	0.16 162	0.18 152	0.16 153

WCG-NET	0.61 293	1.21 346	0.54 307	0.61 283	0.53 343	0.67 341	0.53 333	0.66 331	0.53 334	0.64 336	0.53 342	0.65 341	0.53 333	0.59 329	0.52 332	0.65 322	0.48 292	0.64 341	0.52 338	0.58 308	0.50 321

SMoEStereo_RVC	0.63 295	0.75 223	0.51 299	0.73 301	0.53 343	0.71 345	0.47 314	0.67 332	0.58 339	0.74 350	0.60 346	0.72 348	0.53 333	0.74 348	0.51 330	0.61 316	0.62 324	0.62 338	0.61 351	0.63 312	0.61 341

anonymity	0.63 295	0.69 219	0.56 309	0.71 299	0.56 346	0.71 345	0.56 336	0.71 337	0.56 337	0.72 344	0.56 344	0.71 345	0.56 337	0.71 343	0.58 339	0.68 326	0.55 311	0.68 346	0.55 340	0.68 316	0.54 329

PAM_32	0.64 297	2.38 426	0.51 299	0.92 322	0.43 313	0.53 320	0.44 303	0.87 349	0.43 304	0.52 312	0.45 314	0.53 318	0.40 282	0.54 319	0.46 310	0.62 319	0.56 313	0.48 312	0.45 317	0.76 327	0.44 301

CRFU-Net	0.65 298	1.67 370	1.22 435	1.96 441	0.27 218	0.41 253	0.27 211	0.41 246	0.27 217	0.40 232	0.26 214	0.41 253	0.27 219	0.40 241	0.27 208	1.80 454	1.62 472	0.34 222	0.23 194	0.33 201	0.23 179

LMCR-Stereo	0.65 298	0.63 215	0.65 323	0.65 290	0.65 359	0.66 340	0.63 342	0.58 319	0.65 348	0.63 335	0.64 353	0.65 341	0.65 345	0.66 338	0.66 348	0.66 324	0.64 326	0.65 344	0.67 361	0.68 316	0.73 361

KSHMR	0.66 300	0.50 192	0.48 285	1.15 353	0.52 340	0.49 299	0.51 331	0.49 286	0.71 363	0.67 340	0.50 333	1.16 395	1.11 390	0.66 338	0.52 332	0.49 287	0.49 295	0.51 326	0.66 357	0.50 293	1.14 402

TorneroNet	0.66 300	0.53 204	0.50 294	0.50 257	0.64 357	1.06 380	0.70 357	0.50 294	0.51 333	0.49 292	0.69 362	0.49 296	0.50 326	0.48 292	1.15 402	0.71 331	0.49 295	1.14 394	1.08 398	0.49 288	0.49 318

GES	0.66 300	2.34 422	0.29 192	0.41 220	0.29 228	0.41 253	0.29 223	0.42 262	0.29 225	0.40 232	0.41 297	0.41 253	0.30 237	0.51 312	0.29 224	0.32 200	0.29 204	0.32 207	2.46 517	2.49 480	0.30 232

cf-r	0.66 300	2.17 406	0.12 100	0.18 127	0.12 149	0.18 151	2.70 516	2.60 492	0.12 149	0.18 148	0.12 141	0.18 150	0.12 146	0.18 149	0.12 138	0.15 123	0.11 94	0.15 139	0.11 129	1.81 453	1.74 496

DSFCA	0.66 300	0.73 222	0.78 345	0.65 290	0.65 359	0.64 338	0.64 343	0.65 329	0.63 346	0.64 336	0.64 353	0.64 338	0.64 343	0.65 337	0.65 345	0.65 322	0.65 328	0.65 344	0.65 355	0.66 314	0.64 346

DEFOM-Stereo	0.68 305	3.11 458	1.40 457	1.63 432	0.25 208	0.31 201	0.25 200	0.31 196	0.28 220	0.31 197	0.29 228	0.29 198	0.27 219	0.31 207	0.28 214	1.59 447	1.47 458	0.30 200	0.29 233	0.30 188	0.28 217

ssnet_v2	0.68 305	1.96 395	1.25 439	0.29 165	0.20 188	0.30 196	0.20 175	0.29 190	0.22 186	1.50 450	0.20 187	0.31 205	0.20 185	0.27 196	0.22 186	0.24 174	1.49 459	0.26 187	0.18 184	3.90 501	0.19 171

ARAFT	0.68 305	0.81 230	0.63 318	0.74 302	0.60 349	0.78 350	0.62 341	0.77 341	0.66 350	0.74 350	0.63 351	0.75 352	0.62 342	0.83 355	0.60 341	0.70 330	0.55 311	0.70 349	0.60 349	0.78 329	0.55 333

NINENet	0.69 308	3.87 479	1.20 388	1.98 442	0.05 99	0.40 237	0.04 81	0.40 231	0.05 97	0.41 245	0.04 88	0.41 253	0.05 94	0.40 241	0.05 88	1.79 453	1.56 465	0.34 222	0.22 189	0.34 205	0.23 179

RAFT-Stereo + iAFF	0.70 309	0.72 221	0.71 333	0.80 307	0.62 356	0.82 355	0.61 340	0.81 347	0.62 344	0.81 357	0.63 351	0.80 358	0.70 355	0.73 346	0.61 343	0.76 335	0.61 323	0.74 352	0.61 351	0.77 328	0.61 341

DMCA-RVC	0.70 309	0.80 227	0.70 330	0.70 297	0.70 369	0.70 343	0.70 357	0.71 337	0.70 358	0.70 343	0.71 368	0.71 345	0.70 355	0.70 342	0.69 356	0.69 327	0.70 335	0.69 347	0.70 366	0.69 320	0.70 354

MyStereo8	0.71 311	3.92 480	0.52 302	0.59 280	0.52 340	0.57 330	0.53 333	0.59 321	0.50 326	0.59 329	0.51 339	0.57 329	0.50 326	0.56 323	0.52 332	0.54 304	0.49 295	0.54 332	0.49 332	0.55 306	0.50 321

HH	0.71 311	2.54 431	0.74 340	1.10 345	0.32 245	0.41 253	0.37 271	0.69 334	0.78 371	0.73 345	0.90 383	0.75 352	1.00 380	0.84 356	0.69 356	0.69 327	0.40 254	0.35 235	0.26 213	0.35 217	0.26 196

HanStereo	0.71 311	2.54 431	0.74 340	1.10 345	0.32 245	0.41 253	0.37 271	0.69 334	0.78 371	0.73 345	0.90 383	0.75 352	1.00 380	0.84 356	0.69 356	0.69 327	0.40 254	0.35 235	0.26 213	0.35 217	0.26 196

ktn	0.72 314	0.53 204	1.08 374	1.14 351	0.51 339	1.22 440	1.36 465	0.51 304	0.59 340	0.51 309	0.51 339	0.69 344	1.20 401	0.67 340	0.51 330	0.51 299	0.49 295	0.58 335	0.66 357	0.52 301	0.53 328

CroCo-Stereo	0.73 315	1.22 351	0.25 178	1.22 407	0.25 208	1.22 440	0.25 200	1.22 433	0.25 199	1.22 441	0.25 208	1.22 444	0.25 202	1.22 444	0.25 202	1.22 428	0.26 184	1.21 450	0.25 207	1.22 429	0.25 190
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
AFF-stereo	0.73 315	0.88 240	0.67 327	0.75 303	0.68 366	0.75 347	0.64 343	0.80 344	0.72 365	0.83 358	0.70 364	0.82 361	0.64 343	0.84 356	0.67 349	0.77 336	0.63 325	0.81 363	0.63 353	0.78 329	0.62 344

AIO-Stereo-zeroshot1	0.75 317	0.92 252	0.85 353	0.96 332	0.59 348	1.27 443	0.44 303	0.59 321	0.69 355	0.91 363	0.68 359	0.55 325	0.61 341	1.06 383	0.83 376	0.62 319	0.70 335	0.90 373	0.41 307	0.89 346	0.56 336

MyStereo06	0.75 317	4.12 481	0.60 314	0.63 286	0.61 353	0.62 336	0.66 346	0.56 313	0.45 308	0.55 321	0.48 328	0.54 321	0.46 309	0.57 327	0.45 306	0.60 312	0.57 315	0.64 341	0.55 340	0.72 322	0.55 333

GCAP-Stereo	0.75 317	4.15 484	0.42 261	0.75 303	0.35 269	0.78 350	0.40 287	0.79 342	0.38 277	0.78 353	0.36 272	0.78 355	0.36 267	0.79 351	0.39 284	0.75 334	0.39 251	0.76 355	0.39 299	0.75 326	0.39 281

GANet-RSSM	0.75 317	1.91 388	0.14 125	0.47 240	0.14 154	0.21 166	3.21 533	2.30 480	0.14 154	0.46 272	0.14 158	0.23 173	0.18 176	0.21 166	0.14 148	0.18 147	0.27 189	0.37 243	0.13 154	2.13 462	2.12 506

RSM++	0.76 321	0.82 232	0.66 324	0.85 314	0.64 357	0.85 356	0.71 360	0.94 362	0.64 347	0.87 359	0.67 358	0.87 363	0.65 345	0.84 356	0.65 345	0.81 341	0.70 335	0.79 358	0.71 369	0.83 341	0.70 354

CroCo-Stereo Lap2	0.77 322	1.29 355	0.29 192	1.27 411	0.29 228	1.27 443	0.26 208	1.26 436	0.26 212	1.26 442	0.26 214	1.27 446	0.26 211	1.26 445	0.27 208	1.27 430	0.27 189	1.27 453	0.27 220	1.27 431	0.27 204

PSMNet-RSSM	0.77 322	2.76 448	0.14 125	0.20 132	0.14 154	0.20 159	2.66 514	2.79 505	0.14 154	0.21 164	0.14 158	0.21 163	0.14 155	0.20 156	0.14 148	0.17 139	0.12 109	0.17 150	0.12 146	2.52 484	2.31 511

GwcNet-RSSM	0.77 322	2.77 450	0.14 125	0.20 132	0.14 154	0.20 159	2.67 515	2.78 504	0.14 154	0.20 155	0.14 158	0.20 156	0.14 155	0.21 166	0.14 148	0.17 139	0.12 109	0.17 150	0.12 146	2.52 484	2.31 511

4D-IteraStereo	0.78 325	3.13 459	0.89 354	0.69 295	0.32 245	0.40 237	0.32 235	0.76 340	0.97 392	0.52 312	0.65 355	0.89 366	0.32 246	0.76 350	0.98 388	0.83 346	0.94 361	0.35 235	0.27 220	0.70 321	0.89 377

hitnet-ft	0.79 326	2.78 452	0.14 125	0.20 132	0.14 154	0.21 166	2.89 517	2.80 506	0.14 154	0.20 155	0.14 158	0.20 156	0.14 155	0.20 156	0.14 148	0.17 139	0.12 109	0.17 150	0.12 146	2.54 492	2.33 513

G-Net	0.79 326	0.79 226	0.79 348	0.79 305	0.79 380	0.79 352	0.79 368	0.79 342	0.79 374	0.79 354	0.79 378	0.79 357	0.79 368	0.79 351	0.79 370	0.79 337	0.79 348	0.79 358	0.79 376	0.79 331	0.79 368

MyStereo05	0.80 328	4.12 481	0.63 318	0.63 286	0.61 353	0.62 336	0.66 346	0.65 329	0.62 344	0.67 340	0.61 349	0.65 341	0.58 338	0.67 340	0.55 337	0.60 312	0.57 315	0.64 341	0.55 340	0.72 322	0.55 333

UDG	0.80 328	2.21 410	0.60 314	0.91 319	0.60 349	0.90 362	0.58 338	0.88 352	0.60 341	0.90 361	0.60 346	0.88 364	0.60 340	0.90 364	0.58 339	0.86 350	0.60 319	0.84 369	0.59 348	0.84 342	0.61 341

ccnet	0.80 328	2.28 414	0.33 213	0.50 257	0.33 256	0.50 307	0.33 244	0.50 294	0.33 250	0.49 292	0.33 252	0.49 296	1.56 466	2.38 483	0.33 246	0.41 254	0.29 204	0.42 289	1.57 478	2.28 468	0.29 222

NaN_ROB	0.80 328	0.80 227	0.80 349	0.80 307	0.80 382	0.80 353	0.80 371	0.80 344	0.80 375	0.80 355	0.80 379	0.80 358	0.80 369	0.80 353	0.80 372	0.80 338	0.80 351	0.80 361	0.80 378	0.80 334	0.80 369

CSAN	0.80 328	0.80 227	0.80 349	0.80 307	0.80 382	0.80 353	0.80 371	0.80 344	0.80 375	0.80 355	0.80 379	0.80 358	0.80 369	0.80 353	0.80 372	0.80 338	0.80 351	0.80 361	0.80 378	0.80 334	0.80 369

BSDual-CNN	0.81 333	1.91 388	0.92 361	4.48 505	0.02 21	0.42 271	0.06 105	0.41 246	0.02 21	0.48 285	0.03 52	0.02 20	0.02 21	0.03 39	0.02 20	1.97 463	4.19 528	0.33 215	0.23 194	0.34 205	0.27 204

DDUNet	0.81 333	2.45 429	0.57 311	0.90 317	0.60 349	0.88 359	0.59 339	0.90 353	0.60 341	0.88 360	0.60 346	0.90 367	0.58 338	0.88 361	0.60 341	0.84 348	0.60 319	0.86 371	0.57 346	0.86 343	0.60 340

R-Stereo Train	0.81 333	0.96 258	0.67 327	0.95 329	0.67 363	0.95 367	0.68 351	0.95 364	0.68 352	0.95 371	0.68 359	0.96 375	0.68 351	0.96 374	0.68 352	0.94 360	0.68 330	0.94 379	0.68 362	0.94 355	0.68 351

RAFT-Stereo	0.81 333	0.96 258	0.67 327	0.95 329	0.67 363	0.95 367	0.68 351	0.95 364	0.68 352	0.95 371	0.68 359	0.96 375	0.68 351	0.96 374	0.68 352	0.94 360	0.68 330	0.94 379	0.68 362	0.94 355	0.68 351
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
gwcnet-sp	0.82 337	1.72 372	1.48 461	0.39 196	0.15 165	0.31 201	0.21 180	0.20 156	0.25 199	1.61 454	0.23 196	0.28 193	0.26 211	0.20 156	0.15 158	0.24 174	1.33 445	0.32 207	0.16 162	6.75 539	0.23 179

scenet	0.82 337	1.72 372	1.48 461	0.39 196	0.15 165	0.31 201	0.21 180	0.20 156	0.25 199	1.61 454	0.23 196	0.28 193	0.26 211	0.20 156	0.15 158	0.24 174	1.33 445	0.32 207	0.16 162	6.75 539	0.23 179

ssnet	0.82 337	1.72 372	1.48 461	0.39 196	0.15 165	0.31 201	0.21 180	0.20 156	0.25 199	1.61 454	0.23 196	0.28 193	0.26 211	0.20 156	0.15 158	0.24 174	1.33 445	0.32 207	0.16 162	6.75 539	0.23 179

DEFOM-Stereo_RVC	0.83 340	5.18 497	1.98 499	2.19 447	0.17 175	0.19 154	0.18 168	0.19 151	0.16 166	0.20 155	0.19 183	0.22 169	0.22 190	0.20 156	0.15 158	2.28 480	2.13 498	0.24 183	0.17 180	0.18 152	0.16 153

BUS	0.83 340	1.91 388	0.92 361	4.48 505	0.02 21	0.40 237	0.04 81	0.41 246	0.02 21	0.48 285	0.03 52	0.41 253	0.05 94	0.03 39	0.05 88	1.97 463	4.19 528	0.33 215	0.23 194	0.34 205	0.27 204

PDISCO_ROB	0.83 340	2.80 453	3.49 527	0.14 96	0.11 133	0.17 147	0.09 110	0.15 137	0.10 115	0.15 130	0.12 141	0.16 136	0.14 155	3.30 512	0.13 144	0.14 114	2.34 503	0.16 142	0.12 146	2.62 493	0.10 113

AIO-Stereo	0.84 343	0.66 218	0.70 330	0.83 311	0.67 363	0.98 370	0.82 374	1.14 376	0.72 365	1.03 379	0.74 374	1.03 383	1.09 389	0.99 376	0.45 306	1.04 366	0.73 341	0.95 381	0.74 371	0.94 355	0.46 304

DCRE	0.84 343	1.89 385	0.77 344	0.94 327	0.72 373	0.88 359	0.73 363	0.87 349	0.78 371	0.90 361	0.71 368	0.88 364	0.67 350	0.88 361	0.73 364	0.81 341	0.68 330	0.81 363	0.70 366	0.82 339	0.70 354

iGMRVC	0.84 343	2.85 454	0.72 336	0.72 300	0.73 374	0.77 348	0.79 368	0.73 339	0.74 370	0.73 345	0.72 371	0.73 350	0.76 365	0.73 346	0.73 364	0.72 332	0.73 341	0.73 351	0.72 370	0.73 325	0.72 358

AdaDepth	0.86 346	0.93 254	0.71 333	1.01 339	1.07 405	1.02 377	0.71 360	1.00 366	0.71 363	1.01 377	0.71 368	1.00 378	0.72 360	1.14 393	0.71 362	0.92 355	0.64 326	0.90 373	0.64 354	0.89 346	0.69 353

GEStereo_RVC	0.86 346	4.45 487	0.20 161	0.27 163	0.20 188	0.27 192	0.20 175	0.26 183	0.18 173	5.03 540	0.20 187	0.27 192	0.19 181	0.27 196	0.21 184	0.20 151	0.19 165	0.19 162	4.02 544	0.20 159	0.18 169

Selective-RAFT-Error	0.88 348	0.84 233	0.98 366	0.86 315	0.97 396	0.88 359	0.95 385	0.84 348	0.99 395	0.92 365	0.82 381	0.84 362	0.98 379	0.87 360	0.97 387	0.81 341	0.83 354	0.79 358	0.82 381	0.79 331	0.85 374

IER	0.88 348	7.04 516	2.23 504	2.75 465	0.28 221	0.43 275	0.25 200	0.39 226	0.25 199	0.41 245	0.27 218	0.39 234	0.25 202	0.40 241	0.28 214	0.37 225	0.28 195	0.37 243	0.25 207	0.37 226	0.25 190

Selective-RAFT	0.89 350	0.89 243	0.72 336	1.16 358	0.78 379	1.06 380	0.82 374	0.87 349	0.97 392	1.00 373	0.91 386	0.90 367	1.00 380	0.89 363	0.93 384	0.83 346	0.83 354	0.82 367	0.82 381	0.81 337	0.82 372

AIO-Stereo-zeroshot	0.91 351	0.86 236	0.89 354	1.25 410	0.69 367	1.05 379	0.81 373	1.16 379	0.50 326	1.12 388	0.97 391	0.72 348	0.82 371	1.06 383	0.95 385	0.61 316	0.87 356	1.03 391	0.85 384	1.04 364	1.01 391

CFNet-RSSM	0.91 351	4.89 493	0.34 223	0.44 232	1.07 405	1.62 460	1.40 472	0.91 355	0.35 262	1.60 451	1.39 472	0.64 338	0.34 258	0.44 272	0.33 246	0.41 254	0.35 233	0.75 353	0.30 243	0.41 257	0.29 222

MLG-Stereo	0.92 353	0.90 245	0.84 352	1.27 411	0.49 330	1.38 450	0.88 377	1.41 446	0.97 392	0.73 345	1.09 399	1.26 445	0.43 302	0.72 344	1.05 395	1.13 377	0.49 295	1.18 403	0.66 357	1.01 362	0.46 304

ToySt	0.92 353	2.11 401	0.90 357	0.95 329	0.79 380	0.99 371	0.78 367	0.94 362	0.81 378	0.94 369	0.78 377	0.95 374	0.77 366	0.94 370	0.86 378	0.91 352	0.79 348	0.85 370	0.77 373	0.89 346	0.73 361

DPSM_ROB	0.92 353	0.91 247	0.91 359	0.91 319	0.92 391	0.92 364	0.92 381	0.92 358	0.91 382	0.93 367	0.91 386	0.92 370	0.90 373	0.91 365	0.92 380	0.92 355	0.91 357	0.91 376	0.92 385	0.93 353	0.93 381

DPSM	0.92 353	0.91 247	0.91 359	0.91 319	0.92 391	0.92 364	0.92 381	0.92 358	0.91 382	0.93 367	0.91 386	0.92 370	0.90 373	0.91 365	0.92 380	0.92 355	0.91 357	0.91 376	0.92 385	0.93 353	0.93 381

pmcnn	0.92 353	0.92 252	0.92 361	0.92 322	0.92 391	0.92 364	0.92 381	0.92 358	0.92 386	0.92 365	0.92 389	0.92 370	0.92 375	0.92 369	0.92 380	0.92 355	0.92 359	0.92 378	0.92 385	0.92 352	0.92 380

error version	0.93 358	4.47 488	2.35 507	1.99 443	0.37 278	0.41 253	0.36 266	0.41 246	0.35 262	0.43 263	0.36 272	0.41 253	0.40 282	0.41 255	0.36 266	1.87 456	2.16 499	0.47 304	0.37 283	0.39 242	0.33 250

test_1	0.93 358	4.47 488	2.35 507	1.99 443	0.37 278	0.41 253	0.36 266	0.41 246	0.35 262	0.43 263	0.36 272	0.41 253	0.40 282	0.41 255	0.36 266	1.87 456	2.16 499	0.47 304	0.37 283	0.39 242	0.33 250

DGTPSM_ROB	0.93 358	1.00 265	0.92 361	0.94 327	0.96 395	0.91 363	0.92 381	0.91 355	0.96 391	0.91 363	0.96 390	0.93 373	0.92 375	0.94 370	0.92 380	0.92 355	0.92 359	0.90 373	0.92 385	0.94 355	0.91 379

HSM-Net_RVC	0.95 361	1.17 296	0.78 345	1.18 360	0.71 371	1.16 393	0.75 365	1.09 374	0.80 375	1.10 383	0.75 375	1.17 396	0.74 362	1.17 396	0.80 372	1.13 377	0.73 341	1.17 400	0.77 373	1.16 373	0.72 358
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
iRaftStereo_RVC	0.97 362	3.17 461	2.30 506	2.42 459	0.38 285	0.54 323	0.38 277	0.54 310	0.38 277	0.54 318	0.38 283	0.54 321	0.38 275	0.54 319	0.38 277	2.38 487	2.34 503	0.49 317	0.36 281	0.49 288	0.36 264

DPSimNet_ROB	0.97 362	1.18 298	0.81 351	1.10 345	0.91 390	1.02 377	0.82 374	1.04 371	0.91 382	1.03 379	0.86 382	1.28 447	0.82 371	1.03 382	0.89 379	1.17 380	0.81 353	1.02 390	0.82 381	1.08 366	0.81 371

test-3	0.98 364	4.13 483	1.85 488	1.85 435	0.61 353	0.69 342	0.37 271	0.63 327	0.61 343	0.66 339	0.51 339	0.73 350	0.44 304	0.57 327	0.54 335	1.68 451	1.81 483	0.40 265	0.43 315	0.66 314	0.50 321

999	1.00 365	1.12 290	0.59 312	1.10 345	1.21 463	1.09 385	0.52 332	1.08 372	1.43 474	1.18 393	1.35 466	0.98 377	0.52 332	0.91 365	0.85 377	0.72 332	1.46 457	0.83 368	0.98 390	0.68 316	1.41 474

DispNO	1.00 365	0.63 215	0.43 262	3.45 491	0.44 314	0.65 339	0.43 302	0.64 328	0.43 304	0.64 336	0.43 309	0.64 338	3.03 510	0.64 336	0.43 304	4.55 517	0.43 274	0.63 340	0.43 315	0.63 312	0.43 298

GANet	1.00 365	1.00 265	1.00 368	1.00 336	1.00 397	1.00 372	1.00 389	1.00 366	1.00 396	1.00 373	1.00 393	1.00 378	1.00 380	1.00 377	1.00 390	1.00 362	1.00 362	1.00 386	1.00 392	1.00 359	1.00 388

TDLM	1.00 365	1.00 265	1.00 368	1.00 336	1.00 397	1.00 372	1.00 389	1.00 366	1.00 396	1.00 373	1.00 393	1.00 378	1.00 380	1.00 377	1.00 390	1.00 362	1.00 362	1.00 386	1.00 392	1.00 359	1.00 388

CVANet_RVC	1.00 365	1.00 265	1.00 368	1.00 336	1.00 397	1.00 372	1.00 389	1.00 366	1.00 396	1.00 373	1.00 393	1.00 378	1.00 380	1.00 377	1.00 390	1.00 362	1.00 362	1.00 386	1.00 392	1.00 359	1.00 388

trnet	1.01 370	1.01 271	1.01 371	1.01 339	1.01 401	1.01 376	1.01 392	1.01 370	1.01 399	1.01 377	1.01 396	1.01 382	1.01 386	1.01 381	1.01 393	1.01 365	1.01 365	1.01 389	1.01 396	1.01 362	1.01 391

LL-Strereo	1.01 370	5.06 495	1.63 468	0.70 297	1.43 473	0.56 325	0.46 309	0.57 316	0.50 326	0.57 325	0.50 333	1.58 455	0.49 323	0.59 329	0.50 325	1.64 450	0.52 307	0.51 326	1.37 466	0.52 301	0.45 303

FlowAnything_test	1.02 372	1.72 372	0.71 333	1.59 425	0.70 369	1.61 458	0.69 354	1.61 448	0.70 358	1.60 451	0.70 364	1.61 459	0.69 353	1.61 455	0.70 360	0.81 341	0.58 317	0.81 363	0.55 340	0.81 337	0.56 336

FlowAnything	1.02 372	1.71 371	0.72 336	1.59 425	0.69 367	1.60 457	0.69 354	1.61 448	0.70 358	1.60 451	0.69 362	1.60 456	0.69 353	1.61 455	0.69 356	0.81 341	0.58 317	0.81 363	0.56 344	0.82 339	0.56 336

tt45	1.04 374	0.88 240	1.36 451	0.92 322	1.03 403	1.51 456	0.79 368	0.70 336	0.88 380	0.74 350	0.90 383	1.60 456	0.72 360	1.60 453	0.75 367	0.91 352	0.78 347	1.52 465	0.79 376	1.14 369	1.32 466

GLC_STEREO	1.07 375	1.01 271	1.06 373	1.07 343	1.05 404	1.06 380	1.08 396	1.08 372	1.05 402	1.07 381	1.06 398	1.08 385	1.05 388	1.06 383	1.10 397	1.07 368	1.09 375	1.05 392	1.05 397	1.06 365	1.12 398

FC-DCNN	1.07 375	1.09 286	0.98 366	0.89 316	0.52 340	1.41 453	0.91 380	1.21 432	1.24 460	1.96 463	2.05 515	1.91 464	1.30 454	1.27 446	1.08 396	0.80 338	0.60 319	0.58 335	0.41 307	0.68 316	0.54 329

hknet	1.10 377	1.85 381	3.49 527	4.48 505	0.02 21	0.42 271	0.06 105	0.41 246	0.02 21	0.48 285	0.03 52	0.41 253	0.03 52	0.42 268	0.03 48	4.39 514	4.19 528	0.33 215	0.23 194	0.34 205	0.27 204

test_xeample3	1.10 377	1.81 378	0.61 316	0.84 312	0.49 330	0.77 348	0.66 346	0.92 358	1.40 472	0.68 342	0.46 316	0.78 355	0.54 336	1.72 458	1.48 474	1.34 434	1.52 461	1.35 458	1.67 491	1.33 433	1.55 478

DISCO	1.11 379	0.39 149	5.28 540	0.39 196	0.20 188	0.39 235	0.27 211	0.39 226	0.22 186	0.38 222	0.20 187	0.38 230	0.20 185	6.95 551	0.22 186	0.30 194	0.21 170	0.27 191	0.21 186	5.25 532	0.21 174

Occ-G	1.12 380	0.52 201	3.72 532	3.50 495	0.50 334	0.56 325	0.47 314	0.54 310	0.46 309	0.54 318	0.41 297	0.54 321	0.42 299	0.52 315	0.42 302	3.42 508	4.02 527	0.52 329	0.45 317	0.51 299	0.44 301

AEACV	1.12 380	0.52 201	3.12 524	3.24 480	0.86 384	0.53 320	0.49 325	0.60 323	0.47 314	0.53 315	0.49 331	0.55 325	0.45 306	0.55 322	0.47 316	3.01 504	3.88 525	0.71 350	0.60 349	0.80 334	0.48 313

MSMD_ROB	1.19 382	1.10 289	0.70 330	1.10 345	0.60 349	1.10 386	0.70 357	1.10 375	0.70 358	1.10 383	0.70 364	1.10 389	0.70 355	7.00 552	0.70 360	1.10 371	0.70 335	1.10 393	0.70 366	1.10 367	0.70 354

MM-Stereo_test2	1.20 383	1.85 381	1.05 372	1.46 422	0.94 394	1.36 448	0.99 388	1.36 441	0.95 389	1.41 447	0.98 392	1.40 452	0.96 377	1.37 448	0.95 385	1.37 438	1.06 368	1.33 455	0.93 389	1.29 432	0.89 377

ours_stereo	1.20 383	1.21 346	0.90 357	1.64 433	1.11 407	1.35 446	0.67 350	1.76 455	0.93 387	1.70 459	1.10 400	1.39 450	0.75 364	1.41 450	0.81 375	1.60 449	1.03 367	1.33 455	1.00 392	1.61 443	0.72 358

DisPM	1.20 383	1.20 300	1.20 388	1.20 362	1.20 417	1.20 394	1.20 407	1.20 387	1.20 412	1.20 395	1.20 409	1.20 398	1.20 401	1.20 398	1.20 409	1.20 382	1.20 390	1.20 405	1.20 409	1.20 382	1.20 412

CrosDoStereo	1.20 383	1.20 300	1.20 388	1.20 362	1.20 417	1.20 394	1.20 407	1.20 387	1.20 412	1.20 395	1.20 409	1.20 398	1.20 401	1.20 398	1.20 409	1.20 382	1.20 390	1.20 405	1.20 409	1.20 382	1.20 412

PFNet+	1.20 383	1.20 300	1.20 388	1.20 362	1.20 417	1.20 394	1.20 407	1.20 387	1.20 412	1.20 395	1.20 409	1.20 398	1.20 401	1.20 398	1.20 409	1.20 382	1.20 390	1.20 405	1.20 409	1.20 382	1.20 412

LCNet	1.20 383	1.20 300	1.20 388	1.20 362	1.20 417	1.20 394	1.20 407	1.20 387	1.20 412	1.20 395	1.20 409	1.20 398	1.20 401	1.20 398	1.20 409	1.20 382	1.20 390	1.20 405	1.20 409	1.20 382	1.20 412

HHNet	1.20 383	1.20 300	1.20 388	1.20 362	1.20 417	1.20 394	1.20 407	1.20 387	1.20 412	1.20 395	1.20 409	1.20 398	1.20 401	1.20 398	1.20 409	1.20 382	1.20 390	1.20 405	1.20 409	1.20 382	1.20 412

Patchmatch Stereo++	1.20 383	1.20 300	1.20 388	1.20 362	1.20 417	1.20 394	1.20 407	1.20 387	1.20 412	1.20 395	1.20 409	1.20 398	1.20 401	1.20 398	1.20 409	1.20 382	1.20 390	1.20 405	1.20 409	1.20 382	1.20 412
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
AAGNet	1.20 383	1.20 300	1.20 388	1.20 362	1.20 417	1.20 394	1.20 407	1.20 387	1.20 412	1.20 395	1.20 409	1.20 398	1.20 401	1.20 398	1.20 409	1.20 382	1.20 390	1.20 405	1.20 409	1.20 382	1.20 412

STrans-v2	1.20 383	1.20 300	1.20 388	1.20 362	1.20 417	1.20 394	1.20 407	1.20 387	1.20 412	1.20 395	1.20 409	1.20 398	1.20 401	1.20 398	1.20 409	1.20 382	1.20 390	1.20 405	1.20 409	1.20 382	1.20 412

TransformOpticalFlow	1.20 383	1.20 300	1.20 388	1.20 362	1.20 417	1.20 394	1.20 407	1.20 387	1.20 412	1.20 395	1.20 409	1.20 398	1.20 401	1.20 398	1.20 409	1.20 382	1.20 390	1.20 405	1.20 409	1.20 382	1.20 412

OMP-Stereo	1.20 383	1.20 300	1.20 388	1.20 362	1.20 417	1.20 394	1.20 407	1.20 387	1.20 412	1.20 395	1.20 409	1.20 398	1.20 401	1.20 398	1.20 409	1.20 382	1.20 390	1.20 405	1.20 409	1.20 382	1.20 412

IIG-Stereo	1.20 383	1.20 300	1.20 388	1.20 362	1.20 417	1.20 394	1.20 407	1.20 387	1.20 412	1.20 395	1.20 409	1.20 398	1.20 401	1.20 398	1.20 409	1.20 382	1.20 390	1.20 405	1.20 409	1.20 382	1.20 412

NF-Stereo	1.20 383	1.20 300	1.20 388	1.20 362	1.20 417	1.20 394	1.20 407	1.20 387	1.20 412	1.20 395	1.20 409	1.20 398	1.20 401	1.20 398	1.20 409	1.20 382	1.20 390	1.20 405	1.20 409	1.20 382	1.20 412

OCTAStereo	1.20 383	1.20 300	1.20 388	1.20 362	1.20 417	1.20 394	1.20 407	1.20 387	1.20 412	1.20 395	1.20 409	1.20 398	1.20 401	1.20 398	1.20 409	1.20 382	1.20 390	1.20 405	1.20 409	1.20 382	1.20 412

PSM-softLoss	1.20 383	1.20 300	1.20 388	1.20 362	1.20 417	1.20 394	1.20 407	1.20 387	1.20 412	1.20 395	1.20 409	1.20 398	1.20 401	1.20 398	1.20 409	1.20 382	1.20 390	1.20 405	1.20 409	1.20 382	1.20 412

KMStereo	1.20 383	1.20 300	1.20 388	1.20 362	1.20 417	1.20 394	1.20 407	1.20 387	1.20 412	1.20 395	1.20 409	1.20 398	1.20 401	1.20 398	1.20 409	1.20 382	1.20 390	1.20 405	1.20 409	1.20 382	1.20 412

NRIStereo	1.20 383	1.20 300	1.20 388	1.20 362	1.20 417	1.20 394	1.20 407	1.20 387	1.20 412	1.20 395	1.20 409	1.20 398	1.20 401	1.20 398	1.20 409	1.20 382	1.20 390	1.20 405	1.20 409	1.20 382	1.20 412

PSM-adaLoss	1.20 383	1.20 300	1.20 388	1.20 362	1.20 417	1.20 394	1.20 407	1.20 387	1.20 412	1.20 395	1.20 409	1.20 398	1.20 401	1.20 398	1.20 409	1.20 382	1.20 390	1.20 405	1.20 409	1.20 382	1.20 412

PSM-AAD	1.20 383	1.20 300	1.20 388	1.20 362	1.20 417	1.20 394	1.20 407	1.20 387	1.20 412	1.20 395	1.20 409	1.20 398	1.20 401	1.20 398	1.20 409	1.20 382	1.20 390	1.20 405	1.20 409	1.20 382	1.20 412

FTStereo	1.20 383	1.20 300	1.20 388	1.20 362	1.20 417	1.20 394	1.20 407	1.20 387	1.20 412	1.20 395	1.20 409	1.20 398	1.20 401	1.20 398	1.20 409	1.20 382	1.20 390	1.20 405	1.20 409	1.20 382	1.20 412

ROB_FTStereo_v2	1.20 383	1.20 300	1.20 388	1.20 362	1.20 417	1.20 394	1.20 407	1.20 387	1.20 412	1.20 395	1.20 409	1.20 398	1.20 401	1.20 398	1.20 409	1.20 382	1.20 390	1.20 405	1.20 409	1.20 382	1.20 412

ROB_FTStereo	1.20 383	1.20 300	1.20 388	1.20 362	1.20 417	1.20 394	1.20 407	1.20 387	1.20 412	1.20 395	1.20 409	1.20 398	1.20 401	1.20 398	1.20 409	1.20 382	1.20 390	1.20 405	1.20 409	1.20 382	1.20 412

Consistency-Raft	1.20 383	1.20 300	1.20 388	1.20 362	1.20 417	1.20 394	1.20 407	1.20 387	1.20 412	1.20 395	1.20 409	1.20 398	1.20 401	1.20 398	1.20 409	1.20 382	1.20 390	1.20 405	1.20 409	1.20 382	1.20 412

KYRaft	1.20 383	1.20 300	1.20 388	1.20 362	1.20 417	1.20 394	1.20 407	1.20 387	1.20 412	1.20 395	1.20 409	1.20 398	1.20 401	1.20 398	1.20 409	1.20 382	1.20 390	1.20 405	1.20 409	1.20 382	1.20 412

HUI-Stereo	1.20 383	1.20 300	1.20 388	1.20 362	1.20 417	1.20 394	1.20 407	1.20 387	1.20 412	1.20 395	1.20 409	1.20 398	1.20 401	1.20 398	1.20 409	1.20 382	1.20 390	1.20 405	1.20 409	1.20 382	1.20 412

ASMatch	1.20 383	1.20 300	1.20 388	1.20 362	1.20 417	1.20 394	1.20 407	1.20 387	1.20 412	1.20 395	1.20 409	1.20 398	1.20 401	1.20 398	1.20 409	1.20 382	1.20 390	1.20 405	1.20 409	1.20 382	1.20 412

DeepStereo_LL	1.20 383	1.20 300	1.20 388	1.20 362	1.20 417	1.20 394	1.20 407	1.20 387	1.20 412	1.20 395	1.20 409	1.20 398	1.20 401	1.20 398	1.20 409	1.20 382	1.20 390	1.20 405	1.20 409	1.20 382	1.20 412

DEmStereo	1.20 383	1.20 300	1.20 388	1.20 362	1.20 417	1.20 394	1.20 407	1.20 387	1.20 412	1.20 395	1.20 409	1.20 398	1.20 401	1.20 398	1.20 409	1.20 382	1.20 390	1.20 405	1.20 409	1.20 382	1.20 412

SST-Stereo	1.20 383	1.20 300	1.20 388	1.20 362	1.20 417	1.20 394	1.20 407	1.20 387	1.20 412	1.20 395	1.20 409	1.20 398	1.20 401	1.20 398	1.20 409	1.20 382	1.20 390	1.20 405	1.20 409	1.20 382	1.20 412

THIR-Stereo	1.20 383	1.20 300	1.20 388	1.20 362	1.20 417	1.20 394	1.20 407	1.20 387	1.20 412	1.20 395	1.20 409	1.20 398	1.20 401	1.20 398	1.20 409	1.20 382	1.20 390	1.20 405	1.20 409	1.20 382	1.20 412

RAFT_R40	1.20 383	1.20 300	1.20 388	1.20 362	1.20 417	1.20 394	1.20 407	1.20 387	1.20 412	1.20 395	1.20 409	1.20 398	1.20 401	1.20 398	1.20 409	1.20 382	1.20 390	1.20 405	1.20 409	1.20 382	1.20 412

DRaft	1.20 383	1.20 300	1.20 388	1.20 362	1.20 417	1.20 394	1.20 407	1.20 387	1.20 412	1.20 395	1.20 409	1.20 398	1.20 401	1.20 398	1.20 409	1.20 382	1.20 390	1.20 405	1.20 409	1.20 382	1.20 412

PFNet	1.20 383	1.20 300	1.20 388	1.20 362	1.20 417	1.20 394	1.20 407	1.20 387	1.20 412	1.20 395	1.20 409	1.20 398	1.20 401	1.20 398	1.20 409	1.20 382	1.20 390	1.20 405	1.20 409	1.20 382	1.20 412

GrayStereo	1.20 383	1.20 300	1.20 388	1.20 362	1.20 417	1.20 394	1.20 407	1.20 387	1.20 412	1.20 395	1.20 409	1.20 398	1.20 401	1.20 398	1.20 409	1.20 382	1.20 390	1.20 405	1.20 409	1.20 382	1.20 412

RE-Stereo	1.20 383	1.20 300	1.20 388	1.20 362	1.20 417	1.20 394	1.20 407	1.20 387	1.20 412	1.20 395	1.20 409	1.20 398	1.20 401	1.20 398	1.20 409	1.20 382	1.20 390	1.20 405	1.20 409	1.20 382	1.20 412

Pruner-Stereo	1.20 383	1.20 300	1.20 388	1.20 362	1.20 417	1.20 394	1.20 407	1.20 387	1.20 412	1.20 395	1.20 409	1.20 398	1.20 401	1.20 398	1.20 409	1.20 382	1.20 390	1.20 405	1.20 409	1.20 382	1.20 412

TVStereo	1.20 383	1.20 300	1.20 388	1.20 362	1.20 417	1.20 394	1.20 407	1.20 387	1.20 412	1.20 395	1.20 409	1.20 398	1.20 401	1.20 398	1.20 409	1.20 382	1.20 390	1.20 405	1.20 409	1.20 382	1.20 412

DeepStereo_RVC	1.20 383	1.20 300	1.20 388	1.20 362	1.20 417	1.20 394	1.20 407	1.20 387	1.20 412	1.20 395	1.20 409	1.20 398	1.20 401	1.20 398	1.20 409	1.20 382	1.20 390	1.20 405	1.20 409	1.20 382	1.20 412

RAFT-RH_RVC	1.20 383	1.20 300	1.20 388	1.20 362	1.20 417	1.20 394	1.20 407	1.20 387	1.20 412	1.20 395	1.20 409	1.20 398	1.20 401	1.20 398	1.20 409	1.20 382	1.20 390	1.20 405	1.20 409	1.20 382	1.20 412

IRAFT_RVC	1.20 383	1.20 300	1.20 388	1.20 362	1.20 417	1.20 394	1.20 407	1.20 387	1.20 412	1.20 395	1.20 409	1.20 398	1.20 401	1.20 398	1.20 409	1.20 382	1.20 390	1.20 405	1.20 409	1.20 382	1.20 412

RAFT-345	1.20 383	1.20 300	1.20 388	1.20 362	1.20 417	1.20 394	1.20 407	1.20 387	1.20 412	1.20 395	1.20 409	1.20 398	1.20 401	1.20 398	1.20 409	1.20 382	1.20 390	1.20 405	1.20 409	1.20 382	1.20 412

iRAFT	1.20 383	1.20 300	1.20 388	1.20 362	1.20 417	1.20 394	1.20 407	1.20 387	1.20 412	1.20 395	1.20 409	1.20 398	1.20 401	1.20 398	1.20 409	1.20 382	1.20 390	1.20 405	1.20 409	1.20 382	1.20 412

CRE-IMP	1.20 383	1.20 300	1.20 388	1.20 362	1.20 417	1.20 394	1.20 407	1.20 387	1.20 412	1.20 395	1.20 409	1.20 398	1.20 401	1.20 398	1.20 409	1.20 382	1.20 390	1.20 405	1.20 409	1.20 382	1.20 412

GMM-Stereo	1.20 383	1.20 300	1.20 388	1.20 362	1.20 417	1.20 394	1.20 407	1.20 387	1.20 412	1.20 395	1.20 409	1.20 398	1.20 401	1.20 398	1.20 409	1.20 382	1.20 390	1.20 405	1.20 409	1.20 382	1.20 412

RAFT-IKP	1.20 383	1.20 300	1.20 388	1.20 362	1.20 417	1.20 394	1.20 407	1.20 387	1.20 412	1.20 395	1.20 409	1.20 398	1.20 401	1.20 398	1.20 409	1.20 382	1.20 390	1.20 405	1.20 409	1.20 382	1.20 412

Prome-Stereo	1.20 383	1.20 300	1.20 388	1.20 362	1.20 417	1.20 394	1.20 407	1.20 387	1.20 412	1.20 395	1.20 409	1.20 398	1.20 401	1.20 398	1.20 409	1.20 382	1.20 390	1.20 405	1.20 409	1.20 382	1.20 412

HCRNet	1.22 430	7.11 517	3.00 512	3.55 496	0.33 256	0.29 195	0.14 149	0.19 151	0.15 164	0.33 207	0.29 228	0.25 182	0.14 155	0.22 170	0.33 246	3.64 509	3.00 506	0.76 355	0.32 256	0.18 152	0.13 147

HBP-ISP	1.24 431	1.72 372	1.65 469	1.15 353	0.76 377	1.40 452	0.88 377	1.67 454	1.02 400	1.69 458	1.38 471	1.69 460	1.21 447	1.87 465	1.21 454	1.05 367	0.79 348	0.97 384	0.80 378	1.19 381	0.75 365

AANet_RVC	1.26 432	0.31 131	4.99 538	5.93 530	0.20 188	0.25 182	0.20 175	0.25 179	0.20 181	0.23 170	0.19 183	0.25 182	0.20 185	0.25 183	0.20 182	5.66 538	4.76 531	0.26 187	0.30 243	0.24 174	0.27 204

MM-Stereo_test3	1.27 433	2.07 397	1.18 383	1.60 428	1.02 402	1.45 454	1.01 392	1.40 445	1.04 401	1.44 448	1.03 397	1.46 454	1.02 387	1.44 451	1.02 394	1.51 445	1.12 382	1.32 454	0.98 390	1.38 436	0.97 384

11t	1.27 433	2.70 440	1.34 441	1.32 415	0.89 386	1.30 445	1.34 462	1.64 451	0.57 338	1.45 449	0.72 371	1.05 384	1.29 453	1.07 386	1.29 463	1.49 442	1.02 366	0.97 384	1.15 402	1.48 438	1.31 465

MaskLacGwcNet_RVC	1.35 435	1.35 359	1.35 443	1.35 417	1.35 467	1.35 446	1.35 463	1.36 441	1.35 468	1.36 445	1.35 466	1.36 448	1.36 459	1.36 447	1.35 467	1.35 435	1.35 450	1.35 458	1.35 463	1.35 434	1.35 470

CC-Net-ROB	1.36 436	1.33 358	1.33 440	1.36 418	1.38 470	1.36 448	1.33 461	1.37 443	1.34 465	1.35 444	1.36 468	1.38 449	1.34 457	1.38 449	1.38 470	1.35 435	1.38 453	1.33 455	1.35 463	1.43 437	1.34 469

CFNet	1.37 437	5.27 500	0.19 158	5.49 527	0.19 186	0.28 193	0.19 172	0.28 186	0.19 179	0.28 189	0.19 183	0.28 193	4.35 537	0.28 198	0.19 179	0.23 169	0.17 158	0.23 176	4.21 546	4.81 523	0.17 165

PS-NSSS	1.38 438	1.39 361	1.34 441	1.34 416	1.35 467	1.38 450	1.37 470	1.35 440	1.38 471	1.34 443	1.34 465	1.39 450	1.38 462	1.70 457	1.40 471	1.36 437	1.36 451	1.36 460	1.37 466	1.37 435	1.36 471

RASNet	1.49 439	1.65 369	1.45 459	1.38 420	1.43 473	1.47 455	1.36 465	1.38 444	1.36 469	1.39 446	1.60 481	1.45 453	1.45 465	1.51 452	2.21 510	1.53 446	1.36 451	1.36 460	1.36 465	1.66 446	1.36 471

GANetREF_RVC	1.55 440	1.94 394	1.22 435	1.88 436	1.21 463	1.88 464	1.22 453	1.88 457	1.22 458	1.88 460	1.22 455	1.88 462	1.22 448	1.89 466	1.22 455	1.87 456	1.22 437	1.88 478	1.22 455	1.88 455	1.22 458
Zhang, Feihu and Prisacariu, Victor and Yang, Ruigang and Torr, Philip HS: GA-Net: Guided Aggregation Net for End- to-end Stereo Matching. CVPR 2019
SPS-STEREO	1.59 441	1.91 388	1.21 434	1.94 439	1.20 417	2.00 472	1.23 454	1.99 462	1.24 460	2.00 468	1.25 458	2.03 472	1.26 450	2.00 470	1.29 463	1.90 460	1.18 389	1.89 479	1.21 454	1.89 456	1.20 412
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
DPSMNet_ROB	1.60 442	1.59 368	1.70 471	1.59 425	1.59 478	1.61 458	1.61 480	1.60 447	1.60 477	1.62 457	1.59 480	1.60 456	1.60 467	1.60 453	1.59 477	1.59 447	1.60 471	1.59 466	1.59 483	1.59 442	1.59 483

ff7	1.68 443	2.68 437	1.35 443	0.97 333	0.89 386	1.84 461	2.15 508	2.12 468	1.80 493	2.05 473	1.56 477	2.33 479	2.12 501	2.23 476	2.25 511	1.31 431	1.07 369	1.48 462	1.41 469	0.90 349	1.04 393

ffff	1.68 443	2.68 437	1.35 443	0.97 333	0.89 386	1.84 461	2.15 508	2.12 468	1.80 493	2.05 473	1.56 477	2.33 479	2.12 501	2.23 476	2.25 511	1.31 431	1.07 369	1.48 462	1.41 469	0.90 349	1.04 393

ccc-4	1.68 443	2.68 437	1.35 443	0.97 333	0.89 386	1.84 461	2.15 508	2.12 468	1.80 493	2.05 473	1.56 477	2.33 479	2.12 501	2.23 476	2.25 511	1.31 431	1.07 369	1.48 462	1.41 469	0.90 349	1.04 393

MC-Stereo	1.76 446	2.96 455	1.37 453	2.14 446	1.37 469	2.14 477	1.36 465	2.14 471	1.37 470	2.14 477	1.37 469	2.14 474	1.37 461	2.14 475	1.37 469	1.97 463	1.32 438	1.97 481	1.32 462	1.98 457	1.33 467

IGEVStereo-DCA	1.77 447	4.21 485	1.84 486	2.49 462	2.11 510	2.54 497	1.36 465	1.65 452	1.17 409	2.75 504	1.90 498	2.54 490	1.15 394	0.94 370	1.11 398	1.50 443	1.32 438	0.96 382	1.46 475	1.49 439	0.88 375

rrr	1.77 447	4.21 485	1.84 486	2.49 462	2.11 510	2.54 497	1.36 465	1.65 452	1.17 409	2.75 504	1.90 498	2.54 490	1.15 394	0.94 370	1.11 398	1.50 443	1.32 438	0.96 382	1.46 475	1.49 439	0.88 375

MM-Stereo_test1	1.80 449	3.41 465	1.52 465	2.12 445	1.41 472	2.04 473	1.41 473	2.05 466	1.46 475	2.04 472	1.41 473	2.05 473	1.42 464	2.05 471	1.43 473	2.04 467	1.54 464	1.94 480	1.38 468	1.99 458	1.33 467

MFMNet_re	1.81 450	1.91 388	1.71 473	1.95 440	1.70 488	1.95 469	1.70 485	1.96 460	1.74 490	1.97 465	1.72 488	1.95 465	1.71 474	1.97 469	1.71 485	1.86 455	1.62 472	1.85 472	1.66 490	1.86 454	1.64 489

plain	1.88 451	3.16 460	0.64 320	3.10 475	0.65 359	3.10 511	0.64 343	3.12 509	0.65 348	3.10 510	0.65 355	3.11 510	0.65 345	3.12 509	0.65 345	3.12 505	0.65 328	3.13 510	0.65 355	3.13 496	0.65 347

RAFT_CTSACE	1.92 452	3.71 472	1.72 474	1.88 436	1.72 489	2.04 473	1.42 475	2.18 473	1.89 504	2.02 470	1.97 504	1.95 465	2.06 500	1.93 467	1.62 478	1.76 452	1.66 475	2.02 482	1.73 499	1.73 449	1.43 476

4.25w-stereo	1.98 453	2.72 444	1.46 460	3.47 492	1.43 473	2.07 475	1.98 500	2.53 491	1.52 476	2.71 497	1.98 510	1.81 461	1.62 469	1.96 468	1.36 468	1.88 459	2.00 488	2.53 505	1.61 485	1.74 450	1.15 403

4.5w-stereo	1.99 454	2.33 418	1.81 477	3.28 482	1.68 484	1.94 466	1.99 503	2.72 494	1.70 482	2.72 498	1.99 513	1.97 467	1.68 471	1.76 459	1.29 463	1.91 461	2.02 494	2.53 505	1.61 485	1.75 451	1.16 406

2.75w_new	1.99 454	2.34 422	1.81 477	3.14 476	1.62 480	1.94 466	1.99 503	2.72 494	1.71 483	2.72 498	1.99 513	1.90 463	1.73 476	1.82 464	1.29 463	2.37 486	2.01 490	2.31 492	1.42 472	1.77 452	1.22 458

3.75w	1.99 454	2.31 416	1.83 485	3.16 478	1.65 482	1.93 465	1.98 500	2.72 494	1.68 479	2.73 503	1.97 504	2.00 469	1.72 475	1.81 463	1.25 459	2.27 479	2.01 490	2.38 497	1.42 472	1.71 448	1.24 461

2w_stereo	1.99 454	2.36 425	1.81 477	3.24 480	1.67 483	1.94 466	1.98 500	2.72 494	1.68 479	2.72 498	1.94 501	1.98 468	1.74 478	1.79 462	1.27 460	1.95 462	2.00 488	2.53 505	1.60 484	1.68 447	1.15 403

2.25w	2.00 458	1.86 383	1.98 499	2.95 473	2.17 514	2.26 478	1.35 463	2.42 485	2.00 511	2.07 476	1.27 460	2.53 488	1.99 496	2.29 480	1.49 475	2.21 474	1.32 438	1.85 472	1.87 503	2.52 484	1.62 487

4.25_new	2.00 458	2.33 418	1.82 482	3.32 485	1.69 485	1.95 469	1.99 503	2.72 494	1.71 483	2.72 498	1.97 504	2.01 470	1.74 478	1.77 460	1.28 461	2.18 471	2.01 490	2.48 503	1.58 481	1.65 444	1.17 407

4.5w_new	2.00 458	2.33 418	1.82 482	3.32 485	1.69 485	1.95 469	1.99 503	2.72 494	1.71 483	2.72 498	1.97 504	2.01 470	1.74 478	1.77 460	1.28 461	2.18 471	2.01 490	2.48 503	1.58 481	1.65 444	1.17 407

4.5_new	2.00 458	1.84 380	1.98 499	2.77 467	2.16 512	2.27 479	1.28 460	2.09 467	1.98 508	2.01 469	1.28 461	2.71 499	1.98 494	2.51 490	1.65 480	2.26 476	1.33 445	1.87 475	1.87 503	2.49 480	1.60 484

TRStereo	2.00 458	2.13 402	1.85 488	2.27 452	1.84 493	2.28 481	1.84 489	2.29 476	1.86 498	2.30 482	1.87 493	2.30 476	1.87 484	2.08 472	1.72 487	2.08 468	1.72 478	2.08 484	1.72 496	2.08 459	1.72 493

XX-Stereo	2.00 458	2.13 402	1.85 488	2.27 452	1.84 493	2.28 481	1.84 489	2.29 476	1.86 498	2.30 482	1.87 493	2.30 476	1.87 484	2.08 472	1.72 487	2.08 468	1.72 478	2.08 484	1.72 496	2.08 459	1.72 493

EAI-Stereo	2.00 458	2.13 402	1.85 488	2.27 452	1.84 493	2.28 481	1.84 489	2.29 476	1.86 498	2.30 482	1.87 493	2.30 476	1.87 484	2.08 472	1.72 487	2.08 468	1.72 478	2.08 484	1.72 496	2.08 459	1.72 493

2.5w	2.01 465	2.40 427	1.37 453	3.28 482	2.01 504	2.71 501	1.43 477	1.82 456	1.83 496	1.90 462	1.41 473	2.71 499	1.35 458	2.71 499	1.85 497	2.66 498	1.53 462	1.64 467	1.23 456	2.53 487	1.87 502

4w-stereo	2.02 466	2.72 444	1.44 458	3.36 488	1.59 478	2.48 490	1.72 486	2.28 474	1.24 460	2.24 480	1.65 485	2.56 492	1.32 456	2.39 484	1.98 507	2.67 500	1.51 460	1.66 468	1.24 457	2.53 487	1.88 505

IGEV	2.02 466	2.20 408	1.82 482	2.90 472	2.16 512	2.41 487	1.25 456	2.00 463	1.98 508	1.99 467	1.31 463	2.72 503	1.93 490	2.67 498	1.69 484	2.26 476	1.32 438	1.83 471	1.87 503	2.53 487	1.61 486

3.25w_new	2.03 468	2.72 444	1.35 443	3.33 487	1.57 476	2.72 502	1.53 479	2.15 472	1.33 464	2.15 478	1.60 481	2.63 496	1.30 454	2.72 501	1.99 508	2.67 500	1.53 462	1.75 470	1.25 459	2.53 487	1.87 502

3.5w_stereo	2.03 468	2.72 444	1.35 443	3.41 489	1.57 476	2.72 502	1.49 478	2.01 464	1.34 465	2.15 478	1.61 483	2.63 496	1.36 459	2.72 501	1.99 508	2.66 498	1.58 467	1.68 469	1.24 457	2.53 487	1.87 502

UniTT-Stereo	2.03 468	3.43 466	0.72 336	3.42 490	0.73 374	3.27 514	0.68 351	3.38 513	0.69 355	3.29 513	0.72 371	3.28 513	0.70 355	3.35 514	0.68 352	3.39 507	0.68 330	3.31 512	0.69 364	3.37 497	0.73 361

3.25w	2.04 471	2.20 408	1.48 461	3.03 474	2.17 514	2.63 500	1.39 471	1.96 460	1.95 507	1.96 463	1.37 469	2.71 499	1.96 493	2.71 499	1.73 492	2.26 476	1.32 438	1.87 475	1.87 503	2.51 483	1.63 488

3w_stereo	2.04 471	2.24 412	1.70 471	3.15 477	2.18 516	2.49 491	1.26 458	2.03 465	1.98 508	1.98 466	1.33 464	2.72 503	1.99 496	2.59 493	1.72 487	2.22 475	1.33 445	1.85 472	1.88 508	2.50 482	1.58 482

1w_stereo	2.05 473	2.32 417	1.35 443	3.74 503	2.01 504	2.73 504	1.42 475	1.88 457	1.93 506	2.03 471	1.28 461	2.71 499	1.99 496	2.72 501	1.72 487	2.20 473	1.32 438	1.87 475	1.86 502	2.45 476	1.54 477

sCroCo_RVC	2.10 474	2.76 448	1.92 496	2.78 470	1.39 471	2.73 504	1.41 473	2.73 500	1.40 472	2.77 509	1.41 473	2.74 505	1.40 463	2.74 504	1.40 471	2.72 502	1.42 455	2.72 508	1.44 474	2.79 494	1.42 475

MoCha-V2	2.11 475	26.97 559	0.78 345	0.92 322	0.77 378	0.96 369	0.72 362	0.90 353	0.72 365	0.94 369	0.70 364	0.90 367	0.71 359	0.91 365	0.71 362	0.85 349	0.71 339	0.88 372	0.69 364	0.87 344	0.67 350

FBW_ROB	2.12 476	2.46 430	1.77 476	2.49 462	1.79 492	2.38 485	1.83 488	2.46 486	1.78 492	2.48 491	1.97 504	2.40 484	1.78 481	2.42 487	1.83 495	2.31 483	1.85 485	2.38 497	1.82 501	2.35 471	1.84 498

asda	2.17 477	2.54 431	1.81 477	3.47 492	1.78 491	2.50 493	1.86 493	2.61 493	1.68 479	2.61 495	1.83 490	2.37 483	1.73 476	2.44 488	1.88 502	2.51 495	1.84 484	2.34 494	1.62 487	2.23 464	1.77 497

asd	2.18 478	2.77 450	1.58 466	3.59 497	2.00 503	2.58 499	1.85 492	2.39 484	1.71 483	2.47 490	1.97 504	2.59 494	1.61 468	2.56 491	1.79 494	2.51 495	1.99 487	2.11 487	1.62 487	2.36 472	1.60 484

qwe	2.18 478	2.60 434	1.58 466	3.83 504	1.90 501	2.53 495	1.90 498	2.48 487	1.73 488	2.37 487	1.92 500	2.53 488	1.68 471	2.56 491	1.83 495	2.52 497	1.87 486	2.07 483	1.68 493	2.32 470	1.71 492

monsters	2.18 478	2.41 428	1.96 498	3.47 492	2.03 508	2.53 495	1.64 482	2.48 487	1.73 488	2.40 488	1.50 476	2.62 495	1.94 491	2.59 493	1.94 504	2.44 490	1.57 466	2.28 490	1.87 503	2.42 474	1.86 500

AIO_rvc	2.18 478	2.34 422	1.87 492	2.32 456	1.94 502	2.40 486	1.89 497	2.37 482	2.07 513	2.52 493	1.95 503	2.44 486	1.99 496	2.41 485	1.89 503	2.32 484	2.09 496	2.24 488	2.18 511	2.21 463	2.23 509

HUF	2.18 478	2.30 415	1.99 502	2.34 457	2.02 507	2.41 487	2.06 507	2.38 483	1.89 504	2.36 486	1.85 491	2.56 492	1.98 494	2.31 482	1.97 506	2.30 482	2.03 495	2.30 491	2.11 510	2.23 464	2.16 507

AIO_test	2.18 478	2.09 400	2.04 503	2.42 459	2.01 504	2.47 489	1.94 499	2.34 481	2.03 512	2.56 494	1.94 501	2.43 485	1.94 491	2.41 485	1.87 501	2.39 488	2.10 497	2.35 496	1.91 509	2.25 466	2.19 508

monsterstereo	2.20 484	2.33 418	1.95 497	3.65 499	2.07 509	2.49 491	1.61 480	2.48 487	1.83 496	2.45 489	1.61 483	2.67 498	1.86 483	2.64 495	1.94 504	2.48 494	1.66 475	2.34 494	1.68 493	2.40 473	1.86 500

LG-G_1	2.22 485	2.71 442	1.89 493	2.77 467	1.87 499	2.75 506	1.87 495	2.76 502	1.87 502	2.75 504	1.87 493	2.76 506	1.87 484	2.75 505	1.86 498	2.47 492	1.58 467	2.45 500	1.57 478	2.45 476	1.57 480

LG-G	2.22 485	2.71 442	1.89 493	2.77 467	1.87 499	2.75 506	1.87 495	2.76 502	1.87 502	2.75 504	1.87 493	2.76 506	1.87 484	2.75 505	1.86 498	2.47 492	1.58 467	2.45 500	1.57 478	2.45 476	1.57 480

LGtest1	2.22 485	2.70 440	1.89 493	2.76 466	1.86 496	2.75 506	1.86 493	2.75 501	1.86 498	2.75 504	1.86 492	2.77 508	1.87 484	2.75 505	1.86 498	2.46 491	1.58 467	2.45 500	1.56 477	2.45 476	1.56 479

RAStereo	2.23 488	3.64 469	0.76 343	3.65 499	0.86 384	3.66 518	0.76 366	3.67 517	0.81 378	3.66 514	0.76 376	3.66 515	0.77 366	3.68 516	0.77 369	3.68 510	0.77 346	3.69 517	0.77 373	3.70 499	0.77 367

UDGNet	2.23 488	5.40 505	1.72 474	2.48 461	1.69 485	2.51 494	1.69 484	2.51 490	1.72 487	2.50 492	1.69 487	2.52 487	1.69 473	2.50 489	1.68 483	2.41 489	1.70 477	2.42 499	1.69 495	2.42 474	1.64 489

NCCL2	2.28 490	2.27 413	2.28 505	2.28 455	2.28 517	2.27 479	2.29 511	2.28 474	2.28 514	2.27 481	2.28 516	2.28 475	2.27 504	2.27 479	2.28 515	2.28 480	2.28 502	2.27 489	2.29 515	2.27 467	2.29 510

Abc-Net	2.32 491	24.75 551	1.14 377	1.17 359	1.17 414	1.11 389	1.15 401	1.17 381	1.21 457	1.08 382	1.16 404	1.12 393	1.14 393	1.09 387	1.17 406	1.09 369	1.16 385	1.17 400	1.17 405	1.16 373	1.11 396
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
RP	2.33 492	25.00 552	1.13 376	1.15 353	1.15 409	1.10 386	1.15 401	1.15 377	1.15 404	1.12 388	1.15 401	1.09 387	1.13 391	1.10 389	1.15 402	1.11 376	1.09 375	1.16 396	1.12 400	1.16 373	1.17 407

stereogan	2.33 492	24.38 550	1.18 383	1.18 360	1.18 416	1.14 391	1.18 405	1.19 384	1.19 411	1.14 391	1.18 408	1.14 394	1.18 399	1.14 393	1.18 407	1.14 379	1.14 383	1.19 404	1.19 406	1.15 371	1.19 411

RGC	2.36 494	25.48 553	1.19 385	1.15 353	1.15 409	1.10 386	1.16 403	1.17 381	1.16 405	1.12 388	1.16 404	1.11 392	1.13 391	1.09 387	1.18 407	1.10 371	1.15 384	1.16 396	1.12 400	1.14 369	1.12 398

NCC-stereo	2.36 494	25.52 554	1.17 381	1.15 353	1.17 414	1.11 389	1.11 397	1.15 377	1.16 405	1.10 383	1.16 404	1.10 389	1.15 394	1.14 393	1.13 400	1.09 369	1.11 379	1.15 395	1.16 404	1.17 378	1.17 407

AF-Net	2.37 496	25.71 555	1.17 381	1.13 350	1.15 409	1.15 392	1.18 405	1.19 384	1.16 405	1.10 383	1.15 401	1.10 389	1.18 399	1.12 392	1.15 402	1.10 371	1.10 378	1.17 400	1.15 402	1.16 373	1.12 398

Nwc_Net	2.37 496	25.95 556	1.15 379	1.14 351	1.15 409	1.08 383	1.14 400	1.17 381	1.16 405	1.14 391	1.15 401	1.08 385	1.15 394	1.11 391	1.14 401	1.10 371	1.11 379	1.16 396	1.09 399	1.16 373	1.15 403

CFNet_RVC	2.38 498	8.71 528	0.38 238	9.33 546	0.42 311	0.56 325	0.42 300	0.60 323	0.38 277	0.62 333	0.42 307	0.56 328	7.29 549	0.62 331	0.42 302	0.53 303	0.37 238	0.49 317	0.34 268	8.30 546	6.87 552

edge stereo	2.43 499	27.07 560	1.14 377	1.06 342	1.14 408	1.08 383	1.17 404	1.16 379	1.14 403	1.10 383	1.16 404	1.09 387	1.16 398	1.10 389	1.16 405	1.10 371	1.11 379	1.16 396	1.19 406	1.13 368	1.11 396

FAT-Stereo	2.46 500	26.05 557	1.23 437	1.23 409	1.22 465	1.20 394	1.24 455	1.23 435	1.23 459	1.19 394	1.22 455	1.21 443	1.24 449	1.20 398	1.24 456	1.21 427	1.17 388	1.22 451	1.25 459	1.20 382	1.24 461

S-Stereo	2.51 501	26.86 558	1.23 437	1.22 407	1.22 465	1.24 442	1.25 456	1.22 433	1.24 460	1.21 440	1.24 457	1.19 397	1.27 451	1.19 397	1.24 456	1.19 381	1.20 390	1.25 452	1.19 406	1.24 430	1.23 460

Anonymous3	2.55 502	3.26 463	1.65 469	3.28 482	1.63 481	3.24 513	1.68 483	3.27 511	1.66 478	3.28 512	1.67 486	3.25 512	1.66 470	3.27 511	1.64 479	3.26 506	1.65 474	3.30 511	1.65 489	4.95 528	1.65 491

MIF-Stereo (partial)	2.58 503	3.31 464	0.66 324	3.18 479	0.66 362	3.18 512	0.66 346	3.21 510	0.67 351	3.19 511	0.66 357	3.19 511	0.66 348	3.31 513	0.68 352	5.09 534	1.79 482	8.23 553	1.67 491	6.18 537	1.38 473

MSMDNet	2.65 504	10.14 539	0.33 213	9.74 549	0.32 245	0.87 358	0.33 244	2.95 508	0.68 352	0.49 292	0.34 260	0.49 296	5.70 544	0.49 298	0.33 246	0.42 268	9.57 550	0.41 278	0.31 251	8.36 547	0.65 347

pcwnet_v2	2.66 505	9.89 537	0.33 213	9.89 550	0.32 245	0.50 307	0.32 235	0.49 286	0.33 250	0.49 292	0.34 260	0.49 296	8.76 551	0.48 292	0.33 246	0.41 254	9.58 551	0.40 265	0.29 233	9.01 550	0.63 345

CFNet_pseudo	2.67 506	9.36 533	0.32 208	10.99 555	0.33 256	0.85 356	0.33 244	0.49 286	0.33 250	0.49 292	0.32 246	0.49 296	7.26 548	0.49 298	0.33 246	0.41 254	9.62 552	0.41 278	0.29 233	10.03 554	0.29 222

CFNet_ucs	2.73 507	9.64 535	0.33 213	9.92 551	0.32 245	0.49 299	0.33 244	0.49 286	0.33 250	0.49 292	0.33 252	0.49 296	8.98 552	0.48 292	0.33 246	0.41 254	9.96 555	0.40 265	0.29 233	10.12 555	0.54 329

UCFNet_RVC	2.75 508	10.06 538	0.29 192	10.31 554	0.29 228	0.42 271	0.29 223	0.43 266	0.29 225	0.42 257	0.29 228	0.42 269	9.87 554	0.43 270	0.29 224	0.36 221	9.84 554	0.36 240	0.26 213	9.77 553	0.26 196

ccs_rob	2.79 509	10.17 540	0.32 208	10.00 552	0.33 256	0.49 299	0.33 244	1.90 459	0.32 244	0.51 309	0.33 252	0.49 296	9.24 553	0.49 298	0.33 246	0.41 254	9.82 553	0.41 278	0.28 224	9.34 551	0.29 222

PCWNet_CMD	2.80 510	9.82 536	0.32 208	10.09 553	0.32 245	0.49 299	0.33 244	3.34 512	0.33 250	0.49 292	0.33 252	0.49 296	8.73 550	0.48 292	0.33 246	0.41 254	9.22 549	0.42 289	0.29 233	9.55 552	0.31 239

StereoVision	3.15 511	5.00 494	0.89 354	4.83 520	1.00 397	3.93 519	1.27 459	6.37 546	1.34 465	5.67 546	1.26 459	5.84 547	1.27 451	5.03 543	1.24 456	5.10 535	1.09 375	4.61 529	0.57 346	5.62 535	1.12 398

MaDis-Stereo	3.19 512	6.02 515	1.12 375	5.61 529	1.16 413	5.43 545	1.02 394	5.15 543	0.70 358	5.43 543	1.21 454	5.03 544	0.97 378	4.85 537	0.99 389	4.53 516	1.16 385	5.53 545	1.25 459	5.37 533	1.30 464

sAnonymous2	3.31 513	2.63 435	1.38 455	3.71 501	1.86 496	4.70 537	1.11 397	4.82 539	2.72 517	5.45 544	1.98 510	4.59 529	2.64 506	2.65 496	6.21 549	4.37 512	1.08 373	5.16 543	2.24 513	4.52 510	2.39 515

CroCo_RVC	3.31 513	2.63 435	1.38 455	3.71 501	1.86 496	4.70 537	1.11 397	4.82 539	2.72 517	5.45 544	1.98 510	4.59 529	2.64 506	2.65 496	6.21 549	4.37 512	1.08 373	5.16 543	2.24 513	4.52 510	2.39 515

DPSNet	3.66 515	3.60 468	3.62 530	3.63 498	3.64 540	3.65 517	3.65 538	3.66 516	3.67 535	3.67 515	3.65 536	3.67 516	3.66 526	3.66 515	3.68 533	3.68 510	3.66 523	3.67 516	3.68 539	3.67 498	3.67 537

STTStereo	3.73 516	30.40 564	2.37 509	2.39 458	2.31 519	2.35 484	2.33 512	2.29 476	2.42 515	2.32 485	2.34 517	2.33 479	2.36 505	2.30 481	2.27 514	2.35 485	2.22 501	2.31 492	2.22 512	2.29 469	2.34 514

rvit_105_1	3.83 517	5.22 498	3.01 513	4.53 508	3.01 522	4.51 525	3.01 519	4.56 526	3.04 520	4.53 525	3.03 521	4.55 527	3.03 510	4.56 526	3.04 517	4.57 518	3.05 507	4.57 524	3.05 522	4.57 512	3.05 521

rvit_stereo_0081	3.83 517	5.23 499	3.01 513	4.53 508	3.03 524	4.55 531	3.02 520	4.56 526	3.04 520	4.52 523	3.02 519	4.54 525	3.03 510	4.56 526	3.04 517	4.57 518	3.05 507	4.57 524	3.05 522	4.58 513	3.05 521

rvit_stereo_0081_aga	3.86 519	5.33 502	3.02 516	4.55 514	3.04 528	4.54 527	3.02 520	4.64 533	3.06 524	4.54 527	3.04 523	4.62 534	3.08 517	4.62 532	3.07 522	4.58 521	3.06 511	4.60 528	3.08 526	4.63 516	3.07 525

rvit_stereo_0082	3.86 519	5.82 513	3.01 513	4.53 508	3.03 524	4.54 527	3.02 520	4.56 526	3.04 520	4.53 525	3.02 519	4.55 527	3.04 513	4.57 529	3.05 519	4.57 518	3.05 507	4.58 526	3.05 522	4.58 513	3.06 524

rvit_0105_6	3.87 521	5.73 512	3.10 523	4.69 518	3.12 532	4.54 527	3.02 520	4.56 526	3.04 520	4.54 527	3.03 521	4.54 525	3.04 513	4.56 526	3.05 519	4.58 521	3.05 507	4.58 526	3.05 522	4.58 513	3.05 521

rvit_stereo_0080	3.89 522	5.70 510	3.04 518	4.54 511	3.03 524	4.56 532	3.05 526	4.60 530	3.07 525	4.58 530	3.06 524	4.59 529	3.06 515	4.61 530	3.08 523	4.63 523	3.09 512	4.64 530	3.10 527	4.65 517	3.10 526

whm_eth	3.89 522	5.70 510	3.04 518	4.54 511	3.03 524	4.56 532	3.05 526	4.60 530	3.07 525	4.58 530	3.06 524	4.59 529	3.06 515	4.61 530	3.08 523	4.63 523	3.09 512	4.64 530	3.10 527	4.65 517	3.10 526

rvit_0105_4	3.91 524	5.47 509	3.02 516	4.54 511	3.02 523	4.54 527	3.03 524	4.75 536	3.17 531	4.57 529	3.06 524	4.61 533	3.16 521	4.65 533	3.09 525	4.66 525	3.11 514	4.68 533	3.18 532	4.81 523	3.16 531

rvit_0105_3	3.91 524	5.33 502	3.06 521	4.60 516	3.07 530	4.60 534	3.06 528	4.62 532	3.08 528	4.60 532	3.07 527	4.62 534	3.08 517	4.67 534	3.10 526	4.70 526	3.11 514	4.77 537	3.19 533	4.77 522	3.14 530

rvit_stereo_0083	3.92 526	5.30 501	3.06 521	4.61 517	3.09 531	4.67 536	3.08 529	4.66 534	3.09 529	4.62 533	3.10 529	4.66 537	3.11 519	4.67 534	3.16 528	4.72 528	3.16 517	4.77 537	3.11 529	4.66 519	3.11 528

rvit_stereo_ft	3.93 527	5.44 507	3.05 520	4.59 515	3.06 529	4.61 535	3.08 529	4.67 535	3.12 530	4.63 534	3.10 529	4.65 536	3.11 519	4.69 536	3.13 527	4.70 526	3.14 516	4.71 535	3.15 531	4.74 520	3.16 531

rvit_0105_5	4.10 528	5.40 505	3.13 526	4.71 519	3.15 533	4.72 539	3.10 531	4.90 541	3.27 532	4.69 535	3.16 531	4.84 541	3.25 522	4.96 540	3.34 530	5.05 533	3.39 522	5.10 542	3.40 534	5.11 530	3.42 534

MLG-Stereo_test1	4.25 529	5.34 504	3.61 529	5.31 525	3.63 539	5.23 543	3.57 536	5.38 544	3.65 534	5.23 541	3.47 533	4.76 538	3.74 529	4.85 537	3.71 534	4.96 530	3.18 519	4.71 535	2.92 519	4.86 526	2.90 519

MLG-Stereo_test3	4.26 530	4.85 492	3.95 533	5.35 526	3.60 538	4.75 540	3.76 539	5.49 545	3.71 536	5.39 542	3.69 537	4.82 540	3.66 526	4.85 537	3.73 537	4.93 529	3.19 520	4.69 534	2.99 521	4.84 525	2.98 520

MLG-Stereo_test2	4.28 531	5.46 508	3.69 531	4.86 521	3.72 541	5.58 546	3.42 534	4.81 538	3.77 540	4.85 537	3.72 538	5.55 546	3.63 525	5.58 544	3.53 532	4.41 515	3.28 521	4.99 541	2.95 520	4.75 521	3.13 529

RAFT+CT+SA	4.28 531	7.62 521	4.91 537	5.55 528	2.28 517	3.09 510	3.64 537	4.49 524	3.07 525	4.80 536	3.35 532	4.77 539	3.70 528	4.29 523	3.05 519	5.58 537	5.98 538	3.58 515	3.78 541	4.26 506	3.72 538

SA	4.33 533	7.35 518	6.85 548	5.96 531	4.09 545	3.59 516	3.15 532	3.82 518	2.64 516	3.91 516	3.85 539	3.57 514	2.72 508	3.13 510	4.03 540	7.09 548	6.86 543	3.57 514	3.12 530	3.85 500	3.51 536

Sa-1000	4.34 534	8.37 524	6.84 547	6.98 538	4.45 548	3.58 515	3.00 518	3.42 514	3.39 533	2.61 495	4.00 542	3.83 518	4.01 535	3.90 518	3.90 538	5.98 541	5.62 536	3.76 518	2.34 516	4.35 508	2.47 517

TestStereo1	4.60 535	8.41 525	6.44 545	6.86 536	3.79 542	3.97 520	3.78 540	3.99 520	3.74 537	3.97 517	3.52 534	3.94 519	3.58 523	3.98 519	3.72 535	6.82 545	6.50 541	3.76 518	3.66 537	3.90 501	3.74 540

SA-5K	4.60 535	8.41 525	6.44 545	6.86 536	3.79 542	3.97 520	3.78 540	3.99 520	3.74 537	3.97 517	3.52 534	3.94 519	3.58 523	3.98 519	3.72 535	6.82 545	6.50 541	3.76 518	3.66 537	3.90 501	3.74 540

DispFullNet	4.61 537	4.84 491	3.12 524	5.00 523	3.57 537	4.75 540	3.03 524	7.75 552	4.17 544	4.91 539	3.09 528	6.20 548	3.95 533	6.71 548	3.51 531	5.30 536	3.67 524	5.86 549	3.63 536	5.61 534	3.46 535

test_5	4.62 538	7.55 520	6.23 543	6.32 533	3.40 536	5.29 544	3.50 535	3.53 515	4.11 543	4.28 520	4.47 546	4.26 523	4.38 538	3.68 516	3.24 529	5.89 539	5.60 535	4.84 539	3.50 535	4.33 507	3.93 544

raft_robust	4.71 539	7.75 522	5.40 542	6.81 535	3.31 534	4.28 524	4.20 545	4.32 523	4.37 546	4.35 522	4.35 545	4.14 521	3.75 530	4.30 524	4.20 543	6.67 544	6.37 539	3.36 513	4.24 547	4.86 526	3.25 533

cross-raft	4.83 540	7.52 519	6.43 544	6.63 534	3.96 544	4.51 525	3.99 543	4.49 524	3.96 542	4.52 523	3.96 541	4.50 524	3.97 534	4.50 525	3.97 539	6.65 543	6.44 540	4.33 521	3.92 543	4.35 508	3.91 543

test_4	4.88 541	8.13 523	6.98 549	7.46 539	4.44 547	4.25 523	3.85 542	4.04 522	3.92 541	4.13 519	3.91 540	4.18 522	3.84 531	4.14 521	4.06 541	7.01 547	7.13 544	4.53 522	3.72 540	4.09 504	3.72 538

TestStereo	4.88 541	4.75 490	4.79 536	4.87 522	4.92 549	4.81 542	4.90 548	4.78 537	4.77 547	4.87 538	4.89 547	4.90 542	4.91 540	4.99 541	4.79 545	4.98 531	4.87 532	4.87 540	4.92 549	5.00 529	5.00 547

test_3	5.01 543	8.86 530	7.77 551	8.09 541	2.76 521	4.13 522	4.05 544	3.88 519	3.76 539	4.33 521	4.13 543	3.71 517	3.91 532	4.21 522	4.06 541	7.93 549	7.69 546	4.53 522	3.91 542	4.17 505	4.29 546

NLCA_NET_v2_RVC	5.04 544	50.87 574	2.78 511	2.87 471	2.71 520	2.78 509	0.47 314	2.88 507	2.86 519	1.89 461	2.67 518	2.79 509	2.79 509	2.78 508	2.83 516	2.82 503	2.82 505	2.83 509	2.77 518	2.83 495	2.76 518
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
FC-DCNN v2	5.10 545	5.15 496	4.49 535	5.07 524	3.37 535	6.87 549	4.75 547	5.04 542	6.34 551	7.84 552	5.06 548	6.72 552	4.09 536	4.99 541	5.44 548	5.03 532	3.16 517	4.67 532	4.86 548	5.15 531	3.89 542

U	5.15 546	8.49 527	1.81 477	8.49 543	1.77 490	8.49 554	1.77 487	8.51 554	1.77 491	8.49 554	1.77 489	8.50 554	1.78 481	8.58 554	1.77 493	8.54 552	1.78 481	8.55 554	1.78 500	8.55 548	1.84 498

SGM-Forest	5.21 547	5.92 514	4.08 534	6.18 532	4.16 546	6.31 548	4.34 546	6.50 547	4.33 545	6.14 548	4.21 544	6.61 551	4.55 539	6.67 547	4.48 544	5.94 540	3.94 526	5.85 548	4.03 545	5.79 536	4.17 545
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
test-1	6.46 548	9.16 532	8.03 554	8.09 541	5.62 552	6.11 547	6.35 551	6.85 549	4.94 548	6.08 547	6.29 553	4.98 543	6.43 545	6.22 545	6.36 551	6.16 542	7.47 545	5.82 547	5.44 552	7.11 542	5.68 550

rvit_stereo_0075_2	6.64 549	8.80 529	5.25 539	7.89 540	5.27 551	7.90 553	5.27 549	7.92 553	5.28 549	7.91 553	5.29 550	7.93 553	5.27 541	7.92 553	5.28 546	7.93 549	5.28 534	7.93 552	5.29 551	7.93 545	5.28 549

RAFT	6.73 550	9.36 533	7.40 550	8.51 544	6.55 553	6.88 550	6.60 552	6.79 548	6.60 552	6.80 549	6.72 554	5.31 545	5.50 543	6.61 546	6.61 552	8.42 551	5.89 537	5.73 546	5.45 553	6.61 538	6.24 551

SGM+DAISY	7.06 551	9.15 531	5.38 541	8.84 545	5.18 550	8.80 555	5.31 550	8.79 555	5.28 549	8.89 555	5.20 549	8.93 555	5.33 542	8.95 555	5.36 547	8.70 553	5.21 533	8.74 555	5.20 550	8.89 549	5.15 548

test-v	7.53 552	11.89 541	7.98 552	9.36 547	7.14 554	7.06 551	7.09 553	7.37 550	6.91 553	7.29 550	5.71 551	6.45 549	6.93 546	6.73 549	7.27 553	8.93 554	7.85 547	6.98 550	6.80 554	7.56 543	7.34 553

test-2	7.53 552	11.89 541	7.98 552	9.36 547	7.14 554	7.06 551	7.09 553	7.37 550	6.91 553	7.29 550	5.71 551	6.45 549	6.93 546	6.73 549	7.27 553	8.93 554	7.85 547	6.98 550	6.80 554	7.56 543	7.34 553

PA-Net	11.80 554	223.51 581	0.62 317	0.59 280	0.71 371	0.59 332	0.73 363	0.67 332	0.73 368	0.55 321	0.61 349	0.60 334	0.74 362	0.63 335	0.73 364	0.66 324	0.60 319	0.69 347	0.66 357	0.72 322	0.65 347
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
MANE	19.05 555	23.00 549	15.00 555	23.00 562	15.00 556	24.00 562	16.00 555	24.00 562	16.00 555	22.00 562	15.00 555	23.00 562	16.00 555	23.00 562	15.00 555	22.00 562	15.00 556	22.00 562	15.00 556	22.00 562	15.00 555

rafts_anoy	20.00 556	20.00 543	20.00 556	20.00 556	20.00 557	20.00 556	20.00 556	20.00 556	20.00 556	20.00 556	20.00 556	20.00 556	20.00 556	20.00 556	20.00 556	20.00 556	20.00 557	20.00 556	20.00 557	20.00 556	20.00 556

raft+_RVC	20.00 556	20.00 543	20.00 556	20.00 556	20.00 557	20.00 556	20.00 556	20.00 556	20.00 556	20.00 556	20.00 556	20.00 556	20.00 556	20.00 556	20.00 556	20.00 556	20.00 557	20.00 556	20.00 557	20.00 556	20.00 556

raftrobust	20.00 556	20.00 543	20.00 556	20.00 556	20.00 557	20.00 556	20.00 556	20.00 556	20.00 556	20.00 556	20.00 556	20.00 556	20.00 556	20.00 556	20.00 556	20.00 556	20.00 557	20.00 556	20.00 557	20.00 556	20.00 556

CasAABBNet	20.00 556	20.00 543	20.00 556	20.00 556	20.00 557	20.00 556	20.00 556	20.00 556	20.00 556	20.00 556	20.00 556	20.00 556	20.00 556	20.00 556	20.00 556	20.00 556	20.00 557	20.00 556	20.00 557	20.00 556	20.00 556

RALCasStereoNet	20.00 556	20.00 543	20.00 556	20.00 556	20.00 557	20.00 556	20.00 556	20.00 556	20.00 556	20.00 556	20.00 556	20.00 556	20.00 556	20.00 556	20.00 556	20.00 556	20.00 557	20.00 556	20.00 557	20.00 556	20.00 556

RALAANet	20.00 556	20.00 543	20.00 556	20.00 556	20.00 557	20.00 556	20.00 556	20.00 556	20.00 556	20.00 556	20.00 556	20.00 556	20.00 556	20.00 556	20.00 556	20.00 556	20.00 557	20.00 556	20.00 557	20.00 556	20.00 556

111	30.40 562	30.94 565	29.72 563	32.61 563	30.02 564	33.57 563	30.47 563	31.50 563	29.39 563	30.98 563	29.11 563	29.78 563	30.39 566	29.45 563	30.76 566	30.08 563	29.02 564	29.92 563	30.32 567	29.86 563	30.17 563

WCMA_ROB	31.10 563	35.43 569	27.12 562	39.51 574	23.10 563	38.78 574	25.30 562	37.49 574	25.39 562	37.29 573	27.02 562	38.52 574	26.48 562	37.80 573	26.44 562	36.28 570	22.65 563	33.90 567	22.30 563	37.10 571	24.18 562

DCANet-4	35.22 564	34.54 566	35.08 569	33.58 567	35.47 571	34.55 564	35.53 570	36.08 569	35.85 567	35.92 569	35.77 569	35.18 569	35.48 568	35.39 569	37.15 572	34.55 569	33.92 568	35.02 570	34.90 569	35.79 567	34.74 570

ADStereo(finetuned)	36.13 565	36.63 570	38.07 573	36.97 568	33.25 568	35.91 568	34.45 567	36.36 570	32.99 564	38.14 574	36.71 570	36.69 570	34.13 567	38.57 574	40.79 573	37.60 574	36.58 571	35.90 571	33.36 568	35.42 566	34.04 567

Reg-Stereo(zero)	37.00 566	37.00 571	37.00 570	37.00 569	37.00 572	37.00 571	37.00 571	37.00 571	37.00 568	37.00 570	37.00 571	37.00 571	37.00 569	37.00 570	37.00 569	37.00 571	37.00 572	37.00 572	37.00 572	37.00 568	37.00 571

HI	37.00 566	37.00 571	37.00 570	37.00 569	37.00 572	37.00 571	37.00 571	37.00 571	37.00 568	37.00 570	37.00 571	37.00 571	37.00 569	37.00 570	37.00 569	37.00 571	37.00 572	37.00 572	37.00 572	37.00 568	37.00 571

CoSv	37.00 566	37.00 571	37.00 570	37.00 569	37.00 572	37.00 571	37.00 571	37.00 571	37.00 568	37.00 570	37.00 571	37.00 571	37.00 569	37.00 570	37.00 569	37.00 571	37.00 572	37.00 572	37.00 572	37.00 568	37.00 571

MDST_ROB	69.83 569	87.70 575	41.95 574	113.75 577	65.62 577	75.05 575	55.25 575	75.64 576	45.04 571	71.61 575	41.75 574	72.81 575	44.06 572	68.38 575	44.63 574	101.89 577	59.57 577	107.10 577	61.05 577	104.38 574	59.38 576

NOSS_ROB	102.95 570	153.00 579	121.00 577	51.00 575	44.00 575	165.00 578	127.00 576	153.00 577	119.00 573	164.00 578	125.00 576	168.00 578	120.00 574	153.00 577	117.00 576	49.00 575	44.00 575	49.00 575	44.00 575	49.00 572	44.00 574

CBMV	128.50 571	1422.70 586	53.10 575	79.50 576	51.30 576	77.30 576	49.70 574	74.00 575	48.20 572	77.20 576	48.80 575	73.90 576	48.00 573	73.80 576	48.80 575	70.40 576	45.10 576	68.90 576	46.10 576	68.20 573	45.00 575
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MeshStereo	159.24 572	171.00 580	160.68 580	162.58 578	160.59 578	164.01 577	160.35 577	158.51 578	158.56 574	158.34 577	160.12 577	158.56 577	159.92 575	157.26 578	158.94 577	154.38 578	158.36 578	155.75 578	159.13 579	153.67 575	154.07 577
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
AE-Stereo	201.80 573	123.00 576	115.00 576	219.00 579	218.00 580	223.00 579	244.00 579	217.00 579	236.00 576	202.00 579	203.00 578	205.00 579	208.00 576	225.00 579	204.00 578	210.00 579	198.00 579	197.00 579	184.00 580	204.00 576	201.00 578

MGS-Stereo	239.45 574	123.00 576	135.00 578	266.00 580	286.00 581	277.00 580	305.00 580	271.00 580	242.00 577	274.00 580	279.00 580	255.00 580	270.00 578	268.00 580	297.00 580	221.00 580	247.00 581	216.00 580	123.00 578	217.00 577	217.00 580

EGLCR-Stereo	246.90 575	129.00 578	139.00 579	266.00 580	286.00 581	277.00 580	305.00 580	271.00 580	242.00 577	274.00 580	279.00 580	255.00 580	270.00 578	268.00 580	297.00 580	230.00 581	247.00 581	216.00 580	223.00 582	237.00 578	227.00 581

DLCB_ROB	284.23 576	354.61 582	207.27 581	363.24 582	206.46 579	364.72 582	210.41 578	364.72 582	210.41 575	364.81 582	208.64 579	364.81 582	208.64 577	364.72 582	210.41 579	354.70 582	205.53 580	354.70 582	205.53 581	354.70 579	205.53 579

LE_ROB	396.57 577	471.28 583	329.84 582	471.48 583	308.15 583	526.83 583	322.10 582	488.15 583	323.76 579	495.46 583	317.97 582	497.17 583	320.10 580	481.62 583	326.76 582	462.71 583	298.97 583	466.16 583	285.98 583	447.62 580	289.21 582

SGM-ForestM	596.69 578	677.77 584	444.52 583	699.85 584	517.25 584	732.94 584	488.29 583	770.79 584	460.11 580	750.81 584	487.98 583	792.79 584	499.41 581	730.90 584	475.81 583	720.03 584	491.16 584	663.96 584	418.60 584	674.76 581	436.05 583

CBMV_ROB	818.48 579	913.88 585	709.52 584	862.84 585	597.78 585	1073.99 585	700.52 584	1015.66 585	702.59 581	1115.65 585	760.02 584	1130.24 585	721.57 582	1037.41 585	692.65 584	814.05 585	564.29 585	843.28 585	595.31 585	915.51 582	602.92 584

tt	500032.53 580	34.60 567	29.72 563	37.47 572	34.41 569	36.85 569	35.22 568	34.71 567	33.55 565	34.50 564	35.43 567	33.81 567	10000000.00 583	33.57 567	33.13 567	33.68 567	35.00 569	34.03 568	35.26 570	30.96 564	34.63 568

DCANet	500032.53 580	34.60 567	29.72 563	37.47 572	34.41 569	36.85 569	35.22 568	34.71 567	33.55 565	34.50 564	35.43 567	33.81 567	10000000.00 583	33.57 567	33.13 567	33.68 567	35.00 569	34.03 568	35.26 570	30.96 564	34.63 568

fff	1000028.16 582	29.62 561	29.72 563	32.61 563	30.02 564	35.13 565	31.83 564	32.07 564	10000000.00 582	35.27 566	29.82 564	32.45 564	30.15 563	32.35 564	30.09 563	31.04 564	29.55 565	30.64 564	30.14 564	10000000.00 583	30.77 564

csc	1000028.16 582	29.62 561	29.72 563	32.61 563	30.02 564	35.13 565	31.83 564	32.07 564	10000000.00 582	35.27 566	29.82 564	32.45 564	30.15 563	32.35 564	30.09 563	31.04 564	29.55 565	30.64 564	30.14 564	10000000.00 583	30.77 564

cscssc	1000028.16 582	29.62 561	29.72 563	32.61 563	30.02 564	35.13 565	31.83 564	32.07 564	10000000.00 582	35.27 566	29.82 564	32.45 564	30.15 563	32.35 564	30.09 563	31.04 564	29.55 565	30.64 564	30.14 564	10000000.00 583	30.77 564

111111	10000000.00 585	10000000.00 587	10000000.00 585	10000000.00 586	10000000.00 586	10000000.00 586	10000000.00 585	10000000.00 586	10000000.00 582	10000000.00 586	10000000.00 585	10000000.00 586	10000000.00 583	10000000.00 586	10000000.00 585	10000000.00 586	10000000.00 586	10000000.00 586	10000000.00 586	10000000.00 583	10000000.00 585

SGD-Stereo	10000000.00 585	10000000.00 587	10000000.00 585	10000000.00 586	10000000.00 586	10000000.00 586	10000000.00 585	10000000.00 586	10000000.00 582	10000000.00 586	10000000.00 585	10000000.00 586	10000000.00 583	10000000.00 586	10000000.00 585	10000000.00 586	10000000.00 586	10000000.00 586	10000000.00 586	10000000.00 583	10000000.00 585

IGEV-Stereo++	10000000.00 585	10000000.00 587	10000000.00 585	10000000.00 586	10000000.00 586	10000000.00 586	10000000.00 585	10000000.00 586	10000000.00 582	10000000.00 586	10000000.00 585	10000000.00 586	10000000.00 583	10000000.00 586	10000000.00 585	10000000.00 586	10000000.00 586	10000000.00 586	10000000.00 586	10000000.00 583	10000000.00 585

IGEV-BASED-STEREO-	10000000.00 585	10000000.00 587	10000000.00 585	10000000.00 586	10000000.00 586	10000000.00 586	10000000.00 585	10000000.00 586	10000000.00 582	10000000.00 586	10000000.00 585	10000000.00 586	10000000.00 583	10000000.00 586	10000000.00 585	10000000.00 586	10000000.00 586	10000000.00 586	10000000.00 586	10000000.00 583	10000000.00 585

IGEV-Stereo+	10000000.00 585	10000000.00 587	10000000.00 585	10000000.00 586	10000000.00 586	10000000.00 586	10000000.00 585	10000000.00 586	10000000.00 582	10000000.00 586	10000000.00 585	10000000.00 586	10000000.00 583	10000000.00 586	10000000.00 585	10000000.00 586	10000000.00 586	10000000.00 586	10000000.00 586	10000000.00 583	10000000.00 585

SDNR	10000000.00 585	10000000.00 587	10000000.00 585	10000000.00 586	10000000.00 586	10000000.00 586	10000000.00 585	10000000.00 586	10000000.00 582	10000000.00 586	10000000.00 585	10000000.00 586	10000000.00 583	10000000.00 586	10000000.00 585	10000000.00 586	10000000.00 586	10000000.00 586	10000000.00 586	10000000.00 583	10000000.00 585

anonymousdsp2	10000000.00 585	10000000.00 587	10000000.00 585	10000000.00 586	10000000.00 586	10000000.00 586	10000000.00 585	10000000.00 586	10000000.00 582	10000000.00 586	10000000.00 585	10000000.00 586	10000000.00 583	10000000.00 586	10000000.00 585	10000000.00 586	10000000.00 586	10000000.00 586	10000000.00 586	10000000.00 583	10000000.00 585

anonymousdsp	10000000.00 585	10000000.00 587	10000000.00 585	10000000.00 586	10000000.00 586	10000000.00 586	10000000.00 585	10000000.00 586	10000000.00 582	10000000.00 586	10000000.00 585	10000000.00 586	10000000.00 583	10000000.00 586	10000000.00 585	10000000.00 586	10000000.00 586	10000000.00 586	10000000.00 586	10000000.00 583	10000000.00 585

test_example2	10000000.00 585	10000000.00 587	10000000.00 585	10000000.00 586	10000000.00 586	10000000.00 586	10000000.00 585	10000000.00 586	10000000.00 582	10000000.00 586	10000000.00 585	10000000.00 586	10000000.00 583	10000000.00 586	10000000.00 585	10000000.00 586	10000000.00 586	10000000.00 586	10000000.00 586	10000000.00 583	10000000.00 585

DIP-Stereo	10000000.00 585	10000000.00 587	10000000.00 585	10000000.00 586	10000000.00 586	10000000.00 586	10000000.00 585	10000000.00 586	10000000.00 582	10000000.00 586	10000000.00 585	10000000.00 586	10000000.00 583	10000000.00 586	10000000.00 585	10000000.00 586	10000000.00 586	10000000.00 586	10000000.00 586	10000000.00 583	10000000.00 585
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
ccccc		0.44 169		0.48 244	0.35 269	0.48 294		0.51 304		0.47 278		0.47 285		0.47 283		0.41 254	0.40 254	0.40 265	0.40 300	0.41 257

ASD4		0.20 100

Low-res two-view benchmark