Low-res two-view results

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

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

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

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

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

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

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

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

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

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

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

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

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

PWCDC_ROB	0.01 9	0.01 9	0.02 13	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9

coex-ft	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

fast-acv-ft	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

CBFPSM	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

iinet-f	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

MFN_U_SF_RVC	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

MSC_U_SF_DS_RVC	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

MFN_U_SF_DS_RVC	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

ADCMid	0.08 37	0.02 12	0.02 13	1.01 281	0.03 40	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.04 57	0.09 86	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

ADCS	0.09 38	0.02 12	0.04 31	0.90 261	0.06 88	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.14 108	0.36 223	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

AnyNet_C01	0.11 70	0.02 12	0.02 13	1.62 365	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.03 36	0.02 19	0.02 19	0.02 21	0.06 70	0.04 60	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.03 43

RYNet	0.02 14	0.02 12	0.02 13	0.03 25	0.03 40	0.03 36	0.02 19	0.02 19	0.02 20	0.03 36	0.02 19	0.02 19	0.03 44	0.03 33	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

LSM	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

LSM0	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

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

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

BEATNet_4x	0.11 70	0.03 27	0.03 28	1.60 363	0.03 40	0.03 36	0.03 40	0.03 38	0.03 47	0.03 36	0.03 44	0.03 38	0.03 44	0.05 66	0.03 39	0.03 30	0.03 28	0.03 34	0.03 46	0.03 39	0.03 43

ADCL	0.11 70	0.03 27	0.03 28	1.60 363	0.03 40	0.03 36	0.03 40	0.03 38	0.03 47	0.03 36	0.03 44	0.03 38	0.03 44	0.05 66	0.03 39	0.03 30	0.03 28	0.03 34	0.03 46	0.03 39	0.03 43

ADCRef	0.12 78	0.03 27	0.04 31	1.71 366	0.04 65	0.03 36	0.03 40	0.04 62	0.04 67	0.04 60	0.03 44	0.04 62	0.03 44	0.06 70	0.04 60	0.04 32	0.04 33	0.04 59	0.04 63	0.03 39	0.04 64

ADCPNet	0.10 49	0.03 27	0.04 31	1.27 352	0.03 40	0.04 62	0.03 40	0.03 38	0.03 47	0.04 60	0.03 44	0.04 62	0.03 44	0.08 86	0.04 60	0.04 32	0.03 28	0.03 34	0.03 46	0.03 39	0.03 43

GASNet	0.05 29	0.04 31	0.12 86	0.04 26	0.04 65	0.04 62	0.05 74	0.04 62	0.04 67	0.12 103	0.04 73	0.06 80	0.04 69	0.04 57	0.04 60	0.04 32	0.04 33	0.04 59	0.04 63	0.04 62	0.04 64

FADNet-RVC-Resample	0.12 78	0.04 31	0.04 31	0.04 26	0.04 65	0.04 62	0.04 65	0.04 62	0.04 67	0.04 60	0.04 73	0.04 62	0.04 69	0.04 57	1.57 398	0.04 32	0.04 33	0.04 59	0.05 77	0.04 62	0.06 83

FADNet_RVC	0.12 78	0.04 31	0.04 31	0.05 32	0.04 65	0.04 62	0.04 65	0.04 62	0.04 67	0.04 60	0.04 73	0.04 62	0.05 75	0.04 57	1.65 402	0.05 39	0.04 33	0.04 59	0.04 63	0.04 62	0.04 64

FADNet-RVC	0.13 83	0.04 31	0.04 31	0.04 26	0.04 65	0.04 62	0.05 74	0.04 62	0.04 67	0.04 60	0.05 81	0.04 62	0.05 75	0.04 57	1.71 405	0.04 32	0.04 33	0.04 59	0.04 63	0.07 84	0.04 64

AnyNet_C32	0.14 92	0.04 31	0.03 28	2.22 379	0.04 65	0.03 36	0.03 40	0.03 38	0.03 47	0.03 36	0.03 44	0.04 62	0.02 21	0.07 83	0.04 60	0.02 14	0.02 14	0.03 34	0.03 46	0.02 19	0.03 43

ADCP+	0.15 102	0.04 31	0.04 31	2.20 378	0.04 65	0.04 62	0.04 65	0.04 62	0.04 67	0.04 60	0.05 81	0.04 62	0.04 69	0.08 86	0.04 60	0.04 32	0.04 33	0.04 59	0.04 63	0.04 62	0.04 64

NVStereoNet_ROB	0.04 26	0.04 31	0.04 31	0.04 26	0.04 65	0.04 62	0.04 65	0.04 62	0.04 67	0.04 60	0.04 73	0.04 62	0.04 69	0.04 57	0.04 60	0.04 32	0.04 33	0.04 59	0.04 63	0.04 62	0.04 64
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
Wz-Net-TNSev	0.02 14	0.05 38	0.04 31	0.07 35	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.06 43	0.04 33	0.01 9	0.01 9	0.01 9	0.01 9

APVNet	0.09 38	0.05 38	0.04 31	0.05 32	0.04 65	0.05 72	0.90 312	0.06 77	0.04 67	0.05 75	0.04 73	0.05 74	0.04 69	0.05 66	0.04 60	0.05 39	0.04 33	0.05 69	0.04 63	0.05 74	0.05 78

EDNetEfficient	0.04 26	0.05 38	0.04 31	0.04 26	0.03 40	0.04 62	0.03 40	0.04 62	0.03 47	0.04 60	0.03 44	0.04 62	0.03 44	0.04 57	0.03 39	0.05 39	0.03 28	0.05 69	0.03 46	0.04 62	0.03 43

FADNet	0.12 78	0.05 38	0.04 31	0.04 26	0.04 65	0.04 62	0.04 65	0.04 62	0.04 67	0.04 60	0.04 73	0.04 62	0.05 75	0.04 57	1.66 403	0.06 43	0.04 33	0.04 59	0.04 63	0.04 62	0.04 64

EDNetEfficientorigin	0.04 26	0.06 42	0.04 31	0.05 32	0.04 65	0.05 72	0.04 65	0.05 72	0.04 67	0.05 75	0.04 73	0.05 74	0.04 69	0.05 66	0.04 60	0.05 39	0.03 28	0.06 75	0.03 46	0.04 62	0.03 43

FADE		0.06 42		0.09 41	0.10 98			0.05 72	0.03 47	0.04 60		0.05 74		0.04 57		0.15 109	0.10 60	0.17 125	0.13 133	0.11 100	0.11 105

GwcNet	0.12 78	0.07 44	0.05 44	0.08 37	0.05 80	0.08 84	1.20 338	0.07 85	0.05 80	0.05 75	0.05 81	0.08 86	0.05 75	0.08 86	0.03 39	0.07 45	0.05 43	0.06 75	0.05 77	0.07 84	0.05 78

AASNet	0.06 31	0.08 45	0.08 47	0.08 37	0.05 80	0.06 74	0.05 74	0.05 72	0.06 87	0.06 78	0.06 86	0.05 74	0.06 86	0.06 70	0.05 70	0.08 47	0.08 46	0.08 82	0.05 77	0.06 77	0.05 78

SACVNet	0.06 31	0.08 45	0.08 47	0.08 37	0.05 80	0.06 74	0.05 74	0.05 72	0.06 87	0.06 78	0.06 86	0.05 74	0.06 86	0.06 70	0.05 70	0.08 47	0.08 46	0.08 82	0.05 77	0.06 77	0.05 78

AACVNet	0.06 31	0.08 45	0.08 47	0.08 37	0.05 80	0.06 74	0.05 74	0.05 72	0.06 87	0.06 78	0.06 86	0.05 74	0.06 86	0.06 70	0.05 70	0.08 47	0.08 46	0.08 82	0.05 77	0.06 77	0.05 78

FINET	0.07 36	0.08 45	0.07 45	0.07 35	0.07 89	0.08 84	0.06 85	0.08 88	0.07 90	0.08 85	0.07 89	0.08 86	0.06 86	0.07 83	0.07 81	0.08 47	0.07 44	0.07 80	0.07 84	0.06 77	0.06 83

BEATNet-Init1	0.19 115	0.08 45	0.08 47	2.23 380	0.08 90	0.08 84	0.07 88	0.07 85	0.08 92	0.08 85	0.07 89	0.08 86	0.07 90	0.11 102	0.08 83	0.08 47	0.08 46	0.08 82	0.07 84	0.08 86	0.08 86

DeepPrunerF	0.19 115	0.08 45	0.08 47	2.23 380	0.08 90	0.08 84	0.07 88	0.07 85	0.08 92	0.08 85	0.07 89	0.08 86	0.07 90	0.11 102	0.08 83	0.08 47	0.08 46	0.08 82	0.07 84	0.08 86	0.08 86

Wz-Net-SNSev	0.03 25	0.09 51	0.07 45	0.09 41	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.09 53	0.07 44	0.01 9	0.01 9	0.01 9	0.01 9

SepStereo	0.09 38	0.09 51	0.10 56	0.09 41	0.09 92	0.09 88	0.09 90	0.10 90	0.08 92	0.10 89	0.09 92	0.09 90	0.09 93	0.09 89	0.08 83	0.09 53	0.08 46	0.09 87	0.08 88	0.09 89	0.08 86

AnonymousM	0.10 49	0.10 53	0.10 56	0.10 45	0.10 98	0.10 89	0.10 95	0.10 90	0.10 96	0.10 89	0.10 96	0.10 92	0.10 97	0.10 91	0.10 91	0.10 58	0.10 60	0.10 88	0.10 96	0.10 90	0.10 93

SuperB	0.21 125	0.10 53	2.51 412	0.12 68	0.09 92	0.10 89	0.09 90	0.08 88	0.07 90	0.10 89	0.09 92	0.09 90	0.07 90	0.07 83	0.07 81	0.07 45	0.08 46	0.07 80	0.07 84	0.08 86	0.07 85

PVD	0.10 49	0.10 53	0.10 56	0.10 45	0.10 98	0.10 89	0.10 95	0.10 90	0.10 96	0.10 89	0.10 96	0.10 92	0.10 97	0.10 91	0.10 91	0.10 58	0.10 60	0.10 88	0.10 96	0.10 90	0.10 93

SHD	0.10 49	0.10 53	0.10 56	0.10 45	0.10 98	0.10 89	0.10 95	0.10 90	0.10 96	0.10 89	0.10 96	0.10 92	0.10 97	0.10 91	0.10 91	0.10 58	0.10 60	0.10 88	0.10 96	0.10 90	0.10 93

SAMSARA	0.10 49	0.10 53	0.10 56	0.10 45	0.10 98	0.10 89	0.10 95	0.10 90	0.10 96	0.10 89	0.10 96	0.10 92	0.10 97	0.10 91	0.10 91	0.10 58	0.10 60	0.10 88	0.10 96	0.10 90	0.10 93

XQC	0.10 49	0.10 53	0.10 56	0.10 45	0.10 98	0.10 89	0.10 95	0.10 90	0.10 96	0.10 89	0.10 96	0.10 92	0.10 97	0.10 91	0.10 91	0.10 58	0.10 60	0.10 88	0.10 96	0.10 90	0.10 93

RTSC	0.10 49	0.10 53	0.10 56	0.10 45	0.10 98	0.10 89	0.10 95	0.10 90	0.10 96	0.10 89	0.10 96	0.10 92	0.10 97	0.10 91	0.10 91	0.10 58	0.10 60	0.10 88	0.10 96	0.10 90	0.10 93

RTS	0.10 49	0.10 53	0.10 56	0.10 45	0.10 98	0.10 89	0.10 95	0.10 90	0.10 96	0.10 89	0.10 96	0.10 92	0.10 97	0.10 91	0.10 91	0.10 58	0.10 60	0.10 88	0.10 96	0.10 90	0.10 93

RTSA	0.10 49	0.10 53	0.10 56	0.10 45	0.10 98	0.10 89	0.10 95	0.10 90	0.10 96	0.10 89	0.10 96	0.10 92	0.10 97	0.10 91	0.10 91	0.10 58	0.10 60	0.10 88	0.10 96	0.10 90	0.10 93

MADNet+	0.10 49	0.10 53	0.10 56	0.10 45	0.10 98	0.10 89	0.10 95	0.10 90	0.10 96	0.10 89	0.10 96	0.10 92	0.10 97	0.10 91	0.10 91	0.10 58	0.10 60	0.10 88	0.10 96	0.10 90	0.10 93

MADNet++	0.10 49	0.10 53	0.10 56	0.10 45	0.10 98	0.10 89	0.10 95	0.10 90	0.10 96	0.10 89	0.10 96	0.10 92	0.10 97	0.10 91	0.10 91	0.10 58	0.10 60	0.10 88	0.10 96	0.10 90	0.10 93

JetBlue	0.11 70	0.11 64	0.12 86	0.13 81	0.14 133	0.11 100	0.11 107	0.11 102	0.11 110	0.11 101	0.11 109	0.11 102	0.11 108	0.12 106	0.12 117	0.11 73	0.11 81	0.11 98	0.11 109	0.11 100	0.11 105

aanetorigin	0.13 83	0.11 64	0.11 75	0.11 62	0.11 113	0.11 100	0.11 107	0.11 102	0.11 110	0.11 101	0.12 120	0.11 102	0.11 108	0.11 102	0.11 102	0.11 73	0.11 81	0.14 105	0.11 109	0.49 241	0.11 105

JetRed	0.11 70	0.12 66	0.11 75	0.11 62	0.11 113	0.11 100	0.14 127	0.11 102	0.11 110	0.12 103	0.11 109	0.11 102	0.11 108	0.11 102	0.11 102	0.11 73	0.16 125	0.11 98	0.11 109	0.11 100	0.11 105

LRCNet_RVC	0.13 83	0.13 67	0.09 52	0.13 81	0.10 98	0.14 104	0.10 95	0.14 106	0.10 96	0.23 144	0.10 96	0.20 131	0.10 97	0.24 153	0.11 102	0.11 73	0.09 55	0.12 101	0.14 136	0.12 105	0.09 89

GMStereo	0.14 92	0.13 67	0.14 109	0.14 85	0.14 133	0.14 104	0.14 127	0.14 106	0.14 133	0.14 105	0.14 135	0.14 106	0.14 131	0.14 108	0.14 126	0.14 100	0.14 120	0.14 105	0.14 136	0.14 108	0.14 129
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
ac_64	0.22 127	0.13 67	0.19 136	0.23 125	0.10 98	0.26 159	1.02 325	0.14 106	0.10 96	0.28 161	0.14 135	0.17 123	0.19 152	0.28 170	0.09 86	0.22 140	0.16 125	0.23 150	0.17 152	0.11 100	0.12 121

DRN-Test	0.14 92	0.13 67	0.09 52	0.14 85	0.09 92	0.15 110	0.09 90	0.14 106	0.10 96	0.14 105	0.09 92	0.14 106	0.09 93	0.13 107	0.09 86	0.12 78	0.09 55	0.12 101	0.09 90	0.12 105	0.73 297

StereoDRNet	0.15 102	0.14 71	0.10 56	0.14 85	0.09 92	0.15 110	0.09 90	0.14 106	0.09 95	0.14 105	0.10 96	0.14 106	0.09 93	0.14 108	0.09 86	0.13 94	0.10 60	0.13 104	0.09 90	0.13 107	0.82 308

testlalala2	0.13 83	0.16 72	0.11 75	0.15 94	0.11 113	0.16 118	0.11 107	0.16 119	0.11 110	0.16 116	0.11 109	0.16 117	0.11 108	0.16 118	0.11 102	0.14 100	0.11 81	0.14 105	0.11 109	0.14 108	0.11 105

GMStereo_Zeroshot	0.16 109	0.16 72	0.16 124	0.16 102	0.16 147	0.16 118	0.16 133	0.16 119	0.16 143	0.16 116	0.16 143	0.16 117	0.16 140	0.16 118	0.16 139	0.16 117	0.16 125	0.16 120	0.16 139	0.16 122	0.16 130

testlalala_base	0.13 83	0.16 72	0.11 75	0.15 94	0.11 113	0.15 110	0.11 107	0.16 119	0.11 110	0.16 116	0.11 109	0.16 117	0.11 108	0.16 118	0.11 102	0.14 100	0.11 81	0.14 105	0.11 109	0.14 108	0.11 105

HSM	0.14 92	0.16 72	0.12 86	0.17 108	0.12 129	0.17 123	0.11 107	0.17 124	0.11 110	0.17 122	0.12 120	0.17 123	0.12 125	0.17 124	0.12 117	0.16 117	0.11 81	0.16 120	0.11 109	0.16 122	0.12 121

ELAS_RVC	0.14 92	0.16 72	0.10 56	0.15 94	0.10 98	0.18 125	0.11 107	0.19 127	0.11 110	0.19 126	0.12 120	0.18 126	0.11 108	0.19 128	0.12 117	0.14 100	0.08 46	0.14 105	0.09 90	0.15 119	0.09 89
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.13 83	0.16 72	0.11 75	0.15 94	0.09 92	0.18 125	0.11 107	0.18 126	0.11 110	0.17 122	0.11 109	0.18 126	0.11 108	0.18 126	0.11 102	0.14 100	0.08 46	0.14 105	0.08 88	0.14 108	0.09 89
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
SGM_RVC	0.15 102	0.17 78	0.11 75	0.18 109	0.11 113	0.19 128	0.11 107	0.19 127	0.12 129	0.19 126	0.12 120	0.20 131	0.12 125	0.19 128	0.12 117	0.16 117	0.11 81	0.17 125	0.10 96	0.17 125	0.10 93
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DeepPruner_ROB	0.16 109	0.18 79	0.13 105	0.19 112	0.13 132	0.19 128	0.13 126	0.19 127	0.13 132	0.19 126	0.13 132	0.19 129	0.13 129	0.19 128	0.13 123	0.18 128	0.13 118	0.18 133	0.13 133	0.18 128	0.13 127

IGEV_Zeroshot_test	0.20 118	0.19 80	0.40 213	0.30 144	0.17 148	0.22 140	0.17 134	0.21 136	0.17 145	0.20 129	0.17 145	0.21 139	0.18 147	0.21 141	0.17 140	0.20 131	0.16 125	0.20 137	0.16 139	0.20 132	0.17 136

ACVNet	0.20 118	0.19 80	0.14 109	0.20 113	0.14 133	0.20 130	0.96 319	0.21 136	0.14 133	0.20 129	0.13 132	0.21 139	0.14 131	0.20 131	0.14 126	0.17 121	0.12 94	0.17 125	0.12 125	0.17 125	0.12 121

acv_ft	0.20 118	0.19 80	0.14 109	0.20 113	0.14 133	0.20 130	0.96 319	0.21 136	0.14 133	0.20 129	0.13 132	0.21 139	0.14 131	0.20 131	0.14 126	0.17 121	0.12 94	0.17 125	0.12 125	0.17 125	0.12 121

LALA_ROB	0.15 102	0.19 80	0.12 86	0.18 109	0.11 113	0.20 130	0.12 123	0.21 136	0.12 129	0.20 129	0.12 120	0.20 131	0.12 125	0.21 141	0.13 123	0.17 121	0.10 60	0.18 133	0.11 109	0.18 128	0.11 105

model_zeroshot	0.27 143	0.20 84	0.27 163	0.33 154	0.21 165	0.37 193	0.22 155	0.37 184	0.24 164	0.26 158	0.27 188	0.33 177	0.21 161	0.25 156	0.27 177	0.32 176	0.20 146	0.34 189	0.23 165	0.25 147	0.26 166

ProNet	0.14 92	0.20 84	0.14 109	0.16 102	0.11 113	0.16 118	0.11 107	0.17 124	0.11 110	0.17 122	0.12 120	0.17 123	0.13 129	0.17 124	0.12 117	0.15 109	0.11 81	0.16 120	0.11 109	0.15 119	0.12 121

DAS	0.20 118	0.20 84	0.20 140	0.20 113	0.20 158	0.20 130	0.20 144	0.20 131	0.20 153	0.20 129	0.20 157	0.20 131	0.20 156	0.20 131	0.20 152	0.20 131	0.20 146	0.20 137	0.20 156	0.20 132	0.20 143

IPLG	0.13 83	0.20 84	0.14 109	0.15 94	0.11 113	0.14 104	0.11 107	0.14 106	0.11 110	0.14 105	0.11 109	0.14 106	0.11 108	0.14 108	0.11 102	0.15 109	0.12 94	0.14 105	0.11 109	0.14 108	0.11 105

IPLGR_C	0.14 92	0.20 84	0.12 86	0.15 94	0.11 113	0.14 104	0.15 130	0.14 106	0.11 110	0.15 111	0.12 120	0.14 106	0.11 108	0.16 118	0.11 102	0.15 109	0.12 94	0.14 105	0.12 125	0.15 119	0.12 121

ASD4	0.20 118	0.20 84	0.20 140	0.20 113	0.20 158	0.20 130	0.20 144	0.20 131	0.20 153	0.20 129	0.20 157	0.20 131	0.20 156	0.20 131	0.20 152	0.20 131	0.20 146	0.20 137	0.20 156	0.20 132	0.20 143

MSKI-zero shot	0.24 133	0.21 90	0.49 245	0.65 238	0.18 153	0.22 140	0.17 134	0.23 143	0.18 146	0.21 138	0.17 145	0.23 147	0.28 194	0.23 149	0.18 146	0.21 137	0.16 125	0.21 140	0.16 139	0.21 136	0.16 130

CIPLG	0.13 83	0.21 90	0.12 86	0.16 102	0.11 113	0.15 110	0.11 107	0.14 106	0.11 110	0.15 111	0.12 120	0.15 115	0.11 108	0.14 108	0.11 102	0.15 109	0.12 94	0.14 105	0.11 109	0.14 108	0.11 105

MIPNet	0.14 92	0.21 90	0.17 128	0.16 102	0.11 113	0.15 110	0.12 123	0.14 106	0.11 110	0.16 116	0.11 109	0.14 106	0.11 108	0.14 108	0.11 102	0.14 100	0.12 94	0.14 105	0.11 109	0.14 108	0.11 105

ACRE	0.13 83	0.21 90	0.14 109	0.15 94	0.11 113	0.14 104	0.11 107	0.14 106	0.11 110	0.14 105	0.12 120	0.14 106	0.11 108	0.14 108	0.11 102	0.15 109	0.12 94	0.14 105	0.11 109	0.14 108	0.11 105

Pointernet	0.21 125	0.22 94	0.19 136	0.24 130	0.19 156	0.24 147	0.19 141	0.24 146	0.19 151	0.24 149	0.19 154	0.24 151	0.19 152	0.24 153	0.19 149	0.22 140	0.17 137	0.22 145	0.17 152	0.22 138	0.17 136

test_for_model	0.15 102	0.23 95	0.18 133	0.21 121	0.11 113	0.16 118	0.11 107	0.16 119	0.11 110	0.16 116	0.11 109	0.16 117	0.11 108	0.16 118	0.11 102	0.21 137	0.18 142	0.14 105	0.11 109	0.14 108	0.11 105

WAO-6	0.22 127	0.23 95	0.22 145	0.23 125	0.22 167	0.22 140	0.22 155	0.22 140	0.22 158	0.22 140	0.22 163	0.22 144	0.22 162	0.22 145	0.22 157	0.22 140	0.22 152	0.22 145	0.22 160	0.22 138	0.22 148

IMH-64-1	0.22 127	0.23 95	0.23 147	0.22 122	0.22 167	0.22 140	0.22 155	0.22 140	0.22 158	0.22 140	0.22 163	0.22 144	0.22 162	0.22 145	0.22 157	0.22 140	0.22 152	0.23 150	0.22 160	0.22 138	0.23 149

IMH-64	0.22 127	0.23 95	0.23 147	0.22 122	0.22 167	0.22 140	0.22 155	0.22 140	0.22 158	0.22 140	0.22 163	0.22 144	0.22 162	0.22 145	0.22 157	0.22 140	0.22 152	0.23 150	0.22 160	0.22 138	0.23 149

MIM_Stereo	0.25 134	0.23 95	0.66 266	0.80 251	0.17 148	0.22 140	0.17 134	0.23 143	0.18 146	0.26 158	0.17 145	0.21 139	0.17 142	0.25 156	0.17 140	0.23 150	0.16 125	0.21 140	0.17 152	0.22 138	0.17 136

iResNetv2_ROB	0.20 118	0.23 95	0.18 133	0.24 130	0.20 158	0.24 147	0.18 138	0.24 146	0.18 146	0.24 149	0.18 153	0.23 147	0.19 152	0.24 153	0.18 146	0.21 137	0.16 125	0.21 140	0.16 139	0.22 138	0.16 130

iResNet	0.20 118	0.23 95	0.18 133	0.24 130	0.18 153	0.24 147	0.20 144	0.24 146	0.18 146	0.23 144	0.17 145	0.23 147	0.18 147	0.23 149	0.18 146	0.22 140	0.16 125	0.21 140	0.16 139	0.21 136	0.16 130

Wz-Net-LNSev	0.06 31	0.24 102	0.20 140	0.23 125	0.01 9	0.02 18	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.23 150	0.21 149	0.02 18	0.01 9	0.01 9	0.01 9

IPLGR	0.14 92	0.24 102	0.14 109	0.16 102	0.12 129	0.15 110	0.12 123	0.14 106	0.11 110	0.15 111	0.12 120	0.14 106	0.11 108	0.14 108	0.11 102	0.15 109	0.12 94	0.14 105	0.11 109	0.14 108	0.11 105

UNDER WATER-64	0.25 134	0.26 104	0.25 157	0.26 140	0.25 178	0.25 152	0.25 168	0.25 150	0.25 169	0.25 151	0.25 177	0.25 155	0.25 171	0.26 166	0.25 171	0.25 159	0.25 159	0.25 156	0.25 178	0.25 147	0.25 160

CAS++	0.17 112	0.27 105	0.21 144	0.10 45	0.21 165	0.15 110	0.22 155	0.10 90	0.21 156	0.22 140	0.10 96	0.19 129	0.18 147	0.10 91	0.19 149	0.20 131	0.19 144	0.18 133	0.10 96	0.19 131	0.18 140
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
TorneroNet-64	0.45 211	0.27 105	0.30 173	0.58 231	0.27 188	0.70 285	0.30 194	0.28 157	0.73 306	0.73 287	0.28 194	0.71 286	0.66 285	0.75 289	0.27 177	0.27 163	0.29 182	0.37 209	0.75 308	0.28 154	0.30 199

LoS	0.25 134	0.27 105	0.25 157	0.25 134	0.25 178	0.25 152	0.25 168	0.26 154	0.25 169	0.25 151	0.25 177	0.25 155	0.25 171	0.25 156	0.25 171	0.26 160	0.25 159	0.25 156	0.26 185	0.26 149	0.25 160
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
DLNR_Zeroshot_test	0.31 151	0.28 108	0.47 237	0.79 249	0.24 176	0.30 166	0.26 175	0.30 162	0.24 164	0.32 170	0.23 166	0.31 173	0.24 168	0.30 174	0.23 162	0.29 171	0.26 163	0.29 169	0.24 173	0.33 167	0.23 149

SQANet	0.28 144	0.28 108	0.28 167	0.28 142	0.28 191	0.28 163	0.28 184	0.28 157	0.28 190	0.28 161	0.28 194	0.28 165	0.28 194	0.28 170	0.28 183	0.28 165	0.28 173	0.28 165	0.28 195	0.28 154	0.28 186

HGLStereo	0.28 144	0.29 110	0.22 145	0.36 161	0.22 167	0.36 188	0.21 150	0.36 178	0.21 156	0.42 222	0.21 162	0.36 190	0.22 162	0.36 192	0.21 155	0.34 181	0.21 149	0.34 189	0.21 158	0.34 171	0.21 145

DANet	0.30 148	0.30 111	0.30 173	0.30 144	0.30 206	0.30 166	0.30 194	0.30 162	0.30 203	0.30 164	0.30 206	0.30 171	0.30 204	0.30 174	0.30 197	0.30 172	0.30 190	0.30 171	0.30 212	0.30 159	0.30 199
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
AANet_RVC	1.26 364	0.31 112	4.99 437	5.93 429	0.20 158	0.25 152	0.20 144	0.25 150	0.20 153	0.23 144	0.19 154	0.25 155	0.20 156	0.25 156	0.20 152	5.66 437	4.76 430	0.26 159	0.30 212	0.24 146	0.27 174

gcap-zeroshot	0.35 170	0.32 113	0.37 202	0.49 215	0.39 246	0.33 179	0.21 150	0.26 154	0.35 221	0.42 222	0.34 219	0.49 251	0.29 198	0.47 243	0.39 237	0.34 181	0.17 137	0.38 216	0.23 165	0.48 237	0.34 217

iResNet_ROB	0.28 144	0.32 113	0.24 153	0.32 150	0.25 178	0.32 176	0.24 165	0.32 164	0.24 164	0.33 174	0.24 172	0.35 183	0.24 168	0.33 181	0.24 165	0.31 175	0.24 158	0.32 174	0.24 173	0.32 162	0.24 159

H2IRNET	0.34 164	0.34 115	0.34 195	0.34 156	0.34 227	0.34 181	0.34 215	0.34 171	0.34 218	0.34 176	0.34 219	0.34 182	0.34 217	0.34 183	0.34 218	0.34 181	0.34 201	0.34 189	0.34 229	0.34 171	0.34 217

MLCV	0.31 151	0.35 116	0.27 163	0.35 157	0.28 191	0.35 185	0.27 178	0.35 174	0.28 190	0.36 184	0.27 188	0.35 183	0.27 188	0.35 185	0.27 177	0.34 181	0.27 168	0.34 189	0.27 191	0.34 171	0.27 174

ETE_ROB	0.35 170	0.35 116	0.35 200	0.35 157	0.35 230	0.35 185	0.35 218	0.35 174	0.35 221	0.35 180	0.35 226	0.35 183	0.35 221	0.35 185	0.35 220	0.35 190	0.35 202	0.35 202	0.35 233	0.35 183	0.35 221

DN-CSS_ROB	0.31 151	0.35 116	0.28 167	0.35 157	0.28 191	0.34 181	0.27 178	0.34 171	0.25 169	0.35 180	0.27 188	0.36 190	0.26 180	0.34 183	0.28 183	0.35 190	0.28 173	0.34 189	0.28 195	0.34 171	0.27 174

RSM	0.36 174	0.36 119	0.43 226	0.37 164	0.42 261	0.49 254	0.42 251	0.37 184	0.28 190	0.36 184	0.29 196	0.36 190	0.30 204	0.37 196	0.28 183	0.34 181	0.31 194	0.34 189	0.35 233	0.40 208	0.29 190

Any-RAFT	0.32 159	0.36 119	0.27 163	0.36 161	0.27 188	0.36 188	0.27 178	0.36 178	0.27 187	0.36 184	0.27 188	0.36 190	0.27 188	0.36 192	0.28 183	0.36 194	0.28 173	0.36 207	0.28 195	0.36 189	0.28 186

RAFT-Test	0.36 174	0.37 121	0.33 188	0.41 193	0.32 212	0.41 219	0.32 199	0.41 210	0.32 208	0.41 211	0.32 210	0.41 218	0.32 210	0.41 221	0.33 205	0.37 198	0.29 182	0.37 209	0.29 204	0.38 198	0.31 204

XPNet_ROB	0.37 177	0.37 121	0.37 202	0.37 164	0.37 236	0.37 193	0.37 229	0.37 184	0.37 231	0.37 189	0.37 233	0.37 196	0.37 227	0.37 196	0.37 231	0.37 198	0.37 206	0.37 209	0.37 241	0.37 191	0.37 225

WAO-8	0.38 183	0.38 123	0.38 205	0.38 166	0.38 241	0.38 197	0.38 234	0.38 189	0.38 233	0.38 190	0.38 238	0.38 198	0.38 229	0.38 198	0.38 232	0.38 205	0.38 212	0.38 216	0.37 241	0.38 198	0.38 229

WAO-7	0.38 183	0.38 123	0.38 205	0.38 166	0.38 241	0.38 197	0.38 234	0.38 189	0.38 233	0.38 190	0.38 238	0.38 198	0.38 229	0.38 198	0.38 232	0.38 205	0.38 212	0.38 216	0.38 247	0.38 198	0.38 229

HanzoNet	0.39 188	0.38 123	0.40 213	0.39 171	0.41 253	0.38 197	0.38 234	0.38 189	0.38 233	0.39 195	0.39 242	0.38 198	0.38 229	0.39 205	0.40 239	0.38 205	0.38 212	0.40 226	0.38 247	0.38 198	0.40 233

Venus	0.38 183	0.38 123	0.38 205	0.38 166	0.38 241	0.37 193	0.38 234	0.37 184	0.37 231	0.41 211	0.37 233	0.39 202	0.37 227	0.38 198	0.38 232	0.37 198	0.38 212	0.38 216	0.37 241	0.37 191	0.38 229

IMH	0.38 183	0.38 123	0.38 205	0.38 166	0.38 241	0.38 197	0.38 234	0.38 189	0.38 233	0.42 222	0.38 238	0.40 208	0.38 229	0.38 198	0.38 232	0.38 205	0.38 212	0.39 222	0.38 247	0.38 198	0.38 229

DMCA	0.36 174	0.38 123	0.37 202	0.35 157	0.35 230	0.36 188	0.36 224	0.36 178	0.35 221	0.35 180	0.37 233	0.36 190	0.36 224	0.35 185	0.36 223	0.36 194	0.36 204	0.35 202	0.36 239	0.36 189	0.36 222

StereoDRNet-Refined	0.33 162	0.39 129	0.26 162	0.39 171	0.26 186	0.40 204	0.26 175	0.40 197	0.26 182	0.39 195	0.26 183	0.39 202	0.26 180	0.39 205	0.26 176	0.37 198	0.25 159	0.37 209	0.25 178	0.37 191	0.37 225
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DISCO	1.11 313	0.39 129	5.28 439	0.39 171	0.20 158	0.39 203	0.27 178	0.39 193	0.22 158	0.38 190	0.20 157	0.38 198	0.20 156	6.95 450	0.22 157	0.30 172	0.21 149	0.27 163	0.21 158	5.25 431	0.21 145

EKT-Stereo	0.37 177	0.40 131	0.44 228	1.07 285	0.29 197	0.34 181	0.31 198	0.36 178	0.29 193	0.38 190	0.31 209	0.37 196	0.30 204	0.36 192	0.29 190	0.34 181	0.28 173	0.39 222	0.30 212	0.37 191	0.30 199

knoymous	0.40 191	0.40 131	0.40 213	0.40 184	0.40 247	0.40 204	0.40 240	0.40 197	0.40 239	0.40 199	0.40 243	0.40 208	0.40 234	0.40 208	0.40 239	0.40 215	0.40 219	0.40 226	0.40 250	0.40 208	0.40 233

anonymousa	0.40 191	0.40 131	0.40 213	0.40 184	0.40 247	0.40 204	0.40 240	0.40 197	0.40 239	0.40 199	0.40 243	0.40 208	0.40 234	0.40 208	0.40 239	0.40 215	0.40 219	0.40 226	0.40 250	0.40 208	0.40 233

riskmin	0.40 191	0.40 131	0.40 213	0.40 184	0.40 247	0.40 204	0.40 240	0.40 197	0.40 239	0.40 199	0.40 243	0.40 208	0.40 234	0.40 208	0.40 239	0.40 215	0.40 219	0.40 226	0.40 250	0.40 208	0.40 233

Anonymous_2	0.40 191	0.40 131	0.40 213	0.40 184	0.40 247	0.40 204	0.40 240	0.40 197	0.40 239	0.40 199	0.40 243	0.40 208	0.40 234	0.40 208	0.40 239	0.40 215	0.40 219	0.40 226	0.40 250	0.40 208	0.40 233

Anonymous_1	0.40 191	0.40 131	0.40 213	0.40 184	0.40 247	0.40 204	0.40 240	0.40 197	0.40 239	0.40 199	0.40 243	0.40 208	0.40 234	0.40 208	0.40 239	0.40 215	0.40 219	0.40 226	0.40 250	0.40 208	0.40 233

AdaStereo	0.40 191	0.40 131	0.40 213	0.40 184	0.40 247	0.40 204	0.40 240	0.40 197	0.40 239	0.40 199	0.40 243	0.40 208	0.40 234	0.40 208	0.40 239	0.40 215	0.40 219	0.40 226	0.40 250	0.40 208	0.40 233
Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Zhe Wang, Jianping Shi: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021.
iRaft-Stereo_20w	0.34 164	0.41 138	0.31 179	0.39 171	0.29 197	0.40 204	0.32 199	0.41 210	0.32 208	0.38 190	0.30 206	0.39 202	0.30 204	0.38 198	0.32 202	0.35 190	0.27 168	0.34 189	0.27 191	0.34 171	0.29 190

GwcNet-ADL	0.41 198	0.41 138	0.41 221	0.41 193	0.41 253	0.41 219	0.41 246	0.41 210	0.41 248	0.41 211	0.41 249	0.41 218	0.41 244	0.41 221	0.41 246	0.41 222	0.41 227	0.41 237	0.41 256	0.41 217	0.41 240

PSMNet-ADL	0.41 198	0.41 138	0.41 221	0.41 193	0.41 253	0.41 219	0.41 246	0.41 210	0.41 248	0.41 211	0.41 249	0.41 218	0.41 244	0.41 221	0.41 246	0.41 222	0.41 227	0.41 237	0.41 256	0.41 217	0.41 240

GANet-ADL	0.41 198	0.41 138	0.41 221	0.41 193	0.41 253	0.41 219	0.41 246	0.41 210	0.41 248	0.41 211	0.41 249	0.41 218	0.41 244	0.41 221	0.41 246	0.41 222	0.41 227	0.41 237	0.41 256	0.41 217	0.41 240

ADLNet2	0.41 198	0.41 138	0.41 221	0.41 193	0.41 253	0.41 219	0.41 246	0.41 210	0.41 248	0.41 211	0.41 249	0.41 218	0.41 244	0.41 221	0.41 246	0.41 222	0.41 227	0.41 237	0.41 256	0.41 217	0.41 240

ADLNet	0.41 198	0.41 138	0.41 221	0.41 193	0.41 253	0.41 219	0.41 246	0.41 210	0.41 248	0.41 211	0.41 249	0.41 218	0.41 244	0.41 221	0.41 246	0.41 222	0.41 227	0.41 237	0.41 256	0.41 217	0.41 240

DGSMNet	0.34 164	0.41 138	0.27 163	0.41 193	0.28 191	0.41 219	0.28 184	0.41 210	0.27 187	0.41 211	0.27 188	0.42 234	0.27 188	0.41 221	0.28 183	0.40 215	0.29 182	0.40 226	0.28 195	0.40 208	0.27 174

iRaft-Stereo_5w	0.34 164	0.42 145	0.31 179	0.39 171	0.30 206	0.38 197	0.30 194	0.40 197	0.29 193	0.40 199	0.37 233	0.41 218	0.34 217	0.38 198	0.30 197	0.34 181	0.27 168	0.34 189	0.26 185	0.34 171	0.26 166

IGEV++	0.34 164	0.43 146	0.30 173	0.40 184	0.29 197	0.40 204	0.29 189	0.40 197	0.29 193	0.40 199	0.29 196	0.40 208	0.29 198	0.40 208	0.30 197	0.38 205	0.29 182	0.37 209	0.29 204	0.37 191	0.29 190

Wz-Net-LNSev-Ref	0.11 70	0.44 147	0.33 188	0.39 171	0.02 20	0.03 36	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.39 212	0.36 204	0.02 18	0.02 20	0.02 19	0.02 19

IGEV-Stereo	0.35 170	0.44 147	0.45 230	0.49 215	0.30 206	0.37 193	0.30 194	0.36 178	0.30 203	0.36 184	0.29 196	0.36 190	0.29 198	0.36 192	0.30 197	0.46 237	0.39 217	0.32 174	0.24 173	0.32 162	0.25 160
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
GMOStereo	0.37 177	0.45 149	0.23 147	0.30 144	0.37 236	0.41 219	0.36 224	0.41 210	0.35 221	0.43 228	0.36 229	0.41 218	0.40 234	0.41 221	0.36 223	0.34 181	0.22 152	0.47 257	0.37 241	0.39 205	0.33 211

RAFT + AFF	0.31 151	0.45 149	0.34 195	0.39 171	0.28 191	0.38 197	0.33 206	0.29 160	0.31 205	0.30 164	0.30 206	0.29 170	0.27 188	0.29 173	0.30 197	0.28 165	0.29 182	0.29 169	0.29 204	0.27 152	0.32 208

otaku	0.46 213	0.46 151	0.46 232	0.46 205	0.46 265	0.46 244	0.46 256	0.46 232	0.46 256	0.46 233	0.46 262	0.46 239	0.46 253	0.46 239	0.46 258	0.46 237	0.46 235	0.46 253	0.46 266	0.46 227	0.46 251

Dean	0.46 213	0.46 151	0.46 232	0.46 205	0.46 265	0.46 244	0.46 256	0.46 232	0.46 256	0.47 238	0.46 262	0.46 239	0.46 253	0.46 239	0.46 258	0.46 237	0.46 235	0.46 253	0.46 266	0.46 227	0.46 251

ACVNet-4b	0.46 213	0.46 151	0.46 232	0.46 205	0.46 265	0.46 244	0.46 256	0.46 232	0.46 256	0.46 233	0.46 262	0.46 239	0.46 253	0.47 243	0.46 258	0.46 237	0.46 235	0.46 253	0.46 266	0.46 227	0.46 251

psmorigin	0.41 198	0.46 151	0.33 188	0.49 215	0.33 221	0.49 254	0.33 206	0.49 243	0.33 211	0.49 247	0.33 213	0.49 251	0.33 214	0.51 263	0.33 205	0.41 222	0.30 190	0.41 237	0.30 212	0.79 269	0.29 190

Ntro	0.47 218	0.47 155	0.46 232	0.46 205	0.46 265	0.47 248	0.47 261	0.46 232	0.47 261	0.46 233	0.46 262	0.47 244	0.46 253	0.47 243	0.47 262	0.47 242	0.46 235	0.46 253	0.46 266	0.46 227	0.46 251

HaxPig	0.47 218	0.47 155	0.47 237	0.49 215	0.47 271	0.47 248	0.47 261	0.47 237	0.47 261	0.47 238	0.47 269	0.47 244	0.47 261	0.47 243	0.47 262	0.47 242	0.47 241	0.47 257	0.47 272	0.47 234	0.48 259

UNDER WATER	0.47 218	0.47 155	0.47 237	0.47 210	0.47 271	0.47 248	0.47 261	0.47 237	0.47 261	0.47 238	0.47 269	0.47 244	0.46 253	0.47 243	0.47 262	0.47 242	0.47 241	0.47 257	0.46 266	0.47 234	0.47 257

LVE	0.47 218	0.47 155	0.47 237	0.47 210	0.49 275	0.47 248	0.47 261	0.47 237	0.49 268	0.47 238	0.47 269	0.47 244	0.46 253	0.47 243	0.47 262	0.47 242	0.47 241	0.48 265	0.47 272	0.47 234	0.47 257

ACVNet_1	0.46 213	0.47 155	0.46 232	0.46 205	0.46 265	0.46 244	0.46 256	0.46 232	0.47 261	0.46 233	0.46 262	0.46 239	0.46 253	0.46 239	0.46 258	0.46 237	0.46 235	0.47 257	0.46 266	0.46 227	0.46 251

CES	0.39 188	0.47 155	0.36 201	0.36 161	0.37 236	0.45 242	0.35 218	0.35 174	0.40 239	0.36 184	0.44 260	0.47 244	0.36 224	0.44 236	0.36 223	0.37 198	0.39 217	0.44 248	0.35 233	0.37 191	0.36 222

RainbowNet	0.48 222	0.48 161	0.48 241	0.48 213	0.48 273	0.48 252	0.48 267	0.48 241	0.48 267	0.48 242	0.48 272	0.48 249	0.48 262	0.48 249	0.48 267	0.48 246	0.48 244	0.48 265	0.48 274	0.48 237	0.48 259

notaker	0.48 222	0.49 162	0.48 241	0.48 213	0.48 273	0.48 252	0.48 267	0.48 241	0.49 268	0.48 242	0.48 272	0.48 249	0.48 262	0.48 249	0.48 267	0.48 246	0.48 244	0.48 265	0.48 274	0.48 237	0.49 262

ACVNet_2	0.49 225	0.49 162	0.49 245	0.49 215	0.49 275	0.49 254	0.49 269	0.49 243	0.49 268	0.49 247	0.49 275	0.49 251	0.49 266	0.49 255	0.49 269	0.49 249	0.49 246	0.49 268	0.49 276	0.49 241	0.49 262

KSHMR	0.66 242	0.50 164	0.48 241	1.15 294	0.52 281	0.49 254	0.51 272	0.49 243	0.71 302	0.67 281	0.50 277	1.16 333	1.11 321	0.66 280	0.52 273	0.49 249	0.49 246	0.51 272	0.66 294	0.50 245	1.14 336

WZ-Net	0.05 29	0.50 164	0.10 56	0.12 68	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.12 78	0.10 60	0.01 9	0.01 9	0.01 9	0.01 9

SANet	0.50 227	0.50 164	0.50 247	0.50 222	0.50 278	0.50 262	0.50 271	0.50 251	0.50 271	0.50 259	0.50 277	0.50 265	0.50 269	0.50 260	0.50 270	0.50 255	0.50 251	0.50 271	0.50 278	0.50 245	0.50 265

CASnet	0.35 170	0.51 167	0.44 228	0.32 150	0.31 210	0.24 147	0.34 215	0.36 178	0.25 169	0.31 166	0.37 233	0.30 171	0.33 214	0.25 156	0.45 254	0.37 198	0.37 206	0.33 182	0.35 233	0.34 171	0.37 225
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
Occ-G	1.12 314	0.52 168	3.72 432	3.50 401	0.50 278	0.56 271	0.47 261	0.54 259	0.46 256	0.54 265	0.41 249	0.54 268	0.42 249	0.52 266	0.42 251	3.42 410	4.02 426	0.52 274	0.45 265	0.51 247	0.44 249

AEACV	1.12 314	0.52 168	3.12 426	3.24 397	0.86 321	0.53 268	0.49 269	0.60 268	0.47 261	0.53 264	0.49 275	0.55 272	0.45 252	0.55 269	0.47 262	3.01 406	3.88 424	0.71 290	0.60 288	0.80 272	0.48 259

ktn	0.72 255	0.53 170	1.08 311	1.14 292	0.51 280	1.22 378	1.36 392	0.51 257	0.59 280	0.51 260	0.51 280	0.69 285	1.20 332	0.67 282	0.51 272	0.51 256	0.49 246	0.58 278	0.66 294	0.52 248	0.53 268

TorneroNet	0.66 242	0.53 170	0.50 247	0.50 222	0.64 297	1.06 318	0.70 293	0.50 251	0.51 275	0.49 247	0.69 302	0.49 251	0.50 269	0.48 249	1.15 333	0.71 276	0.49 246	1.14 330	1.08 329	0.49 241	0.49 262

ICVP	0.15 102	0.53 170	0.11 75	0.16 102	0.11 113	0.16 118	0.11 107	0.16 119	0.11 110	0.16 116	0.11 109	0.16 117	0.11 108	0.16 118	0.11 102	0.16 117	0.11 81	0.16 120	0.11 109	0.16 122	0.11 105
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
Wz-Net-MNSev	0.06 31	0.54 173	0.10 56	0.12 68	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.12 78	0.11 81	0.01 9	0.01 9	0.01 9	0.01 9

PSMNet_ROB	0.54 233	0.54 173	0.54 251	0.54 227	0.53 284	0.54 269	0.54 274	0.53 258	0.54 277	0.54 265	0.54 283	0.54 268	0.53 272	0.54 267	0.54 275	0.54 259	0.53 254	0.54 276	0.54 279	0.54 251	0.54 269

Selective-IGEV	0.51 229	0.55 175	0.45 230	0.69 241	0.45 264	0.61 278	0.45 255	0.50 251	0.40 239	0.56 270	0.44 260	0.55 272	0.40 234	0.72 286	0.67 289	0.59 262	0.46 235	0.45 250	0.34 229	0.46 227	0.37 225

FCDSN-DC	0.41 198	0.59 176	0.64 262	0.54 227	0.33 221	0.50 262	0.37 229	0.42 226	0.40 239	0.61 275	0.43 258	0.50 265	0.49 266	0.38 198	0.32 202	0.28 165	0.23 156	0.26 159	0.22 160	0.35 183	0.28 186
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
DispNO	1.00 303	0.63 177	0.43 226	3.45 400	0.44 263	0.65 282	0.43 253	0.64 271	0.43 253	0.64 278	0.43 258	0.64 280	3.03 412	0.64 278	0.43 253	4.55 418	0.43 232	0.63 281	0.43 263	0.63 254	0.43 246

LMCR-Stereo	0.65 240	0.63 177	0.65 265	0.65 238	0.65 299	0.66 283	0.63 281	0.58 265	0.65 289	0.63 277	0.64 293	0.65 283	0.65 282	0.66 280	0.66 288	0.66 269	0.64 267	0.65 284	0.67 297	0.68 257	0.73 297

AIO-Stereo	0.84 283	0.66 179	0.70 272	0.83 255	0.67 303	0.98 310	0.82 308	1.14 313	0.72 303	1.03 316	0.74 311	1.03 321	1.09 320	0.99 314	0.45 254	1.04 305	0.73 281	0.95 317	0.74 307	0.94 291	0.46 251

anonymity	0.63 239	0.69 180	0.56 252	0.71 245	0.56 285	0.71 287	0.56 275	0.71 277	0.56 278	0.72 285	0.56 285	0.71 286	0.56 274	0.71 285	0.58 279	0.68 271	0.55 255	0.68 286	0.55 280	0.68 257	0.54 269

CoDeX	0.15 102	0.70 181	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.01 9	0.02 19	0.67 289	0.02 14	0.69 274	0.75 293	0.01 9	0.02 19	0.02 19

RAFT-Stereo + iAFF	0.70 250	0.72 182	0.71 276	0.80 251	0.62 296	0.82 295	0.61 279	0.81 286	0.62 285	0.81 295	0.63 291	0.80 297	0.70 291	0.73 287	0.61 283	0.76 278	0.61 264	0.74 292	0.61 290	0.77 266	0.61 279

DSFCA	0.66 242	0.73 183	0.78 285	0.65 238	0.65 299	0.64 281	0.64 282	0.65 272	0.63 287	0.64 278	0.64 293	0.64 280	0.64 280	0.65 279	0.65 285	0.65 268	0.65 268	0.65 284	0.65 292	0.66 255	0.64 283

GCAP-BAT	0.33 162	0.78 184	0.32 183	0.38 166	0.25 178	0.34 181	0.25 168	0.34 171	0.26 182	0.34 176	0.25 177	0.35 183	0.26 180	0.35 185	0.27 177	0.36 194	0.30 190	0.32 174	0.24 173	0.32 162	0.26 166

SFCPSM	0.17 112	0.78 184	0.02 13	0.02 14	0.01 9	0.02 18	0.02 19	0.02 19	0.01 9	0.02 19	0.02 19	0.02 19	0.01 9	0.02 19	0.79 306	0.02 14	0.75 284	0.76 295	0.02 20	0.02 19	0.02 19

G-Net	0.79 266	0.79 186	0.79 288	0.79 249	0.79 317	0.79 292	0.79 303	0.79 282	0.79 312	0.79 292	0.79 315	0.79 296	0.79 301	0.79 291	0.79 306	0.79 280	0.79 287	0.79 297	0.79 312	0.79 269	0.79 304

DMCA-RVC	0.70 250	0.80 187	0.70 272	0.70 243	0.70 308	0.70 285	0.70 293	0.71 277	0.70 299	0.70 284	0.71 306	0.71 286	0.70 291	0.70 284	0.69 297	0.69 272	0.70 275	0.69 287	0.70 302	0.69 260	0.70 291

NaN_ROB	0.80 268	0.80 187	0.80 289	0.80 251	0.80 319	0.80 293	0.80 305	0.80 283	0.80 313	0.80 293	0.80 316	0.80 297	0.80 302	0.80 292	0.80 308	0.80 281	0.80 290	0.80 300	0.80 313	0.80 272	0.80 305

CSAN	0.80 268	0.80 187	0.80 289	0.80 251	0.80 319	0.80 293	0.80 305	0.80 283	0.80 313	0.80 293	0.80 316	0.80 297	0.80 302	0.80 292	0.80 308	0.80 281	0.80 290	0.80 300	0.80 313	0.80 272	0.80 305

testlalala	0.32 159	0.81 190	0.31 179	0.39 171	0.26 186	0.33 179	0.24 165	0.33 167	0.26 182	0.32 170	0.26 183	0.33 177	0.23 166	0.33 181	0.23 162	0.35 190	0.31 194	0.30 171	0.24 173	0.31 161	0.21 145

ARAFT	0.68 247	0.81 190	0.63 260	0.74 247	0.60 288	0.78 291	0.62 280	0.77 281	0.66 291	0.74 291	0.63 291	0.75 292	0.62 279	0.83 294	0.60 281	0.70 275	0.55 255	0.70 289	0.60 288	0.78 267	0.55 273

RSM++	0.76 261	0.82 192	0.66 266	0.85 258	0.64 297	0.85 296	0.71 296	0.94 300	0.64 288	0.87 297	0.67 298	0.87 302	0.65 282	0.84 295	0.65 285	0.81 284	0.70 275	0.79 297	0.71 305	0.83 277	0.70 291

Selective-RAFT-Error	0.88 287	0.84 193	0.98 304	0.86 259	0.97 332	0.88 299	0.95 318	0.84 287	0.99 329	0.92 303	0.82 318	0.84 301	0.98 311	0.87 299	0.97 320	0.81 284	0.83 293	0.79 297	0.82 316	0.79 269	0.85 310

AIO-Stereo-zeroshot	0.91 290	0.86 194	0.89 293	1.25 351	0.69 307	1.05 317	0.81 307	1.16 316	0.50 271	1.12 325	0.97 327	0.72 289	0.82 304	1.06 321	0.95 319	0.61 266	0.87 295	1.03 327	0.85 319	1.04 299	1.01 325

test_sample3	0.09 38	0.87 195	0.10 56	0.12 68	0.03 40	0.03 36	0.03 40	0.03 38	0.03 47	0.03 36	0.03 44	0.03 38	0.03 44	0.03 33	0.03 39	0.12 78	0.10 60	0.03 34	0.02 20	0.03 39	0.02 19

test_sample1	0.09 38	0.87 195	0.12 86	0.11 62	0.03 40	0.03 36	0.03 40	0.03 38	0.02 20	0.04 60	0.02 19	0.03 38	0.03 44	0.03 33	0.03 39	0.10 58	0.10 60	0.03 34	0.02 20	0.03 39	0.02 19

AFF-stereo	0.73 256	0.88 197	0.67 269	0.75 248	0.68 306	0.75 288	0.64 282	0.80 283	0.72 303	0.83 296	0.70 303	0.82 300	0.64 280	0.84 295	0.67 289	0.77 279	0.63 265	0.81 302	0.63 291	0.78 267	0.62 281

CASS	0.57 237	0.89 198	0.56 252	0.57 230	0.56 285	0.56 271	0.56 275	0.56 261	0.53 276	0.57 271	0.57 286	0.59 278	0.48 262	0.56 270	0.57 278	0.55 261	0.56 257	0.47 257	0.56 283	0.62 253	0.56 276
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
Selective-RAFT	0.89 289	0.89 198	0.72 277	1.16 299	0.78 316	1.06 318	0.82 308	0.87 288	0.97 327	1.00 311	0.91 322	0.90 306	1.00 312	0.89 302	0.93 318	0.83 287	0.83 293	0.82 304	0.82 316	0.81 275	0.82 308

UNet	0.29 147	0.90 200	0.10 56	0.14 85	0.10 98	0.14 104	0.10 95	0.91 293	0.69 296	0.14 105	0.11 109	0.14 106	0.11 108	0.14 108	0.10 91	0.12 78	0.09 55	0.12 101	0.09 90	0.88 281	0.76 302

xxxxx1	0.31 151	0.91 201	0.23 147	0.31 147	0.23 171	0.31 169	0.23 160	0.33 167	0.25 169	0.31 166	0.24 172	0.33 177	0.25 171	0.32 176	0.24 165	0.28 165	0.28 173	0.28 165	0.28 195	0.29 156	0.27 174

tt_ll	0.31 151	0.91 201	0.23 147	0.31 147	0.23 171	0.31 169	0.23 160	0.33 167	0.25 169	0.31 166	0.24 172	0.33 177	0.25 171	0.32 176	0.24 165	0.28 165	0.28 173	0.28 165	0.28 195	0.29 156	0.27 174

ff	0.31 151	0.91 201	0.23 147	0.31 147	0.23 171	0.31 169	0.23 160	0.33 167	0.25 169	0.31 166	0.24 172	0.33 177	0.25 171	0.32 176	0.24 165	0.28 165	0.28 173	0.28 165	0.28 195	0.29 156	0.27 174

DPSM_ROB	0.92 292	0.91 201	0.91 297	0.91 263	0.92 328	0.92 304	0.92 314	0.92 296	0.91 319	0.93 305	0.91 322	0.92 309	0.90 306	0.91 304	0.92 314	0.92 295	0.91 296	0.91 311	0.92 320	0.93 289	0.93 316

DPSM	0.92 292	0.91 201	0.91 297	0.91 263	0.92 328	0.92 304	0.92 314	0.92 296	0.91 319	0.93 305	0.91 322	0.92 309	0.90 306	0.91 304	0.92 314	0.92 295	0.91 296	0.91 311	0.92 320	0.93 289	0.93 316

AIO-Stereo-zeroshot1	0.75 258	0.92 206	0.85 292	0.96 274	0.59 287	1.27 381	0.44 254	0.59 266	0.69 296	0.91 301	0.68 299	0.55 272	0.61 278	1.06 321	0.83 311	0.62 267	0.70 275	0.90 309	0.41 256	0.89 282	0.56 276

pmcnn	0.92 292	0.92 206	0.92 299	0.92 266	0.92 328	0.92 304	0.92 314	0.92 296	0.92 323	0.92 303	0.92 325	0.92 309	0.92 308	0.92 307	0.92 314	0.92 295	0.92 298	0.92 313	0.92 320	0.92 288	0.92 315

tt1	0.31 151	0.93 208	0.24 153	0.33 154	0.23 171	0.31 169	0.24 165	0.32 164	0.24 164	0.32 170	0.23 166	0.32 175	0.25 171	0.32 176	0.24 165	0.27 163	0.26 163	0.27 163	0.26 185	0.27 152	0.27 174

tta	0.09 38	0.95 209	0.09 52	0.10 45	0.02 20	0.03 36	0.02 19	0.03 38	0.02 20	0.03 36	0.02 19	0.03 38	0.02 21	0.03 33	0.02 19	0.09 53	0.10 60	0.03 34	0.02 20	0.03 39	0.02 19

R-Stereo Train	0.81 273	0.96 210	0.67 269	0.95 271	0.67 303	0.95 307	0.68 289	0.95 302	0.68 293	0.95 309	0.68 299	0.96 314	0.68 288	0.96 312	0.68 293	0.94 299	0.68 270	0.94 315	0.68 298	0.94 291	0.68 289

RAFT-Stereo	0.81 273	0.96 210	0.67 269	0.95 271	0.67 303	0.95 307	0.68 289	0.95 302	0.68 293	0.95 309	0.68 299	0.96 314	0.68 288	0.96 312	0.68 293	0.94 299	0.68 270	0.94 315	0.68 298	0.94 291	0.68 289
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
test_sample6	0.09 38	0.97 212	0.10 56	0.10 45	0.03 40	0.03 36	0.02 19	0.03 38	0.02 20	0.03 36	0.03 44	0.03 38	0.02 21	0.03 33	0.02 19	0.10 58	0.10 60	0.03 34	0.02 20	0.03 39	0.02 19

Former-RAFT_DAM_RVC	0.49 225	0.98 213	0.64 262	0.84 256	0.46 265	0.45 242	0.35 218	0.47 237	0.47 261	0.45 232	0.34 219	0.46 239	0.48 262	0.46 239	0.35 220	0.39 212	0.71 279	0.39 222	0.35 233	0.41 217	0.41 240

SPstereo	0.19 115	0.98 213	0.19 136	0.22 122	0.11 113	0.15 110	0.11 107	0.15 117	0.11 110	0.15 111	0.11 109	0.15 115	0.11 108	0.15 117	0.11 102	0.20 131	0.18 142	0.14 105	0.10 96	0.14 108	0.11 105

dd	0.23 131	0.98 213	0.16 124	0.23 125	0.15 142	0.23 146	0.15 130	0.23 143	0.15 141	0.23 144	0.15 142	0.24 151	0.17 142	0.23 149	0.15 134	0.22 140	0.15 123	0.21 140	0.15 138	0.22 138	0.16 130

222	0.10 49	0.99 216	0.12 86	0.13 81	0.03 40	0.03 36	0.03 40	0.03 38	0.03 47	0.03 36	0.03 44	0.03 38	0.03 44	0.03 33	0.03 39	0.12 78	0.12 94	0.03 34	0.02 20	0.04 62	0.03 43

test_sample7	0.09 38	1.00 217	0.11 75	0.11 62	0.02 20	0.03 36	0.03 40	0.03 38	0.03 47	0.04 60	0.03 44	0.03 38	0.03 44	0.03 33	0.03 39	0.12 78	0.12 94	0.03 34	0.03 46	0.03 39	0.03 43

ACVNet-DCA	0.37 177	1.00 217	0.30 173	0.40 184	0.29 197	0.40 204	0.29 189	0.40 197	0.29 193	0.40 199	0.29 196	0.40 208	0.29 198	0.39 205	0.28 183	0.33 178	0.32 196	0.33 182	0.32 221	0.33 167	0.32 208

GANet	1.00 303	1.00 217	1.00 306	1.00 278	1.00 333	1.00 312	1.00 321	1.00 304	1.00 330	1.00 311	1.00 328	1.00 316	1.00 312	1.00 315	1.00 323	1.00 301	1.00 301	1.00 322	1.00 324	1.00 295	1.00 322

TDLM	1.00 303	1.00 217	1.00 306	1.00 278	1.00 333	1.00 312	1.00 321	1.00 304	1.00 330	1.00 311	1.00 328	1.00 316	1.00 312	1.00 315	1.00 323	1.00 301	1.00 301	1.00 322	1.00 324	1.00 295	1.00 322

CVANet_RVC	1.00 303	1.00 217	1.00 306	1.00 278	1.00 333	1.00 312	1.00 321	1.00 304	1.00 330	1.00 311	1.00 328	1.00 316	1.00 312	1.00 315	1.00 323	1.00 301	1.00 301	1.00 322	1.00 324	1.00 295	1.00 322

DGTPSM_ROB	0.93 296	1.00 217	0.92 299	0.94 269	0.96 331	0.91 303	0.92 314	0.91 293	0.96 326	0.91 301	0.96 326	0.93 312	0.92 308	0.94 308	0.92 314	0.92 295	0.92 298	0.90 309	0.92 320	0.94 291	0.91 314

trnet	1.01 307	1.01 223	1.01 309	1.01 281	1.01 337	1.01 315	1.01 324	1.01 307	1.01 333	1.01 315	1.01 331	1.01 319	1.01 318	1.01 318	1.01 326	1.01 304	1.01 304	1.01 325	1.01 327	1.01 298	1.01 325

SMFormer	0.09 38	1.01 223	0.09 52	0.09 41	0.03 40	0.03 36	0.02 19	0.03 38	0.02 20	0.03 36	0.02 19	0.03 38	0.02 21	0.03 33	0.02 19	0.09 53	0.09 55	0.03 34	0.02 20	0.03 39	0.02 19

xxx	0.09 38	1.01 223	0.10 56	0.10 45	0.03 40	0.03 36	0.03 40	0.03 38	0.02 20	0.03 36	0.03 44	0.03 38	0.02 21	0.03 33	0.02 19	0.10 58	0.10 60	0.03 34	0.02 20	0.03 39	0.03 43

GLC_STEREO	1.07 309	1.01 223	1.06 310	1.07 285	1.05 338	1.06 318	1.08 327	1.08 310	1.05 335	1.07 318	1.06 332	1.08 323	1.05 319	1.06 321	1.10 328	1.07 307	1.09 312	1.05 328	1.05 328	1.06 300	1.12 332

1test111	0.37 177	1.02 227	0.30 173	0.39 171	0.29 197	0.40 204	0.28 184	0.39 193	0.29 193	0.39 195	0.29 196	0.39 202	0.28 194	0.40 208	0.29 190	0.33 178	0.32 196	0.33 182	0.31 217	0.32 162	0.31 204

cc1	0.37 177	1.02 227	0.30 173	0.39 171	0.29 197	0.40 204	0.28 184	0.39 193	0.29 193	0.39 195	0.29 196	0.39 202	0.28 194	0.40 208	0.29 190	0.33 178	0.32 196	0.33 182	0.31 217	0.32 162	0.31 204

test_sample4	0.10 49	1.03 229	0.12 86	0.10 45	0.03 40	0.03 36	0.03 40	0.03 38	0.03 47	0.03 36	0.03 44	0.03 38	0.03 44	0.03 33	0.03 39	0.13 94	0.13 118	0.03 34	0.03 46	0.03 39	0.03 43

test_sample2	0.09 38	1.03 229	0.11 75	0.11 62	0.03 40	0.03 36	0.03 40	0.03 38	0.02 20	0.03 36	0.02 19	0.03 38	0.02 21	0.03 33	0.02 19	0.09 53	0.09 55	0.03 34	0.02 20	0.03 39	0.02 19

xx1	0.38 183	1.03 229	0.31 179	0.40 184	0.31 210	0.41 219	0.28 184	0.40 197	0.29 193	0.40 199	0.29 196	0.40 208	0.29 198	0.40 208	0.29 190	0.34 181	0.33 200	0.34 189	0.32 221	0.34 171	0.32 208

dad	0.23 131	1.03 229	0.16 124	0.23 125	0.15 142	0.24 147	0.15 130	0.24 146	0.16 143	0.23 144	0.16 143	0.24 151	0.16 140	0.23 149	0.15 134	0.22 140	0.16 125	0.22 145	0.16 139	0.22 138	0.16 130

DualNet (step1)	0.10 49	1.05 233	0.12 86	0.12 68	0.03 40	0.03 36	0.03 40	0.03 38	0.03 47	0.04 60	0.02 19	0.03 38	0.03 44	0.03 33	0.03 39	0.12 78	0.12 94	0.03 34	0.03 46	0.03 39	0.03 43

test_sample9	0.10 49	1.05 233	0.12 86	0.12 68	0.03 40	0.03 36	0.03 40	0.03 38	0.03 47	0.04 60	0.02 19	0.03 38	0.03 44	0.03 33	0.03 39	0.12 78	0.12 94	0.03 34	0.03 46	0.03 39	0.03 43

test_sample8	0.10 49	1.05 233	0.12 86	0.12 68	0.03 40	0.03 36	0.03 40	0.03 38	0.03 47	0.03 36	0.03 44	0.03 38	0.03 44	0.03 33	0.03 39	0.12 78	0.12 94	0.03 34	0.03 46	0.03 39	0.03 43

test_sample5	0.10 49	1.07 236	0.11 75	0.10 45	0.03 40	0.03 36	0.03 40	0.03 38	0.03 47	0.03 36	0.03 44	0.03 38	0.03 44	0.03 33	0.03 39	0.10 58	0.10 60	0.03 34	0.03 46	0.04 62	0.03 43

DualNet	0.10 49	1.07 236	0.11 75	0.10 45	0.03 40	0.03 36	0.03 40	0.03 38	0.03 47	0.03 36	0.03 44	0.03 38	0.03 44	0.03 33	0.03 39	0.10 58	0.10 60	0.03 34	0.03 46	0.04 62	0.03 43

ttt	0.10 49	1.09 238	0.12 86	0.12 68	0.03 40	0.03 36	0.03 40	0.03 38	0.03 47	0.03 36	0.03 44	0.03 38	0.03 44	0.03 33	0.03 39	0.12 78	0.12 94	0.03 34	0.02 20	0.03 39	0.02 19

test_xeample	0.10 49	1.09 238	0.13 105	0.12 68	0.03 40	0.03 36	0.03 40	0.04 62	0.03 47	0.03 36	0.03 44	0.03 38	0.03 44	0.03 33	0.03 39	0.14 100	0.14 120	0.03 34	0.03 46	0.03 39	0.03 43

FC-DCNN	1.07 309	1.09 238	0.98 304	0.89 260	0.52 281	1.41 388	0.91 313	1.21 369	1.24 393	1.96 393	2.05 417	1.91 393	1.30 385	1.27 383	1.08 327	0.80 281	0.60 260	0.58 278	0.41 256	0.68 257	0.54 269

MSMD_ROB	1.19 316	1.10 241	0.70 272	1.10 287	0.60 288	1.10 324	0.70 293	1.10 312	0.70 299	1.10 320	0.70 303	1.10 327	0.70 291	7.00 451	0.70 300	1.10 310	0.70 275	1.10 329	0.70 302	1.10 302	0.70 291

1111x	0.10 49	1.14 242	0.13 105	0.14 85	0.03 40	0.04 62	0.03 40	0.03 38	0.03 47	0.03 36	0.03 44	0.03 38	0.03 44	0.03 33	0.03 39	0.13 94	0.11 81	0.03 34	0.02 20	0.03 39	0.02 19

LoS_RVC	0.30 148	1.14 242	0.25 157	0.25 134	0.25 178	0.26 159	0.25 168	0.25 150	0.25 169	0.25 151	0.25 177	0.26 163	0.26 180	0.26 166	0.25 171	0.26 160	0.26 163	0.25 156	0.25 178	0.26 149	0.26 166

x	0.11 70	1.15 244	0.15 123	0.14 85	0.03 40	0.03 36	0.03 40	0.03 38	0.03 47	0.04 60	0.03 44	0.03 38	0.03 44	0.03 33	0.03 39	0.14 100	0.15 123	0.03 34	0.03 46	0.03 39	0.03 43

xxxx	0.11 70	1.16 245	0.16 124	0.12 68	0.03 40	0.03 36	0.03 40	0.03 38	0.03 47	0.03 36	0.03 44	0.03 38	0.03 44	0.03 33	0.03 39	0.13 94	0.16 125	0.03 34	0.04 63	0.04 62	0.04 64

CAS	0.30 148	1.17 246	0.25 157	0.25 134	0.25 178	0.26 159	0.25 168	0.25 150	0.26 182	0.25 151	0.25 177	0.25 155	0.25 171	0.25 156	0.25 171	0.26 160	0.26 163	0.26 159	0.25 178	0.26 149	0.25 160

HSM-Net_RVC	0.95 299	1.17 246	0.78 285	1.18 301	0.71 309	1.16 331	0.75 300	1.09 311	0.80 313	1.10 320	0.75 312	1.17 334	0.74 296	1.17 333	0.80 308	1.13 316	0.73 281	1.17 336	0.77 309	1.16 307	0.72 295
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
DPSimNet_ROB	0.97 300	1.18 248	0.81 291	1.10 287	0.91 327	1.02 316	0.82 308	1.04 309	0.91 319	1.03 316	0.86 319	1.28 384	0.82 304	1.03 319	0.89 313	1.17 318	0.81 292	1.02 326	0.82 316	1.08 301	0.81 307

psm_up	0.43 207	1.19 249	0.17 128	0.25 134	0.18 153	0.25 152	0.19 141	1.26 373	0.91 319	0.26 158	0.17 145	0.25 155	0.17 142	0.25 156	0.17 140	0.22 140	0.17 137	0.23 150	0.16 139	1.18 313	0.99 320

DisPM	1.20 317	1.20 250	1.20 323	1.20 303	1.20 349	1.20 332	1.20 338	1.20 324	1.20 345	1.20 331	1.20 341	1.20 336	1.20 332	1.20 335	1.20 340	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

CrosDoStereo	1.20 317	1.20 250	1.20 323	1.20 303	1.20 349	1.20 332	1.20 338	1.20 324	1.20 345	1.20 331	1.20 341	1.20 336	1.20 332	1.20 335	1.20 340	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

PFNet+	1.20 317	1.20 250	1.20 323	1.20 303	1.20 349	1.20 332	1.20 338	1.20 324	1.20 345	1.20 331	1.20 341	1.20 336	1.20 332	1.20 335	1.20 340	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

LCNet	1.20 317	1.20 250	1.20 323	1.20 303	1.20 349	1.20 332	1.20 338	1.20 324	1.20 345	1.20 331	1.20 341	1.20 336	1.20 332	1.20 335	1.20 340	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

HHNet	1.20 317	1.20 250	1.20 323	1.20 303	1.20 349	1.20 332	1.20 338	1.20 324	1.20 345	1.20 331	1.20 341	1.20 336	1.20 332	1.20 335	1.20 340	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

Patchmatch Stereo++	1.20 317	1.20 250	1.20 323	1.20 303	1.20 349	1.20 332	1.20 338	1.20 324	1.20 345	1.20 331	1.20 341	1.20 336	1.20 332	1.20 335	1.20 340	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
AAGNet	1.20 317	1.20 250	1.20 323	1.20 303	1.20 349	1.20 332	1.20 338	1.20 324	1.20 345	1.20 331	1.20 341	1.20 336	1.20 332	1.20 335	1.20 340	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

STrans-v2	1.20 317	1.20 250	1.20 323	1.20 303	1.20 349	1.20 332	1.20 338	1.20 324	1.20 345	1.20 331	1.20 341	1.20 336	1.20 332	1.20 335	1.20 340	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

TransformOpticalFlow	1.20 317	1.20 250	1.20 323	1.20 303	1.20 349	1.20 332	1.20 338	1.20 324	1.20 345	1.20 331	1.20 341	1.20 336	1.20 332	1.20 335	1.20 340	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

OMP-Stereo	1.20 317	1.20 250	1.20 323	1.20 303	1.20 349	1.20 332	1.20 338	1.20 324	1.20 345	1.20 331	1.20 341	1.20 336	1.20 332	1.20 335	1.20 340	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

IIG-Stereo	1.20 317	1.20 250	1.20 323	1.20 303	1.20 349	1.20 332	1.20 338	1.20 324	1.20 345	1.20 331	1.20 341	1.20 336	1.20 332	1.20 335	1.20 340	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

NF-Stereo	1.20 317	1.20 250	1.20 323	1.20 303	1.20 349	1.20 332	1.20 338	1.20 324	1.20 345	1.20 331	1.20 341	1.20 336	1.20 332	1.20 335	1.20 340	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

OCTAStereo	1.20 317	1.20 250	1.20 323	1.20 303	1.20 349	1.20 332	1.20 338	1.20 324	1.20 345	1.20 331	1.20 341	1.20 336	1.20 332	1.20 335	1.20 340	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

PSM-softLoss	1.20 317	1.20 250	1.20 323	1.20 303	1.20 349	1.20 332	1.20 338	1.20 324	1.20 345	1.20 331	1.20 341	1.20 336	1.20 332	1.20 335	1.20 340	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

KMStereo	1.20 317	1.20 250	1.20 323	1.20 303	1.20 349	1.20 332	1.20 338	1.20 324	1.20 345	1.20 331	1.20 341	1.20 336	1.20 332	1.20 335	1.20 340	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

NRIStereo	1.20 317	1.20 250	1.20 323	1.20 303	1.20 349	1.20 332	1.20 338	1.20 324	1.20 345	1.20 331	1.20 341	1.20 336	1.20 332	1.20 335	1.20 340	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

PSM-adaLoss	1.20 317	1.20 250	1.20 323	1.20 303	1.20 349	1.20 332	1.20 338	1.20 324	1.20 345	1.20 331	1.20 341	1.20 336	1.20 332	1.20 335	1.20 340	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

PSM-AAD	1.20 317	1.20 250	1.20 323	1.20 303	1.20 349	1.20 332	1.20 338	1.20 324	1.20 345	1.20 331	1.20 341	1.20 336	1.20 332	1.20 335	1.20 340	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

FTStereo	1.20 317	1.20 250	1.20 323	1.20 303	1.20 349	1.20 332	1.20 338	1.20 324	1.20 345	1.20 331	1.20 341	1.20 336	1.20 332	1.20 335	1.20 340	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

ROB_FTStereo_v2	1.20 317	1.20 250	1.20 323	1.20 303	1.20 349	1.20 332	1.20 338	1.20 324	1.20 345	1.20 331	1.20 341	1.20 336	1.20 332	1.20 335	1.20 340	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

ROB_FTStereo	1.20 317	1.20 250	1.20 323	1.20 303	1.20 349	1.20 332	1.20 338	1.20 324	1.20 345	1.20 331	1.20 341	1.20 336	1.20 332	1.20 335	1.20 340	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

Consistency-Raft	1.20 317	1.20 250	1.20 323	1.20 303	1.20 349	1.20 332	1.20 338	1.20 324	1.20 345	1.20 331	1.20 341	1.20 336	1.20 332	1.20 335	1.20 340	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

KYRaft	1.20 317	1.20 250	1.20 323	1.20 303	1.20 349	1.20 332	1.20 338	1.20 324	1.20 345	1.20 331	1.20 341	1.20 336	1.20 332	1.20 335	1.20 340	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

HUI-Stereo	1.20 317	1.20 250	1.20 323	1.20 303	1.20 349	1.20 332	1.20 338	1.20 324	1.20 345	1.20 331	1.20 341	1.20 336	1.20 332	1.20 335	1.20 340	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

ASMatch	1.20 317	1.20 250	1.20 323	1.20 303	1.20 349	1.20 332	1.20 338	1.20 324	1.20 345	1.20 331	1.20 341	1.20 336	1.20 332	1.20 335	1.20 340	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

DeepStereo_LL	1.20 317	1.20 250	1.20 323	1.20 303	1.20 349	1.20 332	1.20 338	1.20 324	1.20 345	1.20 331	1.20 341	1.20 336	1.20 332	1.20 335	1.20 340	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

DEmStereo	1.20 317	1.20 250	1.20 323	1.20 303	1.20 349	1.20 332	1.20 338	1.20 324	1.20 345	1.20 331	1.20 341	1.20 336	1.20 332	1.20 335	1.20 340	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

SST-Stereo	1.20 317	1.20 250	1.20 323	1.20 303	1.20 349	1.20 332	1.20 338	1.20 324	1.20 345	1.20 331	1.20 341	1.20 336	1.20 332	1.20 335	1.20 340	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

THIR-Stereo	1.20 317	1.20 250	1.20 323	1.20 303	1.20 349	1.20 332	1.20 338	1.20 324	1.20 345	1.20 331	1.20 341	1.20 336	1.20 332	1.20 335	1.20 340	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

RAFT_R40	1.20 317	1.20 250	1.20 323	1.20 303	1.20 349	1.20 332	1.20 338	1.20 324	1.20 345	1.20 331	1.20 341	1.20 336	1.20 332	1.20 335	1.20 340	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

DRaft	1.20 317	1.20 250	1.20 323	1.20 303	1.20 349	1.20 332	1.20 338	1.20 324	1.20 345	1.20 331	1.20 341	1.20 336	1.20 332	1.20 335	1.20 340	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

PFNet	1.20 317	1.20 250	1.20 323	1.20 303	1.20 349	1.20 332	1.20 338	1.20 324	1.20 345	1.20 331	1.20 341	1.20 336	1.20 332	1.20 335	1.20 340	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

GrayStereo	1.20 317	1.20 250	1.20 323	1.20 303	1.20 349	1.20 332	1.20 338	1.20 324	1.20 345	1.20 331	1.20 341	1.20 336	1.20 332	1.20 335	1.20 340	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

RE-Stereo	1.20 317	1.20 250	1.20 323	1.20 303	1.20 349	1.20 332	1.20 338	1.20 324	1.20 345	1.20 331	1.20 341	1.20 336	1.20 332	1.20 335	1.20 340	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

Pruner-Stereo	1.20 317	1.20 250	1.20 323	1.20 303	1.20 349	1.20 332	1.20 338	1.20 324	1.20 345	1.20 331	1.20 341	1.20 336	1.20 332	1.20 335	1.20 340	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

TVStereo	1.20 317	1.20 250	1.20 323	1.20 303	1.20 349	1.20 332	1.20 338	1.20 324	1.20 345	1.20 331	1.20 341	1.20 336	1.20 332	1.20 335	1.20 340	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

DeepStereo_RVC	1.20 317	1.20 250	1.20 323	1.20 303	1.20 349	1.20 332	1.20 338	1.20 324	1.20 345	1.20 331	1.20 341	1.20 336	1.20 332	1.20 335	1.20 340	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

RAFT-RH_RVC	1.20 317	1.20 250	1.20 323	1.20 303	1.20 349	1.20 332	1.20 338	1.20 324	1.20 345	1.20 331	1.20 341	1.20 336	1.20 332	1.20 335	1.20 340	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

IRAFT_RVC	1.20 317	1.20 250	1.20 323	1.20 303	1.20 349	1.20 332	1.20 338	1.20 324	1.20 345	1.20 331	1.20 341	1.20 336	1.20 332	1.20 335	1.20 340	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

RAFT-345	1.20 317	1.20 250	1.20 323	1.20 303	1.20 349	1.20 332	1.20 338	1.20 324	1.20 345	1.20 331	1.20 341	1.20 336	1.20 332	1.20 335	1.20 340	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

iRAFT	1.20 317	1.20 250	1.20 323	1.20 303	1.20 349	1.20 332	1.20 338	1.20 324	1.20 345	1.20 331	1.20 341	1.20 336	1.20 332	1.20 335	1.20 340	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

CRE-IMP	1.20 317	1.20 250	1.20 323	1.20 303	1.20 349	1.20 332	1.20 338	1.20 324	1.20 345	1.20 331	1.20 341	1.20 336	1.20 332	1.20 335	1.20 340	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

GMM-Stereo	1.20 317	1.20 250	1.20 323	1.20 303	1.20 349	1.20 332	1.20 338	1.20 324	1.20 345	1.20 331	1.20 341	1.20 336	1.20 332	1.20 335	1.20 340	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

RAFT-IKP	1.20 317	1.20 250	1.20 323	1.20 303	1.20 349	1.20 332	1.20 338	1.20 324	1.20 345	1.20 331	1.20 341	1.20 336	1.20 332	1.20 335	1.20 340	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

Prome-Stereo	1.20 317	1.20 250	1.20 323	1.20 303	1.20 349	1.20 332	1.20 338	1.20 324	1.20 345	1.20 331	1.20 341	1.20 336	1.20 332	1.20 335	1.20 340	1.20 320	1.20 325	1.20 340	1.20 340	1.20 316	1.20 341

UPFNet	0.42 206	1.20 250	0.17 128	0.24 130	0.17 148	0.25 152	0.17 134	1.19 321	0.90 318	0.25 151	0.17 145	0.24 151	0.17 142	0.25 156	0.17 140	0.22 140	0.17 137	0.22 145	0.16 139	1.15 305	0.93 316

delet	0.43 207	1.21 296	0.17 128	0.25 134	0.17 148	0.25 152	0.18 138	1.26 373	0.95 325	0.25 151	0.17 145	0.25 155	0.17 142	0.25 156	0.17 140	0.23 150	0.16 125	0.22 145	0.16 139	1.18 313	0.98 319

CroCo-Stereo	0.73 256	1.22 297	0.25 157	1.22 348	0.25 178	1.22 378	0.25 168	1.22 370	0.25 169	1.22 377	0.25 177	1.22 382	0.25 171	1.22 381	0.25 171	1.22 366	0.26 163	1.21 385	0.25 178	1.22 363	0.25 160
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
WCG-NET（raft）	0.32 159	1.24 298	0.24 153	0.32 150	0.24 176	0.32 176	0.23 160	0.32 164	0.24 164	0.32 170	0.24 172	0.32 175	0.24 168	0.32 176	0.24 165	0.30 172	0.23 156	0.30 171	0.23 165	0.30 159	0.23 149

MMNet	0.44 210	1.24 298	0.17 128	0.25 134	0.17 148	0.25 152	0.18 138	1.26 373	0.93 324	0.25 151	0.17 145	0.25 155	0.18 147	0.25 156	0.17 140	0.23 150	0.16 125	0.23 150	0.16 139	1.20 316	0.99 320

WCG-NET	0.40 191	1.29 300	0.24 153	0.32 150	0.25 178	0.32 176	0.27 178	0.44 231	0.46 256	0.35 180	0.26 183	0.35 183	0.27 188	0.35 185	0.45 254	0.42 235	0.25 159	0.62 280	0.25 178	0.48 237	0.26 166

CroCo-Stereo Lap2	0.77 262	1.29 300	0.29 169	1.27 352	0.29 197	1.27 381	0.26 175	1.26 373	0.26 182	1.26 378	0.26 183	1.27 383	0.26 180	1.26 382	0.27 177	1.27 368	0.27 168	1.27 388	0.27 191	1.27 365	0.27 174

CSP-Net	0.34 164	1.29 300	1.19 320	1.36 357	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	1.26 367	1.21 371	0.03 34	0.09 90	0.02 19	0.09 89

Syn2CoEx	0.25 134	1.31 303	0.74 280	0.92 266	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.03 38	0.02 21	0.02 19	0.02 19	0.87 292	0.75 284	0.02 18	0.02 20	0.02 19	0.02 19

CC-Net-ROB	1.36 367	1.33 304	1.33 375	1.36 357	1.38 401	1.36 385	1.33 389	1.37 379	1.34 396	1.35 380	1.36 394	1.38 386	1.34 386	1.38 385	1.38 394	1.35 373	1.38 382	1.33 389	1.35 390	1.43 369	1.34 394

MaskLacGwcNet_RVC	1.35 366	1.35 305	1.35 378	1.35 356	1.35 398	1.35 384	1.35 391	1.36 378	1.35 398	1.36 381	1.35 393	1.36 385	1.36 387	1.36 384	1.35 392	1.35 373	1.35 379	1.35 390	1.35 390	1.35 367	1.35 395

PML	0.46 213	1.36 306	0.29 169	0.58 231	0.30 206	0.57 275	0.29 189	0.57 263	0.29 193	0.57 271	0.29 196	0.57 276	0.29 198	0.56 270	0.29 190	0.52 257	0.30 190	0.53 275	0.31 217	0.53 250	0.30 199

PS-NSSS	1.38 369	1.39 307	1.34 376	1.34 355	1.35 398	1.38 386	1.37 397	1.35 377	1.38 401	1.34 379	1.34 392	1.39 387	1.38 389	1.70 388	1.40 395	1.36 375	1.36 380	1.36 392	1.37 393	1.37 368	1.36 396

Gwc-CoAtRS	0.41 198	1.49 308	0.32 183	0.42 201	0.32 212	0.41 219	0.32 199	0.41 210	0.33 211	0.41 211	0.32 210	0.41 218	0.32 210	0.41 221	0.32 202	0.39 212	0.28 173	0.39 222	0.28 195	0.40 208	0.28 186

FENet	0.54 233	1.52 309	1.19 320	1.41 360	0.23 171	0.35 185	0.23 160	0.35 174	0.23 163	0.34 176	0.23 166	0.35 183	0.23 166	0.35 185	0.23 162	1.40 376	1.07 306	0.32 174	0.23 165	0.33 167	0.23 149

CFNet-ft	0.55 235	1.57 310	0.14 109	0.20 113	0.14 133	0.20 130	2.53 415	1.61 382	0.14 133	0.20 129	0.14 135	0.20 131	0.14 131	0.20 131	0.14 126	0.17 121	0.12 94	0.17 125	0.12 125	1.56 373	1.24 389

DPSMNet_ROB	1.60 373	1.59 311	1.70 393	1.59 362	1.59 405	1.61 390	1.61 401	1.60 381	1.60 404	1.62 389	1.59 402	1.60 390	1.60 393	1.60 387	1.59 399	1.59 381	1.60 388	1.59 397	1.59 402	1.59 374	1.59 402

STTRV1_RVC	0.82 277	1.60 312	0.70 272	1.01 281	0.60 288	1.07 321	0.69 292	1.01 307	0.60 281	0.72 285	0.55 284	1.02 320	0.68 288	1.03 319	0.67 289	0.89 293	0.63 265	0.92 313	0.57 284	0.90 284	0.65 284

RASNet	1.49 370	1.65 313	1.45 386	1.38 359	1.43 403	1.47 389	1.36 392	1.38 380	1.36 399	1.39 382	1.60 403	1.45 388	1.45 391	1.51 386	2.21 412	1.53 380	1.36 380	1.36 392	1.36 392	1.66 375	1.36 396

CRFU-Net	0.65 240	1.67 314	1.22 370	1.96 373	0.27 188	0.41 219	0.27 178	0.41 210	0.27 187	0.40 199	0.26 183	0.41 218	0.27 188	0.40 208	0.27 177	1.80 386	1.62 389	0.34 189	0.23 165	0.33 167	0.23 149

gwcnet-sp	0.82 277	1.72 315	1.48 387	0.39 171	0.15 142	0.31 169	0.21 150	0.20 131	0.25 169	1.61 386	0.23 166	0.28 165	0.26 180	0.20 131	0.15 134	0.24 155	1.33 376	0.32 174	0.16 139	6.75 438	0.23 149

scenet	0.82 277	1.72 315	1.48 387	0.39 171	0.15 142	0.31 169	0.21 150	0.20 131	0.25 169	1.61 386	0.23 166	0.28 165	0.26 180	0.20 131	0.15 134	0.24 155	1.33 376	0.32 174	0.16 139	6.75 438	0.23 149

ssnet	0.82 277	1.72 315	1.48 387	0.39 171	0.15 142	0.31 169	0.21 150	0.20 131	0.25 169	1.61 386	0.23 166	0.28 165	0.26 180	0.20 131	0.15 134	0.24 155	1.33 376	0.32 174	0.16 139	6.75 438	0.23 149

HBP-ISP	1.24 363	1.72 315	1.65 391	1.15 294	0.76 314	1.40 387	0.88 311	1.67 386	1.02 334	1.69 390	1.38 396	1.69 391	1.21 378	1.87 390	1.21 385	1.05 306	0.79 287	0.97 320	0.80 313	1.19 315	0.75 301

LL-Strereo2	0.48 222	1.73 319	0.51 249	0.59 233	0.34 227	0.42 235	0.33 206	0.40 197	0.31 205	0.42 222	0.33 213	0.42 234	0.31 209	0.44 236	0.39 237	0.60 263	0.51 252	0.44 248	0.33 227	0.44 224	0.33 211

test_xeample3	1.10 311	1.81 320	0.61 258	0.84 256	0.49 275	0.77 289	0.66 285	0.92 296	1.40 402	0.68 283	0.46 262	0.78 295	0.54 273	1.72 389	1.48 397	1.34 372	1.52 386	1.35 390	1.67 405	1.33 366	1.55 401

mmm	0.14 92	1.83 321	0.12 86	0.11 62	0.03 40	0.03 36	0.03 40	0.03 38	0.04 67	0.03 36	0.03 44	0.03 38	0.03 44	0.06 70	0.04 60	0.12 78	0.11 81	0.05 69	0.04 63	0.05 74	0.04 64

hknet	1.10 311	1.85 322	3.49 429	4.48 407	0.02 20	0.42 235	0.06 85	0.41 210	0.02 20	0.48 242	0.03 44	0.41 218	0.03 44	0.42 233	0.03 39	4.39 416	4.19 427	0.33 182	0.23 165	0.34 171	0.27 174

DCRE	0.84 283	1.89 323	0.77 284	0.94 269	0.72 311	0.88 299	0.73 298	0.87 288	0.78 309	0.90 299	0.71 306	0.88 303	0.67 287	0.88 300	0.73 302	0.81 284	0.68 270	0.81 302	0.70 302	0.82 276	0.70 291

RAFT-Stereo-weight	0.45 211	1.90 324	0.34 195	0.42 201	0.36 234	0.43 239	0.35 218	0.42 226	0.34 218	0.42 222	0.34 219	0.44 237	0.34 217	0.41 221	0.34 218	0.38 205	0.32 196	0.38 216	0.32 221	0.38 198	0.33 211

BUS	0.83 281	1.91 325	0.92 299	4.48 407	0.02 20	0.40 204	0.04 65	0.41 210	0.02 20	0.48 242	0.03 44	0.41 218	0.05 75	0.03 33	0.05 70	1.97 392	4.19 427	0.33 182	0.23 165	0.34 171	0.27 174

BSDual-CNN	0.81 273	1.91 325	0.92 299	4.48 407	0.02 20	0.42 235	0.06 85	0.41 210	0.02 20	0.48 242	0.03 44	0.02 19	0.02 21	0.03 33	0.02 19	1.97 392	4.19 427	0.33 182	0.23 165	0.34 171	0.27 174

psmg	0.43 207	1.91 325	0.92 299	1.91 370	0.02 20	0.02 18	0.03 40	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.03 33	0.02 19	1.97 392	1.44 384	0.04 59	0.03 46	0.02 19	0.03 43

GANet-RSSM	0.75 258	1.91 325	0.14 109	0.47 210	0.14 133	0.21 138	3.21 435	2.30 401	0.14 133	0.46 233	0.14 135	0.23 147	0.18 147	0.21 141	0.14 126	0.18 128	0.27 168	0.37 209	0.13 133	2.13 385	2.12 412

MFMNet_re	1.81 380	1.91 325	1.71 394	1.95 372	1.70 408	1.95 396	1.70 404	1.96 389	1.74 407	1.97 394	1.72 406	1.95 394	1.71 396	1.97 393	1.71 405	1.86 387	1.62 389	1.85 398	1.66 404	1.86 378	1.64 403

SPS-STEREO	1.59 372	1.91 325	1.21 369	1.94 371	1.20 349	2.00 397	1.23 385	1.99 390	1.24 393	2.00 395	1.25 390	2.03 396	1.26 381	2.00 394	1.29 390	1.90 391	1.18 324	1.89 400	1.21 385	1.89 380	1.20 341
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
GANetREF_RVC	1.55 371	1.94 331	1.22 370	1.88 368	1.21 395	1.88 395	1.22 384	1.88 387	1.22 391	1.88 391	1.22 387	1.88 392	1.22 379	1.89 391	1.22 386	1.87 388	1.22 372	1.88 399	1.22 386	1.88 379	1.22 387
Zhang, Feihu and Prisacariu, Victor and Yang, Ruigang and Torr, Philip HS: GA-Net: Guided Aggregation Net for End- to-end Stereo Matching. CVPR 2019
ssnet_v2	0.68 247	1.96 332	1.25 374	0.29 143	0.20 158	0.30 166	0.20 144	0.29 160	0.22 158	1.50 384	0.20 157	0.31 173	0.20 156	0.27 168	0.22 157	0.24 155	1.49 385	0.26 159	0.18 155	3.90 403	0.19 142

qqq	0.16 109	2.01 333	0.12 86	0.15 94	0.04 65	0.06 74	0.05 74	0.06 77	0.04 67	0.06 78	0.03 44	0.06 80	0.03 44	0.06 70	0.03 39	0.12 78	0.14 120	0.04 59	0.04 63	0.03 39	0.03 43

GCST	0.50 227	2.08 334	0.38 205	0.53 225	0.35 230	0.49 254	0.35 218	0.50 251	0.35 221	0.49 247	0.35 226	0.49 251	0.35 221	0.49 255	0.35 220	0.48 246	0.37 206	0.45 250	0.33 227	0.44 224	0.33 211

ToySt	0.92 292	2.11 335	0.90 296	0.95 271	0.79 317	0.99 311	0.78 302	0.94 300	0.81 316	0.94 307	0.78 314	0.95 313	0.77 299	0.94 308	0.86 312	0.91 294	0.79 287	0.85 306	0.77 309	0.89 282	0.73 297

TRStereo	2.00 383	2.13 336	1.85 401	2.27 382	1.84 412	2.28 401	1.84 407	2.29 397	1.86 413	2.30 402	1.87 408	2.30 399	1.87 399	2.08 395	1.72 407	2.08 396	1.72 394	2.08 403	1.72 408	2.08 382	1.72 406

XX-Stereo	2.00 383	2.13 336	1.85 401	2.27 382	1.84 412	2.28 401	1.84 407	2.29 397	1.86 413	2.30 402	1.87 408	2.30 399	1.87 399	2.08 395	1.72 407	2.08 396	1.72 394	2.08 403	1.72 408	2.08 382	1.72 406

EAI-Stereo	2.00 383	2.13 336	1.85 401	2.27 382	1.84 412	2.28 401	1.84 407	2.29 397	1.86 413	2.30 402	1.87 408	2.30 399	1.87 399	2.08 395	1.72 407	2.08 396	1.72 394	2.08 403	1.72 408	2.08 382	1.72 406

11t1	0.17 112	2.16 339	0.13 105	0.13 81	0.04 65	0.06 74	0.04 65	0.06 77	0.04 67	0.06 78	0.03 44	0.06 80	0.03 44	0.06 70	0.05 70	0.18 128	0.12 94	0.06 75	0.03 46	0.05 74	0.03 43

UGAM-zero	0.51 229	2.17 340	0.39 211	0.53 225	0.36 234	0.50 262	0.36 224	0.50 251	0.36 230	0.49 247	0.36 229	0.50 265	0.35 221	0.50 260	0.36 223	0.49 249	0.37 206	0.47 257	0.35 233	0.46 227	0.34 217

cf-r	0.66 242	2.17 340	0.12 86	0.18 109	0.12 129	0.18 125	2.70 418	2.60 404	0.12 129	0.18 125	0.12 120	0.18 126	0.12 125	0.18 126	0.12 117	0.15 109	0.11 81	0.15 119	0.11 109	1.81 377	1.74 409

UDG	0.80 268	2.21 342	0.60 256	0.91 263	0.60 288	0.90 302	0.58 277	0.88 290	0.60 281	0.90 299	0.60 287	0.88 303	0.60 277	0.90 303	0.58 279	0.86 291	0.60 260	0.84 305	0.59 287	0.84 278	0.61 279

UGAM	0.51 229	2.23 343	0.39 211	0.54 227	0.35 230	0.50 262	0.35 218	0.49 243	0.35 221	0.49 247	0.35 226	0.49 251	0.36 224	0.50 260	0.36 223	0.49 249	0.37 206	0.45 250	0.34 229	0.45 226	0.34 217

NCCL2	2.28 392	2.27 344	2.28 407	2.28 385	2.28 419	2.27 400	2.29 413	2.28 396	2.28 417	2.27 401	2.28 418	2.28 398	2.27 406	2.27 402	2.28 417	2.28 399	2.28 404	2.27 406	2.29 417	2.27 386	2.29 413

ccnet	0.80 268	2.28 345	0.33 188	0.50 222	0.33 221	0.50 262	0.33 206	0.50 251	0.33 211	0.49 247	0.33 213	0.49 251	1.56 392	2.38 404	0.33 205	0.41 222	0.29 182	0.42 246	1.57 401	2.28 387	0.29 190

GES	0.66 242	2.34 346	0.29 169	0.41 193	0.29 197	0.41 219	0.29 189	0.42 226	0.29 193	0.40 199	0.41 249	0.41 218	0.30 204	0.51 263	0.29 190	0.32 176	0.29 182	0.32 174	2.46 419	2.49 391	0.30 199

DDUNet	0.81 273	2.45 347	0.57 254	0.90 261	0.60 288	0.88 299	0.59 278	0.90 291	0.60 281	0.88 298	0.60 287	0.90 306	0.58 275	0.88 300	0.60 281	0.84 289	0.60 260	0.86 307	0.57 284	0.86 279	0.60 278

FBW_ROB	2.12 389	2.46 348	1.77 397	2.49 389	1.79 411	2.38 405	1.83 406	2.46 402	1.78 409	2.48 406	1.97 413	2.40 406	1.78 397	2.42 405	1.83 411	2.31 400	1.85 400	2.38 408	1.82 413	2.35 389	1.84 410

HH	0.71 252	2.54 349	0.74 280	1.10 287	0.32 212	0.41 219	0.37 229	0.69 275	0.78 309	0.73 287	0.90 320	0.75 292	1.00 312	0.84 295	0.69 297	0.69 272	0.40 219	0.35 202	0.26 185	0.35 183	0.26 166

HanStereo	0.71 252	2.54 349	0.74 280	1.10 287	0.32 212	0.41 219	0.37 229	0.69 275	0.78 309	0.73 287	0.90 320	0.75 292	1.00 312	0.84 295	0.69 297	0.69 272	0.40 219	0.35 202	0.26 185	0.35 183	0.26 166

sAnonymous2	3.31 415	2.63 351	1.38 384	3.71 405	1.86 415	4.70 438	1.11 328	4.82 440	2.72 420	5.45 443	1.98 415	4.59 431	2.64 408	2.65 407	6.21 448	4.37 414	1.08 310	5.16 442	2.24 415	4.52 412	2.39 418

CroCo_RVC	3.31 415	2.63 351	1.38 384	3.71 405	1.86 415	4.70 438	1.11 328	4.82 440	2.72 420	5.45 443	1.98 415	4.59 431	2.64 408	2.65 407	6.21 448	4.37 414	1.08 310	5.16 442	2.24 415	4.52 412	2.39 418

ff7	1.68 374	2.68 353	1.35 378	0.97 275	0.89 323	1.84 392	2.15 410	2.12 391	1.80 410	2.05 397	1.56 399	2.33 402	2.12 403	2.23 399	2.25 413	1.31 369	1.07 306	1.48 394	1.41 395	0.90 284	1.04 327

ffff	1.68 374	2.68 353	1.35 378	0.97 275	0.89 323	1.84 392	2.15 410	2.12 391	1.80 410	2.05 397	1.56 399	2.33 402	2.12 403	2.23 399	2.25 413	1.31 369	1.07 306	1.48 394	1.41 395	0.90 284	1.04 327

ccc-4	1.68 374	2.68 353	1.35 378	0.97 275	0.89 323	1.84 392	2.15 410	2.12 391	1.80 410	2.05 397	1.56 399	2.33 402	2.12 403	2.23 399	2.25 413	1.31 369	1.07 306	1.48 394	1.41 395	0.90 284	1.04 327

11t	1.27 365	2.70 356	1.34 376	1.32 354	0.89 323	1.30 383	1.34 390	1.64 383	0.57 279	1.45 383	0.72 308	1.05 322	1.29 384	1.07 324	1.29 390	1.49 377	1.02 305	0.97 320	1.15 333	1.48 370	1.31 392

sCroCo_RVC	2.10 387	2.76 357	1.92 405	2.78 393	1.39 402	2.73 409	1.41 399	2.73 405	1.40 402	2.77 411	1.41 398	2.74 410	1.40 390	2.74 409	1.40 395	2.72 404	1.42 383	2.72 410	1.44 398	2.79 396	1.42 399

PSMNet-RSSM	0.77 262	2.76 357	0.14 109	0.20 113	0.14 133	0.20 130	2.66 416	2.79 407	0.14 133	0.21 138	0.14 135	0.21 139	0.14 131	0.20 131	0.14 126	0.17 121	0.12 94	0.17 125	0.12 125	2.52 392	2.31 414

GwcNet-RSSM	0.77 262	2.77 359	0.14 109	0.20 113	0.14 133	0.20 130	2.67 417	2.78 406	0.14 133	0.20 129	0.14 135	0.20 131	0.14 131	0.21 141	0.14 126	0.17 121	0.12 94	0.17 125	0.12 125	2.52 392	2.31 414

hitnet-ft	0.79 266	2.78 360	0.14 109	0.20 113	0.14 133	0.21 138	2.89 419	2.80 408	0.14 133	0.20 129	0.14 135	0.20 131	0.14 131	0.20 131	0.14 126	0.17 121	0.12 94	0.17 125	0.12 125	2.54 394	2.33 416

PDISCO_ROB	0.83 281	2.80 361	3.49 429	0.14 85	0.11 113	0.17 123	0.09 90	0.15 117	0.10 96	0.15 111	0.12 120	0.16 117	0.14 131	3.30 414	0.13 123	0.14 100	2.34 405	0.16 120	0.12 125	2.62 395	0.10 93

iGMRVC	0.84 283	2.85 362	0.72 277	0.72 246	0.73 312	0.77 289	0.79 303	0.73 279	0.74 308	0.73 287	0.72 308	0.73 290	0.76 298	0.73 287	0.73 302	0.72 277	0.73 281	0.73 291	0.72 306	0.73 265	0.72 295

MC-Stereo	1.76 377	2.96 363	1.37 383	2.14 377	1.37 400	2.14 399	1.36 392	2.14 394	1.37 400	2.14 400	1.37 395	2.14 397	1.37 388	2.14 398	1.37 393	1.97 392	1.32 373	1.97 401	1.32 389	1.98 381	1.33 393

PASM	0.39 188	3.06 364	1.36 382	1.58 361	0.09 92	0.11 100	0.11 107	0.11 102	0.11 110	0.09 88	0.09 92	0.11 102	0.09 93	0.09 89	0.09 86	0.11 73	0.11 81	0.11 98	0.09 90	0.11 100	0.11 105

4D-IteraStereo	0.78 265	3.13 365	0.89 293	0.69 241	0.32 212	0.40 204	0.32 199	0.76 280	0.97 327	0.52 263	0.65 295	0.89 305	0.32 210	0.76 290	0.98 321	0.83 287	0.94 300	0.35 202	0.27 191	0.70 261	0.89 313

plain	1.88 381	3.16 366	0.64 262	3.10 395	0.65 299	3.10 412	0.64 282	3.12 411	0.65 289	3.10 412	0.65 295	3.11 412	0.65 282	3.12 411	0.65 285	3.12 407	0.65 268	3.13 412	0.65 292	3.13 398	0.65 284

iRaftStereo_RVC	0.97 300	3.17 367	2.30 408	2.42 387	0.38 241	0.54 269	0.38 234	0.54 259	0.38 233	0.54 265	0.38 238	0.54 268	0.38 229	0.54 267	0.38 232	2.38 402	2.34 405	0.49 268	0.36 239	0.49 241	0.36 222

RCA-Stereo	0.51 229	3.22 368	0.34 195	0.44 203	0.34 227	0.44 241	0.34 215	0.43 229	0.34 218	0.43 228	0.34 219	0.44 237	0.33 214	0.43 234	0.33 205	0.38 205	0.29 182	0.38 216	0.29 204	0.38 198	0.29 190

Anonymous3	2.55 404	3.26 369	1.65 391	3.28 398	1.63 406	3.24 414	1.68 402	3.27 413	1.66 405	3.28 414	1.67 404	3.25 414	1.66 394	3.27 413	1.64 401	3.26 408	1.65 391	3.30 413	1.65 403	4.95 427	1.65 405

MIF-Stereo (partial)	2.58 405	3.31 370	0.66 266	3.18 396	0.66 302	3.18 413	0.66 285	3.21 412	0.67 292	3.19 413	0.66 297	3.19 413	0.66 285	3.31 415	0.68 293	5.09 433	1.79 398	8.23 452	1.67 405	6.18 436	1.38 398

UniTT-Stereo	2.03 386	3.43 371	0.72 277	3.42 399	0.73 312	3.27 415	0.68 289	3.38 415	0.69 296	3.29 415	0.72 308	3.28 415	0.70 291	3.35 416	0.68 293	3.39 409	0.68 270	3.31 414	0.69 300	3.37 399	0.73 297

DPSNet	3.66 417	3.60 372	3.62 431	3.63 403	3.64 440	3.65 418	3.65 438	3.66 418	3.67 437	3.67 417	3.65 437	3.67 418	3.66 427	3.66 417	3.68 434	3.68 412	3.66 422	3.67 418	3.68 438	3.67 400	3.67 437

RAStereo	2.23 390	3.64 373	0.76 283	3.65 404	0.86 321	3.66 419	0.76 301	3.67 419	0.81 316	3.66 416	0.76 313	3.66 417	0.77 299	3.68 418	0.77 305	3.68 412	0.77 286	3.69 419	0.77 309	3.70 401	0.77 303

qqq1	0.25 134	3.70 374	0.14 109	0.14 85	0.04 65	0.06 74	0.05 74	0.06 77	0.05 80	0.06 78	0.05 81	0.04 62	0.05 75	0.06 70	0.05 70	0.13 94	0.12 94	0.06 75	0.05 77	0.03 39	0.04 64

fff1	0.25 134	3.70 374	0.14 109	0.14 85	0.04 65	0.06 74	0.05 74	0.06 77	0.05 80	0.06 78	0.05 81	0.04 62	0.05 75	0.06 70	0.05 70	0.13 94	0.12 94	0.06 75	0.05 77	0.03 39	0.04 64

RAFT_CTSACE	1.92 382	3.71 376	1.72 395	1.88 368	1.72 409	2.04 398	1.42 400	2.18 395	1.89 416	2.02 396	1.97 413	1.95 394	2.06 402	1.93 392	1.62 400	1.76 384	1.66 392	2.02 402	1.73 411	1.73 376	1.43 400

MyStereo07	0.60 238	3.72 377	0.48 241	0.49 215	0.41 253	0.36 188	0.32 199	0.49 243	0.43 253	0.51 260	0.42 256	0.49 251	0.43 250	0.51 263	0.64 284	0.49 249	0.45 233	0.34 189	0.32 221	0.35 183	0.43 246

MyStereo04	0.56 236	3.72 377	0.59 255	0.49 215	0.41 253	0.36 188	0.32 199	0.37 184	0.31 205	0.34 176	0.46 262	0.35 183	0.32 210	0.35 185	0.33 205	0.49 249	0.45 233	0.34 189	0.32 221	0.35 183	0.43 246

ffm	0.25 134	3.83 379	0.12 86	0.12 68	0.05 80	0.06 74	0.05 74	0.06 77	0.05 80	0.03 36	0.03 44	0.06 80	0.05 75	0.06 70	0.05 70	0.12 78	0.12 94	0.05 69	0.04 63	0.06 77	0.04 64

ff1	0.25 134	3.83 379	0.12 86	0.12 68	0.05 80	0.06 74	0.05 74	0.06 77	0.05 80	0.03 36	0.03 44	0.06 80	0.05 75	0.06 70	0.05 70	0.12 78	0.12 94	0.05 69	0.04 63	0.06 77	0.04 64

mmx	0.25 134	3.83 379	0.12 86	0.12 68	0.05 80	0.06 74	0.05 74	0.06 77	0.05 80	0.03 36	0.03 44	0.06 80	0.05 75	0.06 70	0.05 70	0.12 78	0.12 94	0.05 69	0.04 63	0.06 77	0.04 64

NINENet	0.69 249	3.87 382	1.20 323	1.98 374	0.05 80	0.40 204	0.04 65	0.40 197	0.05 80	0.41 211	0.04 73	0.41 218	0.05 75	0.40 208	0.05 70	1.79 385	1.56 387	0.34 189	0.22 160	0.34 171	0.23 149

MyStereo8	0.71 252	3.92 383	0.52 250	0.59 233	0.52 281	0.57 275	0.53 273	0.59 266	0.50 271	0.59 274	0.51 280	0.57 276	0.50 269	0.56 270	0.52 273	0.54 259	0.49 246	0.54 276	0.49 276	0.55 252	0.50 265

MyStereo06	0.75 258	4.12 384	0.60 256	0.63 236	0.61 293	0.62 279	0.66 285	0.56 261	0.45 255	0.55 268	0.48 272	0.54 268	0.46 253	0.57 273	0.45 254	0.60 263	0.57 258	0.64 282	0.55 280	0.72 262	0.55 273

MyStereo05	0.80 268	4.12 384	0.63 260	0.63 236	0.61 293	0.62 279	0.66 285	0.65 272	0.62 285	0.67 281	0.61 289	0.65 283	0.58 275	0.67 282	0.55 277	0.60 263	0.57 258	0.64 282	0.55 280	0.72 262	0.55 273

test-3	0.98 302	4.13 386	1.85 401	1.85 367	0.61 293	0.69 284	0.37 229	0.63 270	0.61 284	0.66 280	0.51 280	0.73 290	0.44 251	0.57 273	0.54 275	1.68 383	1.81 399	0.40 226	0.43 263	0.66 255	0.50 265

IGEVStereo-DCA	1.77 378	4.21 387	1.84 399	2.49 389	2.11 417	2.54 407	1.36 392	1.65 384	1.17 342	2.75 409	1.90 411	2.54 408	1.15 325	0.94 308	1.11 329	1.50 378	1.32 373	0.96 318	1.46 399	1.49 371	0.88 311

rrr	1.77 378	4.21 387	1.84 399	2.49 389	2.11 417	2.54 407	1.36 392	1.65 384	1.17 342	2.75 409	1.90 411	2.54 408	1.15 325	0.94 308	1.11 329	1.50 378	1.32 373	0.96 318	1.46 399	1.49 371	0.88 311

GEStereo_RVC	0.86 286	4.45 389	0.20 140	0.27 141	0.20 158	0.27 162	0.20 144	0.26 154	0.18 146	5.03 441	0.20 157	0.27 164	0.19 152	0.27 168	0.21 155	0.20 131	0.19 144	0.19 136	4.02 443	0.20 132	0.18 140

error version	0.93 296	4.47 390	2.35 409	1.99 375	0.37 236	0.41 219	0.36 224	0.41 210	0.35 221	0.43 228	0.36 229	0.41 218	0.40 234	0.41 221	0.36 223	1.87 388	2.16 401	0.47 257	0.37 241	0.39 205	0.33 211

test_1	0.93 296	4.47 390	2.35 409	1.99 375	0.37 236	0.41 219	0.36 224	0.41 210	0.35 221	0.43 228	0.36 229	0.41 218	0.40 234	0.41 221	0.36 223	1.87 388	2.16 401	0.47 257	0.37 241	0.39 205	0.33 211

TestStereo	4.88 440	4.75 392	4.79 435	4.87 423	4.92 448	4.81 442	4.90 447	4.78 439	4.77 447	4.87 439	4.89 446	4.90 442	4.91 439	4.99 441	4.79 444	4.98 430	4.87 431	4.87 440	4.92 448	5.00 428	5.00 447

DispFullNet	4.61 436	4.84 393	3.12 426	5.00 424	3.57 439	4.75 441	3.03 426	7.75 451	4.17 444	4.91 440	3.09 430	6.20 447	3.95 432	6.71 447	3.51 433	5.30 435	3.67 423	5.86 448	3.63 435	5.61 433	3.46 435

CFNet-RSSM	0.91 290	4.89 394	0.34 195	0.44 203	1.07 339	1.62 391	1.40 398	0.91 293	0.35 221	1.60 385	1.39 397	0.64 280	0.34 217	0.44 236	0.33 205	0.41 222	0.35 202	0.75 293	0.30 212	0.41 217	0.29 190

StereoVision	3.15 413	5.00 395	0.89 293	4.83 422	1.00 333	3.93 420	1.27 388	6.37 445	1.34 396	5.67 445	1.26 391	5.84 446	1.27 382	5.03 443	1.24 387	5.10 434	1.09 312	4.61 431	0.57 284	5.62 434	1.12 332

LL-Strereo	1.01 307	5.06 396	1.63 390	0.70 243	1.43 403	0.56 271	0.46 256	0.57 263	0.50 271	0.57 271	0.50 277	1.58 389	0.49 266	0.59 275	0.50 270	1.64 382	0.52 253	0.51 272	1.37 393	0.52 248	0.45 250

FC-DCNN v2	5.10 444	5.15 397	4.49 434	5.07 425	3.37 437	6.87 447	4.75 446	5.04 443	6.34 451	7.84 451	5.06 447	6.72 451	4.09 435	4.99 441	5.44 447	5.03 431	3.16 419	4.67 434	4.86 447	5.15 430	3.89 442

rvit_105_1	3.83 419	5.22 398	3.01 415	4.53 410	3.01 424	4.51 426	3.01 421	4.56 428	3.04 423	4.53 427	3.03 423	4.55 429	3.03 412	4.56 428	3.04 419	4.57 419	3.05 409	4.57 426	3.05 421	4.57 414	3.05 422

rvit_stereo_0081	3.83 419	5.23 399	3.01 415	4.53 410	3.03 426	4.55 432	3.02 422	4.56 428	3.04 423	4.52 425	3.02 421	4.54 427	3.03 412	4.56 428	3.04 419	4.57 419	3.05 409	4.57 426	3.05 421	4.58 415	3.05 422

CFNet	1.37 368	5.27 400	0.19 136	5.49 426	0.19 156	0.28 163	0.19 141	0.28 157	0.19 151	0.28 161	0.19 154	0.28 165	4.35 436	0.28 170	0.19 149	0.23 150	0.17 137	0.23 150	4.21 445	4.81 424	0.17 136

rvit_stereo_0083	3.92 428	5.30 401	3.06 423	4.61 419	3.09 433	4.67 437	3.08 431	4.66 436	3.09 432	4.62 435	3.10 431	4.66 439	3.11 421	4.67 436	3.16 430	4.72 429	3.16 419	4.77 437	3.11 428	4.66 421	3.11 429

rvit_0105_3	3.91 426	5.33 402	3.06 423	4.60 418	3.07 432	4.60 435	3.06 430	4.62 434	3.08 431	4.60 434	3.07 429	4.62 436	3.08 419	4.67 436	3.10 428	4.70 427	3.11 416	4.77 437	3.19 432	4.77 423	3.14 430

rvit_stereo_0081_aga	3.86 421	5.33 402	3.02 418	4.55 416	3.04 430	4.54 428	3.02 422	4.64 435	3.06 427	4.54 429	3.04 425	4.62 436	3.08 419	4.62 434	3.07 424	4.58 422	3.06 413	4.60 430	3.08 425	4.63 418	3.07 426

rvit_0105_5	4.10 430	5.40 404	3.13 428	4.71 421	3.15 435	4.72 440	3.10 433	4.90 442	3.27 435	4.69 437	3.16 433	4.84 441	3.25 424	4.96 440	3.34 432	5.05 432	3.39 421	5.10 441	3.40 433	5.11 429	3.42 434

UDGNet	2.23 390	5.40 404	1.72 395	2.48 388	1.69 407	2.51 406	1.69 403	2.51 403	1.72 406	2.50 407	1.69 405	2.52 407	1.69 395	2.50 406	1.68 404	2.41 403	1.70 393	2.42 409	1.69 407	2.42 390	1.64 403

rvit_stereo_ft	3.93 429	5.44 406	3.05 422	4.59 417	3.06 431	4.61 436	3.08 431	4.67 437	3.12 433	4.63 436	3.10 431	4.65 438	3.11 421	4.69 438	3.13 429	4.70 427	3.14 418	4.71 436	3.15 430	4.74 422	3.16 431

rvit_0105_4	3.91 426	5.47 407	3.02 418	4.54 413	3.02 425	4.54 428	3.03 426	4.75 438	3.17 434	4.57 431	3.06 426	4.61 435	3.16 423	4.65 435	3.09 427	4.66 426	3.11 416	4.68 435	3.18 431	4.81 424	3.16 431

rvit_stereo_0080	3.89 424	5.70 408	3.04 420	4.54 413	3.03 426	4.56 433	3.05 428	4.60 432	3.07 428	4.58 432	3.06 426	4.59 431	3.06 417	4.61 432	3.08 425	4.63 424	3.09 414	4.64 432	3.10 426	4.65 419	3.10 427

whm_eth	3.89 424	5.70 408	3.04 420	4.54 413	3.03 426	4.56 433	3.05 428	4.60 432	3.07 428	4.58 432	3.06 426	4.59 431	3.06 417	4.61 432	3.08 425	4.63 424	3.09 414	4.64 432	3.10 426	4.65 419	3.10 427

rvit_0105_6	3.87 423	5.73 410	3.10 425	4.69 420	3.12 434	4.54 428	3.02 422	4.56 428	3.04 423	4.54 429	3.03 423	4.54 427	3.04 415	4.56 428	3.05 421	4.58 422	3.05 409	4.58 428	3.05 421	4.58 415	3.05 422

rvit_stereo_0082	3.86 421	5.82 411	3.01 415	4.53 410	3.03 426	4.54 428	3.02 422	4.56 428	3.04 423	4.53 427	3.02 421	4.55 429	3.04 415	4.57 431	3.05 421	4.57 419	3.05 409	4.58 428	3.05 421	4.58 415	3.06 425

SGM-Forest	5.21 446	5.92 412	4.08 433	6.18 431	4.16 445	6.31 446	4.34 445	6.50 446	4.33 445	6.14 447	4.21 443	6.61 450	4.55 438	6.67 446	4.48 443	5.94 439	3.94 425	5.85 447	4.03 444	5.79 435	4.17 445
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
MaDis-Stereo	3.19 414	6.02 413	1.12 312	5.61 428	1.16 345	5.43 444	1.02 325	5.15 444	0.70 299	5.43 442	1.21 386	5.03 444	0.97 310	4.85 439	0.99 322	4.53 417	1.16 321	5.53 444	1.25 387	5.37 432	1.30 391

IER	0.88 287	7.04 414	2.23 406	2.75 392	0.28 191	0.43 239	0.25 168	0.39 193	0.25 169	0.41 211	0.27 188	0.39 202	0.25 171	0.40 208	0.28 183	0.37 198	0.28 173	0.37 209	0.25 178	0.37 191	0.25 160

HCRNet	1.22 362	7.11 415	3.00 414	3.55 402	0.33 221	0.29 165	0.14 127	0.19 127	0.15 141	0.33 174	0.29 196	0.25 155	0.14 131	0.22 145	0.33 205	3.64 411	3.00 408	0.76 295	0.32 221	0.18 128	0.13 127

SA	4.33 432	7.35 416	6.85 447	5.96 430	4.09 444	3.59 417	3.15 434	3.82 420	2.64 419	3.91 418	3.85 438	3.57 416	2.72 410	3.13 412	4.03 439	7.09 447	6.86 442	3.57 416	3.12 429	3.85 402	3.51 436

cross-raft	4.83 439	7.52 417	6.43 443	6.63 433	3.96 443	4.51 426	3.99 442	4.49 426	3.96 442	4.52 425	3.96 440	4.50 426	3.97 433	4.50 427	3.97 438	6.65 442	6.44 439	4.33 423	3.92 442	4.35 410	3.91 443

test_5	4.62 437	7.55 418	6.23 442	6.32 432	3.40 438	5.29 443	3.50 436	3.53 417	4.11 443	4.28 422	4.47 445	4.26 425	4.38 437	3.68 418	3.24 431	5.89 438	5.60 434	4.84 439	3.50 434	4.33 409	3.93 444

RAFT+CT+SA	4.28 431	7.62 419	4.91 436	5.55 427	2.28 419	3.09 411	3.64 437	4.49 426	3.07 428	4.80 438	3.35 434	4.77 440	3.70 428	4.29 425	3.05 421	5.58 436	5.98 437	3.58 417	3.78 440	4.26 408	3.72 438

raft_robust	4.71 438	7.75 420	5.40 441	6.81 434	3.31 436	4.28 425	4.20 444	4.32 425	4.37 446	4.35 424	4.35 444	4.14 423	3.75 429	4.30 426	4.20 442	6.67 443	6.37 438	3.36 415	4.24 446	4.86 426	3.25 433

test_4	4.88 440	8.13 421	6.98 448	7.46 438	4.44 446	4.25 424	3.85 441	4.04 424	3.92 441	4.13 421	3.91 439	4.18 424	3.84 430	4.14 423	4.06 440	7.01 446	7.13 443	4.53 424	3.72 439	4.09 406	3.72 438

Sa-1000	4.34 433	8.37 422	6.84 446	6.98 437	4.45 447	3.58 416	3.00 420	3.42 416	3.39 436	2.61 408	4.00 441	3.83 420	4.01 434	3.90 420	3.90 437	5.98 440	5.62 435	3.76 420	2.34 418	4.35 410	2.47 420

TestStereo1	4.60 434	8.41 423	6.44 444	6.86 435	3.79 441	3.97 421	3.78 439	3.99 422	3.74 438	3.97 419	3.52 435	3.94 421	3.58 425	3.98 421	3.72 435	6.82 444	6.50 440	3.76 420	3.66 436	3.90 403	3.74 440

SA-5K	4.60 434	8.41 423	6.44 444	6.86 435	3.79 441	3.97 421	3.78 439	3.99 422	3.74 438	3.97 419	3.52 435	3.94 421	3.58 425	3.98 421	3.72 435	6.82 444	6.50 440	3.76 420	3.66 436	3.90 403	3.74 440

U	5.15 445	8.49 425	1.81 398	8.49 442	1.77 410	8.49 452	1.77 405	8.51 453	1.77 408	8.49 453	1.77 407	8.50 453	1.78 397	8.58 453	1.77 410	8.54 451	1.78 397	8.55 453	1.78 412	8.55 447	1.84 410

CFNet_RVC	2.38 400	8.71 426	0.38 205	9.33 445	0.42 261	0.56 271	0.42 251	0.60 268	0.38 233	0.62 276	0.42 256	0.56 275	7.29 448	0.62 276	0.42 251	0.53 258	0.37 206	0.49 268	0.34 229	8.30 445	6.87 452

rvit_stereo_0075_2	6.64 448	8.80 427	5.25 438	7.89 439	5.27 450	7.90 451	5.27 448	7.92 452	5.28 449	7.91 452	5.29 449	7.93 452	5.27 440	7.92 452	5.28 445	7.93 448	5.28 433	7.93 451	5.29 450	7.93 444	5.28 449

test_3	5.01 442	8.86 428	7.77 450	8.09 440	2.76 423	4.13 423	4.05 443	3.88 421	3.76 440	4.33 423	4.13 442	3.71 419	3.91 431	4.21 424	4.06 440	7.93 448	7.69 445	4.53 424	3.91 441	4.17 407	4.29 446

SGM+DAISY	7.06 450	9.15 429	5.38 440	8.84 444	5.18 449	8.80 453	5.31 449	8.79 454	5.28 449	8.89 454	5.20 448	8.93 454	5.33 441	8.95 454	5.36 446	8.70 452	5.21 432	8.74 454	5.20 449	8.89 448	5.15 448

test-1	6.46 447	9.16 430	8.03 453	8.09 440	5.62 451	6.11 445	6.35 450	6.85 448	4.94 448	6.08 446	6.29 452	4.98 443	6.43 444	6.22 444	6.36 450	6.16 441	7.47 444	5.82 446	5.44 451	7.11 441	5.68 450

RAFT	6.73 449	9.36 431	7.40 449	8.51 443	6.55 452	6.88 448	6.60 451	6.79 447	6.60 452	6.80 448	6.72 453	5.31 445	5.50 442	6.61 445	6.61 451	8.42 450	5.89 436	5.73 445	5.45 452	6.61 437	6.24 451

CFNet_pseudo	2.67 408	9.36 431	0.32 183	10.99 454	0.33 221	0.85 296	0.33 206	0.49 243	0.33 211	0.49 247	0.32 210	0.49 251	7.26 447	0.49 255	0.33 205	0.41 222	9.62 451	0.41 237	0.29 204	10.03 453	0.29 190

CFNet_ucs	2.73 409	9.64 433	0.33 188	9.92 450	0.32 212	0.49 254	0.33 206	0.49 243	0.33 211	0.49 247	0.33 213	0.49 251	8.98 451	0.48 249	0.33 205	0.41 222	9.96 454	0.40 226	0.29 204	10.12 454	0.54 269

PCWNet_CMD	2.80 412	9.82 434	0.32 183	10.09 452	0.32 212	0.49 254	0.33 206	3.34 414	0.33 211	0.49 247	0.33 213	0.49 251	8.73 449	0.48 249	0.33 205	0.41 222	9.22 448	0.42 246	0.29 204	9.55 451	0.31 204

pcwnet_v2	2.66 407	9.89 435	0.33 188	9.89 449	0.32 212	0.50 262	0.32 199	0.49 243	0.33 211	0.49 247	0.34 219	0.49 251	8.76 450	0.48 249	0.33 205	0.41 222	9.58 450	0.40 226	0.29 204	9.01 449	0.63 282

UCFNet_RVC	2.75 410	10.06 436	0.29 169	10.31 453	0.29 197	0.42 235	0.29 189	0.43 229	0.29 193	0.42 222	0.29 196	0.42 234	9.87 453	0.43 234	0.29 190	0.36 194	9.84 453	0.36 207	0.26 185	9.77 452	0.26 166

MSMDNet	2.65 406	10.14 437	0.33 188	9.74 448	0.32 212	0.87 298	0.33 206	2.95 410	0.68 293	0.49 247	0.34 219	0.49 251	5.70 443	0.49 255	0.33 205	0.42 235	9.57 449	0.41 237	0.31 217	8.36 446	0.65 284

ccs_rob	2.79 411	10.17 438	0.32 183	10.00 451	0.33 221	0.49 254	0.33 206	1.90 388	0.32 208	0.51 260	0.33 213	0.49 251	9.24 452	0.49 255	0.33 205	0.41 222	9.82 452	0.41 237	0.28 195	9.34 450	0.29 190

test-v	7.53 451	11.89 439	7.98 451	9.36 446	7.14 453	7.06 449	7.09 452	7.37 449	6.91 453	7.29 449	5.71 450	6.45 448	6.93 445	6.73 448	7.27 452	8.93 453	7.85 446	6.98 449	6.80 453	7.56 442	7.34 453

test-2	7.53 451	11.89 439	7.98 451	9.36 446	7.14 453	7.06 449	7.09 452	7.37 449	6.91 453	7.29 449	5.71 450	6.45 448	6.93 445	6.73 448	7.27 452	8.93 453	7.85 446	6.98 449	6.80 453	7.56 442	7.34 453

rafts_anoy	20.00 455	20.00 441	20.00 455	20.00 455	20.00 456	20.00 454	20.00 455	20.00 455	20.00 456	20.00 455	20.00 455	20.00 455	20.00 455	20.00 455	20.00 455	20.00 455	20.00 456	20.00 455	20.00 456	20.00 455	20.00 456

raft+_RVC	20.00 455	20.00 441	20.00 455	20.00 455	20.00 456	20.00 454	20.00 455	20.00 455	20.00 456	20.00 455	20.00 455	20.00 455	20.00 455	20.00 455	20.00 455	20.00 455	20.00 456	20.00 455	20.00 456	20.00 455	20.00 456

raftrobust	20.00 455	20.00 441	20.00 455	20.00 455	20.00 456	20.00 454	20.00 455	20.00 455	20.00 456	20.00 455	20.00 455	20.00 455	20.00 455	20.00 455	20.00 455	20.00 455	20.00 456	20.00 455	20.00 456	20.00 455	20.00 456

CasAABBNet	20.00 455	20.00 441	20.00 455	20.00 455	20.00 456	20.00 454	20.00 455	20.00 455	20.00 456	20.00 455	20.00 455	20.00 455	20.00 455	20.00 455	20.00 455	20.00 455	20.00 456	20.00 455	20.00 456	20.00 455	20.00 456

RALCasStereoNet	20.00 455	20.00 441	20.00 455	20.00 455	20.00 456	20.00 454	20.00 455	20.00 455	20.00 456	20.00 455	20.00 455	20.00 455	20.00 455	20.00 455	20.00 455	20.00 455	20.00 456	20.00 455	20.00 456	20.00 455	20.00 456

RALAANet	20.00 455	20.00 441	20.00 455	20.00 455	20.00 456	20.00 454	20.00 455	20.00 455	20.00 456	20.00 455	20.00 455	20.00 455	20.00 455	20.00 455	20.00 455	20.00 455	20.00 456	20.00 455	20.00 456	20.00 455	20.00 456

MANE	19.05 454	23.00 447	15.00 454	23.00 461	15.00 455	24.00 460	16.00 454	24.00 461	16.00 455	22.00 461	15.00 454	23.00 461	16.00 454	23.00 461	15.00 454	22.00 461	15.00 455	22.00 461	15.00 455	22.00 461	15.00 455

stereogan	2.33 394	24.38 448	1.18 319	1.18 301	1.18 348	1.14 329	1.18 336	1.19 321	1.19 344	1.14 328	1.18 340	1.14 332	1.18 330	1.14 331	1.18 338	1.14 317	1.14 319	1.19 339	1.19 337	1.15 305	1.19 340

Abc-Net	2.32 393	24.75 449	1.14 314	1.17 300	1.17 346	1.11 327	1.15 332	1.17 318	1.21 390	1.08 319	1.16 336	1.12 331	1.14 324	1.09 325	1.17 337	1.09 308	1.16 321	1.17 336	1.17 336	1.16 307	1.11 330
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
RP	2.33 394	25.00 450	1.13 313	1.15 294	1.15 341	1.10 324	1.15 332	1.15 314	1.15 337	1.12 325	1.15 333	1.09 325	1.13 322	1.10 327	1.15 333	1.11 315	1.09 312	1.16 332	1.12 331	1.16 307	1.17 338

RGC	2.36 396	25.48 451	1.19 320	1.15 294	1.15 341	1.10 324	1.16 334	1.17 318	1.16 338	1.12 325	1.16 336	1.11 330	1.13 322	1.09 325	1.18 338	1.10 310	1.15 320	1.16 332	1.12 331	1.14 304	1.12 332

NCC-stereo	2.36 396	25.52 452	1.17 317	1.15 294	1.17 346	1.11 327	1.11 328	1.15 314	1.16 338	1.10 320	1.16 336	1.10 327	1.15 325	1.14 331	1.13 331	1.09 308	1.11 316	1.15 331	1.16 335	1.17 312	1.17 338

AF-Net	2.37 398	25.71 453	1.17 317	1.13 291	1.15 341	1.15 330	1.18 336	1.19 321	1.16 338	1.10 320	1.15 333	1.10 327	1.18 330	1.12 330	1.15 333	1.10 310	1.10 315	1.17 336	1.15 333	1.16 307	1.12 332

Nwc_Net	2.37 398	25.95 454	1.15 316	1.14 292	1.15 341	1.08 322	1.14 331	1.17 318	1.16 338	1.14 328	1.15 333	1.08 323	1.15 325	1.11 329	1.14 332	1.10 310	1.11 316	1.16 332	1.09 330	1.16 307	1.15 337

FAT-Stereo	2.46 402	26.05 455	1.23 372	1.23 350	1.22 396	1.20 332	1.24 386	1.23 372	1.23 392	1.19 330	1.22 387	1.21 381	1.24 380	1.20 335	1.24 387	1.21 365	1.17 323	1.22 386	1.25 387	1.20 316	1.24 389

S-Stereo	2.51 403	26.86 456	1.23 372	1.22 348	1.22 396	1.24 380	1.25 387	1.22 370	1.24 393	1.21 376	1.24 389	1.19 335	1.27 382	1.19 334	1.24 387	1.19 319	1.20 325	1.25 387	1.19 337	1.24 364	1.23 388

MoCha-V2	2.11 388	26.97 457	0.78 285	0.92 266	0.77 315	0.96 309	0.72 297	0.90 291	0.72 303	0.94 307	0.70 303	0.90 306	0.71 295	0.91 304	0.71 301	0.85 290	0.71 279	0.88 308	0.69 300	0.87 280	0.67 288

edge stereo	2.43 401	27.07 458	1.14 314	1.06 284	1.14 340	1.08 322	1.17 335	1.16 316	1.14 336	1.10 320	1.16 336	1.09 325	1.16 329	1.10 327	1.16 336	1.10 310	1.11 316	1.16 332	1.19 337	1.13 303	1.11 330

fff	1000028.16 478	29.62 459	29.72 462	32.61 462	30.02 463	35.13 463	31.83 463	32.07 463	10000000.00 479	35.27 465	29.82 463	32.45 463	30.15 462	32.35 463	30.09 462	31.04 463	29.55 464	30.64 463	30.14 463	10000000.00 479	30.77 464

csc	1000028.16 478	29.62 459	29.72 462	32.61 462	30.02 463	35.13 463	31.83 463	32.07 463	10000000.00 479	35.27 465	29.82 463	32.45 463	30.15 462	32.35 463	30.09 462	31.04 463	29.55 464	30.64 463	30.14 463	10000000.00 479	30.77 464

cscssc	1000028.16 478	29.62 459	29.72 462	32.61 462	30.02 463	35.13 463	31.83 463	32.07 463	10000000.00 479	35.27 465	29.82 463	32.45 463	30.15 462	32.35 463	30.09 462	31.04 463	29.55 464	30.64 463	30.14 463	10000000.00 479	30.77 464

STTStereo	3.73 418	30.40 462	2.37 411	2.39 386	2.31 421	2.35 404	2.33 414	2.29 397	2.42 418	2.32 405	2.34 419	2.33 402	2.36 407	2.30 403	2.27 416	2.35 401	2.22 403	2.31 407	2.22 414	2.29 388	2.34 417

111	30.40 461	30.94 463	29.72 462	32.61 462	30.02 463	33.57 461	30.47 462	31.50 462	29.39 463	30.98 462	29.11 462	29.78 462	30.39 465	29.45 462	30.76 465	30.08 462	29.02 463	29.92 462	30.32 466	29.86 462	30.17 463

DCANet-4	35.22 463	34.54 464	35.08 468	33.58 466	35.47 470	34.55 462	35.53 469	36.08 468	35.85 467	35.92 468	35.77 468	35.18 468	35.48 467	35.39 468	37.15 468	34.55 468	33.92 467	35.02 469	34.90 468	35.79 466	34.74 470

tt	500032.53 476	34.60 465	29.72 462	37.47 468	34.41 468	36.85 467	35.22 467	34.71 466	33.55 465	34.50 463	35.43 466	33.81 466	10000000.00 479	33.57 466	33.13 466	33.68 466	35.00 468	34.03 467	35.26 469	30.96 463	34.63 468

DCANet	500032.53 476	34.60 465	29.72 462	37.47 468	34.41 468	36.85 467	35.22 467	34.71 466	33.55 465	34.50 463	35.43 466	33.81 466	10000000.00 479	33.57 466	33.13 466	33.68 466	35.00 468	34.03 467	35.26 469	30.96 463	34.63 468

WCMA_ROB	31.10 462	35.43 467	27.12 461	39.51 470	23.10 462	38.78 469	25.30 461	37.49 470	25.39 462	37.29 469	27.02 461	38.52 470	26.48 461	37.80 469	26.44 461	36.28 469	22.65 462	33.90 466	22.30 462	37.10 467	24.18 462

ADStereo(finetuned)	36.13 464	36.63 468	38.07 469	36.97 467	33.25 467	35.91 466	34.45 466	36.36 469	32.99 464	38.14 470	36.71 469	36.69 469	34.13 466	38.57 470	40.79 469	37.60 470	36.58 470	35.90 470	33.36 467	35.42 465	34.04 467

NLCA_NET_v2_RVC	5.04 443	50.87 469	2.78 413	2.87 394	2.71 422	2.78 410	0.47 261	2.88 409	2.86 422	1.89 392	2.67 420	2.79 411	2.79 411	2.78 410	2.83 418	2.82 405	2.82 407	2.83 411	2.77 420	2.83 397	2.76 421
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
MDST_ROB	69.83 465	87.70 470	41.95 470	113.75 473	65.62 473	75.05 470	55.25 471	75.64 472	45.04 468	71.61 471	41.75 470	72.81 471	44.06 468	68.38 471	44.63 470	101.89 473	59.57 473	107.10 473	61.05 473	104.38 470	59.38 473

MGS-Stereo	239.45 470	123.00 471	135.00 474	266.00 476	286.00 477	277.00 475	305.00 476	271.00 476	242.00 474	274.00 476	279.00 476	255.00 476	270.00 474	268.00 476	297.00 476	221.00 476	247.00 477	216.00 476	123.00 474	217.00 473	217.00 477

AE-Stereo	201.80 469	123.00 471	115.00 472	219.00 475	218.00 476	223.00 474	244.00 475	217.00 475	236.00 473	202.00 475	203.00 474	205.00 475	208.00 472	225.00 475	204.00 474	210.00 475	198.00 475	197.00 475	184.00 476	204.00 472	201.00 475

EGLCR-Stereo	246.90 471	129.00 473	139.00 475	266.00 476	286.00 477	277.00 475	305.00 476	271.00 476	242.00 474	274.00 476	279.00 476	255.00 476	270.00 474	268.00 476	297.00 476	230.00 477	247.00 477	216.00 476	223.00 478	237.00 474	227.00 478

NOSS_ROB	102.95 466	153.00 474	121.00 473	51.00 471	44.00 471	165.00 473	127.00 472	153.00 473	119.00 470	164.00 474	125.00 472	168.00 474	120.00 470	153.00 473	117.00 472	49.00 471	44.00 471	49.00 471	44.00 471	49.00 468	44.00 471

MeshStereo	159.24 468	171.00 475	160.68 476	162.58 474	160.59 474	164.01 472	160.35 473	158.51 474	158.56 471	158.34 473	160.12 473	158.56 473	159.92 471	157.26 474	158.94 473	154.38 474	158.36 474	155.75 474	159.13 475	153.67 471	154.07 474
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
PA-Net	11.80 453	223.51 476	0.62 259	0.59 233	0.71 309	0.59 277	0.73 298	0.67 274	0.73 306	0.55 268	0.61 289	0.60 279	0.74 296	0.63 277	0.73 302	0.66 269	0.60 260	0.69 287	0.66 294	0.72 262	0.65 284
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
DLCB_ROB	284.23 472	354.61 477	207.27 477	363.24 478	206.46 475	364.72 477	210.41 474	364.72 478	210.41 472	364.81 478	208.64 475	364.81 478	208.64 473	364.72 478	210.41 475	354.70 478	205.53 476	354.70 478	205.53 477	354.70 475	205.53 476

LE_ROB	396.57 473	471.28 478	329.84 478	471.48 479	308.15 479	526.83 478	322.10 478	488.15 479	323.76 476	495.46 479	317.97 478	497.17 479	320.10 476	481.62 479	326.76 478	462.71 479	298.97 479	466.16 479	285.98 479	447.62 476	289.21 479

SGM-ForestM	596.69 474	677.77 479	444.52 479	699.85 480	517.25 480	732.94 479	488.29 479	770.79 480	460.11 477	750.81 480	487.98 479	792.79 480	499.41 477	730.90 480	475.81 479	720.03 480	491.16 480	663.96 480	418.60 480	674.76 477	436.05 480

CBMV_ROB	818.48 475	913.88 480	709.52 480	862.84 481	597.78 481	1073.99 480	700.52 480	1015.66 481	702.59 478	1115.65 481	760.02 480	1130.24 481	721.57 478	1037.41 481	692.65 480	814.05 481	564.29 481	843.28 481	595.31 481	915.51 478	602.92 481

CBMV	128.50 467	1422.70 481	53.10 471	79.50 472	51.30 472	77.30 471	49.70 470	74.00 471	48.20 469	77.20 472	48.80 471	73.90 472	48.00 469	73.80 472	48.80 471	70.40 472	45.10 472	68.90 472	46.10 472	68.20 469	45.00 472
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
IGEV-Stereo++	10000000.00 481	10000000.00 482	10000000.00 481	10000000.00 482	10000000.00 482	10000000.00 481	10000000.00 481	10000000.00 482	10000000.00 479	10000000.00 482	10000000.00 481	10000000.00 482	10000000.00 479	10000000.00 482	10000000.00 481	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 479	10000000.00 482

IGEV-BASED-STEREO-	10000000.00 481	10000000.00 482	10000000.00 481	10000000.00 482	10000000.00 482	10000000.00 481	10000000.00 481	10000000.00 482	10000000.00 479	10000000.00 482	10000000.00 481	10000000.00 482	10000000.00 479	10000000.00 482	10000000.00 481	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 479	10000000.00 482

IGEV-Stereo+	10000000.00 481	10000000.00 482	10000000.00 481	10000000.00 482	10000000.00 482	10000000.00 481	10000000.00 481	10000000.00 482	10000000.00 479	10000000.00 482	10000000.00 481	10000000.00 482	10000000.00 479	10000000.00 482	10000000.00 481	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 479	10000000.00 482

SDNR	10000000.00 481	10000000.00 482	10000000.00 481	10000000.00 482	10000000.00 482	10000000.00 481	10000000.00 481	10000000.00 482	10000000.00 479	10000000.00 482	10000000.00 481	10000000.00 482	10000000.00 479	10000000.00 482	10000000.00 481	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 479	10000000.00 482

anonymousdsp2	10000000.00 481	10000000.00 482	10000000.00 481	10000000.00 482	10000000.00 482	10000000.00 481	10000000.00 481	10000000.00 482	10000000.00 479	10000000.00 482	10000000.00 481	10000000.00 482	10000000.00 479	10000000.00 482	10000000.00 481	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 479	10000000.00 482

anonymousdsp	10000000.00 481	10000000.00 482	10000000.00 481	10000000.00 482	10000000.00 482	10000000.00 481	10000000.00 481	10000000.00 482	10000000.00 479	10000000.00 482	10000000.00 481	10000000.00 482	10000000.00 479	10000000.00 482	10000000.00 481	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 479	10000000.00 482

test_example2	10000000.00 481	10000000.00 482	10000000.00 481	10000000.00 482	10000000.00 482	10000000.00 481	10000000.00 481	10000000.00 482	10000000.00 479	10000000.00 482	10000000.00 481	10000000.00 482	10000000.00 479	10000000.00 482	10000000.00 481	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 479	10000000.00 482

DIP-Stereo	10000000.00 481	10000000.00 482	10000000.00 481	10000000.00 482	10000000.00 482	10000000.00 481	10000000.00 481	10000000.00 482	10000000.00 479	10000000.00 482	10000000.00 481	10000000.00 482	10000000.00 479	10000000.00 482	10000000.00 481	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 482	10000000.00 479	10000000.00 482
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022

Low-res two-view benchmark