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

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

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

USTest	0.01 9	0.02 12	0.00 1	0.14 97	0.00 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

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

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

ADCMid	0.08 50	0.02 12	0.02 14	1.01 340	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

ADCS	0.09 51	0.02 12	0.04 43	0.90 318	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	0.36 267	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

AnyNet_C01	0.11 84	0.02 12	0.02 14	1.62 433	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

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

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

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

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

BEATNet_4x	0.11 84	0.03 31	0.03 36	1.60 430	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	1.60 430	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

ADCRef	0.12 93	0.03 31	0.04 43	1.71 436	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

ADCPNet	0.10 62	0.03 31	0.04 43	1.27 413	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

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

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

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 98	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

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	1.57 478	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	1.65 482	0.05 51	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

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	1.71 487	0.04 44	0.04 45	0.04 73	0.04 78	0.07 104	0.04 79

AnyNet_C32	0.14 109	0.04 37	0.03 36	2.22 451	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

ADCP+	0.15 121	0.04 37	0.04 43	2.20 450	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

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
ISRNet	0.11 84	0.05 49	0.36 233	0.24 151	0.07 108	0.13 123	0.05 93	0.06 94	0.05 97	0.05 91	0.05 100	0.13 125	0.05 94	0.05 82	0.09 105	0.24 176	0.20 168	0.10 107	0.05 96	0.06 96	0.13 147

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

APVNet	0.09 51	0.05 49	0.04 43	0.05 43	0.04 79	0.05 89	0.90 381	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

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

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	1.66 484	0.06 55	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

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

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 98	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

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

FADE		0.06 54		0.09 53	0.10 118							0.05 91				0.15 123	0.10 73	0.17 150	0.13 154	0.11 120

GwcNet	0.12 93	0.07 58	0.05 57	0.08 49	0.05 99	0.08 103	1.20 409	0.07 104	0.05 97	0.05 91	0.05 100	0.08 105	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

AASNet	0.06 44	0.08 59	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 59	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 59	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 59	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	0.08 105	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

BEATNet-Init1	0.19 139	0.08 59	0.08 60	2.23 452	0.08 110	0.08 103	0.07 108	0.07 104	0.08 111	0.08 104	0.07 109	0.08 105	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 59	0.08 60	2.23 452	0.08 110	0.08 103	0.07 108	0.07 104	0.08 111	0.08 104	0.07 109	0.08 105	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

Wz-Net-SNSev	0.03 29	0.09 65	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

SepStereo	0.09 51	0.09 65	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	0.09 109	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

AnonymousM	0.10 62	0.10 67	0.10 69	0.10 57	0.10 118	0.10 108	0.10 115	0.10 109	0.10 115	0.10 108	0.10 116	0.10 111	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

SuperB	0.21 148	0.10 67	2.51 512	0.12 80	0.09 112	0.10 108	0.09 110	0.08 107	0.07 109	0.10 108	0.09 112	0.09 109	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

PVD	0.10 62	0.10 67	0.10 69	0.10 57	0.10 118	0.10 108	0.10 115	0.10 109	0.10 115	0.10 108	0.10 116	0.10 111	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 67	0.10 69	0.10 57	0.10 118	0.10 108	0.10 115	0.10 109	0.10 115	0.10 108	0.10 116	0.10 111	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 67	0.10 69	0.10 57	0.10 118	0.10 108	0.10 115	0.10 109	0.10 115	0.10 108	0.10 116	0.10 111	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 67	0.10 69	0.10 57	0.10 118	0.10 108	0.10 115	0.10 109	0.10 115	0.10 108	0.10 116	0.10 111	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 67	0.10 69	0.10 57	0.10 118	0.10 108	0.10 115	0.10 109	0.10 115	0.10 108	0.10 116	0.10 111	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 67	0.10 69	0.10 57	0.10 118	0.10 108	0.10 115	0.10 109	0.10 115	0.10 108	0.10 116	0.10 111	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 67	0.10 69	0.10 57	0.10 118	0.10 108	0.10 115	0.10 109	0.10 115	0.10 108	0.10 116	0.10 111	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 67	0.10 69	0.10 57	0.10 118	0.10 108	0.10 115	0.10 109	0.10 115	0.10 108	0.10 116	0.10 111	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 67	0.10 69	0.10 57	0.10 118	0.10 108	0.10 115	0.10 109	0.10 115	0.10 108	0.10 116	0.10 111	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

JetBlue	0.11 84	0.11 78	0.12 100	0.13 93	0.14 155	0.11 119	0.11 128	0.11 121	0.11 130	0.11 120	0.11 130	0.11 121	0.11 129	0.12 125	0.12 138	0.11 86	0.11 95	0.11 118	0.11 129	0.11 120	0.11 125

aanetorigin	0.13 100	0.11 78	0.11 89	0.11 74	0.11 134	0.11 119	0.11 128	0.11 121	0.11 130	0.11 120	0.12 141	0.11 121	0.11 129	0.11 121	0.11 123	0.11 86	0.11 95	0.14 126	0.11 129	0.49 289	0.11 125

JetRed	0.11 84	0.12 80	0.11 89	0.11 74	0.11 134	0.11 119	0.14 149	0.11 121	0.11 130	0.12 122	0.11 130	0.11 121	0.11 129	0.11 121	0.11 123	0.11 86	0.16 143	0.11 118	0.11 129	0.11 120	0.11 125

LRCNet_RVC	0.13 100	0.13 81	0.09 65	0.13 93	0.10 118	0.14 124	0.10 115	0.14 125	0.10 115	0.23 171	0.10 116	0.20 157	0.10 117	0.24 179	0.11 123	0.11 86	0.09 68	0.12 121	0.14 158	0.12 125	0.09 108

GMStereo	0.14 109	0.13 81	0.14 125	0.14 97	0.14 155	0.14 124	0.14 149	0.14 125	0.14 154	0.14 124	0.14 158	0.14 126	0.14 155	0.14 127	0.14 148	0.14 114	0.14 138	0.14 126	0.14 158	0.14 129	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
ac_64	0.22 152	0.13 81	0.19 158	0.23 146	0.10 118	0.26 190	1.02 396	0.14 125	0.10 115	0.28 190	0.14 158	0.17 147	0.19 181	0.28 199	0.09 105	0.22 160	0.16 143	0.23 178	0.17 181	0.11 120	0.12 141

DRN-Test	0.14 109	0.13 81	0.09 65	0.14 97	0.09 112	0.15 131	0.09 110	0.14 125	0.10 115	0.14 124	0.09 112	0.14 126	0.09 113	0.13 126	0.09 105	0.12 91	0.09 68	0.12 121	0.09 110	0.12 125	0.73 363

S2M2	0.12 93	0.14 85	0.10 69	0.15 107	0.10 118	0.14 124	0.10 115	0.14 125	0.10 115	0.15 130	0.10 116	0.14 126	0.10 117	0.14 127	0.10 111	0.13 107	0.10 73	0.13 124	0.09 110	0.13 127	0.09 108

StereoDRNet	0.15 121	0.14 85	0.10 69	0.14 97	0.09 112	0.15 131	0.09 110	0.14 125	0.09 114	0.14 124	0.10 116	0.14 126	0.09 113	0.14 127	0.09 105	0.13 107	0.10 73	0.13 124	0.09 110	0.13 127	0.82 374

testlalala2	0.13 100	0.16 87	0.11 89	0.15 107	0.11 134	0.16 139	0.11 128	0.16 138	0.11 130	0.16 135	0.11 130	0.16 137	0.11 129	0.16 137	0.11 123	0.14 114	0.11 95	0.14 126	0.11 129	0.14 129	0.11 125

GMStereo_Zeroshot	0.16 129	0.16 87	0.16 142	0.16 118	0.16 173	0.16 139	0.16 157	0.16 138	0.16 166	0.16 135	0.16 167	0.16 137	0.16 165	0.16 137	0.16 164	0.16 132	0.16 143	0.16 142	0.16 163	0.16 143	0.16 153

testlalala_base	0.13 100	0.16 87	0.11 89	0.15 107	0.11 134	0.15 131	0.11 128	0.16 138	0.11 130	0.16 135	0.11 130	0.16 137	0.11 129	0.16 137	0.11 123	0.14 114	0.11 95	0.14 126	0.11 129	0.14 129	0.11 125

HSM	0.14 109	0.16 87	0.12 100	0.17 126	0.12 150	0.17 147	0.11 128	0.17 146	0.11 130	0.17 144	0.12 141	0.17 147	0.12 146	0.17 146	0.12 138	0.16 132	0.11 95	0.16 142	0.11 129	0.16 143	0.12 141

ELAS_RVC	0.14 109	0.16 87	0.10 69	0.15 107	0.10 118	0.18 151	0.11 128	0.19 151	0.11 130	0.19 150	0.12 141	0.18 151	0.11 129	0.19 152	0.12 138	0.14 114	0.08 59	0.14 126	0.09 110	0.15 139	0.09 108
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.13 100	0.16 87	0.11 89	0.15 107	0.09 112	0.18 151	0.11 128	0.18 149	0.11 130	0.17 144	0.11 130	0.18 151	0.11 129	0.18 149	0.11 123	0.14 114	0.08 59	0.14 126	0.08 108	0.14 129	0.09 108
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
S2M2_XL	0.14 109	0.17 93	0.12 100	0.17 126	0.11 134	0.17 147	0.11 128	0.17 146	0.11 130	0.17 144	0.11 130	0.17 147	0.11 129	0.17 146	0.11 123	0.16 132	0.11 95	0.16 142	0.11 129	0.16 143	0.11 125

ITSA-stereo	0.15 121	0.17 93	0.13 120	0.20 133	0.13 153	0.19 154	0.13 147	0.18 149	0.13 152	0.19 150	0.13 153	0.18 151	0.14 155	0.18 149	0.14 148	0.16 132	0.11 95	0.15 139	0.14 158	0.18 153	0.11 125

SGM_RVC	0.15 121	0.17 93	0.11 89	0.18 128	0.11 134	0.19 154	0.11 128	0.19 151	0.12 149	0.19 150	0.12 141	0.20 157	0.12 146	0.19 152	0.12 138	0.16 132	0.11 95	0.17 150	0.10 117	0.17 149	0.10 113
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DeepPruner_ROB	0.16 129	0.18 96	0.13 120	0.19 131	0.13 153	0.19 154	0.13 147	0.19 151	0.13 152	0.19 150	0.13 153	0.19 155	0.13 151	0.19 152	0.13 144	0.18 148	0.13 134	0.18 160	0.13 154	0.18 153	0.13 147

IGEV_Zeroshot_test	0.20 141	0.19 97	0.40 249	0.30 168	0.17 176	0.22 169	0.17 162	0.21 163	0.17 171	0.20 155	0.17 172	0.21 165	0.18 176	0.21 167	0.17 167	0.20 152	0.16 143	0.20 164	0.16 163	0.20 160	0.17 165

ACVNet	0.20 141	0.19 97	0.14 125	0.20 133	0.14 155	0.20 159	0.96 388	0.21 163	0.14 154	0.20 155	0.13 153	0.21 165	0.14 155	0.20 156	0.14 148	0.17 140	0.12 110	0.17 150	0.12 146	0.17 149	0.12 141

acv_ft	0.20 141	0.19 97	0.14 125	0.20 133	0.14 155	0.20 159	0.96 388	0.21 163	0.14 154	0.20 155	0.13 153	0.21 165	0.14 155	0.20 156	0.14 148	0.17 140	0.12 110	0.17 150	0.12 146	0.17 149	0.12 141

LALA_ROB	0.15 121	0.19 97	0.12 100	0.18 128	0.11 134	0.20 159	0.12 144	0.21 163	0.12 149	0.20 155	0.12 141	0.20 157	0.12 146	0.21 167	0.13 144	0.17 140	0.10 73	0.18 160	0.11 129	0.18 153	0.11 125

model_zeroshot	0.27 168	0.20 101	0.27 186	0.33 179	0.21 196	0.37 225	0.22 186	0.37 217	0.24 195	0.26 187	0.27 219	0.33 211	0.21 190	0.25 184	0.27 209	0.32 201	0.20 168	0.34 223	0.23 196	0.25 177	0.26 197

ProNet	0.14 109	0.20 101	0.14 125	0.16 118	0.11 134	0.16 139	0.11 128	0.17 146	0.11 130	0.17 144	0.12 141	0.17 147	0.13 151	0.17 146	0.12 138	0.15 123	0.11 95	0.16 142	0.11 129	0.15 139	0.12 141

DAS	0.20 141	0.20 101	0.20 161	0.20 133	0.20 189	0.20 159	0.20 175	0.20 156	0.20 181	0.20 155	0.20 187	0.20 157	0.20 185	0.20 156	0.20 182	0.20 152	0.20 168	0.20 164	0.20 186	0.20 160	0.20 172

IPLG	0.13 100	0.20 101	0.14 125	0.15 107	0.11 134	0.14 124	0.11 128	0.14 125	0.11 130	0.14 124	0.11 130	0.14 126	0.11 129	0.14 127	0.11 123	0.15 123	0.12 110	0.14 126	0.11 129	0.14 129	0.11 125

IPLGR_C	0.14 109	0.20 101	0.12 100	0.15 107	0.11 134	0.14 124	0.15 154	0.14 125	0.11 130	0.15 130	0.12 141	0.14 126	0.11 129	0.16 137	0.11 123	0.15 123	0.12 110	0.14 126	0.12 146	0.15 139	0.12 141

ASD4	0.20 141	0.20 101	0.20 161	0.20 133	0.20 189	0.20 159	0.20 175	0.20 156	0.20 181	0.20 155	0.20 187	0.20 157	0.20 185	0.20 156	0.20 182	0.20 152	0.20 168	0.20 164	0.20 186	0.20 160	0.20 172

MSKI-zero shot	0.24 158	0.21 107	0.49 291	0.65 291	0.18 183	0.22 169	0.17 162	0.23 171	0.18 173	0.21 165	0.17 172	0.23 175	0.28 226	0.23 175	0.18 176	0.21 157	0.16 143	0.21 167	0.16 163	0.21 164	0.16 153

CIPLG	0.13 100	0.21 107	0.12 100	0.16 118	0.11 134	0.15 131	0.11 128	0.14 125	0.11 130	0.15 130	0.12 141	0.15 136	0.11 129	0.14 127	0.11 123	0.15 123	0.12 110	0.14 126	0.11 129	0.14 129	0.11 125

MIPNet	0.14 109	0.21 107	0.17 149	0.16 118	0.11 134	0.15 131	0.12 144	0.14 125	0.11 130	0.16 135	0.11 130	0.14 126	0.11 129	0.14 127	0.11 123	0.14 114	0.12 110	0.14 126	0.11 129	0.14 129	0.11 125

ACRE	0.13 100	0.21 107	0.14 125	0.15 107	0.11 134	0.14 124	0.11 128	0.14 125	0.11 130	0.14 124	0.12 141	0.14 126	0.11 129	0.14 127	0.11 123	0.15 123	0.12 110	0.14 126	0.11 129	0.14 129	0.11 125

Pointernet	0.21 148	0.22 111	0.19 158	0.24 151	0.19 187	0.24 176	0.19 172	0.24 174	0.19 179	0.24 176	0.19 183	0.24 179	0.19 181	0.24 179	0.19 179	0.22 160	0.17 159	0.22 172	0.17 181	0.22 166	0.17 165

test_for_model	0.15 121	0.23 112	0.18 155	0.21 143	0.11 134	0.16 139	0.11 128	0.16 138	0.11 130	0.16 135	0.11 130	0.16 137	0.11 129	0.16 137	0.11 123	0.21 157	0.18 165	0.14 126	0.11 129	0.14 129	0.11 125

WAO-6	0.22 152	0.23 112	0.22 167	0.23 146	0.22 198	0.22 169	0.22 186	0.22 167	0.22 187	0.22 167	0.22 193	0.22 171	0.22 191	0.22 171	0.22 187	0.22 160	0.22 176	0.22 172	0.22 191	0.22 166	0.22 178

IMH-64-1	0.22 152	0.23 112	0.23 170	0.22 144	0.22 198	0.22 169	0.22 186	0.22 167	0.22 187	0.22 167	0.22 193	0.22 171	0.22 191	0.22 171	0.22 187	0.22 160	0.22 176	0.23 178	0.22 191	0.22 166	0.23 180

IMH-64	0.22 152	0.23 112	0.23 170	0.22 144	0.22 198	0.22 169	0.22 186	0.22 167	0.22 187	0.22 167	0.22 193	0.22 171	0.22 191	0.22 171	0.22 187	0.22 160	0.22 176	0.23 178	0.22 191	0.22 166	0.23 180

MIM_Stereo	0.25 159	0.23 112	0.66 325	0.80 308	0.17 176	0.22 169	0.17 162	0.23 171	0.18 173	0.26 187	0.17 172	0.21 165	0.17 169	0.25 184	0.17 167	0.23 171	0.16 143	0.21 167	0.17 181	0.22 166	0.17 165

iResNetv2_ROB	0.20 141	0.23 112	0.18 155	0.24 151	0.20 189	0.24 176	0.18 168	0.24 174	0.18 173	0.24 176	0.18 182	0.23 175	0.19 181	0.24 179	0.18 176	0.21 157	0.16 143	0.21 167	0.16 163	0.22 166	0.16 153

iResNet	0.20 141	0.23 112	0.18 155	0.24 151	0.18 183	0.24 176	0.20 175	0.24 174	0.18 173	0.23 171	0.17 172	0.23 175	0.18 176	0.23 175	0.18 176	0.22 160	0.16 143	0.21 167	0.16 163	0.21 164	0.16 153

Wz-Net-LNSev	0.06 44	0.24 119	0.20 161	0.23 146	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	0.23 171	0.21 172	0.02 18	0.01 9	0.01 10	0.01 10

IPLGR	0.14 109	0.24 119	0.14 125	0.16 118	0.12 150	0.15 131	0.12 144	0.14 125	0.11 130	0.15 130	0.12 141	0.14 126	0.11 129	0.14 127	0.11 123	0.15 123	0.12 110	0.14 126	0.11 129	0.14 129	0.11 125

tg	0.21 148	0.25 121	0.21 165	0.26 163	0.17 176	0.24 176	0.17 162	0.24 174	0.17 171	0.24 176	0.17 172	0.24 179	0.17 169	0.24 179	0.17 167	0.24 176	0.17 159	0.23 178	0.16 163	0.23 175	0.16 153

UNDER WATER-64	0.25 159	0.26 122	0.25 179	0.26 163	0.25 210	0.25 183	0.25 201	0.25 180	0.25 200	0.25 180	0.25 209	0.25 184	0.25 203	0.26 194	0.25 203	0.25 182	0.25 183	0.25 186	0.25 209	0.25 177	0.25 191

CAS++	0.17 133	0.27 123	0.21 165	0.10 57	0.21 196	0.15 131	0.22 186	0.10 109	0.21 184	0.22 167	0.10 116	0.19 155	0.18 176	0.10 110	0.19 179	0.20 152	0.19 166	0.18 160	0.10 117	0.19 159	0.18 169
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
TorneroNet-64	0.45 251	0.27 123	0.30 197	0.58 278	0.27 220	0.70 343	0.30 229	0.28 187	0.73 370	0.73 346	0.28 225	0.71 346	0.66 349	0.75 349	0.27 209	0.27 186	0.29 206	0.37 244	0.75 374	0.28 184	0.30 233

LoS	0.25 159	0.27 123	0.25 179	0.25 156	0.25 210	0.25 183	0.25 201	0.26 184	0.25 200	0.25 180	0.25 209	0.25 184	0.25 203	0.25 184	0.25 203	0.26 183	0.25 183	0.25 186	0.26 215	0.26 179	0.25 191
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
DLNR_Zeroshot_test	0.31 180	0.28 126	0.47 278	0.79 306	0.24 208	0.30 197	0.26 209	0.30 193	0.24 195	0.32 202	0.23 197	0.31 206	0.24 200	0.30 204	0.23 193	0.29 195	0.26 186	0.29 200	0.24 204	0.33 202	0.23 180

SQANet	0.28 169	0.28 126	0.28 190	0.28 166	0.28 223	0.28 194	0.28 217	0.28 187	0.28 221	0.28 190	0.28 225	0.28 195	0.28 226	0.28 199	0.28 215	0.28 188	0.28 197	0.28 195	0.28 226	0.28 184	0.28 218

HGLStereo	0.28 169	0.29 128	0.22 167	0.36 186	0.22 198	0.36 220	0.21 181	0.36 211	0.21 184	0.42 257	0.21 192	0.36 223	0.22 191	0.36 224	0.21 185	0.34 208	0.21 172	0.34 223	0.21 188	0.34 206	0.21 175

MSAF-DinoV2	0.30 174	0.30 129	0.30 197	0.30 168	0.30 239	0.30 197	0.30 229	0.30 193	0.30 236	0.30 194	0.30 240	0.30 203	0.30 238	0.30 204	0.30 232	0.30 196	0.30 214	0.30 202	0.30 245	0.30 190	0.30 233

DANet	0.30 174	0.30 129	0.30 197	0.30 168	0.30 239	0.30 197	0.30 229	0.30 193	0.30 236	0.30 194	0.30 240	0.30 203	0.30 238	0.30 204	0.30 232	0.30 196	0.30 214	0.30 202	0.30 245	0.30 190	0.30 233
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
AANet_RVC	1.26 434	0.31 131	4.99 540	5.93 532	0.20 189	0.25 183	0.20 175	0.25 180	0.20 181	0.23 171	0.19 183	0.25 184	0.20 185	0.25 184	0.20 182	5.66 540	4.76 533	0.26 189	0.30 245	0.24 176	0.27 205

gcap-zeroshot	0.35 200	0.32 132	0.37 236	0.49 251	0.39 293	0.33 211	0.21 181	0.26 184	0.35 262	0.42 257	0.34 260	0.49 297	0.29 232	0.47 283	0.39 285	0.34 208	0.17 159	0.38 251	0.23 196	0.48 285	0.34 256

iResNet_ROB	0.28 169	0.32 132	0.24 176	0.32 175	0.25 210	0.32 209	0.24 198	0.32 197	0.24 195	0.33 207	0.24 203	0.35 217	0.24 200	0.33 214	0.24 197	0.31 200	0.24 182	0.32 208	0.24 204	0.32 196	0.24 190

H2IRNET	0.34 193	0.34 134	0.34 223	0.34 181	0.34 267	0.34 213	0.34 255	0.34 204	0.34 259	0.34 209	0.34 260	0.34 216	0.34 258	0.34 216	0.34 259	0.34 208	0.34 233	0.34 223	0.34 269	0.34 206	0.34 256

MLCV	0.31 180	0.35 135	0.27 186	0.35 182	0.28 223	0.35 217	0.27 212	0.35 207	0.28 221	0.36 216	0.27 219	0.35 217	0.27 220	0.35 218	0.27 209	0.34 208	0.27 191	0.34 223	0.27 222	0.34 206	0.27 205

ETE_ROB	0.35 200	0.35 135	0.35 231	0.35 182	0.35 270	0.35 217	0.35 260	0.35 207	0.35 262	0.35 213	0.35 269	0.35 217	0.35 265	0.35 218	0.35 263	0.35 217	0.35 234	0.35 236	0.35 276	0.35 218	0.35 263

DN-CSS_ROB	0.31 180	0.35 135	0.28 190	0.35 182	0.28 223	0.34 213	0.27 212	0.34 204	0.25 200	0.35 213	0.27 219	0.36 223	0.26 212	0.34 216	0.28 215	0.35 217	0.28 197	0.34 223	0.28 226	0.34 206	0.27 205

RSM	0.36 204	0.36 138	0.43 263	0.37 189	0.42 312	0.49 299	0.42 301	0.37 217	0.28 221	0.36 216	0.29 229	0.36 223	0.30 238	0.37 228	0.28 215	0.34 208	0.31 219	0.34 223	0.35 276	0.40 248	0.29 223

Any-RAFT	0.32 188	0.36 138	0.27 186	0.36 186	0.27 220	0.36 220	0.27 212	0.36 211	0.27 218	0.36 216	0.27 219	0.36 223	0.27 220	0.36 224	0.28 215	0.36 222	0.28 197	0.36 241	0.28 226	0.36 225	0.28 218

LG-Stereo_L2	0.34 193	0.37 140	0.38 239	0.47 241	0.28 223	0.39 235	0.28 217	0.39 226	0.28 221	0.39 227	0.28 225	0.39 235	0.28 226	0.38 230	0.28 215	0.42 269	0.35 234	0.36 241	0.26 215	0.35 218	0.26 197

RAFT-Test	0.36 204	0.37 140	0.33 213	0.41 221	0.32 246	0.41 253	0.32 235	0.41 246	0.32 244	0.41 245	0.32 246	0.41 254	0.32 246	0.41 255	0.33 246	0.37 226	0.29 206	0.37 244	0.29 235	0.38 236	0.31 239

XPNet_ROB	0.37 209	0.37 140	0.37 236	0.37 189	0.37 279	0.37 225	0.37 272	0.37 217	0.37 274	0.37 221	0.37 279	0.37 229	0.37 272	0.37 228	0.37 275	0.37 226	0.37 239	0.37 244	0.37 284	0.37 227	0.37 268

WAO-8	0.38 215	0.38 143	0.38 239	0.38 192	0.38 286	0.38 229	0.38 278	0.38 222	0.38 278	0.38 222	0.38 284	0.38 231	0.38 276	0.38 230	0.38 278	0.38 233	0.38 245	0.38 251	0.37 284	0.38 236	0.38 275

WAO-7	0.38 215	0.38 143	0.38 239	0.38 192	0.38 286	0.38 229	0.38 278	0.38 222	0.38 278	0.38 222	0.38 284	0.38 231	0.38 276	0.38 230	0.38 278	0.38 233	0.38 245	0.38 251	0.38 297	0.38 236	0.38 275

HanzoNet	0.39 223	0.38 143	0.40 249	0.39 197	0.41 302	0.38 229	0.38 278	0.38 222	0.38 278	0.39 227	0.39 289	0.38 231	0.38 276	0.39 238	0.40 289	0.38 233	0.38 245	0.40 266	0.38 297	0.38 236	0.40 284

Venus	0.38 215	0.38 143	0.38 239	0.38 192	0.38 286	0.37 225	0.38 278	0.37 217	0.37 274	0.41 245	0.37 279	0.39 235	0.37 272	0.38 230	0.38 278	0.37 226	0.38 245	0.38 251	0.37 284	0.37 227	0.38 275

IMH	0.38 215	0.38 143	0.38 239	0.38 192	0.38 286	0.38 229	0.38 278	0.38 222	0.38 278	0.42 257	0.38 284	0.40 242	0.38 276	0.38 230	0.38 278	0.38 233	0.38 245	0.39 261	0.38 297	0.38 236	0.38 275

DMCA	0.36 204	0.38 143	0.37 236	0.35 182	0.35 270	0.36 220	0.36 267	0.36 211	0.35 262	0.35 213	0.37 279	0.36 223	0.36 268	0.35 218	0.36 267	0.36 222	0.36 237	0.35 236	0.36 282	0.36 225	0.36 264

StereoDRNet-Refined	0.33 191	0.39 149	0.26 185	0.39 197	0.26 218	0.40 237	0.26 209	0.40 231	0.26 213	0.39 227	0.26 215	0.39 235	0.26 212	0.39 238	0.26 208	0.37 226	0.25 183	0.37 244	0.25 209	0.37 227	0.37 268
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DISCO	1.11 381	0.39 149	5.28 542	0.39 197	0.20 189	0.39 235	0.27 212	0.39 226	0.22 187	0.38 222	0.20 187	0.38 231	0.20 185	6.95 552	0.22 187	0.30 196	0.21 172	0.27 193	0.21 188	5.25 534	0.21 175

EKT-Stereo	0.37 209	0.40 151	0.44 265	1.07 345	0.29 230	0.34 213	0.31 234	0.36 211	0.29 226	0.38 222	0.31 244	0.37 229	0.30 238	0.36 224	0.29 225	0.34 208	0.28 197	0.39 261	0.30 245	0.37 227	0.30 233

knoymous	0.40 227	0.40 151	0.40 249	0.40 210	0.40 295	0.40 237	0.40 288	0.40 231	0.40 288	0.40 232	0.40 292	0.40 242	0.40 283	0.40 241	0.40 289	0.40 247	0.40 255	0.40 266	0.40 301	0.40 248	0.40 284

anonymousa	0.40 227	0.40 151	0.40 249	0.40 210	0.40 295	0.40 237	0.40 288	0.40 231	0.40 288	0.40 232	0.40 292	0.40 242	0.40 283	0.40 241	0.40 289	0.40 247	0.40 255	0.40 266	0.40 301	0.40 248	0.40 284

riskmin	0.40 227	0.40 151	0.40 249	0.40 210	0.40 295	0.40 237	0.40 288	0.40 231	0.40 288	0.40 232	0.40 292	0.40 242	0.40 283	0.40 241	0.40 289	0.40 247	0.40 255	0.40 266	0.40 301	0.40 248	0.40 284

Anonymous_2	0.40 227	0.40 151	0.40 249	0.40 210	0.40 295	0.40 237	0.40 288	0.40 231	0.40 288	0.40 232	0.40 292	0.40 242	0.40 283	0.40 241	0.40 289	0.40 247	0.40 255	0.40 266	0.40 301	0.40 248	0.40 284

Anonymous_1	0.40 227	0.40 151	0.40 249	0.40 210	0.40 295	0.40 237	0.40 288	0.40 231	0.40 288	0.40 232	0.40 292	0.40 242	0.40 283	0.40 241	0.40 289	0.40 247	0.40 255	0.40 266	0.40 301	0.40 248	0.40 284

AdaStereo	0.40 227	0.40 151	0.40 249	0.40 210	0.40 295	0.40 237	0.40 288	0.40 231	0.40 288	0.40 232	0.40 292	0.40 242	0.40 283	0.40 241	0.40 289	0.40 247	0.40 255	0.40 266	0.40 301	0.40 248	0.40 284
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.
iRaft-Stereo_20w	0.34 193	0.41 158	0.31 204	0.39 197	0.29 230	0.40 237	0.32 235	0.41 246	0.32 244	0.38 222	0.30 240	0.39 235	0.30 238	0.38 230	0.32 238	0.35 217	0.27 191	0.34 223	0.27 222	0.34 206	0.29 223

GwcNet-ADL	0.41 234	0.41 158	0.41 257	0.41 221	0.41 302	0.41 253	0.41 296	0.41 246	0.41 297	0.41 245	0.41 298	0.41 254	0.41 294	0.41 255	0.41 296	0.41 255	0.41 264	0.41 279	0.41 308	0.41 258	0.41 291

PSMNet-ADL	0.41 234	0.41 158	0.41 257	0.41 221	0.41 302	0.41 253	0.41 296	0.41 246	0.41 297	0.41 245	0.41 298	0.41 254	0.41 294	0.41 255	0.41 296	0.41 255	0.41 264	0.41 279	0.41 308	0.41 258	0.41 291

GANet-ADL	0.41 234	0.41 158	0.41 257	0.41 221	0.41 302	0.41 253	0.41 296	0.41 246	0.41 297	0.41 245	0.41 298	0.41 254	0.41 294	0.41 255	0.41 296	0.41 255	0.41 264	0.41 279	0.41 308	0.41 258	0.41 291

ADLNet2	0.41 234	0.41 158	0.41 257	0.41 221	0.41 302	0.41 253	0.41 296	0.41 246	0.41 297	0.41 245	0.41 298	0.41 254	0.41 294	0.41 255	0.41 296	0.41 255	0.41 264	0.41 279	0.41 308	0.41 258	0.41 291

ADLNet	0.41 234	0.41 158	0.41 257	0.41 221	0.41 302	0.41 253	0.41 296	0.41 246	0.41 297	0.41 245	0.41 298	0.41 254	0.41 294	0.41 255	0.41 296	0.41 255	0.41 264	0.41 279	0.41 308	0.41 258	0.41 291

DGSMNet	0.34 193	0.41 158	0.27 186	0.41 221	0.28 223	0.41 253	0.28 217	0.41 246	0.27 218	0.41 245	0.27 219	0.42 270	0.27 220	0.41 255	0.28 215	0.40 247	0.29 206	0.40 266	0.28 226	0.40 248	0.27 205

iRaft-Stereo_5w	0.34 193	0.42 165	0.31 204	0.39 197	0.30 239	0.38 229	0.30 229	0.40 231	0.29 226	0.40 232	0.37 279	0.41 254	0.34 258	0.38 230	0.30 232	0.34 208	0.27 191	0.34 223	0.26 215	0.34 206	0.26 197

GREAT-IGEV	0.38 215	0.43 166	0.36 233	0.48 245	0.32 246	0.45 278	0.32 235	0.45 268	0.32 244	0.45 268	0.32 246	0.45 276	0.32 246	0.45 275	0.32 238	0.44 271	0.33 230	0.41 279	0.29 235	0.41 258	0.29 223

fffy	0.38 215	0.43 166	0.33 213	0.46 235	0.33 257	0.45 278	0.32 235	0.45 268	0.32 244	0.45 268	0.32 246	0.45 276	0.33 253	0.45 275	0.32 238	0.38 233	0.38 245	0.38 251	0.37 284	0.37 227	0.36 264

IGEV++	0.34 193	0.43 166	0.30 197	0.40 210	0.29 230	0.40 237	0.29 224	0.40 231	0.29 226	0.40 232	0.29 229	0.40 242	0.29 232	0.40 241	0.30 232	0.38 233	0.29 206	0.37 244	0.29 235	0.37 227	0.29 223

ccccc	0.41 234	0.44 169	0.34 223	0.48 245	0.35 270	0.48 294	0.35 260	0.51 304	0.35 262	0.47 278	0.35 269	0.47 286	0.34 258	0.47 283	0.35 263	0.41 255	0.40 255	0.40 266	0.40 301	0.41 258	0.39 281

Wz-Net-LNSev-Ref	0.11 84	0.44 169	0.33 213	0.39 197	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	0.39 243	0.36 237	0.02 18	0.02 20	0.02 20	0.02 20

IGEV-Stereo	0.35 200	0.44 169	0.45 267	0.49 251	0.30 239	0.37 225	0.30 229	0.36 211	0.30 236	0.36 216	0.29 229	0.36 223	0.29 232	0.36 224	0.30 232	0.46 276	0.39 252	0.32 208	0.24 204	0.32 196	0.25 191
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
HART	0.38 215	0.45 172	0.34 223	0.42 230	0.33 257	0.41 253	0.34 255	0.42 262	0.33 250	0.43 263	0.34 260	0.42 270	0.34 258	0.41 255	0.38 278	0.40 247	0.32 222	0.42 290	0.32 257	0.40 248	0.32 243

mms	0.40 227	0.45 172	0.35 231	0.48 245	0.36 276	0.47 289	0.34 255	0.45 268	0.38 278	0.47 278	0.33 252	0.45 276	0.32 246	0.45 275	0.32 238	0.39 243	0.38 245	0.38 251	0.37 284	0.39 243	0.39 281

GMOStereo	0.37 209	0.45 172	0.23 170	0.30 168	0.37 279	0.41 253	0.36 267	0.41 246	0.35 262	0.43 263	0.36 273	0.41 254	0.40 283	0.41 255	0.36 267	0.34 208	0.22 176	0.47 305	0.37 284	0.39 243	0.33 250

RAFT + AFF	0.31 180	0.45 172	0.34 223	0.39 197	0.28 223	0.38 229	0.33 244	0.29 191	0.31 241	0.30 194	0.30 240	0.29 200	0.27 220	0.29 202	0.30 232	0.28 188	0.29 206	0.29 200	0.29 235	0.27 182	0.32 243

otaku	0.46 254	0.46 176	0.46 271	0.46 235	0.46 319	0.46 284	0.46 310	0.46 272	0.46 310	0.46 272	0.46 317	0.46 280	0.46 310	0.46 279	0.46 311	0.46 276	0.46 281	0.46 300	0.46 320	0.46 273	0.46 305

Dean	0.46 254	0.46 176	0.46 271	0.46 235	0.46 319	0.46 284	0.46 310	0.46 272	0.46 310	0.47 278	0.46 317	0.46 280	0.46 310	0.46 279	0.46 311	0.46 276	0.46 281	0.46 300	0.46 320	0.46 273	0.46 305

ACVNet-4b	0.46 254	0.46 176	0.46 271	0.46 235	0.46 319	0.46 284	0.46 310	0.46 272	0.46 310	0.46 272	0.46 317	0.46 280	0.46 310	0.47 283	0.46 311	0.46 276	0.46 281	0.46 300	0.46 320	0.46 273	0.46 305

psmorigin	0.41 234	0.46 176	0.33 213	0.49 251	0.33 257	0.49 299	0.33 244	0.49 286	0.33 250	0.49 292	0.33 252	0.49 297	0.33 253	0.51 312	0.33 246	0.41 255	0.30 214	0.41 279	0.30 245	0.79 332	0.29 223

Ntro	0.47 260	0.47 180	0.46 271	0.46 235	0.46 319	0.47 289	0.47 315	0.46 272	0.47 315	0.46 272	0.46 317	0.47 286	0.46 310	0.47 283	0.47 317	0.47 281	0.46 281	0.46 300	0.46 320	0.46 273	0.46 305

HaxPig	0.47 260	0.47 180	0.47 278	0.49 251	0.47 325	0.47 289	0.47 315	0.47 278	0.47 315	0.47 278	0.47 325	0.47 286	0.47 318	0.47 283	0.47 317	0.47 281	0.47 289	0.47 305	0.47 327	0.47 281	0.48 314

UNDER WATER	0.47 260	0.47 180	0.47 278	0.47 241	0.47 325	0.47 289	0.47 315	0.47 278	0.47 315	0.47 278	0.47 325	0.47 286	0.46 310	0.47 283	0.47 317	0.47 281	0.47 289	0.47 305	0.46 320	0.47 281	0.47 312

LVE	0.47 260	0.47 180	0.47 278	0.47 241	0.49 331	0.47 289	0.47 315	0.47 278	0.49 324	0.47 278	0.47 325	0.47 286	0.46 310	0.47 283	0.47 317	0.47 281	0.47 289	0.48 313	0.47 327	0.47 281	0.47 312

ACVNet_1	0.46 254	0.47 180	0.46 271	0.46 235	0.46 319	0.46 284	0.46 310	0.46 272	0.47 315	0.46 272	0.46 317	0.46 280	0.46 310	0.46 279	0.46 311	0.46 276	0.46 281	0.47 305	0.46 320	0.46 273	0.46 305

CES	0.39 223	0.47 180	0.36 233	0.36 186	0.37 279	0.45 278	0.35 260	0.35 207	0.40 288	0.36 216	0.44 312	0.47 286	0.36 268	0.44 272	0.36 267	0.37 226	0.39 252	0.44 293	0.35 276	0.37 227	0.36 264

xyz-stereo-finetune2	0.18 136	0.48 186	0.16 142	0.16 118	0.15 166	0.15 131	0.16 157	0.16 138	0.16 166	0.16 135	0.16 167	0.16 137	0.16 165	0.16 137	0.16 164	0.16 132	0.16 143	0.16 142	0.16 163	0.16 143	0.16 153

RainbowNet	0.48 265	0.48 186	0.48 286	0.48 245	0.48 329	0.48 294	0.48 324	0.48 282	0.48 322	0.48 285	0.48 329	0.48 293	0.48 319	0.48 292	0.48 323	0.48 285	0.48 293	0.48 313	0.48 330	0.48 285	0.48 314

xyz-stereo-finetune	0.28 169	0.49 188	0.16 142	0.16 118	0.16 173	0.16 139	0.16 157	0.22 167	0.30 236	0.32 202	0.31 244	0.32 208	0.31 244	0.32 208	0.32 238	0.32 201	0.33 230	0.31 207	0.32 257	0.31 194	0.32 243

GIP-stereo	0.36 204	0.49 188	0.39 246	0.48 245	0.32 246	0.41 253	0.28 217	0.40 231	0.30 236	0.41 245	0.28 225	0.40 242	0.28 226	0.42 268	0.28 215	0.45 273	0.32 222	0.38 251	0.30 245	0.37 227	0.27 205

notaker	0.48 265	0.49 188	0.48 286	0.48 245	0.48 329	0.48 294	0.48 324	0.48 282	0.49 324	0.48 285	0.48 329	0.48 293	0.48 319	0.48 292	0.48 323	0.48 285	0.48 293	0.48 313	0.48 330	0.48 285	0.49 319

ACVNet_2	0.49 271	0.49 188	0.49 291	0.49 251	0.49 331	0.49 299	0.49 326	0.49 286	0.49 324	0.49 292	0.49 332	0.49 297	0.49 324	0.49 298	0.49 325	0.49 288	0.49 296	0.49 318	0.49 333	0.49 289	0.49 319

xyz-stereo	0.18 136	0.50 192	0.16 142	0.15 107	0.16 173	0.16 139	0.16 157	0.16 138	0.16 166	0.16 135	0.16 167	0.16 137	0.16 165	0.16 137	0.16 164	0.16 132	0.16 143	0.16 142	0.16 163	0.16 143	0.16 153

FoundationStereo	0.50 273	0.50 192	0.50 295	0.50 258	0.50 335	0.50 307	0.50 328	0.50 294	0.50 327	0.50 304	0.50 334	0.50 311	0.50 327	0.50 305	0.50 326	0.50 294	0.50 302	0.50 322	0.50 335	0.50 294	0.50 322

StereoAnything_RVC	0.50 273	0.50 192	0.50 295	0.50 258	0.50 335	0.50 307	0.50 328	0.50 294	0.50 327	0.50 304	0.50 334	0.50 311	0.50 327	0.50 305	0.50 326	0.50 294	0.50 302	0.50 322	0.50 335	0.50 294	0.50 322

dual_stereo	0.50 273	0.50 192	0.50 295	0.50 258	0.50 335	0.50 307	0.50 328	0.50 294	0.50 327	0.50 304	0.50 334	0.50 311	0.50 327	0.50 305	0.50 326	0.50 294	0.50 302	0.50 322	0.50 335	0.50 294	0.50 322

KSHMR	0.66 301	0.50 192	0.48 286	1.15 355	0.52 341	0.49 299	0.51 332	0.49 286	0.71 365	0.67 340	0.50 334	1.16 397	1.11 392	0.66 338	0.52 333	0.49 288	0.49 296	0.51 327	0.66 359	0.50 294	1.14 404

WZ-Net	0.05 41	0.50 192	0.10 69	0.12 80	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

SANet	0.50 273	0.50 192	0.50 295	0.50 258	0.50 335	0.50 307	0.50 328	0.50 294	0.50 327	0.50 304	0.50 334	0.50 311	0.50 327	0.50 305	0.50 326	0.50 294	0.50 302	0.50 322	0.50 335	0.50 294	0.50 322

fffft	0.48 265	0.51 199	0.45 267	0.52 266	0.45 317	0.52 318	0.45 308	0.52 306	0.48 322	0.53 315	0.45 315	0.52 318	0.45 307	0.52 315	0.46 311	0.51 300	0.41 264	0.50 322	0.41 308	0.50 294	0.41 291
1: 1. 1
CASnet	0.35 200	0.51 199	0.44 265	0.32 175	0.31 244	0.24 176	0.34 255	0.36 211	0.25 200	0.31 197	0.37 279	0.30 203	0.33 253	0.25 184	0.45 307	0.37 226	0.37 239	0.33 216	0.35 276	0.34 206	0.37 268
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
LG-Stereo_L1	0.47 260	0.52 201	0.47 278	0.62 285	0.39 293	0.53 320	0.40 288	0.53 308	0.39 287	0.53 315	0.39 289	0.53 319	0.39 282	0.53 317	0.39 285	0.55 307	0.46 281	0.49 318	0.37 284	0.49 289	0.37 268

Occ-G	1.12 382	0.52 201	3.72 534	3.50 497	0.50 335	0.56 325	0.47 315	0.54 310	0.46 310	0.54 318	0.41 298	0.54 322	0.42 300	0.52 315	0.42 303	3.42 510	4.02 529	0.52 330	0.45 318	0.51 300	0.44 302

AEACV	1.12 382	0.52 201	3.12 526	3.24 482	0.86 386	0.53 320	0.49 326	0.60 323	0.47 315	0.53 315	0.49 332	0.55 326	0.45 307	0.55 322	0.47 317	3.01 506	3.88 527	0.71 351	0.60 351	0.80 335	0.48 314

ktn	0.72 315	0.53 204	1.08 376	1.14 353	0.51 340	1.22 441	1.36 467	0.51 304	0.59 341	0.51 309	0.51 340	0.69 345	1.20 403	0.67 340	0.51 331	0.51 300	0.49 296	0.58 336	0.66 359	0.52 302	0.53 329

TorneroNet	0.66 301	0.53 204	0.50 295	0.50 258	0.64 359	1.06 380	0.70 359	0.50 294	0.51 334	0.49 292	0.69 364	0.49 297	0.50 327	0.48 292	1.15 404	0.71 332	0.49 296	1.14 396	1.08 400	0.49 289	0.49 319

ICVP	0.15 121	0.53 204	0.11 89	0.16 118	0.11 134	0.16 139	0.11 128	0.16 138	0.11 130	0.16 135	0.11 130	0.16 137	0.11 129	0.16 137	0.11 123	0.16 132	0.11 95	0.16 142	0.11 129	0.16 143	0.11 125
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
Wz-Net-MNSev	0.06 44	0.54 207	0.10 69	0.12 80	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 95	0.01 9	0.01 9	0.01 10	0.01 10

PSMNet_ROB	0.54 283	0.54 207	0.54 308	0.54 269	0.53 344	0.54 323	0.54 336	0.53 308	0.54 337	0.54 318	0.54 344	0.54 322	0.53 334	0.54 319	0.54 336	0.54 305	0.53 310	0.54 333	0.54 340	0.54 306	0.54 330

LG-Stereo_Zeroshot	0.48 265	0.55 209	0.47 278	0.63 287	0.41 302	0.56 325	0.44 304	0.56 313	0.41 297	0.56 323	0.41 298	0.57 330	0.42 300	0.56 323	0.41 296	0.55 307	0.43 275	0.51 327	0.37 284	0.51 300	0.37 268

Selective-IGEV	0.51 278	0.55 209	0.45 267	0.69 296	0.45 317	0.61 333	0.45 308	0.50 294	0.40 288	0.56 323	0.44 312	0.55 326	0.40 283	0.72 344	0.67 350	0.59 312	0.46 281	0.45 297	0.34 269	0.46 273	0.37 268

LG-Stereo	0.60 291	0.58 211	0.47 278	0.64 290	0.74 378	1.00 372	0.69 355	0.57 316	0.41 297	0.57 325	0.41 298	0.57 330	0.41 294	1.00 377	0.75 369	0.91 354	0.51 306	0.52 330	0.37 284	0.52 302	0.37 268

AIO-test2	0.55 287	0.59 212	0.52 303	0.67 295	0.47 325	0.61 333	0.47 315	0.61 325	0.47 315	0.61 330	0.47 325	0.61 336	0.48 319	0.62 331	0.47 317	0.64 322	0.53 310	0.58 336	0.47 327	0.58 309	0.48 314

FCDSN-DC	0.41 234	0.59 212	0.64 321	0.54 269	0.33 257	0.50 307	0.37 272	0.42 262	0.40 288	0.61 330	0.43 310	0.50 311	0.49 324	0.38 230	0.32 238	0.28 188	0.23 180	0.26 189	0.22 191	0.35 218	0.28 218
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
AIO-test1	0.54 283	0.60 214	0.52 303	0.66 294	0.47 325	0.61 333	0.47 315	0.58 319	0.46 310	0.61 330	0.46 317	0.61 336	0.45 307	0.62 331	0.45 307	0.61 317	0.52 308	0.57 335	0.48 330	0.57 308	0.48 314

DispNO	1.00 367	0.63 215	0.43 263	3.45 493	0.44 315	0.65 339	0.43 303	0.64 328	0.43 305	0.64 336	0.43 310	0.64 339	3.03 512	0.64 336	0.43 305	4.55 519	0.43 275	0.63 341	0.43 316	0.63 313	0.43 299

LMCR-Stereo	0.65 299	0.63 215	0.65 324	0.65 291	0.65 361	0.66 340	0.63 343	0.58 319	0.65 350	0.63 335	0.64 355	0.65 342	0.65 346	0.66 338	0.66 349	0.66 325	0.64 328	0.65 345	0.67 363	0.68 317	0.73 363

MonSter	0.60 291	0.64 217	0.52 303	0.62 285	0.44 315	2.07 476	0.44 304	0.62 326	0.44 308	0.62 333	0.44 312	0.62 338	0.44 305	0.62 331	0.44 306	0.58 311	0.42 272	0.62 339	0.46 320	0.58 309	0.42 298

AIO-Stereo	0.84 345	0.66 218	0.70 331	0.83 312	0.67 365	0.98 370	0.82 376	1.14 377	0.72 367	1.03 380	0.74 376	1.03 385	1.09 391	0.99 376	0.45 307	1.04 368	0.73 343	0.95 383	0.74 373	0.94 357	0.46 305

anonymity	0.63 296	0.69 219	0.56 310	0.71 300	0.56 347	0.71 345	0.56 337	0.71 337	0.56 338	0.72 344	0.56 346	0.71 346	0.56 338	0.71 343	0.58 340	0.68 327	0.55 312	0.68 347	0.55 341	0.68 317	0.54 330

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	0.67 350	0.02 15	0.69 336	0.75 354	0.01 9	0.02 20	0.02 20

RAFT-Stereo + iAFF	0.70 310	0.72 221	0.71 335	0.80 308	0.62 358	0.82 355	0.61 341	0.81 347	0.62 346	0.81 358	0.63 353	0.80 359	0.70 357	0.73 346	0.61 344	0.76 336	0.61 324	0.74 353	0.61 353	0.77 329	0.61 342

DSFCA	0.66 301	0.73 222	0.78 347	0.65 291	0.65 361	0.64 338	0.64 344	0.65 329	0.63 348	0.64 336	0.64 355	0.64 339	0.64 344	0.65 337	0.65 346	0.65 323	0.65 330	0.65 345	0.65 357	0.66 315	0.64 347

SMoEStereo_RVC	0.63 296	0.75 223	0.51 300	0.73 302	0.53 344	0.71 345	0.47 315	0.67 332	0.58 340	0.74 351	0.60 348	0.72 349	0.53 334	0.74 348	0.51 331	0.61 317	0.62 325	0.62 339	0.61 353	0.63 313	0.61 342

GCAP-BAT	0.33 191	0.78 224	0.32 208	0.38 192	0.25 210	0.34 213	0.25 201	0.34 204	0.26 213	0.34 209	0.25 209	0.35 217	0.26 212	0.35 218	0.27 209	0.36 222	0.30 214	0.32 208	0.24 204	0.32 196	0.26 197

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	0.79 372	0.02 15	0.75 346	0.76 356	0.02 20	0.02 20	0.02 20

G-Net	0.79 327	0.79 226	0.79 350	0.79 306	0.79 382	0.79 352	0.79 370	0.79 342	0.79 376	0.79 355	0.79 380	0.79 358	0.79 370	0.79 351	0.79 372	0.79 338	0.79 350	0.79 359	0.79 378	0.79 332	0.79 370

DMCA-RVC	0.70 310	0.80 227	0.70 331	0.70 298	0.70 371	0.70 343	0.70 359	0.71 337	0.70 360	0.70 343	0.71 370	0.71 346	0.70 357	0.70 342	0.69 358	0.69 328	0.70 337	0.69 348	0.70 368	0.69 321	0.70 356

NaN_ROB	0.80 329	0.80 227	0.80 351	0.80 308	0.80 384	0.80 353	0.80 373	0.80 344	0.80 377	0.80 356	0.80 381	0.80 359	0.80 371	0.80 353	0.80 374	0.80 339	0.80 353	0.80 362	0.80 380	0.80 335	0.80 371

CSAN	0.80 329	0.80 227	0.80 351	0.80 308	0.80 384	0.80 353	0.80 373	0.80 344	0.80 377	0.80 356	0.80 381	0.80 359	0.80 371	0.80 353	0.80 374	0.80 339	0.80 353	0.80 362	0.80 380	0.80 335	0.80 371

testlalala	0.32 188	0.81 230	0.31 204	0.39 197	0.26 218	0.33 211	0.24 198	0.33 200	0.26 213	0.32 202	0.26 215	0.33 211	0.23 197	0.33 214	0.23 193	0.35 217	0.31 219	0.30 202	0.24 204	0.31 194	0.21 175

ARAFT	0.68 306	0.81 230	0.63 319	0.74 303	0.60 350	0.78 350	0.62 342	0.77 341	0.66 352	0.74 351	0.63 353	0.75 353	0.62 343	0.83 355	0.60 342	0.70 331	0.55 312	0.70 350	0.60 351	0.78 330	0.55 334

RSM++	0.76 322	0.82 232	0.66 325	0.85 315	0.64 359	0.85 356	0.71 362	0.94 362	0.64 349	0.87 360	0.67 360	0.87 364	0.65 346	0.84 356	0.65 346	0.81 342	0.70 337	0.79 359	0.71 371	0.83 342	0.70 356

water-stereo	0.41 234	0.84 233	0.46 271	0.50 258	0.33 257	0.45 278	0.33 244	0.45 268	0.32 244	0.45 268	0.32 246	0.45 276	0.32 246	0.45 275	0.32 238	0.44 271	0.41 264	0.39 261	0.31 252	0.39 243	0.32 243

Selective-RAFT-Error	0.88 350	0.84 233	0.98 368	0.86 316	0.97 398	0.88 359	0.95 387	0.84 348	0.99 397	0.92 366	0.82 383	0.84 363	0.98 381	0.87 360	0.97 389	0.81 342	0.83 356	0.79 359	0.82 383	0.79 332	0.85 376

depthmonostereo	0.44 249	0.85 235	0.46 271	0.54 269	0.40 295	0.52 318	0.38 278	0.52 306	0.35 262	0.47 278	0.34 260	0.46 280	0.34 258	0.47 283	0.34 259	0.45 273	0.43 275	0.41 279	0.33 265	0.41 258	0.32 243

DilatedVolume-Stereo	0.43 245	0.86 236	0.48 286	0.50 258	0.33 257	0.46 284	0.33 244	0.46 272	0.33 250	0.46 272	0.33 252	0.47 286	0.33 253	0.47 283	0.34 259	0.45 273	0.42 272	0.40 266	0.33 265	0.47 281	0.38 275

AIO-Stereo-zeroshot	0.91 353	0.86 236	0.89 356	1.25 412	0.69 369	1.05 379	0.81 375	1.16 380	0.50 327	1.12 389	0.97 393	0.72 349	0.82 373	1.06 384	0.95 387	0.61 317	0.87 358	1.03 393	0.85 386	1.04 366	1.01 393

test_sample3	0.09 51	0.87 238	0.10 69	0.12 80	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.10 73	0.03 38	0.02 20	0.03 43	0.02 20

test_sample1	0.09 51	0.87 238	0.12 100	0.11 74	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

SCV_C0	0.45 251	0.88 240	0.49 291	0.54 269	0.37 279	0.48 294	0.37 272	0.48 282	0.37 274	0.48 285	0.36 273	0.48 293	0.37 272	0.49 298	0.37 275	0.50 294	0.41 264	0.44 293	0.34 269	0.44 268	0.34 256

tt45	1.04 376	0.88 240	1.36 453	0.92 323	1.03 405	1.51 457	0.79 370	0.70 336	0.88 382	0.74 351	0.90 385	1.60 458	0.72 362	1.60 454	0.75 369	0.91 354	0.78 349	1.52 467	0.79 378	1.14 371	1.32 468

AFF-stereo	0.73 316	0.88 240	0.67 328	0.75 304	0.68 368	0.75 347	0.64 344	0.80 344	0.72 367	0.83 359	0.70 366	0.82 362	0.64 344	0.84 356	0.67 350	0.77 337	0.63 326	0.81 364	0.63 355	0.78 330	0.62 345

CASS	0.57 290	0.89 243	0.56 310	0.57 276	0.56 347	0.56 325	0.56 337	0.56 313	0.53 335	0.57 325	0.57 347	0.59 334	0.48 319	0.56 323	0.57 339	0.55 307	0.56 314	0.47 305	0.56 345	0.62 312	0.56 337
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
Selective-RAFT	0.89 352	0.89 243	0.72 338	1.16 360	0.78 381	1.06 380	0.82 376	0.87 349	0.97 394	1.00 374	0.91 388	0.90 368	1.00 382	0.89 363	0.93 386	0.83 347	0.83 356	0.82 368	0.82 383	0.81 338	0.82 374

MLG-Stereo	0.92 355	0.90 245	0.84 354	1.27 413	0.49 331	1.38 451	0.88 379	1.41 447	0.97 394	0.73 346	1.09 401	1.26 447	0.43 303	0.72 344	1.05 397	1.13 379	0.49 296	1.18 405	0.66 359	1.01 364	0.46 305

UNet	0.29 173	0.90 245	0.10 69	0.14 97	0.10 118	0.14 124	0.10 115	0.91 355	0.69 357	0.14 124	0.11 130	0.14 126	0.11 129	0.14 127	0.10 111	0.12 91	0.09 68	0.12 121	0.09 110	0.88 346	0.76 368

xxxxx1	0.31 180	0.91 247	0.23 170	0.31 172	0.23 203	0.31 201	0.23 193	0.33 200	0.25 200	0.31 197	0.24 203	0.33 211	0.25 203	0.32 208	0.24 197	0.28 188	0.28 197	0.28 195	0.28 226	0.29 187	0.27 205

tt_ll	0.31 180	0.91 247	0.23 170	0.31 172	0.23 203	0.31 201	0.23 193	0.33 200	0.25 200	0.31 197	0.24 203	0.33 211	0.25 203	0.32 208	0.24 197	0.28 188	0.28 197	0.28 195	0.28 226	0.29 187	0.27 205

ff	0.31 180	0.91 247	0.23 170	0.31 172	0.23 203	0.31 201	0.23 193	0.33 200	0.25 200	0.31 197	0.24 203	0.33 211	0.25 203	0.32 208	0.24 197	0.28 188	0.28 197	0.28 195	0.28 226	0.29 187	0.27 205

DPSM_ROB	0.92 355	0.91 247	0.91 361	0.91 320	0.92 393	0.92 364	0.92 383	0.92 358	0.91 384	0.93 368	0.91 388	0.92 371	0.90 375	0.91 365	0.92 382	0.92 357	0.91 359	0.91 377	0.92 387	0.93 355	0.93 383

DPSM	0.92 355	0.91 247	0.91 361	0.91 320	0.92 393	0.92 364	0.92 383	0.92 358	0.91 384	0.93 368	0.91 388	0.92 371	0.90 375	0.91 365	0.92 382	0.92 357	0.91 359	0.91 377	0.92 387	0.93 355	0.93 383

AIO-Stereo-zeroshot1	0.75 318	0.92 252	0.85 355	0.96 333	0.59 349	1.27 444	0.44 304	0.59 321	0.69 357	0.91 364	0.68 361	0.55 326	0.61 342	1.06 384	0.83 378	0.62 320	0.70 337	0.90 374	0.41 308	0.89 347	0.56 337

pmcnn	0.92 355	0.92 252	0.92 363	0.92 323	0.92 393	0.92 364	0.92 383	0.92 358	0.92 388	0.92 366	0.92 391	0.92 371	0.92 377	0.92 369	0.92 382	0.92 357	0.92 361	0.92 379	0.92 387	0.92 354	0.92 382

AdaDepth	0.86 348	0.93 254	0.71 335	1.01 340	1.07 407	1.02 377	0.71 362	1.00 366	0.71 365	1.01 378	0.71 370	1.00 379	0.72 362	1.14 394	0.71 364	0.92 357	0.64 328	0.90 374	0.64 356	0.89 347	0.69 355

tt1	0.31 180	0.93 254	0.24 176	0.33 179	0.23 203	0.31 201	0.24 198	0.32 197	0.24 195	0.32 202	0.23 197	0.32 208	0.25 203	0.32 208	0.24 197	0.27 186	0.26 186	0.27 193	0.26 215	0.27 182	0.27 205

SCV	0.46 254	0.94 256	0.45 267	0.54 269	0.37 279	0.48 294	0.38 278	0.48 282	0.37 274	0.48 285	0.39 289	0.48 293	0.37 272	0.49 298	0.37 275	0.50 294	0.46 281	0.44 293	0.34 269	0.44 268	0.34 256

tta	0.09 51	0.95 257	0.09 65	0.10 57	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

R-Stereo Train	0.81 334	0.96 258	0.67 328	0.95 330	0.67 365	0.95 367	0.68 352	0.95 364	0.68 354	0.95 372	0.68 361	0.96 376	0.68 352	0.96 374	0.68 354	0.94 362	0.68 332	0.94 381	0.68 364	0.94 357	0.68 353

RAFT-Stereo	0.81 334	0.96 258	0.67 328	0.95 330	0.67 365	0.95 367	0.68 352	0.95 364	0.68 354	0.95 372	0.68 361	0.96 376	0.68 352	0.96 374	0.68 354	0.94 362	0.68 332	0.94 381	0.68 364	0.94 357	0.68 353
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
test_sample6	0.09 51	0.97 260	0.10 69	0.10 57	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

zh-sn7	0.10 62	0.98 261	0.14 125	0.15 107	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	0.13 134	0.03 38	0.03 54	0.03 43	0.03 51

Former-RAFT_DAM_RVC	0.49 271	0.98 261	0.64 321	0.84 313	0.46 319	0.45 278	0.35 260	0.47 278	0.47 315	0.45 268	0.34 260	0.46 280	0.48 319	0.46 279	0.35 263	0.39 243	0.71 341	0.39 261	0.35 276	0.41 258	0.41 291

dd	0.23 156	0.98 261	0.16 142	0.23 146	0.15 166	0.23 175	0.15 154	0.23 171	0.15 164	0.23 171	0.15 166	0.24 179	0.17 169	0.23 175	0.15 158	0.22 160	0.15 141	0.21 167	0.15 162	0.22 166	0.16 153

222	0.10 62	0.99 264	0.12 100	0.13 93	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	0.12 110	0.03 38	0.02 20	0.04 77	0.03 51

test_sample7	0.09 51	1.00 265	0.11 89	0.11 74	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	0.12 110	0.03 38	0.03 54	0.03 43	0.03 51

ACVNet-DCA	0.37 209	1.00 265	0.30 197	0.40 210	0.29 230	0.40 237	0.29 224	0.40 231	0.29 226	0.40 232	0.29 229	0.40 242	0.29 232	0.39 238	0.28 215	0.33 205	0.32 222	0.33 216	0.32 257	0.33 202	0.32 243

GANet	1.00 367	1.00 265	1.00 370	1.00 337	1.00 399	1.00 372	1.00 391	1.00 366	1.00 398	1.00 374	1.00 395	1.00 379	1.00 382	1.00 377	1.00 392	1.00 364	1.00 364	1.00 388	1.00 394	1.00 361	1.00 390

TDLM	1.00 367	1.00 265	1.00 370	1.00 337	1.00 399	1.00 372	1.00 391	1.00 366	1.00 398	1.00 374	1.00 395	1.00 379	1.00 382	1.00 377	1.00 392	1.00 364	1.00 364	1.00 388	1.00 394	1.00 361	1.00 390

CVANet_RVC	1.00 367	1.00 265	1.00 370	1.00 337	1.00 399	1.00 372	1.00 391	1.00 366	1.00 398	1.00 374	1.00 395	1.00 379	1.00 382	1.00 377	1.00 392	1.00 364	1.00 364	1.00 388	1.00 394	1.00 361	1.00 390

DGTPSM_ROB	0.93 360	1.00 265	0.92 363	0.94 328	0.96 397	0.91 363	0.92 383	0.91 355	0.96 393	0.91 364	0.96 392	0.93 374	0.92 377	0.94 370	0.92 382	0.92 357	0.92 361	0.90 374	0.92 387	0.94 357	0.91 381

trnet	1.01 372	1.01 271	1.01 373	1.01 340	1.01 403	1.01 376	1.01 394	1.01 370	1.01 401	1.01 378	1.01 398	1.01 383	1.01 388	1.01 381	1.01 395	1.01 367	1.01 367	1.01 391	1.01 398	1.01 364	1.01 393

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

xxx	0.09 51	1.01 271	0.10 69	0.10 57	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

GLC_STEREO	1.07 377	1.01 271	1.06 375	1.07 345	1.05 406	1.06 380	1.08 398	1.08 373	1.05 404	1.07 382	1.06 400	1.08 387	1.05 390	1.06 384	1.10 399	1.07 370	1.09 377	1.05 394	1.05 399	1.06 367	1.12 400

1test111	0.37 209	1.02 275	0.30 197	0.39 197	0.29 230	0.40 237	0.28 217	0.39 226	0.29 226	0.39 227	0.29 229	0.39 235	0.28 226	0.40 241	0.29 225	0.33 205	0.32 222	0.33 216	0.31 252	0.32 196	0.31 239

cc1	0.37 209	1.02 275	0.30 197	0.39 197	0.29 230	0.40 237	0.28 217	0.39 226	0.29 226	0.39 227	0.29 229	0.39 235	0.28 226	0.40 241	0.29 225	0.33 205	0.32 222	0.33 216	0.31 252	0.32 196	0.31 239

test_sample4	0.10 62	1.03 277	0.12 100	0.10 57	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	0.13 134	0.03 38	0.03 54	0.03 43	0.03 51

test_sample2	0.09 51	1.03 277	0.11 89	0.11 74	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

xx1	0.38 215	1.03 277	0.31 204	0.40 210	0.31 244	0.41 253	0.28 217	0.40 231	0.29 226	0.40 232	0.29 229	0.40 242	0.29 232	0.40 241	0.29 225	0.34 208	0.33 230	0.34 223	0.32 257	0.34 206	0.32 243

dad	0.23 156	1.03 277	0.16 142	0.23 146	0.15 166	0.24 176	0.15 154	0.24 174	0.16 166	0.23 171	0.16 167	0.24 179	0.16 165	0.23 175	0.15 158	0.22 160	0.16 143	0.22 172	0.16 163	0.22 166	0.16 153

DualNet (step1)	0.10 62	1.05 281	0.12 100	0.12 80	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	0.12 110	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 80	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	0.12 110	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 80	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	0.12 110	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 57	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

DualNet	0.10 62	1.07 284	0.11 89	0.10 57	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 80	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	0.12 110	0.03 38	0.02 20	0.03 43	0.02 20

test_xeample	0.10 62	1.09 286	0.13 120	0.12 80	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	0.14 138	0.03 38	0.03 54	0.03 43	0.03 51

FC-DCNN	1.07 377	1.09 286	0.98 368	0.89 317	0.52 341	1.41 454	0.91 382	1.21 433	1.24 462	1.96 464	2.05 517	1.91 466	1.30 456	1.27 447	1.08 398	0.80 339	0.60 320	0.58 336	0.41 308	0.68 317	0.54 330

MSMD_ROB	1.19 384	1.10 289	0.70 331	1.10 347	0.60 350	1.10 387	0.70 359	1.10 376	0.70 360	1.10 384	0.70 366	1.10 391	0.70 357	7.00 553	0.70 362	1.10 373	0.70 337	1.10 395	0.70 368	1.10 369	0.70 356

999	1.00 367	1.12 290	0.59 313	1.10 347	1.21 465	1.09 386	0.52 333	1.08 373	1.43 476	1.18 394	1.35 468	0.98 378	0.52 333	0.91 365	0.85 379	0.72 333	1.46 459	0.83 369	0.98 392	0.68 317	1.41 476

zh-mn7	0.12 93	1.14 291	0.17 149	0.20 133	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	0.18 148	0.16 143	0.03 38	0.03 54	0.03 43	0.03 51

1111x	0.10 62	1.14 291	0.13 120	0.14 97	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 95	0.03 38	0.02 20	0.03 43	0.02 20

LoS_RVC	0.30 174	1.14 291	0.25 179	0.25 156	0.25 210	0.26 190	0.25 201	0.25 180	0.25 200	0.25 180	0.25 209	0.26 193	0.26 212	0.26 194	0.25 203	0.26 183	0.26 186	0.25 186	0.25 209	0.26 179	0.26 197

x	0.11 84	1.15 294	0.15 141	0.14 97	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	0.15 141	0.03 38	0.03 54	0.03 43	0.03 51

xxxx	0.11 84	1.16 295	0.16 142	0.12 80	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	0.16 143	0.03 38	0.04 78	0.04 77	0.04 79

CAS	0.30 174	1.17 296	0.25 179	0.25 156	0.25 210	0.26 190	0.25 201	0.25 180	0.26 213	0.25 180	0.25 209	0.25 184	0.25 203	0.25 184	0.25 203	0.26 183	0.26 186	0.26 189	0.25 209	0.26 179	0.25 191

HSM-Net_RVC	0.95 363	1.17 296	0.78 347	1.18 362	0.71 373	1.16 394	0.75 367	1.09 375	0.80 377	1.10 384	0.75 377	1.17 398	0.74 364	1.17 397	0.80 374	1.13 379	0.73 343	1.17 402	0.77 375	1.16 375	0.72 360
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
DPSimNet_ROB	0.97 364	1.18 298	0.81 353	1.10 347	0.91 392	1.02 377	0.82 376	1.04 372	0.91 384	1.03 380	0.86 384	1.28 449	0.82 373	1.03 382	0.89 381	1.17 382	0.81 355	1.02 392	0.82 383	1.08 368	0.81 373

psm_up	0.43 245	1.19 299	0.17 149	0.25 156	0.18 183	0.25 183	0.19 172	1.26 437	0.91 384	0.26 187	0.17 172	0.25 184	0.17 169	0.25 184	0.17 167	0.22 160	0.17 159	0.23 178	0.16 163	1.18 381	0.99 388

DisPM	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 388	1.20 414	1.20 396	1.20 411	1.20 400	1.20 403	1.20 399	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 414

CrosDoStereo	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 388	1.20 414	1.20 396	1.20 411	1.20 400	1.20 403	1.20 399	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 414

PFNet+	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 388	1.20 414	1.20 396	1.20 411	1.20 400	1.20 403	1.20 399	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 414

LCNet	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 388	1.20 414	1.20 396	1.20 411	1.20 400	1.20 403	1.20 399	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 414

HHNet	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 388	1.20 414	1.20 396	1.20 411	1.20 400	1.20 403	1.20 399	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 414

Patchmatch Stereo++	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 388	1.20 414	1.20 396	1.20 411	1.20 400	1.20 403	1.20 399	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 414
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	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 388	1.20 414	1.20 396	1.20 411	1.20 400	1.20 403	1.20 399	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 414

STrans-v2	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 388	1.20 414	1.20 396	1.20 411	1.20 400	1.20 403	1.20 399	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 414

TransformOpticalFlow	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 388	1.20 414	1.20 396	1.20 411	1.20 400	1.20 403	1.20 399	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 414

OMP-Stereo	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 388	1.20 414	1.20 396	1.20 411	1.20 400	1.20 403	1.20 399	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 414

IIG-Stereo	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 388	1.20 414	1.20 396	1.20 411	1.20 400	1.20 403	1.20 399	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 414

NF-Stereo	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 388	1.20 414	1.20 396	1.20 411	1.20 400	1.20 403	1.20 399	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 414

OCTAStereo	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 388	1.20 414	1.20 396	1.20 411	1.20 400	1.20 403	1.20 399	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 414

PSM-softLoss	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 388	1.20 414	1.20 396	1.20 411	1.20 400	1.20 403	1.20 399	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 414

KMStereo	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 388	1.20 414	1.20 396	1.20 411	1.20 400	1.20 403	1.20 399	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 414

NRIStereo	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 388	1.20 414	1.20 396	1.20 411	1.20 400	1.20 403	1.20 399	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 414

PSM-adaLoss	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 388	1.20 414	1.20 396	1.20 411	1.20 400	1.20 403	1.20 399	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 414

PSM-AAD	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 388	1.20 414	1.20 396	1.20 411	1.20 400	1.20 403	1.20 399	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 414

FTStereo	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 388	1.20 414	1.20 396	1.20 411	1.20 400	1.20 403	1.20 399	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 414

ROB_FTStereo_v2	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 388	1.20 414	1.20 396	1.20 411	1.20 400	1.20 403	1.20 399	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 414

ROB_FTStereo	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 388	1.20 414	1.20 396	1.20 411	1.20 400	1.20 403	1.20 399	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 414

Consistency-Raft	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 388	1.20 414	1.20 396	1.20 411	1.20 400	1.20 403	1.20 399	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 414

KYRaft	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 388	1.20 414	1.20 396	1.20 411	1.20 400	1.20 403	1.20 399	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 414

HUI-Stereo	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 388	1.20 414	1.20 396	1.20 411	1.20 400	1.20 403	1.20 399	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 414

ASMatch	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 388	1.20 414	1.20 396	1.20 411	1.20 400	1.20 403	1.20 399	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 414

DeepStereo_LL	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 388	1.20 414	1.20 396	1.20 411	1.20 400	1.20 403	1.20 399	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 414

DEmStereo	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 388	1.20 414	1.20 396	1.20 411	1.20 400	1.20 403	1.20 399	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 414

SST-Stereo	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 388	1.20 414	1.20 396	1.20 411	1.20 400	1.20 403	1.20 399	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 414

THIR-Stereo	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 388	1.20 414	1.20 396	1.20 411	1.20 400	1.20 403	1.20 399	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 414

RAFT_R40	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 388	1.20 414	1.20 396	1.20 411	1.20 400	1.20 403	1.20 399	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 414

DRaft	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 388	1.20 414	1.20 396	1.20 411	1.20 400	1.20 403	1.20 399	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 414

PFNet	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 388	1.20 414	1.20 396	1.20 411	1.20 400	1.20 403	1.20 399	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 414

GrayStereo	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 388	1.20 414	1.20 396	1.20 411	1.20 400	1.20 403	1.20 399	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 414

RE-Stereo	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 388	1.20 414	1.20 396	1.20 411	1.20 400	1.20 403	1.20 399	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 414

Pruner-Stereo	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 388	1.20 414	1.20 396	1.20 411	1.20 400	1.20 403	1.20 399	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 414

TVStereo	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 388	1.20 414	1.20 396	1.20 411	1.20 400	1.20 403	1.20 399	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 414

DeepStereo_RVC	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 388	1.20 414	1.20 396	1.20 411	1.20 400	1.20 403	1.20 399	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 414

RAFT-RH_RVC	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 388	1.20 414	1.20 396	1.20 411	1.20 400	1.20 403	1.20 399	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 414

IRAFT_RVC	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 388	1.20 414	1.20 396	1.20 411	1.20 400	1.20 403	1.20 399	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 414

RAFT-345	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 388	1.20 414	1.20 396	1.20 411	1.20 400	1.20 403	1.20 399	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 414

iRAFT	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 388	1.20 414	1.20 396	1.20 411	1.20 400	1.20 403	1.20 399	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 414

CRE-IMP	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 388	1.20 414	1.20 396	1.20 411	1.20 400	1.20 403	1.20 399	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 414

GMM-Stereo	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 388	1.20 414	1.20 396	1.20 411	1.20 400	1.20 403	1.20 399	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 414

RAFT-IKP	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 388	1.20 414	1.20 396	1.20 411	1.20 400	1.20 403	1.20 399	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 414

Prome-Stereo	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 388	1.20 414	1.20 396	1.20 411	1.20 400	1.20 403	1.20 399	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 414

UPFNet	0.42 244	1.20 300	0.17 149	0.24 151	0.17 176	0.25 183	0.17 162	1.19 385	0.90 383	0.25 180	0.17 172	0.24 179	0.17 169	0.25 184	0.17 167	0.22 160	0.17 159	0.22 172	0.16 163	1.15 373	0.93 383

GASTEREO	0.48 265	1.21 346	0.47 278	0.57 276	0.38 286	0.50 307	0.38 278	0.50 294	0.38 278	0.50 304	0.38 284	0.50 311	0.38 276	0.50 305	0.38 278	0.52 302	0.42 272	0.46 300	0.34 269	0.46 273	0.34 256

z-mn7	0.16 129	1.21 346	0.33 213	0.41 221	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	0.35 217	0.31 219	0.04 73	0.04 78	0.04 77	0.04 79

ours_stereo	1.20 385	1.21 346	0.90 359	1.64 435	1.11 409	1.35 447	0.67 351	1.76 456	0.93 389	1.70 460	1.10 402	1.39 452	0.75 366	1.41 451	0.81 377	1.60 451	1.03 369	1.33 457	1.00 394	1.61 445	0.72 360

WCG-NET	0.61 294	1.21 346	0.54 308	0.61 284	0.53 344	0.67 341	0.53 334	0.66 331	0.53 335	0.64 336	0.53 343	0.65 342	0.53 334	0.59 329	0.52 333	0.65 323	0.48 293	0.64 342	0.52 339	0.58 309	0.50 322

delet	0.43 245	1.21 346	0.17 149	0.25 156	0.17 176	0.25 183	0.18 168	1.26 437	0.95 391	0.25 180	0.17 172	0.25 184	0.17 169	0.25 184	0.17 167	0.23 171	0.16 143	0.22 172	0.16 163	1.18 381	0.98 387

w-ln-seven-2	0.14 109	1.22 351	0.28 190	0.32 175	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	0.32 201	0.27 191	0.04 73	0.03 54	0.03 43	0.03 51

CroCo-Stereo	0.73 316	1.22 351	0.25 179	1.22 409	0.25 210	1.22 441	0.25 201	1.22 434	0.25 200	1.22 442	0.25 209	1.22 446	0.25 203	1.22 445	0.25 203	1.22 430	0.26 186	1.21 452	0.25 209	1.22 431	0.25 191
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
WCG-NET（raft）	0.32 188	1.24 353	0.24 176	0.32 175	0.24 208	0.32 209	0.23 193	0.32 197	0.24 195	0.32 202	0.24 203	0.32 208	0.24 200	0.32 208	0.24 197	0.30 196	0.23 180	0.30 202	0.23 196	0.30 190	0.23 180

MMNet	0.44 249	1.24 353	0.17 149	0.25 156	0.17 176	0.25 183	0.18 168	1.26 437	0.93 389	0.25 180	0.17 172	0.25 184	0.18 176	0.25 184	0.17 167	0.23 171	0.16 143	0.23 178	0.16 163	1.20 384	0.99 388

CroCo-Stereo Lap2	0.77 323	1.29 355	0.29 193	1.27 413	0.29 230	1.27 444	0.26 209	1.26 437	0.26 213	1.26 443	0.26 215	1.27 448	0.26 212	1.26 446	0.27 209	1.27 432	0.27 191	1.27 455	0.27 222	1.27 433	0.27 205

CSP-Net	0.34 193	1.29 355	1.19 387	1.36 420	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	1.26 431	1.21 438	0.03 38	0.09 110	0.02 20	0.09 108

Syn2CoEx	0.25 159	1.31 357	0.74 342	0.92 323	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	0.87 352	0.75 346	0.02 18	0.02 20	0.02 20	0.02 20

CC-Net-ROB	1.36 438	1.33 358	1.33 442	1.36 420	1.38 472	1.36 449	1.33 463	1.37 444	1.34 467	1.35 445	1.36 470	1.38 451	1.34 459	1.38 450	1.38 472	1.35 437	1.38 455	1.33 457	1.35 465	1.43 439	1.34 471

MaskLacGwcNet_RVC	1.35 437	1.35 359	1.35 445	1.35 419	1.35 469	1.35 447	1.35 465	1.36 442	1.35 470	1.36 446	1.35 468	1.36 450	1.36 461	1.36 448	1.35 469	1.35 437	1.35 452	1.35 460	1.35 465	1.35 436	1.35 472

PML	0.46 254	1.36 360	0.29 193	0.58 278	0.30 239	0.57 330	0.29 224	0.57 316	0.29 226	0.57 325	0.29 229	0.57 330	0.29 232	0.56 323	0.29 225	0.52 302	0.30 214	0.53 332	0.31 252	0.53 305	0.30 233

PS-NSSS	1.38 440	1.39 361	1.34 443	1.34 418	1.35 469	1.38 451	1.37 472	1.35 441	1.38 473	1.34 444	1.34 467	1.39 452	1.38 464	1.70 458	1.40 473	1.36 439	1.36 453	1.36 462	1.37 468	1.37 437	1.36 473

MSCF	0.51 278	1.40 362	0.49 291	0.58 278	0.38 286	0.50 307	0.38 278	0.54 310	0.41 297	0.52 312	0.41 298	0.53 319	0.42 300	0.53 317	0.41 296	0.60 313	0.47 289	0.48 313	0.37 284	0.48 285	0.38 275

z-ln-s-r	0.21 148	1.40 362	0.53 307	0.56 275	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	0.57 310	0.44 278	0.04 73	0.04 78	0.04 77	0.04 79

w-ln-seven	0.18 136	1.47 364	0.33 213	0.40 210	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	0.38 233	0.32 222	0.05 86	0.04 78	0.04 77	0.04 79

Gwc-CoAtRS	0.41 234	1.49 365	0.32 208	0.42 230	0.32 246	0.41 253	0.32 235	0.41 246	0.33 250	0.41 245	0.32 246	0.41 254	0.32 246	0.41 255	0.32 238	0.39 243	0.28 197	0.39 261	0.28 226	0.40 248	0.28 218

FENet	0.54 283	1.52 366	1.19 387	1.41 423	0.23 203	0.35 217	0.23 193	0.35 207	0.23 193	0.34 209	0.23 197	0.35 217	0.23 197	0.35 218	0.23 193	1.40 441	1.07 371	0.32 208	0.23 196	0.33 202	0.23 180

CFNet-ft	0.55 287	1.57 367	0.14 125	0.20 133	0.14 155	0.20 159	2.53 515	1.61 449	0.14 154	0.20 155	0.14 158	0.20 157	0.14 155	0.20 156	0.14 148	0.17 140	0.12 110	0.17 150	0.12 146	1.56 443	1.24 463

DPSMNet_ROB	1.60 444	1.59 368	1.70 473	1.59 427	1.59 480	1.61 459	1.61 482	1.60 448	1.60 479	1.62 458	1.59 482	1.60 458	1.60 469	1.60 454	1.59 479	1.59 449	1.60 473	1.59 468	1.59 485	1.59 444	1.59 485

STTRV1_RVC	0.82 338	1.60 369	0.70 331	1.01 340	0.60 350	1.07 383	0.69 355	1.01 370	0.60 342	0.72 344	0.55 345	1.02 384	0.68 352	1.03 382	0.67 350	0.89 353	0.63 326	0.92 379	0.57 347	0.90 350	0.65 348

RASNet	1.49 441	1.65 370	1.45 461	1.38 422	1.43 475	1.47 456	1.36 467	1.38 445	1.36 471	1.39 447	1.60 483	1.45 455	1.45 467	1.51 453	2.21 512	1.53 448	1.36 453	1.36 462	1.36 467	1.66 448	1.36 473

CRFU-Net	0.65 299	1.67 371	1.22 437	1.96 443	0.27 220	0.41 253	0.27 212	0.41 246	0.27 218	0.40 232	0.26 215	0.41 254	0.27 220	0.40 241	0.27 209	1.80 456	1.62 474	0.34 223	0.23 196	0.33 202	0.23 180

FlowAnything	1.02 374	1.71 372	0.72 338	1.59 427	0.69 369	1.60 458	0.69 355	1.61 449	0.70 360	1.60 452	0.69 364	1.60 458	0.69 355	1.61 456	0.69 358	0.81 342	0.58 318	0.81 364	0.56 345	0.82 340	0.56 337

FlowAnything_test	1.02 374	1.72 373	0.71 335	1.59 427	0.70 371	1.61 459	0.69 355	1.61 449	0.70 360	1.60 452	0.70 366	1.61 461	0.69 355	1.61 456	0.70 362	0.81 342	0.58 318	0.81 364	0.55 341	0.81 338	0.56 337

gwcnet-sp	0.82 338	1.72 373	1.48 463	0.39 197	0.15 166	0.31 201	0.21 181	0.20 156	0.25 200	1.61 455	0.23 197	0.28 195	0.26 212	0.20 156	0.15 158	0.24 176	1.33 447	0.32 208	0.16 163	6.75 541	0.23 180

scenet	0.82 338	1.72 373	1.48 463	0.39 197	0.15 166	0.31 201	0.21 181	0.20 156	0.25 200	1.61 455	0.23 197	0.28 195	0.26 212	0.20 156	0.15 158	0.24 176	1.33 447	0.32 208	0.16 163	6.75 541	0.23 180

ssnet	0.82 338	1.72 373	1.48 463	0.39 197	0.15 166	0.31 201	0.21 181	0.20 156	0.25 200	1.61 455	0.23 197	0.28 195	0.26 212	0.20 156	0.15 158	0.24 176	1.33 447	0.32 208	0.16 163	6.75 541	0.23 180

HBP-ISP	1.24 433	1.72 373	1.65 471	1.15 355	0.76 379	1.40 453	0.88 379	1.67 455	1.02 402	1.69 459	1.38 473	1.69 462	1.21 449	1.87 466	1.21 456	1.05 369	0.79 350	0.97 386	0.80 380	1.19 383	0.75 367

LL-Strereo2	0.48 265	1.73 378	0.51 300	0.59 281	0.34 267	0.42 271	0.33 244	0.40 231	0.31 241	0.42 257	0.33 252	0.42 270	0.31 244	0.44 272	0.39 285	0.60 313	0.51 306	0.44 293	0.33 265	0.44 268	0.33 250

test_xeample3	1.10 379	1.81 379	0.61 317	0.84 313	0.49 331	0.77 348	0.66 347	0.92 358	1.40 474	0.68 342	0.46 317	0.78 356	0.54 337	1.72 459	1.48 476	1.34 436	1.52 463	1.35 460	1.67 493	1.33 435	1.55 480

mmm	0.14 109	1.83 380	0.12 100	0.11 74	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 95	0.05 86	0.04 78	0.05 92	0.04 79

4.5_new	2.00 460	1.84 381	1.98 501	2.77 469	2.16 514	2.27 480	1.28 462	2.09 468	1.98 510	2.01 470	1.28 463	2.71 501	1.98 496	2.51 491	1.65 482	2.26 478	1.33 447	1.87 477	1.87 505	2.49 482	1.60 486

MM-Stereo_test2	1.20 385	1.85 382	1.05 374	1.46 424	0.94 396	1.36 449	0.99 390	1.36 442	0.95 391	1.41 448	0.98 394	1.40 454	0.96 379	1.37 449	0.95 387	1.37 440	1.06 370	1.33 457	0.93 391	1.29 434	0.89 379

hknet	1.10 379	1.85 382	3.49 529	4.48 507	0.02 21	0.42 271	0.06 105	0.41 246	0.02 21	0.48 285	0.03 52	0.41 254	0.03 52	0.42 268	0.03 48	4.39 516	4.19 530	0.33 216	0.23 196	0.34 206	0.27 205

2.25w	2.00 460	1.86 384	1.98 501	2.95 475	2.17 516	2.26 479	1.35 465	2.42 486	2.00 513	2.07 477	1.27 462	2.53 490	1.99 498	2.29 481	1.49 477	2.21 476	1.32 440	1.85 474	1.87 505	2.52 486	1.62 489

PAM	0.39 223	1.88 385	0.34 223	0.37 189	0.41 302	0.45 278	0.22 186	0.28 187	0.23 193	0.28 190	0.24 203	0.29 200	0.23 197	0.29 202	0.23 193	0.38 233	0.32 222	0.38 251	0.37 284	0.32 196	0.22 178

DCVSM-stereo	0.36 204	1.89 386	0.22 167	0.40 210	0.22 198	0.40 237	0.22 186	0.40 231	0.22 187	0.40 232	0.22 193	0.40 242	0.22 191	0.40 241	0.22 187	0.28 188	0.21 172	0.28 195	0.21 188	0.28 184	0.20 172

DCRE	0.84 345	1.89 386	0.77 346	0.94 328	0.72 375	0.88 359	0.73 365	0.87 349	0.78 373	0.90 362	0.71 370	0.88 365	0.67 351	0.88 361	0.73 366	0.81 342	0.68 332	0.81 364	0.70 368	0.82 340	0.70 356

RAFT-Stereo-weight	0.45 251	1.90 388	0.34 223	0.42 230	0.36 276	0.43 275	0.35 260	0.42 262	0.34 259	0.42 257	0.34 260	0.44 274	0.34 258	0.41 255	0.34 259	0.38 233	0.32 222	0.38 251	0.32 257	0.38 236	0.33 250

BUS	0.83 342	1.91 389	0.92 363	4.48 507	0.02 21	0.40 237	0.04 81	0.41 246	0.02 21	0.48 285	0.03 52	0.41 254	0.05 94	0.03 39	0.05 88	1.97 465	4.19 530	0.33 216	0.23 196	0.34 206	0.27 205

BSDual-CNN	0.81 334	1.91 389	0.92 363	4.48 507	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	1.97 465	4.19 530	0.33 216	0.23 196	0.34 206	0.27 205

psmg	0.43 245	1.91 389	0.92 363	1.91 440	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	1.97 465	1.44 458	0.04 73	0.03 54	0.02 20	0.03 51

GANet-RSSM	0.75 318	1.91 389	0.14 125	0.47 241	0.14 155	0.21 167	3.21 535	2.30 481	0.14 154	0.46 272	0.14 158	0.23 175	0.18 176	0.21 167	0.14 148	0.18 148	0.27 191	0.37 244	0.13 154	2.13 464	2.12 508

MFMNet_re	1.81 452	1.91 389	1.71 475	1.95 442	1.70 490	1.95 470	1.70 487	1.96 461	1.74 492	1.97 466	1.72 490	1.95 467	1.71 476	1.97 470	1.71 487	1.86 457	1.62 474	1.85 474	1.66 492	1.86 456	1.64 491

SPS-STEREO	1.59 443	1.91 389	1.21 436	1.94 441	1.20 419	2.00 473	1.23 456	1.99 463	1.24 462	2.00 469	1.25 460	2.03 474	1.26 452	2.00 471	1.29 465	1.90 462	1.18 391	1.89 481	1.21 456	1.89 458	1.20 414
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
GANetREF_RVC	1.55 442	1.94 395	1.22 437	1.88 438	1.21 465	1.88 465	1.22 455	1.88 458	1.22 460	1.88 461	1.22 457	1.88 464	1.22 450	1.89 467	1.22 457	1.87 458	1.22 439	1.88 480	1.22 457	1.88 457	1.22 460
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
ssnet_v2	0.68 306	1.96 396	1.25 441	0.29 167	0.20 189	0.30 197	0.20 175	0.29 191	0.22 187	1.50 451	0.20 187	0.31 206	0.20 185	0.27 197	0.22 187	0.24 176	1.49 461	0.26 189	0.18 185	3.90 503	0.19 171

qqq	0.16 129	2.01 397	0.12 100	0.15 107	0.04 79	0.06 92	0.05 93	0.06 94	0.04 81	0.06 96	0.03 52	0.06 98	0.03 52	0.06 88	0.03 48	0.12 91	0.14 138	0.04 73	0.04 78	0.03 43	0.03 51

MM-Stereo_test3	1.27 435	2.07 398	1.18 385	1.60 430	1.02 404	1.45 455	1.01 394	1.40 446	1.04 403	1.44 449	1.03 399	1.46 456	1.02 389	1.44 452	1.02 396	1.51 447	1.12 384	1.32 456	0.98 392	1.38 438	0.97 386

ACV-stereo	0.30 174	2.08 399	0.25 179	0.25 156	0.18 183	0.24 176	0.17 162	0.24 174	0.18 173	0.24 176	0.17 172	0.25 184	0.17 169	0.24 179	0.17 167	0.22 160	0.16 143	0.22 172	0.16 163	0.22 166	0.16 153

GCST	0.50 273	2.08 399	0.38 239	0.53 267	0.35 270	0.49 299	0.35 260	0.50 294	0.35 262	0.49 292	0.35 269	0.49 297	0.35 265	0.49 298	0.35 263	0.48 285	0.37 239	0.45 297	0.33 265	0.44 268	0.33 250

AIO_test	2.18 480	2.09 401	2.04 505	2.42 461	2.01 506	2.47 490	1.94 501	2.34 482	2.03 514	2.56 495	1.94 503	2.43 487	1.94 493	2.41 486	1.87 503	2.39 490	2.10 499	2.35 498	1.91 511	2.25 468	2.19 510

ToySt	0.92 355	2.11 402	0.90 359	0.95 330	0.79 382	0.99 371	0.78 369	0.94 362	0.81 380	0.94 370	0.78 379	0.95 375	0.77 368	0.94 370	0.86 380	0.91 354	0.79 350	0.85 371	0.77 375	0.89 347	0.73 363

TRStereo	2.00 460	2.13 403	1.85 490	2.27 454	1.84 495	2.28 482	1.84 491	2.29 477	1.86 500	2.30 483	1.87 495	2.30 478	1.87 486	2.08 473	1.72 489	2.08 470	1.72 480	2.08 486	1.72 498	2.08 461	1.72 495

XX-Stereo	2.00 460	2.13 403	1.85 490	2.27 454	1.84 495	2.28 482	1.84 491	2.29 477	1.86 500	2.30 483	1.87 495	2.30 478	1.87 486	2.08 473	1.72 489	2.08 470	1.72 480	2.08 486	1.72 498	2.08 461	1.72 495

EAI-Stereo	2.00 460	2.13 403	1.85 490	2.27 454	1.84 495	2.28 482	1.84 491	2.29 477	1.86 500	2.30 483	1.87 495	2.30 478	1.87 486	2.08 473	1.72 489	2.08 470	1.72 480	2.08 486	1.72 498	2.08 461	1.72 495

11t1	0.17 133	2.16 406	0.13 120	0.13 93	0.04 79	0.06 92	0.04 81	0.06 94	0.04 81	0.06 96	0.03 52	0.06 98	0.03 52	0.06 88	0.05 88	0.18 148	0.12 110	0.06 94	0.03 54	0.05 92	0.03 51

UGAM-zero	0.51 278	2.17 407	0.39 246	0.53 267	0.36 276	0.50 307	0.36 267	0.50 294	0.36 273	0.49 292	0.36 273	0.50 311	0.35 265	0.50 305	0.36 267	0.49 288	0.37 239	0.47 305	0.35 276	0.46 273	0.34 256

cf-r	0.66 301	2.17 407	0.12 100	0.18 128	0.12 150	0.18 151	2.70 518	2.60 493	0.12 149	0.18 148	0.12 141	0.18 151	0.12 146	0.18 149	0.12 138	0.15 123	0.11 95	0.15 139	0.11 129	1.81 455	1.74 498

3.25w	2.04 473	2.20 409	1.48 463	3.03 476	2.17 516	2.63 501	1.39 473	1.96 461	1.95 509	1.96 464	1.37 471	2.71 501	1.96 495	2.71 500	1.73 494	2.26 478	1.32 440	1.87 477	1.87 505	2.51 485	1.63 490

IGEV	2.02 468	2.20 409	1.82 484	2.90 474	2.16 514	2.41 488	1.25 458	2.00 464	1.98 510	1.99 468	1.31 465	2.72 505	1.93 492	2.67 499	1.69 486	2.26 478	1.32 440	1.83 473	1.87 505	2.53 489	1.61 488

UDG	0.80 329	2.21 411	0.60 315	0.91 320	0.60 350	0.90 362	0.58 339	0.88 352	0.60 342	0.90 362	0.60 348	0.88 365	0.60 341	0.90 364	0.58 340	0.86 351	0.60 320	0.84 370	0.59 350	0.84 343	0.61 342

UGAM	0.51 278	2.23 412	0.39 246	0.54 269	0.35 270	0.50 307	0.35 260	0.49 286	0.35 262	0.49 292	0.35 269	0.49 297	0.36 268	0.50 305	0.36 267	0.49 288	0.37 239	0.45 297	0.34 269	0.45 272	0.34 256

3w_stereo	2.04 473	2.24 413	1.70 473	3.15 479	2.18 518	2.49 492	1.26 460	2.03 466	1.98 510	1.98 467	1.33 466	2.72 505	1.99 498	2.59 494	1.72 489	2.22 477	1.33 447	1.85 474	1.88 510	2.50 484	1.58 484

NCCL2	2.28 492	2.27 414	2.28 507	2.28 457	2.28 519	2.27 480	2.29 513	2.28 475	2.28 516	2.27 482	2.28 518	2.28 477	2.27 506	2.27 480	2.28 517	2.28 482	2.28 504	2.27 491	2.29 517	2.27 469	2.29 512

ccnet	0.80 329	2.28 415	0.33 213	0.50 258	0.33 257	0.50 307	0.33 244	0.50 294	0.33 250	0.49 292	0.33 252	0.49 297	1.56 468	2.38 484	0.33 246	0.41 255	0.29 206	0.42 290	1.57 480	2.28 470	0.29 223

HUF	2.18 480	2.30 416	1.99 504	2.34 459	2.02 509	2.41 488	2.06 509	2.38 484	1.89 506	2.36 487	1.85 493	2.56 494	1.98 496	2.31 483	1.97 508	2.30 484	2.03 497	2.30 493	2.11 512	2.23 466	2.16 509

3.75w	1.99 456	2.31 417	1.83 487	3.16 480	1.65 484	1.93 466	1.98 502	2.72 495	1.68 481	2.73 504	1.97 506	2.00 471	1.72 477	1.81 464	1.25 461	2.27 481	2.01 492	2.38 499	1.42 474	1.71 450	1.24 463

1w_stereo	2.05 475	2.32 418	1.35 445	3.74 505	2.01 506	2.73 505	1.42 477	1.88 458	1.93 508	2.03 472	1.28 463	2.71 501	1.99 498	2.72 502	1.72 489	2.20 475	1.32 440	1.87 477	1.86 504	2.45 478	1.54 479

4.25_new	2.00 460	2.33 419	1.82 484	3.32 487	1.69 487	1.95 470	1.99 505	2.72 495	1.71 485	2.72 499	1.97 506	2.01 472	1.74 480	1.77 461	1.28 463	2.18 473	2.01 492	2.48 505	1.58 483	1.65 446	1.17 409

4.5w_new	2.00 460	2.33 419	1.82 484	3.32 487	1.69 487	1.95 470	1.99 505	2.72 495	1.71 485	2.72 499	1.97 506	2.01 472	1.74 480	1.77 461	1.28 463	2.18 473	2.01 492	2.48 505	1.58 483	1.65 446	1.17 409

4.5w-stereo	1.99 456	2.33 419	1.81 479	3.28 484	1.68 486	1.94 467	1.99 505	2.72 495	1.70 484	2.72 499	1.99 515	1.97 469	1.68 473	1.76 460	1.29 465	1.91 463	2.02 496	2.53 507	1.61 487	1.75 453	1.16 408

monsterstereo	2.20 486	2.33 419	1.95 499	3.65 501	2.07 511	2.49 492	1.61 482	2.48 488	1.83 498	2.45 490	1.61 485	2.67 500	1.86 485	2.64 496	1.94 506	2.48 496	1.66 477	2.34 496	1.68 495	2.40 475	1.86 502

2.75w_new	1.99 456	2.34 423	1.81 479	3.14 478	1.62 482	1.94 467	1.99 505	2.72 495	1.71 485	2.72 499	1.99 515	1.90 465	1.73 478	1.82 465	1.29 465	2.37 488	2.01 492	2.31 494	1.42 474	1.77 454	1.22 460

AIO_rvc	2.18 480	2.34 423	1.87 494	2.32 458	1.94 504	2.40 487	1.89 499	2.37 483	2.07 515	2.52 494	1.95 505	2.44 488	1.99 498	2.41 486	1.89 505	2.32 486	2.09 498	2.24 490	2.18 513	2.21 465	2.23 511

GES	0.66 301	2.34 423	0.29 193	0.41 221	0.29 230	0.41 253	0.29 224	0.42 262	0.29 226	0.40 232	0.41 298	0.41 254	0.30 238	0.51 312	0.29 225	0.32 201	0.29 206	0.32 208	2.46 519	2.49 482	0.30 233

2w_stereo	1.99 456	2.36 426	1.81 479	3.24 482	1.67 485	1.94 467	1.98 502	2.72 495	1.68 481	2.72 499	1.94 503	1.98 470	1.74 480	1.79 463	1.27 462	1.95 464	2.00 490	2.53 507	1.60 486	1.68 449	1.15 405

PAM_32	0.64 298	2.38 427	0.51 300	0.92 323	0.43 314	0.53 320	0.44 304	0.87 349	0.43 305	0.52 312	0.45 315	0.53 319	0.40 283	0.54 319	0.46 311	0.62 320	0.56 314	0.48 313	0.45 318	0.76 328	0.44 302

2.5w	2.01 467	2.40 428	1.37 455	3.28 484	2.01 506	2.71 502	1.43 479	1.82 457	1.83 498	1.90 463	1.41 475	2.71 501	1.35 460	2.71 500	1.85 499	2.66 500	1.53 464	1.64 469	1.23 458	2.53 489	1.87 504

monsters	2.18 480	2.41 429	1.96 500	3.47 494	2.03 510	2.53 496	1.64 484	2.48 488	1.73 490	2.40 489	1.50 478	2.62 497	1.94 493	2.59 494	1.94 506	2.44 492	1.57 468	2.28 492	1.87 505	2.42 476	1.86 502

DDUNet	0.81 334	2.45 430	0.57 312	0.90 318	0.60 350	0.88 359	0.59 340	0.90 353	0.60 342	0.88 361	0.60 348	0.90 368	0.58 339	0.88 361	0.60 342	0.84 349	0.60 320	0.86 372	0.57 347	0.86 344	0.60 341

FBW_ROB	2.12 478	2.46 431	1.77 478	2.49 464	1.79 494	2.38 486	1.83 490	2.46 487	1.78 494	2.48 492	1.97 506	2.40 486	1.78 483	2.42 488	1.83 497	2.31 485	1.85 487	2.38 499	1.82 503	2.35 473	1.84 500

asda	2.17 479	2.54 432	1.81 479	3.47 494	1.78 493	2.50 494	1.86 495	2.61 494	1.68 481	2.61 496	1.83 492	2.37 485	1.73 478	2.44 489	1.88 504	2.51 497	1.84 486	2.34 496	1.62 489	2.23 466	1.77 499

HH	0.71 312	2.54 432	0.74 342	1.10 347	0.32 246	0.41 253	0.37 272	0.69 334	0.78 373	0.73 346	0.90 385	0.75 353	1.00 382	0.84 356	0.69 358	0.69 328	0.40 255	0.35 236	0.26 215	0.35 218	0.26 197

HanStereo	0.71 312	2.54 432	0.74 342	1.10 347	0.32 246	0.41 253	0.37 272	0.69 334	0.78 373	0.73 346	0.90 385	0.75 353	1.00 382	0.84 356	0.69 358	0.69 328	0.40 255	0.35 236	0.26 215	0.35 218	0.26 197

qwe	2.18 480	2.60 435	1.58 468	3.83 506	1.90 503	2.53 496	1.90 500	2.48 488	1.73 490	2.37 488	1.92 502	2.53 490	1.68 473	2.56 492	1.83 497	2.52 499	1.87 488	2.07 485	1.68 495	2.32 472	1.71 494

sAnonymous2	3.31 515	2.63 436	1.38 457	3.71 503	1.86 498	4.70 538	1.11 399	4.82 540	2.72 519	5.45 545	1.98 512	4.59 531	2.64 508	2.65 497	6.21 551	4.37 514	1.08 375	5.16 545	2.24 515	4.52 512	2.39 517

CroCo_RVC	3.31 515	2.63 436	1.38 457	3.71 503	1.86 498	4.70 538	1.11 399	4.82 540	2.72 519	5.45 545	1.98 512	4.59 531	2.64 508	2.65 497	6.21 551	4.37 514	1.08 375	5.16 545	2.24 515	4.52 512	2.39 517

ff7	1.68 445	2.68 438	1.35 445	0.97 334	0.89 388	1.84 462	2.15 510	2.12 469	1.80 495	2.05 474	1.56 479	2.33 481	2.12 503	2.23 477	2.25 513	1.31 433	1.07 371	1.48 464	1.41 471	0.90 350	1.04 395

ffff	1.68 445	2.68 438	1.35 445	0.97 334	0.89 388	1.84 462	2.15 510	2.12 469	1.80 495	2.05 474	1.56 479	2.33 481	2.12 503	2.23 477	2.25 513	1.31 433	1.07 371	1.48 464	1.41 471	0.90 350	1.04 395

ccc-4	1.68 445	2.68 438	1.35 445	0.97 334	0.89 388	1.84 462	2.15 510	2.12 469	1.80 495	2.05 474	1.56 479	2.33 481	2.12 503	2.23 477	2.25 513	1.31 433	1.07 371	1.48 464	1.41 471	0.90 350	1.04 395

LGtest1	2.22 487	2.70 441	1.89 495	2.76 468	1.86 498	2.75 507	1.86 495	2.75 502	1.86 500	2.75 505	1.86 494	2.77 510	1.87 486	2.75 506	1.86 500	2.46 493	1.58 469	2.45 502	1.56 479	2.45 478	1.56 481

11t	1.27 435	2.70 441	1.34 443	1.32 417	0.89 388	1.30 446	1.34 464	1.64 452	0.57 339	1.45 450	0.72 373	1.05 386	1.29 455	1.07 387	1.29 465	1.49 444	1.02 368	0.97 386	1.15 404	1.48 440	1.31 467

LG-G_1	2.22 487	2.71 443	1.89 495	2.77 469	1.87 501	2.75 507	1.87 497	2.76 503	1.87 504	2.75 505	1.87 495	2.76 508	1.87 486	2.75 506	1.86 500	2.47 494	1.58 469	2.45 502	1.57 480	2.45 478	1.57 482

LG-G	2.22 487	2.71 443	1.89 495	2.77 469	1.87 501	2.75 507	1.87 497	2.76 503	1.87 504	2.75 505	1.87 495	2.76 508	1.87 486	2.75 506	1.86 500	2.47 494	1.58 469	2.45 502	1.57 480	2.45 478	1.57 482

4.25w-stereo	1.98 455	2.72 445	1.46 462	3.47 494	1.43 475	2.07 476	1.98 502	2.53 492	1.52 478	2.71 498	1.98 512	1.81 463	1.62 471	1.96 469	1.36 470	1.88 461	2.00 490	2.53 507	1.61 487	1.74 452	1.15 405

4w-stereo	2.02 468	2.72 445	1.44 460	3.36 490	1.59 480	2.48 491	1.72 488	2.28 475	1.24 462	2.24 481	1.65 487	2.56 494	1.32 458	2.39 485	1.98 509	2.67 502	1.51 462	1.66 470	1.24 459	2.53 489	1.88 507

3.25w_new	2.03 470	2.72 445	1.35 445	3.33 489	1.57 478	2.72 503	1.53 481	2.15 473	1.33 466	2.15 479	1.60 483	2.63 498	1.30 456	2.72 502	1.99 510	2.67 502	1.53 464	1.75 472	1.25 461	2.53 489	1.87 504

3.5w_stereo	2.03 470	2.72 445	1.35 445	3.41 491	1.57 478	2.72 503	1.49 480	2.01 465	1.34 467	2.15 479	1.61 485	2.63 498	1.36 461	2.72 502	1.99 510	2.66 500	1.58 469	1.68 471	1.24 459	2.53 489	1.87 504

sCroCo_RVC	2.10 476	2.76 449	1.92 498	2.78 472	1.39 473	2.73 505	1.41 475	2.73 501	1.40 474	2.77 510	1.41 475	2.74 507	1.40 465	2.74 505	1.40 473	2.72 504	1.42 457	2.72 510	1.44 476	2.79 496	1.42 477

PSMNet-RSSM	0.77 323	2.76 449	0.14 125	0.20 133	0.14 155	0.20 159	2.66 516	2.79 506	0.14 154	0.21 165	0.14 158	0.21 165	0.14 155	0.20 156	0.14 148	0.17 140	0.12 110	0.17 150	0.12 146	2.52 486	2.31 513

asd	2.18 480	2.77 451	1.58 468	3.59 499	2.00 505	2.58 500	1.85 494	2.39 485	1.71 485	2.47 491	1.97 506	2.59 496	1.61 470	2.56 492	1.79 496	2.51 497	1.99 489	2.11 489	1.62 489	2.36 474	1.60 486

GwcNet-RSSM	0.77 323	2.77 451	0.14 125	0.20 133	0.14 155	0.20 159	2.67 517	2.78 505	0.14 154	0.20 155	0.14 158	0.20 157	0.14 155	0.21 167	0.14 148	0.17 140	0.12 110	0.17 150	0.12 146	2.52 486	2.31 513

hitnet-ft	0.79 327	2.78 453	0.14 125	0.20 133	0.14 155	0.21 167	2.89 519	2.80 507	0.14 154	0.20 155	0.14 158	0.20 157	0.14 155	0.20 156	0.14 148	0.17 140	0.12 110	0.17 150	0.12 146	2.54 494	2.33 515

PDISCO_ROB	0.83 342	2.80 454	3.49 529	0.14 97	0.11 134	0.17 147	0.09 110	0.15 137	0.10 115	0.15 130	0.12 141	0.16 137	0.14 155	3.30 513	0.13 144	0.14 114	2.34 505	0.16 142	0.12 146	2.62 495	0.10 113

iGMRVC	0.84 345	2.85 455	0.72 338	0.72 301	0.73 376	0.77 348	0.79 370	0.73 339	0.74 372	0.73 346	0.72 373	0.73 351	0.76 367	0.73 346	0.73 366	0.72 333	0.73 343	0.73 352	0.72 372	0.73 326	0.72 360

MC-Stereo	1.76 448	2.96 456	1.37 455	2.14 448	1.37 471	2.14 478	1.36 467	2.14 472	1.37 472	2.14 478	1.37 471	2.14 476	1.37 463	2.14 476	1.37 471	1.97 465	1.32 440	1.97 483	1.32 464	1.98 459	1.33 469

PASM	0.39 223	3.06 457	1.36 453	1.58 426	0.09 112	0.11 119	0.11 128	0.11 121	0.11 130	0.09 107	0.09 112	0.11 121	0.09 113	0.09 108	0.09 105	0.11 86	0.11 95	0.11 118	0.09 110	0.11 120	0.11 125

DDVS	0.30 174	3.10 458	0.14 125	0.19 131	0.14 155	0.19 154	0.14 149	0.20 156	0.14 154	0.19 150	0.13 153	0.16 137	0.13 151	0.19 152	0.13 144	0.17 140	0.13 134	0.17 150	0.13 154	0.17 149	0.13 147

DEFOM-Stereo	0.68 306	3.11 459	1.40 459	1.63 434	0.25 210	0.31 201	0.25 201	0.31 196	0.28 221	0.31 197	0.29 229	0.29 200	0.27 220	0.31 207	0.28 215	1.59 449	1.47 460	0.30 202	0.29 235	0.30 190	0.28 218

4D-IteraStereo	0.78 326	3.13 460	0.89 356	0.69 296	0.32 246	0.40 237	0.32 235	0.76 340	0.97 394	0.52 312	0.65 357	0.89 367	0.32 246	0.76 350	0.98 390	0.83 347	0.94 363	0.35 236	0.27 222	0.70 322	0.89 379

plain	1.88 453	3.16 461	0.64 321	3.10 477	0.65 361	3.10 512	0.64 344	3.12 510	0.65 350	3.10 511	0.65 357	3.11 512	0.65 346	3.12 510	0.65 346	3.12 507	0.65 330	3.13 512	0.65 357	3.13 498	0.65 348

iRaftStereo_RVC	0.97 364	3.17 462	2.30 508	2.42 461	0.38 286	0.54 323	0.38 278	0.54 310	0.38 278	0.54 318	0.38 284	0.54 322	0.38 276	0.54 319	0.38 278	2.38 489	2.34 505	0.49 318	0.36 282	0.49 289	0.36 264

RCA-Stereo	0.51 278	3.22 463	0.34 223	0.44 233	0.34 267	0.44 277	0.34 255	0.43 266	0.34 259	0.43 263	0.34 260	0.44 274	0.33 253	0.43 270	0.33 246	0.38 233	0.29 206	0.38 251	0.29 235	0.38 236	0.29 223

Anonymous3	2.55 504	3.26 464	1.65 471	3.28 484	1.63 483	3.24 514	1.68 485	3.27 512	1.66 480	3.28 513	1.67 488	3.25 514	1.66 472	3.27 512	1.64 481	3.26 508	1.65 476	3.30 513	1.65 491	4.95 530	1.65 493

MIF-Stereo (partial)	2.58 505	3.31 465	0.66 325	3.18 481	0.66 364	3.18 513	0.66 347	3.21 511	0.67 353	3.19 512	0.66 359	3.19 513	0.66 349	3.31 514	0.68 354	5.09 536	1.79 484	8.23 555	1.67 493	6.18 539	1.38 475

MM-Stereo_test1	1.80 451	3.41 466	1.52 467	2.12 447	1.41 474	2.04 474	1.41 475	2.05 467	1.46 477	2.04 473	1.41 475	2.05 475	1.42 466	2.05 472	1.43 475	2.04 469	1.54 466	1.94 482	1.38 470	1.99 460	1.33 469

UniTT-Stereo	2.03 470	3.43 467	0.72 338	3.42 492	0.73 376	3.27 515	0.68 352	3.38 514	0.69 357	3.29 514	0.72 373	3.28 515	0.70 357	3.35 515	0.68 354	3.39 509	0.68 332	3.31 514	0.69 366	3.37 499	0.73 363

castereo++	0.54 283	3.59 468	1.15 381	1.31 416	0.14 155	0.16 139	0.14 149	0.16 138	0.14 154	0.16 135	0.14 158	0.16 137	0.13 151	0.16 137	0.14 148	1.45 443	1.16 387	0.15 139	0.14 158	0.15 139	0.13 147

DPSNet	3.66 517	3.60 469	3.62 532	3.63 500	3.64 542	3.65 518	3.65 540	3.66 517	3.67 537	3.67 516	3.65 538	3.67 518	3.66 528	3.66 516	3.68 535	3.68 512	3.66 525	3.67 518	3.68 541	3.67 500	3.67 539

RAStereo	2.23 490	3.64 470	0.76 345	3.65 501	0.86 386	3.66 519	0.76 368	3.67 518	0.81 380	3.66 515	0.76 378	3.66 517	0.77 368	3.68 517	0.77 371	3.68 512	0.77 348	3.69 519	0.77 375	3.70 501	0.77 369

qqq1	0.25 159	3.70 471	0.14 125	0.14 97	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	0.12 110	0.06 94	0.05 96	0.03 43	0.04 79

fff1	0.25 159	3.70 471	0.14 125	0.14 97	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	0.12 110	0.06 94	0.05 96	0.03 43	0.04 79

RAFT_CTSACE	1.92 454	3.71 473	1.72 476	1.88 438	1.72 491	2.04 474	1.42 477	2.18 474	1.89 506	2.02 471	1.97 506	1.95 467	2.06 502	1.93 468	1.62 480	1.76 454	1.66 477	2.02 484	1.73 501	1.73 451	1.43 478

MyStereo07	0.60 291	3.72 474	0.48 286	0.49 251	0.41 302	0.36 220	0.32 235	0.49 286	0.43 305	0.51 309	0.42 308	0.49 297	0.43 303	0.51 312	0.64 345	0.49 288	0.45 279	0.34 223	0.32 257	0.35 218	0.43 299

MyStereo04	0.56 289	3.72 474	0.59 313	0.49 251	0.41 302	0.36 220	0.32 235	0.37 217	0.31 241	0.34 209	0.46 317	0.35 217	0.32 246	0.35 218	0.33 246	0.49 288	0.45 279	0.34 223	0.32 257	0.35 218	0.43 299

castereo	0.61 294	3.79 476	1.35 445	1.52 425	0.15 166	0.17 147	0.16 157	0.20 156	0.21 184	0.18 148	0.16 167	0.21 165	0.12 146	0.26 194	0.17 167	1.43 442	1.38 455	0.17 150	0.16 163	0.18 153	0.16 153

ffm	0.25 159	3.83 477	0.12 100	0.12 80	0.05 99	0.06 92	0.05 93	0.06 94	0.05 97	0.03 40	0.03 52	0.06 98	0.05 94	0.06 88	0.05 88	0.12 91	0.12 110	0.05 86	0.04 78	0.06 96	0.04 79

ff1	0.25 159	3.83 477	0.12 100	0.12 80	0.05 99	0.06 92	0.05 93	0.06 94	0.05 97	0.03 40	0.03 52	0.06 98	0.05 94	0.06 88	0.05 88	0.12 91	0.12 110	0.05 86	0.04 78	0.06 96	0.04 79

mmx	0.25 159	3.83 477	0.12 100	0.12 80	0.05 99	0.06 92	0.05 93	0.06 94	0.05 97	0.03 40	0.03 52	0.06 98	0.05 94	0.06 88	0.05 88	0.12 91	0.12 110	0.05 86	0.04 78	0.06 96	0.04 79

NINENet	0.69 309	3.87 480	1.20 390	1.98 444	0.05 99	0.40 237	0.04 81	0.40 231	0.05 97	0.41 245	0.04 88	0.41 254	0.05 94	0.40 241	0.05 88	1.79 455	1.56 467	0.34 223	0.22 191	0.34 206	0.23 180

MyStereo8	0.71 312	3.92 481	0.52 303	0.59 281	0.52 341	0.57 330	0.53 334	0.59 321	0.50 327	0.59 329	0.51 340	0.57 330	0.50 327	0.56 323	0.52 333	0.54 305	0.49 296	0.54 333	0.49 333	0.55 307	0.50 322

MyStereo06	0.75 318	4.12 482	0.60 315	0.63 287	0.61 355	0.62 336	0.66 347	0.56 313	0.45 309	0.55 321	0.48 329	0.54 322	0.46 310	0.57 327	0.45 307	0.60 313	0.57 316	0.64 342	0.55 341	0.72 323	0.55 334

MyStereo05	0.80 329	4.12 482	0.63 319	0.63 287	0.61 355	0.62 336	0.66 347	0.65 329	0.62 346	0.67 340	0.61 351	0.65 342	0.58 339	0.67 340	0.55 338	0.60 313	0.57 316	0.64 342	0.55 341	0.72 323	0.55 334

test-3	0.98 366	4.13 484	1.85 490	1.85 437	0.61 355	0.69 342	0.37 272	0.63 327	0.61 345	0.66 339	0.51 340	0.73 351	0.44 305	0.57 327	0.54 336	1.68 453	1.81 485	0.40 266	0.43 316	0.66 315	0.50 322

GCAP-Stereo	0.75 318	4.15 485	0.42 262	0.75 304	0.35 270	0.78 350	0.40 288	0.79 342	0.38 278	0.78 354	0.36 273	0.78 356	0.36 268	0.79 351	0.39 285	0.75 335	0.39 252	0.76 356	0.39 300	0.75 327	0.39 281

IGEVStereo-DCA	1.77 449	4.21 486	1.84 488	2.49 464	2.11 512	2.54 498	1.36 467	1.65 453	1.17 411	2.75 505	1.90 500	2.54 492	1.15 396	0.94 370	1.11 400	1.50 445	1.32 440	0.96 384	1.46 477	1.49 441	0.88 377

rrr	1.77 449	4.21 486	1.84 488	2.49 464	2.11 512	2.54 498	1.36 467	1.65 453	1.17 411	2.75 505	1.90 500	2.54 492	1.15 396	0.94 370	1.11 400	1.50 445	1.32 440	0.96 384	1.46 477	1.49 441	0.88 377

GEStereo_RVC	0.86 348	4.45 488	0.20 161	0.27 165	0.20 189	0.27 193	0.20 175	0.26 184	0.18 173	5.03 541	0.20 187	0.27 194	0.19 181	0.27 197	0.21 185	0.20 152	0.19 166	0.19 163	4.02 546	0.20 160	0.18 169

error version	0.93 360	4.47 489	2.35 509	1.99 445	0.37 279	0.41 253	0.36 267	0.41 246	0.35 262	0.43 263	0.36 273	0.41 254	0.40 283	0.41 255	0.36 267	1.87 458	2.16 501	0.47 305	0.37 284	0.39 243	0.33 250

test_1	0.93 360	4.47 489	2.35 509	1.99 445	0.37 279	0.41 253	0.36 267	0.41 246	0.35 262	0.43 263	0.36 273	0.41 254	0.40 283	0.41 255	0.36 267	1.87 458	2.16 501	0.47 305	0.37 284	0.39 243	0.33 250

TestStereo	4.88 543	4.75 491	4.79 538	4.87 524	4.92 551	4.81 543	4.90 550	4.78 538	4.77 549	4.87 539	4.89 549	4.90 544	4.91 542	4.99 542	4.79 547	4.98 533	4.87 534	4.87 542	4.92 551	5.00 531	5.00 549

DispFullNet	4.61 539	4.84 492	3.12 526	5.00 525	3.57 539	4.75 541	3.03 526	7.75 553	4.17 546	4.91 540	3.09 530	6.20 550	3.95 535	6.71 549	3.51 533	5.30 538	3.67 526	5.86 551	3.63 538	5.61 536	3.46 537

MLG-Stereo_test3	4.26 532	4.85 493	3.95 535	5.35 528	3.60 540	4.75 541	3.76 541	5.49 546	3.71 538	5.39 543	3.69 539	4.82 542	3.66 528	4.85 538	3.73 539	4.93 531	3.19 522	4.69 536	2.99 523	4.84 527	2.98 522

CFNet-RSSM	0.91 353	4.89 494	0.34 223	0.44 233	1.07 407	1.62 461	1.40 474	0.91 355	0.35 262	1.60 452	1.39 474	0.64 339	0.34 258	0.44 272	0.33 246	0.41 255	0.35 234	0.75 354	0.30 245	0.41 258	0.29 223

StereoVision	3.15 513	5.00 495	0.89 356	4.83 522	1.00 399	3.93 520	1.27 461	6.37 547	1.34 467	5.67 547	1.26 461	5.84 549	1.27 453	5.03 544	1.24 458	5.10 537	1.09 377	4.61 531	0.57 347	5.62 537	1.12 400

LL-Strereo	1.01 372	5.06 496	1.63 470	0.70 298	1.43 475	0.56 325	0.46 310	0.57 316	0.50 327	0.57 325	0.50 334	1.58 457	0.49 324	0.59 329	0.50 326	1.64 452	0.52 308	0.51 327	1.37 468	0.52 302	0.45 304

FC-DCNN v2	5.10 547	5.15 497	4.49 537	5.07 526	3.37 537	6.87 550	4.75 549	5.04 543	6.34 553	7.84 553	5.06 550	6.72 554	4.09 538	4.99 542	5.44 550	5.03 534	3.16 519	4.67 534	4.86 550	5.15 533	3.89 544

DEFOM-Stereo_RVC	0.83 342	5.18 498	1.98 501	2.19 449	0.17 176	0.19 154	0.18 168	0.19 151	0.16 166	0.20 155	0.19 183	0.22 171	0.22 191	0.20 156	0.15 158	2.28 482	2.13 500	0.24 185	0.17 181	0.18 153	0.16 153

rvit_105_1	3.83 519	5.22 499	3.01 515	4.53 510	3.01 524	4.51 526	3.01 521	4.56 527	3.04 522	4.53 526	3.03 523	4.55 529	3.03 512	4.56 527	3.04 519	4.57 520	3.05 509	4.57 526	3.05 524	4.57 514	3.05 523

rvit_stereo_0081	3.83 519	5.23 500	3.01 515	4.53 510	3.03 526	4.55 532	3.02 522	4.56 527	3.04 522	4.52 524	3.02 521	4.54 527	3.03 512	4.56 527	3.04 519	4.57 520	3.05 509	4.57 526	3.05 524	4.58 515	3.05 523

CFNet	1.37 439	5.27 501	0.19 158	5.49 529	0.19 187	0.28 194	0.19 172	0.28 187	0.19 179	0.28 190	0.19 183	0.28 195	4.35 539	0.28 199	0.19 179	0.23 171	0.17 159	0.23 178	4.21 548	4.81 525	0.17 165

rvit_stereo_0083	3.92 528	5.30 502	3.06 523	4.61 519	3.09 533	4.67 537	3.08 531	4.66 535	3.09 531	4.62 534	3.10 531	4.66 539	3.11 521	4.67 535	3.16 530	4.72 530	3.16 519	4.77 539	3.11 531	4.66 521	3.11 530

rvit_0105_3	3.91 526	5.33 503	3.06 523	4.60 518	3.07 532	4.60 535	3.06 530	4.62 533	3.08 530	4.60 533	3.07 529	4.62 536	3.08 519	4.67 535	3.10 528	4.70 528	3.11 516	4.77 539	3.19 535	4.77 524	3.14 532

rvit_stereo_0081_aga	3.86 521	5.33 503	3.02 518	4.55 516	3.04 530	4.54 528	3.02 522	4.64 534	3.06 526	4.54 528	3.04 525	4.62 536	3.08 519	4.62 533	3.07 524	4.58 523	3.06 513	4.60 530	3.08 528	4.63 518	3.07 527

MLG-Stereo_test1	4.25 531	5.34 505	3.61 531	5.31 527	3.63 541	5.23 544	3.57 538	5.38 545	3.65 536	5.23 542	3.47 535	4.76 540	3.74 531	4.85 538	3.71 536	4.96 532	3.18 521	4.71 537	2.92 521	4.86 528	2.90 521

rvit_0105_5	4.10 530	5.40 506	3.13 528	4.71 521	3.15 535	4.72 540	3.10 533	4.90 542	3.27 534	4.69 536	3.16 533	4.84 543	3.25 524	4.96 541	3.34 532	5.05 535	3.39 524	5.10 544	3.40 536	5.11 532	3.42 536

UDGNet	2.23 490	5.40 506	1.72 476	2.48 463	1.69 487	2.51 495	1.69 486	2.51 491	1.72 489	2.50 493	1.69 489	2.52 489	1.69 475	2.50 490	1.68 485	2.41 491	1.70 479	2.42 501	1.69 497	2.42 476	1.64 491

rvit_stereo_ft	3.93 529	5.44 508	3.05 522	4.59 517	3.06 531	4.61 536	3.08 531	4.67 536	3.12 532	4.63 535	3.10 531	4.65 538	3.11 521	4.69 537	3.13 529	4.70 528	3.14 518	4.71 537	3.15 533	4.74 522	3.16 533

MLG-Stereo_test2	4.28 533	5.46 509	3.69 533	4.86 523	3.72 543	5.58 547	3.42 536	4.81 539	3.77 542	4.85 538	3.72 540	5.55 548	3.63 527	5.58 545	3.53 534	4.41 517	3.28 523	4.99 543	2.95 522	4.75 523	3.13 531

rvit_0105_4	3.91 526	5.47 510	3.02 518	4.54 513	3.02 525	4.54 528	3.03 526	4.75 537	3.17 533	4.57 530	3.06 526	4.61 535	3.16 523	4.65 534	3.09 527	4.66 527	3.11 516	4.68 535	3.18 534	4.81 525	3.16 533

rvit_stereo_0080	3.89 524	5.70 511	3.04 520	4.54 513	3.03 526	4.56 533	3.05 528	4.60 531	3.07 527	4.58 531	3.06 526	4.59 531	3.06 517	4.61 531	3.08 525	4.63 525	3.09 514	4.64 532	3.10 529	4.65 519	3.10 528

whm_eth	3.89 524	5.70 511	3.04 520	4.54 513	3.03 526	4.56 533	3.05 528	4.60 531	3.07 527	4.58 531	3.06 526	4.59 531	3.06 517	4.61 531	3.08 525	4.63 525	3.09 514	4.64 532	3.10 529	4.65 519	3.10 528

rvit_0105_6	3.87 523	5.73 513	3.10 525	4.69 520	3.12 534	4.54 528	3.02 522	4.56 527	3.04 522	4.54 528	3.03 523	4.54 527	3.04 515	4.56 527	3.05 521	4.58 523	3.05 509	4.58 528	3.05 524	4.58 515	3.05 523

rvit_stereo_0082	3.86 521	5.82 514	3.01 515	4.53 510	3.03 526	4.54 528	3.02 522	4.56 527	3.04 522	4.53 526	3.02 521	4.55 529	3.04 515	4.57 530	3.05 521	4.57 520	3.05 509	4.58 528	3.05 524	4.58 515	3.06 526

SGM-Forest	5.21 549	5.92 515	4.08 536	6.18 534	4.16 548	6.31 549	4.34 548	6.50 548	4.33 547	6.14 549	4.21 546	6.61 553	4.55 541	6.67 548	4.48 546	5.94 542	3.94 528	5.85 550	4.03 547	5.79 538	4.17 547
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
MaDis-Stereo	3.19 514	6.02 516	1.12 377	5.61 531	1.16 415	5.43 546	1.02 396	5.15 544	0.70 360	5.43 544	1.21 456	5.03 546	0.97 380	4.85 538	0.99 391	4.53 518	1.16 387	5.53 547	1.25 461	5.37 535	1.30 466

IER	0.88 350	7.04 517	2.23 506	2.75 467	0.28 223	0.43 275	0.25 201	0.39 226	0.25 200	0.41 245	0.27 219	0.39 235	0.25 203	0.40 241	0.28 215	0.37 226	0.28 197	0.37 244	0.25 209	0.37 227	0.25 191

HCRNet	1.22 432	7.11 518	3.00 514	3.55 498	0.33 257	0.29 196	0.14 149	0.19 151	0.15 164	0.33 207	0.29 229	0.25 184	0.14 155	0.22 171	0.33 246	3.64 511	3.00 508	0.76 356	0.32 257	0.18 153	0.13 147

SA	4.33 535	7.35 519	6.85 550	5.96 533	4.09 547	3.59 517	3.15 534	3.82 519	2.64 518	3.91 517	3.85 541	3.57 516	2.72 510	3.13 511	4.03 542	7.09 550	6.86 545	3.57 516	3.12 532	3.85 502	3.51 538

cross-raft	4.83 542	7.52 520	6.43 546	6.63 536	3.96 546	4.51 526	3.99 545	4.49 525	3.96 544	4.52 524	3.96 543	4.50 526	3.97 536	4.50 526	3.97 541	6.65 545	6.44 542	4.33 523	3.92 545	4.35 510	3.91 545

test_5	4.62 540	7.55 521	6.23 545	6.32 535	3.40 538	5.29 545	3.50 537	3.53 516	4.11 545	4.28 521	4.47 548	4.26 525	4.38 540	3.68 517	3.24 531	5.89 541	5.60 537	4.84 541	3.50 537	4.33 509	3.93 546

RAFT+CT+SA	4.28 533	7.62 522	4.91 539	5.55 530	2.28 519	3.09 511	3.64 539	4.49 525	3.07 527	4.80 537	3.35 534	4.77 541	3.70 530	4.29 524	3.05 521	5.58 539	5.98 540	3.58 517	3.78 543	4.26 508	3.72 540

raft_robust	4.71 541	7.75 523	5.40 544	6.81 537	3.31 536	4.28 525	4.20 547	4.32 524	4.37 548	4.35 523	4.35 547	4.14 523	3.75 532	4.30 525	4.20 545	6.67 546	6.37 541	3.36 515	4.24 549	4.86 528	3.25 535

test_4	4.88 543	8.13 524	6.98 551	7.46 541	4.44 549	4.25 524	3.85 544	4.04 523	3.92 543	4.13 520	3.91 542	4.18 524	3.84 533	4.14 522	4.06 543	7.01 549	7.13 546	4.53 524	3.72 542	4.09 506	3.72 540

Sa-1000	4.34 536	8.37 525	6.84 549	6.98 540	4.45 550	3.58 516	3.00 520	3.42 515	3.39 535	2.61 496	4.00 544	3.83 520	4.01 537	3.90 519	3.90 540	5.98 543	5.62 538	3.76 520	2.34 518	4.35 510	2.47 519

TestStereo1	4.60 537	8.41 526	6.44 547	6.86 538	3.79 544	3.97 521	3.78 542	3.99 521	3.74 539	3.97 518	3.52 536	3.94 521	3.58 525	3.98 520	3.72 537	6.82 547	6.50 543	3.76 520	3.66 539	3.90 503	3.74 542

SA-5K	4.60 537	8.41 526	6.44 547	6.86 538	3.79 544	3.97 521	3.78 542	3.99 521	3.74 539	3.97 518	3.52 536	3.94 521	3.58 525	3.98 520	3.72 537	6.82 547	6.50 543	3.76 520	3.66 539	3.90 503	3.74 542

U	5.15 548	8.49 528	1.81 479	8.49 545	1.77 492	8.49 555	1.77 489	8.51 555	1.77 493	8.49 555	1.77 491	8.50 556	1.78 483	8.58 555	1.77 495	8.54 554	1.78 483	8.55 556	1.78 502	8.55 550	1.84 500

CFNet_RVC	2.38 500	8.71 529	0.38 239	9.33 548	0.42 312	0.56 325	0.42 301	0.60 323	0.38 278	0.62 333	0.42 308	0.56 329	7.29 551	0.62 331	0.42 303	0.53 304	0.37 239	0.49 318	0.34 269	8.30 548	6.87 554

rvit_stereo_0075_2	6.64 551	8.80 530	5.25 541	7.89 542	5.27 553	7.90 554	5.27 551	7.92 554	5.28 551	7.91 554	5.29 552	7.93 555	5.27 543	7.92 554	5.28 548	7.93 551	5.28 536	7.93 554	5.29 553	7.93 547	5.28 551

test_3	5.01 545	8.86 531	7.77 553	8.09 543	2.76 523	4.13 523	4.05 546	3.88 520	3.76 541	4.33 522	4.13 545	3.71 519	3.91 534	4.21 523	4.06 543	7.93 551	7.69 548	4.53 524	3.91 544	4.17 507	4.29 548

SGM+DAISY	7.06 553	9.15 532	5.38 543	8.84 547	5.18 552	8.80 556	5.31 552	8.79 556	5.28 551	8.89 556	5.20 551	8.93 557	5.33 544	8.95 556	5.36 549	8.70 555	5.21 535	8.74 557	5.20 552	8.89 551	5.15 550

test-1	6.46 550	9.16 533	8.03 556	8.09 543	5.62 554	6.11 548	6.35 553	6.85 550	4.94 550	6.08 548	6.29 555	4.98 545	6.43 547	6.22 546	6.36 553	6.16 544	7.47 547	5.82 549	5.44 554	7.11 544	5.68 552

RAFT	6.73 552	9.36 534	7.40 552	8.51 546	6.55 555	6.88 551	6.60 554	6.79 549	6.60 554	6.80 550	6.72 556	5.31 547	5.50 545	6.61 547	6.61 554	8.42 553	5.89 539	5.73 548	5.45 555	6.61 540	6.24 553

CFNet_pseudo	2.67 508	9.36 534	0.32 208	10.99 557	0.33 257	0.85 356	0.33 244	0.49 286	0.33 250	0.49 292	0.32 246	0.49 297	7.26 550	0.49 298	0.33 246	0.41 255	9.62 554	0.41 279	0.29 235	10.03 556	0.29 223

CFNet_ucs	2.73 509	9.64 536	0.33 213	9.92 553	0.32 246	0.49 299	0.33 244	0.49 286	0.33 250	0.49 292	0.33 252	0.49 297	8.98 554	0.48 292	0.33 246	0.41 255	9.96 557	0.40 266	0.29 235	10.12 557	0.54 330

PCWNet_CMD	2.80 512	9.82 537	0.32 208	10.09 555	0.32 246	0.49 299	0.33 244	3.34 513	0.33 250	0.49 292	0.33 252	0.49 297	8.73 552	0.48 292	0.33 246	0.41 255	9.22 551	0.42 290	0.29 235	9.55 554	0.31 239

pcwnet_v2	2.66 507	9.89 538	0.33 213	9.89 552	0.32 246	0.50 307	0.32 235	0.49 286	0.33 250	0.49 292	0.34 260	0.49 297	8.76 553	0.48 292	0.33 246	0.41 255	9.58 553	0.40 266	0.29 235	9.01 552	0.63 346

UCFNet_RVC	2.75 510	10.06 539	0.29 193	10.31 556	0.29 230	0.42 271	0.29 224	0.43 266	0.29 226	0.42 257	0.29 229	0.42 270	9.87 556	0.43 270	0.29 225	0.36 222	9.84 556	0.36 241	0.26 215	9.77 555	0.26 197

MSMDNet	2.65 506	10.14 540	0.33 213	9.74 551	0.32 246	0.87 358	0.33 244	2.95 509	0.68 354	0.49 292	0.34 260	0.49 297	5.70 546	0.49 298	0.33 246	0.42 269	9.57 552	0.41 279	0.31 252	8.36 549	0.65 348

ccs_rob	2.79 511	10.17 541	0.32 208	10.00 554	0.33 257	0.49 299	0.33 244	1.90 460	0.32 244	0.51 309	0.33 252	0.49 297	9.24 555	0.49 298	0.33 246	0.41 255	9.82 555	0.41 279	0.28 226	9.34 553	0.29 223

test-v	7.53 554	11.89 542	7.98 554	9.36 549	7.14 556	7.06 552	7.09 555	7.37 551	6.91 555	7.29 551	5.71 553	6.45 551	6.93 548	6.73 550	7.27 555	8.93 556	7.85 549	6.98 552	6.80 556	7.56 545	7.34 555

test-2	7.53 554	11.89 542	7.98 554	9.36 549	7.14 556	7.06 552	7.09 555	7.37 551	6.91 555	7.29 551	5.71 553	6.45 551	6.93 548	6.73 550	7.27 555	8.93 556	7.85 549	6.98 552	6.80 556	7.56 545	7.34 555

rafts_anoy	20.00 558	20.00 544	20.00 558	20.00 558	20.00 559	20.00 557	20.00 558	20.00 557	20.00 558	20.00 557	20.00 558	20.00 558	20.00 558	20.00 557	20.00 558	20.00 558	20.00 559	20.00 558	20.00 559	20.00 558	20.00 558

raft+_RVC	20.00 558	20.00 544	20.00 558	20.00 558	20.00 559	20.00 557	20.00 558	20.00 557	20.00 558	20.00 557	20.00 558	20.00 558	20.00 558	20.00 557	20.00 558	20.00 558	20.00 559	20.00 558	20.00 559	20.00 558	20.00 558

raftrobust	20.00 558	20.00 544	20.00 558	20.00 558	20.00 559	20.00 557	20.00 558	20.00 557	20.00 558	20.00 557	20.00 558	20.00 558	20.00 558	20.00 557	20.00 558	20.00 558	20.00 559	20.00 558	20.00 559	20.00 558	20.00 558

CasAABBNet	20.00 558	20.00 544	20.00 558	20.00 558	20.00 559	20.00 557	20.00 558	20.00 557	20.00 558	20.00 557	20.00 558	20.00 558	20.00 558	20.00 557	20.00 558	20.00 558	20.00 559	20.00 558	20.00 559	20.00 558	20.00 558

RALCasStereoNet	20.00 558	20.00 544	20.00 558	20.00 558	20.00 559	20.00 557	20.00 558	20.00 557	20.00 558	20.00 557	20.00 558	20.00 558	20.00 558	20.00 557	20.00 558	20.00 558	20.00 559	20.00 558	20.00 559	20.00 558	20.00 558

RALAANet	20.00 558	20.00 544	20.00 558	20.00 558	20.00 559	20.00 557	20.00 558	20.00 557	20.00 558	20.00 557	20.00 558	20.00 558	20.00 558	20.00 557	20.00 558	20.00 558	20.00 559	20.00 558	20.00 559	20.00 558	20.00 558

MANE	19.05 557	23.00 550	15.00 557	23.00 564	15.00 558	24.00 563	16.00 557	24.00 563	16.00 557	22.00 563	15.00 557	23.00 564	16.00 557	23.00 563	15.00 557	22.00 564	15.00 558	22.00 564	15.00 558	22.00 564	15.00 557

stereogan	2.33 494	24.38 551	1.18 385	1.18 362	1.18 418	1.14 392	1.18 407	1.19 385	1.19 413	1.14 392	1.18 410	1.14 396	1.18 401	1.14 394	1.18 409	1.14 381	1.14 385	1.19 406	1.19 408	1.15 373	1.19 413

Abc-Net	2.32 493	24.75 552	1.14 379	1.17 361	1.17 416	1.11 390	1.15 403	1.17 382	1.21 459	1.08 383	1.16 406	1.12 395	1.14 395	1.09 388	1.17 408	1.09 371	1.16 387	1.17 402	1.17 407	1.16 375	1.11 398
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
RP	2.33 494	25.00 553	1.13 378	1.15 355	1.15 411	1.10 387	1.15 403	1.15 378	1.15 406	1.12 389	1.15 403	1.09 389	1.13 393	1.10 390	1.15 404	1.11 378	1.09 377	1.16 398	1.12 402	1.16 375	1.17 409

RGC	2.36 496	25.48 554	1.19 387	1.15 355	1.15 411	1.10 387	1.16 405	1.17 382	1.16 407	1.12 389	1.16 406	1.11 394	1.13 393	1.09 388	1.18 409	1.10 373	1.15 386	1.16 398	1.12 402	1.14 371	1.12 400

NCC-stereo	2.36 496	25.52 555	1.17 383	1.15 355	1.17 416	1.11 390	1.11 399	1.15 378	1.16 407	1.10 384	1.16 406	1.10 391	1.15 396	1.14 394	1.13 402	1.09 371	1.11 381	1.15 397	1.16 406	1.17 380	1.17 409

AF-Net	2.37 498	25.71 556	1.17 383	1.13 352	1.15 411	1.15 393	1.18 407	1.19 385	1.16 407	1.10 384	1.15 403	1.10 391	1.18 401	1.12 393	1.15 404	1.10 373	1.10 380	1.17 402	1.15 404	1.16 375	1.12 400

Nwc_Net	2.37 498	25.95 557	1.15 381	1.14 353	1.15 411	1.08 384	1.14 402	1.17 382	1.16 407	1.14 392	1.15 403	1.08 387	1.15 396	1.11 392	1.14 403	1.10 373	1.11 381	1.16 398	1.09 401	1.16 375	1.15 405

FAT-Stereo	2.46 502	26.05 558	1.23 439	1.23 411	1.22 467	1.20 395	1.24 457	1.23 436	1.23 461	1.19 395	1.22 457	1.21 445	1.24 451	1.20 399	1.24 458	1.21 429	1.17 390	1.22 453	1.25 461	1.20 384	1.24 463

S-Stereo	2.51 503	26.86 559	1.23 439	1.22 409	1.22 467	1.24 443	1.25 458	1.22 434	1.24 462	1.21 441	1.24 459	1.19 399	1.27 453	1.19 398	1.24 458	1.19 383	1.20 392	1.25 454	1.19 408	1.24 432	1.23 462

MoCha-V2	2.11 477	26.97 560	0.78 347	0.92 323	0.77 380	0.96 369	0.72 364	0.90 353	0.72 367	0.94 370	0.70 366	0.90 368	0.71 361	0.91 365	0.71 364	0.85 350	0.71 341	0.88 373	0.69 366	0.87 345	0.67 352

edge stereo	2.43 501	27.07 561	1.14 379	1.06 344	1.14 410	1.08 384	1.17 406	1.16 380	1.14 405	1.10 384	1.16 406	1.09 389	1.16 400	1.10 390	1.16 407	1.10 373	1.11 381	1.16 398	1.19 408	1.13 370	1.11 398

fff	1000028.16 584	29.62 562	29.72 565	32.61 565	30.02 566	35.13 566	31.83 566	32.07 565	10000000.00 584	35.27 567	29.82 566	32.45 566	30.15 565	32.35 565	30.09 565	31.04 566	29.55 567	30.64 566	30.14 566	10000000.00 585	30.77 566

csc	1000028.16 584	29.62 562	29.72 565	32.61 565	30.02 566	35.13 566	31.83 566	32.07 565	10000000.00 584	35.27 567	29.82 566	32.45 566	30.15 565	32.35 565	30.09 565	31.04 566	29.55 567	30.64 566	30.14 566	10000000.00 585	30.77 566

cscssc	1000028.16 584	29.62 562	29.72 565	32.61 565	30.02 566	35.13 566	31.83 566	32.07 565	10000000.00 584	35.27 567	29.82 566	32.45 566	30.15 565	32.35 565	30.09 565	31.04 566	29.55 567	30.64 566	30.14 566	10000000.00 585	30.77 566

STTStereo	3.73 518	30.40 565	2.37 511	2.39 460	2.31 521	2.35 485	2.33 514	2.29 477	2.42 517	2.32 486	2.34 519	2.33 481	2.36 507	2.30 482	2.27 516	2.35 487	2.22 503	2.31 494	2.22 514	2.29 471	2.34 516

111	30.40 564	30.94 566	29.72 565	32.61 565	30.02 566	33.57 564	30.47 565	31.50 564	29.39 565	30.98 564	29.11 565	29.78 565	30.39 568	29.45 564	30.76 568	30.08 565	29.02 566	29.92 565	30.32 569	29.86 565	30.17 565

DCANet-4	35.22 566	34.54 567	35.08 571	33.58 569	35.47 573	34.55 565	35.53 572	36.08 570	35.85 569	35.92 570	35.77 571	35.18 571	35.48 570	35.39 570	37.15 574	34.55 571	33.92 570	35.02 572	34.90 571	35.79 569	34.74 572

tt	500032.53 582	34.60 568	29.72 565	37.47 574	34.41 571	36.85 570	35.22 570	34.71 568	33.55 567	34.50 565	35.43 569	33.81 569	10000000.00 585	33.57 568	33.13 569	33.68 569	35.00 571	34.03 570	35.26 572	30.96 566	34.63 570

DCANet	500032.53 582	34.60 568	29.72 565	37.47 574	34.41 571	36.85 570	35.22 570	34.71 568	33.55 567	34.50 565	35.43 569	33.81 569	10000000.00 585	33.57 568	33.13 569	33.68 569	35.00 571	34.03 570	35.26 572	30.96 566	34.63 570

WCMA_ROB	31.10 565	35.43 570	27.12 564	39.51 576	23.10 565	38.78 575	25.30 564	37.49 575	25.39 564	37.29 574	27.02 564	38.52 576	26.48 564	37.80 574	26.44 564	36.28 572	22.65 565	33.90 569	22.30 565	37.10 573	24.18 564

ADStereo(finetuned)	36.13 567	36.63 571	38.07 575	36.97 570	33.25 570	35.91 569	34.45 569	36.36 571	32.99 566	38.14 575	36.71 572	36.69 572	34.13 569	38.57 575	40.79 575	37.60 576	36.58 573	35.90 573	33.36 570	35.42 568	34.04 569

Reg-Stereo(zero)	37.00 568	37.00 572	37.00 572	37.00 571	37.00 574	37.00 572	37.00 573	37.00 572	37.00 570	37.00 571	37.00 573	37.00 573	37.00 571	37.00 571	37.00 571	37.00 573	37.00 574	37.00 574	37.00 574	37.00 570	37.00 573

HI	37.00 568	37.00 572	37.00 572	37.00 571	37.00 574	37.00 572	37.00 573	37.00 572	37.00 570	37.00 571	37.00 573	37.00 573	37.00 571	37.00 571	37.00 571	37.00 573	37.00 574	37.00 574	37.00 574	37.00 570	37.00 573

CoSv	37.00 568	37.00 572	37.00 572	37.00 571	37.00 574	37.00 572	37.00 573	37.00 572	37.00 570	37.00 571	37.00 573	37.00 573	37.00 571	37.00 571	37.00 571	37.00 573	37.00 574	37.00 574	37.00 574	37.00 570	37.00 573

NLCA_NET_v2_RVC	5.04 546	50.87 575	2.78 513	2.87 473	2.71 522	2.78 510	0.47 315	2.88 508	2.86 521	1.89 462	2.67 520	2.79 511	2.79 511	2.78 509	2.83 518	2.82 505	2.82 507	2.83 511	2.77 520	2.83 497	2.76 520
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
MDST_ROB	69.83 571	87.70 576	41.95 576	113.75 579	65.62 579	75.05 576	55.25 577	75.64 577	45.04 573	71.61 576	41.75 576	72.81 577	44.06 574	68.38 576	44.63 576	101.89 579	59.57 579	107.10 579	61.05 579	104.38 576	59.38 578

MGS-Stereo	239.45 576	123.00 577	135.00 580	266.00 582	286.00 583	277.00 581	305.00 582	271.00 581	242.00 579	274.00 581	279.00 582	255.00 582	270.00 580	268.00 581	297.00 582	221.00 582	247.00 583	216.00 582	123.00 580	217.00 579	217.00 582

AE-Stereo	201.80 575	123.00 577	115.00 578	219.00 581	218.00 582	223.00 580	244.00 581	217.00 580	236.00 578	202.00 580	203.00 580	205.00 581	208.00 578	225.00 580	204.00 580	210.00 581	198.00 581	197.00 581	184.00 582	204.00 578	201.00 580

EGLCR-Stereo	246.90 577	129.00 579	139.00 581	266.00 582	286.00 583	277.00 581	305.00 582	271.00 581	242.00 579	274.00 581	279.00 582	255.00 582	270.00 580	268.00 581	297.00 582	230.00 583	247.00 583	216.00 582	223.00 584	237.00 580	227.00 583

NOSS_ROB	102.95 572	153.00 580	121.00 579	51.00 577	44.00 577	165.00 579	127.00 578	153.00 578	119.00 575	164.00 579	125.00 578	168.00 580	120.00 576	153.00 578	117.00 578	49.00 577	44.00 577	49.00 577	44.00 577	49.00 574	44.00 576

MeshStereo	159.24 574	171.00 581	160.68 582	162.58 580	160.59 580	164.01 578	160.35 579	158.51 579	158.56 576	158.34 578	160.12 579	158.56 579	159.92 577	157.26 579	158.94 579	154.38 580	158.36 580	155.75 580	159.13 581	153.67 577	154.07 579
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
PA-Net	11.80 556	223.51 582	0.62 318	0.59 281	0.71 373	0.59 332	0.73 365	0.67 332	0.73 370	0.55 321	0.61 351	0.60 335	0.74 364	0.63 335	0.73 366	0.66 325	0.60 320	0.69 348	0.66 359	0.72 323	0.65 348
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
DLCB_ROB	284.23 578	354.61 583	207.27 583	363.24 584	206.46 581	364.72 583	210.41 580	364.72 583	210.41 577	364.81 583	208.64 581	364.81 584	208.64 579	364.72 583	210.41 581	354.70 584	205.53 582	354.70 584	205.53 583	354.70 581	205.53 581

LE_ROB	396.57 579	471.28 584	329.84 584	471.48 585	308.15 585	526.83 584	322.10 584	488.15 584	323.76 581	495.46 584	317.97 584	497.17 585	320.10 582	481.62 584	326.76 584	462.71 585	298.97 585	466.16 585	285.98 585	447.62 582	289.21 584

SGM-ForestM	596.69 580	677.77 585	444.52 585	699.85 586	517.25 586	732.94 585	488.29 585	770.79 585	460.11 582	750.81 585	487.98 585	792.79 586	499.41 583	730.90 585	475.81 585	720.03 586	491.16 586	663.96 586	418.60 586	674.76 583	436.05 585

CBMV_ROB	818.48 581	913.88 586	709.52 586	862.84 587	597.78 587	1073.99 586	700.52 586	1015.66 586	702.59 583	1115.65 586	760.02 586	1130.24 587	721.57 584	1037.41 586	692.65 586	814.05 587	564.29 587	843.28 587	595.31 587	915.51 584	602.92 586

CBMV	128.50 573	1422.70 587	53.10 577	79.50 578	51.30 578	77.30 577	49.70 576	74.00 576	48.20 574	77.20 577	48.80 577	73.90 578	48.00 575	73.80 577	48.80 577	70.40 578	45.10 578	68.90 578	46.10 578	68.20 575	45.00 577
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
111111	10000000.00 587	10000000.00 588	10000000.00 587	10000000.00 588	10000000.00 588	10000000.00 587	10000000.00 587	10000000.00 587	10000000.00 584	10000000.00 587	10000000.00 587	10000000.00 588	10000000.00 585	10000000.00 587	10000000.00 587	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 585	10000000.00 587

SGD-Stereo	10000000.00 587	10000000.00 588	10000000.00 587	10000000.00 588	10000000.00 588	10000000.00 587	10000000.00 587	10000000.00 587	10000000.00 584	10000000.00 587	10000000.00 587	10000000.00 588	10000000.00 585	10000000.00 587	10000000.00 587	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 585	10000000.00 587

IGEV-Stereo++	10000000.00 587	10000000.00 588	10000000.00 587	10000000.00 588	10000000.00 588	10000000.00 587	10000000.00 587	10000000.00 587	10000000.00 584	10000000.00 587	10000000.00 587	10000000.00 588	10000000.00 585	10000000.00 587	10000000.00 587	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 585	10000000.00 587

IGEV-BASED-STEREO-	10000000.00 587	10000000.00 588	10000000.00 587	10000000.00 588	10000000.00 588	10000000.00 587	10000000.00 587	10000000.00 587	10000000.00 584	10000000.00 587	10000000.00 587	10000000.00 588	10000000.00 585	10000000.00 587	10000000.00 587	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 585	10000000.00 587

IGEV-Stereo+	10000000.00 587	10000000.00 588	10000000.00 587	10000000.00 588	10000000.00 588	10000000.00 587	10000000.00 587	10000000.00 587	10000000.00 584	10000000.00 587	10000000.00 587	10000000.00 588	10000000.00 585	10000000.00 587	10000000.00 587	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 585	10000000.00 587

SDNR	10000000.00 587	10000000.00 588	10000000.00 587	10000000.00 588	10000000.00 588	10000000.00 587	10000000.00 587	10000000.00 587	10000000.00 584	10000000.00 587	10000000.00 587	10000000.00 588	10000000.00 585	10000000.00 587	10000000.00 587	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 585	10000000.00 587

anonymousdsp2	10000000.00 587	10000000.00 588	10000000.00 587	10000000.00 588	10000000.00 588	10000000.00 587	10000000.00 587	10000000.00 587	10000000.00 584	10000000.00 587	10000000.00 587	10000000.00 588	10000000.00 585	10000000.00 587	10000000.00 587	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 585	10000000.00 587

anonymousdsp	10000000.00 587	10000000.00 588	10000000.00 587	10000000.00 588	10000000.00 588	10000000.00 587	10000000.00 587	10000000.00 587	10000000.00 584	10000000.00 587	10000000.00 587	10000000.00 588	10000000.00 585	10000000.00 587	10000000.00 587	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 585	10000000.00 587

test_example2	10000000.00 587	10000000.00 588	10000000.00 587	10000000.00 588	10000000.00 588	10000000.00 587	10000000.00 587	10000000.00 587	10000000.00 584	10000000.00 587	10000000.00 587	10000000.00 588	10000000.00 585	10000000.00 587	10000000.00 587	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 585	10000000.00 587

DIP-Stereo	10000000.00 587	10000000.00 588	10000000.00 587	10000000.00 588	10000000.00 588	10000000.00 587	10000000.00 587	10000000.00 587	10000000.00 584	10000000.00 587	10000000.00 587	10000000.00 588	10000000.00 585	10000000.00 587	10000000.00 587	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 585	10000000.00 587
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022

Low-res two-view benchmark