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

USTest	0.01 9	0.02 12	0.00 1	0.14 99	0.00 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

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

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

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

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

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

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

Wz-Net-TNSev	0.02 15	0.05 49	0.04 43	0.07 48	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

Wz-Net-SNSev	0.03 29	0.09 65	0.07 58	0.09 55	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 68	0.07 59	0.01 9	0.01 9	0.01 10	0.01 10

Wz-Net-LNSev	0.06 44	0.24 121	0.20 161	0.23 148	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	0.23 173	0.21 174	0.02 18	0.01 9	0.01 10	0.01 10

Wz-Net-MNSev	0.06 44	0.54 210	0.10 69	0.12 82	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 93	0.11 97	0.01 9	0.01 9	0.01 10	0.01 10

WZ-Net	0.05 41	0.50 195	0.10 69	0.12 82	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 93	0.10 75	0.01 9	0.01 9	0.01 10	0.01 10

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

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

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

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

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

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

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

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

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

DualNet (step1)	0.10 64	1.05 288	0.12 100	0.12 82	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 93	0.12 112	0.03 38	0.03 54	0.03 43	0.03 51

test_sample9	0.10 64	1.05 288	0.12 100	0.12 82	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 93	0.12 112	0.03 38	0.03 54	0.03 43	0.03 51

test_sample2	0.09 51	1.03 284	0.11 89	0.11 76	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 68	0.09 70	0.03 38	0.02 20	0.03 43	0.02 20

test_sample1	0.09 51	0.87 245	0.12 100	0.11 76	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 73	0.10 75	0.03 38	0.02 20	0.03 43	0.02 20

SMFormer	0.09 51	1.01 278	0.09 65	0.09 55	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 68	0.09 70	0.03 38	0.02 20	0.03 43	0.02 20

tta	0.09 51	0.95 264	0.09 65	0.10 59	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 68	0.10 75	0.03 38	0.02 20	0.03 43	0.02 20

CoDeX	0.15 123	0.70 227	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	0.67 358	0.02 15	0.69 344	0.75 362	0.01 9	0.02 20	0.02 20

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

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

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

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

Wz-Net-LNSev-Ref	0.11 86	0.44 172	0.33 214	0.39 201	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	0.39 246	0.36 243	0.02 18	0.02 20	0.02 20	0.02 20

psmg	0.43 248	1.91 397	0.92 371	1.91 447	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	1.97 473	1.44 466	0.04 73	0.03 54	0.02 20	0.03 51

CSP-Net	0.34 196	1.29 362	1.19 395	1.36 427	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	1.26 436	1.21 446	0.03 38	0.09 110	0.02 20	0.09 110

SFCPSM	0.17 135	0.78 231	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	0.79 380	0.02 15	0.75 354	0.76 364	0.02 20	0.02 20	0.02 20

Syn2CoEx	0.25 161	1.31 364	0.74 350	0.92 329	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	0.87 357	0.75 354	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	1.01 347	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	0.09 107	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	0.90 324	0.06 109	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.14 129	0.36 273	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

AnyNet_C01	0.11 86	0.02 12	0.02 14	1.62 440	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

zh-sn7	0.10 64	0.98 268	0.14 125	0.15 109	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	0.15 125	0.13 136	0.03 38	0.03 54	0.03 43	0.03 51

zh-mn7	0.12 95	1.14 298	0.17 149	0.20 135	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	0.18 150	0.16 145	0.03 38	0.03 54	0.03 43	0.03 51

w-ln-seven-2	0.14 111	1.22 358	0.28 190	0.32 178	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	0.32 204	0.27 194	0.04 73	0.03 54	0.03 43	0.03 51

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

test_sample8	0.10 64	1.05 288	0.12 100	0.12 82	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 93	0.12 112	0.03 38	0.03 54	0.03 43	0.03 51

test_sample7	0.09 51	1.00 272	0.11 89	0.11 76	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 93	0.12 112	0.03 38	0.03 54	0.03 43	0.03 51

test_sample6	0.09 51	0.97 267	0.10 69	0.10 59	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 73	0.10 75	0.03 38	0.02 20	0.03 43	0.02 20

test_sample5	0.10 64	1.07 291	0.11 89	0.10 59	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 73	0.10 75	0.03 38	0.03 54	0.04 77	0.03 51

test_sample4	0.10 64	1.03 284	0.12 100	0.10 59	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	0.13 109	0.13 136	0.03 38	0.03 54	0.03 43	0.03 51

test_sample3	0.09 51	0.87 245	0.10 69	0.12 82	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 93	0.10 75	0.03 38	0.02 20	0.03 43	0.02 20

mmm	0.14 111	1.83 388	0.12 100	0.11 76	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 93	0.11 97	0.05 86	0.04 78	0.05 92	0.04 79

11t1	0.17 135	2.16 414	0.13 120	0.13 95	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	0.18 150	0.12 112	0.06 94	0.03 54	0.05 92	0.03 51

DualNet	0.10 64	1.07 291	0.11 89	0.10 59	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 73	0.10 75	0.03 38	0.03 54	0.04 77	0.03 51

ffm	0.25 161	3.83 485	0.12 100	0.12 82	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 93	0.12 112	0.05 86	0.04 78	0.06 97	0.04 79

ff1	0.25 161	3.83 485	0.12 100	0.12 82	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 93	0.12 112	0.05 86	0.04 78	0.06 97	0.04 79

mmx	0.25 161	3.83 485	0.12 100	0.12 82	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 93	0.12 112	0.05 86	0.04 78	0.06 97	0.04 79

ttt	0.10 64	1.09 293	0.12 100	0.12 82	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 93	0.12 112	0.03 38	0.02 20	0.03 43	0.02 20

1111x	0.10 64	1.14 298	0.13 120	0.14 99	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	0.13 109	0.11 97	0.03 38	0.02 20	0.03 43	0.02 20

xxx	0.09 51	1.01 278	0.10 69	0.10 59	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 73	0.10 75	0.03 38	0.02 20	0.03 43	0.03 51

qqq	0.16 131	2.01 405	0.12 100	0.15 109	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 93	0.14 140	0.04 73	0.04 78	0.03 43	0.03 51

x	0.11 86	1.15 301	0.15 141	0.14 99	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	0.14 116	0.15 143	0.03 38	0.03 54	0.03 43	0.03 51

BUS	0.83 350	1.91 397	0.92 371	4.48 515	0.02 21	0.40 243	0.04 81	0.41 252	0.02 21	0.48 291	0.03 52	0.41 260	0.05 94	0.03 39	0.05 88	1.97 473	4.19 538	0.33 219	0.23 198	0.34 209	0.27 207

BSDual-CNN	0.81 342	1.91 397	0.92 371	4.48 515	0.02 21	0.42 277	0.06 107	0.41 252	0.02 21	0.48 291	0.03 52	0.02 20	0.02 21	0.03 39	0.02 20	1.97 473	4.19 538	0.33 219	0.23 198	0.34 209	0.27 207

hknet	1.10 387	1.85 390	3.49 537	4.48 515	0.02 21	0.42 277	0.06 107	0.41 252	0.02 21	0.48 291	0.03 52	0.41 260	0.03 52	0.42 271	0.03 48	4.39 524	4.19 538	0.33 219	0.23 198	0.34 209	0.27 207

222	0.10 64	0.99 271	0.12 100	0.13 95	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 93	0.12 112	0.03 38	0.02 20	0.04 77	0.03 51

xxxx	0.11 86	1.16 302	0.16 142	0.12 82	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	0.13 109	0.16 145	0.03 38	0.04 78	0.04 77	0.04 79

test_xeample	0.10 64	1.09 293	0.13 120	0.12 82	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	0.14 116	0.14 140	0.03 38	0.03 54	0.03 43	0.03 51

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

BEATNet_4x	0.11 86	0.03 31	0.03 36	1.60 437	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 86	0.03 31	0.03 36	1.60 437	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 95	0.03 31	0.04 43	1.71 443	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

AnyNet_C32	0.14 111	0.04 37	0.03 36	2.22 458	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	0.07 103	0.04 75	0.02 15	0.02 15	0.03 38	0.03 54	0.02 20	0.03 51

ADCPNet	0.10 64	0.03 31	0.04 43	1.27 420	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	0.08 107	0.04 75	0.04 44	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

z-mn7	0.16 131	1.21 353	0.33 214	0.41 227	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	0.35 220	0.31 224	0.04 73	0.04 78	0.04 77	0.04 79

z-ln-s-r	0.21 150	1.40 370	0.53 311	0.56 281	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	0.57 313	0.44 285	0.04 73	0.04 78	0.04 77	0.04 79

w-ln-seven	0.18 138	1.47 372	0.33 214	0.40 215	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	0.38 236	0.32 228	0.05 86	0.04 78	0.04 77	0.04 79

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

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	0.12 124	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

NINENet	0.69 316	3.87 488	1.20 398	1.98 451	0.05 99	0.40 243	0.04 81	0.40 237	0.05 97	0.41 251	0.04 88	0.41 260	0.05 94	0.40 244	0.05 88	1.79 463	1.56 475	0.34 226	0.22 193	0.34 209	0.23 182

APVNet	0.09 51	0.05 49	0.04 43	0.05 43	0.04 79	0.05 89	0.90 389	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

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

FADNet-RVC-Resample	0.12 95	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	1.57 486	0.04 44	0.04 45	0.04 73	0.05 96	0.04 77	0.06 104

FADNet_RVC	0.12 95	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	1.65 490	0.05 51	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

FADNet	0.12 95	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	1.66 492	0.06 55	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
GGEV	0.09 51	0.13 81	0.40 251	0.06 46	0.05 99	0.06 92	0.05 93	0.13 125	0.05 97	0.06 96	0.05 100	0.06 98	0.05 94	0.07 103	0.05 88	0.06 55	0.05 56	0.14 126	0.13 154	0.05 92	0.05 97

DA2	0.09 51	0.13 81	0.39 247	0.08 50	0.05 99	0.07 104	0.05 93	0.13 125	0.05 97	0.06 96	0.05 100	0.06 98	0.05 94	0.06 88	0.05 88	0.06 55	0.05 56	0.14 126	0.13 154	0.06 97	0.05 97

ISRNet	0.11 86	0.05 49	0.36 234	0.24 153	0.07 110	0.13 125	0.05 93	0.06 94	0.05 97	0.05 91	0.05 100	0.13 127	0.05 94	0.05 82	0.09 107	0.24 178	0.20 170	0.10 107	0.05 96	0.06 97	0.13 149

qqq1	0.25 161	3.70 479	0.14 125	0.14 99	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	0.13 109	0.12 112	0.06 94	0.05 96	0.03 43	0.04 79

fff1	0.25 161	3.70 479	0.14 125	0.14 99	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	0.13 109	0.12 112	0.06 94	0.05 96	0.03 43	0.04 79

GwcNet	0.12 95	0.07 58	0.05 57	0.08 50	0.05 99	0.08 105	1.20 417	0.07 104	0.05 97	0.05 91	0.05 100	0.08 107	0.05 94	0.08 107	0.03 48	0.07 60	0.05 56	0.06 94	0.05 96	0.07 106	0.05 97

FADNet-RVC	0.13 102	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	1.71 495	0.04 44	0.04 45	0.04 73	0.04 78	0.07 106	0.04 79

ADCP+	0.15 123	0.04 37	0.04 43	2.20 457	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	0.08 107	0.04 75	0.04 44	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

AASNet	0.06 44	0.08 59	0.08 60	0.08 50	0.05 99	0.06 92	0.05 93	0.05 89	0.06 108	0.06 96	0.06 108	0.05 91	0.06 108	0.06 88	0.05 88	0.08 62	0.08 61	0.08 101	0.05 96	0.06 97	0.05 97

SACVNet	0.06 44	0.08 59	0.08 60	0.08 50	0.05 99	0.06 92	0.05 93	0.05 89	0.06 108	0.06 96	0.06 108	0.05 91	0.06 108	0.06 88	0.05 88	0.08 62	0.08 61	0.08 101	0.05 96	0.06 97	0.05 97

AACVNet	0.06 44	0.08 59	0.08 60	0.08 50	0.05 99	0.06 92	0.05 93	0.05 89	0.06 108	0.06 96	0.06 108	0.05 91	0.06 108	0.06 88	0.05 88	0.08 62	0.08 61	0.08 101	0.05 96	0.06 97	0.05 97

FINET	0.07 49	0.08 59	0.07 58	0.07 48	0.07 110	0.08 105	0.06 107	0.08 107	0.07 111	0.08 106	0.07 111	0.08 107	0.06 108	0.07 103	0.07 102	0.08 62	0.07 59	0.07 99	0.07 104	0.06 97	0.06 104

BEATNet-Init1	0.19 141	0.08 59	0.08 60	2.23 459	0.08 112	0.08 105	0.07 110	0.07 104	0.08 113	0.08 106	0.07 111	0.08 107	0.07 112	0.11 123	0.08 104	0.08 62	0.08 61	0.08 101	0.07 104	0.08 108	0.08 107

DeepPrunerF	0.19 141	0.08 59	0.08 60	2.23 459	0.08 112	0.08 105	0.07 110	0.07 104	0.08 113	0.08 106	0.07 111	0.08 107	0.07 112	0.11 123	0.08 104	0.08 62	0.08 61	0.08 101	0.07 104	0.08 108	0.08 107

SepStereo	0.09 51	0.09 65	0.10 69	0.09 55	0.09 114	0.09 109	0.09 112	0.10 109	0.08 113	0.10 110	0.09 114	0.09 111	0.09 115	0.09 110	0.08 104	0.09 68	0.08 61	0.09 106	0.08 108	0.09 111	0.08 107

SuperB	0.21 150	0.10 67	2.51 520	0.12 82	0.09 114	0.10 110	0.09 112	0.08 107	0.07 111	0.10 110	0.09 114	0.09 111	0.07 112	0.07 103	0.07 102	0.07 60	0.08 61	0.07 99	0.07 104	0.08 108	0.07 106

PASM	0.39 226	3.06 465	1.36 461	1.58 433	0.09 114	0.11 121	0.11 130	0.11 121	0.11 132	0.09 109	0.09 114	0.11 123	0.09 115	0.09 110	0.09 107	0.11 88	0.11 97	0.11 118	0.09 110	0.11 122	0.11 127

DRN-Test	0.14 111	0.13 81	0.09 65	0.14 99	0.09 114	0.15 133	0.09 112	0.14 127	0.10 117	0.14 126	0.09 114	0.14 128	0.09 115	0.13 128	0.09 107	0.12 93	0.09 70	0.12 121	0.09 110	0.12 127	0.73 371

S2M2_L	0.12 95	0.14 87	0.10 69	0.15 109	0.10 120	0.14 126	0.10 117	0.14 127	0.10 117	0.15 132	0.10 118	0.14 128	0.10 119	0.14 129	0.10 113	0.13 109	0.10 75	0.13 124	0.09 110	0.13 129	0.09 110
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
CAS++	0.17 135	0.27 125	0.21 165	0.10 59	0.21 198	0.15 133	0.22 188	0.10 109	0.21 186	0.22 169	0.10 118	0.19 157	0.18 178	0.10 112	0.19 181	0.20 154	0.19 168	0.18 162	0.10 117	0.19 161	0.18 171
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
AnonymousM	0.10 64	0.10 67	0.10 69	0.10 59	0.10 120	0.10 110	0.10 117	0.10 109	0.10 117	0.10 110	0.10 118	0.10 113	0.10 119	0.10 112	0.10 113	0.10 73	0.10 75	0.10 107	0.10 117	0.10 112	0.10 115

LRCNet_RVC	0.13 102	0.13 81	0.09 65	0.13 95	0.10 120	0.14 126	0.10 117	0.14 127	0.10 117	0.23 173	0.10 118	0.20 159	0.10 119	0.24 181	0.11 125	0.11 88	0.09 70	0.12 121	0.14 160	0.12 127	0.09 110

PVD	0.10 64	0.10 67	0.10 69	0.10 59	0.10 120	0.10 110	0.10 117	0.10 109	0.10 117	0.10 110	0.10 118	0.10 113	0.10 119	0.10 112	0.10 113	0.10 73	0.10 75	0.10 107	0.10 117	0.10 112	0.10 115

SHD	0.10 64	0.10 67	0.10 69	0.10 59	0.10 120	0.10 110	0.10 117	0.10 109	0.10 117	0.10 110	0.10 118	0.10 113	0.10 119	0.10 112	0.10 113	0.10 73	0.10 75	0.10 107	0.10 117	0.10 112	0.10 115

SAMSARA	0.10 64	0.10 67	0.10 69	0.10 59	0.10 120	0.10 110	0.10 117	0.10 109	0.10 117	0.10 110	0.10 118	0.10 113	0.10 119	0.10 112	0.10 113	0.10 73	0.10 75	0.10 107	0.10 117	0.10 112	0.10 115

XQC	0.10 64	0.10 67	0.10 69	0.10 59	0.10 120	0.10 110	0.10 117	0.10 109	0.10 117	0.10 110	0.10 118	0.10 113	0.10 119	0.10 112	0.10 113	0.10 73	0.10 75	0.10 107	0.10 117	0.10 112	0.10 115

RTSC	0.10 64	0.10 67	0.10 69	0.10 59	0.10 120	0.10 110	0.10 117	0.10 109	0.10 117	0.10 110	0.10 118	0.10 113	0.10 119	0.10 112	0.10 113	0.10 73	0.10 75	0.10 107	0.10 117	0.10 112	0.10 115

RTS	0.10 64	0.10 67	0.10 69	0.10 59	0.10 120	0.10 110	0.10 117	0.10 109	0.10 117	0.10 110	0.10 118	0.10 113	0.10 119	0.10 112	0.10 113	0.10 73	0.10 75	0.10 107	0.10 117	0.10 112	0.10 115

RTSA	0.10 64	0.10 67	0.10 69	0.10 59	0.10 120	0.10 110	0.10 117	0.10 109	0.10 117	0.10 110	0.10 118	0.10 113	0.10 119	0.10 112	0.10 113	0.10 73	0.10 75	0.10 107	0.10 117	0.10 112	0.10 115

MADNet+	0.10 64	0.10 67	0.10 69	0.10 59	0.10 120	0.10 110	0.10 117	0.10 109	0.10 117	0.10 110	0.10 118	0.10 113	0.10 119	0.10 112	0.10 113	0.10 73	0.10 75	0.10 107	0.10 117	0.10 112	0.10 115

MADNet++	0.10 64	0.10 67	0.10 69	0.10 59	0.10 120	0.10 110	0.10 117	0.10 109	0.10 117	0.10 110	0.10 118	0.10 113	0.10 119	0.10 112	0.10 113	0.10 73	0.10 75	0.10 107	0.10 117	0.10 112	0.10 115

StereoDRNet	0.15 123	0.14 87	0.10 69	0.14 99	0.09 114	0.15 133	0.09 112	0.14 127	0.09 116	0.14 126	0.10 118	0.14 128	0.09 115	0.14 129	0.09 107	0.13 109	0.10 75	0.13 124	0.09 110	0.13 129	0.82 382

S2M2_XL	0.14 111	0.17 95	0.12 100	0.17 128	0.11 136	0.17 149	0.11 130	0.17 148	0.11 132	0.17 146	0.11 132	0.17 149	0.11 131	0.17 148	0.11 125	0.16 134	0.11 97	0.16 144	0.11 129	0.16 145	0.11 127
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
test_for_model	0.15 123	0.23 114	0.18 155	0.21 145	0.11 136	0.16 141	0.11 130	0.16 140	0.11 132	0.16 137	0.11 132	0.16 139	0.11 131	0.16 139	0.11 125	0.21 159	0.18 167	0.14 126	0.11 129	0.14 131	0.11 127

testlalala2	0.13 102	0.16 89	0.11 89	0.15 109	0.11 136	0.16 141	0.11 130	0.16 140	0.11 132	0.16 137	0.11 132	0.16 139	0.11 131	0.16 139	0.11 125	0.14 116	0.11 97	0.14 126	0.11 129	0.14 131	0.11 127

JetRed	0.11 86	0.12 80	0.11 89	0.11 76	0.11 136	0.11 121	0.14 151	0.11 121	0.11 132	0.12 124	0.11 132	0.11 123	0.11 131	0.11 123	0.11 125	0.11 88	0.16 145	0.11 118	0.11 129	0.11 122	0.11 127

JetBlue	0.11 86	0.11 78	0.12 100	0.13 95	0.14 157	0.11 121	0.11 130	0.11 121	0.11 132	0.11 122	0.11 132	0.11 123	0.11 131	0.12 127	0.12 140	0.11 88	0.11 97	0.11 118	0.11 129	0.11 122	0.11 127

testlalala_base	0.13 102	0.16 89	0.11 89	0.15 109	0.11 136	0.15 133	0.11 130	0.16 140	0.11 132	0.16 137	0.11 132	0.16 139	0.11 131	0.16 139	0.11 125	0.14 116	0.11 97	0.14 126	0.11 129	0.14 131	0.11 127

IPLG	0.13 102	0.20 103	0.14 125	0.15 109	0.11 136	0.14 126	0.11 130	0.14 127	0.11 132	0.14 126	0.11 132	0.14 128	0.11 131	0.14 129	0.11 125	0.15 125	0.12 112	0.14 126	0.11 129	0.14 131	0.11 127

MIPNet	0.14 111	0.21 109	0.17 149	0.16 120	0.11 136	0.15 133	0.12 146	0.14 127	0.11 132	0.16 137	0.11 132	0.14 128	0.11 131	0.14 129	0.11 125	0.14 116	0.12 112	0.14 126	0.11 129	0.14 131	0.11 127

ICVP	0.15 123	0.53 207	0.11 89	0.16 120	0.11 136	0.16 141	0.11 130	0.16 140	0.11 132	0.16 137	0.11 132	0.16 139	0.11 131	0.16 139	0.11 125	0.16 134	0.11 97	0.16 144	0.11 129	0.16 145	0.11 127
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
UNet	0.29 175	0.90 252	0.10 69	0.14 99	0.10 120	0.14 126	0.10 117	0.91 363	0.69 365	0.14 126	0.11 132	0.14 128	0.11 131	0.14 129	0.10 113	0.12 93	0.09 70	0.12 121	0.09 110	0.88 354	0.76 376

ELAS	0.13 102	0.16 89	0.11 89	0.15 109	0.09 114	0.18 153	0.11 130	0.18 151	0.11 132	0.17 146	0.11 132	0.18 153	0.11 131	0.18 151	0.11 125	0.14 116	0.08 61	0.14 126	0.08 108	0.14 131	0.09 110
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ProNet	0.14 111	0.20 103	0.14 125	0.16 120	0.11 136	0.16 141	0.11 130	0.17 148	0.11 132	0.17 146	0.12 143	0.17 149	0.13 153	0.17 148	0.12 140	0.15 125	0.11 97	0.16 144	0.11 129	0.15 141	0.12 143

CIPLG	0.13 102	0.21 109	0.12 100	0.16 120	0.11 136	0.15 133	0.11 130	0.14 127	0.11 132	0.15 132	0.12 143	0.15 138	0.11 131	0.14 129	0.11 125	0.15 125	0.12 112	0.14 126	0.11 129	0.14 131	0.11 127

IPLGR_C	0.14 111	0.20 103	0.12 100	0.15 109	0.11 136	0.14 126	0.15 156	0.14 127	0.11 132	0.15 132	0.12 143	0.14 128	0.11 131	0.16 139	0.11 125	0.15 125	0.12 112	0.14 126	0.12 146	0.15 141	0.12 143

IPLGR	0.14 111	0.24 121	0.14 125	0.16 120	0.12 152	0.15 133	0.12 146	0.14 127	0.11 132	0.15 132	0.12 143	0.14 128	0.11 131	0.14 129	0.11 125	0.15 125	0.12 112	0.14 126	0.11 129	0.14 131	0.11 127

ACRE	0.13 102	0.21 109	0.14 125	0.15 109	0.11 136	0.14 126	0.11 130	0.14 127	0.11 132	0.14 126	0.12 143	0.14 128	0.11 131	0.14 129	0.11 125	0.15 125	0.12 112	0.14 126	0.11 129	0.14 131	0.11 127

aanetorigin	0.13 102	0.11 78	0.11 89	0.11 76	0.11 136	0.11 121	0.11 130	0.11 121	0.11 132	0.11 122	0.12 143	0.11 123	0.11 131	0.11 123	0.11 125	0.11 88	0.11 97	0.14 126	0.11 129	0.49 295	0.11 127

cf-r	0.66 308	2.17 415	0.12 100	0.18 130	0.12 152	0.18 153	2.70 526	2.60 501	0.12 151	0.18 150	0.12 143	0.18 153	0.12 148	0.18 151	0.12 140	0.15 125	0.11 97	0.15 141	0.11 129	1.81 463	1.74 506

HSM	0.14 111	0.16 89	0.12 100	0.17 128	0.12 152	0.17 149	0.11 130	0.17 148	0.11 132	0.17 146	0.12 143	0.17 149	0.12 148	0.17 148	0.12 140	0.16 134	0.11 97	0.16 144	0.11 129	0.16 145	0.12 143

PDISCO_ROB	0.83 350	2.80 462	3.49 537	0.14 99	0.11 136	0.17 149	0.09 112	0.15 139	0.10 117	0.15 132	0.12 143	0.16 139	0.14 157	3.30 521	0.13 146	0.14 116	2.34 513	0.16 144	0.12 146	2.62 503	0.10 115

LALA_ROB	0.15 123	0.19 99	0.12 100	0.18 130	0.11 136	0.20 161	0.12 146	0.21 165	0.12 151	0.20 157	0.12 143	0.20 159	0.12 148	0.21 169	0.13 146	0.17 142	0.10 75	0.18 162	0.11 129	0.18 155	0.11 127

ELAS_RVC	0.14 111	0.16 89	0.10 69	0.15 109	0.10 120	0.18 153	0.11 130	0.19 153	0.11 132	0.19 152	0.12 143	0.18 153	0.11 131	0.19 154	0.12 140	0.14 116	0.08 61	0.14 126	0.09 110	0.15 141	0.09 110
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
SGM_RVC	0.15 123	0.17 95	0.11 89	0.18 130	0.11 136	0.19 156	0.11 130	0.19 153	0.12 151	0.19 152	0.12 143	0.20 159	0.12 148	0.19 154	0.12 140	0.16 134	0.11 97	0.17 152	0.10 117	0.17 151	0.10 115
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DDVS	0.30 176	3.10 466	0.14 125	0.19 133	0.14 157	0.19 156	0.14 151	0.20 158	0.14 156	0.19 152	0.13 155	0.16 139	0.13 153	0.19 154	0.13 146	0.17 142	0.13 136	0.17 152	0.13 154	0.17 151	0.13 149

ITSA-stereo	0.15 123	0.17 95	0.13 120	0.20 135	0.13 155	0.19 156	0.13 149	0.18 151	0.13 154	0.19 152	0.13 155	0.18 153	0.14 157	0.18 151	0.14 150	0.16 134	0.11 97	0.15 141	0.14 160	0.18 155	0.11 127

ACVNet	0.20 143	0.19 99	0.14 125	0.20 135	0.14 157	0.20 161	0.96 396	0.21 165	0.14 156	0.20 157	0.13 155	0.21 167	0.14 157	0.20 158	0.14 150	0.17 142	0.12 112	0.17 152	0.12 146	0.17 151	0.12 143

acv_ft	0.20 143	0.19 99	0.14 125	0.20 135	0.14 157	0.20 161	0.96 396	0.21 165	0.14 156	0.20 157	0.13 155	0.21 167	0.14 157	0.20 158	0.14 150	0.17 142	0.12 112	0.17 152	0.12 146	0.17 151	0.12 143

DeepPruner_ROB	0.16 131	0.18 98	0.13 120	0.19 133	0.13 155	0.19 156	0.13 149	0.19 153	0.13 154	0.19 152	0.13 155	0.19 157	0.13 153	0.19 154	0.13 146	0.18 150	0.13 136	0.18 162	0.13 154	0.18 155	0.13 149

castereo++	0.54 289	3.59 476	1.15 389	1.31 423	0.14 157	0.16 141	0.14 151	0.16 140	0.14 156	0.16 137	0.14 160	0.16 139	0.13 153	0.16 139	0.14 150	1.45 450	1.16 395	0.15 141	0.14 160	0.15 141	0.13 149

GMStereo	0.14 111	0.13 81	0.14 125	0.14 99	0.14 157	0.14 126	0.14 151	0.14 127	0.14 156	0.14 126	0.14 160	0.14 128	0.14 157	0.14 129	0.14 150	0.14 116	0.14 140	0.14 126	0.14 160	0.14 131	0.14 154
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
ac_64	0.22 154	0.13 81	0.19 158	0.23 148	0.10 120	0.26 192	1.02 404	0.14 127	0.10 117	0.28 192	0.14 160	0.17 149	0.19 183	0.28 201	0.09 107	0.22 162	0.16 145	0.23 180	0.17 183	0.11 122	0.12 143

hitnet-ft	0.79 335	2.78 461	0.14 125	0.20 135	0.14 157	0.21 169	2.89 527	2.80 515	0.14 156	0.20 157	0.14 160	0.20 159	0.14 157	0.20 158	0.14 150	0.17 142	0.12 112	0.17 152	0.12 146	2.54 502	2.33 523

GANet-RSSM	0.75 326	1.91 397	0.14 125	0.47 247	0.14 157	0.21 169	3.21 543	2.30 489	0.14 156	0.46 278	0.14 160	0.23 177	0.18 178	0.21 169	0.14 150	0.18 150	0.27 194	0.37 250	0.13 154	2.13 472	2.12 516

PSMNet-RSSM	0.77 331	2.76 457	0.14 125	0.20 135	0.14 157	0.20 161	2.66 524	2.79 514	0.14 156	0.21 167	0.14 160	0.21 167	0.14 157	0.20 158	0.14 150	0.17 142	0.12 112	0.17 152	0.12 146	2.52 494	2.31 521

GwcNet-RSSM	0.77 331	2.77 459	0.14 125	0.20 135	0.14 157	0.20 161	2.67 525	2.78 513	0.14 156	0.20 157	0.14 160	0.20 159	0.14 157	0.21 169	0.14 150	0.17 142	0.12 112	0.17 152	0.12 146	2.52 494	2.31 521

CFNet-ft	0.55 293	1.57 375	0.14 125	0.20 135	0.14 157	0.20 161	2.53 523	1.61 457	0.14 156	0.20 157	0.14 160	0.20 159	0.14 157	0.20 158	0.14 150	0.17 142	0.12 112	0.17 152	0.12 146	1.56 451	1.24 471

dd	0.23 158	0.98 268	0.16 142	0.23 148	0.15 168	0.23 177	0.15 156	0.23 173	0.15 166	0.23 173	0.15 168	0.24 181	0.17 171	0.23 177	0.15 160	0.22 162	0.15 143	0.21 169	0.15 164	0.22 168	0.16 155

xyz-stereo-finetune2	0.18 138	0.48 189	0.16 142	0.16 120	0.15 168	0.15 133	0.16 159	0.16 140	0.16 168	0.16 137	0.16 169	0.16 139	0.16 167	0.16 139	0.16 166	0.16 134	0.16 145	0.16 144	0.16 165	0.16 145	0.16 155

xyz-stereo	0.18 138	0.50 195	0.16 142	0.15 109	0.16 175	0.16 141	0.16 159	0.16 140	0.16 168	0.16 137	0.16 169	0.16 139	0.16 167	0.16 139	0.16 166	0.16 134	0.16 145	0.16 144	0.16 165	0.16 145	0.16 155

castereo	0.61 300	3.79 484	1.35 453	1.52 432	0.15 168	0.17 149	0.16 159	0.20 158	0.21 186	0.18 150	0.16 169	0.21 167	0.12 148	0.26 196	0.17 169	1.43 449	1.38 463	0.17 152	0.16 165	0.18 155	0.16 155

GMStereo_Zeroshot	0.16 131	0.16 89	0.16 142	0.16 120	0.16 175	0.16 141	0.16 159	0.16 140	0.16 168	0.16 137	0.16 169	0.16 139	0.16 167	0.16 139	0.16 166	0.16 134	0.16 145	0.16 144	0.16 165	0.16 145	0.16 155

dad	0.23 158	1.03 284	0.16 142	0.23 148	0.15 168	0.24 178	0.15 156	0.24 176	0.16 168	0.23 173	0.16 169	0.24 181	0.16 167	0.23 177	0.15 160	0.22 162	0.16 145	0.22 174	0.16 165	0.22 168	0.16 155

tg	0.21 150	0.25 123	0.21 165	0.26 165	0.17 178	0.24 178	0.17 164	0.24 176	0.17 173	0.24 178	0.17 174	0.24 181	0.17 171	0.24 181	0.17 169	0.24 178	0.17 161	0.23 180	0.16 165	0.23 177	0.16 155

ACV-stereo	0.30 176	2.08 407	0.25 179	0.25 158	0.18 185	0.24 178	0.17 164	0.24 176	0.18 175	0.24 178	0.17 174	0.25 186	0.17 171	0.24 181	0.17 169	0.22 162	0.16 145	0.22 174	0.16 165	0.22 168	0.16 155

IGEV_Zeroshot_test	0.20 143	0.19 99	0.40 251	0.30 170	0.17 178	0.22 171	0.17 164	0.21 165	0.17 173	0.20 157	0.17 174	0.21 167	0.18 178	0.21 169	0.17 169	0.20 154	0.16 145	0.20 166	0.16 165	0.20 162	0.17 167

MSKI-zero shot	0.24 160	0.21 109	0.49 294	0.65 297	0.18 185	0.22 171	0.17 164	0.23 173	0.18 175	0.21 167	0.17 174	0.23 177	0.28 228	0.23 177	0.18 178	0.21 159	0.16 145	0.21 169	0.16 165	0.21 166	0.16 155

MIM_Stereo	0.25 161	0.23 114	0.66 332	0.80 314	0.17 178	0.22 171	0.17 164	0.23 173	0.18 175	0.26 189	0.17 174	0.21 167	0.17 171	0.25 186	0.17 169	0.23 173	0.16 145	0.21 169	0.17 183	0.22 168	0.17 167

MMNet	0.44 252	1.24 360	0.17 149	0.25 158	0.17 178	0.25 185	0.18 170	1.26 445	0.93 397	0.25 182	0.17 174	0.25 186	0.18 178	0.25 186	0.17 169	0.23 173	0.16 145	0.23 180	0.16 165	1.20 392	0.99 396

delet	0.43 248	1.21 353	0.17 149	0.25 158	0.17 178	0.25 185	0.18 170	1.26 445	0.95 399	0.25 182	0.17 174	0.25 186	0.17 171	0.25 186	0.17 169	0.23 173	0.16 145	0.22 174	0.16 165	1.18 389	0.98 395

psm_up	0.43 248	1.19 306	0.17 149	0.25 158	0.18 185	0.25 185	0.19 174	1.26 445	0.91 392	0.26 189	0.17 174	0.25 186	0.17 171	0.25 186	0.17 169	0.22 162	0.17 161	0.23 180	0.16 165	1.18 389	0.99 396

UPFNet	0.42 247	1.20 307	0.17 149	0.24 153	0.17 178	0.25 185	0.17 164	1.19 393	0.90 391	0.25 182	0.17 174	0.24 181	0.17 171	0.25 186	0.17 169	0.22 162	0.17 161	0.22 174	0.16 165	1.15 381	0.93 391

iResNet	0.20 143	0.23 114	0.18 155	0.24 153	0.18 185	0.24 178	0.20 177	0.24 176	0.18 175	0.23 173	0.17 174	0.23 177	0.18 178	0.23 177	0.18 178	0.22 162	0.16 145	0.21 169	0.16 165	0.21 166	0.16 155

iResNetv2_ROB	0.20 143	0.23 114	0.18 155	0.24 153	0.20 191	0.24 178	0.18 170	0.24 176	0.18 175	0.24 178	0.18 184	0.23 177	0.19 183	0.24 181	0.18 178	0.21 159	0.16 145	0.21 169	0.16 165	0.22 168	0.16 155

DEFOM-Stereo_RVC	0.83 350	5.18 506	1.98 509	2.19 456	0.17 178	0.19 156	0.18 170	0.19 153	0.16 168	0.20 157	0.19 185	0.22 173	0.22 193	0.20 158	0.15 160	2.28 490	2.13 508	0.24 187	0.17 183	0.18 155	0.16 155

Pointernet	0.21 150	0.22 113	0.19 158	0.24 153	0.19 189	0.24 178	0.19 174	0.24 176	0.19 181	0.24 178	0.19 185	0.24 181	0.19 183	0.24 181	0.19 181	0.22 162	0.17 161	0.22 174	0.17 183	0.22 168	0.17 167

CFNet	1.37 447	5.27 509	0.19 158	5.49 537	0.19 189	0.28 196	0.19 174	0.28 189	0.19 181	0.28 192	0.19 185	0.28 197	4.35 547	0.28 201	0.19 181	0.23 173	0.17 161	0.23 180	4.21 556	4.81 533	0.17 167

AANet_RVC	1.26 442	0.31 134	4.99 548	5.93 540	0.20 191	0.25 185	0.20 177	0.25 182	0.20 183	0.23 173	0.19 185	0.25 186	0.20 187	0.25 186	0.20 184	5.66 548	4.76 541	0.26 191	0.30 249	0.24 178	0.27 207

ssnet_v2	0.68 313	1.96 404	1.25 449	0.29 169	0.20 191	0.30 199	0.20 177	0.29 193	0.22 189	1.50 459	0.20 189	0.31 209	0.20 187	0.27 199	0.22 189	0.24 178	1.49 469	0.26 191	0.18 187	3.90 511	0.19 173

DAS	0.20 143	0.20 103	0.20 161	0.20 135	0.20 191	0.20 161	0.20 177	0.20 158	0.20 183	0.20 157	0.20 189	0.20 159	0.20 187	0.20 158	0.20 184	0.20 154	0.20 170	0.20 166	0.20 188	0.20 162	0.20 174

GEStereo_RVC	0.86 356	4.45 496	0.20 161	0.27 167	0.20 191	0.27 195	0.20 177	0.26 186	0.18 175	5.03 549	0.20 189	0.27 196	0.19 183	0.27 199	0.21 187	0.20 154	0.19 168	0.19 165	4.02 554	0.20 162	0.18 171

ASD4	0.20 143	0.20 103	0.20 161	0.20 135	0.20 191	0.20 161	0.20 177	0.20 158	0.20 183	0.20 157	0.20 189	0.20 159	0.20 187	0.20 158	0.20 184	0.20 154	0.20 170	0.20 166	0.20 188	0.20 162	0.20 174

DISCO	1.11 389	0.39 152	5.28 550	0.39 201	0.20 191	0.39 241	0.27 214	0.39 232	0.22 189	0.38 225	0.20 189	0.38 234	0.20 187	6.95 560	0.22 189	0.30 198	0.21 174	0.27 195	0.21 190	5.25 542	0.21 177

HGLStereo	0.28 171	0.29 130	0.22 167	0.36 189	0.22 200	0.36 223	0.21 183	0.36 214	0.21 186	0.42 263	0.21 194	0.36 226	0.22 193	0.36 227	0.21 187	0.34 211	0.21 174	0.34 226	0.21 190	0.34 209	0.21 177

DCVSM-stereo	0.36 207	1.89 394	0.22 167	0.40 215	0.22 200	0.40 243	0.22 188	0.40 237	0.22 189	0.40 237	0.22 195	0.40 247	0.22 193	0.40 244	0.22 189	0.28 190	0.21 174	0.28 197	0.21 190	0.28 186	0.20 174

WAO-6	0.22 154	0.23 114	0.22 167	0.23 148	0.22 200	0.22 171	0.22 188	0.22 169	0.22 189	0.22 169	0.22 195	0.22 173	0.22 193	0.22 173	0.22 189	0.22 162	0.22 178	0.22 174	0.22 193	0.22 168	0.22 180

IMH-64-1	0.22 154	0.23 114	0.23 170	0.22 146	0.22 200	0.22 171	0.22 188	0.22 169	0.22 189	0.22 169	0.22 195	0.22 173	0.22 193	0.22 173	0.22 189	0.22 162	0.22 178	0.23 180	0.22 193	0.22 168	0.23 182

IMH-64	0.22 154	0.23 114	0.23 170	0.22 146	0.22 200	0.22 171	0.22 188	0.22 169	0.22 189	0.22 169	0.22 195	0.22 173	0.22 193	0.22 173	0.22 189	0.22 162	0.22 178	0.23 180	0.22 193	0.22 168	0.23 182

tt1	0.31 183	0.93 261	0.24 176	0.33 182	0.23 205	0.31 204	0.24 200	0.32 200	0.24 197	0.32 205	0.23 199	0.32 211	0.25 205	0.32 211	0.24 199	0.27 188	0.26 188	0.27 195	0.26 217	0.27 184	0.27 207

DLNR_Zeroshot_test	0.31 183	0.28 128	0.47 281	0.79 312	0.24 210	0.30 199	0.26 211	0.30 195	0.24 197	0.32 205	0.23 199	0.31 209	0.24 202	0.30 206	0.23 195	0.29 197	0.26 188	0.29 202	0.24 206	0.33 205	0.23 182

gwcnet-sp	0.82 346	1.72 381	1.48 471	0.39 201	0.15 168	0.31 204	0.21 183	0.20 158	0.25 202	1.61 463	0.23 199	0.28 197	0.26 214	0.20 158	0.15 160	0.24 178	1.33 455	0.32 211	0.16 165	6.75 549	0.23 182

scenet	0.82 346	1.72 381	1.48 471	0.39 201	0.15 168	0.31 204	0.21 183	0.20 158	0.25 202	1.61 463	0.23 199	0.28 197	0.26 214	0.20 158	0.15 160	0.24 178	1.33 455	0.32 211	0.16 165	6.75 549	0.23 182

ssnet	0.82 346	1.72 381	1.48 471	0.39 201	0.15 168	0.31 204	0.21 183	0.20 158	0.25 202	1.61 463	0.23 199	0.28 197	0.26 214	0.20 158	0.15 160	0.24 178	1.33 455	0.32 211	0.16 165	6.75 549	0.23 182

FENet	0.54 289	1.52 374	1.19 395	1.41 430	0.23 205	0.35 220	0.23 195	0.35 210	0.23 195	0.34 212	0.23 199	0.35 220	0.23 199	0.35 221	0.23 195	1.40 447	1.07 379	0.32 211	0.23 198	0.33 205	0.23 182

PAM	0.39 226	1.88 393	0.34 224	0.37 192	0.41 308	0.45 284	0.22 188	0.28 189	0.23 195	0.28 192	0.24 205	0.29 202	0.23 199	0.29 204	0.23 195	0.38 236	0.32 228	0.38 257	0.37 290	0.32 199	0.22 180

WCG-NET（raft）	0.32 191	1.24 360	0.24 176	0.32 178	0.24 210	0.32 212	0.23 195	0.32 200	0.24 197	0.32 205	0.24 205	0.32 211	0.24 202	0.32 211	0.24 199	0.30 198	0.23 182	0.30 204	0.23 198	0.30 192	0.23 182

xxxxx1	0.31 183	0.91 254	0.23 170	0.31 175	0.23 205	0.31 204	0.23 195	0.33 203	0.25 202	0.31 200	0.24 205	0.33 214	0.25 205	0.32 211	0.24 199	0.28 190	0.28 200	0.28 197	0.28 229	0.29 189	0.27 207

tt_ll	0.31 183	0.91 254	0.23 170	0.31 175	0.23 205	0.31 204	0.23 195	0.33 203	0.25 202	0.31 200	0.24 205	0.33 214	0.25 205	0.32 211	0.24 199	0.28 190	0.28 200	0.28 197	0.28 229	0.29 189	0.27 207

ff	0.31 183	0.91 254	0.23 170	0.31 175	0.23 205	0.31 204	0.23 195	0.33 203	0.25 202	0.31 200	0.24 205	0.33 214	0.25 205	0.32 211	0.24 199	0.28 190	0.28 200	0.28 197	0.28 229	0.29 189	0.27 207

iResNet_ROB	0.28 171	0.32 135	0.24 176	0.32 178	0.25 212	0.32 212	0.24 200	0.32 200	0.24 197	0.33 210	0.24 205	0.35 220	0.24 202	0.33 217	0.24 199	0.31 203	0.24 184	0.32 211	0.24 206	0.32 199	0.24 192

GCAP-BAT	0.33 194	0.78 231	0.32 209	0.38 195	0.25 212	0.34 216	0.25 203	0.34 207	0.26 215	0.34 212	0.25 211	0.35 220	0.26 214	0.35 221	0.27 211	0.36 225	0.30 218	0.32 211	0.24 206	0.32 199	0.26 199

UNDER WATER-64	0.25 161	0.26 124	0.25 179	0.26 165	0.25 212	0.25 185	0.25 203	0.25 182	0.25 202	0.25 182	0.25 211	0.25 186	0.25 205	0.26 196	0.25 205	0.25 184	0.25 185	0.25 188	0.25 211	0.25 179	0.25 193

LoS_RVC	0.30 176	1.14 298	0.25 179	0.25 158	0.25 212	0.26 192	0.25 203	0.25 182	0.25 202	0.25 182	0.25 211	0.26 195	0.26 214	0.26 196	0.25 205	0.26 185	0.26 188	0.25 188	0.25 211	0.26 181	0.26 199

CAS	0.30 176	1.17 303	0.25 179	0.25 158	0.25 212	0.26 192	0.25 203	0.25 182	0.26 215	0.25 182	0.25 211	0.25 186	0.25 205	0.25 186	0.25 205	0.26 185	0.26 188	0.26 191	0.25 211	0.26 181	0.25 193

LoS	0.25 161	0.27 125	0.25 179	0.25 158	0.25 212	0.25 185	0.25 203	0.26 186	0.25 202	0.25 182	0.25 211	0.25 186	0.25 205	0.25 186	0.25 205	0.26 185	0.25 185	0.25 188	0.26 217	0.26 181	0.25 193
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
CroCo-Stereo	0.73 324	1.22 358	0.25 179	1.22 416	0.25 212	1.22 449	0.25 203	1.22 442	0.25 202	1.22 450	0.25 211	1.22 454	0.25 205	1.22 453	0.25 205	1.22 435	0.26 188	1.21 460	0.25 211	1.22 439	0.25 193
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
testlalala	0.32 191	0.81 237	0.31 205	0.39 201	0.26 220	0.33 214	0.24 200	0.33 203	0.26 215	0.32 205	0.26 217	0.33 214	0.23 199	0.33 217	0.23 195	0.35 220	0.31 224	0.30 204	0.24 206	0.31 197	0.21 177

CroCo-Stereo Lap2	0.77 331	1.29 362	0.29 193	1.27 420	0.29 234	1.27 452	0.26 211	1.26 445	0.26 215	1.26 451	0.26 217	1.27 456	0.26 214	1.26 454	0.27 211	1.27 437	0.27 194	1.27 463	0.27 225	1.27 441	0.27 207

CRFU-Net	0.65 306	1.67 379	1.22 445	1.96 450	0.27 222	0.41 259	0.27 214	0.41 252	0.27 220	0.40 237	0.26 217	0.41 260	0.27 222	0.40 244	0.27 211	1.80 464	1.62 482	0.34 226	0.23 198	0.33 205	0.23 182

StereoDRNet-Refined	0.33 194	0.39 152	0.26 185	0.39 201	0.26 220	0.40 243	0.26 211	0.40 237	0.26 215	0.39 231	0.26 217	0.39 239	0.26 214	0.39 241	0.26 210	0.37 229	0.25 185	0.37 250	0.25 211	0.37 232	0.37 271
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
Monster-pub-mixall	0.44 252	0.56 214	0.60 319	0.38 195	0.27 222	0.37 228	0.27 214	0.37 220	0.29 228	0.38 225	0.27 221	0.38 234	0.29 234	0.85 365	0.27 211	1.46 451	0.26 188	0.34 226	0.26 217	0.36 228	0.53 334

model_zeroshot	0.27 170	0.20 103	0.27 186	0.33 182	0.21 198	0.37 228	0.22 188	0.37 220	0.24 197	0.26 189	0.27 221	0.33 214	0.21 192	0.25 186	0.27 211	0.32 204	0.20 170	0.34 226	0.23 198	0.25 179	0.26 199

Any-RAFT	0.32 191	0.36 141	0.27 186	0.36 189	0.27 222	0.36 223	0.27 214	0.36 214	0.27 220	0.36 219	0.27 221	0.36 226	0.27 222	0.36 227	0.28 220	0.36 225	0.28 200	0.36 247	0.28 229	0.36 228	0.28 220

IER	0.88 358	7.04 525	2.23 514	2.75 475	0.28 226	0.43 281	0.25 203	0.39 232	0.25 202	0.41 251	0.27 221	0.39 239	0.25 205	0.40 244	0.28 220	0.37 229	0.28 200	0.37 250	0.25 211	0.37 232	0.25 193

DGSMNet	0.34 196	0.41 161	0.27 186	0.41 227	0.28 226	0.41 259	0.28 221	0.41 252	0.27 220	0.41 251	0.27 221	0.42 276	0.27 222	0.41 258	0.28 220	0.40 250	0.29 210	0.40 272	0.28 229	0.40 254	0.27 207

MLCV	0.31 183	0.35 138	0.27 186	0.35 185	0.28 226	0.35 220	0.27 214	0.35 210	0.28 223	0.36 219	0.27 221	0.35 220	0.27 222	0.35 221	0.27 211	0.34 211	0.27 194	0.34 226	0.27 225	0.34 209	0.27 207

DN-CSS_ROB	0.31 183	0.35 138	0.28 190	0.35 185	0.28 226	0.34 216	0.27 214	0.34 207	0.25 202	0.35 216	0.27 221	0.36 226	0.26 214	0.34 219	0.28 220	0.35 220	0.28 200	0.34 226	0.28 229	0.34 209	0.27 207

LG-Stereo_L2	0.34 196	0.37 143	0.38 240	0.47 247	0.28 226	0.39 241	0.28 221	0.39 232	0.28 223	0.39 231	0.28 228	0.39 239	0.28 228	0.38 233	0.28 220	0.42 272	0.35 240	0.36 247	0.26 217	0.35 221	0.26 199

GIP-stereo	0.36 207	0.49 191	0.39 247	0.48 251	0.32 252	0.41 259	0.28 221	0.40 237	0.30 239	0.41 251	0.28 228	0.40 247	0.28 228	0.42 271	0.28 220	0.45 276	0.32 228	0.38 257	0.30 249	0.37 232	0.27 207

TorneroNet-64	0.45 255	0.27 125	0.30 197	0.58 284	0.27 222	0.70 350	0.30 234	0.28 189	0.73 378	0.73 353	0.28 228	0.71 353	0.66 357	0.75 353	0.27 211	0.27 188	0.29 210	0.37 250	0.75 382	0.28 186	0.30 235

SQANet	0.28 171	0.28 128	0.28 190	0.28 168	0.28 226	0.28 196	0.28 221	0.28 189	0.28 223	0.28 192	0.28 228	0.28 197	0.28 228	0.28 201	0.28 220	0.28 190	0.28 200	0.28 197	0.28 229	0.28 186	0.28 220

Monster-pub-eth3d	0.45 255	0.57 215	0.60 319	0.39 201	0.28 226	0.37 228	0.28 221	0.37 220	0.30 239	0.39 231	0.29 232	0.39 239	0.30 241	0.92 375	0.27 211	1.42 448	0.28 200	0.34 226	0.28 229	0.37 232	0.53 334

DEFOM-Stereo	0.68 313	3.11 467	1.40 467	1.63 441	0.25 212	0.31 204	0.25 203	0.31 199	0.28 223	0.31 200	0.29 232	0.29 202	0.27 222	0.31 210	0.28 220	1.59 457	1.47 468	0.30 204	0.29 239	0.30 192	0.28 220

RSM	0.36 207	0.36 141	0.43 266	0.37 192	0.42 318	0.49 305	0.42 307	0.37 220	0.28 223	0.36 219	0.29 232	0.36 226	0.30 241	0.37 231	0.28 220	0.34 211	0.31 224	0.34 226	0.35 282	0.40 254	0.29 225

IGEV++	0.34 196	0.43 169	0.30 197	0.40 215	0.29 234	0.40 243	0.29 229	0.40 237	0.29 228	0.40 237	0.29 232	0.40 247	0.29 234	0.40 244	0.30 237	0.38 236	0.29 210	0.37 250	0.29 239	0.37 232	0.29 225

ACVNet-DCA	0.37 212	1.00 272	0.30 197	0.40 215	0.29 234	0.40 243	0.29 229	0.40 237	0.29 228	0.40 237	0.29 232	0.40 247	0.29 234	0.39 241	0.28 220	0.33 208	0.32 228	0.33 219	0.32 263	0.33 205	0.32 246

xx1	0.38 218	1.03 284	0.31 205	0.40 215	0.31 250	0.41 259	0.28 221	0.40 237	0.29 228	0.40 237	0.29 232	0.40 247	0.29 234	0.40 244	0.29 230	0.34 211	0.33 236	0.34 226	0.32 263	0.34 209	0.32 246

1test111	0.37 212	1.02 282	0.30 197	0.39 201	0.29 234	0.40 243	0.28 221	0.39 232	0.29 228	0.39 231	0.29 232	0.39 239	0.28 228	0.40 244	0.29 230	0.33 208	0.32 228	0.33 219	0.31 258	0.32 199	0.31 242

cc1	0.37 212	1.02 282	0.30 197	0.39 201	0.29 234	0.40 243	0.28 221	0.39 232	0.29 228	0.39 231	0.29 232	0.39 239	0.28 228	0.40 244	0.29 230	0.33 208	0.32 228	0.33 219	0.31 258	0.32 199	0.31 242

IGEV-Stereo	0.35 203	0.44 172	0.45 270	0.49 257	0.30 244	0.37 228	0.30 234	0.36 214	0.30 239	0.36 219	0.29 232	0.36 226	0.29 234	0.36 227	0.30 237	0.46 279	0.39 258	0.32 211	0.24 206	0.32 199	0.25 193
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
PML	0.46 260	1.36 368	0.29 193	0.58 284	0.30 244	0.57 337	0.29 229	0.57 323	0.29 228	0.57 332	0.29 232	0.57 337	0.29 234	0.56 326	0.29 230	0.52 305	0.30 218	0.53 339	0.31 258	0.53 312	0.30 235

HCRNet	1.22 440	7.11 526	3.00 522	3.55 506	0.33 263	0.29 198	0.14 151	0.19 153	0.15 166	0.33 210	0.29 232	0.25 186	0.14 157	0.22 173	0.33 252	3.64 519	3.00 516	0.76 364	0.32 263	0.18 155	0.13 149

UCFNet_RVC	2.75 518	10.06 547	0.29 193	10.31 564	0.29 234	0.42 277	0.29 229	0.43 272	0.29 228	0.42 263	0.29 232	0.42 276	9.87 564	0.43 273	0.29 230	0.36 225	9.84 564	0.36 247	0.26 217	9.77 563	0.26 199

MultiAttention	0.30 176	0.30 131	0.30 197	0.30 170	0.30 244	0.30 199	0.30 234	0.30 195	0.30 239	0.30 196	0.30 244	0.30 205	0.30 241	0.30 206	0.30 237	0.30 198	0.30 218	0.30 204	0.30 249	0.30 192	0.30 235

MSAF-DinoV2	0.30 176	0.30 131	0.30 197	0.30 170	0.30 244	0.30 199	0.30 234	0.30 195	0.30 239	0.30 196	0.30 244	0.30 205	0.30 241	0.30 206	0.30 237	0.30 198	0.30 218	0.30 204	0.30 249	0.30 192	0.30 235

iRaft-Stereo_20w	0.34 196	0.41 161	0.31 205	0.39 201	0.29 234	0.40 243	0.32 241	0.41 252	0.32 250	0.38 225	0.30 244	0.39 239	0.30 241	0.38 233	0.32 244	0.35 220	0.27 194	0.34 226	0.27 225	0.34 209	0.29 225

RAFT + AFF	0.31 183	0.45 175	0.34 224	0.39 201	0.28 226	0.38 235	0.33 250	0.29 193	0.31 247	0.30 196	0.30 244	0.29 202	0.27 222	0.29 204	0.30 237	0.28 190	0.29 210	0.29 202	0.29 239	0.27 184	0.32 246

DANet	0.30 176	0.30 131	0.30 197	0.30 170	0.30 244	0.30 199	0.30 234	0.30 195	0.30 239	0.30 196	0.30 244	0.30 205	0.30 241	0.30 206	0.30 237	0.30 198	0.30 218	0.30 204	0.30 249	0.30 192	0.30 235
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
Replicate-Monster	0.45 255	0.57 215	0.60 319	0.40 215	0.29 234	0.37 228	0.27 214	0.37 220	0.30 239	0.40 237	0.31 249	0.40 247	0.30 241	0.99 383	0.27 211	1.36 444	0.31 224	0.34 226	0.30 249	0.36 228	0.54 337

xyz-stereo-finetune	0.28 171	0.49 191	0.16 142	0.16 120	0.16 175	0.16 141	0.16 159	0.22 169	0.30 239	0.32 205	0.31 249	0.32 211	0.31 250	0.32 211	0.32 244	0.32 204	0.33 236	0.31 210	0.32 263	0.31 197	0.32 246

EKT-Stereo	0.37 212	0.40 154	0.44 268	1.07 352	0.29 234	0.34 216	0.31 240	0.36 214	0.29 228	0.38 225	0.31 249	0.37 232	0.30 241	0.36 227	0.29 230	0.34 211	0.28 200	0.39 267	0.30 249	0.37 232	0.30 235

water-stereo	0.41 237	0.84 240	0.46 274	0.50 264	0.33 263	0.45 284	0.33 250	0.45 274	0.32 250	0.45 274	0.32 252	0.45 282	0.32 252	0.45 278	0.32 244	0.44 274	0.41 270	0.39 267	0.31 258	0.39 249	0.32 246

GREAT-IGEV	0.38 218	0.43 169	0.36 234	0.48 251	0.32 252	0.45 284	0.32 241	0.45 274	0.32 250	0.45 274	0.32 252	0.45 282	0.32 252	0.45 278	0.32 244	0.44 274	0.33 236	0.41 285	0.29 239	0.41 264	0.29 225

fffy	0.38 218	0.43 169	0.33 214	0.46 241	0.33 263	0.45 284	0.32 241	0.45 274	0.32 250	0.45 274	0.32 252	0.45 282	0.33 259	0.45 278	0.32 244	0.38 236	0.38 251	0.38 257	0.37 290	0.37 232	0.36 267

RAFT-Test	0.36 207	0.37 143	0.33 214	0.41 227	0.32 252	0.41 259	0.32 241	0.41 252	0.32 250	0.41 251	0.32 252	0.41 260	0.32 252	0.41 258	0.33 252	0.37 229	0.29 210	0.37 250	0.29 239	0.38 242	0.31 242

CFNet_pseudo	2.67 516	9.36 542	0.32 209	10.99 565	0.33 263	0.85 364	0.33 250	0.49 292	0.33 256	0.49 298	0.32 252	0.49 303	7.26 558	0.49 301	0.33 252	0.41 258	9.62 562	0.41 285	0.29 239	10.03 564	0.29 225

Gwc-CoAtRS	0.41 237	1.49 373	0.32 209	0.42 236	0.32 252	0.41 259	0.32 241	0.41 252	0.33 256	0.41 251	0.32 252	0.41 260	0.32 252	0.41 258	0.32 244	0.39 246	0.28 200	0.39 267	0.28 229	0.40 254	0.28 220

DilatedVolume-Stereo	0.43 248	0.86 243	0.48 289	0.50 264	0.33 263	0.46 290	0.33 250	0.46 278	0.33 256	0.46 278	0.33 258	0.47 292	0.33 259	0.47 286	0.34 265	0.45 276	0.42 278	0.40 272	0.33 271	0.47 287	0.38 278

mms	0.40 230	0.45 175	0.35 232	0.48 251	0.36 282	0.47 295	0.34 261	0.45 274	0.38 284	0.47 284	0.33 258	0.45 282	0.32 252	0.45 278	0.32 244	0.39 246	0.38 251	0.38 257	0.37 290	0.39 249	0.39 284

PCWNet_CMD	2.80 520	9.82 545	0.32 209	10.09 563	0.32 252	0.49 305	0.33 250	3.34 521	0.33 256	0.49 298	0.33 258	0.49 303	8.73 560	0.48 295	0.33 252	0.41 258	9.22 559	0.42 296	0.29 239	9.55 562	0.31 242

CFNet_ucs	2.73 517	9.64 544	0.33 214	9.92 561	0.32 252	0.49 305	0.33 250	0.49 292	0.33 256	0.49 298	0.33 258	0.49 303	8.98 562	0.48 295	0.33 252	0.41 258	9.96 565	0.40 272	0.29 239	10.12 565	0.54 337

LL-Strereo2	0.48 271	1.73 386	0.51 304	0.59 287	0.34 273	0.42 277	0.33 250	0.40 237	0.31 247	0.42 263	0.33 258	0.42 276	0.31 250	0.44 275	0.39 291	0.60 316	0.51 313	0.44 299	0.33 271	0.44 274	0.33 253

ccnet	0.80 337	2.28 423	0.33 214	0.50 264	0.33 263	0.50 313	0.33 250	0.50 300	0.33 256	0.49 298	0.33 258	0.49 303	1.56 476	2.38 492	0.33 252	0.41 258	0.29 210	0.42 296	1.57 488	2.28 478	0.29 225

psmorigin	0.41 237	0.46 179	0.33 214	0.49 257	0.33 263	0.49 305	0.33 250	0.49 292	0.33 256	0.49 298	0.33 258	0.49 303	0.33 259	0.51 315	0.33 252	0.41 258	0.30 218	0.41 285	0.30 249	0.79 340	0.29 225

ccs_rob	2.79 519	10.17 549	0.32 209	10.00 562	0.33 263	0.49 305	0.33 250	1.90 468	0.32 250	0.51 315	0.33 258	0.49 303	9.24 563	0.49 301	0.33 252	0.41 258	9.82 563	0.41 285	0.28 229	9.34 561	0.29 225

depthmonostereo	0.44 252	0.85 242	0.46 274	0.54 275	0.40 301	0.52 324	0.38 284	0.52 312	0.35 268	0.47 284	0.34 266	0.46 286	0.34 264	0.47 286	0.34 265	0.45 276	0.43 282	0.41 285	0.33 271	0.41 264	0.32 246

HART	0.38 218	0.45 175	0.34 224	0.42 236	0.33 263	0.41 259	0.34 261	0.42 268	0.33 256	0.43 269	0.34 266	0.42 276	0.34 264	0.41 258	0.38 284	0.40 250	0.32 228	0.42 296	0.32 263	0.40 254	0.32 246

RAFT-Stereo-weight	0.45 255	1.90 396	0.34 224	0.42 236	0.36 282	0.43 281	0.35 266	0.42 268	0.34 265	0.42 263	0.34 266	0.44 280	0.34 264	0.41 258	0.34 265	0.38 236	0.32 228	0.38 257	0.32 263	0.38 242	0.33 253

gcap-zeroshot	0.35 203	0.32 135	0.37 237	0.49 257	0.39 299	0.33 214	0.21 183	0.26 186	0.35 268	0.42 263	0.34 266	0.49 303	0.29 234	0.47 286	0.39 291	0.34 211	0.17 161	0.38 257	0.23 198	0.48 291	0.34 259

H2IRNET	0.34 196	0.34 137	0.34 224	0.34 184	0.34 273	0.34 216	0.34 261	0.34 207	0.34 265	0.34 212	0.34 266	0.34 219	0.34 264	0.34 219	0.34 265	0.34 211	0.34 239	0.34 226	0.34 275	0.34 209	0.34 259

Former-RAFT_DAM_RVC	0.49 277	0.98 268	0.64 328	0.84 319	0.46 326	0.45 284	0.35 266	0.47 284	0.47 322	0.45 274	0.34 266	0.46 286	0.48 326	0.46 282	0.35 269	0.39 246	0.71 349	0.39 267	0.35 282	0.41 264	0.41 294

RCA-Stereo	0.51 284	3.22 471	0.34 224	0.44 239	0.34 273	0.44 283	0.34 261	0.43 272	0.34 265	0.43 269	0.34 266	0.44 280	0.33 259	0.43 273	0.33 252	0.38 236	0.29 210	0.38 257	0.29 239	0.38 242	0.29 225

pcwnet_v2	2.66 515	9.89 546	0.33 214	9.89 560	0.32 252	0.50 313	0.32 241	0.49 292	0.33 256	0.49 298	0.34 266	0.49 303	8.76 561	0.48 295	0.33 252	0.41 258	9.58 561	0.40 272	0.29 239	9.01 560	0.63 354

MSMDNet	2.65 514	10.14 548	0.33 214	9.74 559	0.32 252	0.87 366	0.33 250	2.95 517	0.68 362	0.49 298	0.34 266	0.49 303	5.70 554	0.49 301	0.33 252	0.42 272	9.57 560	0.41 285	0.31 258	8.36 557	0.65 356

ccccc	0.41 237	0.44 172	0.34 224	0.48 251	0.35 276	0.48 300	0.35 266	0.51 310	0.35 268	0.47 284	0.35 275	0.47 292	0.34 264	0.47 286	0.35 269	0.41 258	0.40 261	0.40 272	0.40 307	0.41 264	0.39 284

UGAM	0.51 284	2.23 420	0.39 247	0.54 275	0.35 276	0.50 313	0.35 266	0.49 292	0.35 268	0.49 298	0.35 275	0.49 303	0.36 274	0.50 308	0.36 273	0.49 291	0.37 245	0.45 303	0.34 275	0.45 278	0.34 259

GCST	0.50 279	2.08 407	0.38 240	0.53 273	0.35 276	0.49 305	0.35 266	0.50 300	0.35 268	0.49 298	0.35 275	0.49 303	0.35 271	0.49 301	0.35 269	0.48 288	0.37 245	0.45 303	0.33 271	0.44 274	0.33 253

ETE_ROB	0.35 203	0.35 138	0.35 232	0.35 185	0.35 276	0.35 220	0.35 266	0.35 210	0.35 268	0.35 216	0.35 275	0.35 220	0.35 271	0.35 221	0.35 269	0.35 220	0.35 240	0.35 242	0.35 282	0.35 221	0.35 266

SCV_C0	0.45 255	0.88 247	0.49 294	0.54 275	0.37 285	0.48 300	0.37 278	0.48 288	0.37 280	0.48 291	0.36 279	0.48 299	0.37 278	0.49 301	0.37 281	0.50 297	0.41 270	0.44 299	0.34 275	0.44 274	0.34 259

UGAM-zero	0.51 284	2.17 415	0.39 247	0.53 273	0.36 282	0.50 313	0.36 273	0.50 300	0.36 279	0.49 298	0.36 279	0.50 317	0.35 271	0.50 308	0.36 273	0.49 291	0.37 245	0.47 311	0.35 282	0.46 279	0.34 259

GCAP-Stereo	0.75 326	4.15 493	0.42 265	0.75 310	0.35 276	0.78 357	0.40 294	0.79 349	0.38 284	0.78 361	0.36 279	0.78 363	0.36 274	0.79 355	0.39 291	0.75 340	0.39 258	0.76 364	0.39 306	0.75 334	0.39 284

GMOStereo	0.37 212	0.45 175	0.23 170	0.30 170	0.37 285	0.41 259	0.36 273	0.41 252	0.35 268	0.43 269	0.36 279	0.41 260	0.40 289	0.41 258	0.36 273	0.34 211	0.22 178	0.47 311	0.37 290	0.39 249	0.33 253

error version	0.93 368	4.47 497	2.35 517	1.99 452	0.37 285	0.41 259	0.36 273	0.41 252	0.35 268	0.43 269	0.36 279	0.41 260	0.40 289	0.41 258	0.36 273	1.87 466	2.16 509	0.47 311	0.37 290	0.39 249	0.33 253

test_1	0.93 368	4.47 497	2.35 517	1.99 452	0.37 285	0.41 259	0.36 273	0.41 252	0.35 268	0.43 269	0.36 279	0.41 260	0.40 289	0.41 258	0.36 273	1.87 466	2.16 509	0.47 311	0.37 290	0.39 249	0.33 253

Venus	0.38 218	0.38 146	0.38 240	0.38 195	0.38 292	0.37 228	0.38 284	0.37 220	0.37 280	0.41 251	0.37 285	0.39 239	0.37 278	0.38 233	0.38 284	0.37 229	0.38 251	0.38 257	0.37 290	0.37 232	0.38 278

CASnet	0.35 203	0.51 202	0.44 268	0.32 178	0.31 250	0.24 178	0.34 261	0.36 214	0.25 202	0.31 200	0.37 285	0.30 205	0.33 259	0.25 186	0.45 313	0.37 229	0.37 245	0.33 219	0.35 282	0.34 209	0.37 271
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
iRaft-Stereo_5w	0.34 196	0.42 168	0.31 205	0.39 201	0.30 244	0.38 235	0.30 234	0.40 237	0.29 228	0.40 237	0.37 285	0.41 260	0.34 264	0.38 233	0.30 237	0.34 211	0.27 194	0.34 226	0.26 217	0.34 209	0.26 199

DMCA	0.36 207	0.38 146	0.37 237	0.35 185	0.35 276	0.36 223	0.36 273	0.36 214	0.35 268	0.35 216	0.37 285	0.36 226	0.36 274	0.35 221	0.36 273	0.36 225	0.36 243	0.35 242	0.36 288	0.36 228	0.36 267

XPNet_ROB	0.37 212	0.37 143	0.37 237	0.37 192	0.37 285	0.37 228	0.37 278	0.37 220	0.37 280	0.37 224	0.37 285	0.37 232	0.37 278	0.37 231	0.37 281	0.37 229	0.37 245	0.37 250	0.37 290	0.37 232	0.37 271

GASTEREO	0.48 271	1.21 353	0.47 281	0.57 282	0.38 292	0.50 313	0.38 284	0.50 300	0.38 284	0.50 310	0.38 290	0.50 317	0.38 282	0.50 308	0.38 284	0.52 305	0.42 278	0.46 306	0.34 275	0.46 279	0.34 259

WAO-8	0.38 218	0.38 146	0.38 240	0.38 195	0.38 292	0.38 235	0.38 284	0.38 228	0.38 284	0.38 225	0.38 290	0.38 234	0.38 282	0.38 233	0.38 284	0.38 236	0.38 251	0.38 257	0.37 290	0.38 242	0.38 278

WAO-7	0.38 218	0.38 146	0.38 240	0.38 195	0.38 292	0.38 235	0.38 284	0.38 228	0.38 284	0.38 225	0.38 290	0.38 234	0.38 282	0.38 233	0.38 284	0.38 236	0.38 251	0.38 257	0.38 303	0.38 242	0.38 278

IMH	0.38 218	0.38 146	0.38 240	0.38 195	0.38 292	0.38 235	0.38 284	0.38 228	0.38 284	0.42 263	0.38 290	0.40 247	0.38 282	0.38 233	0.38 284	0.38 236	0.38 251	0.39 267	0.38 303	0.38 242	0.38 278

iRaftStereo_RVC	0.97 372	3.17 470	2.30 516	2.42 468	0.38 292	0.54 329	0.38 284	0.54 316	0.38 284	0.54 324	0.38 290	0.54 328	0.38 282	0.54 322	0.38 284	2.38 497	2.34 513	0.49 324	0.36 288	0.49 295	0.36 267

LG-Stereo_L1	0.47 266	0.52 204	0.47 281	0.62 291	0.39 299	0.53 326	0.40 294	0.53 314	0.39 293	0.53 321	0.39 295	0.53 325	0.39 288	0.53 320	0.39 291	0.55 310	0.46 288	0.49 324	0.37 290	0.49 295	0.37 271

SCV	0.46 260	0.94 263	0.45 270	0.54 275	0.37 285	0.48 300	0.38 284	0.48 288	0.37 280	0.48 291	0.39 295	0.48 299	0.37 278	0.49 301	0.37 281	0.50 297	0.46 288	0.44 299	0.34 275	0.44 274	0.34 259

HanzoNet	0.39 226	0.38 146	0.40 251	0.39 201	0.41 308	0.38 235	0.38 284	0.38 228	0.38 284	0.39 231	0.39 295	0.38 234	0.38 282	0.39 241	0.40 295	0.38 236	0.38 251	0.40 272	0.38 303	0.38 242	0.40 287

knoymous	0.40 230	0.40 154	0.40 251	0.40 215	0.40 301	0.40 243	0.40 294	0.40 237	0.40 294	0.40 237	0.40 298	0.40 247	0.40 289	0.40 244	0.40 295	0.40 250	0.40 261	0.40 272	0.40 307	0.40 254	0.40 287

anonymousa	0.40 230	0.40 154	0.40 251	0.40 215	0.40 301	0.40 243	0.40 294	0.40 237	0.40 294	0.40 237	0.40 298	0.40 247	0.40 289	0.40 244	0.40 295	0.40 250	0.40 261	0.40 272	0.40 307	0.40 254	0.40 287

riskmin	0.40 230	0.40 154	0.40 251	0.40 215	0.40 301	0.40 243	0.40 294	0.40 237	0.40 294	0.40 237	0.40 298	0.40 247	0.40 289	0.40 244	0.40 295	0.40 250	0.40 261	0.40 272	0.40 307	0.40 254	0.40 287

Anonymous_2	0.40 230	0.40 154	0.40 251	0.40 215	0.40 301	0.40 243	0.40 294	0.40 237	0.40 294	0.40 237	0.40 298	0.40 247	0.40 289	0.40 244	0.40 295	0.40 250	0.40 261	0.40 272	0.40 307	0.40 254	0.40 287

Anonymous_1	0.40 230	0.40 154	0.40 251	0.40 215	0.40 301	0.40 243	0.40 294	0.40 237	0.40 294	0.40 237	0.40 298	0.40 247	0.40 289	0.40 244	0.40 295	0.40 250	0.40 261	0.40 272	0.40 307	0.40 254	0.40 287

AdaStereo	0.40 230	0.40 154	0.40 251	0.40 215	0.40 301	0.40 243	0.40 294	0.40 237	0.40 294	0.40 237	0.40 298	0.40 247	0.40 289	0.40 244	0.40 295	0.40 250	0.40 261	0.40 272	0.40 307	0.40 254	0.40 287
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.
MSCF	0.51 284	1.40 370	0.49 294	0.58 284	0.38 292	0.50 313	0.38 284	0.54 316	0.41 303	0.52 318	0.41 304	0.53 325	0.42 306	0.53 320	0.41 302	0.60 316	0.47 296	0.48 319	0.37 290	0.48 291	0.38 278

LG-Stereo_Zeroshot	0.48 271	0.55 212	0.47 281	0.63 293	0.41 308	0.56 331	0.44 310	0.56 320	0.41 303	0.56 329	0.41 304	0.57 337	0.42 306	0.56 326	0.41 302	0.55 310	0.43 282	0.51 333	0.37 290	0.51 306	0.37 271

LG-Stereo	0.60 297	0.58 217	0.47 281	0.64 296	0.74 386	1.00 380	0.69 363	0.57 323	0.41 303	0.57 332	0.41 304	0.57 337	0.41 300	1.00 385	0.75 377	0.91 359	0.51 313	0.52 336	0.37 290	0.52 308	0.37 271

Occ-G	1.12 390	0.52 204	3.72 542	3.50 505	0.50 342	0.56 331	0.47 322	0.54 316	0.46 317	0.54 324	0.41 304	0.54 328	0.42 306	0.52 318	0.42 309	3.42 518	4.02 537	0.52 336	0.45 325	0.51 306	0.44 305

GwcNet-ADL	0.41 237	0.41 161	0.41 260	0.41 227	0.41 308	0.41 259	0.41 302	0.41 252	0.41 303	0.41 251	0.41 304	0.41 260	0.41 300	0.41 258	0.41 302	0.41 258	0.41 270	0.41 285	0.41 314	0.41 264	0.41 294

PSMNet-ADL	0.41 237	0.41 161	0.41 260	0.41 227	0.41 308	0.41 259	0.41 302	0.41 252	0.41 303	0.41 251	0.41 304	0.41 260	0.41 300	0.41 258	0.41 302	0.41 258	0.41 270	0.41 285	0.41 314	0.41 264	0.41 294

GANet-ADL	0.41 237	0.41 161	0.41 260	0.41 227	0.41 308	0.41 259	0.41 302	0.41 252	0.41 303	0.41 251	0.41 304	0.41 260	0.41 300	0.41 258	0.41 302	0.41 258	0.41 270	0.41 285	0.41 314	0.41 264	0.41 294

ADLNet2	0.41 237	0.41 161	0.41 260	0.41 227	0.41 308	0.41 259	0.41 302	0.41 252	0.41 303	0.41 251	0.41 304	0.41 260	0.41 300	0.41 258	0.41 302	0.41 258	0.41 270	0.41 285	0.41 314	0.41 264	0.41 294

ADLNet	0.41 237	0.41 161	0.41 260	0.41 227	0.41 308	0.41 259	0.41 302	0.41 252	0.41 303	0.41 251	0.41 304	0.41 260	0.41 300	0.41 258	0.41 302	0.41 258	0.41 270	0.41 285	0.41 314	0.41 264	0.41 294

GES	0.66 308	2.34 431	0.29 193	0.41 227	0.29 234	0.41 259	0.29 229	0.42 268	0.29 228	0.40 237	0.41 304	0.41 260	0.30 241	0.51 315	0.29 230	0.32 204	0.29 210	0.32 211	2.46 527	2.49 490	0.30 235

MyStereo07	0.60 297	3.72 482	0.48 289	0.49 257	0.41 308	0.36 223	0.32 241	0.49 292	0.43 311	0.51 315	0.42 314	0.49 303	0.43 309	0.51 315	0.64 353	0.49 291	0.45 286	0.34 226	0.32 263	0.35 221	0.43 302

CFNet_RVC	2.38 508	8.71 537	0.38 240	9.33 556	0.42 318	0.56 331	0.42 307	0.60 330	0.38 284	0.62 340	0.42 314	0.56 335	7.29 559	0.62 335	0.42 309	0.53 307	0.37 245	0.49 324	0.34 275	8.30 556	6.87 562

DispNO	1.00 375	0.63 222	0.43 266	3.45 501	0.44 321	0.65 346	0.43 309	0.64 335	0.43 311	0.64 343	0.43 316	0.64 346	3.03 520	0.64 340	0.43 311	4.55 527	0.43 282	0.63 348	0.43 323	0.63 320	0.43 302

FCDSN-DC	0.41 237	0.59 218	0.64 328	0.54 275	0.33 263	0.50 313	0.37 278	0.42 268	0.40 294	0.61 337	0.43 316	0.50 317	0.49 331	0.38 233	0.32 244	0.28 190	0.23 182	0.26 191	0.22 193	0.35 221	0.28 220
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
FSD	0.61 300	0.59 218	0.50 298	2.58 474	0.44 321	0.56 331	0.44 310	0.55 319	0.44 314	0.56 329	0.44 318	0.56 335	0.44 311	0.56 326	0.46 317	0.61 320	0.42 278	0.52 336	0.42 322	0.52 308	0.51 332

MonSter	0.60 297	0.64 224	0.52 307	0.62 291	0.44 321	2.07 484	0.44 310	0.62 333	0.44 314	0.62 340	0.44 318	0.62 345	0.44 311	0.62 335	0.44 312	0.58 314	0.42 278	0.62 346	0.46 327	0.58 316	0.42 301

CES	0.39 226	0.47 183	0.36 234	0.36 189	0.37 285	0.45 284	0.35 266	0.35 210	0.40 294	0.36 219	0.44 318	0.47 292	0.36 274	0.44 275	0.36 273	0.37 229	0.39 258	0.44 299	0.35 282	0.37 232	0.36 267

Selective-IGEV	0.51 284	0.55 212	0.45 270	0.69 302	0.45 324	0.61 340	0.45 315	0.50 300	0.40 294	0.56 329	0.44 318	0.55 332	0.40 289	0.72 348	0.67 358	0.59 315	0.46 288	0.45 303	0.34 275	0.46 279	0.37 271

fffft	0.48 271	0.51 202	0.45 270	0.52 272	0.45 324	0.52 324	0.45 315	0.52 312	0.48 329	0.53 321	0.45 322	0.52 324	0.45 314	0.52 318	0.46 317	0.51 303	0.41 270	0.50 328	0.41 314	0.50 300	0.41 294
1: 1. 1
PAM_32	0.64 305	2.38 435	0.51 304	0.92 329	0.43 320	0.53 326	0.44 310	0.87 357	0.43 311	0.52 318	0.45 322	0.53 325	0.40 289	0.54 322	0.46 317	0.62 324	0.56 321	0.48 319	0.45 325	0.76 335	0.44 305

AIO-test1	0.54 289	0.60 221	0.52 307	0.66 300	0.47 332	0.61 340	0.47 322	0.58 326	0.46 317	0.61 337	0.46 324	0.61 343	0.45 314	0.62 335	0.45 313	0.61 320	0.52 315	0.57 342	0.48 337	0.57 315	0.48 317

MyStereo04	0.56 295	3.72 482	0.59 317	0.49 257	0.41 308	0.36 223	0.32 241	0.37 220	0.31 247	0.34 212	0.46 324	0.35 220	0.32 252	0.35 221	0.33 252	0.49 291	0.45 286	0.34 226	0.32 263	0.35 221	0.43 302

otaku	0.46 260	0.46 179	0.46 274	0.46 241	0.46 326	0.46 290	0.46 317	0.46 278	0.46 317	0.46 278	0.46 324	0.46 286	0.46 317	0.46 282	0.46 317	0.46 279	0.46 288	0.46 306	0.46 327	0.46 279	0.46 308

Ntro	0.47 266	0.47 183	0.46 274	0.46 241	0.46 326	0.47 295	0.47 322	0.46 278	0.47 322	0.46 278	0.46 324	0.47 292	0.46 317	0.47 286	0.47 324	0.47 284	0.46 288	0.46 306	0.46 327	0.46 279	0.46 308

Dean	0.46 260	0.46 179	0.46 274	0.46 241	0.46 326	0.46 290	0.46 317	0.46 278	0.46 317	0.47 284	0.46 324	0.46 286	0.46 317	0.46 282	0.46 317	0.46 279	0.46 288	0.46 306	0.46 327	0.46 279	0.46 308

ACVNet_1	0.46 260	0.47 183	0.46 274	0.46 241	0.46 326	0.46 290	0.46 317	0.46 278	0.47 322	0.46 278	0.46 324	0.46 286	0.46 317	0.46 282	0.46 317	0.46 279	0.46 288	0.47 311	0.46 327	0.46 279	0.46 308

ACVNet-4b	0.46 260	0.46 179	0.46 274	0.46 241	0.46 326	0.46 290	0.46 317	0.46 278	0.46 317	0.46 278	0.46 324	0.46 286	0.46 317	0.47 286	0.46 317	0.46 279	0.46 288	0.46 306	0.46 327	0.46 279	0.46 308

test_xeample3	1.10 387	1.81 387	0.61 324	0.84 319	0.49 338	0.77 355	0.66 355	0.92 366	1.40 482	0.68 349	0.46 324	0.78 363	0.54 344	1.72 467	1.48 484	1.34 441	1.52 471	1.35 468	1.67 501	1.33 443	1.55 488

AIO-test2	0.55 293	0.59 218	0.52 307	0.67 301	0.47 332	0.61 340	0.47 322	0.61 332	0.47 322	0.61 337	0.47 332	0.61 343	0.48 326	0.62 335	0.47 324	0.64 326	0.53 317	0.58 343	0.47 334	0.58 316	0.48 317

HaxPig	0.47 266	0.47 183	0.47 281	0.49 257	0.47 332	0.47 295	0.47 322	0.47 284	0.47 322	0.47 284	0.47 332	0.47 292	0.47 325	0.47 286	0.47 324	0.47 284	0.47 296	0.47 311	0.47 334	0.47 287	0.48 317

UNDER WATER	0.47 266	0.47 183	0.47 281	0.47 247	0.47 332	0.47 295	0.47 322	0.47 284	0.47 322	0.47 284	0.47 332	0.47 292	0.46 317	0.47 286	0.47 324	0.47 284	0.47 296	0.47 311	0.46 327	0.47 287	0.47 315

LVE	0.47 266	0.47 183	0.47 281	0.47 247	0.49 338	0.47 295	0.47 322	0.47 284	0.49 331	0.47 284	0.47 332	0.47 292	0.46 317	0.47 286	0.47 324	0.47 284	0.47 296	0.48 319	0.47 334	0.47 287	0.47 315

MyStereo06	0.75 326	4.12 490	0.60 319	0.63 293	0.61 363	0.62 343	0.66 355	0.56 320	0.45 316	0.55 327	0.48 336	0.54 328	0.46 317	0.57 331	0.45 313	0.60 316	0.57 323	0.64 349	0.55 349	0.72 330	0.55 342

RainbowNet	0.48 271	0.48 189	0.48 289	0.48 251	0.48 336	0.48 300	0.48 331	0.48 288	0.48 329	0.48 291	0.48 336	0.48 299	0.48 326	0.48 295	0.48 330	0.48 288	0.48 300	0.48 319	0.48 337	0.48 291	0.48 317

notaker	0.48 271	0.49 191	0.48 289	0.48 251	0.48 336	0.48 300	0.48 331	0.48 288	0.49 331	0.48 291	0.48 336	0.48 299	0.48 326	0.48 295	0.48 330	0.48 288	0.48 300	0.48 319	0.48 337	0.48 291	0.49 322

ACVNet_2	0.49 277	0.49 191	0.49 294	0.49 257	0.49 338	0.49 305	0.49 333	0.49 292	0.49 331	0.49 298	0.49 339	0.49 303	0.49 331	0.49 301	0.49 332	0.49 291	0.49 303	0.49 324	0.49 340	0.49 295	0.49 322

AEACV	1.12 390	0.52 204	3.12 534	3.24 490	0.86 394	0.53 326	0.49 333	0.60 330	0.47 322	0.53 321	0.49 339	0.55 332	0.45 314	0.55 325	0.47 324	3.01 514	3.88 535	0.71 358	0.60 359	0.80 343	0.48 317

FoundationStereo	0.50 279	0.50 195	0.50 298	0.50 264	0.50 342	0.50 313	0.50 335	0.50 300	0.50 334	0.50 310	0.50 341	0.50 317	0.50 334	0.50 308	0.50 333	0.50 297	0.50 309	0.50 328	0.50 342	0.50 300	0.50 325

StereoAnything_RVC	0.50 279	0.50 195	0.50 298	0.50 264	0.50 342	0.50 313	0.50 335	0.50 300	0.50 334	0.50 310	0.50 341	0.50 317	0.50 334	0.50 308	0.50 333	0.50 297	0.50 309	0.50 328	0.50 342	0.50 300	0.50 325

dual_stereo	0.50 279	0.50 195	0.50 298	0.50 264	0.50 342	0.50 313	0.50 335	0.50 300	0.50 334	0.50 310	0.50 341	0.50 317	0.50 334	0.50 308	0.50 333	0.50 297	0.50 309	0.50 328	0.50 342	0.50 300	0.50 325

KSHMR	0.66 308	0.50 195	0.48 289	1.15 362	0.52 348	0.49 305	0.51 339	0.49 292	0.71 373	0.67 347	0.50 341	1.16 405	1.11 400	0.66 342	0.52 340	0.49 291	0.49 303	0.51 333	0.66 367	0.50 300	1.14 412

LL-Strereo	1.01 380	5.06 504	1.63 478	0.70 304	1.43 483	0.56 331	0.46 317	0.57 323	0.50 334	0.57 332	0.50 341	1.58 465	0.49 331	0.59 333	0.50 333	1.64 460	0.52 315	0.51 333	1.37 476	0.52 308	0.45 307

SANet	0.50 279	0.50 195	0.50 298	0.50 264	0.50 342	0.50 313	0.50 335	0.50 300	0.50 334	0.50 310	0.50 341	0.50 317	0.50 334	0.50 308	0.50 333	0.50 297	0.50 309	0.50 328	0.50 342	0.50 300	0.50 325

MyStereo8	0.71 319	3.92 489	0.52 307	0.59 287	0.52 348	0.57 337	0.53 341	0.59 328	0.50 334	0.59 336	0.51 347	0.57 337	0.50 334	0.56 326	0.52 340	0.54 308	0.49 303	0.54 340	0.49 340	0.55 314	0.50 325

ktn	0.72 322	0.53 207	1.08 384	1.14 360	0.51 347	1.22 449	1.36 475	0.51 310	0.59 349	0.51 315	0.51 347	0.69 352	1.20 411	0.67 344	0.51 338	0.51 303	0.49 303	0.58 343	0.66 367	0.52 308	0.53 334

test-3	0.98 374	4.13 492	1.85 498	1.85 444	0.61 363	0.69 349	0.37 278	0.63 334	0.61 353	0.66 346	0.51 347	0.73 358	0.44 311	0.57 331	0.54 343	1.68 461	1.81 493	0.40 272	0.43 323	0.66 322	0.50 325

WCG-NET	0.61 300	1.21 353	0.54 312	0.61 290	0.53 351	0.67 348	0.53 341	0.66 338	0.53 342	0.64 343	0.53 350	0.65 349	0.53 341	0.59 333	0.52 340	0.65 327	0.48 300	0.64 349	0.52 346	0.58 316	0.50 325

PSMNet_ROB	0.54 289	0.54 210	0.54 312	0.54 275	0.53 351	0.54 329	0.54 343	0.53 314	0.54 344	0.54 324	0.54 351	0.54 328	0.53 341	0.54 322	0.54 343	0.54 308	0.53 317	0.54 340	0.54 348	0.54 313	0.54 337

STTRV1_RVC	0.82 346	1.60 377	0.70 339	1.01 347	0.60 357	1.07 391	0.69 363	1.01 378	0.60 350	0.72 351	0.55 352	1.02 392	0.68 360	1.03 390	0.67 358	0.89 358	0.63 334	0.92 387	0.57 355	0.90 358	0.65 356

anonymity	0.63 303	0.69 226	0.56 314	0.71 306	0.56 354	0.71 352	0.56 344	0.71 344	0.56 345	0.72 351	0.56 353	0.71 353	0.56 345	0.71 347	0.58 347	0.68 331	0.55 319	0.68 354	0.55 349	0.68 324	0.54 337

CASS	0.57 296	0.89 250	0.56 314	0.57 282	0.56 354	0.56 331	0.56 344	0.56 320	0.53 342	0.57 332	0.57 354	0.59 341	0.48 326	0.56 326	0.57 346	0.55 310	0.56 321	0.47 311	0.56 353	0.62 319	0.56 345
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
zero-FE	0.72 322	1.31 364	0.66 332	0.92 329	0.60 357	0.82 362	0.58 346	0.82 355	0.58 347	0.81 365	0.60 355	0.81 369	0.60 348	0.82 359	0.58 347	0.74 339	0.59 327	0.73 359	0.52 346	0.76 335	0.51 332

SMoEStereo_RVC	0.63 303	0.75 230	0.51 304	0.73 308	0.53 351	0.71 352	0.47 322	0.67 339	0.58 347	0.74 358	0.60 355	0.72 356	0.53 341	0.74 352	0.51 338	0.61 320	0.62 333	0.62 346	0.61 361	0.63 320	0.61 350

DDUNet	0.81 342	2.45 438	0.57 316	0.90 324	0.60 357	0.88 367	0.59 348	0.90 361	0.60 350	0.88 369	0.60 355	0.90 376	0.58 346	0.88 367	0.60 350	0.84 354	0.60 328	0.86 380	0.57 355	0.86 352	0.60 349

UDG	0.80 337	2.21 419	0.60 319	0.91 326	0.60 357	0.90 370	0.58 346	0.88 360	0.60 350	0.90 370	0.60 355	0.88 373	0.60 348	0.90 370	0.58 347	0.86 356	0.60 328	0.84 378	0.59 358	0.84 351	0.61 350

MyStereo05	0.80 337	4.12 490	0.63 326	0.63 293	0.61 363	0.62 343	0.66 355	0.65 336	0.62 354	0.67 347	0.61 359	0.65 349	0.58 346	0.67 344	0.55 345	0.60 316	0.57 323	0.64 349	0.55 349	0.72 330	0.55 342

PA-Net	11.80 564	223.51 590	0.62 325	0.59 287	0.71 381	0.59 339	0.73 373	0.67 339	0.73 378	0.55 327	0.61 359	0.60 342	0.74 372	0.63 339	0.73 374	0.66 329	0.60 328	0.69 355	0.66 367	0.72 330	0.65 356
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
ARAFT	0.68 313	0.81 237	0.63 326	0.74 309	0.60 357	0.78 357	0.62 350	0.77 348	0.66 360	0.74 358	0.63 361	0.75 360	0.62 351	0.83 360	0.60 350	0.70 335	0.55 319	0.70 357	0.60 359	0.78 338	0.55 342

RAFT-Stereo + iAFF	0.70 317	0.72 228	0.71 343	0.80 314	0.62 366	0.82 362	0.61 349	0.81 354	0.62 354	0.81 365	0.63 361	0.80 366	0.70 365	0.73 350	0.61 352	0.76 341	0.61 332	0.74 361	0.61 361	0.77 337	0.61 350

LMCR-Stereo	0.65 306	0.63 222	0.65 331	0.65 297	0.65 369	0.66 347	0.63 351	0.58 326	0.65 358	0.63 342	0.64 363	0.65 349	0.65 354	0.66 342	0.66 357	0.66 329	0.64 336	0.65 352	0.67 371	0.68 324	0.73 371

DSFCA	0.66 308	0.73 229	0.78 355	0.65 297	0.65 369	0.64 345	0.64 352	0.65 336	0.63 356	0.64 343	0.64 363	0.64 346	0.64 352	0.65 341	0.65 354	0.65 327	0.65 338	0.65 352	0.65 365	0.66 322	0.64 355

plain	1.88 461	3.16 469	0.64 328	3.10 485	0.65 369	3.10 520	0.64 352	3.12 518	0.65 358	3.10 519	0.65 365	3.11 520	0.65 354	3.12 518	0.65 354	3.12 515	0.65 338	3.13 520	0.65 365	3.13 506	0.65 356

4D-IteraStereo	0.78 334	3.13 468	0.89 364	0.69 302	0.32 252	0.40 243	0.32 241	0.76 347	0.97 402	0.52 318	0.65 365	0.89 375	0.32 252	0.76 354	0.98 398	0.83 352	0.94 371	0.35 242	0.27 225	0.70 329	0.89 387

MIF-Stereo (partial)	2.58 513	3.31 473	0.66 332	3.18 489	0.66 372	3.18 521	0.66 355	3.21 519	0.67 361	3.19 520	0.66 367	3.19 521	0.66 357	3.31 522	0.68 362	5.09 544	1.79 492	8.23 563	1.67 501	6.18 547	1.38 483

RSM++	0.76 330	0.82 239	0.66 332	0.85 321	0.64 367	0.85 364	0.71 370	0.94 370	0.64 357	0.87 368	0.67 368	0.87 372	0.65 354	0.84 361	0.65 354	0.81 347	0.70 345	0.79 367	0.71 379	0.83 350	0.70 364

AIO-Stereo-zeroshot1	0.75 326	0.92 259	0.85 363	0.96 340	0.59 356	1.27 452	0.44 310	0.59 328	0.69 365	0.91 372	0.68 369	0.55 332	0.61 350	1.06 392	0.83 386	0.62 324	0.70 345	0.90 382	0.41 314	0.89 355	0.56 345

R-Stereo Train	0.81 342	0.96 265	0.67 336	0.95 337	0.67 373	0.95 375	0.68 360	0.95 372	0.68 362	0.95 380	0.68 369	0.96 384	0.68 360	0.96 381	0.68 362	0.94 367	0.68 340	0.94 389	0.68 372	0.94 365	0.68 361

RAFT-Stereo	0.81 342	0.96 265	0.67 336	0.95 337	0.67 373	0.95 375	0.68 360	0.95 372	0.68 362	0.95 380	0.68 369	0.96 384	0.68 360	0.96 381	0.68 362	0.94 367	0.68 340	0.94 389	0.68 372	0.94 365	0.68 361
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
FlowAnything	1.02 382	1.71 380	0.72 346	1.59 434	0.69 377	1.60 466	0.69 363	1.61 457	0.70 368	1.60 460	0.69 372	1.60 466	0.69 363	1.61 464	0.69 366	0.81 347	0.58 325	0.81 372	0.56 353	0.82 348	0.56 345

TorneroNet	0.66 308	0.53 207	0.50 298	0.50 264	0.64 367	1.06 388	0.70 367	0.50 300	0.51 341	0.49 298	0.69 372	0.49 303	0.50 334	0.48 295	1.15 412	0.71 336	0.49 303	1.14 404	1.08 408	0.49 295	0.49 322

FlowAnything_test	1.02 382	1.72 381	0.71 343	1.59 434	0.70 379	1.61 467	0.69 363	1.61 457	0.70 368	1.60 460	0.70 374	1.61 469	0.69 363	1.61 464	0.70 370	0.81 347	0.58 325	0.81 372	0.55 349	0.81 346	0.56 345

MoCha-V2	2.11 485	26.97 568	0.78 355	0.92 329	0.77 388	0.96 377	0.72 372	0.90 361	0.72 375	0.94 378	0.70 374	0.90 376	0.71 369	0.91 371	0.71 372	0.85 355	0.71 349	0.88 381	0.69 374	0.87 353	0.67 360

AFF-stereo	0.73 324	0.88 247	0.67 336	0.75 310	0.68 376	0.75 354	0.64 352	0.80 351	0.72 375	0.83 367	0.70 374	0.82 370	0.64 352	0.84 361	0.67 358	0.77 342	0.63 334	0.81 372	0.63 363	0.78 338	0.62 353

MSMD_ROB	1.19 392	1.10 296	0.70 339	1.10 354	0.60 357	1.10 395	0.70 367	1.10 384	0.70 368	1.10 392	0.70 374	1.10 399	0.70 365	7.00 561	0.70 370	1.10 378	0.70 345	1.10 403	0.70 376	1.10 377	0.70 364

AdaDepth	0.86 356	0.93 261	0.71 343	1.01 347	1.07 415	1.02 385	0.71 370	1.00 374	0.71 373	1.01 386	0.71 378	1.00 387	0.72 370	1.14 402	0.71 372	0.92 362	0.64 336	0.90 382	0.64 364	0.89 355	0.69 363

DCRE	0.84 353	1.89 394	0.77 354	0.94 335	0.72 383	0.88 367	0.73 373	0.87 357	0.78 381	0.90 370	0.71 378	0.88 373	0.67 359	0.88 367	0.73 374	0.81 347	0.68 340	0.81 372	0.70 376	0.82 348	0.70 364

DMCA-RVC	0.70 317	0.80 234	0.70 339	0.70 304	0.70 379	0.70 350	0.70 367	0.71 344	0.70 368	0.70 350	0.71 378	0.71 353	0.70 365	0.70 346	0.69 366	0.69 332	0.70 345	0.69 355	0.70 376	0.69 328	0.70 364

11t	1.27 443	2.70 449	1.34 451	1.32 424	0.89 396	1.30 454	1.34 472	1.64 460	0.57 346	1.45 458	0.72 381	1.05 394	1.29 463	1.07 395	1.29 473	1.49 452	1.02 376	0.97 394	1.15 412	1.48 448	1.31 475

UniTT-Stereo	2.03 478	3.43 475	0.72 346	3.42 500	0.73 384	3.27 523	0.68 360	3.38 522	0.69 365	3.29 522	0.72 381	3.28 523	0.70 365	3.35 523	0.68 362	3.39 517	0.68 340	3.31 522	0.69 374	3.37 507	0.73 371

iGMRVC	0.84 353	2.85 463	0.72 346	0.72 307	0.73 384	0.77 355	0.79 378	0.73 346	0.74 380	0.73 353	0.72 381	0.73 358	0.76 375	0.73 350	0.73 374	0.72 337	0.73 351	0.73 359	0.72 380	0.73 333	0.72 368

AIO-Stereo	0.84 353	0.66 225	0.70 339	0.83 318	0.67 373	0.98 378	0.82 384	1.14 385	0.72 375	1.03 388	0.74 384	1.03 393	1.09 399	0.99 383	0.45 313	1.04 373	0.73 351	0.95 391	0.74 381	0.94 365	0.46 308

HSM-Net_RVC	0.95 371	1.17 303	0.78 355	1.18 369	0.71 381	1.16 402	0.75 375	1.09 383	0.80 385	1.10 392	0.75 385	1.17 406	0.74 372	1.17 405	0.80 382	1.13 384	0.73 351	1.17 410	0.77 383	1.16 383	0.72 368
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
RAStereo	2.23 498	3.64 478	0.76 353	3.65 509	0.86 394	3.66 527	0.76 376	3.67 526	0.81 388	3.66 523	0.76 386	3.66 525	0.77 376	3.68 525	0.77 379	3.68 520	0.77 356	3.69 527	0.77 383	3.70 509	0.77 377

ToySt	0.92 363	2.11 410	0.90 367	0.95 337	0.79 390	0.99 379	0.78 377	0.94 370	0.81 388	0.94 378	0.78 387	0.95 383	0.77 376	0.94 377	0.86 388	0.91 359	0.79 358	0.85 379	0.77 383	0.89 355	0.73 371

G-Net	0.79 335	0.79 233	0.79 358	0.79 312	0.79 390	0.79 359	0.79 378	0.79 349	0.79 384	0.79 362	0.79 388	0.79 365	0.79 378	0.79 355	0.79 380	0.79 343	0.79 358	0.79 367	0.79 386	0.79 340	0.79 378

NaN_ROB	0.80 337	0.80 234	0.80 359	0.80 314	0.80 392	0.80 360	0.80 381	0.80 351	0.80 385	0.80 363	0.80 389	0.80 366	0.80 379	0.80 357	0.80 382	0.80 344	0.80 361	0.80 370	0.80 388	0.80 343	0.80 379

CSAN	0.80 337	0.80 234	0.80 359	0.80 314	0.80 392	0.80 360	0.80 381	0.80 351	0.80 385	0.80 363	0.80 389	0.80 366	0.80 379	0.80 357	0.80 382	0.80 344	0.80 361	0.80 370	0.80 388	0.80 343	0.80 379

Selective-RAFT-Error	0.88 358	0.84 240	0.98 376	0.86 322	0.97 406	0.88 367	0.95 395	0.84 356	0.99 405	0.92 374	0.82 391	0.84 371	0.98 389	0.87 366	0.97 397	0.81 347	0.83 364	0.79 367	0.82 391	0.79 340	0.85 384

DPSimNet_ROB	0.97 372	1.18 305	0.81 361	1.10 354	0.91 400	1.02 385	0.82 384	1.04 380	0.91 392	1.03 388	0.86 392	1.28 457	0.82 381	1.03 390	0.89 389	1.17 387	0.81 363	1.02 400	0.82 391	1.08 376	0.81 381

tt45	1.04 384	0.88 247	1.36 461	0.92 329	1.03 413	1.51 465	0.79 378	0.70 343	0.88 390	0.74 358	0.90 393	1.60 466	0.72 370	1.60 462	0.75 377	0.91 359	0.78 357	1.52 475	0.79 386	1.14 379	1.32 476

HH	0.71 319	2.54 440	0.74 350	1.10 354	0.32 252	0.41 259	0.37 278	0.69 341	0.78 381	0.73 353	0.90 393	0.75 360	1.00 390	0.84 361	0.69 366	0.69 332	0.40 261	0.35 242	0.26 217	0.35 221	0.26 199

HanStereo	0.71 319	2.54 440	0.74 350	1.10 354	0.32 252	0.41 259	0.37 278	0.69 341	0.78 381	0.73 353	0.90 393	0.75 360	1.00 390	0.84 361	0.69 366	0.69 332	0.40 261	0.35 242	0.26 217	0.35 221	0.26 199

Selective-RAFT	0.89 360	0.89 250	0.72 346	1.16 367	0.78 389	1.06 388	0.82 384	0.87 357	0.97 402	1.00 382	0.91 396	0.90 376	1.00 390	0.89 369	0.93 394	0.83 352	0.83 364	0.82 376	0.82 391	0.81 346	0.82 382

DPSM_ROB	0.92 363	0.91 254	0.91 369	0.91 326	0.92 401	0.92 372	0.92 391	0.92 366	0.91 392	0.93 376	0.91 396	0.92 379	0.90 383	0.91 371	0.92 390	0.92 362	0.91 367	0.91 385	0.92 395	0.93 363	0.93 391

DPSM	0.92 363	0.91 254	0.91 369	0.91 326	0.92 401	0.92 372	0.92 391	0.92 366	0.91 392	0.93 376	0.91 396	0.92 379	0.90 383	0.91 371	0.92 390	0.92 362	0.91 367	0.91 385	0.92 395	0.93 363	0.93 391

pmcnn	0.92 363	0.92 259	0.92 371	0.92 329	0.92 401	0.92 372	0.92 391	0.92 366	0.92 396	0.92 374	0.92 399	0.92 379	0.92 385	0.92 375	0.92 390	0.92 362	0.92 369	0.92 387	0.92 395	0.92 362	0.92 390

DGTPSM_ROB	0.93 368	1.00 272	0.92 371	0.94 335	0.96 405	0.91 371	0.92 391	0.91 363	0.96 401	0.91 372	0.96 400	0.93 382	0.92 385	0.94 377	0.92 390	0.92 362	0.92 369	0.90 382	0.92 395	0.94 365	0.91 389

AIO-Stereo-zeroshot	0.91 361	0.86 243	0.89 364	1.25 419	0.69 377	1.05 387	0.81 383	1.16 388	0.50 334	1.12 397	0.97 401	0.72 356	0.82 381	1.06 392	0.95 395	0.61 320	0.87 366	1.03 401	0.85 394	1.04 374	1.01 401

MM-Stereo_test2	1.20 393	1.85 390	1.05 382	1.46 431	0.94 404	1.36 457	0.99 398	1.36 450	0.95 399	1.41 456	0.98 402	1.40 462	0.96 387	1.37 457	0.95 395	1.37 446	1.06 378	1.33 465	0.93 399	1.29 442	0.89 387

GANet	1.00 375	1.00 272	1.00 378	1.00 344	1.00 407	1.00 380	1.00 399	1.00 374	1.00 406	1.00 382	1.00 403	1.00 387	1.00 390	1.00 385	1.00 400	1.00 369	1.00 372	1.00 396	1.00 402	1.00 369	1.00 398

TDLM	1.00 375	1.00 272	1.00 378	1.00 344	1.00 407	1.00 380	1.00 399	1.00 374	1.00 406	1.00 382	1.00 403	1.00 387	1.00 390	1.00 385	1.00 400	1.00 369	1.00 372	1.00 396	1.00 402	1.00 369	1.00 398

CVANet_RVC	1.00 375	1.00 272	1.00 378	1.00 344	1.00 407	1.00 380	1.00 399	1.00 374	1.00 406	1.00 382	1.00 403	1.00 387	1.00 390	1.00 385	1.00 400	1.00 369	1.00 372	1.00 396	1.00 402	1.00 369	1.00 398

trnet	1.01 380	1.01 278	1.01 381	1.01 347	1.01 411	1.01 384	1.01 402	1.01 378	1.01 409	1.01 386	1.01 406	1.01 391	1.01 396	1.01 389	1.01 403	1.01 372	1.01 375	1.01 399	1.01 406	1.01 372	1.01 401

MM-Stereo_test3	1.27 443	2.07 406	1.18 393	1.60 437	1.02 412	1.45 463	1.01 402	1.40 454	1.04 411	1.44 457	1.03 407	1.46 464	1.02 397	1.44 460	1.02 404	1.51 455	1.12 392	1.32 464	0.98 400	1.38 446	0.97 394

GLC_STEREO	1.07 385	1.01 278	1.06 383	1.07 352	1.05 414	1.06 388	1.08 406	1.08 381	1.05 412	1.07 390	1.06 408	1.08 395	1.05 398	1.06 392	1.10 407	1.07 375	1.09 385	1.05 402	1.05 407	1.06 375	1.12 408

MLG-Stereo	0.92 363	0.90 252	0.84 362	1.27 420	0.49 338	1.38 459	0.88 387	1.41 455	0.97 402	0.73 353	1.09 409	1.26 455	0.43 309	0.72 348	1.05 405	1.13 384	0.49 303	1.18 413	0.66 367	1.01 372	0.46 308

ours_stereo	1.20 393	1.21 353	0.90 367	1.64 442	1.11 417	1.35 455	0.67 359	1.76 464	0.93 397	1.70 468	1.10 410	1.39 460	0.75 374	1.41 459	0.81 385	1.60 459	1.03 377	1.33 465	1.00 402	1.61 453	0.72 368

AF-Net	2.37 506	25.71 564	1.17 391	1.13 359	1.15 419	1.15 401	1.18 415	1.19 393	1.16 415	1.10 392	1.15 411	1.10 399	1.18 409	1.12 401	1.15 412	1.10 378	1.10 388	1.17 410	1.15 412	1.16 383	1.12 408

RP	2.33 502	25.00 561	1.13 386	1.15 362	1.15 419	1.10 395	1.15 411	1.15 386	1.15 414	1.12 397	1.15 411	1.09 397	1.13 401	1.10 398	1.15 412	1.11 383	1.09 385	1.16 406	1.12 410	1.16 383	1.17 417

Nwc_Net	2.37 506	25.95 565	1.15 389	1.14 360	1.15 419	1.08 392	1.14 410	1.17 390	1.16 415	1.14 400	1.15 411	1.08 395	1.15 404	1.11 400	1.14 411	1.10 378	1.11 389	1.16 406	1.09 409	1.16 383	1.15 413

RGC	2.36 504	25.48 562	1.19 395	1.15 362	1.15 419	1.10 395	1.16 413	1.17 390	1.16 415	1.12 397	1.16 414	1.11 402	1.13 401	1.09 396	1.18 417	1.10 378	1.15 394	1.16 406	1.12 410	1.14 379	1.12 408

NCC-stereo	2.36 504	25.52 563	1.17 391	1.15 362	1.17 424	1.11 398	1.11 407	1.15 386	1.16 415	1.10 392	1.16 414	1.10 399	1.15 404	1.14 402	1.13 410	1.09 376	1.11 389	1.15 405	1.16 414	1.17 388	1.17 417

edge stereo	2.43 509	27.07 569	1.14 387	1.06 351	1.14 418	1.08 392	1.17 414	1.16 388	1.14 413	1.10 392	1.16 414	1.09 397	1.16 408	1.10 398	1.16 415	1.10 378	1.11 389	1.16 406	1.19 416	1.13 378	1.11 406

Abc-Net	2.32 501	24.75 560	1.14 387	1.17 368	1.17 424	1.11 398	1.15 411	1.17 390	1.21 467	1.08 391	1.16 414	1.12 403	1.14 403	1.09 396	1.17 416	1.09 376	1.16 395	1.17 410	1.17 415	1.16 383	1.11 406
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
stereogan	2.33 502	24.38 559	1.18 393	1.18 369	1.18 426	1.14 400	1.18 415	1.19 393	1.19 421	1.14 400	1.18 418	1.14 404	1.18 409	1.14 402	1.18 417	1.14 386	1.14 393	1.19 414	1.19 416	1.15 381	1.19 421

DisPM	1.20 393	1.20 307	1.20 398	1.20 371	1.20 427	1.20 403	1.20 417	1.20 396	1.20 422	1.20 404	1.20 419	1.20 408	1.20 411	1.20 407	1.20 419	1.20 389	1.20 400	1.20 415	1.20 419	1.20 392	1.20 422

CrosDoStereo	1.20 393	1.20 307	1.20 398	1.20 371	1.20 427	1.20 403	1.20 417	1.20 396	1.20 422	1.20 404	1.20 419	1.20 408	1.20 411	1.20 407	1.20 419	1.20 389	1.20 400	1.20 415	1.20 419	1.20 392	1.20 422

PFNet+	1.20 393	1.20 307	1.20 398	1.20 371	1.20 427	1.20 403	1.20 417	1.20 396	1.20 422	1.20 404	1.20 419	1.20 408	1.20 411	1.20 407	1.20 419	1.20 389	1.20 400	1.20 415	1.20 419	1.20 392	1.20 422

LCNet	1.20 393	1.20 307	1.20 398	1.20 371	1.20 427	1.20 403	1.20 417	1.20 396	1.20 422	1.20 404	1.20 419	1.20 408	1.20 411	1.20 407	1.20 419	1.20 389	1.20 400	1.20 415	1.20 419	1.20 392	1.20 422

HHNet	1.20 393	1.20 307	1.20 398	1.20 371	1.20 427	1.20 403	1.20 417	1.20 396	1.20 422	1.20 404	1.20 419	1.20 408	1.20 411	1.20 407	1.20 419	1.20 389	1.20 400	1.20 415	1.20 419	1.20 392	1.20 422

Patchmatch Stereo++	1.20 393	1.20 307	1.20 398	1.20 371	1.20 427	1.20 403	1.20 417	1.20 396	1.20 422	1.20 404	1.20 419	1.20 408	1.20 411	1.20 407	1.20 419	1.20 389	1.20 400	1.20 415	1.20 419	1.20 392	1.20 422
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	1.20 393	1.20 307	1.20 398	1.20 371	1.20 427	1.20 403	1.20 417	1.20 396	1.20 422	1.20 404	1.20 419	1.20 408	1.20 411	1.20 407	1.20 419	1.20 389	1.20 400	1.20 415	1.20 419	1.20 392	1.20 422

STrans-v2	1.20 393	1.20 307	1.20 398	1.20 371	1.20 427	1.20 403	1.20 417	1.20 396	1.20 422	1.20 404	1.20 419	1.20 408	1.20 411	1.20 407	1.20 419	1.20 389	1.20 400	1.20 415	1.20 419	1.20 392	1.20 422

TransformOpticalFlow	1.20 393	1.20 307	1.20 398	1.20 371	1.20 427	1.20 403	1.20 417	1.20 396	1.20 422	1.20 404	1.20 419	1.20 408	1.20 411	1.20 407	1.20 419	1.20 389	1.20 400	1.20 415	1.20 419	1.20 392	1.20 422

OMP-Stereo	1.20 393	1.20 307	1.20 398	1.20 371	1.20 427	1.20 403	1.20 417	1.20 396	1.20 422	1.20 404	1.20 419	1.20 408	1.20 411	1.20 407	1.20 419	1.20 389	1.20 400	1.20 415	1.20 419	1.20 392	1.20 422

IIG-Stereo	1.20 393	1.20 307	1.20 398	1.20 371	1.20 427	1.20 403	1.20 417	1.20 396	1.20 422	1.20 404	1.20 419	1.20 408	1.20 411	1.20 407	1.20 419	1.20 389	1.20 400	1.20 415	1.20 419	1.20 392	1.20 422

NF-Stereo	1.20 393	1.20 307	1.20 398	1.20 371	1.20 427	1.20 403	1.20 417	1.20 396	1.20 422	1.20 404	1.20 419	1.20 408	1.20 411	1.20 407	1.20 419	1.20 389	1.20 400	1.20 415	1.20 419	1.20 392	1.20 422

OCTAStereo	1.20 393	1.20 307	1.20 398	1.20 371	1.20 427	1.20 403	1.20 417	1.20 396	1.20 422	1.20 404	1.20 419	1.20 408	1.20 411	1.20 407	1.20 419	1.20 389	1.20 400	1.20 415	1.20 419	1.20 392	1.20 422

PSM-softLoss	1.20 393	1.20 307	1.20 398	1.20 371	1.20 427	1.20 403	1.20 417	1.20 396	1.20 422	1.20 404	1.20 419	1.20 408	1.20 411	1.20 407	1.20 419	1.20 389	1.20 400	1.20 415	1.20 419	1.20 392	1.20 422

KMStereo	1.20 393	1.20 307	1.20 398	1.20 371	1.20 427	1.20 403	1.20 417	1.20 396	1.20 422	1.20 404	1.20 419	1.20 408	1.20 411	1.20 407	1.20 419	1.20 389	1.20 400	1.20 415	1.20 419	1.20 392	1.20 422

NRIStereo	1.20 393	1.20 307	1.20 398	1.20 371	1.20 427	1.20 403	1.20 417	1.20 396	1.20 422	1.20 404	1.20 419	1.20 408	1.20 411	1.20 407	1.20 419	1.20 389	1.20 400	1.20 415	1.20 419	1.20 392	1.20 422

PSM-adaLoss	1.20 393	1.20 307	1.20 398	1.20 371	1.20 427	1.20 403	1.20 417	1.20 396	1.20 422	1.20 404	1.20 419	1.20 408	1.20 411	1.20 407	1.20 419	1.20 389	1.20 400	1.20 415	1.20 419	1.20 392	1.20 422

PSM-AAD	1.20 393	1.20 307	1.20 398	1.20 371	1.20 427	1.20 403	1.20 417	1.20 396	1.20 422	1.20 404	1.20 419	1.20 408	1.20 411	1.20 407	1.20 419	1.20 389	1.20 400	1.20 415	1.20 419	1.20 392	1.20 422

FTStereo	1.20 393	1.20 307	1.20 398	1.20 371	1.20 427	1.20 403	1.20 417	1.20 396	1.20 422	1.20 404	1.20 419	1.20 408	1.20 411	1.20 407	1.20 419	1.20 389	1.20 400	1.20 415	1.20 419	1.20 392	1.20 422

ROB_FTStereo_v2	1.20 393	1.20 307	1.20 398	1.20 371	1.20 427	1.20 403	1.20 417	1.20 396	1.20 422	1.20 404	1.20 419	1.20 408	1.20 411	1.20 407	1.20 419	1.20 389	1.20 400	1.20 415	1.20 419	1.20 392	1.20 422

ROB_FTStereo	1.20 393	1.20 307	1.20 398	1.20 371	1.20 427	1.20 403	1.20 417	1.20 396	1.20 422	1.20 404	1.20 419	1.20 408	1.20 411	1.20 407	1.20 419	1.20 389	1.20 400	1.20 415	1.20 419	1.20 392	1.20 422

Consistency-Raft	1.20 393	1.20 307	1.20 398	1.20 371	1.20 427	1.20 403	1.20 417	1.20 396	1.20 422	1.20 404	1.20 419	1.20 408	1.20 411	1.20 407	1.20 419	1.20 389	1.20 400	1.20 415	1.20 419	1.20 392	1.20 422

KYRaft	1.20 393	1.20 307	1.20 398	1.20 371	1.20 427	1.20 403	1.20 417	1.20 396	1.20 422	1.20 404	1.20 419	1.20 408	1.20 411	1.20 407	1.20 419	1.20 389	1.20 400	1.20 415	1.20 419	1.20 392	1.20 422

HUI-Stereo	1.20 393	1.20 307	1.20 398	1.20 371	1.20 427	1.20 403	1.20 417	1.20 396	1.20 422	1.20 404	1.20 419	1.20 408	1.20 411	1.20 407	1.20 419	1.20 389	1.20 400	1.20 415	1.20 419	1.20 392	1.20 422

ASMatch	1.20 393	1.20 307	1.20 398	1.20 371	1.20 427	1.20 403	1.20 417	1.20 396	1.20 422	1.20 404	1.20 419	1.20 408	1.20 411	1.20 407	1.20 419	1.20 389	1.20 400	1.20 415	1.20 419	1.20 392	1.20 422

DeepStereo_LL	1.20 393	1.20 307	1.20 398	1.20 371	1.20 427	1.20 403	1.20 417	1.20 396	1.20 422	1.20 404	1.20 419	1.20 408	1.20 411	1.20 407	1.20 419	1.20 389	1.20 400	1.20 415	1.20 419	1.20 392	1.20 422

DEmStereo	1.20 393	1.20 307	1.20 398	1.20 371	1.20 427	1.20 403	1.20 417	1.20 396	1.20 422	1.20 404	1.20 419	1.20 408	1.20 411	1.20 407	1.20 419	1.20 389	1.20 400	1.20 415	1.20 419	1.20 392	1.20 422

SST-Stereo	1.20 393	1.20 307	1.20 398	1.20 371	1.20 427	1.20 403	1.20 417	1.20 396	1.20 422	1.20 404	1.20 419	1.20 408	1.20 411	1.20 407	1.20 419	1.20 389	1.20 400	1.20 415	1.20 419	1.20 392	1.20 422

THIR-Stereo	1.20 393	1.20 307	1.20 398	1.20 371	1.20 427	1.20 403	1.20 417	1.20 396	1.20 422	1.20 404	1.20 419	1.20 408	1.20 411	1.20 407	1.20 419	1.20 389	1.20 400	1.20 415	1.20 419	1.20 392	1.20 422

RAFT_R40	1.20 393	1.20 307	1.20 398	1.20 371	1.20 427	1.20 403	1.20 417	1.20 396	1.20 422	1.20 404	1.20 419	1.20 408	1.20 411	1.20 407	1.20 419	1.20 389	1.20 400	1.20 415	1.20 419	1.20 392	1.20 422

DRaft	1.20 393	1.20 307	1.20 398	1.20 371	1.20 427	1.20 403	1.20 417	1.20 396	1.20 422	1.20 404	1.20 419	1.20 408	1.20 411	1.20 407	1.20 419	1.20 389	1.20 400	1.20 415	1.20 419	1.20 392	1.20 422

PFNet	1.20 393	1.20 307	1.20 398	1.20 371	1.20 427	1.20 403	1.20 417	1.20 396	1.20 422	1.20 404	1.20 419	1.20 408	1.20 411	1.20 407	1.20 419	1.20 389	1.20 400	1.20 415	1.20 419	1.20 392	1.20 422

GrayStereo	1.20 393	1.20 307	1.20 398	1.20 371	1.20 427	1.20 403	1.20 417	1.20 396	1.20 422	1.20 404	1.20 419	1.20 408	1.20 411	1.20 407	1.20 419	1.20 389	1.20 400	1.20 415	1.20 419	1.20 392	1.20 422

RE-Stereo	1.20 393	1.20 307	1.20 398	1.20 371	1.20 427	1.20 403	1.20 417	1.20 396	1.20 422	1.20 404	1.20 419	1.20 408	1.20 411	1.20 407	1.20 419	1.20 389	1.20 400	1.20 415	1.20 419	1.20 392	1.20 422

Pruner-Stereo	1.20 393	1.20 307	1.20 398	1.20 371	1.20 427	1.20 403	1.20 417	1.20 396	1.20 422	1.20 404	1.20 419	1.20 408	1.20 411	1.20 407	1.20 419	1.20 389	1.20 400	1.20 415	1.20 419	1.20 392	1.20 422

TVStereo	1.20 393	1.20 307	1.20 398	1.20 371	1.20 427	1.20 403	1.20 417	1.20 396	1.20 422	1.20 404	1.20 419	1.20 408	1.20 411	1.20 407	1.20 419	1.20 389	1.20 400	1.20 415	1.20 419	1.20 392	1.20 422

DeepStereo_RVC	1.20 393	1.20 307	1.20 398	1.20 371	1.20 427	1.20 403	1.20 417	1.20 396	1.20 422	1.20 404	1.20 419	1.20 408	1.20 411	1.20 407	1.20 419	1.20 389	1.20 400	1.20 415	1.20 419	1.20 392	1.20 422

RAFT-RH_RVC	1.20 393	1.20 307	1.20 398	1.20 371	1.20 427	1.20 403	1.20 417	1.20 396	1.20 422	1.20 404	1.20 419	1.20 408	1.20 411	1.20 407	1.20 419	1.20 389	1.20 400	1.20 415	1.20 419	1.20 392	1.20 422

IRAFT_RVC	1.20 393	1.20 307	1.20 398	1.20 371	1.20 427	1.20 403	1.20 417	1.20 396	1.20 422	1.20 404	1.20 419	1.20 408	1.20 411	1.20 407	1.20 419	1.20 389	1.20 400	1.20 415	1.20 419	1.20 392	1.20 422

RAFT-345	1.20 393	1.20 307	1.20 398	1.20 371	1.20 427	1.20 403	1.20 417	1.20 396	1.20 422	1.20 404	1.20 419	1.20 408	1.20 411	1.20 407	1.20 419	1.20 389	1.20 400	1.20 415	1.20 419	1.20 392	1.20 422

iRAFT	1.20 393	1.20 307	1.20 398	1.20 371	1.20 427	1.20 403	1.20 417	1.20 396	1.20 422	1.20 404	1.20 419	1.20 408	1.20 411	1.20 407	1.20 419	1.20 389	1.20 400	1.20 415	1.20 419	1.20 392	1.20 422

CRE-IMP	1.20 393	1.20 307	1.20 398	1.20 371	1.20 427	1.20 403	1.20 417	1.20 396	1.20 422	1.20 404	1.20 419	1.20 408	1.20 411	1.20 407	1.20 419	1.20 389	1.20 400	1.20 415	1.20 419	1.20 392	1.20 422

GMM-Stereo	1.20 393	1.20 307	1.20 398	1.20 371	1.20 427	1.20 403	1.20 417	1.20 396	1.20 422	1.20 404	1.20 419	1.20 408	1.20 411	1.20 407	1.20 419	1.20 389	1.20 400	1.20 415	1.20 419	1.20 392	1.20 422

RAFT-IKP	1.20 393	1.20 307	1.20 398	1.20 371	1.20 427	1.20 403	1.20 417	1.20 396	1.20 422	1.20 404	1.20 419	1.20 408	1.20 411	1.20 407	1.20 419	1.20 389	1.20 400	1.20 415	1.20 419	1.20 392	1.20 422

Prome-Stereo	1.20 393	1.20 307	1.20 398	1.20 371	1.20 427	1.20 403	1.20 417	1.20 396	1.20 422	1.20 404	1.20 419	1.20 408	1.20 411	1.20 407	1.20 419	1.20 389	1.20 400	1.20 415	1.20 419	1.20 392	1.20 422

MaDis-Stereo	3.19 522	6.02 524	1.12 385	5.61 539	1.16 423	5.43 554	1.02 404	5.15 552	0.70 368	5.43 552	1.21 464	5.03 554	0.97 388	4.85 546	0.99 399	4.53 526	1.16 395	5.53 555	1.25 469	5.37 543	1.30 474

FAT-Stereo	2.46 510	26.05 566	1.23 447	1.23 418	1.22 475	1.20 403	1.24 465	1.23 444	1.23 469	1.19 403	1.22 465	1.21 453	1.24 459	1.20 407	1.24 466	1.21 434	1.17 398	1.22 461	1.25 469	1.20 392	1.24 471

GANetREF_RVC	1.55 450	1.94 403	1.22 445	1.88 445	1.21 473	1.88 473	1.22 463	1.88 466	1.22 468	1.88 469	1.22 465	1.88 472	1.22 458	1.89 475	1.22 465	1.87 466	1.22 447	1.88 488	1.22 465	1.88 465	1.22 468
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
S-Stereo	2.51 511	26.86 567	1.23 447	1.22 416	1.22 475	1.24 451	1.25 466	1.22 442	1.24 470	1.21 449	1.24 467	1.19 407	1.27 461	1.19 406	1.24 466	1.19 388	1.20 400	1.25 462	1.19 416	1.24 440	1.23 470

SPS-STEREO	1.59 451	1.91 397	1.21 444	1.94 448	1.20 427	2.00 481	1.23 464	1.99 471	1.24 470	2.00 477	1.25 468	2.03 482	1.26 460	2.00 479	1.29 473	1.90 470	1.18 399	1.89 489	1.21 464	1.89 466	1.20 422
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
StereoVision	3.15 521	5.00 503	0.89 364	4.83 530	1.00 407	3.93 528	1.27 469	6.37 555	1.34 475	5.67 555	1.26 469	5.84 557	1.27 461	5.03 552	1.24 466	5.10 545	1.09 385	4.61 539	0.57 355	5.62 545	1.12 408

2.25w	2.00 468	1.86 392	1.98 509	2.95 483	2.17 524	2.26 487	1.35 473	2.42 494	2.00 521	2.07 485	1.27 470	2.53 498	1.99 506	2.29 489	1.49 485	2.21 484	1.32 448	1.85 482	1.87 513	2.52 494	1.62 497

4.5_new	2.00 468	1.84 389	1.98 509	2.77 477	2.16 522	2.27 488	1.28 470	2.09 476	1.98 518	2.01 478	1.28 471	2.71 509	1.98 504	2.51 499	1.65 490	2.26 486	1.33 455	1.87 485	1.87 513	2.49 490	1.60 494

1w_stereo	2.05 483	2.32 426	1.35 453	3.74 513	2.01 514	2.73 513	1.42 485	1.88 466	1.93 516	2.03 480	1.28 471	2.71 509	1.99 506	2.72 510	1.72 497	2.20 483	1.32 448	1.87 485	1.86 512	2.45 486	1.54 487

IGEV	2.02 476	2.20 417	1.82 492	2.90 482	2.16 522	2.41 496	1.25 466	2.00 472	1.98 518	1.99 476	1.31 473	2.72 513	1.93 500	2.67 507	1.69 494	2.26 486	1.32 448	1.83 481	1.87 513	2.53 497	1.61 496

3w_stereo	2.04 481	2.24 421	1.70 481	3.15 487	2.18 526	2.49 500	1.26 468	2.03 474	1.98 518	1.98 475	1.33 474	2.72 513	1.99 506	2.59 502	1.72 497	2.22 485	1.33 455	1.85 482	1.88 518	2.50 492	1.58 492

PS-NSSS	1.38 448	1.39 369	1.34 451	1.34 425	1.35 477	1.38 459	1.37 480	1.35 449	1.38 481	1.34 452	1.34 475	1.39 460	1.38 472	1.70 466	1.40 481	1.36 444	1.36 461	1.36 470	1.37 476	1.37 445	1.36 481

999	1.00 375	1.12 297	0.59 317	1.10 354	1.21 473	1.09 394	0.52 340	1.08 381	1.43 484	1.18 402	1.35 476	0.98 386	0.52 340	0.91 371	0.85 387	0.72 337	1.46 467	0.83 377	0.98 400	0.68 324	1.41 484

MaskLacGwcNet_RVC	1.35 445	1.35 367	1.35 453	1.35 426	1.35 477	1.35 455	1.35 473	1.36 450	1.35 478	1.36 454	1.35 476	1.36 458	1.36 469	1.36 456	1.35 477	1.35 442	1.35 460	1.35 468	1.35 473	1.35 444	1.35 480

CC-Net-ROB	1.36 446	1.33 366	1.33 450	1.36 427	1.38 480	1.36 457	1.33 471	1.37 452	1.34 475	1.35 453	1.36 478	1.38 459	1.34 467	1.38 458	1.38 480	1.35 442	1.38 463	1.33 465	1.35 473	1.43 447	1.34 479

3.25w	2.04 481	2.20 417	1.48 471	3.03 484	2.17 524	2.63 509	1.39 481	1.96 469	1.95 517	1.96 472	1.37 479	2.71 509	1.96 503	2.71 508	1.73 502	2.26 486	1.32 448	1.87 485	1.87 513	2.51 493	1.63 498

MC-Stereo	1.76 456	2.96 464	1.37 463	2.14 455	1.37 479	2.14 486	1.36 475	2.14 480	1.37 480	2.14 486	1.37 479	2.14 484	1.37 471	2.14 484	1.37 479	1.97 473	1.32 448	1.97 491	1.32 472	1.98 467	1.33 477

HBP-ISP	1.24 441	1.72 381	1.65 479	1.15 362	0.76 387	1.40 461	0.88 387	1.67 463	1.02 410	1.69 467	1.38 481	1.69 470	1.21 457	1.87 474	1.21 464	1.05 374	0.79 358	0.97 394	0.80 388	1.19 391	0.75 375

CFNet-RSSM	0.91 361	4.89 502	0.34 224	0.44 239	1.07 415	1.62 469	1.40 482	0.91 363	0.35 268	1.60 460	1.39 482	0.64 346	0.34 264	0.44 275	0.33 252	0.41 258	0.35 240	0.75 362	0.30 249	0.41 264	0.29 225

2.5w	2.01 475	2.40 436	1.37 463	3.28 492	2.01 514	2.71 510	1.43 487	1.82 465	1.83 506	1.90 471	1.41 483	2.71 509	1.35 468	2.71 508	1.85 507	2.66 508	1.53 472	1.64 477	1.23 466	2.53 497	1.87 512

MM-Stereo_test1	1.80 459	3.41 474	1.52 475	2.12 454	1.41 482	2.04 482	1.41 483	2.05 475	1.46 485	2.04 481	1.41 483	2.05 483	1.42 474	2.05 480	1.43 483	2.04 477	1.54 474	1.94 490	1.38 478	1.99 468	1.33 477

sCroCo_RVC	2.10 484	2.76 457	1.92 506	2.78 480	1.39 481	2.73 513	1.41 483	2.73 509	1.40 482	2.77 518	1.41 483	2.74 515	1.40 473	2.74 513	1.40 481	2.72 512	1.42 465	2.72 518	1.44 484	2.79 504	1.42 485

monsters	2.18 488	2.41 437	1.96 508	3.47 502	2.03 518	2.53 504	1.64 492	2.48 496	1.73 498	2.40 497	1.50 486	2.62 505	1.94 501	2.59 502	1.94 514	2.44 500	1.57 476	2.28 500	1.87 513	2.42 484	1.86 510

ff7	1.68 453	2.68 446	1.35 453	0.97 341	0.89 396	1.84 470	2.15 518	2.12 477	1.80 503	2.05 482	1.56 487	2.33 489	2.12 511	2.23 485	2.25 521	1.31 438	1.07 379	1.48 472	1.41 479	0.90 358	1.04 403

ffff	1.68 453	2.68 446	1.35 453	0.97 341	0.89 396	1.84 470	2.15 518	2.12 477	1.80 503	2.05 482	1.56 487	2.33 489	2.12 511	2.23 485	2.25 521	1.31 438	1.07 379	1.48 472	1.41 479	0.90 358	1.04 403

ccc-4	1.68 453	2.68 446	1.35 453	0.97 341	0.89 396	1.84 470	2.15 518	2.12 477	1.80 503	2.05 482	1.56 487	2.33 489	2.12 511	2.23 485	2.25 521	1.31 438	1.07 379	1.48 472	1.41 479	0.90 358	1.04 403

DPSMNet_ROB	1.60 452	1.59 376	1.70 481	1.59 434	1.59 488	1.61 467	1.61 490	1.60 456	1.60 487	1.62 466	1.59 490	1.60 466	1.60 477	1.60 462	1.59 487	1.59 457	1.60 481	1.59 476	1.59 493	1.59 452	1.59 493

3.25w_new	2.03 478	2.72 453	1.35 453	3.33 497	1.57 486	2.72 511	1.53 489	2.15 481	1.33 474	2.15 487	1.60 491	2.63 506	1.30 464	2.72 510	1.99 518	2.67 510	1.53 472	1.75 480	1.25 469	2.53 497	1.87 512

RASNet	1.49 449	1.65 378	1.45 469	1.38 429	1.43 483	1.47 464	1.36 475	1.38 453	1.36 479	1.39 455	1.60 491	1.45 463	1.45 475	1.51 461	2.21 520	1.53 456	1.36 461	1.36 470	1.36 475	1.66 456	1.36 481

3.5w_stereo	2.03 478	2.72 453	1.35 453	3.41 499	1.57 486	2.72 511	1.49 488	2.01 473	1.34 475	2.15 487	1.61 493	2.63 506	1.36 469	2.72 510	1.99 518	2.66 508	1.58 477	1.68 479	1.24 467	2.53 497	1.87 512

monsterstereo	2.20 494	2.33 427	1.95 507	3.65 509	2.07 519	2.49 500	1.61 490	2.48 496	1.83 506	2.45 498	1.61 493	2.67 508	1.86 493	2.64 504	1.94 514	2.48 504	1.66 485	2.34 504	1.68 503	2.40 483	1.86 510

4w-stereo	2.02 476	2.72 453	1.44 468	3.36 498	1.59 488	2.48 499	1.72 496	2.28 483	1.24 470	2.24 489	1.65 495	2.56 502	1.32 466	2.39 493	1.98 517	2.67 510	1.51 470	1.66 478	1.24 467	2.53 497	1.88 515

Anonymous3	2.55 512	3.26 472	1.65 479	3.28 492	1.63 491	3.24 522	1.68 493	3.27 520	1.66 488	3.28 521	1.67 496	3.25 522	1.66 480	3.27 520	1.64 489	3.26 516	1.65 484	3.30 521	1.65 499	4.95 538	1.65 501

UDGNet	2.23 498	5.40 514	1.72 484	2.48 470	1.69 495	2.51 503	1.69 494	2.51 499	1.72 497	2.50 501	1.69 497	2.52 497	1.69 483	2.50 498	1.68 493	2.41 499	1.70 487	2.42 509	1.69 505	2.42 484	1.64 499

MFMNet_re	1.81 460	1.91 397	1.71 483	1.95 449	1.70 498	1.95 478	1.70 495	1.96 469	1.74 500	1.97 474	1.72 498	1.95 475	1.71 484	1.97 478	1.71 495	1.86 465	1.62 482	1.85 482	1.66 500	1.86 464	1.64 499

U	5.15 556	8.49 536	1.81 487	8.49 553	1.77 500	8.49 563	1.77 497	8.51 563	1.77 501	8.49 563	1.77 499	8.50 564	1.78 491	8.58 563	1.77 503	8.54 562	1.78 491	8.55 564	1.78 510	8.55 558	1.84 508

asda	2.17 487	2.54 440	1.81 487	3.47 502	1.78 501	2.50 502	1.86 503	2.61 502	1.68 489	2.61 504	1.83 500	2.37 493	1.73 486	2.44 497	1.88 512	2.51 505	1.84 494	2.34 504	1.62 497	2.23 474	1.77 507

HUF	2.18 488	2.30 424	1.99 512	2.34 466	2.02 517	2.41 496	2.06 517	2.38 492	1.89 514	2.36 495	1.85 501	2.56 502	1.98 504	2.31 491	1.97 516	2.30 492	2.03 505	2.30 501	2.11 520	2.23 474	2.16 517

LGtest1	2.22 495	2.70 449	1.89 503	2.76 476	1.86 506	2.75 515	1.86 503	2.75 510	1.86 508	2.75 513	1.86 502	2.77 518	1.87 494	2.75 514	1.86 508	2.46 501	1.58 477	2.45 510	1.56 487	2.45 486	1.56 489

LG-G_1	2.22 495	2.71 451	1.89 503	2.77 477	1.87 509	2.75 515	1.87 505	2.76 511	1.87 512	2.75 513	1.87 503	2.76 516	1.87 494	2.75 514	1.86 508	2.47 502	1.58 477	2.45 510	1.57 488	2.45 486	1.57 490

LG-G	2.22 495	2.71 451	1.89 503	2.77 477	1.87 509	2.75 515	1.87 505	2.76 511	1.87 512	2.75 513	1.87 503	2.76 516	1.87 494	2.75 514	1.86 508	2.47 502	1.58 477	2.45 510	1.57 488	2.45 486	1.57 490

TRStereo	2.00 468	2.13 411	1.85 498	2.27 461	1.84 503	2.28 490	1.84 499	2.29 485	1.86 508	2.30 491	1.87 503	2.30 486	1.87 494	2.08 481	1.72 497	2.08 478	1.72 488	2.08 494	1.72 506	2.08 469	1.72 503

XX-Stereo	2.00 468	2.13 411	1.85 498	2.27 461	1.84 503	2.28 490	1.84 499	2.29 485	1.86 508	2.30 491	1.87 503	2.30 486	1.87 494	2.08 481	1.72 497	2.08 478	1.72 488	2.08 494	1.72 506	2.08 469	1.72 503

EAI-Stereo	2.00 468	2.13 411	1.85 498	2.27 461	1.84 503	2.28 490	1.84 499	2.29 485	1.86 508	2.30 491	1.87 503	2.30 486	1.87 494	2.08 481	1.72 497	2.08 478	1.72 488	2.08 494	1.72 506	2.08 469	1.72 503

IGEVStereo-DCA	1.77 457	4.21 494	1.84 496	2.49 471	2.11 520	2.54 506	1.36 475	1.65 461	1.17 419	2.75 513	1.90 508	2.54 500	1.15 404	0.94 377	1.11 408	1.50 453	1.32 448	0.96 392	1.46 485	1.49 449	0.88 385

rrr	1.77 457	4.21 494	1.84 496	2.49 471	2.11 520	2.54 506	1.36 475	1.65 461	1.17 419	2.75 513	1.90 508	2.54 500	1.15 404	0.94 377	1.11 408	1.50 453	1.32 448	0.96 392	1.46 485	1.49 449	0.88 385

qwe	2.18 488	2.60 443	1.58 476	3.83 514	1.90 511	2.53 504	1.90 508	2.48 496	1.73 498	2.37 496	1.92 510	2.53 498	1.68 481	2.56 500	1.83 505	2.52 507	1.87 496	2.07 493	1.68 503	2.32 480	1.71 502

2w_stereo	1.99 464	2.36 434	1.81 487	3.24 490	1.67 493	1.94 475	1.98 510	2.72 503	1.68 489	2.72 507	1.94 511	1.98 478	1.74 488	1.79 471	1.27 470	1.95 472	2.00 498	2.53 515	1.60 494	1.68 457	1.15 413

AIO_test	2.18 488	2.09 409	2.04 513	2.42 468	2.01 514	2.47 498	1.94 509	2.34 490	2.03 522	2.56 503	1.94 511	2.43 495	1.94 501	2.41 494	1.87 511	2.39 498	2.10 507	2.35 506	1.91 519	2.25 476	2.19 518

AIO_rvc	2.18 488	2.34 431	1.87 502	2.32 465	1.94 512	2.40 495	1.89 507	2.37 491	2.07 523	2.52 502	1.95 513	2.44 496	1.99 506	2.41 494	1.89 513	2.32 494	2.09 506	2.24 498	2.18 521	2.21 473	2.23 519

asd	2.18 488	2.77 459	1.58 476	3.59 507	2.00 513	2.58 508	1.85 502	2.39 493	1.71 493	2.47 499	1.97 514	2.59 504	1.61 478	2.56 500	1.79 504	2.51 505	1.99 497	2.11 497	1.62 497	2.36 482	1.60 494

4.25_new	2.00 468	2.33 427	1.82 492	3.32 495	1.69 495	1.95 478	1.99 513	2.72 503	1.71 493	2.72 507	1.97 514	2.01 480	1.74 488	1.77 469	1.28 471	2.18 481	2.01 500	2.48 513	1.58 491	1.65 454	1.17 417

4.5w_new	2.00 468	2.33 427	1.82 492	3.32 495	1.69 495	1.95 478	1.99 513	2.72 503	1.71 493	2.72 507	1.97 514	2.01 480	1.74 488	1.77 469	1.28 471	2.18 481	2.01 500	2.48 513	1.58 491	1.65 454	1.17 417

3.75w	1.99 464	2.31 425	1.83 495	3.16 488	1.65 492	1.93 474	1.98 510	2.72 503	1.68 489	2.73 512	1.97 514	2.00 479	1.72 485	1.81 472	1.25 469	2.27 489	2.01 500	2.38 507	1.42 482	1.71 458	1.24 471

RAFT_CTSACE	1.92 462	3.71 481	1.72 484	1.88 445	1.72 499	2.04 482	1.42 485	2.18 482	1.89 514	2.02 479	1.97 514	1.95 475	2.06 510	1.93 476	1.62 488	1.76 462	1.66 485	2.02 492	1.73 509	1.73 459	1.43 486

FBW_ROB	2.12 486	2.46 439	1.77 486	2.49 471	1.79 502	2.38 494	1.83 498	2.46 495	1.78 502	2.48 500	1.97 514	2.40 494	1.78 491	2.42 496	1.83 505	2.31 493	1.85 495	2.38 507	1.82 511	2.35 481	1.84 508

4.25w-stereo	1.98 463	2.72 453	1.46 470	3.47 502	1.43 483	2.07 484	1.98 510	2.53 500	1.52 486	2.71 506	1.98 520	1.81 471	1.62 479	1.96 477	1.36 478	1.88 469	2.00 498	2.53 515	1.61 495	1.74 460	1.15 413

sAnonymous2	3.31 523	2.63 444	1.38 465	3.71 511	1.86 506	4.70 546	1.11 407	4.82 548	2.72 527	5.45 553	1.98 520	4.59 539	2.64 516	2.65 505	6.21 559	4.37 522	1.08 383	5.16 553	2.24 523	4.52 520	2.39 525

CroCo_RVC	3.31 523	2.63 444	1.38 465	3.71 511	1.86 506	4.70 546	1.11 407	4.82 548	2.72 527	5.45 553	1.98 520	4.59 539	2.64 516	2.65 505	6.21 559	4.37 522	1.08 383	5.16 553	2.24 523	4.52 520	2.39 525

4.5w-stereo	1.99 464	2.33 427	1.81 487	3.28 492	1.68 494	1.94 475	1.99 513	2.72 503	1.70 492	2.72 507	1.99 523	1.97 477	1.68 481	1.76 468	1.29 473	1.91 471	2.02 504	2.53 515	1.61 495	1.75 461	1.16 416

2.75w_new	1.99 464	2.34 431	1.81 487	3.14 486	1.62 490	1.94 475	1.99 513	2.72 503	1.71 493	2.72 507	1.99 523	1.90 473	1.73 486	1.82 473	1.29 473	2.37 496	2.01 500	2.31 502	1.42 482	1.77 462	1.22 468

FC-DCNN	1.07 385	1.09 293	0.98 376	0.89 323	0.52 348	1.41 462	0.91 390	1.21 441	1.24 470	1.96 472	2.05 525	1.91 474	1.30 464	1.27 455	1.08 406	0.80 344	0.60 328	0.58 343	0.41 314	0.68 324	0.54 337

NCCL2	2.28 500	2.27 422	2.28 515	2.28 464	2.28 527	2.27 488	2.29 521	2.28 483	2.28 524	2.27 490	2.28 526	2.28 485	2.27 514	2.27 488	2.28 525	2.28 490	2.28 512	2.27 499	2.29 525	2.27 477	2.29 520

STTStereo	3.73 526	30.40 573	2.37 519	2.39 467	2.31 529	2.35 493	2.33 522	2.29 485	2.42 525	2.32 494	2.34 527	2.33 489	2.36 515	2.30 490	2.27 524	2.35 495	2.22 511	2.31 502	2.22 522	2.29 479	2.34 524

NLCA_NET_v2_RVC	5.04 554	50.87 583	2.78 521	2.87 481	2.71 530	2.78 518	0.47 322	2.88 516	2.86 529	1.89 470	2.67 528	2.79 519	2.79 519	2.78 517	2.83 526	2.82 513	2.82 515	2.83 519	2.77 528	2.83 505	2.76 528
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
rvit_stereo_0081	3.83 527	5.23 508	3.01 523	4.53 518	3.03 534	4.55 540	3.02 530	4.56 535	3.04 530	4.52 532	3.02 529	4.54 535	3.03 520	4.56 535	3.04 527	4.57 528	3.05 517	4.57 534	3.05 532	4.58 523	3.05 531

rvit_stereo_0082	3.86 529	5.82 522	3.01 523	4.53 518	3.03 534	4.54 536	3.02 530	4.56 535	3.04 530	4.53 534	3.02 529	4.55 537	3.04 523	4.57 538	3.05 529	4.57 528	3.05 517	4.58 536	3.05 532	4.58 523	3.06 534

rvit_0105_6	3.87 531	5.73 521	3.10 533	4.69 528	3.12 542	4.54 536	3.02 530	4.56 535	3.04 530	4.54 536	3.03 531	4.54 535	3.04 523	4.56 535	3.05 529	4.58 531	3.05 517	4.58 536	3.05 532	4.58 523	3.05 531

rvit_105_1	3.83 527	5.22 507	3.01 523	4.53 518	3.01 532	4.51 534	3.01 529	4.56 535	3.04 530	4.53 534	3.03 531	4.55 537	3.03 520	4.56 535	3.04 527	4.57 528	3.05 517	4.57 534	3.05 532	4.57 522	3.05 531

rvit_stereo_0081_aga	3.86 529	5.33 511	3.02 526	4.55 524	3.04 538	4.54 536	3.02 530	4.64 542	3.06 534	4.54 536	3.04 533	4.62 544	3.08 527	4.62 541	3.07 532	4.58 531	3.06 521	4.60 538	3.08 536	4.63 526	3.07 535

rvit_0105_4	3.91 534	5.47 518	3.02 526	4.54 521	3.02 533	4.54 536	3.03 534	4.75 545	3.17 541	4.57 538	3.06 534	4.61 543	3.16 531	4.65 542	3.09 535	4.66 535	3.11 524	4.68 543	3.18 542	4.81 533	3.16 541

rvit_stereo_0080	3.89 532	5.70 519	3.04 528	4.54 521	3.03 534	4.56 541	3.05 536	4.60 539	3.07 535	4.58 539	3.06 534	4.59 539	3.06 525	4.61 539	3.08 533	4.63 533	3.09 522	4.64 540	3.10 537	4.65 527	3.10 536

whm_eth	3.89 532	5.70 519	3.04 528	4.54 521	3.03 534	4.56 541	3.05 536	4.60 539	3.07 535	4.58 539	3.06 534	4.59 539	3.06 525	4.61 539	3.08 533	4.63 533	3.09 522	4.64 540	3.10 537	4.65 527	3.10 536

rvit_0105_3	3.91 534	5.33 511	3.06 531	4.60 526	3.07 540	4.60 543	3.06 538	4.62 541	3.08 538	4.60 541	3.07 537	4.62 544	3.08 527	4.67 543	3.10 536	4.70 536	3.11 524	4.77 547	3.19 543	4.77 532	3.14 540

DispFullNet	4.61 547	4.84 500	3.12 534	5.00 533	3.57 547	4.75 549	3.03 534	7.75 561	4.17 554	4.91 548	3.09 538	6.20 558	3.95 543	6.71 557	3.51 541	5.30 546	3.67 534	5.86 559	3.63 546	5.61 544	3.46 545

rvit_stereo_0083	3.92 536	5.30 510	3.06 531	4.61 527	3.09 541	4.67 545	3.08 539	4.66 543	3.09 539	4.62 542	3.10 539	4.66 547	3.11 529	4.67 543	3.16 538	4.72 538	3.16 527	4.77 547	3.11 539	4.66 529	3.11 538

rvit_stereo_ft	3.93 537	5.44 516	3.05 530	4.59 525	3.06 539	4.61 544	3.08 539	4.67 544	3.12 540	4.63 543	3.10 539	4.65 546	3.11 529	4.69 545	3.13 537	4.70 536	3.14 526	4.71 545	3.15 541	4.74 530	3.16 541

rvit_0105_5	4.10 538	5.40 514	3.13 536	4.71 529	3.15 543	4.72 548	3.10 541	4.90 550	3.27 542	4.69 544	3.16 541	4.84 551	3.25 532	4.96 549	3.34 540	5.05 543	3.39 532	5.10 552	3.40 544	5.11 540	3.42 544

RAFT+CT+SA	4.28 541	7.62 530	4.91 547	5.55 538	2.28 527	3.09 519	3.64 547	4.49 533	3.07 535	4.80 545	3.35 542	4.77 549	3.70 538	4.29 532	3.05 529	5.58 547	5.98 548	3.58 525	3.78 551	4.26 516	3.72 548

MLG-Stereo_test1	4.25 539	5.34 513	3.61 539	5.31 535	3.63 549	5.23 552	3.57 546	5.38 553	3.65 544	5.23 550	3.47 543	4.76 548	3.74 539	4.85 546	3.71 544	4.96 540	3.18 529	4.71 545	2.92 529	4.86 536	2.90 529

TestStereo1	4.60 545	8.41 534	6.44 555	6.86 546	3.79 552	3.97 529	3.78 550	3.99 529	3.74 547	3.97 526	3.52 544	3.94 529	3.58 533	3.98 528	3.72 545	6.82 555	6.50 551	3.76 528	3.66 547	3.90 511	3.74 550

SA-5K	4.60 545	8.41 534	6.44 555	6.86 546	3.79 552	3.97 529	3.78 550	3.99 529	3.74 547	3.97 526	3.52 544	3.94 529	3.58 533	3.98 528	3.72 545	6.82 555	6.50 551	3.76 528	3.66 547	3.90 511	3.74 550

DPSNet	3.66 525	3.60 477	3.62 540	3.63 508	3.64 550	3.65 526	3.65 548	3.66 525	3.67 545	3.67 524	3.65 546	3.67 526	3.66 536	3.66 524	3.68 543	3.68 520	3.66 533	3.67 526	3.68 549	3.67 508	3.67 547

MLG-Stereo_test3	4.26 540	4.85 501	3.95 543	5.35 536	3.60 548	4.75 549	3.76 549	5.49 554	3.71 546	5.39 551	3.69 547	4.82 550	3.66 536	4.85 546	3.73 547	4.93 539	3.19 530	4.69 544	2.99 531	4.84 535	2.98 530

MLG-Stereo_test2	4.28 541	5.46 517	3.69 541	4.86 531	3.72 551	5.58 555	3.42 544	4.81 547	3.77 550	4.85 546	3.72 548	5.55 556	3.63 535	5.58 553	3.53 542	4.41 525	3.28 531	4.99 551	2.95 530	4.75 531	3.13 539

SA	4.33 543	7.35 527	6.85 558	5.96 541	4.09 555	3.59 525	3.15 542	3.82 527	2.64 526	3.91 525	3.85 549	3.57 524	2.72 518	3.13 519	4.03 550	7.09 558	6.86 553	3.57 524	3.12 540	3.85 510	3.51 546

test_4	4.88 551	8.13 532	6.98 559	7.46 549	4.44 557	4.25 532	3.85 552	4.04 531	3.92 551	4.13 528	3.91 550	4.18 532	3.84 541	4.14 530	4.06 551	7.01 557	7.13 554	4.53 532	3.72 550	4.09 514	3.72 548

cross-raft	4.83 550	7.52 528	6.43 554	6.63 544	3.96 554	4.51 534	3.99 553	4.49 533	3.96 552	4.52 532	3.96 551	4.50 534	3.97 544	4.50 534	3.97 549	6.65 553	6.44 550	4.33 531	3.92 553	4.35 518	3.91 553

Sa-1000	4.34 544	8.37 533	6.84 557	6.98 548	4.45 558	3.58 524	3.00 528	3.42 523	3.39 543	2.61 504	4.00 552	3.83 528	4.01 545	3.90 527	3.90 548	5.98 551	5.62 546	3.76 528	2.34 526	4.35 518	2.47 527

test_3	5.01 553	8.86 539	7.77 561	8.09 551	2.76 531	4.13 531	4.05 554	3.88 528	3.76 549	4.33 530	4.13 553	3.71 527	3.91 542	4.21 531	4.06 551	7.93 559	7.69 556	4.53 532	3.91 552	4.17 515	4.29 556

SGM-Forest	5.21 557	5.92 523	4.08 544	6.18 542	4.16 556	6.31 557	4.34 556	6.50 556	4.33 555	6.14 557	4.21 554	6.61 561	4.55 549	6.67 556	4.48 554	5.94 550	3.94 536	5.85 558	4.03 555	5.79 546	4.17 555
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
raft_robust	4.71 549	7.75 531	5.40 552	6.81 545	3.31 544	4.28 533	4.20 555	4.32 532	4.37 556	4.35 531	4.35 555	4.14 531	3.75 540	4.30 533	4.20 553	6.67 554	6.37 549	3.36 523	4.24 557	4.86 536	3.25 543

test_5	4.62 548	7.55 529	6.23 553	6.32 543	3.40 546	5.29 553	3.50 545	3.53 524	4.11 553	4.28 529	4.47 556	4.26 533	4.38 548	3.68 525	3.24 539	5.89 549	5.60 545	4.84 549	3.50 545	4.33 517	3.93 554

TestStereo	4.88 551	4.75 499	4.79 546	4.87 532	4.92 559	4.81 551	4.90 558	4.78 546	4.77 557	4.87 547	4.89 557	4.90 552	4.91 550	4.99 550	4.79 555	4.98 541	4.87 542	4.87 550	4.92 559	5.00 539	5.00 557

FC-DCNN v2	5.10 555	5.15 505	4.49 545	5.07 534	3.37 545	6.87 558	4.75 557	5.04 551	6.34 561	7.84 561	5.06 558	6.72 562	4.09 546	4.99 550	5.44 558	5.03 542	3.16 527	4.67 542	4.86 558	5.15 541	3.89 552

SGM+DAISY	7.06 561	9.15 540	5.38 551	8.84 555	5.18 560	8.80 564	5.31 560	8.79 564	5.28 559	8.89 564	5.20 559	8.93 565	5.33 552	8.95 564	5.36 557	8.70 563	5.21 543	8.74 565	5.20 560	8.89 559	5.15 558

rvit_stereo_0075_2	6.64 559	8.80 538	5.25 549	7.89 550	5.27 561	7.90 562	5.27 559	7.92 562	5.28 559	7.91 562	5.29 560	7.93 563	5.27 551	7.92 562	5.28 556	7.93 559	5.28 544	7.93 562	5.29 561	7.93 555	5.28 559

test-v	7.53 562	11.89 550	7.98 562	9.36 557	7.14 564	7.06 560	7.09 563	7.37 559	6.91 563	7.29 559	5.71 561	6.45 559	6.93 556	6.73 558	7.27 563	8.93 564	7.85 557	6.98 560	6.80 564	7.56 553	7.34 563

test-2	7.53 562	11.89 550	7.98 562	9.36 557	7.14 564	7.06 560	7.09 563	7.37 559	6.91 563	7.29 559	5.71 561	6.45 559	6.93 556	6.73 558	7.27 563	8.93 564	7.85 557	6.98 560	6.80 564	7.56 553	7.34 563

test-1	6.46 558	9.16 541	8.03 564	8.09 551	5.62 562	6.11 556	6.35 561	6.85 558	4.94 558	6.08 556	6.29 563	4.98 553	6.43 555	6.22 554	6.36 561	6.16 552	7.47 555	5.82 557	5.44 562	7.11 552	5.68 560

RAFT	6.73 560	9.36 542	7.40 560	8.51 554	6.55 563	6.88 559	6.60 562	6.79 557	6.60 562	6.80 558	6.72 564	5.31 555	5.50 553	6.61 555	6.61 562	8.42 561	5.89 547	5.73 556	5.45 563	6.61 548	6.24 561

MANE	19.05 565	23.00 558	15.00 565	23.00 572	15.00 566	24.00 571	16.00 565	24.00 571	16.00 565	22.00 571	15.00 565	23.00 572	16.00 565	23.00 571	15.00 565	22.00 572	15.00 566	22.00 572	15.00 566	22.00 572	15.00 565

rafts_anoy	20.00 566	20.00 552	20.00 566	20.00 566	20.00 567	20.00 565	20.00 566	20.00 565	20.00 566	20.00 565	20.00 566	20.00 566	20.00 566	20.00 565	20.00 566	20.00 566	20.00 567	20.00 566	20.00 567	20.00 566	20.00 566

raft+_RVC	20.00 566	20.00 552	20.00 566	20.00 566	20.00 567	20.00 565	20.00 566	20.00 565	20.00 566	20.00 565	20.00 566	20.00 566	20.00 566	20.00 565	20.00 566	20.00 566	20.00 567	20.00 566	20.00 567	20.00 566	20.00 566

raftrobust	20.00 566	20.00 552	20.00 566	20.00 566	20.00 567	20.00 565	20.00 566	20.00 565	20.00 566	20.00 565	20.00 566	20.00 566	20.00 566	20.00 565	20.00 566	20.00 566	20.00 567	20.00 566	20.00 567	20.00 566	20.00 566

CasAABBNet	20.00 566	20.00 552	20.00 566	20.00 566	20.00 567	20.00 565	20.00 566	20.00 565	20.00 566	20.00 565	20.00 566	20.00 566	20.00 566	20.00 565	20.00 566	20.00 566	20.00 567	20.00 566	20.00 567	20.00 566	20.00 566

RALCasStereoNet	20.00 566	20.00 552	20.00 566	20.00 566	20.00 567	20.00 565	20.00 566	20.00 565	20.00 566	20.00 565	20.00 566	20.00 566	20.00 566	20.00 565	20.00 566	20.00 566	20.00 567	20.00 566	20.00 567	20.00 566	20.00 566

RALAANet	20.00 566	20.00 552	20.00 566	20.00 566	20.00 567	20.00 565	20.00 566	20.00 565	20.00 566	20.00 565	20.00 566	20.00 566	20.00 566	20.00 565	20.00 566	20.00 566	20.00 567	20.00 566	20.00 567	20.00 566	20.00 566

WCMA_ROB	31.10 573	35.43 578	27.12 572	39.51 584	23.10 573	38.78 583	25.30 572	37.49 583	25.39 572	37.29 582	27.02 572	38.52 584	26.48 572	37.80 582	26.44 572	36.28 580	22.65 573	33.90 577	22.30 573	37.10 581	24.18 572

111	30.40 572	30.94 574	29.72 573	32.61 573	30.02 574	33.57 572	30.47 573	31.50 572	29.39 573	30.98 572	29.11 573	29.78 573	30.39 576	29.45 572	30.76 576	30.08 573	29.02 574	29.92 573	30.32 577	29.86 573	30.17 573

fff	1000028.16 592	29.62 570	29.72 573	32.61 573	30.02 574	35.13 574	31.83 574	32.07 573	10000000.00 592	35.27 575	29.82 574	32.45 574	30.15 573	32.35 573	30.09 573	31.04 574	29.55 575	30.64 574	30.14 574	10000000.00 593	30.77 574

csc	1000028.16 592	29.62 570	29.72 573	32.61 573	30.02 574	35.13 574	31.83 574	32.07 573	10000000.00 592	35.27 575	29.82 574	32.45 574	30.15 573	32.35 573	30.09 573	31.04 574	29.55 575	30.64 574	30.14 574	10000000.00 593	30.77 574

cscssc	1000028.16 592	29.62 570	29.72 573	32.61 573	30.02 574	35.13 574	31.83 574	32.07 573	10000000.00 592	35.27 575	29.82 574	32.45 574	30.15 573	32.35 573	30.09 573	31.04 574	29.55 575	30.64 574	30.14 574	10000000.00 593	30.77 574

tt	500032.53 590	34.60 576	29.72 573	37.47 582	34.41 579	36.85 578	35.22 578	34.71 576	33.55 575	34.50 573	35.43 577	33.81 577	10000000.00 593	33.57 576	33.13 577	33.68 577	35.00 579	34.03 578	35.26 580	30.96 574	34.63 578

DCANet	500032.53 590	34.60 576	29.72 573	37.47 582	34.41 579	36.85 578	35.22 578	34.71 576	33.55 575	34.50 573	35.43 577	33.81 577	10000000.00 593	33.57 576	33.13 577	33.68 577	35.00 579	34.03 578	35.26 580	30.96 574	34.63 578

DCANet-4	35.22 574	34.54 575	35.08 579	33.58 577	35.47 581	34.55 573	35.53 580	36.08 578	35.85 577	35.92 578	35.77 579	35.18 579	35.48 578	35.39 578	37.15 582	34.55 579	33.92 578	35.02 580	34.90 579	35.79 577	34.74 580

ADStereo(finetuned)	36.13 575	36.63 579	38.07 583	36.97 578	33.25 578	35.91 577	34.45 577	36.36 579	32.99 574	38.14 583	36.71 580	36.69 580	34.13 577	38.57 583	40.79 583	37.60 584	36.58 581	35.90 581	33.36 578	35.42 576	34.04 577

Reg-Stereo(zero)	37.00 576	37.00 580	37.00 580	37.00 579	37.00 582	37.00 580	37.00 581	37.00 580	37.00 578	37.00 579	37.00 581	37.00 581	37.00 579	37.00 579	37.00 579	37.00 581	37.00 582	37.00 582	37.00 582	37.00 578	37.00 581

HI	37.00 576	37.00 580	37.00 580	37.00 579	37.00 582	37.00 580	37.00 581	37.00 580	37.00 578	37.00 579	37.00 581	37.00 581	37.00 579	37.00 579	37.00 579	37.00 581	37.00 582	37.00 582	37.00 582	37.00 578	37.00 581

CoSv	37.00 576	37.00 580	37.00 580	37.00 579	37.00 582	37.00 580	37.00 581	37.00 580	37.00 578	37.00 579	37.00 581	37.00 581	37.00 579	37.00 579	37.00 579	37.00 581	37.00 582	37.00 582	37.00 582	37.00 578	37.00 581

MDST_ROB	69.83 579	87.70 584	41.95 584	113.75 587	65.62 587	75.05 584	55.25 585	75.64 585	45.04 581	71.61 584	41.75 584	72.81 585	44.06 582	68.38 584	44.63 584	101.89 587	59.57 587	107.10 587	61.05 587	104.38 584	59.38 586

CBMV	128.50 581	1422.70 595	53.10 585	79.50 586	51.30 586	77.30 585	49.70 584	74.00 584	48.20 582	77.20 585	48.80 585	73.90 586	48.00 583	73.80 585	48.80 585	70.40 586	45.10 586	68.90 586	46.10 586	68.20 583	45.00 585
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
NOSS_ROB	102.95 580	153.00 588	121.00 587	51.00 585	44.00 585	165.00 587	127.00 586	153.00 586	119.00 583	164.00 587	125.00 586	168.00 588	120.00 584	153.00 586	117.00 586	49.00 585	44.00 585	49.00 585	44.00 585	49.00 582	44.00 584

MeshStereo	159.24 582	171.00 589	160.68 590	162.58 588	160.59 588	164.01 586	160.35 587	158.51 587	158.56 584	158.34 586	160.12 587	158.56 587	159.92 585	157.26 587	158.94 587	154.38 588	158.36 588	155.75 588	159.13 589	153.67 585	154.07 587
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
AE-Stereo	201.80 583	123.00 585	115.00 586	219.00 589	218.00 590	223.00 588	244.00 589	217.00 588	236.00 586	202.00 588	203.00 588	205.00 589	208.00 586	225.00 588	204.00 588	210.00 589	198.00 589	197.00 589	184.00 590	204.00 586	201.00 588

DLCB_ROB	284.23 586	354.61 591	207.27 591	363.24 592	206.46 589	364.72 591	210.41 588	364.72 591	210.41 585	364.81 591	208.64 589	364.81 592	208.64 587	364.72 591	210.41 589	354.70 592	205.53 590	354.70 592	205.53 591	354.70 589	205.53 589

MGS-Stereo	239.45 584	123.00 585	135.00 588	266.00 590	286.00 591	277.00 589	305.00 590	271.00 589	242.00 587	274.00 589	279.00 590	255.00 590	270.00 588	268.00 589	297.00 590	221.00 590	247.00 591	216.00 590	123.00 588	217.00 587	217.00 590

EGLCR-Stereo	246.90 585	129.00 587	139.00 589	266.00 590	286.00 591	277.00 589	305.00 590	271.00 589	242.00 587	274.00 589	279.00 590	255.00 590	270.00 588	268.00 589	297.00 590	230.00 591	247.00 591	216.00 590	223.00 592	237.00 588	227.00 591

LE_ROB	396.57 587	471.28 592	329.84 592	471.48 593	308.15 593	526.83 592	322.10 592	488.15 592	323.76 589	495.46 592	317.97 592	497.17 593	320.10 590	481.62 592	326.76 592	462.71 593	298.97 593	466.16 593	285.98 593	447.62 590	289.21 592

SGM-ForestM	596.69 588	677.77 593	444.52 593	699.85 594	517.25 594	732.94 593	488.29 593	770.79 593	460.11 590	750.81 593	487.98 593	792.79 594	499.41 591	730.90 593	475.81 593	720.03 594	491.16 594	663.96 594	418.60 594	674.76 591	436.05 593

CBMV_ROB	818.48 589	913.88 594	709.52 594	862.84 595	597.78 595	1073.99 594	700.52 594	1015.66 594	702.59 591	1115.65 594	760.02 594	1130.24 595	721.57 592	1037.41 594	692.65 594	814.05 595	564.29 595	843.28 595	595.31 595	915.51 592	602.92 594

111111	10000000.00 595	10000000.00 596	10000000.00 595	10000000.00 596	10000000.00 596	10000000.00 595	10000000.00 595	10000000.00 595	10000000.00 592	10000000.00 595	10000000.00 595	10000000.00 596	10000000.00 593	10000000.00 595	10000000.00 595	10000000.00 596	10000000.00 596	10000000.00 596	10000000.00 596	10000000.00 593	10000000.00 595

SGD-Stereo	10000000.00 595	10000000.00 596	10000000.00 595	10000000.00 596	10000000.00 596	10000000.00 595	10000000.00 595	10000000.00 595	10000000.00 592	10000000.00 595	10000000.00 595	10000000.00 596	10000000.00 593	10000000.00 595	10000000.00 595	10000000.00 596	10000000.00 596	10000000.00 596	10000000.00 596	10000000.00 593	10000000.00 595

IGEV-Stereo++	10000000.00 595	10000000.00 596	10000000.00 595	10000000.00 596	10000000.00 596	10000000.00 595	10000000.00 595	10000000.00 595	10000000.00 592	10000000.00 595	10000000.00 595	10000000.00 596	10000000.00 593	10000000.00 595	10000000.00 595	10000000.00 596	10000000.00 596	10000000.00 596	10000000.00 596	10000000.00 593	10000000.00 595

IGEV-BASED-STEREO-	10000000.00 595	10000000.00 596	10000000.00 595	10000000.00 596	10000000.00 596	10000000.00 595	10000000.00 595	10000000.00 595	10000000.00 592	10000000.00 595	10000000.00 595	10000000.00 596	10000000.00 593	10000000.00 595	10000000.00 595	10000000.00 596	10000000.00 596	10000000.00 596	10000000.00 596	10000000.00 593	10000000.00 595

IGEV-Stereo+	10000000.00 595	10000000.00 596	10000000.00 595	10000000.00 596	10000000.00 596	10000000.00 595	10000000.00 595	10000000.00 595	10000000.00 592	10000000.00 595	10000000.00 595	10000000.00 596	10000000.00 593	10000000.00 595	10000000.00 595	10000000.00 596	10000000.00 596	10000000.00 596	10000000.00 596	10000000.00 593	10000000.00 595

SDNR	10000000.00 595	10000000.00 596	10000000.00 595	10000000.00 596	10000000.00 596	10000000.00 595	10000000.00 595	10000000.00 595	10000000.00 592	10000000.00 595	10000000.00 595	10000000.00 596	10000000.00 593	10000000.00 595	10000000.00 595	10000000.00 596	10000000.00 596	10000000.00 596	10000000.00 596	10000000.00 593	10000000.00 595

anonymousdsp2	10000000.00 595	10000000.00 596	10000000.00 595	10000000.00 596	10000000.00 596	10000000.00 595	10000000.00 595	10000000.00 595	10000000.00 592	10000000.00 595	10000000.00 595	10000000.00 596	10000000.00 593	10000000.00 595	10000000.00 595	10000000.00 596	10000000.00 596	10000000.00 596	10000000.00 596	10000000.00 593	10000000.00 595

anonymousdsp	10000000.00 595	10000000.00 596	10000000.00 595	10000000.00 596	10000000.00 596	10000000.00 595	10000000.00 595	10000000.00 595	10000000.00 592	10000000.00 595	10000000.00 595	10000000.00 596	10000000.00 593	10000000.00 595	10000000.00 595	10000000.00 596	10000000.00 596	10000000.00 596	10000000.00 596	10000000.00 593	10000000.00 595

test_example2	10000000.00 595	10000000.00 596	10000000.00 595	10000000.00 596	10000000.00 596	10000000.00 595	10000000.00 595	10000000.00 595	10000000.00 592	10000000.00 595	10000000.00 595	10000000.00 596	10000000.00 593	10000000.00 595	10000000.00 595	10000000.00 596	10000000.00 596	10000000.00 596	10000000.00 596	10000000.00 593	10000000.00 595

DIP-Stereo	10000000.00 595	10000000.00 596	10000000.00 595	10000000.00 596	10000000.00 596	10000000.00 595	10000000.00 595	10000000.00 595	10000000.00 592	10000000.00 595	10000000.00 595	10000000.00 596	10000000.00 593	10000000.00 595	10000000.00 595	10000000.00 596	10000000.00 596	10000000.00 596	10000000.00 596	10000000.00 593	10000000.00 595
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
FADE		0.06 54		0.09 55	0.10 120							0.05 91				0.15 125	0.10 75	0.17 152	0.13 154	0.11 122

Low-res two-view benchmark