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

RAStereo	0.14 1	0.15 155	0.40 52	0.22 115	0.11 28	0.15 8	0.18 123	0.25 23	0.24 38	0.13 3	0.17 28	0.11 5	0.09 4	0.15 2	0.13 10	0.08 105	0.06 37	0.08 82	0.06 29	0.07 40	0.05 1

IGEV-Stereo+	0.14 1	0.08 2	0.26 4	0.18 10	0.14 133	0.09 1	0.10 1	0.16 1	0.17 1	0.14 11	0.08 1	0.10 1	0.10 9	0.22 57	0.14 34	0.07 19	0.15 308	0.06 1	0.06 29	0.16 339	0.29 383

RSM++	0.14 1	0.11 34	0.25 2	0.32 370	0.17 249	0.17 20	0.15 35	0.23 7	0.21 19	0.12 2	0.12 4	0.14 33	0.09 4	0.21 43	0.13 10	0.06 1	0.05 3	0.07 20	0.07 60	0.07 40	0.11 155

RSM	0.14 1	0.11 34	0.25 2	0.29 343	0.16 221	0.16 12	0.15 35	0.24 15	0.20 11	0.13 3	0.13 9	0.15 41	0.09 4	0.22 57	0.13 10	0.06 1	0.06 37	0.07 20	0.07 60	0.07 40	0.11 155

trnet	0.14 1	0.09 5	0.26 4	0.15 2	0.07 1	0.21 90	0.12 5	0.25 23	0.26 69	0.16 23	0.21 65	0.15 41	0.13 52	0.19 28	0.14 34	0.09 167	0.05 3	0.06 1	0.04 1	0.06 3	0.06 5

LoS_RVC	0.14 1	0.11 34	0.32 21	0.18 10	0.16 221	0.20 68	0.18 123	0.21 4	0.18 2	0.14 11	0.20 48	0.12 8	0.17 108	0.17 11	0.14 34	0.06 1	0.05 3	0.06 1	0.04 1	0.05 1	0.14 235

CES	0.14 1	0.08 2	0.24 1	0.17 5	0.23 356	0.18 30	0.15 35	0.24 15	0.20 11	0.14 11	0.18 36	0.14 33	0.10 9	0.19 28	0.12 2	0.07 19	0.05 3	0.06 1	0.04 1	0.08 83	0.20 307

CREStereo	0.14 1	0.09 5	0.27 7	0.14 1	0.08 3	0.22 114	0.15 35	0.26 25	0.26 69	0.16 23	0.21 65	0.14 33	0.13 52	0.19 28	0.14 34	0.09 167	0.05 3	0.06 1	0.04 1	0.07 40	0.06 5
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
IGEV-Stereo++	0.15 9	0.09 5	0.27 7	0.21 73	0.13 97	0.14 4	0.11 3	0.23 7	0.19 6	0.15 18	0.14 19	0.11 5	0.11 19	0.19 28	0.12 2	0.06 1	0.21 365	0.06 1	0.05 9	0.06 3	0.28 378

Pointernet	0.15 9	0.08 2	0.35 30	0.19 21	0.12 55	0.20 68	0.12 5	0.34 102	0.25 60	0.15 18	0.16 24	0.13 17	0.11 19	0.18 18	0.13 10	0.08 105	0.06 37	0.06 1	0.05 9	0.06 3	0.08 45

MGS-Stereo	0.15 9	0.12 69	0.38 42	0.19 21	0.11 28	0.18 30	0.17 79	0.21 4	0.23 28	0.14 11	0.24 85	0.16 46	0.10 9	0.19 28	0.13 10	0.07 19	0.06 37	0.07 20	0.06 29	0.10 202	0.07 14

MaDis-Stereo	0.15 9	0.17 203	0.39 47	0.19 21	0.15 189	0.16 12	0.13 8	0.26 25	0.22 22	0.13 3	0.15 21	0.14 33	0.11 19	0.17 11	0.17 84	0.08 105	0.07 100	0.08 82	0.06 29	0.07 40	0.06 5

UniTT-Stereo	0.15 9	0.12 69	0.45 83	0.21 73	0.14 133	0.17 20	0.13 8	0.20 3	0.19 6	0.16 23	0.20 48	0.10 1	0.11 19	0.18 18	0.17 84	0.08 105	0.06 37	0.07 20	0.06 29	0.08 83	0.07 14

CASnet	0.15 9	0.13 91	0.30 13	0.22 115	0.08 3	0.15 8	0.14 20	0.28 32	0.26 69	0.23 83	0.20 48	0.15 41	0.11 19	0.18 18	0.13 10	0.07 19	0.05 3	0.11 269	0.09 198	0.08 83	0.05 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
LoS	0.15 9	0.09 5	0.34 26	0.17 5	0.09 7	0.22 114	0.14 20	0.27 28	0.27 84	0.15 18	0.18 36	0.19 72	0.14 65	0.23 68	0.14 34	0.08 105	0.06 37	0.06 1	0.04 1	0.06 3	0.06 5
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
Selective-IGEV	0.15 9	0.10 15	0.34 26	0.32 370	0.19 300	0.16 12	0.14 20	0.29 47	0.20 11	0.13 3	0.14 19	0.13 17	0.08 1	0.23 68	0.14 34	0.06 1	0.13 267	0.07 20	0.06 29	0.06 3	0.11 155

GLC_STEREO	0.15 9	0.11 34	0.31 18	0.22 115	0.09 7	0.17 20	0.15 35	0.24 15	0.28 93	0.17 32	0.20 48	0.17 54	0.11 19	0.24 75	0.17 84	0.07 19	0.09 185	0.09 149	0.08 125	0.07 40	0.07 14

CroCo-Stereo	0.15 9	0.16 178	0.34 26	0.25 236	0.12 55	0.11 2	0.18 123	0.35 111	0.24 38	0.13 3	0.13 9	0.18 63	0.12 31	0.15 2	0.13 10	0.08 105	0.06 37	0.07 20	0.05 9	0.07 40	0.06 5
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
WCG-NET	0.16 19	0.12 69	0.30 13	0.19 21	0.11 28	0.21 90	0.13 8	0.29 47	0.22 22	0.19 45	0.22 73	0.18 63	0.12 31	0.23 68	0.14 34	0.08 105	0.08 150	0.07 20	0.06 29	0.08 83	0.10 121

rvit_stereo_0081	0.16 19	0.13 91	0.30 13	0.21 73	0.12 55	0.17 20	0.17 79	0.24 15	0.34 165	0.17 32	0.19 40	0.18 63	0.15 78	0.20 38	0.17 84	0.11 260	0.08 150	0.09 149	0.08 125	0.09 151	0.07 14

rvit_stereo_0082	0.16 19	0.13 91	0.30 13	0.21 73	0.12 55	0.17 20	0.17 79	0.24 15	0.34 165	0.17 32	0.19 40	0.18 63	0.15 78	0.20 38	0.17 84	0.11 260	0.08 150	0.09 149	0.08 125	0.09 151	0.07 14

rvit_stereo_0080	0.16 19	0.17 203	0.35 30	0.19 21	0.13 97	0.14 4	0.20 189	0.29 47	0.26 69	0.16 23	0.17 28	0.19 72	0.14 65	0.19 28	0.16 66	0.11 260	0.08 150	0.08 82	0.08 125	0.10 202	0.08 45

AIO-Stereo	0.16 19	0.12 69	0.29 10	0.30 352	0.20 318	0.16 12	0.14 20	0.28 32	0.22 22	0.14 11	0.15 21	0.13 17	0.08 1	0.20 38	0.15 54	0.06 1	0.16 319	0.07 20	0.08 125	0.06 3	0.24 347

WCG-NET（raft）	0.16 19	0.14 131	0.32 21	0.18 10	0.09 7	0.19 41	0.16 58	0.24 15	0.27 84	0.19 45	0.19 40	0.20 83	0.12 31	0.22 57	0.13 10	0.06 1	0.17 338	0.06 1	0.05 9	0.07 40	0.07 14

whm_eth	0.16 19	0.17 203	0.35 30	0.19 21	0.13 97	0.14 4	0.20 189	0.29 47	0.26 69	0.16 23	0.17 28	0.19 72	0.14 65	0.19 28	0.16 66	0.11 260	0.08 150	0.08 82	0.08 125	0.10 202	0.08 45

CAS	0.16 19	0.07 1	0.29 10	0.42 418	0.17 249	0.20 68	0.18 123	0.23 7	0.20 11	0.15 18	0.19 40	0.11 5	0.10 9	0.15 2	0.14 34	0.31 421	0.04 1	0.06 1	0.04 1	0.06 3	0.16 259

ProNet	0.16 19	0.13 91	0.36 36	0.21 73	0.15 189	0.20 68	0.19 158	0.29 47	0.23 28	0.14 11	0.13 9	0.13 17	0.12 31	0.25 85	0.13 10	0.06 1	0.09 185	0.07 20	0.06 29	0.07 40	0.22 327

CroCo-Stereo Lap2	0.16 19	0.18 224	0.39 47	0.26 271	0.18 275	0.11 2	0.19 158	0.30 59	0.22 22	0.13 3	0.16 24	0.15 41	0.11 19	0.17 11	0.15 54	0.07 19	0.07 100	0.08 82	0.06 29	0.08 83	0.07 14

CREStereo++_RVC	0.16 19	0.09 5	0.42 67	0.17 5	0.11 28	0.18 30	0.13 8	0.23 7	0.31 131	0.21 59	0.31 144	0.13 17	0.11 19	0.17 11	0.16 66	0.07 19	0.04 1	0.06 1	0.15 364	0.06 3	0.05 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
TANstereo	0.16 19	0.11 34	0.43 72	0.16 4	0.08 3	0.25 165	0.14 20	0.23 7	0.29 109	0.25 100	0.30 133	0.16 46	0.12 31	0.18 18	0.13 10	0.08 105	0.07 100	0.06 1	0.05 9	0.07 40	0.08 45

XX-TBD	0.16 19	0.21 256	0.43 72	0.22 115	0.10 20	0.23 132	0.15 35	0.23 7	0.28 93	0.22 76	0.26 98	0.14 33	0.12 31	0.16 5	0.14 34	0.08 105	0.05 3	0.06 1	0.04 1	0.07 40	0.06 5

PMTNet	0.16 19	0.09 5	0.31 18	0.15 2	0.09 7	0.23 132	0.15 35	0.26 25	0.24 38	0.17 32	0.21 65	0.16 46	0.14 65	0.23 68	0.14 34	0.29 417	0.05 3	0.06 1	0.04 1	0.07 40	0.07 14

rvit_stereo_0083	0.17 33	0.13 91	0.29 10	0.21 73	0.13 97	0.17 20	0.17 79	0.23 7	0.36 187	0.16 23	0.22 73	0.19 72	0.17 108	0.21 43	0.17 84	0.11 260	0.10 210	0.10 218	0.08 125	0.09 151	0.08 45

rvit_stereo_0081_aga	0.17 33	0.17 203	0.40 52	0.21 73	0.14 133	0.20 68	0.17 79	0.24 15	0.26 69	0.18 43	0.21 65	0.20 83	0.14 65	0.20 38	0.15 54	0.12 295	0.08 150	0.09 149	0.08 125	0.10 202	0.08 45

RAFT-Stereo-weight	0.17 33	0.10 15	0.31 18	0.20 47	0.12 55	0.20 68	0.16 58	0.38 140	0.33 154	0.25 100	0.20 48	0.19 72	0.10 9	0.19 28	0.16 66	0.07 19	0.13 267	0.07 20	0.06 29	0.06 3	0.09 74

CAS++	0.17 33	0.13 91	0.35 30	0.18 10	0.13 97	0.17 20	0.16 58	0.42 187	0.25 60	0.19 45	0.18 36	0.13 17	0.10 9	0.22 57	0.12 2	0.12 295	0.10 210	0.11 269	0.08 125	0.10 202	0.09 74
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
testlalala	0.17 33	0.11 34	0.49 134	0.20 47	0.13 97	0.23 132	0.15 35	0.33 95	0.22 22	0.25 100	0.20 48	0.14 33	0.11 19	0.17 11	0.14 34	0.07 19	0.23 384	0.07 20	0.06 29	0.05 1	0.07 14

RCA-Stereo	0.17 33	0.10 15	0.33 24	0.20 47	0.11 28	0.19 41	0.17 79	0.39 157	0.36 187	0.21 59	0.25 91	0.17 54	0.17 108	0.18 18	0.15 54	0.07 19	0.14 281	0.07 20	0.06 29	0.06 3	0.08 45

iRaftStereo_RVC	0.17 33	0.16 178	0.35 30	0.21 73	0.11 28	0.20 68	0.17 79	0.34 102	0.25 60	0.20 53	0.25 91	0.19 72	0.12 31	0.21 43	0.16 66	0.07 19	0.12 251	0.10 218	0.09 198	0.09 151	0.14 235

Gwc-CoAtRS	0.17 33	0.10 15	0.41 58	0.20 47	0.12 55	0.20 68	0.15 35	0.34 102	0.29 109	0.23 83	0.23 79	0.27 165	0.15 78	0.21 43	0.14 34	0.07 19	0.06 37	0.07 20	0.07 60	0.06 3	0.07 14

Occ-G	0.18 41	0.10 15	0.38 42	0.23 162	0.15 189	0.16 12	0.18 123	0.23 7	0.26 69	0.15 18	0.20 48	0.21 96	0.11 19	0.22 57	0.19 133	0.07 19	0.17 338	0.07 20	0.06 29	0.08 83	0.30 386

rvit_stereo_ft	0.18 41	0.19 236	0.43 72	0.25 236	0.14 133	0.17 20	0.21 212	0.30 59	0.28 93	0.17 32	0.19 40	0.20 83	0.17 108	0.22 57	0.18 108	0.11 260	0.07 100	0.09 149	0.09 198	0.10 202	0.08 45

MoCha-V2	0.18 41	0.12 69	0.40 52	0.30 352	0.24 367	0.16 12	0.15 35	0.28 32	0.19 6	0.16 23	0.16 24	0.13 17	0.13 52	0.30 160	0.13 10	0.06 1	0.28 410	0.06 1	0.06 29	0.06 3	0.25 358

Former-RAFT_DAM_RVC	0.18 41	0.15 155	0.27 7	0.20 47	0.13 97	0.24 152	0.17 79	0.31 74	0.37 202	0.43 343	0.17 28	0.13 17	0.12 31	0.20 38	0.16 66	0.08 105	0.07 100	0.09 149	0.07 60	0.09 151	0.08 45

MyStereo07	0.18 41	0.15 155	0.44 80	0.22 115	0.16 221	0.25 165	0.22 242	0.31 74	0.26 69	0.22 76	0.13 9	0.12 8	0.13 52	0.33 185	0.14 34	0.07 19	0.13 267	0.09 149	0.09 198	0.09 151	0.11 155

ff7	0.18 41	0.13 91	0.41 58	0.21 73	0.15 189	0.21 90	0.17 79	0.28 32	0.23 28	0.21 59	0.13 9	0.12 8	0.12 31	0.27 111	0.13 10	0.07 19	0.25 395	0.08 82	0.07 60	0.08 83	0.36 404

ffff	0.18 41	0.13 91	0.41 58	0.21 73	0.15 189	0.21 90	0.17 79	0.28 32	0.23 28	0.21 59	0.13 9	0.12 8	0.12 31	0.27 111	0.13 10	0.07 19	0.25 395	0.08 82	0.07 60	0.08 83	0.36 404

11t	0.18 41	0.13 91	0.41 58	0.21 73	0.15 189	0.21 90	0.17 79	0.28 32	0.23 28	0.21 59	0.13 9	0.12 8	0.12 31	0.27 111	0.13 10	0.07 19	0.25 395	0.08 82	0.07 60	0.08 83	0.36 404

plain	0.18 41	0.16 178	0.59 258	0.21 73	0.13 97	0.16 12	0.17 79	0.29 47	0.23 28	0.16 23	0.26 98	0.13 17	0.17 108	0.27 111	0.17 84	0.09 167	0.06 37	0.10 218	0.07 60	0.10 202	0.07 14

MIF-Stereo (partial)	0.18 41	0.13 91	0.50 155	0.22 115	0.15 189	0.16 12	0.13 8	0.29 47	0.26 69	0.17 32	0.26 98	0.16 46	0.17 108	0.25 85	0.18 108	0.09 167	0.06 37	0.10 218	0.08 125	0.09 151	0.08 45

SPstereo	0.18 41	0.21 256	0.47 100	0.23 162	0.18 275	0.21 90	0.10 1	0.28 32	0.24 38	0.20 53	0.22 73	0.15 41	0.13 52	0.21 43	0.16 66	0.07 19	0.19 351	0.07 20	0.05 9	0.06 3	0.09 74

Any-RAFT	0.18 41	0.09 5	0.33 24	0.19 21	0.10 20	0.29 220	0.16 58	0.44 213	0.32 140	0.25 100	0.27 109	0.29 191	0.16 93	0.23 68	0.13 10	0.08 105	0.07 100	0.06 1	0.05 9	0.07 40	0.07 14

knoymous	0.18 41	0.10 15	0.35 30	0.17 5	0.11 28	0.21 90	0.17 79	0.33 95	0.24 38	0.24 89	0.28 114	0.27 165	0.16 93	0.24 75	0.17 84	0.09 167	0.06 37	0.09 149	0.06 29	0.09 151	0.10 121

MC-Stereo	0.18 41	0.10 15	0.36 36	0.28 330	0.14 133	0.18 30	0.15 35	0.24 15	0.20 11	0.21 59	0.24 85	0.16 46	0.13 52	0.25 85	0.14 34	0.07 19	0.17 338	0.07 20	0.07 60	0.06 3	0.30 386

ccc-4	0.18 41	0.13 91	0.41 58	0.21 73	0.15 189	0.21 90	0.17 79	0.28 32	0.23 28	0.21 59	0.13 9	0.12 8	0.12 31	0.27 111	0.13 10	0.07 19	0.25 395	0.08 82	0.07 60	0.08 83	0.36 404

test-3	0.18 41	0.10 15	0.48 114	0.23 162	0.14 133	0.18 30	0.16 58	0.32 80	0.29 109	0.26 110	0.17 28	0.22 101	0.13 52	0.26 101	0.19 133	0.06 1	0.14 281	0.08 82	0.08 125	0.06 3	0.10 121

test_1	0.18 41	0.10 15	0.48 114	0.23 162	0.14 133	0.18 30	0.16 58	0.32 80	0.29 109	0.26 110	0.17 28	0.22 101	0.13 52	0.26 101	0.19 133	0.06 1	0.14 281	0.08 82	0.08 125	0.06 3	0.10 121

cross-raft	0.18 41	0.12 69	0.40 52	0.27 305	0.16 221	0.20 68	0.24 292	0.34 102	0.24 38	0.23 83	0.28 114	0.29 191	0.15 78	0.19 28	0.16 66	0.06 1	0.05 3	0.08 82	0.07 60	0.07 40	0.07 14

s12784h	0.18 41	0.09 5	0.38 42	0.18 10	0.07 1	0.33 276	0.19 158	0.39 157	0.34 165	0.24 89	0.25 91	0.18 63	0.18 136	0.25 85	0.17 84	0.07 19	0.05 3	0.07 20	0.05 9	0.06 3	0.05 1

CFNet-RSSM	0.18 41	0.10 15	0.45 83	0.20 47	0.12 55	0.20 68	0.16 58	0.40 166	0.31 131	0.23 83	0.21 65	0.26 160	0.15 78	0.21 43	0.14 34	0.07 19	0.05 3	0.07 20	0.07 60	0.06 3	0.06 5

gcap-zeroshot	0.19 61	0.14 131	0.51 169	0.21 73	0.15 189	0.27 186	0.15 35	0.32 80	0.24 38	0.26 110	0.20 48	0.34 243	0.15 78	0.22 57	0.14 34	0.07 19	0.08 150	0.07 20	0.07 60	0.06 3	0.09 74

testlalala2	0.19 61	0.11 34	0.49 134	0.37 397	0.26 382	0.24 152	0.14 20	0.37 129	0.26 69	0.25 100	0.27 109	0.21 96	0.12 31	0.17 11	0.17 84	0.07 19	0.07 100	0.07 20	0.07 60	0.07 40	0.08 45

H2IRNET	0.19 61	0.18 224	0.50 155	0.22 115	0.12 55	0.20 68	0.16 58	0.28 32	0.31 131	0.17 32	0.32 153	0.25 141	0.20 160	0.24 75	0.19 133	0.08 105	0.06 37	0.09 149	0.10 244	0.10 202	0.08 45

IGEV++	0.19 61	0.13 91	0.38 42	0.30 352	0.19 300	0.15 8	0.15 35	0.32 80	0.18 2	0.13 3	0.16 24	0.12 8	0.11 19	0.24 75	0.15 54	0.07 19	0.32 427	0.07 20	0.05 9	0.07 40	0.42 421

MSKI-zero shot	0.19 61	0.10 15	0.47 100	0.30 352	0.14 133	0.21 90	0.14 20	0.33 95	0.22 22	0.24 89	0.25 91	0.22 101	0.10 9	0.32 176	0.14 34	0.07 19	0.30 422	0.07 20	0.07 60	0.06 3	0.09 74

RAFT-Test	0.19 61	0.11 34	0.41 58	0.26 271	0.21 331	0.26 180	0.17 79	0.37 129	0.26 69	0.24 89	0.29 121	0.32 229	0.14 65	0.22 57	0.15 54	0.07 19	0.08 150	0.07 20	0.07 60	0.06 3	0.07 14

EGLCR-Stereo	0.19 61	0.09 5	0.34 26	0.29 343	0.17 249	0.28 201	0.16 58	0.30 59	0.23 28	0.22 76	0.11 2	0.16 46	0.09 4	0.28 130	0.15 54	0.07 19	0.25 395	0.07 20	0.07 60	0.06 3	0.37 412

Selective-RAFT	0.19 61	0.14 131	0.37 41	0.24 205	0.11 28	0.30 233	0.15 35	0.35 111	0.34 165	0.17 32	0.17 28	0.22 101	0.18 136	0.29 149	0.18 108	0.07 19	0.16 319	0.07 20	0.07 60	0.08 83	0.08 45

test_4	0.19 61	0.16 178	0.39 47	0.24 205	0.13 97	0.19 41	0.21 212	0.27 28	0.24 38	0.24 89	0.47 317	0.22 101	0.13 52	0.27 111	0.18 108	0.06 1	0.06 37	0.09 149	0.09 198	0.07 40	0.06 5

Patchmatch Stereo++	0.19 61	0.13 91	0.51 169	0.22 115	0.11 28	0.19 41	0.14 20	0.30 59	0.24 38	0.28 130	0.29 121	0.25 141	0.18 136	0.27 111	0.18 108	0.09 167	0.06 37	0.10 218	0.08 125	0.10 202	0.09 74
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
PSM-adaLoss	0.19 61	0.13 91	0.51 169	0.22 115	0.11 28	0.19 41	0.15 35	0.30 59	0.24 38	0.28 130	0.29 121	0.25 141	0.18 136	0.25 85	0.17 84	0.09 167	0.06 37	0.10 218	0.08 125	0.10 202	0.09 74

ROB_FTStereo_v2	0.19 61	0.13 91	0.51 169	0.22 115	0.11 28	0.19 41	0.15 35	0.30 59	0.24 38	0.28 130	0.29 121	0.25 141	0.18 136	0.25 85	0.18 108	0.09 167	0.06 37	0.10 218	0.08 125	0.10 202	0.09 74

ROB_FTStereo	0.19 61	0.13 91	0.51 169	0.22 115	0.11 28	0.19 41	0.13 8	0.30 59	0.24 38	0.28 130	0.29 121	0.25 141	0.18 136	0.25 85	0.17 84	0.09 167	0.06 37	0.10 218	0.08 125	0.10 202	0.09 74

HUI-Stereo	0.19 61	0.13 91	0.52 190	0.22 115	0.11 28	0.19 41	0.14 20	0.30 59	0.24 38	0.28 130	0.29 121	0.25 141	0.18 136	0.23 68	0.17 84	0.09 167	0.06 37	0.10 218	0.08 125	0.10 202	0.09 74

DeepStereo_RVC	0.19 61	0.12 69	0.47 100	0.22 115	0.11 28	0.19 41	0.16 58	0.29 47	0.24 38	0.28 130	0.27 109	0.23 114	0.28 260	0.24 75	0.19 133	0.08 105	0.06 37	0.09 149	0.07 60	0.09 151	0.10 121

iGMRVC	0.19 61	0.13 91	0.51 169	0.22 115	0.11 28	0.19 41	0.15 35	0.30 59	0.24 38	0.28 130	0.29 121	0.25 141	0.18 136	0.27 111	0.18 108	0.09 167	0.06 37	0.10 218	0.08 125	0.10 202	0.09 74

iRAFT	0.19 61	0.13 91	0.51 169	0.22 115	0.11 28	0.19 41	0.14 20	0.30 59	0.24 38	0.28 130	0.29 121	0.25 141	0.18 136	0.27 111	0.18 108	0.09 167	0.06 37	0.10 218	0.08 125	0.10 202	0.09 74

AnonymousM	0.19 61	0.20 249	0.30 13	0.18 10	0.10 20	0.19 41	0.17 79	0.32 80	0.27 84	0.27 120	0.21 65	0.18 63	0.14 65	0.21 43	0.16 66	0.09 167	0.08 150	0.38 426	0.15 364	0.06 3	0.08 45

CRE-IMP	0.19 61	0.13 91	0.51 169	0.23 162	0.11 28	0.24 152	0.17 79	0.31 74	0.24 38	0.27 120	0.26 98	0.24 130	0.17 108	0.24 75	0.19 133	0.09 167	0.05 3	0.10 218	0.07 60	0.10 202	0.10 121

RAFT-IKP	0.19 61	0.13 91	0.51 169	0.22 115	0.11 28	0.18 30	0.15 35	0.30 59	0.24 38	0.28 130	0.29 121	0.25 141	0.18 136	0.26 101	0.18 108	0.09 167	0.06 37	0.10 218	0.08 125	0.10 202	0.09 74

raftrobust	0.19 61	0.19 236	0.42 67	0.23 162	0.24 367	0.19 41	0.13 8	0.33 95	0.28 93	0.26 110	0.20 48	0.19 72	0.17 108	0.23 68	0.17 84	0.08 105	0.10 210	0.07 20	0.06 29	0.07 40	0.09 74

sCroCo_RVC	0.19 61	0.15 155	0.60 265	0.27 305	0.18 275	0.23 132	0.16 58	0.28 32	0.24 38	0.14 11	0.22 73	0.17 54	0.14 65	0.22 57	0.16 66	0.11 260	0.11 235	0.09 149	0.09 198	0.09 151	0.10 121

R-Stereo Train	0.19 61	0.10 15	0.49 134	0.22 115	0.12 55	0.23 132	0.18 123	0.43 194	0.20 11	0.31 191	0.45 298	0.20 83	0.14 65	0.18 18	0.18 108	0.08 105	0.06 37	0.07 20	0.06 29	0.06 3	0.07 14

RAFT-Stereo	0.19 61	0.10 15	0.49 134	0.22 115	0.12 55	0.23 132	0.18 123	0.43 194	0.20 11	0.31 191	0.45 298	0.20 83	0.14 65	0.18 18	0.18 108	0.08 105	0.06 37	0.07 20	0.06 29	0.06 3	0.07 14
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
rvit_0105_6	0.20 85	0.16 178	0.41 58	0.23 162	0.14 133	0.18 30	0.20 189	0.31 74	0.39 226	0.18 43	0.22 73	0.23 114	0.18 136	0.26 101	0.18 108	0.16 358	0.13 267	0.13 324	0.11 273	0.11 254	0.09 74

GCAP-BAT	0.20 85	0.12 69	0.48 114	0.25 236	0.17 249	0.24 152	0.16 58	0.32 80	0.21 19	0.28 130	0.30 133	0.26 160	0.12 31	0.28 130	0.19 133	0.07 19	0.25 395	0.07 20	0.08 125	0.06 3	0.19 293

IGEV-BASED-STEREO-	0.20 85	0.74 435	0.71 311	0.17 5	0.08 3	0.15 8	0.15 35	0.19 2	0.18 2	0.13 3	0.12 4	0.10 1	0.08 1	0.16 5	0.14 34	0.34 424	0.12 251	0.08 82	0.07 60	0.11 254	0.24 347

IGEVStereo-DCA	0.20 85	0.17 203	0.41 58	0.22 115	0.15 189	0.20 68	0.17 79	0.28 32	0.23 28	0.19 45	0.12 4	0.14 33	0.12 31	0.38 221	0.31 277	0.07 19	0.16 319	0.08 82	0.07 60	0.08 83	0.36 404

MIM_Stereo	0.20 85	0.17 203	0.55 218	0.20 47	0.21 331	0.17 20	0.14 20	0.37 129	0.27 84	0.28 130	0.35 186	0.23 114	0.13 52	0.28 130	0.16 66	0.06 1	0.08 150	0.09 149	0.08 125	0.08 83	0.15 248

AEACV	0.20 85	0.09 5	0.32 21	0.39 408	0.34 407	0.21 90	0.16 58	0.30 59	0.18 2	0.17 32	0.17 28	0.13 17	0.16 93	0.27 111	0.13 10	0.07 19	0.29 421	0.07 20	0.09 198	0.07 40	0.37 412

4D-IteraStereo	0.20 85	0.21 256	0.62 274	0.21 73	0.14 133	0.19 41	0.17 79	0.29 47	0.28 93	0.24 89	0.20 48	0.20 83	0.10 9	0.22 57	0.18 108	0.07 19	0.07 100	0.10 218	0.08 125	0.08 83	0.33 398

anonymousdsp	0.20 85	0.13 91	0.49 134	0.28 330	0.20 318	0.21 90	0.17 79	0.29 47	0.24 38	0.22 76	0.13 9	0.12 8	0.12 31	0.32 176	0.13 10	0.07 19	0.26 402	0.08 82	0.07 60	0.08 83	0.48 433

DCANet-4	0.20 85	0.11 34	0.58 251	0.19 21	0.09 7	0.19 41	0.18 123	0.39 157	0.42 255	0.29 154	0.31 144	0.17 54	0.22 176	0.21 43	0.20 150	0.07 19	0.05 3	0.07 20	0.05 9	0.06 3	0.09 74

fff	0.20 85	0.15 155	0.57 236	0.19 21	0.09 7	0.19 41	0.18 123	0.38 140	0.46 297	0.29 154	0.31 144	0.18 63	0.28 260	0.21 43	0.20 150	0.07 19	0.05 3	0.07 20	0.05 9	0.06 3	0.09 74

DisPM	0.20 85	0.11 34	0.52 190	0.24 205	0.13 97	0.18 30	0.19 158	0.30 59	0.31 131	0.33 227	0.34 178	0.23 114	0.16 93	0.34 199	0.17 84	0.09 167	0.06 37	0.09 149	0.08 125	0.08 83	0.12 193

IGEV-Stereo	0.20 85	0.13 91	0.49 134	0.28 330	0.20 318	0.21 90	0.17 79	0.29 47	0.24 38	0.22 76	0.13 9	0.12 8	0.12 31	0.32 176	0.13 10	0.07 19	0.26 402	0.08 82	0.07 60	0.08 83	0.48 433
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
GMOStereo	0.20 85	0.17 203	0.45 83	0.23 162	0.18 275	0.21 90	0.27 322	0.28 32	0.28 93	0.31 191	0.32 153	0.28 178	0.17 108	0.16 5	0.13 10	0.07 19	0.23 384	0.10 218	0.08 125	0.08 83	0.07 14

error version	0.20 85	0.17 203	0.45 83	0.23 162	0.18 275	0.21 90	0.27 322	0.28 32	0.28 93	0.31 191	0.32 153	0.28 178	0.17 108	0.16 5	0.13 10	0.07 19	0.23 384	0.10 218	0.08 125	0.08 83	0.07 14

test-v	0.20 85	0.17 203	0.45 83	0.23 162	0.18 275	0.21 90	0.27 322	0.28 32	0.28 93	0.31 191	0.32 153	0.28 178	0.17 108	0.16 5	0.13 10	0.07 19	0.23 384	0.10 218	0.08 125	0.08 83	0.07 14

test_3	0.20 85	0.12 69	0.49 134	0.26 271	0.14 133	0.22 114	0.25 305	0.34 102	0.33 154	0.25 100	0.18 36	0.23 114	0.13 52	0.25 85	0.20 150	0.06 1	0.14 281	0.09 149	0.10 244	0.07 40	0.10 121

NRIStereo	0.20 85	0.12 69	0.50 155	0.23 162	0.11 28	0.24 152	0.19 158	0.30 59	0.28 93	0.26 110	0.26 98	0.25 141	0.18 136	0.34 199	0.19 133	0.08 105	0.06 37	0.09 149	0.07 60	0.09 151	0.09 74

Pruner-Stereo	0.20 85	0.12 69	0.49 134	0.29 343	0.12 55	0.19 41	0.17 79	0.32 80	0.31 131	0.33 227	0.32 153	0.25 141	0.15 78	0.25 85	0.22 186	0.09 167	0.06 37	0.09 149	0.08 125	0.08 83	0.10 121

test-2	0.20 85	0.17 203	0.45 83	0.23 162	0.18 275	0.21 90	0.27 322	0.28 32	0.28 93	0.31 191	0.32 153	0.28 178	0.17 108	0.16 5	0.13 10	0.07 19	0.23 384	0.10 218	0.08 125	0.08 83	0.07 14

test-1	0.20 85	0.12 69	0.49 134	0.23 162	0.23 356	0.22 114	0.23 269	0.36 117	0.29 109	0.21 59	0.25 91	0.24 130	0.14 65	0.18 18	0.22 186	0.07 19	0.14 281	0.08 82	0.07 60	0.06 3	0.14 235

DCANet	0.20 85	0.15 155	0.57 236	0.19 21	0.09 7	0.19 41	0.18 123	0.37 129	0.41 243	0.30 176	0.31 144	0.19 72	0.23 187	0.21 43	0.20 150	0.07 19	0.05 3	0.07 20	0.05 9	0.07 40	0.10 121

csc	0.20 85	0.15 155	0.57 236	0.19 21	0.09 7	0.19 41	0.18 123	0.38 140	0.46 297	0.29 154	0.31 144	0.18 63	0.28 260	0.21 43	0.20 150	0.07 19	0.05 3	0.07 20	0.05 9	0.06 3	0.09 74

cscssc	0.20 85	0.15 155	0.57 236	0.19 21	0.09 7	0.19 41	0.18 123	0.38 140	0.46 297	0.29 154	0.31 144	0.18 63	0.28 260	0.21 43	0.20 150	0.07 19	0.05 3	0.07 20	0.05 9	0.06 3	0.09 74

RAFT-Stereo + iAFF	0.20 85	0.23 287	0.49 134	0.21 73	0.16 221	0.19 41	0.17 79	0.35 111	0.32 140	0.26 110	0.33 170	0.20 83	0.17 108	0.21 43	0.17 84	0.06 1	0.10 210	0.07 20	0.07 60	0.07 40	0.11 155

AFF-stereo	0.20 85	0.24 297	0.49 134	0.22 115	0.11 28	0.18 30	0.18 123	0.35 111	0.29 109	0.25 100	0.36 201	0.25 141	0.17 108	0.25 85	0.17 84	0.06 1	0.09 185	0.08 82	0.08 125	0.08 83	0.11 155

DIP-Stereo	0.20 85	0.13 91	0.48 114	0.20 47	0.13 97	0.28 201	0.12 5	0.43 194	0.26 69	0.27 120	0.32 153	0.21 96	0.17 108	0.26 101	0.20 150	0.08 105	0.06 37	0.08 82	0.06 29	0.07 40	0.10 121
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
rvit_0105_4	0.21 111	0.17 203	0.49 134	0.23 162	0.14 133	0.20 68	0.23 269	0.35 111	0.40 236	0.19 45	0.24 85	0.25 141	0.20 160	0.28 130	0.18 108	0.16 358	0.13 267	0.12 300	0.11 273	0.11 254	0.10 121

model_zeroshot	0.21 111	0.14 131	0.51 169	0.34 386	0.18 275	0.26 180	0.16 58	0.41 184	0.24 38	0.33 227	0.20 48	0.25 141	0.12 31	0.26 101	0.16 66	0.09 167	0.21 365	0.07 20	0.08 125	0.07 40	0.13 213

AE-Stereo	0.21 111	0.12 69	0.50 155	0.25 236	0.15 189	0.24 152	0.18 123	0.40 166	0.34 165	0.19 45	0.26 98	0.21 96	0.13 52	0.22 57	0.16 66	0.07 19	0.26 402	0.09 149	0.10 244	0.07 40	0.31 390

ACVNet-DCA	0.21 111	0.16 178	0.50 155	0.27 305	0.13 97	0.31 253	0.19 158	0.43 194	0.32 140	0.21 59	0.20 48	0.13 17	0.17 108	0.28 130	0.12 2	0.08 105	0.28 410	0.08 82	0.06 29	0.09 151	0.23 335

11t1	0.21 111	0.12 69	0.45 83	0.20 47	0.15 189	0.27 186	0.17 79	0.37 129	0.28 93	0.27 120	0.25 91	0.24 130	0.23 187	0.28 130	0.25 224	0.09 167	0.19 351	0.07 20	0.07 60	0.09 151	0.23 335

LL-Strereo2	0.21 111	0.25 312	0.53 201	0.32 370	0.20 318	0.25 165	0.14 20	0.32 80	0.25 60	0.25 100	0.20 48	0.24 130	0.12 31	0.28 130	0.18 108	0.07 19	0.07 100	0.12 300	0.09 198	0.09 151	0.16 259

ADStereo(finetuned)	0.21 111	0.15 155	0.59 258	0.19 21	0.09 7	0.19 41	0.18 123	0.37 129	0.41 243	0.30 176	0.31 144	0.19 72	0.31 297	0.21 43	0.20 150	0.07 19	0.05 3	0.07 20	0.05 9	0.07 40	0.10 121

PFNet+	0.21 111	0.11 34	0.54 212	0.22 115	0.12 55	0.17 20	0.18 123	0.31 74	0.36 187	0.33 227	0.32 153	0.24 130	0.16 93	0.33 185	0.18 108	0.10 226	0.07 100	0.11 269	0.10 244	0.08 83	0.12 193

rafts_anoy	0.21 111	0.22 274	0.49 134	0.25 236	0.24 367	0.19 41	0.17 79	0.34 102	0.32 140	0.24 89	0.25 91	0.20 83	0.16 93	0.25 85	0.21 170	0.08 105	0.19 351	0.11 269	0.12 311	0.09 151	0.09 74

raft+_RVC	0.21 111	0.21 256	0.46 95	0.22 115	0.35 410	0.21 90	0.16 58	0.39 157	0.35 174	0.22 76	0.28 114	0.20 83	0.15 78	0.25 85	0.20 150	0.08 105	0.16 319	0.08 82	0.07 60	0.07 40	0.12 193

sAnonymous2	0.21 111	0.24 297	0.79 335	0.24 205	0.17 249	0.22 114	0.20 189	0.36 117	0.29 109	0.17 32	0.19 40	0.17 54	0.16 93	0.18 18	0.15 54	0.10 226	0.07 100	0.09 149	0.08 125	0.23 395	0.18 278

CroCo_RVC	0.21 111	0.24 297	0.79 335	0.24 205	0.17 249	0.22 114	0.20 189	0.36 117	0.29 109	0.17 32	0.19 40	0.17 54	0.16 93	0.18 18	0.15 54	0.10 226	0.07 100	0.09 149	0.08 125	0.23 395	0.18 278

RALAANet	0.21 111	0.24 297	0.53 201	0.23 162	0.14 133	0.22 114	0.13 8	0.38 140	0.30 123	0.29 154	0.26 98	0.25 141	0.15 78	0.28 130	0.20 150	0.08 105	0.08 150	0.09 149	0.08 125	0.10 202	0.07 14

GMStereo	0.21 111	0.30 344	0.57 236	0.21 73	0.12 55	0.24 152	0.18 123	0.30 59	0.41 243	0.26 110	0.24 85	0.17 54	0.16 93	0.25 85	0.19 133	0.10 226	0.07 100	0.08 82	0.08 125	0.11 254	0.09 74
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
rvit_0105_5	0.22 125	0.18 224	0.51 169	0.23 162	0.13 97	0.22 114	0.25 305	0.38 140	0.40 236	0.21 59	0.23 79	0.27 165	0.20 160	0.27 111	0.20 150	0.15 348	0.13 267	0.12 300	0.12 311	0.10 202	0.10 121

1test111	0.22 125	0.16 178	0.50 155	0.27 305	0.13 97	0.31 253	0.19 158	0.43 194	0.32 140	0.21 59	0.20 48	0.13 17	0.17 108	0.36 210	0.28 253	0.08 105	0.28 410	0.08 82	0.06 29	0.09 151	0.23 335

cc1	0.22 125	0.16 178	0.50 155	0.27 305	0.13 97	0.31 253	0.19 158	0.39 157	0.48 315	0.21 59	0.20 48	0.13 17	0.17 108	0.28 130	0.12 2	0.08 105	0.28 410	0.08 82	0.06 29	0.08 83	0.37 412

rrr	0.22 125	0.17 203	0.79 335	0.22 115	0.15 189	0.20 68	0.18 123	0.40 166	0.27 84	0.19 45	0.12 4	0.14 33	0.12 31	0.38 221	0.31 277	0.07 19	0.16 319	0.08 82	0.07 60	0.08 83	0.28 378

tt1	0.22 125	0.16 178	0.49 134	0.26 271	0.15 189	0.31 253	0.19 158	0.38 140	0.46 297	0.21 59	0.19 40	0.13 17	0.16 93	0.28 130	0.12 2	0.08 105	0.28 410	0.08 82	0.06 29	0.08 83	0.37 412

HH	0.22 125	0.12 69	0.55 218	0.32 370	0.16 221	0.27 186	0.18 123	0.36 117	0.25 60	0.20 53	0.26 98	0.34 243	0.18 136	0.33 185	0.15 54	0.07 19	0.16 319	0.07 20	0.07 60	0.07 40	0.31 390

HanStereo	0.22 125	0.12 69	0.55 218	0.32 370	0.16 221	0.27 186	0.18 123	0.36 117	0.25 60	0.20 53	0.26 98	0.34 243	0.18 136	0.33 185	0.15 54	0.07 19	0.16 319	0.07 20	0.07 60	0.07 40	0.31 390

CASS	0.22 125	0.16 178	0.40 52	0.26 271	0.12 55	0.29 220	0.19 158	0.40 166	0.32 140	0.34 245	0.35 186	0.25 141	0.25 217	0.26 101	0.21 170	0.13 314	0.08 150	0.11 269	0.09 198	0.11 254	0.12 193
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
MIPNet	0.22 125	0.19 236	0.64 282	0.22 115	0.12 55	0.28 201	0.20 189	0.48 247	0.39 226	0.31 191	0.24 85	0.19 72	0.24 206	0.28 130	0.20 150	0.07 19	0.05 3	0.08 82	0.07 60	0.07 40	0.08 45

IPLGR	0.22 125	0.14 131	0.75 320	0.21 73	0.11 28	0.25 165	0.18 123	0.44 213	0.38 210	0.29 154	0.28 114	0.21 96	0.19 155	0.37 219	0.19 133	0.07 19	0.06 37	0.08 82	0.07 60	0.07 40	0.07 14

GANet-ADL	0.22 125	0.14 131	0.51 169	0.23 162	0.14 133	0.29 220	0.19 158	0.48 247	0.36 187	0.26 110	0.33 170	0.32 229	0.20 160	0.26 101	0.22 186	0.11 260	0.07 100	0.07 20	0.06 29	0.09 151	0.11 155

TRStereo	0.22 125	0.21 256	0.62 274	0.40 412	0.19 300	0.22 114	0.16 58	0.58 347	0.30 123	0.21 59	0.21 65	0.22 101	0.13 52	0.27 111	0.14 34	0.09 167	0.09 185	0.09 149	0.11 273	0.06 3	0.19 293

LCNet	0.22 125	0.12 69	0.42 67	0.26 271	0.12 55	0.23 132	0.19 158	0.36 117	0.28 93	0.28 130	0.35 186	0.26 160	0.30 284	0.35 206	0.17 84	0.07 19	0.05 3	0.09 149	0.10 244	0.13 302	0.22 327

NF-Stereo	0.22 125	0.11 34	0.52 190	0.25 236	0.12 55	0.21 90	0.18 123	0.40 166	0.35 174	0.28 130	0.30 133	0.22 101	0.17 108	0.52 269	0.21 170	0.09 167	0.06 37	0.09 149	0.08 125	0.08 83	0.13 213

OCTAStereo	0.22 125	0.11 34	0.52 190	0.25 236	0.12 55	0.21 90	0.18 123	0.40 166	0.35 174	0.28 130	0.30 133	0.22 101	0.17 108	0.51 263	0.21 170	0.09 167	0.06 37	0.09 149	0.08 125	0.08 83	0.13 213

PSM-softLoss	0.22 125	0.11 34	0.53 201	0.25 236	0.12 55	0.20 68	0.17 79	0.39 157	0.29 109	0.29 154	0.32 153	0.24 130	0.16 93	0.53 271	0.21 170	0.09 167	0.06 37	0.10 218	0.09 198	0.08 83	0.12 193

KMStereo	0.22 125	0.11 34	0.53 201	0.25 236	0.12 55	0.20 68	0.17 79	0.39 157	0.29 109	0.29 154	0.32 153	0.24 130	0.16 93	0.53 271	0.21 170	0.09 167	0.06 37	0.10 218	0.09 198	0.08 83	0.12 193

SST-Stereo	0.22 125	0.11 34	0.52 190	0.25 236	0.14 133	0.19 41	0.17 79	0.32 80	0.26 69	0.34 245	0.33 170	0.29 191	0.25 217	0.56 286	0.18 108	0.08 105	0.05 3	0.10 218	0.08 125	0.09 151	0.07 14

RAFT_R40	0.22 125	0.11 34	0.52 190	0.25 236	0.13 97	0.18 30	0.18 123	0.32 80	0.31 131	0.33 227	0.33 170	0.30 208	0.23 187	0.55 281	0.19 133	0.08 105	0.05 3	0.10 218	0.08 125	0.09 151	0.07 14

RE-Stereo	0.22 125	0.11 34	0.52 190	0.25 236	0.12 55	0.21 90	0.18 123	0.40 166	0.35 174	0.28 130	0.30 133	0.22 101	0.17 108	0.51 263	0.21 170	0.09 167	0.06 37	0.09 149	0.08 125	0.08 83	0.13 213

TVStereo	0.22 125	0.11 34	0.52 190	0.25 236	0.12 55	0.21 90	0.18 123	0.40 166	0.35 174	0.28 130	0.30 133	0.22 101	0.17 108	0.51 263	0.21 170	0.09 167	0.06 37	0.09 149	0.08 125	0.08 83	0.13 213

RAFT-345	0.22 125	0.11 34	0.55 218	0.22 115	0.12 55	0.20 68	0.16 58	0.27 28	0.28 93	0.27 120	0.65 386	0.20 83	0.17 108	0.55 281	0.22 186	0.07 19	0.06 37	0.08 82	0.07 60	0.06 3	0.07 14

GMM-Stereo	0.22 125	0.10 15	0.56 228	0.23 162	0.13 97	0.24 152	0.24 292	0.38 140	0.29 109	0.31 191	0.44 284	0.27 165	0.21 170	0.31 171	0.17 84	0.07 19	0.05 3	0.10 218	0.09 198	0.08 83	0.19 293

Prome-Stereo	0.22 125	0.10 15	0.43 72	0.24 205	0.13 97	0.23 132	0.23 269	0.37 129	0.27 84	0.33 227	0.58 364	0.24 130	0.28 260	0.30 160	0.16 66	0.07 19	0.05 3	0.08 82	0.07 60	0.08 83	0.20 307

TestStereo	0.22 125	0.24 297	0.48 114	0.25 236	0.11 28	0.22 114	0.22 242	0.32 80	0.31 131	0.24 89	0.34 178	0.23 114	0.19 155	0.62 318	0.19 133	0.08 105	0.07 100	0.10 218	0.07 60	0.11 254	0.07 14

RALCasStereoNet	0.22 125	0.22 274	0.48 114	0.23 162	0.23 356	0.22 114	0.18 123	0.32 80	0.27 84	0.22 76	0.30 133	0.22 101	0.15 78	0.29 149	0.20 150	0.08 105	0.22 375	0.07 20	0.06 29	0.10 202	0.25 358

111	0.22 125	0.22 274	0.57 236	0.19 21	0.09 7	0.24 152	0.17 79	0.44 213	0.46 297	0.24 89	0.30 133	0.29 191	0.22 176	0.25 85	0.19 133	0.08 105	0.05 3	0.07 20	0.06 29	0.07 40	0.15 248

test_xeample3	0.22 125	0.17 203	0.81 339	0.21 73	0.15 189	0.20 68	0.18 123	0.40 166	0.25 60	0.19 45	0.12 4	0.13 17	0.12 31	0.34 199	0.33 291	0.07 19	0.20 360	0.07 20	0.08 125	0.08 83	0.34 401

FENet	0.22 125	0.13 91	0.48 114	0.22 115	0.12 55	0.27 186	0.18 123	0.43 194	0.37 202	0.31 191	0.32 153	0.29 191	0.23 187	0.27 111	0.24 210	0.10 226	0.07 100	0.09 149	0.09 198	0.09 151	0.11 155

HITNet	0.22 125	0.23 287	0.60 265	0.20 47	0.09 7	0.27 186	0.15 35	0.45 220	0.33 154	0.29 154	0.33 170	0.27 165	0.22 176	0.29 149	0.27 246	0.07 19	0.05 3	0.07 20	0.06 29	0.09 151	0.11 155
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
test_sample2	0.23 155	0.12 69	0.39 47	0.20 47	0.11 28	0.28 201	0.22 242	0.45 220	0.33 154	0.27 120	0.34 178	0.30 208	0.25 217	0.46 246	0.23 202	0.09 167	0.15 308	0.09 149	0.08 125	0.10 202	0.19 293

MyStereo06	0.23 155	0.15 155	0.74 317	0.22 115	0.14 133	0.25 165	0.22 242	0.43 194	0.25 60	0.36 273	0.24 85	0.34 243	0.18 136	0.24 75	0.20 150	0.07 19	0.12 251	0.09 149	0.09 198	0.09 151	0.11 155

xx1	0.23 155	0.16 178	0.50 155	0.27 305	0.13 97	0.31 253	0.19 158	0.39 157	0.48 315	0.21 59	0.20 48	0.28 178	0.25 217	0.28 130	0.12 2	0.08 105	0.28 410	0.10 218	0.11 273	0.09 151	0.23 335

IGEV_Zeroshot_test	0.23 155	0.11 34	0.82 342	0.21 73	0.23 356	0.20 68	0.19 158	0.38 140	0.23 28	0.34 245	0.22 73	0.29 191	0.14 65	0.24 75	0.20 150	0.07 19	0.09 185	0.08 82	0.08 125	0.08 83	0.35 403

StereoVision	0.23 155	0.23 287	0.55 218	0.27 305	0.17 249	0.23 132	0.22 242	0.40 166	0.32 140	0.21 59	0.51 332	0.22 101	0.16 93	0.29 149	0.19 133	0.11 260	0.12 251	0.13 324	0.13 339	0.10 202	0.08 45

PCWNet_CMD	0.23 155	0.14 131	0.48 114	0.21 73	0.13 97	0.28 201	0.17 79	0.47 237	0.47 309	0.30 176	0.36 201	0.37 266	0.24 206	0.29 149	0.21 170	0.09 167	0.06 37	0.10 218	0.08 125	0.11 254	0.11 155

testlalala_base	0.23 155	0.14 131	0.48 114	0.26 271	0.16 221	0.25 165	0.17 79	0.37 129	0.19 6	0.20 53	0.26 98	0.17 54	0.14 65	0.19 28	0.18 108	0.42 434	0.23 384	0.07 20	0.06 29	0.50 428	0.14 235

anonymousdsp2	0.23 155	0.11 34	0.42 67	0.26 271	0.24 367	0.25 165	0.17 79	0.43 194	0.37 202	0.30 176	0.23 79	0.24 130	0.15 78	0.32 176	0.17 84	0.07 19	0.28 410	0.07 20	0.05 9	0.08 83	0.44 425

TestStereo1	0.23 155	0.22 274	0.50 155	0.27 305	0.14 133	0.26 180	0.27 322	0.43 194	0.38 210	0.29 154	0.39 234	0.23 114	0.21 170	0.33 185	0.18 108	0.08 105	0.08 150	0.09 149	0.08 125	0.08 83	0.10 121

x	0.23 155	0.15 155	0.45 83	0.20 47	0.15 189	0.27 186	0.17 79	0.43 194	0.35 174	0.26 110	0.31 144	0.29 191	0.25 217	0.29 149	0.30 268	0.09 167	0.22 375	0.08 82	0.09 198	0.09 151	0.24 347

RAFT_CTSACE	0.23 155	0.21 256	0.57 236	0.26 271	0.15 189	0.22 114	0.23 269	0.34 102	0.30 123	0.34 245	0.51 332	0.31 218	0.17 108	0.33 185	0.15 54	0.06 1	0.09 185	0.09 149	0.08 125	0.08 83	0.07 14

RAFT+CT+SA	0.23 155	0.24 297	0.48 114	0.25 236	0.18 275	0.23 132	0.29 340	0.42 187	0.38 210	0.24 89	0.39 234	0.20 83	0.17 108	0.34 199	0.17 84	0.07 19	0.07 100	0.09 149	0.12 311	0.09 151	0.13 213

SA-5K	0.23 155	0.22 274	0.50 155	0.27 305	0.14 133	0.26 180	0.27 322	0.43 194	0.38 210	0.29 154	0.39 234	0.23 114	0.21 170	0.33 185	0.18 108	0.08 105	0.08 150	0.09 149	0.08 125	0.08 83	0.10 121

CIPLG	0.23 155	0.28 335	0.75 320	0.24 205	0.16 221	0.25 165	0.20 189	0.38 140	0.33 154	0.32 216	0.34 178	0.23 114	0.15 78	0.27 111	0.22 186	0.09 167	0.07 100	0.08 82	0.07 60	0.08 83	0.09 74

dd	0.23 155	0.32 354	0.55 218	0.23 162	0.12 55	0.27 186	0.21 212	0.32 80	0.45 287	0.30 176	0.29 121	0.25 141	0.17 108	0.31 171	0.26 235	0.13 314	0.07 100	0.10 218	0.08 125	0.12 289	0.09 74

IPLG	0.23 155	0.19 236	0.65 285	0.21 73	0.12 55	0.28 201	0.17 79	0.45 220	0.32 140	0.33 227	0.32 153	0.16 46	0.17 108	0.50 257	0.23 202	0.07 19	0.06 37	0.08 82	0.07 60	0.07 40	0.08 45

IPLGR_C	0.23 155	0.29 338	0.81 339	0.24 205	0.16 221	0.24 152	0.20 189	0.38 140	0.33 154	0.32 216	0.33 170	0.23 114	0.15 78	0.26 101	0.22 186	0.09 167	0.07 100	0.08 82	0.07 60	0.08 83	0.09 74

ACRE	0.23 155	0.27 328	0.83 346	0.24 205	0.15 189	0.24 152	0.20 189	0.38 140	0.32 140	0.32 216	0.33 170	0.23 114	0.15 78	0.26 101	0.22 186	0.09 167	0.07 100	0.08 82	0.07 60	0.08 83	0.09 74

GwcNet-ADL	0.23 155	0.15 155	0.58 251	0.24 205	0.13 97	0.23 132	0.24 292	0.51 273	0.41 243	0.28 130	0.29 121	0.30 208	0.20 160	0.27 111	0.28 253	0.09 167	0.07 100	0.07 20	0.07 60	0.09 151	0.11 155

HHNet	0.23 155	0.12 69	0.66 290	0.19 21	0.18 275	0.20 68	0.20 189	0.36 117	0.32 140	0.33 227	0.59 368	0.19 72	0.21 170	0.24 75	0.31 277	0.08 105	0.06 37	0.09 149	0.07 60	0.08 83	0.12 193

KYRaft	0.23 155	0.11 34	0.43 72	0.23 162	0.12 55	0.23 132	0.23 269	0.37 129	0.26 69	0.35 262	0.53 345	0.34 243	0.26 234	0.29 149	0.16 66	0.07 19	0.05 3	0.09 149	0.10 244	0.08 83	0.30 386

ASMatch	0.23 155	0.11 34	0.55 218	0.25 236	0.14 133	0.19 41	0.16 58	0.32 80	0.30 123	0.28 130	0.68 392	0.28 178	0.26 234	0.50 257	0.22 186	0.07 19	0.06 37	0.08 82	0.07 60	0.06 3	0.11 155

IRAFT_RVC	0.23 155	0.15 155	0.54 212	0.26 271	0.12 55	0.19 41	0.23 269	0.41 184	0.39 226	0.31 191	0.30 133	0.29 191	0.24 206	0.55 281	0.23 202	0.08 105	0.06 37	0.10 218	0.08 125	0.08 83	0.08 45

CFNet_pseudo	0.23 155	0.14 131	0.48 114	0.20 47	0.13 97	0.27 186	0.17 79	0.46 227	0.45 287	0.30 176	0.37 212	0.38 272	0.23 187	0.30 160	0.22 186	0.09 167	0.06 37	0.11 269	0.08 125	0.11 254	0.11 155

GES	0.23 155	0.14 131	0.54 212	0.21 73	0.14 133	0.28 201	0.19 158	0.51 273	0.35 174	0.31 191	0.36 201	0.25 141	0.24 206	0.30 160	0.23 202	0.11 260	0.09 185	0.08 82	0.08 125	0.10 202	0.12 193

SFCPSM	0.23 155	0.12 69	0.51 169	0.21 73	0.14 133	0.34 291	0.22 242	0.57 334	0.41 243	0.29 154	0.32 153	0.23 114	0.22 176	0.28 130	0.20 150	0.10 226	0.07 100	0.09 149	0.10 244	0.09 151	0.09 74

MSMDNet	0.23 155	0.14 131	0.49 134	0.20 47	0.13 97	0.28 201	0.17 79	0.47 237	0.47 309	0.30 176	0.36 201	0.37 266	0.24 206	0.29 149	0.21 170	0.09 167	0.07 100	0.09 149	0.08 125	0.11 254	0.11 155

ccs_rob	0.23 155	0.14 131	0.48 114	0.20 47	0.13 97	0.27 186	0.17 79	0.46 227	0.45 287	0.30 176	0.37 212	0.38 272	0.23 187	0.30 160	0.22 186	0.09 167	0.06 37	0.11 269	0.08 125	0.12 289	0.11 155

rvit_0105_3	0.24 183	0.21 256	0.57 236	0.25 236	0.15 189	0.24 152	0.28 335	0.40 166	0.43 266	0.25 100	0.26 98	0.29 191	0.22 176	0.29 149	0.21 170	0.15 348	0.13 267	0.14 344	0.15 364	0.10 202	0.10 121

test_sample1	0.24 183	0.13 91	0.40 52	0.20 47	0.13 97	0.29 220	0.19 158	0.43 194	0.30 123	0.27 120	0.34 178	0.31 218	0.28 260	0.45 244	0.27 246	0.09 167	0.16 319	0.08 82	0.08 125	0.09 151	0.22 327

MyStereo05	0.24 183	0.15 155	0.58 251	0.22 115	0.14 133	0.25 165	0.22 242	0.50 263	0.54 356	0.32 216	0.23 79	0.26 160	0.23 187	0.32 176	0.25 224	0.07 19	0.12 251	0.09 149	0.09 198	0.09 151	0.11 155

MyStereo04	0.24 183	0.15 155	0.58 251	0.22 115	0.16 221	0.25 165	0.22 242	0.51 273	0.54 356	0.29 154	0.23 79	0.27 165	0.23 187	0.32 176	0.25 224	0.07 19	0.13 267	0.09 149	0.09 198	0.09 151	0.11 155

CoDeX	0.24 183	0.13 91	0.48 114	0.22 115	0.14 133	0.29 220	0.21 212	0.55 316	0.42 255	0.29 154	0.36 201	0.28 178	0.23 187	0.48 251	0.20 150	0.09 167	0.06 37	0.08 82	0.07 60	0.08 83	0.08 45

DCRE	0.24 183	0.15 155	0.45 83	0.26 271	0.26 382	0.23 132	0.21 212	0.37 129	0.29 109	0.23 83	0.81 410	0.23 114	0.16 93	0.24 75	0.18 108	0.07 19	0.14 281	0.07 20	0.08 125	0.07 40	0.25 358

riskmin	0.24 183	0.10 15	0.43 72	0.32 370	0.26 382	0.33 276	0.19 158	0.44 213	0.30 123	0.24 89	0.27 109	0.37 266	0.25 217	0.30 160	0.22 186	0.09 167	0.18 347	0.09 149	0.13 339	0.10 202	0.27 372

qqq	0.24 183	0.16 178	0.46 95	0.20 47	0.15 189	0.23 132	0.20 189	0.43 194	0.32 140	0.26 110	0.31 144	0.28 178	0.25 217	0.36 210	0.28 253	0.08 105	0.22 375	0.10 218	0.11 273	0.09 151	0.23 335

BUS	0.24 183	0.13 91	0.36 36	0.25 236	0.14 133	0.44 353	0.17 79	0.59 355	0.36 187	0.34 245	0.35 186	0.31 218	0.22 176	0.27 111	0.22 186	0.10 226	0.07 100	0.11 269	0.10 244	0.09 151	0.10 121

IER	0.24 183	0.15 155	0.50 155	0.21 73	0.15 189	0.31 253	0.20 189	0.44 213	0.38 210	0.34 245	0.41 254	0.32 229	0.34 317	0.31 171	0.23 202	0.09 167	0.07 100	0.08 82	0.08 125	0.09 151	0.09 74

BSDual-CNN	0.24 183	0.13 91	0.36 36	0.25 236	0.14 133	0.35 304	0.22 242	0.59 355	0.36 187	0.34 245	0.35 186	0.38 272	0.25 217	0.27 111	0.28 253	0.10 226	0.07 100	0.11 269	0.10 244	0.09 151	0.10 121

Sa-1000	0.24 183	0.20 249	0.53 201	0.23 162	0.14 133	0.30 233	0.23 269	0.50 263	0.41 243	0.30 176	0.50 329	0.26 160	0.19 155	0.33 185	0.16 66	0.08 105	0.10 210	0.10 218	0.11 273	0.08 83	0.08 45

SA	0.24 183	0.22 274	0.55 218	0.23 162	0.14 133	0.25 165	0.23 269	0.48 247	0.42 255	0.28 130	0.44 284	0.23 114	0.23 187	0.34 199	0.17 84	0.07 19	0.09 185	0.11 269	0.11 273	0.08 83	0.09 74

psmg	0.24 183	0.13 91	0.36 36	0.21 73	0.14 133	0.35 304	0.23 269	0.54 300	0.36 187	0.36 273	0.38 219	0.38 272	0.25 217	0.27 111	0.28 253	0.10 226	0.08 150	0.10 218	0.10 244	0.09 151	0.09 74

UDGNet	0.24 183	0.37 380	0.53 201	0.25 236	0.14 133	0.24 152	0.18 123	0.32 80	0.44 276	0.29 154	0.28 114	0.24 130	0.20 160	0.30 160	0.21 170	0.16 358	0.07 100	0.21 396	0.11 273	0.16 339	0.11 155

TransformOpticalFlow	0.24 183	0.14 131	0.57 236	0.24 205	0.11 28	0.21 90	0.19 158	0.43 194	0.34 165	0.30 176	0.43 274	0.36 262	0.31 297	0.61 310	0.20 150	0.07 19	0.05 3	0.08 82	0.07 60	0.06 3	0.08 45

OMP-Stereo	0.24 183	0.16 178	0.48 114	0.30 352	0.13 97	0.21 90	0.16 58	0.38 140	0.35 174	0.34 245	0.30 133	0.33 236	0.20 160	0.70 347	0.24 210	0.08 105	0.06 37	0.09 149	0.07 60	0.08 83	0.07 14

IIG-Stereo	0.24 183	0.16 178	0.47 100	0.29 343	0.12 55	0.23 132	0.14 20	0.40 166	0.33 154	0.35 262	0.37 212	0.33 236	0.22 176	0.70 347	0.26 235	0.08 105	0.06 37	0.09 149	0.07 60	0.08 83	0.07 14

PFNet	0.24 183	0.11 34	0.63 279	0.25 236	0.14 133	0.22 114	0.19 158	0.40 166	0.35 174	0.36 273	0.32 153	0.27 165	0.20 160	0.63 321	0.23 202	0.09 167	0.05 3	0.09 149	0.08 125	0.08 83	0.08 45

RAFT	0.24 183	0.24 297	0.46 95	0.27 305	0.15 189	0.26 180	0.26 316	0.37 129	0.31 131	0.34 245	0.34 178	0.41 295	0.22 176	0.30 160	0.18 108	0.08 105	0.15 308	0.11 269	0.10 244	0.11 254	0.13 213

ICVP	0.24 183	0.13 91	0.45 83	0.26 271	0.14 133	0.30 233	0.25 305	0.47 237	0.35 174	0.29 154	0.43 274	0.35 257	0.25 217	0.28 130	0.25 224	0.12 295	0.09 185	0.09 149	0.09 198	0.09 151	0.11 155
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
Anonymous3	0.24 183	0.19 236	0.76 324	0.27 305	0.18 275	0.41 339	0.24 292	0.45 220	0.36 187	0.23 83	0.27 109	0.20 83	0.18 136	0.28 130	0.19 133	0.12 295	0.11 235	0.10 218	0.10 244	0.11 254	0.13 213

ACVNet	0.24 183	0.18 224	0.51 169	0.18 10	0.15 189	0.27 186	0.23 269	0.40 166	0.45 287	0.29 154	0.41 254	0.38 272	0.28 260	0.28 130	0.35 301	0.09 167	0.07 100	0.08 82	0.07 60	0.10 202	0.09 74

DMCA	0.24 183	0.18 224	0.51 169	0.23 162	0.14 133	0.27 186	0.20 189	0.45 220	0.40 236	0.32 216	0.33 170	0.33 236	0.25 217	0.27 111	0.30 268	0.11 260	0.08 150	0.10 218	0.08 125	0.11 254	0.12 193

DN-CSS_ROB	0.24 183	0.33 358	0.69 299	0.25 236	0.14 133	0.26 180	0.13 8	0.42 187	0.35 174	0.30 176	0.42 261	0.22 101	0.20 160	0.34 199	0.22 186	0.07 19	0.06 37	0.11 269	0.11 273	0.11 254	0.09 74

rvit_stereo_0075_2	0.25 208	0.18 224	0.65 285	0.27 305	0.22 346	0.22 114	0.15 35	0.41 184	0.36 187	0.27 120	0.37 212	0.29 191	0.21 170	0.29 149	0.20 150	0.17 372	0.12 251	0.19 388	0.12 311	0.14 323	0.14 235

test_sample3	0.25 208	0.14 131	0.52 190	0.20 47	0.12 55	0.33 276	0.20 189	0.53 288	0.38 210	0.32 216	0.35 186	0.29 191	0.24 206	0.54 276	0.25 224	0.10 226	0.14 281	0.09 149	0.09 198	0.11 254	0.15 248

MyStereo8	0.25 208	0.20 249	0.69 299	0.24 205	0.17 249	0.31 253	0.16 58	0.50 263	0.32 140	0.29 154	0.38 219	0.25 141	0.19 155	0.33 185	0.29 266	0.08 105	0.20 360	0.08 82	0.08 125	0.10 202	0.16 259

mmm	0.25 208	0.15 155	0.44 80	0.23 162	0.20 318	0.28 201	0.21 212	0.43 194	0.32 140	0.31 191	0.40 243	0.30 208	0.24 206	0.31 171	0.28 253	0.09 167	0.21 365	0.11 269	0.12 311	0.10 202	0.26 369

GMStereo_Zeroshot	0.25 208	0.22 274	0.51 169	0.27 305	0.14 133	0.28 201	0.15 35	0.40 166	0.36 187	0.37 288	0.43 274	0.40 289	0.17 108	0.35 206	0.21 170	0.12 295	0.07 100	0.13 324	0.07 60	0.17 351	0.10 121

CFNet_ucs	0.25 208	0.14 131	0.51 169	0.20 47	0.15 189	0.29 220	0.18 123	0.51 273	0.46 297	0.32 216	0.42 261	0.38 272	0.23 187	0.31 171	0.22 186	0.11 260	0.08 150	0.12 300	0.09 198	0.13 302	0.13 213

gwcnet-sp	0.25 208	0.16 178	0.70 305	0.23 162	0.14 133	0.34 291	0.22 242	0.46 227	0.41 243	0.37 288	0.35 186	0.27 165	0.27 240	0.36 210	0.26 235	0.09 167	0.08 150	0.09 149	0.09 198	0.10 202	0.10 121

scenet	0.25 208	0.16 178	0.70 305	0.23 162	0.14 133	0.34 291	0.22 242	0.46 227	0.41 243	0.37 288	0.35 186	0.27 165	0.27 240	0.36 210	0.26 235	0.09 167	0.08 150	0.09 149	0.09 198	0.10 202	0.10 121

ssnet	0.25 208	0.16 178	0.70 305	0.23 162	0.14 133	0.34 291	0.22 242	0.46 227	0.41 243	0.37 288	0.35 186	0.27 165	0.27 240	0.36 210	0.26 235	0.09 167	0.08 150	0.09 149	0.09 198	0.10 202	0.10 121

raft_robust	0.25 208	0.23 287	0.44 80	0.22 115	0.13 97	0.23 132	0.22 242	0.52 278	0.50 333	0.33 227	0.32 153	0.33 236	0.23 187	0.55 281	0.18 108	0.07 19	0.11 235	0.08 82	0.10 244	0.08 83	0.07 14

test_5	0.25 208	0.25 312	0.57 236	0.27 305	0.18 275	0.25 165	0.29 340	0.42 187	0.39 226	0.29 154	0.40 243	0.27 165	0.23 187	0.35 206	0.19 133	0.07 19	0.07 100	0.09 149	0.09 198	0.10 202	0.14 235

iRaft-Stereo_5w	0.25 208	0.24 297	0.50 155	0.23 162	0.18 275	0.19 41	0.19 158	0.39 157	0.35 174	0.28 130	0.36 201	0.34 243	0.23 187	0.66 336	0.28 253	0.07 19	0.07 100	0.08 82	0.07 60	0.09 151	0.14 235

STrans-v2	0.25 208	0.14 131	0.56 228	0.21 73	0.12 55	0.23 132	0.20 189	0.50 263	0.31 131	0.31 191	0.42 261	0.35 257	0.35 324	0.62 318	0.24 210	0.07 19	0.05 3	0.08 82	0.07 60	0.06 3	0.08 45

DRaft	0.25 208	0.11 34	0.47 100	0.18 10	0.12 55	0.28 201	0.23 269	0.34 102	0.40 236	0.38 296	0.60 372	0.20 83	0.41 354	0.48 251	0.41 324	0.07 19	0.06 37	0.08 82	0.08 125	0.07 40	0.08 45

XX-Stereo	0.25 208	0.11 34	1.09 398	0.35 392	0.38 419	0.23 132	0.13 8	0.43 194	0.19 6	0.20 53	0.40 243	0.31 218	0.10 9	0.33 185	0.13 10	0.08 105	0.11 235	0.08 82	0.09 198	0.07 40	0.10 121

HCRNet	0.25 208	0.27 328	0.42 67	0.34 386	0.17 249	0.27 186	0.18 123	0.45 220	0.37 202	0.31 191	0.35 186	0.32 229	0.23 187	0.44 238	0.21 170	0.13 314	0.08 150	0.13 324	0.11 273	0.11 254	0.09 74

BEATNet_4x	0.25 208	0.25 312	0.66 290	0.23 162	0.10 20	0.29 220	0.14 20	0.49 255	0.34 165	0.31 191	0.35 186	0.32 229	0.26 234	0.34 199	0.33 291	0.08 105	0.06 37	0.08 82	0.07 60	0.11 254	0.13 213

UCFNet_RVC	0.25 208	0.21 256	0.49 134	0.19 21	0.15 189	0.34 291	0.18 123	0.47 237	0.36 187	0.30 176	0.35 186	0.40 289	0.26 234	0.35 206	0.24 210	0.13 314	0.08 150	0.13 324	0.14 355	0.13 302	0.13 213

AdaStereo	0.25 208	0.17 203	0.47 100	0.25 236	0.13 97	0.33 276	0.17 79	0.57 334	0.43 266	0.34 245	0.38 219	0.35 257	0.21 170	0.32 176	0.24 210	0.14 335	0.06 37	0.13 324	0.09 198	0.11 254	0.09 74
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.
MLCV	0.25 208	0.23 287	0.59 258	0.22 115	0.09 7	0.30 233	0.18 123	0.40 166	0.38 210	0.38 296	0.44 284	0.31 218	0.22 176	0.44 238	0.32 283	0.07 19	0.05 3	0.07 20	0.06 29	0.07 40	0.08 45

iResNet	0.25 208	0.22 274	0.62 274	0.26 271	0.11 28	0.31 253	0.23 269	0.46 227	0.45 287	0.34 245	0.43 274	0.27 165	0.23 187	0.36 210	0.37 311	0.08 105	0.05 3	0.07 20	0.06 29	0.08 83	0.10 121

UGAM-zero	0.26 229	0.11 34	0.56 228	0.20 47	0.16 221	0.28 201	0.18 123	0.48 247	0.25 60	0.31 191	0.28 114	0.56 371	0.32 308	0.66 336	0.17 84	0.07 19	0.10 210	0.07 20	0.09 198	0.07 40	0.31 390

AIO-Stereo-zeroshot	0.26 229	0.15 155	0.96 380	0.21 73	0.25 378	0.30 233	0.21 212	0.54 300	0.28 93	0.25 100	0.29 121	0.46 330	0.23 187	0.28 130	0.20 150	0.08 105	0.10 210	0.08 82	0.12 311	0.11 254	0.17 275

test_sample5	0.26 229	0.14 131	0.51 169	0.21 73	0.12 55	0.31 253	0.21 212	0.53 288	0.38 210	0.33 227	0.43 274	0.29 191	0.25 217	0.56 286	0.24 210	0.10 226	0.14 281	0.10 218	0.10 244	0.11 254	0.16 259

test_sample4	0.26 229	0.14 131	0.53 201	0.21 73	0.12 55	0.32 269	0.21 212	0.53 288	0.38 210	0.33 227	0.38 219	0.28 178	0.25 217	0.54 276	0.25 224	0.10 226	0.14 281	0.10 218	0.09 198	0.11 254	0.16 259

qqq1	0.26 229	0.13 91	0.47 100	0.20 47	0.10 20	0.28 201	0.19 158	0.54 300	0.48 315	0.35 262	0.42 261	0.31 218	0.27 240	0.60 304	0.21 170	0.10 226	0.16 319	0.07 20	0.07 60	0.08 83	0.13 213

fff1	0.26 229	0.13 91	0.47 100	0.20 47	0.10 20	0.28 201	0.19 158	0.54 300	0.48 315	0.35 262	0.42 261	0.31 218	0.27 240	0.60 304	0.21 170	0.10 226	0.16 319	0.07 20	0.07 60	0.08 83	0.13 213

DualNet	0.26 229	0.14 131	0.51 169	0.21 73	0.12 55	0.31 253	0.21 212	0.53 288	0.38 210	0.34 245	0.44 284	0.29 191	0.25 217	0.56 286	0.24 210	0.10 226	0.14 281	0.10 218	0.10 244	0.11 254	0.16 259

anonymousa	0.26 229	0.13 91	0.56 228	0.29 343	0.30 400	0.31 253	0.20 189	0.38 140	0.36 187	0.33 227	0.51 332	0.41 295	0.27 240	0.25 85	0.24 210	0.08 105	0.18 347	0.09 149	0.18 389	0.08 83	0.17 275

hknet	0.26 229	0.15 155	0.49 134	0.25 236	0.16 221	0.35 304	0.22 242	0.59 355	0.40 236	0.34 245	0.35 186	0.43 312	0.28 260	0.38 221	0.26 235	0.09 167	0.07 100	0.11 269	0.10 244	0.09 151	0.10 121

PSMNet-ADL	0.26 229	0.16 178	0.39 47	0.27 305	0.14 133	0.32 269	0.22 242	0.45 220	0.37 202	0.28 130	0.34 178	0.41 295	0.28 260	0.61 310	0.32 283	0.11 260	0.10 210	0.09 149	0.11 273	0.10 202	0.13 213

PSM-AAD	0.26 229	0.11 34	0.43 72	0.24 205	0.12 55	0.27 186	0.37 380	0.36 117	0.30 123	0.36 273	0.39 234	0.28 178	0.77 420	0.30 160	0.16 66	0.07 19	0.06 37	0.12 300	0.11 273	0.09 151	0.21 316

DEmStereo	0.26 229	0.10 15	0.52 190	0.19 21	0.13 97	0.31 253	0.25 305	0.29 47	0.38 210	0.36 273	0.57 361	0.24 130	0.48 379	0.53 271	0.44 337	0.07 19	0.06 37	0.08 82	0.08 125	0.07 40	0.08 45

GrayStereo	0.26 229	0.10 15	0.45 83	0.27 305	0.14 133	0.23 132	0.46 408	0.36 117	0.33 154	0.40 319	0.47 317	0.30 208	0.78 421	0.29 149	0.17 84	0.07 19	0.06 37	0.08 82	0.09 198	0.07 40	0.15 248

RAFT-RH_RVC	0.26 229	0.13 91	0.57 236	0.22 115	0.12 55	0.25 165	0.14 20	0.27 28	0.29 109	0.38 296	1.14 430	0.23 114	0.18 136	0.58 292	0.24 210	0.07 19	0.06 37	0.10 218	0.07 60	0.06 3	0.08 45

ARAFT	0.26 229	0.30 344	0.87 358	0.22 115	0.12 55	0.30 233	0.24 292	0.46 227	0.34 165	0.33 227	0.28 114	0.29 191	0.20 160	0.49 253	0.19 133	0.08 105	0.06 37	0.12 300	0.11 273	0.09 151	0.09 74

acv_ft	0.26 229	0.18 224	0.56 228	0.24 205	0.19 300	0.34 291	0.21 212	0.47 237	0.45 287	0.39 310	0.41 254	0.38 272	0.28 260	0.28 130	0.36 305	0.09 167	0.07 100	0.08 82	0.07 60	0.11 254	0.09 74

cf-r	0.26 229	0.22 274	0.66 290	0.22 115	0.14 133	0.28 201	0.22 242	0.44 213	0.42 255	0.32 216	0.42 261	0.43 312	0.27 240	0.44 238	0.27 246	0.11 260	0.07 100	0.08 82	0.10 244	0.08 83	0.09 74

GANet-RSSM	0.26 229	0.19 236	0.54 212	0.21 73	0.14 133	0.27 186	0.22 242	0.47 237	0.34 165	0.30 176	0.40 243	0.41 295	0.30 284	0.59 299	0.25 224	0.11 260	0.08 150	0.09 149	0.09 198	0.10 202	0.10 121

PSMNet-RSSM	0.26 229	0.21 256	0.50 155	0.21 73	0.14 133	0.25 165	0.21 212	0.50 263	0.38 210	0.31 191	0.45 298	0.40 289	0.27 240	0.53 271	0.24 210	0.12 295	0.08 150	0.11 269	0.13 339	0.10 202	0.10 121

CFNet-ft	0.26 229	0.21 256	0.51 169	0.19 21	0.16 221	0.31 253	0.21 212	0.40 166	0.37 202	0.29 154	0.40 243	0.46 330	0.27 240	0.49 253	0.28 253	0.12 295	0.07 100	0.12 300	0.11 273	0.12 289	0.11 155

CFNet_RVC	0.26 229	0.21 256	0.51 169	0.19 21	0.16 221	0.31 253	0.21 212	0.40 166	0.37 202	0.29 154	0.40 243	0.46 330	0.27 240	0.49 253	0.28 253	0.12 295	0.07 100	0.12 300	0.11 273	0.12 289	0.11 155

test_sample6	0.27 250	0.15 155	0.50 155	0.22 115	0.12 55	0.30 233	0.22 242	0.54 300	0.39 226	0.34 245	0.44 284	0.29 191	0.25 217	0.58 292	0.26 235	0.11 260	0.14 281	0.10 218	0.10 244	0.11 254	0.16 259

SMFormer	0.27 250	0.13 91	0.47 100	0.20 47	0.10 20	0.28 201	0.19 158	0.54 300	0.48 315	0.35 262	0.42 261	0.31 218	0.27 240	0.60 304	0.34 295	0.10 226	0.16 319	0.08 82	0.09 198	0.10 202	0.16 259

tta	0.27 250	0.13 91	0.47 100	0.20 47	0.10 20	0.28 201	0.19 158	0.54 300	0.48 315	0.35 262	0.42 261	0.31 218	0.27 240	0.60 304	0.34 295	0.10 226	0.16 319	0.08 82	0.09 198	0.08 83	0.13 213

ffm	0.27 250	0.17 203	0.84 350	0.21 73	0.13 97	0.29 220	0.21 212	0.38 140	0.46 297	0.31 191	0.44 284	0.34 243	0.24 206	0.28 130	0.12 2	0.08 105	0.28 410	0.12 300	0.11 273	0.08 83	0.37 412

NINENet	0.27 250	0.16 178	0.49 134	0.23 162	0.16 221	0.44 353	0.17 79	0.63 383	0.49 328	0.33 227	0.38 219	0.31 218	0.22 176	0.43 235	0.22 186	0.11 260	0.10 210	0.12 300	0.08 125	0.12 289	0.11 155

SepStereo	0.27 250	0.13 91	0.49 134	0.24 205	0.18 275	0.30 233	0.24 292	0.48 247	0.48 315	0.42 333	0.45 298	0.34 243	0.31 297	0.64 326	0.24 210	0.09 167	0.07 100	0.09 149	0.07 60	0.10 202	0.11 155

UPFNet	0.27 250	0.15 155	0.47 100	0.25 236	0.20 318	0.37 319	0.27 322	0.50 263	0.40 236	0.36 273	0.38 219	0.37 266	0.29 278	0.40 225	0.34 295	0.10 226	0.10 210	0.10 218	0.10 244	0.10 202	0.08 45

iResNet_ROB	0.27 250	0.27 328	0.48 114	0.21 73	0.12 55	0.32 269	0.17 79	0.57 334	0.55 364	0.39 310	0.44 284	0.37 266	0.28 260	0.43 235	0.28 253	0.08 105	0.06 37	0.06 1	0.05 9	0.09 151	0.11 155

rvit_105_1	0.28 258	0.24 297	0.65 285	0.27 305	0.19 300	0.31 253	0.35 372	0.46 227	0.53 351	0.31 191	0.32 153	0.32 229	0.27 240	0.36 210	0.26 235	0.16 358	0.14 281	0.15 360	0.17 384	0.11 254	0.11 155

UGAM	0.28 258	0.18 224	0.57 236	0.26 271	0.13 97	0.23 132	0.26 316	0.33 95	0.45 287	0.32 216	0.42 261	0.45 323	0.22 176	0.92 409	0.23 202	0.08 105	0.09 185	0.14 344	0.13 339	0.10 202	0.10 121

AIO-Stereo-zeroshot1	0.28 258	0.17 203	0.96 380	0.29 343	0.31 405	0.29 220	0.21 212	0.53 288	0.28 93	0.27 120	0.55 353	0.41 295	0.18 136	0.30 160	0.22 186	0.08 105	0.10 210	0.08 82	0.13 339	0.12 289	0.20 307

test_sample7	0.28 258	0.16 178	0.47 100	0.21 73	0.14 133	0.29 220	0.22 242	0.54 300	0.43 266	0.38 296	0.36 201	0.38 272	0.32 308	0.41 228	0.26 235	0.14 335	0.21 365	0.13 324	0.12 311	0.13 302	0.25 358

CBFPSM	0.28 258	0.23 287	0.76 324	0.21 73	0.14 133	0.38 325	0.26 316	0.42 187	0.37 202	0.34 245	0.36 201	0.55 367	0.38 339	0.33 185	0.40 319	0.08 105	0.08 150	0.07 20	0.08 125	0.09 151	0.12 193

ToySt	0.28 258	0.19 236	0.68 298	0.22 115	0.19 300	0.31 253	0.31 355	0.43 194	0.43 266	0.28 130	0.38 219	0.42 306	0.32 308	0.33 185	0.32 283	0.08 105	0.14 281	0.10 218	0.12 311	0.11 254	0.24 347

CSP-Net	0.28 258	0.17 203	0.41 58	0.22 115	0.14 133	0.44 353	0.24 292	0.52 278	0.42 255	0.42 333	0.44 284	0.42 306	0.27 240	0.66 336	0.30 268	0.12 295	0.09 185	0.08 82	0.08 125	0.10 202	0.10 121

DAS	0.28 258	0.13 91	0.49 134	0.24 205	0.18 275	0.30 233	0.24 292	0.48 247	0.48 315	0.42 333	0.45 298	0.34 243	0.31 297	0.76 371	0.24 210	0.09 167	0.07 100	0.09 149	0.07 60	0.10 202	0.11 155

AACVNet	0.28 258	0.22 274	0.55 218	0.23 162	0.14 133	0.30 233	0.19 158	0.43 194	0.33 154	0.39 310	0.42 261	0.44 318	0.29 278	0.73 356	0.28 253	0.11 260	0.09 185	0.11 269	0.09 198	0.13 302	0.12 193

FTStereo	0.28 258	0.11 34	0.56 228	0.24 205	0.13 97	0.21 90	0.52 420	0.36 117	0.28 93	0.38 296	0.94 422	0.30 208	0.56 397	0.33 185	0.18 108	0.08 105	0.06 37	0.09 149	0.08 125	0.08 83	0.19 293

LMCR-Stereo	0.28 258	0.22 274	0.56 228	0.29 343	0.14 133	0.37 319	0.23 269	0.57 334	0.36 187	0.40 319	0.40 243	0.29 191	0.30 284	0.41 228	0.38 313	0.11 260	0.07 100	0.09 149	0.07 60	0.13 302	0.10 121

MMNet	0.28 258	0.19 236	0.54 212	0.24 205	0.17 249	0.47 369	0.22 242	0.47 237	0.53 351	0.40 319	0.43 274	0.36 262	0.34 317	0.40 225	0.35 301	0.08 105	0.08 150	0.09 149	0.09 198	0.10 202	0.09 74

UNet	0.28 258	0.16 178	0.70 305	0.24 205	0.20 318	0.44 353	0.21 212	0.52 278	0.42 255	0.36 273	0.40 243	0.43 312	0.33 316	0.41 228	0.32 283	0.09 167	0.07 100	0.10 218	0.09 198	0.10 202	0.09 74

ac_64	0.28 258	0.16 178	0.62 274	0.25 236	0.17 249	0.36 311	0.22 242	0.48 247	0.35 174	0.36 273	0.37 212	0.51 355	0.30 284	0.62 318	0.34 295	0.11 260	0.09 185	0.10 218	0.10 244	0.09 151	0.09 74

GwcNet-RSSM	0.28 258	0.25 312	0.61 271	0.22 115	0.14 133	0.28 201	0.24 292	0.46 227	0.44 276	0.33 227	0.46 310	0.41 295	0.28 260	0.55 281	0.31 277	0.11 260	0.07 100	0.09 149	0.10 244	0.10 202	0.09 74

HSM-Net_RVC	0.28 258	0.12 69	0.48 114	0.19 21	0.11 28	0.35 304	0.21 212	0.64 389	0.44 276	0.40 319	0.43 274	0.50 352	0.27 240	0.75 365	0.25 224	0.08 105	0.07 100	0.08 82	0.07 60	0.08 83	0.09 74
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
DeepPruner_ROB	0.28 258	0.25 312	0.64 282	0.22 115	0.16 221	0.30 233	0.21 212	0.54 300	0.33 154	0.36 273	0.38 219	0.38 272	0.26 234	0.45 244	0.28 253	0.15 348	0.11 235	0.11 269	0.11 273	0.14 323	0.14 235

StereoDRNet-Refined	0.28 258	0.19 236	0.47 100	0.25 236	0.14 133	0.36 311	0.21 212	0.49 255	0.43 266	0.46 361	0.52 338	0.42 306	0.30 284	0.46 246	0.38 313	0.10 226	0.07 100	0.11 269	0.11 273	0.10 202	0.11 155
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DispNO	0.29 276	0.24 297	0.83 346	0.23 162	0.17 249	0.25 165	0.22 242	0.47 237	0.42 255	0.33 227	0.39 234	0.38 272	0.28 260	0.78 375	0.35 301	0.09 167	0.07 100	0.10 218	0.10 244	0.09 151	0.09 74

CRFU-Net	0.29 276	0.14 131	0.48 114	0.26 271	0.15 189	0.46 363	0.22 242	0.52 278	0.32 140	0.44 349	0.42 261	0.48 342	0.47 375	0.44 238	0.31 277	0.12 295	0.10 210	0.09 149	0.08 125	0.10 202	0.11 155

iRaft-Stereo_20w	0.29 276	0.11 34	0.86 356	0.33 381	0.24 367	0.32 269	0.26 316	0.60 364	0.26 69	0.41 329	0.21 65	0.28 178	0.19 155	0.32 176	0.24 210	0.07 19	0.31 426	0.07 20	0.09 198	0.08 83	0.47 430

AASNet	0.29 276	0.27 328	0.67 293	0.26 271	0.18 275	0.34 291	0.21 212	0.64 389	0.49 328	0.36 273	0.41 254	0.32 229	0.26 234	0.33 185	0.39 317	0.12 295	0.09 185	0.10 218	0.08 125	0.14 323	0.12 193

GEStereo_RVC	0.29 276	0.24 297	0.60 265	0.27 305	0.16 221	0.33 276	0.25 305	0.58 347	0.56 368	0.35 262	0.38 219	0.34 243	0.25 217	0.51 263	0.29 266	0.12 295	0.08 150	0.09 149	0.08 125	0.11 254	0.13 213

EAI-Stereo	0.29 276	0.11 34	0.38 42	0.22 115	0.18 275	0.33 276	1.66 463	0.53 288	0.27 84	0.27 120	0.50 329	0.17 54	0.16 93	0.25 85	0.25 224	0.07 19	0.07 100	0.07 20	0.11 273	0.07 40	0.10 121

delet	0.29 276	0.18 224	0.58 251	0.24 205	0.19 300	0.41 339	0.30 346	0.52 278	0.51 339	0.35 262	0.42 261	0.37 266	0.31 297	0.49 253	0.36 305	0.10 226	0.09 185	0.11 269	0.12 311	0.09 151	0.09 74

HGLStereo	0.29 276	0.19 236	0.60 265	0.24 205	0.21 331	0.33 276	0.23 269	0.52 278	0.44 276	0.36 273	0.49 327	0.41 295	0.35 324	0.46 246	0.34 295	0.11 260	0.11 235	0.09 149	0.09 198	0.11 254	0.12 193

DSFCA	0.29 276	0.18 224	0.48 114	0.21 73	0.17 249	0.39 329	0.32 361	0.49 255	0.44 276	0.44 349	0.38 219	0.40 289	0.30 284	0.53 271	0.38 313	0.12 295	0.10 210	0.10 218	0.11 273	0.11 254	0.11 155

CFNet	0.29 276	0.29 338	0.57 236	0.23 162	0.14 133	0.34 291	0.15 35	0.53 288	0.46 297	0.31 191	0.40 243	0.38 272	0.27 240	0.76 371	0.28 253	0.10 226	0.07 100	0.11 269	0.11 273	0.11 254	0.09 74

NLCA_NET_v2_RVC	0.29 276	0.24 297	0.81 339	0.26 271	0.18 275	0.30 233	0.22 242	0.52 278	0.41 243	0.38 296	0.42 261	0.42 306	0.28 260	0.46 246	0.31 277	0.11 260	0.08 150	0.10 218	0.11 273	0.10 202	0.12 193
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
iResNetv2_ROB	0.29 276	0.37 380	0.92 371	0.24 205	0.13 97	0.30 233	0.19 158	0.55 316	0.51 339	0.39 310	0.46 310	0.39 286	0.27 240	0.36 210	0.30 268	0.09 167	0.06 37	0.07 20	0.05 9	0.13 302	0.11 155

HSM	0.29 276	0.18 224	0.48 114	0.21 73	0.15 189	0.33 276	0.20 189	0.55 316	0.39 226	0.36 273	0.39 234	0.67 407	0.32 308	0.88 397	0.24 210	0.09 167	0.07 100	0.08 82	0.07 60	0.09 151	0.10 121

ssnet_v2	0.30 289	0.21 256	0.63 279	0.23 162	0.15 189	0.40 335	0.30 346	0.59 355	0.48 315	0.40 319	0.37 212	0.46 330	0.30 284	0.41 228	0.44 337	0.13 314	0.11 235	0.11 269	0.11 273	0.12 289	0.11 155

dad	0.30 289	0.38 386	0.60 265	0.22 115	0.14 133	0.32 269	0.21 212	0.35 111	0.51 339	0.45 356	0.45 298	0.46 330	0.23 187	0.41 228	0.27 246	0.21 395	0.11 235	0.20 393	0.11 273	0.15 331	0.11 155

THIR-Stereo	0.30 289	0.15 155	0.46 95	0.19 21	0.11 28	0.28 201	0.70 434	0.33 95	0.36 187	0.37 288	0.64 384	0.33 236	0.49 383	0.58 292	0.44 337	0.08 105	0.06 37	0.08 82	0.09 198	0.07 40	0.08 45

ADLNet	0.30 289	0.19 236	0.59 258	0.23 162	0.19 300	0.34 291	0.23 269	0.56 325	0.44 276	0.43 343	0.41 254	0.43 312	0.28 260	0.56 286	0.36 305	0.11 260	0.08 150	0.11 269	0.11 273	0.11 254	0.15 248

RAFT + AFF	0.30 289	0.33 358	0.76 324	0.25 236	0.17 249	0.30 233	0.33 366	0.55 316	0.42 255	0.28 130	0.30 133	0.31 218	0.31 297	0.64 326	0.32 283	0.09 167	0.11 235	0.11 269	0.10 244	0.12 289	0.16 259

psm_up	0.30 289	0.21 256	0.58 251	0.26 271	0.18 275	0.32 269	0.27 322	0.57 334	0.45 287	0.38 296	0.41 254	0.45 323	0.40 349	0.59 299	0.32 283	0.11 260	0.12 251	0.13 324	0.12 311	0.11 254	0.11 155

DMCA-RVC	0.30 289	0.27 328	0.93 375	0.28 330	0.17 249	0.30 233	0.21 212	0.43 194	0.36 187	0.40 319	0.38 219	0.39 286	0.36 329	0.44 238	0.34 295	0.13 314	0.10 210	0.16 366	0.12 311	0.13 302	0.11 155

STTStereo	0.30 289	0.24 297	0.83 346	0.25 236	0.17 249	0.30 233	0.24 292	0.49 255	0.39 226	0.39 310	0.41 254	0.44 318	0.28 260	0.41 228	0.30 268	0.13 314	0.13 267	0.13 324	0.16 374	0.12 289	0.12 193

RASNet	0.30 289	0.19 236	0.59 258	0.23 162	0.19 300	0.33 276	0.20 189	0.50 263	0.41 243	0.31 191	0.44 284	0.47 338	0.38 339	0.79 379	0.40 319	0.09 167	0.07 100	0.07 20	0.09 198	0.08 83	0.10 121

DLCB_ROB	0.30 289	0.20 249	0.45 83	0.28 330	0.17 249	0.37 319	0.25 305	0.50 263	0.45 287	0.46 361	0.47 317	0.51 355	0.34 317	0.56 286	0.38 313	0.10 226	0.10 210	0.11 269	0.11 273	0.10 202	0.11 155

DualNet (step1)	0.31 299	0.21 256	0.69 299	0.18 10	0.17 249	0.36 311	0.21 212	0.54 300	0.43 266	0.38 296	0.36 201	0.38 272	0.32 308	0.41 228	0.26 235	0.24 401	0.21 365	0.28 414	0.24 411	0.18 366	0.21 316

iinet-f	0.31 299	0.23 287	1.16 406	0.20 47	0.16 221	0.44 353	0.23 269	0.47 237	0.38 210	0.36 273	0.44 284	0.41 295	0.35 324	0.36 210	0.43 330	0.10 226	0.09 185	0.08 82	0.08 125	0.13 302	0.12 193

ADLNet2	0.31 299	0.23 287	0.77 330	0.23 162	0.18 275	0.36 311	0.24 292	0.55 316	0.54 356	0.33 227	0.38 219	0.45 323	0.31 297	0.70 347	0.36 305	0.10 226	0.08 150	0.09 149	0.09 198	0.12 289	0.11 155

hitnet-ft	0.31 299	0.21 256	0.56 228	0.19 21	0.14 133	0.40 335	0.23 269	0.46 227	0.42 255	0.37 288	0.46 310	0.53 364	0.35 324	0.76 371	0.35 301	0.14 335	0.10 210	0.14 344	0.10 244	0.15 331	0.14 235

FADNet-RVC-Resample	0.31 299	0.32 354	1.16 406	0.27 305	0.17 249	0.33 276	0.21 212	0.49 255	0.40 236	0.36 273	0.38 219	0.34 243	0.27 240	0.54 276	0.27 246	0.10 226	0.10 210	0.14 344	0.13 339	0.13 302	0.18 278

FADNet_RVC	0.31 299	0.35 371	0.98 384	0.24 205	0.16 221	0.30 233	0.17 79	0.52 278	0.39 226	0.30 176	0.38 219	0.30 208	0.29 278	0.54 276	0.33 291	0.14 335	0.14 281	0.14 344	0.16 374	0.21 386	0.24 347

LL-Strereo	0.32 305	0.33 358	0.77 330	0.26 271	0.24 367	0.22 114	0.23 269	0.58 347	0.44 276	0.35 262	0.32 153	0.41 295	0.40 349	0.93 411	0.25 224	0.08 105	0.13 267	0.11 269	0.09 198	0.09 151	0.22 327

SACVNet	0.32 305	0.25 312	0.59 258	0.26 271	0.19 300	0.35 304	0.25 305	0.54 300	0.41 243	0.43 343	0.45 298	0.46 330	0.34 317	0.71 352	0.30 268	0.14 335	0.10 210	0.12 300	0.12 311	0.16 339	0.20 307

CrosDoStereo	0.32 305	0.11 34	0.53 201	0.19 21	0.12 55	0.22 114	1.07 453	0.36 117	0.38 210	0.38 296	0.60 372	0.28 178	0.45 366	0.61 310	0.56 371	0.08 105	0.06 37	0.08 82	0.09 198	0.08 83	0.09 74

DeepStereo_LL	0.32 305	0.11 34	0.53 201	0.19 21	0.12 55	0.22 114	1.07 453	0.36 117	0.38 210	0.38 296	0.60 372	0.28 178	0.45 366	0.61 310	0.56 371	0.08 105	0.06 37	0.08 82	0.09 198	0.08 83	0.09 74

pcwnet_v2	0.32 305	0.16 178	1.22 417	0.23 162	0.19 300	0.32 269	0.19 158	0.61 371	0.61 382	0.37 288	0.45 298	0.35 257	0.29 278	0.37 219	0.26 235	0.14 335	0.11 235	0.12 300	0.11 273	0.14 323	0.18 278

TDLM	0.32 305	0.27 328	0.52 190	0.30 352	0.15 189	0.33 276	0.32 361	0.54 300	0.50 333	0.44 349	0.43 274	0.39 286	0.30 284	0.92 409	0.30 268	0.14 335	0.09 185	0.13 324	0.12 311	0.13 302	0.14 235

NVstereo2D	0.32 305	0.18 224	0.63 279	0.24 205	0.23 356	0.43 348	0.28 335	0.60 364	0.58 372	0.28 130	0.39 234	0.42 306	0.30 284	0.71 352	0.30 268	0.13 314	0.09 185	0.13 324	0.10 244	0.20 380	0.18 278

test_for_model	0.33 312	0.91 442	0.48 114	0.74 443	0.50 427	0.20 68	0.16 58	0.33 95	0.27 84	0.29 154	0.15 21	0.13 17	0.11 19	0.17 11	0.14 34	0.31 421	0.27 405	0.06 1	0.05 9	0.97 456	0.31 390

ttt	0.33 312	0.14 131	0.54 212	0.22 115	0.14 133	0.30 233	0.22 242	0.59 355	0.51 339	0.31 191	0.46 310	0.30 208	0.23 187	0.71 352	1.07 420	0.13 314	0.22 375	0.10 218	0.11 273	0.12 289	0.24 347

fast-acv-ft	0.33 312	0.26 322	0.88 364	0.25 236	0.18 275	0.49 378	0.27 322	0.44 213	0.50 333	0.40 319	0.55 353	0.49 348	0.36 329	0.39 224	0.41 324	0.11 260	0.11 235	0.11 269	0.12 311	0.13 302	0.11 155

Wz-Net-LNSev-Ref	0.33 312	0.25 312	0.82 342	0.22 115	0.17 249	0.46 363	0.28 335	0.53 288	0.53 351	0.43 343	0.57 361	0.44 318	0.31 297	0.50 257	0.48 348	0.10 226	0.06 37	0.08 82	0.06 29	0.11 254	0.12 193

AANet_RVC	0.33 312	0.31 347	0.69 299	0.23 162	0.14 133	0.30 233	0.23 269	0.49 255	0.55 364	0.39 310	0.60 372	0.43 312	0.30 284	0.88 397	0.54 367	0.11 260	0.08 150	0.07 20	0.07 60	0.10 202	0.12 193

PS-NSSS	0.33 312	0.36 377	0.61 271	0.24 205	0.18 275	0.33 276	0.24 292	0.59 355	0.42 255	0.38 296	0.52 338	0.36 262	0.31 297	0.80 382	0.32 283	0.18 383	0.14 281	0.21 396	0.15 364	0.17 351	0.14 235

DISCO	0.33 312	0.16 178	0.55 218	0.26 271	0.16 221	0.48 375	0.25 305	0.52 278	0.58 372	0.38 296	0.45 298	0.63 393	0.37 334	0.65 330	0.50 355	0.10 226	0.07 100	0.09 149	0.08 125	0.13 302	0.13 213

NOSS_ROB	0.33 312	0.24 297	0.49 134	0.27 305	0.16 221	0.34 291	0.19 158	0.55 316	0.50 333	0.34 245	0.37 212	0.42 306	0.30 284	0.93 411	0.25 224	0.19 392	0.20 360	0.24 405	0.22 405	0.17 351	0.25 358

HBP-ISP	0.34 320	0.35 371	0.76 324	0.23 162	0.17 249	0.33 276	0.22 242	0.56 325	0.47 309	0.42 333	0.49 327	0.33 236	0.41 354	0.73 356	0.27 246	0.18 383	0.19 351	0.24 405	0.20 396	0.16 339	0.16 259

AAGNet	0.34 320	0.12 69	0.53 201	0.26 271	0.16 221	0.20 68	0.19 158	0.31 74	0.29 109	0.35 262	0.35 186	0.27 165	0.30 284	0.44 238	2.56 461	0.08 105	0.05 3	0.10 218	0.07 60	0.09 151	0.07 14

FADNet-RVC	0.34 320	0.43 399	0.97 382	0.25 236	0.20 318	0.33 276	0.20 189	0.51 273	0.42 255	0.34 245	0.40 243	0.41 295	0.29 278	0.65 330	0.36 305	0.14 335	0.14 281	0.14 344	0.15 364	0.19 373	0.20 307

FADNet	0.34 320	0.43 399	0.88 364	0.24 205	0.22 346	0.37 319	0.19 158	0.56 325	0.49 328	0.32 216	0.36 201	0.43 312	0.32 308	0.65 330	0.30 268	0.17 372	0.16 319	0.14 344	0.16 374	0.25 400	0.21 316

CVANet_RVC	0.34 320	0.25 312	0.77 330	0.27 305	0.17 249	0.34 291	0.28 335	0.55 316	0.50 333	0.43 343	0.46 310	0.44 318	0.31 297	0.90 402	0.27 246	0.15 348	0.10 210	0.14 344	0.14 355	0.15 331	0.15 248

StereoDRNet	0.34 320	0.28 335	0.70 305	0.28 330	0.21 331	0.43 348	0.30 346	0.63 383	0.51 339	0.47 367	0.40 243	0.48 342	0.31 297	0.58 292	0.44 337	0.12 295	0.10 210	0.12 300	0.11 273	0.13 302	0.13 213

DRN-Test	0.35 326	0.20 249	0.75 320	0.28 330	0.19 300	0.46 363	0.29 340	0.68 406	0.54 356	0.49 374	0.47 317	0.44 318	0.35 324	0.63 321	0.44 337	0.13 314	0.09 185	0.13 324	0.12 311	0.13 302	0.13 213

XPNet_ROB	0.35 326	0.26 322	0.58 251	0.28 330	0.19 300	0.37 319	0.31 355	0.57 334	0.51 339	0.52 383	0.54 348	0.57 373	0.38 339	0.65 330	0.48 348	0.17 372	0.12 251	0.13 324	0.12 311	0.16 339	0.17 275

ff1	0.36 328	0.17 203	0.84 350	0.21 73	0.13 97	0.29 220	0.21 212	0.38 140	0.46 297	0.31 191	0.44 284	0.34 243	0.24 206	0.91 404	1.30 431	0.08 105	0.28 410	0.12 300	0.11 273	0.08 83	0.37 412

Wz-Net-LNSev	0.36 328	0.35 371	1.06 392	0.26 271	0.21 331	0.47 369	0.33 366	0.56 325	0.58 372	0.45 356	0.54 348	0.50 352	0.37 334	0.40 225	0.42 327	0.12 295	0.11 235	0.10 218	0.09 198	0.14 323	0.15 248

FAT-Stereo	0.36 328	0.19 236	0.75 320	0.26 271	0.18 275	0.34 291	0.30 346	0.62 379	0.61 382	0.47 367	0.61 380	0.59 379	0.50 384	0.61 310	0.36 305	0.13 314	0.14 281	0.13 324	0.12 311	0.14 323	0.20 307

CBMV_ROB	0.36 328	0.21 256	0.57 236	0.22 115	0.14 133	0.35 304	0.20 189	0.55 316	0.47 309	0.52 383	0.58 364	0.45 323	0.53 393	0.75 365	0.50 355	0.18 383	0.19 351	0.23 403	0.21 398	0.15 331	0.20 307

ETE_ROB	0.36 328	0.32 354	0.64 282	0.30 352	0.18 275	0.40 335	0.38 388	0.59 355	0.49 328	0.50 377	0.52 338	0.62 389	0.37 334	0.58 292	0.43 330	0.13 314	0.10 210	0.14 344	0.12 311	0.17 351	0.18 278

PSMNet_ROB	0.36 328	0.31 347	0.71 311	0.31 365	0.21 331	0.44 353	0.44 404	0.61 371	0.49 328	0.39 310	0.45 298	0.49 348	0.32 308	0.66 336	0.53 363	0.14 335	0.10 210	0.15 360	0.14 355	0.13 302	0.13 213

CBMV	0.36 328	0.25 312	0.61 271	0.24 205	0.14 133	0.42 344	0.33 366	0.56 325	0.52 350	0.54 392	0.52 338	0.51 355	0.58 400	0.63 321	0.43 330	0.15 348	0.16 319	0.18 382	0.16 374	0.13 302	0.19 293
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
mmx	0.37 335	0.17 203	0.84 350	0.21 73	0.13 97	0.29 220	0.21 212	0.57 334	0.48 315	0.31 191	0.44 284	0.34 243	0.24 206	0.91 404	1.30 431	0.10 226	0.20 360	0.12 300	0.11 273	0.11 254	0.23 335

xxx	0.37 335	0.17 203	0.84 350	0.21 73	0.13 97	0.29 220	0.21 212	0.57 334	0.48 315	0.31 191	0.44 284	0.34 243	0.24 206	0.91 404	1.30 431	0.10 226	0.20 360	0.12 300	0.11 273	0.11 254	0.23 335

GwcNet	0.37 335	0.29 338	1.12 400	0.25 236	0.24 367	0.48 375	0.27 322	0.58 347	0.60 380	0.39 310	0.54 348	0.51 355	0.34 317	0.60 304	0.46 343	0.13 314	0.12 251	0.12 300	0.11 273	0.13 302	0.15 248

DANet	0.37 335	0.25 312	0.67 293	0.37 397	0.22 346	0.42 344	0.25 305	0.50 263	0.44 276	0.52 383	0.50 329	0.59 379	0.42 358	0.78 375	0.53 363	0.13 314	0.12 251	0.14 344	0.12 311	0.17 351	0.21 316
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
NCCL2	0.37 335	0.33 358	0.59 258	0.37 397	0.23 356	0.42 344	0.41 399	0.56 325	0.44 276	0.47 367	0.47 317	0.61 386	0.39 346	0.58 292	0.41 324	0.16 358	0.13 267	0.21 396	0.22 405	0.16 339	0.18 278

APVNet	0.38 340	0.26 322	0.87 358	0.26 271	0.22 346	0.52 387	0.35 372	0.64 389	0.46 297	0.40 319	0.52 338	0.48 342	0.39 346	0.84 391	0.48 348	0.13 314	0.14 281	0.15 360	0.16 374	0.16 339	0.16 259

MaskLacGwcNet_RVC	0.38 340	0.43 399	0.72 316	0.35 392	0.19 300	0.51 382	0.25 305	0.56 325	0.39 226	0.42 333	0.47 317	0.47 338	0.27 240	0.74 360	0.32 283	0.38 430	0.19 351	0.27 408	0.17 384	0.29 415	0.27 372

RP	0.38 340	0.26 322	0.67 293	0.31 365	0.24 367	0.37 319	0.29 340	0.53 288	0.61 382	0.42 333	0.65 386	0.62 389	0.51 386	0.63 321	0.43 330	0.17 372	0.15 308	0.17 375	0.15 364	0.17 351	0.19 293

RYNet	0.38 340	0.23 287	0.65 285	0.26 271	0.28 388	0.62 403	0.33 366	0.61 371	0.62 386	0.42 333	0.39 234	0.58 378	0.40 349	0.89 399	0.57 373	0.11 260	0.09 185	0.12 300	0.11 273	0.19 373	0.22 327

LALA_ROB	0.38 340	0.31 347	0.65 285	0.30 352	0.21 331	0.46 363	0.39 391	0.63 383	0.54 356	0.53 389	0.52 338	0.69 411	0.36 329	0.52 269	0.48 348	0.18 383	0.11 235	0.16 366	0.14 355	0.17 351	0.16 259

1111x	0.39 345	0.17 203	0.80 338	0.23 162	0.15 189	0.33 276	0.27 322	0.62 379	0.48 315	0.32 216	0.43 274	0.40 289	0.29 278	0.86 394	1.60 446	0.09 167	0.23 384	0.09 149	0.12 311	0.10 202	0.23 335

EKT-Stereo	0.39 345	0.13 91	0.53 201	0.42 418	3.94 468	0.22 114	0.17 79	0.38 140	0.30 123	0.21 59	0.20 48	0.23 114	0.15 78	0.30 160	0.18 108	0.10 226	0.08 150	0.09 149	0.08 125	0.09 151	0.12 193

GASNet	0.39 345	0.58 423	1.27 419	0.35 392	0.23 356	0.35 304	0.23 269	0.63 383	0.56 368	0.41 329	0.38 219	0.45 323	0.30 284	0.81 385	0.42 327	0.16 358	0.11 235	0.14 344	0.14 355	0.23 395	0.12 193

Wz-Net-MNSev	0.39 345	0.35 371	0.99 386	0.26 271	0.21 331	0.59 400	0.39 391	0.58 347	0.61 382	0.49 374	0.56 358	0.53 364	0.37 334	0.61 310	0.47 346	0.11 260	0.09 185	0.11 269	0.11 273	0.15 331	0.15 248

xxxx	0.39 345	0.14 131	0.47 100	0.20 47	0.16 221	0.38 325	0.20 189	0.61 371	0.43 266	0.30 176	0.44 284	0.38 272	0.25 217	0.50 257	2.41 459	0.11 260	0.21 365	0.09 149	0.10 244	0.10 202	0.26 369

test_xeample	0.39 345	0.14 131	0.46 95	0.19 21	0.16 221	0.34 291	0.22 242	0.59 355	0.43 266	0.33 227	0.47 317	0.30 208	0.27 240	0.60 304	2.44 460	0.10 226	0.21 365	0.09 149	0.09 198	0.09 151	0.25 358

Syn2CoEx	0.39 345	0.39 390	1.08 397	0.35 392	0.21 331	0.41 339	0.29 340	0.63 383	0.51 339	0.43 343	0.56 358	0.45 323	0.45 366	0.69 344	0.39 317	0.17 372	0.14 281	0.16 366	0.12 311	0.13 302	0.16 259

S-Stereo	0.39 345	0.20 249	1.04 389	0.28 330	0.22 346	0.39 329	0.31 355	0.58 347	0.69 401	0.40 319	0.59 368	0.48 342	0.41 354	0.75 365	0.42 327	0.12 295	0.15 308	0.13 324	0.13 339	0.16 339	0.25 358

stereogan	0.39 345	0.20 249	0.78 334	0.28 330	0.22 346	0.65 408	0.26 316	0.62 379	0.65 391	0.45 356	0.60 372	0.67 407	0.45 366	0.69 344	0.37 311	0.14 335	0.14 281	0.14 344	0.12 311	0.20 380	0.19 293

Nwc_Net	0.39 345	0.29 338	0.84 350	0.32 370	0.24 367	0.45 361	0.30 346	0.67 401	0.51 339	0.39 310	0.70 396	0.59 379	0.48 379	0.61 310	0.45 342	0.16 358	0.12 251	0.19 388	0.21 398	0.14 323	0.15 248

aanetorigin	0.40 355	0.33 358	1.14 403	0.25 236	0.19 300	0.30 233	0.37 380	0.34 102	0.47 309	0.95 430	0.82 411	0.52 360	0.56 397	0.50 257	0.52 359	0.11 260	0.09 185	0.10 218	0.10 244	0.16 339	0.19 293

AF-Net	0.40 355	0.31 347	0.74 317	0.33 381	0.24 367	0.43 348	0.30 346	0.64 389	0.67 395	0.44 349	0.69 395	0.65 400	0.52 388	0.59 299	0.48 348	0.16 358	0.12 251	0.19 388	0.14 355	0.16 339	0.14 235

edge stereo	0.40 355	0.22 274	0.87 358	0.27 305	0.22 346	0.38 325	0.26 316	0.59 355	0.56 368	0.53 389	0.60 372	0.71 415	0.50 384	0.78 375	0.43 330	0.16 358	0.15 308	0.19 388	0.14 355	0.17 351	0.19 293

PA-Net	0.40 355	0.35 371	1.05 390	0.32 370	0.28 388	0.39 329	0.43 402	0.53 288	0.56 368	0.35 262	0.43 274	0.41 295	0.36 329	0.83 390	0.61 380	0.12 295	0.23 384	0.16 366	0.23 409	0.13 302	0.20 307
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
GANet	0.40 355	0.28 335	0.67 293	0.31 365	0.18 275	0.43 348	0.39 391	0.60 364	0.46 297	0.48 373	0.78 406	0.55 367	0.45 366	0.96 414	0.55 370	0.13 314	0.14 281	0.13 324	0.12 311	0.15 331	0.16 259

RGC	0.41 360	0.35 371	0.76 324	0.35 392	0.28 388	0.41 339	0.29 340	0.60 364	0.55 364	0.47 367	0.64 384	0.63 393	0.47 375	0.74 360	0.46 343	0.16 358	0.15 308	0.21 396	0.21 398	0.19 373	0.21 316

ADCRef	0.41 360	0.33 358	1.05 390	0.26 271	0.21 331	0.49 378	0.27 322	0.54 300	0.51 339	0.51 380	0.59 368	0.35 257	0.47 375	0.54 276	1.35 437	0.09 167	0.08 150	0.12 300	0.12 311	0.12 289	0.13 213

PWC_ROB	0.41 360	0.38 386	0.92 371	0.26 271	0.20 318	0.39 329	0.19 158	0.61 371	0.69 401	0.58 400	0.84 413	0.52 360	0.44 364	0.74 360	0.62 381	0.13 314	0.09 185	0.14 344	0.10 244	0.17 351	0.18 278

PWCDC_ROB	0.41 360	0.41 395	0.77 330	0.34 386	0.21 331	0.43 348	0.20 189	0.60 364	0.90 425	0.44 349	1.24 435	0.36 262	0.38 339	0.56 286	0.48 348	0.18 383	0.11 235	0.11 269	0.10 244	0.20 380	0.16 259

UDG	0.42 364	0.54 414	0.67 293	0.41 416	0.35 410	0.47 369	0.27 322	0.57 334	0.48 315	0.40 319	0.46 310	0.59 379	0.45 366	0.47 250	0.46 343	0.26 409	0.19 351	0.49 432	0.22 405	0.37 423	0.30 386

NCC-stereo	0.42 364	0.31 347	0.87 358	0.32 370	0.29 398	0.47 369	0.37 380	0.68 406	0.53 351	0.42 333	0.58 364	0.57 373	0.52 388	0.75 365	0.54 367	0.18 383	0.14 281	0.18 382	0.25 414	0.17 351	0.18 278

Abc-Net	0.42 364	0.31 347	0.87 358	0.32 370	0.29 398	0.47 369	0.37 380	0.68 406	0.53 351	0.42 333	0.58 364	0.57 373	0.52 388	0.75 365	0.54 367	0.18 383	0.14 281	0.18 382	0.25 414	0.17 351	0.18 278
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
STTRV1_RVC	0.42 364	0.33 358	0.89 366	0.29 343	0.36 415	0.49 378	0.31 355	0.63 383	0.54 356	0.47 367	0.56 358	0.47 338	0.43 361	1.00 417	0.40 319	0.28 415	0.21 365	0.20 393	0.18 389	0.25 400	0.18 278

SGM-Forest	0.42 364	0.44 402	0.92 371	0.24 205	0.16 221	0.45 361	0.40 395	0.58 347	0.50 333	0.54 392	0.63 383	0.52 360	0.51 386	0.91 404	0.66 387	0.17 372	0.17 338	0.17 375	0.15 364	0.15 331	0.21 316
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
ccnet	0.43 369	0.34 367	0.62 274	0.28 330	0.33 406	0.60 401	0.34 370	0.68 406	0.47 309	0.54 392	0.66 388	0.56 371	0.46 373	0.73 356	0.66 387	0.26 409	0.19 351	0.24 405	0.22 405	0.27 410	0.25 358

RTSC	0.43 369	0.37 380	0.95 379	0.30 352	0.20 318	0.50 381	0.23 269	0.65 395	0.86 421	0.56 396	0.54 348	0.51 355	0.36 329	0.71 352	0.92 405	0.13 314	0.14 281	0.11 269	0.13 339	0.18 366	0.19 293

SQANet	0.44 371	0.57 421	0.89 366	0.49 426	0.39 420	0.47 369	0.23 269	0.53 288	0.44 276	0.41 329	0.48 326	0.47 338	0.34 317	0.58 292	0.43 330	0.38 430	0.15 308	0.40 428	0.21 398	0.50 428	0.34 401

Anonymous_2	0.44 371	0.23 287	0.57 236	0.34 386	0.34 407	0.53 390	0.28 335	0.49 255	0.39 226	0.36 273	0.34 178	0.48 342	0.38 339	0.43 235	0.33 291	0.26 409	0.41 436	0.44 430	1.45 465	0.33 421	0.37 412

NaN_ROB	0.44 371	0.38 386	0.94 378	0.30 352	0.20 318	0.52 387	0.49 415	0.61 371	0.60 380	0.56 396	0.47 317	0.49 348	0.42 358	1.24 434	0.76 395	0.12 295	0.18 347	0.12 300	0.13 339	0.12 289	0.18 278

test_sample9	0.45 374	0.21 256	0.69 299	0.18 10	0.17 249	0.36 311	0.21 212	0.54 300	0.43 266	0.38 296	0.36 201	0.38 272	0.32 308	0.70 347	1.01 413	0.24 401	1.93 465	0.28 414	0.24 411	0.18 366	0.21 316

Wz-Net-SNSev	0.45 374	0.53 413	1.42 428	0.31 365	0.21 331	0.44 353	0.45 405	0.64 389	0.68 399	0.46 361	0.66 388	0.62 389	0.40 349	0.78 375	0.65 385	0.12 295	0.11 235	0.12 300	0.13 339	0.17 351	0.19 293

DDUNet	0.45 374	0.60 426	0.71 311	0.45 422	0.39 420	0.46 363	0.32 361	0.53 288	0.44 276	0.46 361	0.53 345	0.57 373	0.38 339	0.51 263	0.43 330	0.34 424	0.21 365	0.56 436	0.25 414	0.41 425	0.36 404

222	0.45 374	0.14 131	0.43 72	0.19 21	0.15 189	0.36 311	0.20 189	0.60 364	0.43 266	0.37 288	0.45 298	0.30 208	0.28 260	0.59 299	3.72 465	0.11 260	0.19 351	0.08 82	0.09 198	0.09 151	0.27 372

SHD	0.45 374	0.34 367	0.89 366	0.37 397	0.28 388	0.46 363	0.23 269	0.72 417	0.96 432	0.65 407	0.61 380	0.61 386	0.48 379	0.64 326	0.69 390	0.16 358	0.16 319	0.16 366	0.16 374	0.21 386	0.25 358

GANetREF_RVC	0.45 374	0.52 411	0.87 358	0.39 408	0.20 318	0.51 382	0.50 417	0.68 406	0.67 395	0.47 367	0.46 310	0.50 352	0.43 361	0.91 404	0.40 319	0.28 415	0.21 365	0.32 421	0.19 392	0.28 413	0.23 335
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
PDISCO_ROB	0.45 374	0.37 380	0.89 366	0.44 420	0.37 416	0.70 411	0.35 372	0.75 421	0.78 413	0.45 356	0.53 345	0.65 400	0.40 349	0.68 343	0.52 359	0.22 398	0.12 251	0.21 396	0.19 392	0.26 405	0.22 327

DeepPrunerF	0.46 381	0.37 380	1.50 432	0.34 386	0.30 400	0.36 311	0.37 380	0.64 389	1.15 444	0.41 329	0.45 298	0.40 289	0.41 354	0.82 386	0.53 363	0.18 383	0.14 281	0.23 403	0.21 398	0.17 351	0.18 278

CC-Net-ROB	0.46 381	0.55 415	0.86 356	0.38 406	0.23 356	0.51 382	0.30 346	0.69 412	0.51 339	0.46 361	0.51 332	0.48 342	0.38 339	0.96 414	0.40 319	0.36 427	0.23 384	0.56 436	0.25 414	0.34 422	0.22 327

FBW_ROB	0.46 381	0.34 367	0.71 311	0.32 370	0.20 318	0.51 382	0.32 361	0.73 418	0.63 388	0.60 401	0.57 361	0.65 400	0.44 364	1.42 445	0.62 381	0.14 335	0.17 338	0.22 401	0.16 374	0.17 351	0.23 335

SDNR	0.47 384	0.29 338	0.92 371	0.24 205	0.37 416	1.27 446	0.17 79	0.54 300	0.58 372	0.44 349	0.85 414	0.55 367	0.28 260	1.19 432	0.52 359	0.23 399	0.24 394	0.17 375	0.13 339	0.19 373	0.26 369

G-Net	0.47 384	0.26 322	1.02 388	0.34 386	0.28 388	0.89 429	0.35 372	0.47 237	0.46 297	0.68 411	1.20 432	0.64 398	0.59 402	0.61 310	0.60 377	0.16 358	0.14 281	0.17 375	0.13 339	0.22 390	0.21 316

XQC	0.47 384	0.45 403	1.07 394	0.40 412	0.28 388	0.58 398	0.38 388	0.67 401	0.76 412	0.53 389	0.47 317	0.59 379	0.47 375	0.74 360	0.80 399	0.18 383	0.14 281	0.18 382	0.16 374	0.26 405	0.24 347

ADCP+	0.48 387	0.36 377	1.47 430	0.26 271	0.22 346	0.57 396	0.40 395	0.56 325	0.54 356	0.46 361	0.52 338	0.46 330	0.53 393	0.59 299	1.93 452	0.10 226	0.08 150	0.11 269	0.11 273	0.14 323	0.15 248

PASM	0.49 388	0.41 395	1.15 404	0.37 397	0.35 410	0.42 344	0.42 400	0.54 300	0.65 391	0.54 392	0.54 348	0.63 393	0.48 379	0.94 413	0.51 358	0.27 413	0.30 422	0.30 417	0.33 426	0.29 415	0.29 383

GCST	0.50 389	0.67 429	0.82 342	1.04 453	0.55 433	0.38 325	0.11 3	0.42 187	0.33 154	0.42 333	0.35 186	0.29 191	0.18 136	0.50 257	0.23 202	0.70 446	0.42 437	0.79 447	0.62 450	0.63 436	0.47 430

SuperB	0.50 389	0.37 380	2.16 450	0.23 162	0.15 189	0.41 339	0.32 361	0.50 263	0.83 418	0.44 349	0.51 332	0.33 236	0.45 366	0.69 344	1.07 420	0.10 226	0.08 150	0.09 149	0.08 125	0.95 455	0.18 278

ADCL	0.50 389	0.30 344	1.15 404	0.28 330	0.19 300	0.77 419	0.64 430	0.57 334	0.73 410	0.57 399	0.73 401	0.55 367	0.60 403	0.66 336	1.53 443	0.11 260	0.10 210	0.13 324	0.13 339	0.15 331	0.16 259

ADCPNet	0.51 392	0.36 377	1.82 444	0.27 305	0.23 356	0.71 412	0.39 391	0.56 325	0.54 356	0.52 383	0.60 372	0.66 404	0.57 399	0.64 326	1.23 427	0.15 348	0.18 347	0.14 344	0.23 409	0.19 373	0.22 327

DPSNet	0.51 392	0.26 322	1.16 406	0.28 330	0.21 331	0.76 416	0.56 425	0.89 438	0.82 417	0.49 374	0.51 332	0.64 398	0.81 425	0.89 399	0.85 403	0.17 372	0.16 319	0.13 324	0.13 339	0.26 405	0.27 372

MDST_ROB	0.51 392	0.16 178	0.97 382	0.31 365	0.21 331	1.35 450	0.34 370	0.80 426	0.59 379	1.09 439	0.74 402	0.49 348	0.37 334	1.31 440	0.60 377	0.14 335	0.12 251	0.16 366	0.13 339	0.13 302	0.18 278

test_sample8	0.52 395	0.21 256	0.69 299	0.18 10	0.17 249	0.36 311	0.21 212	0.57 334	0.38 210	0.63 404	0.39 234	1.16 432	0.68 417	0.70 347	1.01 413	0.24 401	1.93 465	0.28 414	0.24 411	0.18 366	0.21 316

psmorigin	0.52 395	0.29 338	3.10 459	0.24 205	0.19 300	0.39 329	0.24 292	0.52 278	0.45 287	0.66 409	0.68 392	0.70 414	0.52 388	0.86 394	0.49 354	0.15 348	0.17 338	0.13 324	0.14 355	0.16 339	0.23 335

MFN_U_SF_DS_RVC	0.53 397	0.60 426	0.98 384	0.40 412	0.25 378	0.87 427	0.57 426	0.60 364	0.64 390	0.60 401	0.67 390	0.63 393	0.42 358	1.13 427	0.50 355	0.23 399	0.28 410	0.27 408	0.35 428	0.25 400	0.33 398

ADCMid	0.53 397	0.45 403	1.46 429	0.27 305	0.22 346	0.51 382	0.38 388	0.61 371	0.58 372	0.75 416	0.67 390	0.62 389	0.66 416	0.66 336	1.75 448	0.13 314	0.12 251	0.17 375	0.17 384	0.20 380	0.21 316

pmcnn	0.54 399	0.24 297	1.06 392	0.25 236	0.26 382	0.40 335	0.31 355	0.55 316	0.55 364	0.56 396	1.22 434	2.53 459	0.39 346	0.84 391	1.08 422	0.09 167	0.06 37	0.06 1	0.05 9	0.10 202	0.14 235

Wz-Net-TNSev	0.55 400	0.72 431	1.90 445	0.26 271	0.21 331	0.64 407	0.45 405	0.66 399	0.71 405	0.52 383	0.55 353	0.71 415	0.63 413	1.04 422	0.94 408	0.16 358	0.15 308	0.13 324	0.15 364	0.21 386	0.24 347

AnyNet_C32	0.55 400	0.51 410	1.34 423	0.29 343	0.28 388	0.61 402	0.62 429	0.57 334	0.62 386	0.63 404	0.68 392	0.54 366	0.55 395	0.82 386	1.81 449	0.15 348	0.15 308	0.15 360	0.18 389	0.21 386	0.25 358

CSAN	0.55 400	0.47 405	1.19 414	0.37 397	0.23 356	0.57 396	0.61 428	0.65 395	0.72 407	0.65 407	0.78 406	0.66 404	0.65 415	1.41 444	0.77 396	0.21 395	0.17 338	0.20 393	0.21 398	0.18 366	0.21 316

WCMA_ROB	0.55 400	0.27 328	0.76 324	0.26 271	0.22 346	0.62 403	0.36 378	0.57 334	0.58 372	0.97 432	1.40 440	1.28 438	0.94 434	0.80 382	0.80 399	0.20 394	0.17 338	0.16 366	0.16 374	0.19 373	0.29 383

WZ-Net	0.56 404	0.49 409	2.14 449	0.30 352	0.24 367	0.58 398	0.48 412	0.65 395	0.80 415	0.51 380	0.72 398	0.68 409	0.60 403	1.06 424	1.01 413	0.13 314	0.10 210	0.11 269	0.12 311	0.19 373	0.23 335

Consistency-Raft	0.56 404	0.52 411	1.12 400	0.45 422	0.49 426	0.48 375	0.45 405	0.73 418	0.74 411	0.45 356	0.82 411	0.46 330	0.60 403	0.51 263	0.63 384	0.39 432	0.40 434	0.44 430	0.51 441	0.53 432	0.38 419

anonymity	0.57 406	0.55 415	0.74 317	0.48 425	0.63 437	0.56 394	0.43 402	0.71 414	0.51 339	0.64 406	0.55 353	0.57 373	0.61 407	0.65 330	0.57 373	0.55 437	0.55 447	0.50 433	0.54 442	0.51 430	0.61 441

SGM_RVC	0.57 406	0.22 274	0.60 265	0.26 271	0.16 221	0.97 435	0.46 408	0.76 423	0.90 425	1.03 436	0.92 421	1.16 432	0.93 433	1.21 433	0.72 392	0.17 372	0.16 319	0.16 366	0.16 374	0.16 339	0.24 347
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
FINET	0.58 408	0.48 407	1.35 424	0.38 406	0.37 416	0.96 434	1.13 457	0.84 433	1.05 435	0.50 377	0.70 396	0.45 323	0.61 407	0.63 321	0.62 381	0.26 409	0.28 410	0.14 344	0.13 339	0.20 380	0.44 425

MFN_U_SF_RVC	0.58 408	0.58 423	1.31 422	0.39 408	0.23 356	0.72 413	0.30 346	0.83 431	0.68 399	0.74 415	0.74 402	0.86 421	0.60 403	0.84 391	0.83 401	0.29 417	0.27 405	0.32 421	0.37 432	0.31 417	0.33 398

SANet	0.58 408	0.41 395	1.38 425	0.27 305	0.16 221	0.72 413	0.48 412	0.71 414	1.34 446	0.69 412	0.97 423	0.94 425	0.78 421	0.97 416	0.93 406	0.14 335	0.12 251	0.12 300	0.12 311	0.18 366	0.20 307

otaku	0.60 411	0.73 433	1.13 402	0.64 433	0.45 425	0.73 415	0.37 380	0.67 401	0.67 395	0.52 383	0.75 404	0.66 404	0.46 373	0.74 360	0.59 376	0.55 437	0.34 431	0.56 436	0.36 430	0.65 438	0.49 435

MeshStereo	0.60 411	0.31 347	0.71 311	0.22 115	0.17 249	0.66 409	0.36 378	0.81 428	0.63 388	1.48 458	1.32 437	1.65 445	0.83 426	1.18 431	0.74 393	0.17 372	0.17 338	0.17 375	0.14 355	0.17 351	0.19 293
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
Ntro	0.61 413	0.75 436	1.16 406	0.67 435	0.50 427	0.76 416	0.37 380	0.68 406	0.71 405	0.50 377	0.59 368	0.65 400	0.52 388	0.79 379	0.58 375	0.58 440	0.32 427	0.57 439	0.34 427	0.69 443	0.50 436

PVD	0.62 414	0.41 395	0.93 375	0.44 420	0.39 420	0.63 406	0.51 419	0.86 434	1.27 445	0.93 429	1.09 427	0.81 419	0.85 427	0.89 399	0.89 404	0.21 395	0.23 384	0.22 401	0.19 392	0.28 413	0.41 420

SAMSARA	0.62 414	0.47 405	0.93 375	0.70 438	0.50 427	1.15 441	1.29 460	0.79 425	0.70 403	0.77 421	0.55 353	0.92 424	0.58 400	0.87 396	0.77 396	0.19 392	0.27 405	0.18 382	0.19 392	0.27 410	0.28 378

ADCS	0.62 414	0.56 417	1.54 435	0.30 352	0.25 378	0.56 394	0.46 408	0.71 414	0.86 421	0.77 421	0.72 398	0.68 409	0.62 411	0.82 386	2.33 458	0.17 372	0.16 319	0.16 366	0.17 384	0.23 395	0.27 372

DGSMNet	0.63 417	0.32 354	1.01 387	0.54 429	0.73 443	0.62 403	1.36 461	0.62 379	0.58 372	0.38 296	0.62 382	0.52 360	0.34 317	0.65 330	0.47 346	0.54 436	0.61 452	0.67 441	0.61 449	0.65 438	0.69 450

MSMD_ROB	0.63 417	0.34 367	0.70 305	0.30 352	0.25 378	0.88 428	0.35 372	0.58 347	0.67 395	1.13 440	1.52 444	1.75 448	1.05 439	0.90 402	0.60 377	0.24 401	0.22 375	0.27 408	0.27 421	0.25 400	0.27 372

EDNetEfficient	0.64 419	0.39 390	2.52 452	0.26 271	0.26 382	0.39 329	0.49 415	0.42 187	1.06 436	1.38 447	0.86 415	0.61 386	0.97 435	0.66 336	1.62 447	0.11 260	0.10 210	0.10 218	0.12 311	0.20 380	0.19 293

FCDSN-DC	0.67 420	0.38 386	0.83 346	0.37 397	0.30 400	0.66 409	0.37 380	0.69 412	0.70 403	1.15 442	1.53 445	1.70 447	1.38 448	1.00 417	0.83 401	0.24 401	0.22 375	0.27 408	0.26 418	0.27 410	0.32 395
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
DispFullNet	0.67 420	0.94 444	1.63 437	0.77 444	1.19 461	0.53 390	0.25 305	0.61 371	0.72 407	0.70 413	0.60 372	0.69 411	0.90 431	0.80 382	0.52 359	0.27 413	0.13 267	0.74 444	0.31 425	0.68 441	0.44 425

AnyNet_C01	0.68 422	0.69 430	2.64 454	0.33 381	0.27 387	0.93 430	0.64 430	0.66 399	0.65 391	0.70 413	0.97 423	0.75 417	0.63 413	1.01 419	1.52 442	0.17 372	0.16 319	0.17 375	0.17 384	0.24 399	0.28 378

MSC_U_SF_DS_RVC	0.70 423	0.73 433	1.26 418	0.47 424	0.28 388	1.42 452	0.60 427	0.82 429	0.94 431	0.85 425	0.86 415	0.88 423	0.70 418	1.32 441	0.75 394	0.37 428	0.30 422	0.34 424	0.36 430	0.44 426	0.42 421

FC-DCNN	0.73 424	0.33 358	0.84 350	0.33 381	0.28 388	0.82 425	0.40 395	0.82 429	0.83 418	1.43 450	1.60 448	1.97 450	1.38 448	1.10 426	0.93 406	0.24 401	0.22 375	0.27 408	0.26 418	0.26 405	0.32 395

MFMNet_re	0.74 425	0.84 438	1.16 406	0.64 433	0.70 442	0.79 421	0.71 435	0.77 424	0.85 420	0.79 423	0.86 415	0.69 411	0.80 423	0.73 356	0.65 385	0.66 444	0.59 451	0.61 440	0.58 447	0.68 441	0.71 451

NVStereoNet_ROB	0.74 425	0.64 428	1.20 416	0.55 430	0.43 424	0.54 393	0.48 412	0.75 421	0.87 424	0.88 426	1.72 451	1.06 429	1.03 438	1.29 438	0.98 412	0.35 426	0.42 437	0.41 429	0.48 436	0.38 424	0.43 423
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
SPS-STEREO	0.74 425	0.72 431	1.18 413	0.52 428	0.57 435	0.76 416	0.50 417	0.80 426	0.66 394	0.97 432	0.88 418	0.94 425	0.74 419	1.08 425	1.04 418	0.58 440	0.51 441	0.50 433	0.50 440	0.56 433	0.72 452
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
FC-DCNN v2	0.75 428	0.33 358	0.82 342	0.33 381	0.28 388	0.85 426	0.40 395	0.88 436	0.86 421	1.46 452	1.65 449	2.08 452	1.40 450	1.14 429	0.95 409	0.24 401	0.22 375	0.27 408	0.26 418	0.26 405	0.32 395

RainbowNet	0.76 429	1.00 448	1.29 420	0.82 445	0.63 437	0.79 421	0.52 420	0.83 431	0.93 428	0.61 403	0.79 409	0.79 418	0.62 411	0.82 386	0.67 389	0.80 451	0.55 447	0.79 447	0.49 437	0.81 447	0.62 442

ACVNet-4b	0.76 429	0.90 441	1.67 439	0.73 440	0.51 431	0.80 424	0.31 355	0.74 420	0.81 416	0.51 380	0.72 398	0.94 425	0.43 361	1.01 419	1.32 435	1.18 463	0.22 375	0.77 445	0.45 435	0.70 444	0.50 436

ACVNet_1	0.77 431	0.92 443	1.79 443	0.73 440	0.53 432	0.78 420	0.42 400	0.88 436	0.90 425	0.75 416	0.76 405	1.32 439	0.80 423	1.04 422	0.70 391	0.57 439	0.32 427	0.72 443	0.35 428	0.70 444	0.50 436

ELAS_RVC	0.80 432	0.40 393	1.10 399	0.40 412	0.35 410	0.93 430	1.10 456	0.87 435	1.12 442	1.40 448	1.39 438	1.27 437	1.55 456	1.13 427	1.13 423	0.29 417	0.27 405	0.30 417	0.28 422	0.31 417	0.36 404
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.80 432	0.40 393	0.91 370	0.39 408	0.35 410	1.52 454	0.81 443	0.97 440	0.98 433	1.47 457	1.58 447	1.19 435	1.33 447	1.01 419	1.21 426	0.29 417	0.27 405	0.30 417	0.29 424	0.32 420	0.36 404
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
RTS	0.81 434	0.56 417	4.76 462	0.37 397	0.30 400	1.11 438	0.52 420	0.67 401	1.07 437	0.76 419	0.91 419	0.60 384	0.61 407	1.64 448	1.24 428	0.15 348	0.13 267	0.15 360	0.15 364	0.22 390	0.24 347

RTSA	0.81 434	0.56 417	4.76 462	0.37 397	0.30 400	1.11 438	0.52 420	0.67 401	1.07 437	0.76 419	0.91 419	0.60 384	0.61 407	1.64 448	1.24 428	0.15 348	0.13 267	0.15 360	0.15 364	0.22 390	0.24 347

IMH-64-1	0.94 436	0.95 445	1.07 394	0.98 450	0.76 444	0.93 430	0.72 436	1.30 446	1.11 440	0.91 427	1.45 441	1.14 430	1.00 436	1.25 436	0.97 410	0.77 447	0.51 441	0.97 451	0.55 445	0.90 449	0.66 447

IMH-64	0.94 436	0.95 445	1.07 394	0.98 450	0.76 444	0.93 430	0.72 436	1.30 446	1.11 440	0.91 427	1.45 441	1.14 430	1.00 436	1.25 436	0.97 410	0.77 447	0.51 441	0.97 451	0.55 445	0.90 449	0.66 447

ACVNet_2	0.94 436	0.98 447	1.71 441	0.83 446	0.63 437	1.02 436	0.64 430	1.16 444	1.43 449	1.02 434	1.39 438	1.47 442	0.86 429	1.16 430	0.79 398	0.63 443	0.43 440	0.78 446	0.49 437	0.80 446	0.57 439

U	1.02 439	0.10 15	0.26 4	0.22 115	3.66 467	6.41 468	0.13 8	0.22 6	0.21 19	0.11 1	0.11 2	0.10 1	0.09 4	0.12 1	0.11 1	0.07 19	0.05 3	5.35 472	2.86 469	0.07 40	0.06 5

WAO-7	1.05 440	1.00 448	1.19 414	0.83 446	0.67 441	1.22 444	0.84 445	1.43 450	1.56 451	1.13 440	1.75 452	1.46 441	1.25 444	1.56 447	1.28 430	0.61 442	0.62 455	0.70 442	0.68 452	0.66 440	0.62 442

MADNet+	1.05 440	1.26 459	4.77 464	0.73 440	0.50 427	1.25 445	0.97 448	1.05 441	0.93 428	0.67 410	0.78 406	0.87 422	0.85 427	2.14 458	1.83 450	0.40 433	0.42 437	0.32 421	0.28 422	0.45 427	0.43 423

PWCK	1.05 440	1.29 460	2.12 448	0.92 448	0.42 423	1.27 446	1.01 450	1.14 443	1.14 443	1.16 443	1.14 430	1.25 436	0.90 431	1.77 453	1.15 424	0.89 454	0.51 441	0.87 449	0.54 442	1.02 458	0.57 439

IMH	1.09 443	1.04 451	1.29 420	1.03 452	0.79 448	1.11 438	0.69 433	1.40 449	1.42 448	1.02 434	1.71 450	1.42 440	1.19 443	1.78 454	1.03 417	1.14 461	0.56 450	1.00 453	0.58 447	0.93 452	0.68 449

WAO-6	1.11 444	1.01 450	1.17 412	0.96 449	0.79 448	1.30 448	0.78 440	1.36 448	1.99 456	1.04 437	1.54 446	1.59 444	1.27 445	1.37 443	1.30 431	0.78 449	0.55 447	1.03 455	0.75 456	0.87 448	0.72 452

SGM+DAISY	1.12 445	0.86 439	1.64 438	0.68 436	0.80 451	1.68 456	1.68 465	1.08 442	1.10 439	1.53 459	1.76 453	1.47 442	1.53 455	1.24 434	1.42 441	0.66 444	0.65 457	0.52 435	0.54 442	0.57 434	0.91 459

LVE	1.18 446	1.16 453	1.67 439	1.04 453	0.81 452	1.32 449	0.82 444	1.49 452	1.94 454	1.08 438	1.90 454	1.89 449	1.07 440	1.51 446	1.04 418	0.96 457	0.61 452	0.94 450	0.69 453	0.92 451	0.79 457

JetBlue	1.20 447	0.89 440	2.53 453	0.59 431	0.76 444	3.16 465	2.09 466	1.16 444	0.93 428	0.95 430	1.12 429	1.65 445	1.27 445	2.15 459	1.87 451	0.43 435	0.37 433	0.38 426	0.39 434	0.62 435	0.63 444

Dean	1.22 448	1.17 454	1.97 446	1.04 453	0.79 448	1.21 443	0.76 438	1.51 453	1.96 455	1.30 446	1.98 456	2.14 453	1.18 442	1.30 439	1.15 424	0.83 452	0.61 452	1.01 454	0.69 453	0.97 456	0.77 456

TorneroNet-64	1.47 449	1.15 452	1.51 433	1.11 458	0.86 455	2.27 461	0.76 438	1.84 459	3.76 463	1.29 444	2.22 460	2.68 461	1.46 451	1.81 455	1.55 444	0.79 450	0.51 441	1.10 456	0.67 451	1.31 461	0.81 458

notaker	1.49 450	1.44 463	1.77 442	1.42 463	1.08 459	1.19 442	0.87 447	1.51 453	1.40 447	1.53 459	3.41 464	2.40 457	1.94 458	1.83 456	1.57 445	1.14 461	0.69 461	1.38 463	0.88 459	1.39 464	1.03 462

WAO-8	1.50 451	1.22 457	1.39 426	1.10 456	0.85 453	2.15 458	0.78 440	1.84 459	3.76 463	1.46 452	2.18 458	2.15 454	1.50 453	3.20 466	1.35 437	0.92 455	0.66 458	1.10 456	0.79 457	0.94 453	0.74 454

Venus	1.50 451	1.22 457	1.39 426	1.10 456	0.85 453	2.15 458	0.78 440	1.84 459	3.76 463	1.46 452	2.18 458	2.15 454	1.50 453	3.20 466	1.35 437	0.92 455	0.66 458	1.10 456	0.79 457	0.94 453	0.74 454

SGM-ForestM	1.59 453	0.56 417	1.52 434	0.41 416	0.34 407	2.77 463	1.67 464	1.69 457	1.73 453	2.48 463	2.27 461	6.02 471	2.90 464	3.08 464	2.83 462	0.25 408	0.30 422	0.19 388	0.20 396	0.18 366	0.45 428

UNDER WATER-64	1.61 454	1.30 461	2.93 458	1.33 461	0.96 457	2.20 460	1.25 459	1.47 451	3.15 460	1.46 452	1.31 436	2.61 460	2.22 460	1.69 450	1.93 452	1.13 460	0.67 460	1.29 461	0.94 460	1.26 459	1.09 463

MANE	1.63 455	0.58 423	1.16 406	0.59 431	0.60 436	2.71 462	1.53 462	2.63 467	3.62 462	2.33 462	3.26 463	3.66 465	2.98 465	2.26 461	2.26 457	0.37 428	0.40 434	0.31 420	0.49 437	0.31 417	0.63 444

UNDER WATER	1.64 456	1.34 462	2.72 456	1.40 462	1.04 458	1.70 457	1.14 458	1.57 456	3.58 461	1.46 452	1.46 443	2.82 462	2.43 461	1.74 451	2.04 455	1.08 459	0.63 456	1.31 462	0.94 460	1.29 460	1.10 464

LSM	1.68 457	0.48 407	2.91 457	2.28 469	17.60 479	0.52 387	0.55 424	0.65 395	0.78 413	0.84 424	1.11 428	0.63 393	0.55 395	0.79 379	0.53 363	0.16 358	0.25 395	0.18 382	0.21 398	0.25 400	2.37 470

ktn	1.80 458	1.46 464	1.49 431	1.44 464	1.14 460	1.50 453	1.07 453	1.53 455	3.90 466	2.77 465	4.62 465	3.42 464	1.49 452	1.74 451	1.40 440	1.45 465	0.77 462	1.46 464	0.99 462	1.41 465	1.00 461

LE_ROB	1.82 459	0.39 390	3.15 460	0.50 427	0.55 433	0.79 421	1.00 449	0.89 438	6.48 470	7.40 472	2.07 457	2.07 451	5.08 467	1.33 442	3.96 466	0.11 260	0.09 185	0.12 300	0.11 273	0.11 254	0.13 213

KSHMR	1.92 460	1.47 465	1.97 446	1.48 465	1.22 462	1.39 451	1.06 452	1.81 458	5.83 469	1.43 450	5.56 468	2.95 463	1.17 441	2.24 460	1.33 436	1.29 464	1.13 463	1.47 465	1.11 464	1.37 463	1.21 465

TorneroNet	2.26 461	1.20 456	1.55 436	1.15 460	0.91 456	5.84 466	0.84 445	2.12 464	8.45 473	2.59 464	5.32 467	3.84 466	2.15 459	1.84 457	1.98 454	0.88 453	0.54 446	1.16 460	0.74 455	1.31 461	0.91 459

MADNet++	2.34 462	1.81 466	2.24 451	2.15 468	1.97 466	2.79 464	2.19 467	2.42 466	2.26 457	2.79 466	2.70 462	2.43 458	2.60 463	3.18 465	3.32 463	2.19 466	1.97 467	1.93 466	1.62 466	2.02 467	2.10 468

JetRed	2.35 463	2.70 468	6.11 465	1.14 459	1.38 464	6.03 467	3.61 468	2.12 464	1.72 452	1.99 461	1.97 455	2.15 454	1.59 457	2.49 462	4.19 467	1.05 458	1.60 464	1.10 456	1.02 463	1.72 466	1.41 467

HanzoNet	3.08 464	1.87 467	2.70 455	1.81 466	1.34 463	1.60 455	1.05 451	2.06 463	2.62 459	5.63 469	5.12 466	5.96 470	7.09 470	4.39 470	3.43 464	3.29 468	2.06 469	1.98 467	2.94 470	2.47 468	2.15 469

coex-ft	3.48 465	0.81 437	48.53 486	0.24 205	0.19 300	0.53 390	0.47 411	0.49 255	2.36 458	7.18 471	1.20 432	0.96 428	2.53 462	0.75 365	2.14 456	0.13 314	0.15 308	0.14 344	0.12 311	0.22 390	0.47 430

tt	4.71 466	0.11 34	3.94 461	2.06 467	1.54 465	10.14 473	16.85 474	9.28 476	4.99 467	1.41 449	1.05 426	4.68 467	4.89 466	3.36 468	5.86 470	5.73 472	9.15 479	2.23 468	2.51 468	3.02 469	1.34 466

BEATNet-Init1	4.91 467	3.27 469	14.39 478	0.69 437	0.65 440	10.19 474	3.83 469	5.04 470	5.11 468	8.73 474	8.52 471	13.95 481	7.66 471	7.79 473	5.79 469	0.32 423	0.34 431	0.34 424	0.38 433	0.64 437	0.64 446

DPSimNet_ROB	6.21 468	5.16 470	9.50 468	5.59 472	5.56 469	7.64 469	10.02 471	4.07 469	7.33 471	6.84 470	6.26 469	7.17 472	10.55 472	4.07 469	5.68 468	5.50 471	4.29 470	5.24 471	3.66 471	4.05 470	5.96 473

EDNetEfficientorigin	7.48 469	0.57 421	139.59 488	0.25 236	0.17 249	0.44 353	0.30 346	0.48 247	1.04 434	1.29 444	1.02 425	0.82 420	0.87 430	0.76 371	1.02 416	0.10 226	0.09 185	0.12 300	0.11 273	0.22 390	0.25 358

ASD4	8.08 470	7.42 473	8.23 467	6.03 474	6.01 470	14.62 476	20.55 475	9.03 475	8.06 472	7.51 473	6.52 470	7.36 473	6.42 468	8.13 474	9.88 473	5.93 473	5.10 472	6.60 476	5.79 472	6.82 473	5.52 472

DGTPSM_ROB	8.38 471	5.24 471	10.71 476	5.32 471	10.19 473	8.34 470	23.49 479	6.11 472	13.43 479	4.93 467	10.93 476	5.64 468	10.55 472	6.17 471	12.73 475	3.74 469	7.56 474	3.68 469	7.24 475	4.09 471	7.49 474

DPSMNet_ROB	8.44 472	5.25 472	10.87 477	5.59 472	10.27 474	8.34 470	23.51 480	6.12 473	13.47 480	4.96 468	10.94 477	5.65 469	10.55 472	6.25 472	12.77 476	4.01 470	7.62 475	3.75 470	7.27 476	4.16 472	7.54 475

DLNR_Zeroshot_test	10.53 473	12.28 480	20.32 480	105.84 489	23.88 486	0.14 4	0.13 8	3.20 468	0.20 11	0.16 23	0.23 79	0.16 46	0.10 9	0.32 176	0.16 66	2.54 467	0.32 427	0.07 20	0.07 60	40.17 487	0.28 378

LRCNet_RVC	10.94 474	14.45 482	9.66 469	15.38 478	8.02 472	1.08 437	0.35 372	8.72 474	0.72 407	12.63 481	15.84 480	9.73 474	6.52 469	8.58 475	6.38 471	20.33 484	5.39 473	23.79 483	21.95 482	15.35 480	13.96 482

DPSM_ROB	11.46 475	9.79 478	10.18 471	11.11 476	11.31 475	19.08 482	27.38 482	13.42 481	14.23 482	10.34 478	11.13 478	10.97 479	11.33 479	11.89 481	13.49 477	6.74 475	8.19 477	6.00 473	7.05 473	7.74 474	7.76 476

DPSM	11.46 475	9.79 478	10.18 471	11.11 476	11.31 475	19.08 482	27.38 482	13.42 481	14.23 482	10.34 478	11.13 478	10.97 479	11.33 479	11.89 481	13.49 477	6.74 475	8.19 477	6.00 473	7.05 473	7.74 474	7.76 476

xxxxx1	15.30 477	9.78 475	10.23 473	20.34 481	19.47 480	17.10 477	23.00 476	10.36 477	11.04 475	9.25 475	9.66 472	10.74 476	10.66 475	10.60 477	13.72 479	8.14 477	9.35 480	31.88 486	44.61 486	12.63 477	13.46 479

tt_ll	15.30 477	9.78 475	10.23 473	20.34 481	19.47 480	17.10 477	23.00 476	10.36 477	11.04 475	9.25 475	9.66 472	10.74 476	10.66 475	10.60 477	13.72 479	8.14 477	9.35 480	31.88 486	44.61 486	12.63 477	13.46 479

ff	15.30 477	9.78 475	10.23 473	20.34 481	19.47 480	17.10 477	23.00 476	10.36 477	11.04 475	9.25 475	9.66 472	10.74 476	10.66 475	10.60 477	13.72 479	8.14 477	9.35 480	31.88 486	44.61 486	12.63 477	13.46 479

PML	15.86 480	13.12 481	7.07 466	5.22 470	7.66 471	32.93 484	64.30 487	5.37 471	10.12 474	25.87 487	67.29 487	20.25 483	13.20 481	10.09 476	6.81 472	5.94 474	2.00 468	6.03 475	2.18 467	9.13 476	2.62 471

Anonymous_1	16.44 481	9.26 474	9.67 470	10.63 475	14.54 477	18.62 481	26.98 481	12.68 480	13.53 481	10.78 480	10.37 475	10.15 475	10.66 475	10.99 480	12.64 474	15.61 483	7.73 476	16.87 480	43.01 485	56.14 488	7.86 478

HaxPig	17.72 482	20.23 486	19.76 479	16.55 479	16.52 478	9.46 472	9.42 470	14.48 483	13.31 478	18.59 482	18.67 481	17.39 482	16.68 482	17.07 483	16.43 482	21.99 485	20.86 486	22.28 482	21.55 481	21.30 484	21.88 486

MEDIAN_ROB	21.20 483	24.56 487	23.42 484	19.57 480	19.62 483	13.29 475	11.21 472	18.04 484	17.02 484	22.07 486	21.92 482	20.84 484	20.24 483	21.02 484	19.68 483	25.59 487	24.08 487	26.20 484	25.19 483	25.31 485	25.19 487

CasAABBNet	23.04 484	19.69 483	20.32 480	22.42 484	22.73 484	38.35 485	55.23 486	26.99 486	28.74 487	20.67 484	22.28 484	22.11 485	22.86 484	23.84 485	27.17 486	13.52 480	16.47 484	12.08 477	14.21 478	15.57 481	15.60 483

Selective-RAFT-Error	23.11 485	19.77 484	20.60 482	22.49 485	22.80 485	38.46 487	55.19 485	27.13 488	28.90 488	20.73 485	22.38 485	22.11 485	22.91 486	23.94 486	27.18 487	13.54 481	16.57 485	12.09 478	14.21 478	15.61 482	15.65 484

LSM0	24.21 486	19.88 485	22.33 483	24.42 486	40.13 488	38.41 486	54.99 484	27.05 487	28.61 486	20.59 483	22.00 483	22.29 487	22.86 484	24.12 487	27.16 485	13.59 482	16.33 483	12.13 479	14.08 477	15.72 483	17.53 485

AVERAGE_ROB	25.43 487	29.01 488	27.22 485	24.60 487	24.16 487	17.78 480	12.87 473	22.39 485	21.40 485	26.72 488	26.08 486	25.18 488	24.52 487	25.07 488	23.57 484	29.94 488	28.36 488	30.60 485	29.57 484	29.83 486	29.66 488

test_example2	100.95 488	107.33 489	67.16 487	98.17 488	106.88 489	89.44 488	101.34 488	37.23 489	97.88 489	129.56 489	131.26 488	65.41 489	67.34 488	91.22 489	79.29 488	143.32 489	199.32 489	81.12 489	102.17 489	121.89 489	101.70 489

FADE		1.19 455		0.71 439	0.76 444			1.87 462	1.53 450	0.75 416		1.17 434		2.88 463		24.66 486	4.77 471	17.17 481	17.41 480	0.51 430	0.45 428

Low-res two-view benchmark