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

CoDeX	0.15 124	0.70 286	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.01 9	0.02 20	0.67 410	0.02 15	0.69 413	0.75 431	0.01 9	0.02 20	0.02 20

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

Wz-Net-SNSev	0.03 29	0.09 66	0.07 58	0.09 55	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.09 68	0.07 59	0.01 9	0.01 9	0.01 10	0.01 10

Wz-Net-LNSev	0.06 44	0.24 127	0.20 190	0.23 164	0.01 10	0.02 19	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.23 194	0.21 203	0.02 18	0.01 9	0.01 10	0.01 10

Wz-Net-MNSev	0.06 44	0.54 269	0.10 69	0.12 83	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.12 93	0.11 97	0.01 9	0.01 9	0.01 10	0.01 10

WZ-Net	0.05 41	0.50 253	0.10 69	0.12 83	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.12 93	0.10 75	0.01 9	0.01 9	0.01 10	0.01 10

SFCPSM	0.17 136	0.78 294	0.02 14	0.02 14	0.01 10	0.02 19	0.02 20	0.02 20	0.01 10	0.02 20	0.02 20	0.02 20	0.01 9	0.02 20	0.79 451	0.02 15	0.75 423	0.76 433	0.02 20	0.02 20	0.02 20

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

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

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

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

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

USTest	0.01 9	0.02 12	0.00 1	0.14 100	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.02 21	0.00 1	0.00 1	0.00 1	0.00 1	0.02 18	0.02 20	0.00 1	0.00 1

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

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

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

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

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

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

test_sample6	0.09 52	0.97 331	0.10 69	0.10 59	0.03 48	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.03 52	0.03 42	0.02 21	0.03 39	0.02 20	0.10 73	0.10 75	0.03 38	0.02 20	0.03 43	0.02 20

test_sample2	0.09 52	1.03 348	0.11 89	0.11 76	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 68	0.09 70	0.03 38	0.02 20	0.03 43	0.02 20

SMFormer	0.09 52	1.01 342	0.09 65	0.09 55	0.03 48	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 68	0.09 70	0.03 38	0.02 20	0.03 43	0.02 20

tta	0.09 52	0.95 328	0.09 65	0.10 59	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 68	0.10 75	0.03 38	0.02 20	0.03 43	0.02 20

xxx	0.09 52	1.01 342	0.10 69	0.10 59	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.03 40	0.03 52	0.03 42	0.02 21	0.03 39	0.02 20	0.10 73	0.10 75	0.03 38	0.02 20	0.03 43	0.03 51

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

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

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

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

Wz-Net-LNSev-Ref	0.11 87	0.44 208	0.33 264	0.39 232	0.02 21	0.03 40	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.39 291	0.36 303	0.02 18	0.02 20	0.02 20	0.02 20

BSDual-CNN	0.81 410	1.91 464	0.92 441	4.48 587	0.02 21	0.42 314	0.06 108	0.41 286	0.02 21	0.48 354	0.03 52	0.02 20	0.02 21	0.03 39	0.02 20	1.97 546	4.19 612	0.33 251	0.23 230	0.34 240	0.27 236

psmg	0.43 308	1.91 464	0.92 441	1.91 515	0.02 21	0.02 19	0.03 50	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.03 39	0.02 20	1.97 546	1.44 539	0.04 73	0.03 54	0.02 20	0.03 51

CSP-Net	0.34 223	1.29 428	1.19 465	1.36 495	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	1.26 506	1.21 517	0.03 38	0.09 111	0.02 20	0.09 111

Syn2CoEx	0.25 187	1.31 430	0.74 409	0.92 397	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.03 42	0.02 21	0.02 20	0.02 20	0.87 426	0.75 423	0.02 18	0.02 20	0.02 20	0.02 20

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

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

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

ADCMid	0.08 50	0.02 12	0.02 14	1.01 415	0.03 48	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.04 72	0.09 108	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

ADCS	0.09 52	0.02 12	0.04 43	0.90 392	0.06 110	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.14 131	0.36 290	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

AnyNet_C01	0.11 87	0.02 12	0.02 14	1.62 508	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.03 40	0.02 20	0.02 20	0.02 21	0.06 89	0.04 75	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.03 51

AnyNet_C32	0.14 112	0.04 37	0.03 36	2.22 527	0.04 79	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.04 77	0.02 21	0.07 105	0.04 75	0.02 15	0.02 15	0.03 38	0.03 54	0.02 20	0.03 51

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

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

zh-sn7	0.10 65	0.98 332	0.14 126	0.15 110	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.15 125	0.13 137	0.03 38	0.03 54	0.03 43	0.03 51

zh-mn7	0.12 96	1.14 362	0.17 167	0.20 137	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.18 151	0.16 146	0.03 38	0.03 54	0.03 43	0.03 51

w-ln-seven-2	0.14 112	1.22 424	0.28 220	0.32 208	0.04 79	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.32 234	0.27 225	0.04 73	0.03 54	0.03 43	0.03 51

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

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

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

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

DualNet (step1)	0.10 65	1.05 352	0.12 101	0.12 83	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.12 93	0.12 113	0.03 38	0.03 54	0.03 43	0.03 51

test_sample9	0.10 65	1.05 352	0.12 101	0.12 83	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.12 93	0.12 113	0.03 38	0.03 54	0.03 43	0.03 51

test_sample8	0.10 65	1.05 352	0.12 101	0.12 83	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 93	0.12 113	0.03 38	0.03 54	0.03 43	0.03 51

test_sample7	0.09 52	1.00 336	0.11 89	0.11 76	0.02 21	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 93	0.12 113	0.03 38	0.03 54	0.03 43	0.03 51

test_sample5	0.10 65	1.07 355	0.11 89	0.10 59	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.10 73	0.10 75	0.03 38	0.03 54	0.04 77	0.03 51

test_sample4	0.10 65	1.03 348	0.12 101	0.10 59	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 109	0.13 137	0.03 38	0.03 54	0.03 43	0.03 51

test_sample3	0.09 52	0.87 308	0.10 69	0.12 83	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 93	0.10 75	0.03 38	0.02 20	0.03 43	0.02 20

test_sample1	0.09 52	0.87 308	0.12 101	0.11 76	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.04 74	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.10 73	0.10 75	0.03 38	0.02 20	0.03 43	0.02 20

mmm	0.14 112	1.83 455	0.12 101	0.11 76	0.03 48	0.03 40	0.03 50	0.03 42	0.04 82	0.03 40	0.03 52	0.03 42	0.03 52	0.06 89	0.04 75	0.12 93	0.11 97	0.05 86	0.04 78	0.05 92	0.04 79

11t1	0.17 136	2.16 481	0.13 121	0.13 96	0.04 79	0.06 92	0.04 81	0.06 95	0.04 82	0.06 97	0.03 52	0.06 98	0.03 52	0.06 89	0.05 88	0.18 151	0.12 113	0.06 94	0.03 54	0.05 92	0.03 51

DualNet	0.10 65	1.07 355	0.11 89	0.10 59	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.10 73	0.10 75	0.03 38	0.03 54	0.04 77	0.03 51

ttt	0.10 65	1.09 357	0.12 101	0.12 83	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 93	0.12 113	0.03 38	0.02 20	0.03 43	0.02 20

1111x	0.10 65	1.14 362	0.13 121	0.14 100	0.03 48	0.04 77	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 109	0.11 97	0.03 38	0.02 20	0.03 43	0.02 20

qqq	0.16 132	2.01 472	0.12 101	0.15 110	0.04 79	0.06 92	0.05 93	0.06 95	0.04 82	0.06 97	0.03 52	0.06 98	0.03 52	0.06 89	0.03 48	0.12 93	0.14 141	0.04 73	0.04 78	0.03 43	0.03 51

x	0.11 87	1.15 365	0.15 147	0.14 100	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.14 116	0.15 144	0.03 38	0.03 54	0.03 43	0.03 51

hknet	1.10 457	1.85 457	3.49 610	4.48 587	0.02 21	0.42 314	0.06 108	0.41 286	0.02 21	0.48 354	0.03 52	0.41 293	0.03 52	0.42 307	0.03 48	4.39 598	4.19 612	0.33 251	0.23 230	0.34 240	0.27 236

222	0.10 65	0.99 335	0.12 101	0.13 96	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 93	0.12 113	0.03 38	0.02 20	0.04 77	0.03 51

xxxx	0.11 87	1.16 367	0.16 155	0.12 83	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 109	0.16 146	0.03 38	0.04 78	0.04 77	0.04 79

test_xeample	0.10 65	1.09 357	0.13 121	0.12 83	0.03 48	0.03 40	0.03 50	0.04 77	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.14 116	0.14 141	0.03 38	0.03 54	0.03 43	0.03 51

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

BEATNet_4x	0.11 87	0.03 31	0.03 36	1.60 505	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.05 83	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

ADCL	0.11 87	0.03 31	0.03 36	1.60 505	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.05 83	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

ADCRef	0.12 96	0.03 31	0.04 43	1.71 511	0.04 79	0.03 40	0.03 50	0.04 77	0.04 82	0.04 74	0.03 52	0.04 77	0.03 52	0.06 89	0.04 75	0.04 44	0.04 45	0.04 73	0.04 78	0.03 43	0.04 79

ADCPNet	0.10 65	0.03 31	0.04 43	1.27 488	0.03 48	0.04 77	0.03 50	0.03 42	0.03 55	0.04 74	0.03 52	0.04 77	0.03 52	0.08 108	0.04 75	0.04 44	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

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

z-mn7	0.16 132	1.21 418	0.33 264	0.41 258	0.04 79	0.04 77	0.03 50	0.04 77	0.04 82	0.04 74	0.04 88	0.04 77	0.04 84	0.04 72	0.04 75	0.35 251	0.31 265	0.04 73	0.04 78	0.04 77	0.04 79

z-ln-s-r	0.21 163	1.40 437	0.53 366	0.56 343	0.04 79	0.05 89	0.04 81	0.05 89	0.05 98	0.05 92	0.04 88	0.05 91	0.04 84	0.05 83	0.05 88	0.57 379	0.44 350	0.04 73	0.04 78	0.04 77	0.04 79

w-ln-seven	0.18 139	1.47 439	0.33 264	0.40 246	0.04 79	0.04 77	0.04 81	0.04 77	0.04 82	0.04 74	0.04 88	0.04 77	0.04 84	0.04 72	0.04 75	0.38 269	0.32 269	0.05 86	0.04 78	0.04 77	0.04 79

DFGA-Net	0.05 41	0.06 54	0.04 43	0.06 46	0.04 79	0.06 92	0.04 81	0.06 95	0.04 82	0.06 97	0.04 88	0.06 98	0.04 84	0.06 89	0.04 75	0.06 55	0.04 45	0.05 86	0.04 78	0.05 92	0.04 79

GASNet	0.05 41	0.04 37	0.12 101	0.04 37	0.04 79	0.04 77	0.05 93	0.04 77	0.04 82	0.12 126	0.04 88	0.06 98	0.04 84	0.04 72	0.04 75	0.04 44	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

APVNet	0.09 52	0.05 49	0.04 43	0.05 43	0.04 79	0.05 89	0.90 460	0.06 95	0.04 82	0.05 92	0.04 88	0.05 91	0.04 84	0.05 83	0.04 75	0.05 51	0.04 45	0.05 86	0.04 78	0.05 92	0.05 97

EDNetEfficientorigin	0.04 38	0.06 54	0.04 43	0.05 43	0.04 79	0.05 89	0.04 81	0.05 89	0.04 82	0.05 92	0.04 88	0.05 91	0.04 84	0.05 83	0.04 75	0.05 51	0.03 36	0.06 94	0.03 54	0.04 77	0.03 51

FADNet-RVC-Resample	0.12 96	0.04 37	0.04 43	0.04 37	0.04 79	0.04 77	0.04 81	0.04 77	0.04 82	0.04 74	0.04 88	0.04 77	0.04 84	0.04 72	1.57 559	0.04 44	0.04 45	0.04 73	0.05 96	0.04 77	0.06 104

ADCP+	0.15 124	0.04 37	0.04 43	2.20 526	0.04 79	0.04 77	0.04 81	0.04 77	0.04 82	0.04 74	0.05 100	0.04 77	0.04 84	0.08 108	0.04 75	0.04 44	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

NVStereoNet_ROB	0.04 38	0.04 37	0.04 43	0.04 37	0.04 79	0.04 77	0.04 81	0.04 77	0.04 82	0.04 74	0.04 88	0.04 77	0.04 84	0.04 72	0.04 75	0.04 44	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
OmniDepth	0.08 50	0.08 59	0.11 89	0.11 76	0.05 99	0.08 105	0.05 93	0.08 108	0.07 112	0.08 107	0.05 100	0.08 107	0.05 94	0.09 111	0.08 104	0.15 125	0.11 97	0.07 99	0.05 96	0.07 106	0.06 104

DA	0.09 52	0.13 82	0.39 298	0.08 49	0.05 99	0.07 103	0.05 93	0.13 127	0.05 98	0.06 97	0.05 100	0.06 98	0.05 94	0.06 89	0.05 88	0.06 55	0.05 56	0.14 127	0.13 155	0.06 96	0.05 97

GGEV	0.09 52	0.13 82	0.39 298	0.08 49	0.05 99	0.07 103	0.05 93	0.13 127	0.05 98	0.06 97	0.05 100	0.06 98	0.05 94	0.06 89	0.05 88	0.06 55	0.05 56	0.14 127	0.13 155	0.06 96	0.05 97

ISRNet	0.11 87	0.05 49	0.36 284	0.24 169	0.07 111	0.13 126	0.05 93	0.06 95	0.05 98	0.05 92	0.05 100	0.13 128	0.05 94	0.05 83	0.09 108	0.24 199	0.20 191	0.10 108	0.05 96	0.06 96	0.13 151

qqq1	0.25 187	3.70 549	0.14 126	0.14 100	0.04 79	0.06 92	0.05 93	0.06 95	0.05 98	0.06 97	0.05 100	0.04 77	0.05 94	0.06 89	0.05 88	0.13 109	0.12 113	0.06 94	0.05 96	0.03 43	0.04 79

fff1	0.25 187	3.70 549	0.14 126	0.14 100	0.04 79	0.06 92	0.05 93	0.06 95	0.05 98	0.06 97	0.05 100	0.04 77	0.05 94	0.06 89	0.05 88	0.13 109	0.12 113	0.06 94	0.05 96	0.03 43	0.04 79

ffm	0.25 187	3.83 555	0.12 101	0.12 83	0.05 99	0.06 92	0.05 93	0.06 95	0.05 98	0.03 40	0.03 52	0.06 98	0.05 94	0.06 89	0.05 88	0.12 93	0.12 113	0.05 86	0.04 78	0.06 96	0.04 79

ff1	0.25 187	3.83 555	0.12 101	0.12 83	0.05 99	0.06 92	0.05 93	0.06 95	0.05 98	0.03 40	0.03 52	0.06 98	0.05 94	0.06 89	0.05 88	0.12 93	0.12 113	0.05 86	0.04 78	0.06 96	0.04 79

mmx	0.25 187	3.83 555	0.12 101	0.12 83	0.05 99	0.06 92	0.05 93	0.06 95	0.05 98	0.03 40	0.03 52	0.06 98	0.05 94	0.06 89	0.05 88	0.12 93	0.12 113	0.05 86	0.04 78	0.06 96	0.04 79

BUS	0.83 419	1.91 464	0.92 441	4.48 587	0.02 21	0.40 276	0.04 81	0.41 286	0.02 21	0.48 354	0.03 52	0.41 293	0.05 94	0.03 39	0.05 88	1.97 546	4.19 612	0.33 251	0.23 230	0.34 240	0.27 236

NINENet	0.69 381	3.87 558	1.20 468	1.98 520	0.05 99	0.40 276	0.04 81	0.40 271	0.05 98	0.41 285	0.04 88	0.41 293	0.05 94	0.40 277	0.05 88	1.79 534	1.56 548	0.34 259	0.22 224	0.34 240	0.23 211

GwcNet	0.12 96	0.07 58	0.05 57	0.08 49	0.05 99	0.08 105	1.20 489	0.07 105	0.05 98	0.05 92	0.05 100	0.08 107	0.05 94	0.08 108	0.03 48	0.07 60	0.05 56	0.06 94	0.05 96	0.07 106	0.05 97

FADNet_RVC	0.12 96	0.04 37	0.04 43	0.05 43	0.04 79	0.04 77	0.04 81	0.04 77	0.04 82	0.04 74	0.04 88	0.04 77	0.05 94	0.04 72	1.65 563	0.05 51	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

FADNet-RVC	0.13 103	0.04 37	0.04 43	0.04 37	0.04 79	0.04 77	0.05 93	0.04 77	0.04 82	0.04 74	0.05 100	0.04 77	0.05 94	0.04 72	1.71 568	0.04 44	0.04 45	0.04 73	0.04 78	0.07 106	0.04 79

FADNet	0.12 96	0.05 49	0.04 43	0.04 37	0.04 79	0.04 77	0.04 81	0.04 77	0.04 82	0.04 74	0.04 88	0.04 77	0.05 94	0.04 72	1.66 565	0.06 55	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

AASNet	0.06 44	0.08 59	0.08 60	0.08 49	0.05 99	0.06 92	0.05 93	0.05 89	0.06 109	0.06 97	0.06 109	0.05 91	0.06 109	0.06 89	0.05 88	0.08 62	0.08 61	0.08 102	0.05 96	0.06 96	0.05 97

SACVNet	0.06 44	0.08 59	0.08 60	0.08 49	0.05 99	0.06 92	0.05 93	0.05 89	0.06 109	0.06 97	0.06 109	0.05 91	0.06 109	0.06 89	0.05 88	0.08 62	0.08 61	0.08 102	0.05 96	0.06 96	0.05 97

AACVNet	0.06 44	0.08 59	0.08 60	0.08 49	0.05 99	0.06 92	0.05 93	0.05 89	0.06 109	0.06 97	0.06 109	0.05 91	0.06 109	0.06 89	0.05 88	0.08 62	0.08 61	0.08 102	0.05 96	0.06 96	0.05 97

FINET	0.07 49	0.08 59	0.07 58	0.07 47	0.07 111	0.08 105	0.06 108	0.08 108	0.07 112	0.08 107	0.07 112	0.08 107	0.06 109	0.07 105	0.07 102	0.08 62	0.07 59	0.07 99	0.07 105	0.06 96	0.06 104

BEATNet-Init1	0.19 142	0.08 59	0.08 60	2.23 528	0.08 113	0.08 105	0.07 111	0.07 105	0.08 115	0.08 107	0.07 112	0.08 107	0.07 113	0.11 125	0.08 104	0.08 62	0.08 61	0.08 102	0.07 105	0.08 109	0.08 108

SuperB	0.21 163	0.10 68	2.51 593	0.12 83	0.09 115	0.10 111	0.09 113	0.08 108	0.07 112	0.10 112	0.09 115	0.09 112	0.07 113	0.07 105	0.07 102	0.07 60	0.08 61	0.07 99	0.07 105	0.08 109	0.07 107

DeepPrunerF	0.19 142	0.08 59	0.08 60	2.23 528	0.08 113	0.08 105	0.07 111	0.07 105	0.08 115	0.08 107	0.07 112	0.08 107	0.07 113	0.11 125	0.08 104	0.08 62	0.08 61	0.08 102	0.07 105	0.08 109	0.08 108

SepStereo	0.09 52	0.09 66	0.10 69	0.09 55	0.09 115	0.09 110	0.09 113	0.10 111	0.08 115	0.10 112	0.09 115	0.09 112	0.09 116	0.09 111	0.08 104	0.09 68	0.08 61	0.09 107	0.08 109	0.09 112	0.08 108

PASM	0.39 270	3.06 535	1.36 531	1.58 501	0.09 115	0.11 122	0.11 131	0.11 123	0.11 134	0.09 111	0.09 115	0.11 124	0.09 116	0.09 111	0.09 108	0.11 88	0.11 97	0.11 119	0.09 111	0.11 123	0.11 128

DRN-Test	0.14 112	0.13 82	0.09 65	0.14 100	0.09 115	0.15 134	0.09 113	0.14 129	0.10 119	0.14 128	0.09 115	0.14 129	0.09 116	0.13 130	0.09 108	0.12 93	0.09 70	0.12 122	0.09 111	0.12 128	0.73 438

StereoDRNet	0.15 124	0.14 88	0.10 69	0.14 100	0.09 115	0.15 134	0.09 113	0.14 129	0.09 118	0.14 128	0.10 119	0.14 129	0.09 116	0.14 131	0.09 108	0.13 109	0.10 75	0.13 125	0.09 111	0.13 130	0.82 450

S2M2_L	0.12 96	0.14 88	0.10 69	0.15 110	0.10 121	0.14 127	0.10 118	0.14 129	0.10 119	0.15 134	0.10 119	0.14 129	0.10 120	0.14 131	0.10 114	0.13 109	0.10 75	0.13 125	0.09 111	0.13 130	0.09 111
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
AnonymousM	0.10 65	0.10 68	0.10 69	0.10 59	0.10 121	0.10 111	0.10 118	0.10 111	0.10 119	0.10 112	0.10 119	0.10 114	0.10 120	0.10 114	0.10 114	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

LRCNet_RVC	0.13 103	0.13 82	0.09 65	0.13 96	0.10 121	0.14 127	0.10 118	0.14 129	0.10 119	0.23 178	0.10 119	0.20 161	0.10 120	0.24 195	0.11 126	0.11 88	0.09 70	0.12 122	0.14 166	0.12 128	0.09 111

PVD	0.10 65	0.10 68	0.10 69	0.10 59	0.10 121	0.10 111	0.10 118	0.10 111	0.10 119	0.10 112	0.10 119	0.10 114	0.10 120	0.10 114	0.10 114	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

SHD	0.10 65	0.10 68	0.10 69	0.10 59	0.10 121	0.10 111	0.10 118	0.10 111	0.10 119	0.10 112	0.10 119	0.10 114	0.10 120	0.10 114	0.10 114	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

SAMSARA	0.10 65	0.10 68	0.10 69	0.10 59	0.10 121	0.10 111	0.10 118	0.10 111	0.10 119	0.10 112	0.10 119	0.10 114	0.10 120	0.10 114	0.10 114	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

XQC	0.10 65	0.10 68	0.10 69	0.10 59	0.10 121	0.10 111	0.10 118	0.10 111	0.10 119	0.10 112	0.10 119	0.10 114	0.10 120	0.10 114	0.10 114	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

RTSC	0.10 65	0.10 68	0.10 69	0.10 59	0.10 121	0.10 111	0.10 118	0.10 111	0.10 119	0.10 112	0.10 119	0.10 114	0.10 120	0.10 114	0.10 114	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

RTS	0.10 65	0.10 68	0.10 69	0.10 59	0.10 121	0.10 111	0.10 118	0.10 111	0.10 119	0.10 112	0.10 119	0.10 114	0.10 120	0.10 114	0.10 114	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

RTSA	0.10 65	0.10 68	0.10 69	0.10 59	0.10 121	0.10 111	0.10 118	0.10 111	0.10 119	0.10 112	0.10 119	0.10 114	0.10 120	0.10 114	0.10 114	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

MADNet+	0.10 65	0.10 68	0.10 69	0.10 59	0.10 121	0.10 111	0.10 118	0.10 111	0.10 119	0.10 112	0.10 119	0.10 114	0.10 120	0.10 114	0.10 114	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

MADNet++	0.10 65	0.10 68	0.10 69	0.10 59	0.10 121	0.10 111	0.10 118	0.10 111	0.10 119	0.10 112	0.10 119	0.10 114	0.10 120	0.10 114	0.10 114	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

S2M2_XL	0.14 112	0.17 96	0.12 101	0.17 129	0.11 137	0.17 150	0.11 131	0.17 150	0.11 134	0.17 148	0.11 133	0.17 150	0.11 132	0.17 150	0.11 126	0.16 135	0.11 97	0.16 145	0.11 130	0.16 146	0.11 128
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
test_for_model	0.15 124	0.23 120	0.18 176	0.21 147	0.11 137	0.16 142	0.11 131	0.16 142	0.11 134	0.16 139	0.11 133	0.16 140	0.11 132	0.16 141	0.11 126	0.21 168	0.18 183	0.14 127	0.11 130	0.14 132	0.11 128

testlalala2	0.13 103	0.16 90	0.11 89	0.15 110	0.11 137	0.16 142	0.11 131	0.16 142	0.11 134	0.16 139	0.11 133	0.16 140	0.11 132	0.16 141	0.11 126	0.14 116	0.11 97	0.14 127	0.11 130	0.14 132	0.11 128

JetRed	0.11 87	0.12 81	0.11 89	0.11 76	0.11 137	0.11 122	0.14 152	0.11 123	0.11 134	0.12 126	0.11 133	0.11 124	0.11 132	0.11 125	0.11 126	0.11 88	0.16 146	0.11 119	0.11 130	0.11 123	0.11 128

JetBlue	0.11 87	0.11 79	0.12 101	0.13 96	0.14 158	0.11 122	0.11 131	0.11 123	0.11 134	0.11 124	0.11 133	0.11 124	0.11 132	0.12 129	0.12 141	0.11 88	0.11 97	0.11 119	0.11 130	0.11 123	0.11 128

testlalala_base	0.13 103	0.16 90	0.11 89	0.15 110	0.11 137	0.15 134	0.11 131	0.16 142	0.11 134	0.16 139	0.11 133	0.16 140	0.11 132	0.16 141	0.11 126	0.14 116	0.11 97	0.14 127	0.11 130	0.14 132	0.11 128

CIPLG	0.13 103	0.21 110	0.12 101	0.16 121	0.11 137	0.15 134	0.11 131	0.14 129	0.11 134	0.15 134	0.12 144	0.15 139	0.11 132	0.14 131	0.11 126	0.15 125	0.12 113	0.14 127	0.11 130	0.14 132	0.11 128

IPLG	0.13 103	0.20 104	0.14 126	0.15 110	0.11 137	0.14 127	0.11 131	0.14 129	0.11 134	0.14 128	0.11 133	0.14 129	0.11 132	0.14 131	0.11 126	0.15 125	0.12 113	0.14 127	0.11 130	0.14 132	0.11 128

IPLGR_C	0.14 112	0.20 104	0.12 101	0.15 110	0.11 137	0.14 127	0.15 162	0.14 129	0.11 134	0.15 134	0.12 144	0.14 129	0.11 132	0.16 141	0.11 126	0.15 125	0.12 113	0.14 127	0.12 147	0.15 142	0.12 145

MIPNet	0.14 112	0.21 110	0.17 167	0.16 121	0.11 137	0.15 134	0.12 147	0.14 129	0.11 134	0.16 139	0.11 133	0.14 129	0.11 132	0.14 131	0.11 126	0.14 116	0.12 113	0.14 127	0.11 130	0.14 132	0.11 128

IPLGR	0.14 112	0.24 127	0.14 126	0.16 121	0.12 153	0.15 134	0.12 147	0.14 129	0.11 134	0.15 134	0.12 144	0.14 129	0.11 132	0.14 131	0.11 126	0.15 125	0.12 113	0.14 127	0.11 130	0.14 132	0.11 128

ACRE	0.13 103	0.21 110	0.14 126	0.15 110	0.11 137	0.14 127	0.11 131	0.14 129	0.11 134	0.14 128	0.12 144	0.14 129	0.11 132	0.14 131	0.11 126	0.15 125	0.12 113	0.14 127	0.11 130	0.14 132	0.11 128

ICVP	0.15 124	0.53 266	0.11 89	0.16 121	0.11 137	0.16 142	0.11 131	0.16 142	0.11 134	0.16 139	0.11 133	0.16 140	0.11 132	0.16 141	0.11 126	0.16 135	0.11 97	0.16 145	0.11 130	0.16 146	0.11 128
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
UNet	0.29 202	0.90 316	0.10 69	0.14 100	0.10 121	0.14 127	0.10 118	0.91 434	0.69 436	0.14 128	0.11 133	0.14 129	0.11 132	0.14 131	0.10 114	0.12 93	0.09 70	0.12 122	0.09 111	0.88 424	0.76 444

aanetorigin	0.13 103	0.11 79	0.11 89	0.11 76	0.11 137	0.11 122	0.11 131	0.11 123	0.11 134	0.11 124	0.12 144	0.11 124	0.11 132	0.11 125	0.11 126	0.11 88	0.11 97	0.14 127	0.11 130	0.49 361	0.11 128

ELAS_RVC	0.14 112	0.16 90	0.10 69	0.15 110	0.10 121	0.18 154	0.11 131	0.19 155	0.11 134	0.19 154	0.12 144	0.18 154	0.11 132	0.19 156	0.12 141	0.14 116	0.08 61	0.14 127	0.09 111	0.15 142	0.09 111
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.13 103	0.16 90	0.11 89	0.15 110	0.09 115	0.18 154	0.11 131	0.18 153	0.11 134	0.17 148	0.11 133	0.18 154	0.11 132	0.18 153	0.11 126	0.14 116	0.08 61	0.14 127	0.08 109	0.14 132	0.09 111
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
castereo	0.61 362	3.79 554	1.35 523	1.52 500	0.15 174	0.17 150	0.16 172	0.20 161	0.21 218	0.18 152	0.16 182	0.21 169	0.12 149	0.26 215	0.17 171	1.43 520	1.38 536	0.17 153	0.16 184	0.18 156	0.16 175

cf-r	0.66 372	2.17 482	0.12 101	0.18 131	0.12 153	0.18 154	2.70 600	2.60 576	0.12 153	0.18 152	0.12 144	0.18 154	0.12 149	0.18 153	0.12 141	0.15 125	0.11 97	0.15 142	0.11 130	1.81 535	1.74 577

HSM	0.14 112	0.16 90	0.12 101	0.17 129	0.12 153	0.17 150	0.11 131	0.17 150	0.11 134	0.17 148	0.12 144	0.17 150	0.12 149	0.17 150	0.12 141	0.16 135	0.11 97	0.16 145	0.11 130	0.16 146	0.12 145

LALA_ROB	0.15 124	0.19 100	0.12 101	0.18 131	0.11 137	0.20 162	0.12 147	0.21 170	0.12 153	0.20 160	0.12 144	0.20 161	0.12 149	0.21 171	0.13 147	0.17 143	0.10 75	0.18 163	0.11 130	0.18 156	0.11 128

SGM_RVC	0.15 124	0.17 96	0.11 89	0.18 131	0.11 137	0.19 157	0.11 131	0.19 155	0.12 153	0.19 154	0.12 144	0.20 161	0.12 149	0.19 156	0.12 141	0.16 135	0.11 97	0.17 153	0.10 118	0.17 152	0.10 116
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
castereo++	0.54 351	3.59 546	1.15 459	1.31 491	0.14 158	0.16 142	0.14 152	0.16 142	0.14 158	0.16 139	0.14 161	0.16 140	0.13 154	0.16 141	0.14 151	1.45 521	1.16 466	0.15 142	0.14 166	0.15 142	0.13 151

DDVS	0.30 203	3.10 536	0.14 126	0.19 134	0.14 158	0.19 157	0.14 152	0.20 161	0.14 158	0.19 154	0.13 156	0.16 140	0.13 154	0.19 156	0.13 147	0.17 143	0.13 137	0.17 153	0.13 155	0.17 152	0.13 151

ProNet	0.14 112	0.20 104	0.14 126	0.16 121	0.11 137	0.16 142	0.11 131	0.17 150	0.11 134	0.17 148	0.12 144	0.17 150	0.13 154	0.17 150	0.12 141	0.15 125	0.11 97	0.16 145	0.11 130	0.15 142	0.12 145

DeepPruner_ROB	0.16 132	0.18 99	0.13 121	0.19 134	0.13 156	0.19 157	0.13 150	0.19 155	0.13 156	0.19 154	0.13 156	0.19 158	0.13 154	0.19 156	0.13 147	0.18 151	0.13 137	0.18 163	0.13 155	0.18 156	0.13 151

oiu110	0.19 142	0.22 114	0.14 126	0.21 147	0.14 158	0.21 173	0.14 152	0.21 170	0.14 158	0.23 178	0.14 161	0.21 169	0.14 158	0.21 171	0.48 354	0.19 155	0.16 146	0.22 178	0.13 155	0.19 162	0.13 151

dddd17k	0.19 142	0.22 114	0.14 126	0.21 147	0.14 158	0.21 173	0.14 152	0.21 170	0.14 158	0.23 178	0.14 161	0.21 169	0.14 158	0.21 171	0.48 354	0.19 155	0.16 146	0.22 178	0.13 155	0.19 162	0.13 151

ITERv10	0.19 142	0.22 114	0.14 126	0.21 147	0.14 158	0.21 173	0.14 152	0.21 170	0.14 158	0.23 178	0.14 161	0.21 169	0.14 158	0.21 171	0.48 354	0.19 155	0.16 146	0.22 178	0.13 155	0.19 162	0.13 151

ITERv8	0.19 142	0.22 114	0.14 126	0.21 147	0.14 158	0.21 173	0.14 152	0.21 170	0.14 158	0.23 178	0.14 161	0.21 169	0.14 158	0.21 171	0.48 354	0.19 155	0.16 146	0.22 178	0.13 155	0.19 162	0.13 151

ITERv4	0.19 142	0.22 114	0.14 126	0.21 147	0.14 158	0.21 173	0.14 152	0.21 170	0.14 158	0.23 178	0.14 161	0.21 169	0.14 158	0.21 171	0.48 354	0.19 155	0.16 146	0.22 178	0.13 155	0.19 162	0.13 151

ITSA-stereo	0.15 124	0.17 96	0.13 121	0.20 137	0.13 156	0.19 157	0.13 150	0.18 153	0.13 156	0.19 154	0.13 156	0.18 154	0.14 158	0.18 153	0.14 151	0.16 135	0.11 97	0.15 142	0.14 166	0.18 156	0.11 128

HCRNet	1.22 510	7.11 599	3.00 595	3.55 577	0.33 325	0.29 230	0.14 152	0.19 155	0.15 173	0.33 243	0.29 266	0.25 207	0.14 158	0.22 180	0.33 269	3.64 593	3.00 590	0.76 433	0.32 325	0.18 156	0.13 151

GMStereo	0.14 112	0.13 82	0.14 126	0.14 100	0.14 158	0.14 127	0.14 152	0.14 129	0.14 158	0.14 128	0.14 161	0.14 129	0.14 158	0.14 131	0.14 151	0.14 116	0.14 141	0.14 127	0.14 166	0.14 132	0.14 161
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
ACVNet	0.20 149	0.19 100	0.14 126	0.20 137	0.14 158	0.20 162	0.96 468	0.21 170	0.14 158	0.20 160	0.13 156	0.21 169	0.14 158	0.20 160	0.14 151	0.17 143	0.12 113	0.17 153	0.12 147	0.17 152	0.12 145

acv_ft	0.20 149	0.19 100	0.14 126	0.20 137	0.14 158	0.20 162	0.96 468	0.21 170	0.14 158	0.20 160	0.13 156	0.21 169	0.14 158	0.20 160	0.14 151	0.17 143	0.12 113	0.17 153	0.12 147	0.17 152	0.12 145

hitnet-ft	0.79 403	2.78 530	0.14 126	0.20 137	0.14 158	0.21 173	2.89 601	2.80 590	0.14 158	0.20 160	0.14 161	0.20 161	0.14 158	0.20 160	0.14 151	0.17 143	0.12 113	0.17 153	0.12 147	2.54 575	2.33 594

PSMNet-RSSM	0.77 399	2.76 525	0.14 126	0.20 137	0.14 158	0.20 162	2.66 598	2.79 589	0.14 158	0.21 172	0.14 161	0.21 169	0.14 158	0.20 160	0.14 151	0.17 143	0.12 113	0.17 153	0.12 147	2.52 567	2.31 592

GwcNet-RSSM	0.77 399	2.77 527	0.14 126	0.20 137	0.14 158	0.20 162	2.67 599	2.78 588	0.14 158	0.20 160	0.14 161	0.20 161	0.14 158	0.21 171	0.14 151	0.17 143	0.12 113	0.17 153	0.12 147	2.52 567	2.31 592

CFNet-ft	0.55 355	1.57 442	0.14 126	0.20 137	0.14 158	0.20 162	2.53 597	1.61 530	0.14 158	0.20 160	0.14 161	0.20 161	0.14 158	0.20 160	0.14 151	0.17 143	0.12 113	0.17 153	0.12 147	1.56 523	1.24 540

PDISCO_ROB	0.83 419	2.80 531	3.49 610	0.14 100	0.11 137	0.17 150	0.09 113	0.15 141	0.10 119	0.15 134	0.12 144	0.16 140	0.14 158	3.30 596	0.13 147	0.14 116	2.34 587	0.16 145	0.12 147	2.62 576	0.10 116

ITERv28	0.20 149	0.24 127	0.15 147	0.22 155	0.15 174	0.22 180	0.15 162	0.22 179	0.15 173	0.24 188	0.15 174	0.22 182	0.15 173	0.22 180	0.50 362	0.21 168	0.17 169	0.24 197	0.14 166	0.20 168	0.14 161

ITERv24	0.20 149	0.24 127	0.15 147	0.22 155	0.15 174	0.22 180	0.15 162	0.22 179	0.15 173	0.24 188	0.15 174	0.22 182	0.15 173	0.22 180	0.50 362	0.21 168	0.17 169	0.24 197	0.14 166	0.20 168	0.14 161

dd23bbn	0.20 149	0.24 127	0.15 147	0.22 155	0.15 174	0.22 180	0.15 162	0.22 179	0.15 173	0.24 188	0.15 174	0.22 182	0.15 173	0.22 180	0.50 362	0.21 168	0.17 169	0.24 197	0.14 166	0.20 168	0.14 161

ITERv21	0.20 149	0.24 127	0.15 147	0.22 155	0.15 174	0.22 180	0.15 162	0.22 179	0.15 173	0.24 188	0.15 174	0.22 182	0.15 173	0.22 180	0.50 362	0.21 168	0.17 169	0.24 197	0.14 166	0.20 168	0.14 161

zxcv128	0.20 149	0.24 127	0.15 147	0.22 155	0.15 174	0.22 180	0.15 162	0.22 179	0.15 173	0.24 188	0.15 174	0.22 182	0.15 173	0.22 180	0.50 362	0.21 168	0.17 169	0.24 197	0.14 166	0.20 168	0.14 161

ITERv12	0.20 149	0.24 127	0.15 147	0.22 155	0.15 174	0.22 180	0.15 162	0.22 179	0.15 173	0.24 188	0.15 174	0.22 182	0.15 173	0.22 180	0.50 362	0.21 168	0.17 169	0.24 197	0.14 166	0.20 168	0.14 161

s6wercc	0.20 149	0.24 127	0.15 147	0.22 155	0.15 174	0.22 180	0.15 162	0.22 179	0.15 173	0.24 188	0.15 174	0.22 182	0.15 173	0.22 180	0.50 362	0.21 168	0.17 169	0.24 197	0.14 166	0.20 168	0.14 161

hj116sk	0.22 167	0.25 136	0.16 155	0.24 169	0.16 188	0.24 194	0.16 172	0.24 193	0.16 182	0.26 207	0.16 182	0.24 197	0.16 180	0.24 195	0.52 376	0.22 178	0.18 183	0.25 205	0.15 177	0.22 181	0.15 169

iked130	0.22 167	0.25 136	0.16 155	0.24 169	0.16 188	0.24 194	0.16 172	0.24 193	0.16 182	0.26 207	0.16 182	0.24 197	0.16 180	0.24 195	0.52 376	0.22 178	0.18 183	0.25 205	0.15 177	0.22 181	0.15 169

vnu138km	0.22 167	0.25 136	0.16 155	0.24 169	0.16 188	0.24 194	0.16 172	0.24 193	0.16 182	0.26 207	0.16 182	0.24 197	0.16 180	0.24 195	0.52 376	0.22 178	0.18 183	0.25 205	0.15 177	0.22 181	0.15 169

99wein	0.22 167	0.25 136	0.16 155	0.24 169	0.16 188	0.24 194	0.16 172	0.24 193	0.16 182	0.26 207	0.16 182	0.24 197	0.16 180	0.24 195	0.52 376	0.22 178	0.18 183	0.25 205	0.15 177	0.22 181	0.15 169

a5sdf	0.22 167	0.25 136	0.16 155	0.24 169	0.16 188	0.24 194	0.16 172	0.24 193	0.16 182	0.26 207	0.16 182	0.24 197	0.16 180	0.24 195	0.52 376	0.22 178	0.18 183	0.25 205	0.15 177	0.22 181	0.15 169

VIP-Stereo	0.70 382	2.97 534	2.43 592	2.49 540	0.16 188	0.25 206	0.16 172	0.25 204	0.16 182	0.25 199	0.18 205	0.25 207	0.16 180	0.26 215	0.16 167	1.86 536	1.26 519	0.23 189	0.15 177	0.23 195	0.15 169

RAFT-FEzeroshot	0.34 223	0.26 142	0.17 167	0.21 147	0.17 197	0.20 162	0.16 172	0.20 161	0.16 182	0.20 160	0.17 192	0.21 169	0.16 180	0.27 219	0.24 202	0.19 155	0.16 146	0.19 166	0.16 184	0.26 209	3.08 609

RAFT-FE	0.34 223	0.26 142	0.17 167	0.21 147	0.17 197	0.20 162	0.16 172	0.20 161	0.16 182	0.20 160	0.17 192	0.21 169	0.16 180	0.27 219	0.24 202	0.19 155	0.16 146	0.19 166	0.16 184	0.26 209	3.08 609

xyz-stereo-finetune2	0.18 139	0.48 247	0.16 155	0.16 121	0.15 174	0.15 134	0.16 172	0.16 142	0.16 182	0.16 139	0.16 182	0.16 140	0.16 180	0.16 141	0.16 167	0.16 135	0.16 146	0.16 145	0.16 184	0.16 146	0.16 175

xyz-stereo	0.18 139	0.50 253	0.16 155	0.15 110	0.16 188	0.16 142	0.16 172	0.16 142	0.16 182	0.16 139	0.16 182	0.16 140	0.16 180	0.16 141	0.16 167	0.16 135	0.16 146	0.16 145	0.16 184	0.16 146	0.16 175

GMStereo_Zeroshot	0.16 132	0.16 90	0.16 155	0.16 121	0.16 188	0.16 142	0.16 172	0.16 142	0.16 182	0.16 139	0.16 182	0.16 140	0.16 180	0.16 141	0.16 167	0.16 135	0.16 146	0.16 145	0.16 184	0.16 146	0.16 175

dad	0.23 176	1.03 348	0.16 155	0.23 164	0.15 174	0.24 194	0.15 162	0.24 193	0.16 182	0.23 178	0.16 182	0.24 197	0.16 180	0.23 191	0.15 161	0.22 178	0.16 146	0.22 178	0.16 184	0.22 181	0.16 175

IGEV-FE	0.35 232	0.37 171	0.17 167	0.19 134	0.17 197	0.20 162	0.17 185	0.19 155	0.17 195	0.19 154	0.17 192	0.19 158	0.17 192	0.37 263	0.36 290	0.19 155	0.17 169	0.19 166	0.17 204	0.38 275	2.84 600

tg	0.21 163	0.25 136	0.21 194	0.26 186	0.17 197	0.24 194	0.17 185	0.24 193	0.17 195	0.24 188	0.17 192	0.24 197	0.17 192	0.24 195	0.17 171	0.24 199	0.17 169	0.23 189	0.16 184	0.23 195	0.16 175

ACV-stereo	0.30 203	2.08 474	0.25 209	0.25 179	0.18 207	0.24 194	0.17 185	0.24 193	0.18 198	0.24 188	0.17 192	0.25 207	0.17 192	0.24 195	0.17 171	0.22 178	0.16 146	0.22 178	0.16 184	0.22 181	0.16 175

MIM_Stereo	0.25 187	0.23 120	0.66 391	0.80 382	0.17 197	0.22 180	0.17 185	0.23 190	0.18 198	0.26 207	0.17 192	0.21 169	0.17 192	0.25 205	0.17 171	0.23 194	0.16 146	0.21 173	0.17 204	0.22 181	0.17 187

dd	0.23 176	0.98 332	0.16 155	0.23 164	0.15 174	0.23 193	0.15 162	0.23 190	0.15 173	0.23 178	0.15 174	0.24 197	0.17 192	0.23 191	0.15 161	0.22 178	0.15 144	0.21 173	0.15 177	0.22 181	0.16 175

delet	0.43 308	1.21 418	0.17 167	0.25 179	0.17 197	0.25 206	0.18 192	1.26 517	0.95 472	0.25 199	0.17 192	0.25 207	0.17 192	0.25 205	0.17 171	0.23 194	0.16 146	0.22 178	0.16 184	1.18 460	0.98 464

psm_up	0.43 308	1.19 371	0.17 167	0.25 179	0.18 207	0.25 206	0.19 204	1.26 517	0.91 465	0.26 207	0.17 192	0.25 207	0.17 192	0.25 205	0.17 171	0.22 178	0.17 169	0.23 189	0.16 184	1.18 460	0.99 465

UPFNet	0.42 307	1.20 372	0.17 167	0.24 169	0.17 197	0.25 206	0.17 185	1.19 465	0.90 463	0.25 199	0.17 192	0.24 197	0.17 192	0.25 205	0.17 171	0.22 178	0.17 169	0.22 178	0.16 184	1.15 452	0.93 460

ITERv30	0.24 178	0.28 148	0.18 176	0.27 189	0.18 207	0.27 218	0.18 192	0.27 213	0.18 198	0.28 216	0.18 205	0.27 219	0.18 200	0.27 219	0.53 384	0.24 199	0.20 191	0.27 219	0.17 204	0.24 197	0.17 187

qyd29nn	0.24 178	0.28 148	0.18 176	0.27 189	0.18 207	0.27 218	0.18 192	0.27 213	0.18 198	0.28 216	0.18 205	0.27 219	0.18 200	0.27 219	0.53 384	0.24 199	0.20 191	0.27 219	0.17 204	0.24 197	0.17 187

yuret106	0.24 178	0.28 148	0.18 176	0.27 189	0.18 207	0.27 218	0.18 192	0.27 213	0.18 198	0.28 216	0.18 205	0.27 219	0.18 200	0.27 219	0.53 384	0.24 199	0.20 191	0.27 219	0.17 204	0.24 197	0.17 187

uio108cc	0.24 178	0.28 148	0.18 176	0.27 189	0.18 207	0.27 218	0.18 192	0.27 213	0.18 198	0.28 216	0.18 205	0.27 219	0.18 200	0.27 219	0.53 384	0.24 199	0.20 191	0.27 219	0.17 204	0.24 197	0.17 187

v20iiwwt	0.24 178	0.28 148	0.18 176	0.27 189	0.18 207	0.27 218	0.18 192	0.27 213	0.18 198	0.28 216	0.18 205	0.27 219	0.18 200	0.27 219	0.53 384	0.24 199	0.20 191	0.27 219	0.17 204	0.24 197	0.17 187

ITERv14	0.24 178	0.28 148	0.18 176	0.27 189	0.18 207	0.27 218	0.18 192	0.27 213	0.18 198	0.28 216	0.18 205	0.27 219	0.18 200	0.27 219	0.53 384	0.24 199	0.20 191	0.27 219	0.17 204	0.24 197	0.17 187

v134_o9	0.24 178	0.28 148	0.18 176	0.27 189	0.18 207	0.27 218	0.18 192	0.27 213	0.18 198	0.28 216	0.18 205	0.27 219	0.18 200	0.27 219	0.53 384	0.24 199	0.20 191	0.27 219	0.17 204	0.24 197	0.17 187

ITERv7	0.24 178	0.28 148	0.18 176	0.27 189	0.18 207	0.27 218	0.18 192	0.27 213	0.18 198	0.28 216	0.18 205	0.27 219	0.18 200	0.27 219	0.53 384	0.24 199	0.20 191	0.27 219	0.17 204	0.24 197	0.17 187

CAS++	0.17 136	0.27 145	0.21 194	0.10 59	0.21 229	0.15 134	0.22 219	0.10 111	0.21 218	0.22 174	0.10 119	0.19 158	0.18 200	0.10 114	0.19 183	0.20 163	0.19 189	0.18 163	0.10 118	0.19 162	0.18 199
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
IGEV_Zeroshot_test	0.20 149	0.19 100	0.40 303	0.30 200	0.17 197	0.22 180	0.17 185	0.21 170	0.17 195	0.20 160	0.17 192	0.21 169	0.18 200	0.21 171	0.17 171	0.20 163	0.16 146	0.20 170	0.16 184	0.20 168	0.17 187

MMNet	0.44 313	1.24 426	0.17 167	0.25 179	0.17 197	0.25 206	0.18 192	1.26 517	0.93 470	0.25 199	0.17 192	0.25 207	0.18 200	0.25 205	0.17 171	0.23 194	0.16 146	0.23 189	0.16 184	1.20 463	0.99 465

GANet-RSSM	0.75 394	1.91 464	0.14 126	0.47 306	0.14 158	0.21 173	3.21 617	2.30 562	0.14 158	0.46 335	0.14 161	0.23 193	0.18 200	0.21 171	0.14 151	0.18 151	0.27 225	0.37 283	0.13 155	2.13 545	2.12 587

iResNet	0.20 149	0.23 120	0.18 176	0.24 169	0.18 207	0.24 194	0.20 208	0.24 193	0.18 198	0.23 178	0.17 192	0.23 193	0.18 200	0.23 191	0.18 180	0.22 178	0.16 146	0.21 173	0.16 184	0.21 179	0.16 175

Pointernet	0.21 163	0.22 114	0.19 187	0.24 169	0.19 219	0.24 194	0.19 204	0.24 193	0.19 212	0.24 188	0.19 215	0.24 197	0.19 213	0.24 195	0.19 183	0.22 178	0.17 169	0.22 178	0.17 204	0.22 181	0.17 187

GEStereo_RVC	0.86 425	4.45 569	0.20 190	0.27 189	0.20 222	0.27 218	0.20 208	0.26 209	0.18 198	5.03 624	0.20 219	0.27 219	0.19 213	0.27 219	0.21 190	0.20 163	0.19 189	0.19 166	4.02 628	0.20 168	0.18 199

ac_64	0.22 167	0.13 82	0.19 187	0.23 164	0.10 121	0.26 214	1.02 476	0.14 129	0.10 119	0.28 216	0.14 161	0.17 150	0.19 213	0.28 231	0.09 108	0.22 178	0.16 146	0.23 189	0.17 204	0.11 123	0.12 145

iResNetv2_ROB	0.20 149	0.23 120	0.18 176	0.24 169	0.20 222	0.24 194	0.18 192	0.24 193	0.18 198	0.24 188	0.18 205	0.23 193	0.19 213	0.24 195	0.18 180	0.21 168	0.16 146	0.21 173	0.16 184	0.22 181	0.16 175

DLNR-FE	0.28 197	0.89 313	0.30 228	0.34 214	0.19 219	0.28 227	0.19 204	0.28 221	0.20 214	0.28 216	0.20 219	0.28 228	0.20 217	0.28 231	0.20 186	0.33 238	0.28 231	0.25 205	0.19 218	0.24 197	0.19 201

ssnet_v2	0.68 377	1.96 471	1.25 519	0.29 199	0.20 222	0.30 231	0.20 208	0.29 226	0.22 221	1.50 532	0.20 219	0.31 241	0.20 217	0.27 219	0.22 192	0.24 199	1.49 542	0.26 215	0.18 217	3.90 585	0.19 201

DAS	0.20 149	0.20 104	0.20 190	0.20 137	0.20 222	0.20 162	0.20 208	0.20 161	0.20 214	0.20 160	0.20 219	0.20 161	0.20 217	0.20 160	0.20 186	0.20 163	0.20 191	0.20 170	0.20 219	0.20 168	0.20 203

ASD4	0.20 149	0.20 104	0.20 190	0.20 137	0.20 222	0.20 162	0.20 208	0.20 161	0.20 214	0.20 160	0.20 219	0.20 161	0.20 217	0.20 160	0.20 186	0.20 163	0.20 191	0.20 170	0.20 219	0.20 168	0.20 203

AANet_RVC	1.26 512	0.31 162	4.99 621	5.93 612	0.20 222	0.25 206	0.20 208	0.25 204	0.20 214	0.23 178	0.19 215	0.25 207	0.20 217	0.25 205	0.20 186	5.66 622	4.76 615	0.26 215	0.30 291	0.24 197	0.27 236

DISCO	1.11 459	0.39 181	5.28 623	0.39 232	0.20 222	0.39 274	0.27 246	0.39 266	0.22 221	0.38 259	0.20 219	0.38 267	0.20 217	6.95 635	0.22 192	0.30 228	0.21 203	0.27 219	0.21 221	5.25 616	0.21 206

model_zeroshot	0.27 196	0.20 104	0.27 216	0.33 212	0.21 229	0.37 261	0.22 219	0.37 254	0.24 230	0.26 207	0.27 254	0.33 246	0.21 223	0.25 205	0.27 216	0.32 234	0.20 191	0.34 259	0.23 230	0.25 207	0.26 228

DEFOM-Stereo_RVC	0.83 419	5.18 579	1.98 581	2.19 525	0.17 197	0.19 157	0.18 192	0.19 155	0.16 182	0.20 160	0.19 215	0.22 182	0.22 224	0.20 160	0.15 161	2.28 563	2.13 582	0.24 197	0.17 204	0.18 156	0.16 175

DCVSM-stereo	0.36 238	1.89 461	0.22 196	0.40 246	0.22 231	0.40 276	0.22 219	0.40 271	0.22 221	0.40 271	0.22 226	0.40 280	0.22 224	0.40 277	0.22 192	0.28 220	0.21 203	0.28 229	0.21 221	0.28 216	0.20 203

WAO-6	0.22 167	0.23 120	0.22 196	0.23 164	0.22 231	0.22 180	0.22 219	0.22 179	0.22 221	0.22 174	0.22 226	0.22 182	0.22 224	0.22 180	0.22 192	0.22 178	0.22 207	0.22 178	0.22 224	0.22 181	0.22 209

IMH-64-1	0.22 167	0.23 120	0.23 199	0.22 155	0.22 231	0.22 180	0.22 219	0.22 179	0.22 221	0.22 174	0.22 226	0.22 182	0.22 224	0.22 180	0.22 192	0.22 178	0.22 207	0.23 189	0.22 224	0.22 181	0.23 211

IMH-64	0.22 167	0.23 120	0.23 199	0.22 155	0.22 231	0.22 180	0.22 219	0.22 179	0.22 221	0.22 174	0.22 226	0.22 182	0.22 224	0.22 180	0.22 192	0.22 178	0.22 207	0.23 189	0.22 224	0.22 181	0.23 211

HGLStereo	0.28 197	0.29 158	0.22 196	0.36 220	0.22 231	0.36 256	0.21 214	0.36 248	0.21 218	0.42 302	0.21 225	0.36 259	0.22 224	0.36 259	0.21 190	0.34 242	0.21 203	0.34 259	0.21 221	0.34 240	0.21 206

Select-FE	0.41 296	0.44 208	0.23 199	0.26 186	0.22 231	0.26 214	0.22 219	0.26 209	0.23 227	0.26 207	0.23 230	0.26 217	0.23 230	0.45 340	0.42 332	0.25 213	0.22 207	0.25 205	0.22 224	0.45 338	2.90 601

PAM	0.39 270	1.88 460	0.34 274	0.37 223	0.41 374	0.45 346	0.22 219	0.28 221	0.23 227	0.28 216	0.24 237	0.29 234	0.23 230	0.29 235	0.23 198	0.38 269	0.32 269	0.38 291	0.37 357	0.32 229	0.22 209

testlalala	0.32 218	0.81 300	0.31 242	0.39 232	0.26 252	0.33 246	0.24 232	0.33 236	0.26 248	0.32 238	0.26 249	0.33 246	0.23 230	0.33 248	0.23 198	0.35 251	0.31 265	0.30 236	0.24 238	0.31 227	0.21 206

FENet	0.54 351	1.52 441	1.19 465	1.41 498	0.23 237	0.35 253	0.23 227	0.35 244	0.23 227	0.34 245	0.23 230	0.35 253	0.23 230	0.35 253	0.23 198	1.40 518	1.07 450	0.32 243	0.23 230	0.33 236	0.23 211

WCG-NET（raft）	0.32 218	1.24 426	0.24 206	0.32 208	0.24 242	0.32 244	0.23 227	0.32 233	0.24 230	0.32 238	0.24 237	0.32 243	0.24 234	0.32 242	0.24 202	0.30 228	0.23 212	0.30 236	0.23 230	0.30 222	0.23 211

DLNR_Zeroshot_test	0.31 210	0.28 148	0.47 333	0.79 379	0.24 242	0.30 231	0.26 243	0.30 228	0.24 230	0.32 238	0.23 230	0.31 241	0.24 234	0.30 237	0.23 198	0.29 227	0.26 218	0.29 234	0.24 238	0.33 236	0.23 211

iResNet_ROB	0.28 197	0.32 163	0.24 206	0.32 208	0.25 244	0.32 244	0.24 232	0.32 233	0.24 230	0.33 243	0.24 237	0.35 253	0.24 234	0.33 248	0.24 202	0.31 233	0.24 214	0.32 243	0.24 238	0.32 229	0.24 221

UNDER WATER-64	0.25 187	0.26 142	0.25 209	0.26 186	0.25 244	0.25 206	0.25 235	0.25 204	0.25 235	0.25 199	0.25 243	0.25 207	0.25 237	0.26 215	0.25 210	0.25 213	0.25 215	0.25 205	0.25 243	0.25 207	0.25 222

tt1	0.31 210	0.93 325	0.24 206	0.33 212	0.23 237	0.31 236	0.24 232	0.32 233	0.24 230	0.32 238	0.23 230	0.32 243	0.25 237	0.32 242	0.24 202	0.27 218	0.26 218	0.27 219	0.26 249	0.27 214	0.27 236

xxxxx1	0.31 210	0.91 318	0.23 199	0.31 205	0.23 237	0.31 236	0.23 227	0.33 236	0.25 235	0.31 233	0.24 237	0.33 246	0.25 237	0.32 242	0.24 202	0.28 220	0.28 231	0.28 229	0.28 263	0.29 219	0.27 236

tt_ll	0.31 210	0.91 318	0.23 199	0.31 205	0.23 237	0.31 236	0.23 227	0.33 236	0.25 235	0.31 233	0.24 237	0.33 246	0.25 237	0.32 242	0.24 202	0.28 220	0.28 231	0.28 229	0.28 263	0.29 219	0.27 236

CAS	0.30 203	1.17 368	0.25 209	0.25 179	0.25 244	0.26 214	0.25 235	0.25 204	0.26 248	0.25 199	0.25 243	0.25 207	0.25 237	0.25 205	0.25 210	0.26 215	0.26 218	0.26 215	0.25 243	0.26 209	0.25 222

LoS	0.25 187	0.27 145	0.25 209	0.25 179	0.25 244	0.25 206	0.25 235	0.26 209	0.25 235	0.25 199	0.25 243	0.25 207	0.25 237	0.25 205	0.25 210	0.26 215	0.25 215	0.25 205	0.26 249	0.26 209	0.25 222
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
ff	0.31 210	0.91 318	0.23 199	0.31 205	0.23 237	0.31 236	0.23 227	0.33 236	0.25 235	0.31 233	0.24 237	0.33 246	0.25 237	0.32 242	0.24 202	0.28 220	0.28 231	0.28 229	0.28 263	0.29 219	0.27 236

IER	0.88 427	7.04 598	2.23 586	2.75 546	0.28 259	0.43 324	0.25 235	0.39 266	0.25 235	0.41 285	0.27 254	0.39 272	0.25 237	0.40 277	0.28 226	0.37 260	0.28 231	0.37 283	0.25 243	0.37 263	0.25 222

CroCo-Stereo	0.73 392	1.22 424	0.25 209	1.22 484	0.25 244	1.22 519	0.25 235	1.22 514	0.25 235	1.22 522	0.25 243	1.22 525	0.25 237	1.22 525	0.25 210	1.22 505	0.26 218	1.21 531	0.25 243	1.22 510	0.25 222
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
GCAP-BAT	0.33 221	0.78 294	0.32 258	0.38 226	0.25 244	0.34 248	0.25 235	0.34 240	0.26 248	0.34 245	0.25 243	0.35 253	0.26 246	0.35 253	0.27 216	0.36 256	0.30 257	0.32 243	0.24 238	0.32 229	0.26 228

LoS_RVC	0.30 203	1.14 362	0.25 209	0.25 179	0.25 244	0.26 214	0.25 235	0.25 204	0.25 235	0.25 199	0.25 243	0.26 217	0.26 246	0.26 215	0.25 210	0.26 215	0.26 218	0.25 205	0.25 243	0.26 209	0.26 228

gwcnet-sp	0.82 415	1.72 448	1.48 541	0.39 232	0.15 174	0.31 236	0.21 214	0.20 161	0.25 235	1.61 536	0.23 230	0.28 228	0.26 246	0.20 160	0.15 161	0.24 199	1.33 527	0.32 243	0.16 184	6.75 623	0.23 211

scenet	0.82 415	1.72 448	1.48 541	0.39 232	0.15 174	0.31 236	0.21 214	0.20 161	0.25 235	1.61 536	0.23 230	0.28 228	0.26 246	0.20 160	0.15 161	0.24 199	1.33 527	0.32 243	0.16 184	6.75 623	0.23 211

ssnet	0.82 415	1.72 448	1.48 541	0.39 232	0.15 174	0.31 236	0.21 214	0.20 161	0.25 235	1.61 536	0.23 230	0.28 228	0.26 246	0.20 160	0.15 161	0.24 199	1.33 527	0.32 243	0.16 184	6.75 623	0.23 211

CroCo-Stereo Lap2	0.77 399	1.29 428	0.29 224	1.27 488	0.29 268	1.27 522	0.26 243	1.26 517	0.26 248	1.26 523	0.26 249	1.27 527	0.26 246	1.26 526	0.27 216	1.27 507	0.27 225	1.27 535	0.27 257	1.27 513	0.27 236

StereoDRNet-Refined	0.33 221	0.39 181	0.26 215	0.39 232	0.26 252	0.40 276	0.26 243	0.40 271	0.26 248	0.39 265	0.26 249	0.39 272	0.26 246	0.39 274	0.26 215	0.37 260	0.25 215	0.37 283	0.25 243	0.37 263	0.37 333
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DN-CSS_ROB	0.31 210	0.35 166	0.28 220	0.35 216	0.28 259	0.34 248	0.27 246	0.34 240	0.25 235	0.35 250	0.27 254	0.36 259	0.26 246	0.34 250	0.28 226	0.35 251	0.28 231	0.34 259	0.28 263	0.34 240	0.27 236

FE-Mocha	0.35 232	0.71 287	0.40 303	0.47 306	0.27 254	0.34 248	0.27 246	0.34 240	0.26 248	0.34 245	0.26 249	0.34 251	0.27 254	0.34 250	0.27 216	0.44 333	0.41 330	0.33 251	0.29 278	0.32 229	0.29 254

DEFOM-Stereo	0.68 377	3.11 537	1.40 537	1.63 509	0.25 244	0.31 236	0.25 235	0.31 232	0.28 257	0.31 233	0.29 266	0.29 234	0.27 254	0.31 241	0.28 226	1.59 528	1.47 541	0.30 236	0.29 278	0.30 222	0.28 249

Any-RAFT	0.32 218	0.36 169	0.27 216	0.36 220	0.27 254	0.36 256	0.27 246	0.36 248	0.27 254	0.36 253	0.27 254	0.36 259	0.27 254	0.36 259	0.28 226	0.36 256	0.28 231	0.36 280	0.28 263	0.36 259	0.28 249

CRFU-Net	0.65 370	1.67 446	1.22 515	1.96 519	0.27 254	0.41 292	0.27 246	0.41 286	0.27 254	0.40 271	0.26 249	0.41 293	0.27 254	0.40 277	0.27 216	1.80 535	1.62 555	0.34 259	0.23 230	0.33 236	0.23 211

DGSMNet	0.34 223	0.41 191	0.27 216	0.41 258	0.28 259	0.41 292	0.28 254	0.41 286	0.27 254	0.41 285	0.27 254	0.42 313	0.27 254	0.41 292	0.28 226	0.40 302	0.29 244	0.40 307	0.28 263	0.40 307	0.27 236

RAFT + AFF	0.31 210	0.45 226	0.34 274	0.39 232	0.28 259	0.38 268	0.33 312	0.29 226	0.31 294	0.30 229	0.30 278	0.29 234	0.27 254	0.29 235	0.30 243	0.28 220	0.29 244	0.29 234	0.29 278	0.27 214	0.32 296

MLCV	0.31 210	0.35 166	0.27 216	0.35 216	0.28 259	0.35 253	0.27 246	0.35 244	0.28 257	0.36 253	0.27 254	0.35 253	0.27 254	0.35 253	0.27 216	0.34 242	0.27 225	0.34 259	0.27 257	0.34 240	0.27 236

Zero-FE251	0.36 238	0.40 183	0.28 220	0.41 258	0.28 259	0.41 292	0.28 254	0.41 286	0.28 257	0.41 285	0.28 261	0.41 293	0.28 261	0.42 307	0.30 243	0.37 260	0.26 218	0.37 283	0.27 257	0.45 338	0.56 410

LG-Stereo_L2	0.34 223	0.37 171	0.38 291	0.47 306	0.28 259	0.39 274	0.28 254	0.39 266	0.28 257	0.39 265	0.28 261	0.39 272	0.28 261	0.38 266	0.28 226	0.42 331	0.35 300	0.36 280	0.26 249	0.35 252	0.26 228

GIP-stereo	0.36 238	0.49 249	0.39 298	0.48 311	0.32 312	0.41 292	0.28 254	0.40 271	0.30 275	0.41 285	0.28 261	0.40 280	0.28 261	0.42 307	0.28 226	0.45 336	0.32 269	0.38 291	0.30 291	0.37 263	0.27 236

1test111	0.37 244	1.02 346	0.30 228	0.39 232	0.29 268	0.40 276	0.28 254	0.39 266	0.29 263	0.39 265	0.29 266	0.39 272	0.28 261	0.40 277	0.29 236	0.33 238	0.32 269	0.33 251	0.31 317	0.32 229	0.31 288

cc1	0.37 244	1.02 346	0.30 228	0.39 232	0.29 268	0.40 276	0.28 254	0.39 266	0.29 263	0.39 265	0.29 266	0.39 272	0.28 261	0.40 277	0.29 236	0.33 238	0.32 269	0.33 251	0.31 317	0.32 229	0.31 288

MSKI-zero shot	0.24 178	0.21 110	0.49 348	0.65 360	0.18 207	0.22 180	0.17 185	0.23 190	0.18 198	0.21 172	0.17 192	0.23 193	0.28 261	0.23 191	0.18 180	0.21 168	0.16 146	0.21 173	0.16 184	0.21 179	0.16 175

SQANet	0.28 197	0.28 148	0.28 220	0.28 198	0.28 259	0.28 227	0.28 254	0.28 221	0.28 257	0.28 216	0.28 261	0.28 228	0.28 261	0.28 231	0.28 226	0.28 220	0.28 231	0.28 229	0.28 263	0.28 216	0.28 249

5w_v4	0.39 270	0.43 202	0.91 438	0.42 271	0.30 279	0.43 324	0.31 284	0.45 333	0.31 294	0.42 302	0.30 278	0.41 293	0.29 268	0.44 330	0.30 243	0.40 302	0.29 244	0.42 352	0.28 263	0.40 307	0.32 296

Monster-pub-mixall	0.44 313	0.56 273	0.60 378	0.38 226	0.27 254	0.37 261	0.27 246	0.37 254	0.29 263	0.38 259	0.27 254	0.38 267	0.29 268	0.85 436	0.27 216	1.46 522	0.26 218	0.34 259	0.26 249	0.36 259	0.53 399

gcap-zeroshot	0.35 232	0.32 163	0.37 288	0.49 317	0.39 364	0.33 246	0.21 214	0.26 209	0.35 331	0.42 302	0.34 328	0.49 365	0.29 268	0.47 349	0.39 313	0.34 242	0.17 169	0.38 291	0.23 230	0.48 357	0.34 317

IGEV++	0.34 223	0.43 202	0.30 228	0.40 246	0.29 268	0.40 276	0.29 263	0.40 271	0.29 263	0.40 271	0.29 266	0.40 280	0.29 268	0.40 277	0.30 243	0.38 269	0.29 244	0.37 283	0.29 278	0.37 263	0.29 254

ACVNet-DCA	0.37 244	1.00 336	0.30 228	0.40 246	0.29 268	0.40 276	0.29 263	0.40 271	0.29 263	0.40 271	0.29 266	0.40 280	0.29 268	0.39 274	0.28 226	0.33 238	0.32 269	0.33 251	0.32 325	0.33 236	0.32 296

xx1	0.38 250	1.03 348	0.31 242	0.40 246	0.31 301	0.41 292	0.28 254	0.40 271	0.29 263	0.40 271	0.29 266	0.40 280	0.29 268	0.40 277	0.29 236	0.34 242	0.33 284	0.34 259	0.32 325	0.34 240	0.32 296

IGEV-Stereo	0.35 232	0.44 208	0.45 322	0.49 317	0.30 279	0.37 261	0.30 268	0.36 248	0.30 275	0.36 253	0.29 266	0.36 259	0.29 268	0.36 259	0.30 243	0.46 340	0.39 318	0.32 243	0.24 238	0.32 229	0.25 222
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
PML	0.46 322	1.36 434	0.29 224	0.58 346	0.30 279	0.57 403	0.29 263	0.57 391	0.29 263	0.57 400	0.29 266	0.57 404	0.29 268	0.56 394	0.29 236	0.52 366	0.30 257	0.53 406	0.31 317	0.53 378	0.30 266

4k_L	0.38 250	0.44 208	0.30 228	0.43 280	0.31 301	0.43 324	0.30 268	0.43 309	0.30 275	0.45 320	0.31 290	0.43 320	0.30 276	0.43 317	0.69 419	0.38 269	0.32 269	0.40 307	0.30 291	0.38 275	0.30 266

gc-stereo	0.38 250	0.44 208	0.30 228	0.43 280	0.30 279	0.43 324	0.31 284	0.43 309	0.31 294	0.45 320	0.31 290	0.43 320	0.30 276	0.43 317	0.69 419	0.38 269	0.32 269	0.41 330	0.30 291	0.38 275	0.30 266

5k_new	0.38 250	0.44 208	0.31 242	0.43 280	0.30 279	0.43 324	0.31 284	0.43 309	0.31 294	0.45 320	0.31 290	0.43 320	0.30 276	0.43 317	0.69 419	0.38 269	0.33 284	0.40 307	0.30 291	0.38 275	0.30 266

ACM	0.38 250	0.44 208	0.30 228	0.43 280	0.30 279	0.43 324	0.30 268	0.43 309	0.30 275	0.45 320	0.31 290	0.43 320	0.30 276	0.43 317	0.73 442	0.38 269	0.32 269	0.40 307	0.30 291	0.37 263	0.30 266

uiiii_40	0.39 270	0.42 198	0.89 427	0.42 271	0.31 301	0.43 324	0.30 268	0.44 323	0.31 294	0.42 302	0.31 290	0.43 320	0.30 276	0.42 307	0.30 243	0.41 315	0.29 244	0.42 352	0.28 263	0.40 307	0.32 296

StePilot	0.39 270	0.44 208	0.87 424	0.41 258	0.30 279	0.42 314	0.32 299	0.45 333	0.29 263	0.43 312	0.30 278	0.43 320	0.30 276	0.42 307	0.30 243	0.40 302	0.29 244	0.43 360	0.27 257	0.40 307	0.31 288

SteFusion	0.39 270	0.42 198	0.90 432	0.43 280	0.30 279	0.42 314	0.31 284	0.45 333	0.31 294	0.41 285	0.30 278	0.43 320	0.30 276	0.42 307	0.31 255	0.39 291	0.30 257	0.42 352	0.28 263	0.39 293	0.33 309

PyraSte	0.39 270	0.43 202	0.87 424	0.42 271	0.31 301	0.42 314	0.31 284	0.44 323	0.30 275	0.41 285	0.31 290	0.42 313	0.30 276	0.42 307	0.31 255	0.38 269	0.29 244	0.42 352	0.29 278	0.40 307	0.32 296

tim_s	0.39 270	0.44 208	0.90 432	0.41 258	0.30 279	0.41 292	0.30 268	0.44 323	0.30 275	0.41 285	0.31 290	0.42 313	0.30 276	0.41 292	0.31 255	0.41 315	0.30 257	0.41 330	0.29 278	0.40 307	0.32 296

ACW_4w	0.39 270	0.42 198	0.88 426	0.42 271	0.30 279	0.42 314	0.30 268	0.45 333	0.31 294	0.42 302	0.31 290	0.42 313	0.30 276	0.42 307	0.30 243	0.40 302	0.28 231	0.42 352	0.28 263	0.40 307	0.32 296

ITER124	0.38 250	0.44 208	0.30 228	0.42 271	0.30 279	0.42 314	0.30 268	0.42 304	0.30 275	0.44 319	0.30 278	0.43 320	0.30 276	0.42 307	0.69 419	0.37 260	0.32 269	0.40 307	0.30 291	0.37 263	0.29 254

Monster-pub-eth3d	0.45 316	0.57 274	0.60 378	0.39 232	0.28 259	0.37 261	0.28 254	0.37 254	0.30 275	0.39 265	0.29 266	0.39 272	0.30 276	0.92 446	0.27 216	1.42 519	0.28 231	0.34 259	0.28 263	0.37 263	0.53 399

Replicate-Monster	0.45 316	0.57 274	0.60 378	0.40 246	0.29 268	0.37 261	0.27 246	0.37 254	0.30 275	0.40 271	0.31 290	0.40 280	0.30 276	0.99 454	0.27 216	1.36 515	0.31 265	0.34 259	0.30 291	0.36 259	0.54 402

MultiAttention	0.30 203	0.30 159	0.30 228	0.30 200	0.30 279	0.30 231	0.30 268	0.30 228	0.30 275	0.30 229	0.30 278	0.30 237	0.30 276	0.30 237	0.30 243	0.30 228	0.30 257	0.30 236	0.30 291	0.30 222	0.30 266

MSAF-DinoV2	0.30 203	0.30 159	0.30 228	0.30 200	0.30 279	0.30 231	0.30 268	0.30 228	0.30 275	0.30 229	0.30 278	0.30 237	0.30 276	0.30 237	0.30 243	0.30 228	0.30 257	0.30 236	0.30 291	0.30 222	0.30 266

RSM	0.36 238	0.36 169	0.43 318	0.37 223	0.42 384	0.49 367	0.42 374	0.37 254	0.28 257	0.36 253	0.29 266	0.36 259	0.30 276	0.37 263	0.28 226	0.34 242	0.31 265	0.34 259	0.35 349	0.40 307	0.29 254

EKT-Stereo	0.37 244	0.40 183	0.44 320	1.07 420	0.29 268	0.34 248	0.31 284	0.36 248	0.29 263	0.38 259	0.31 290	0.37 265	0.30 276	0.36 259	0.29 236	0.34 242	0.28 231	0.39 302	0.30 291	0.37 263	0.30 266

iRaft-Stereo_20w	0.34 223	0.41 191	0.31 242	0.39 232	0.29 268	0.40 276	0.32 299	0.41 286	0.32 312	0.38 259	0.30 278	0.39 272	0.30 276	0.38 266	0.32 260	0.35 251	0.27 225	0.34 259	0.27 257	0.34 240	0.29 254

GES	0.66 372	2.34 498	0.29 224	0.41 258	0.29 268	0.41 292	0.29 263	0.42 304	0.29 263	0.40 271	0.41 371	0.41 293	0.30 276	0.51 380	0.29 236	0.32 234	0.29 244	0.32 243	2.46 601	2.49 563	0.30 266

DANet	0.30 203	0.30 159	0.30 228	0.30 200	0.30 279	0.30 231	0.30 268	0.30 228	0.30 275	0.30 229	0.30 278	0.30 237	0.30 276	0.30 237	0.30 243	0.30 228	0.30 257	0.30 236	0.30 291	0.30 222	0.30 266
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
SX1w	0.39 270	0.45 226	0.31 242	0.44 292	0.31 301	0.44 339	0.31 284	0.44 323	0.31 294	0.46 335	0.31 290	0.44 336	0.31 296	0.44 330	0.70 434	0.39 291	0.34 292	0.41 330	0.30 291	0.39 293	0.30 266

5k_stereo	0.39 270	0.45 226	0.31 242	0.44 292	0.31 301	0.44 339	0.31 284	0.44 323	0.31 294	0.46 335	0.31 290	0.44 336	0.31 296	0.44 330	0.71 439	0.39 291	0.34 292	0.41 330	0.30 291	0.39 293	0.30 266

mnv4	0.39 270	0.45 226	0.32 258	0.44 292	0.31 301	0.44 339	0.32 299	0.44 323	0.31 294	0.46 335	0.32 311	0.44 336	0.31 296	0.44 330	0.69 419	0.39 291	0.34 292	0.41 330	0.31 317	0.39 293	0.31 288

wo013ll	0.39 270	0.45 226	0.31 242	0.44 292	0.31 301	0.44 339	0.31 284	0.44 323	0.31 294	0.46 335	0.31 290	0.44 336	0.31 296	0.44 330	0.70 434	0.39 291	0.34 292	0.41 330	0.30 291	0.39 293	0.30 266

2k_new	0.39 270	0.45 226	0.31 242	0.44 292	0.31 301	0.44 339	0.32 299	0.44 323	0.31 294	0.46 335	0.31 290	0.44 336	0.31 296	0.44 330	0.70 434	0.39 291	0.34 292	0.41 330	0.31 317	0.39 293	0.31 288

CNT	0.39 270	0.45 226	0.31 242	0.44 292	0.32 312	0.44 339	0.31 284	0.44 323	0.31 294	0.46 335	0.31 290	0.44 336	0.31 296	0.44 330	0.73 442	0.39 291	0.34 292	0.41 330	0.30 291	0.39 293	0.30 266

aaa3	0.38 250	0.44 208	0.31 242	0.43 280	0.30 279	0.43 324	0.31 284	0.43 309	0.30 275	0.45 320	0.31 290	0.43 320	0.31 296	0.43 317	0.69 419	0.38 269	0.33 284	0.40 307	0.30 291	0.38 275	0.30 266

mfccc	0.38 250	0.44 208	0.30 228	0.43 280	0.30 279	0.43 324	0.31 284	0.43 309	0.30 275	0.45 320	0.31 290	0.43 320	0.31 296	0.43 317	0.69 419	0.38 269	0.32 269	0.41 330	0.30 291	0.38 275	0.30 266

ss10	0.38 250	0.44 208	0.31 242	0.43 280	0.30 279	0.43 324	0.30 268	0.43 309	0.30 275	0.45 320	0.31 290	0.43 320	0.31 296	0.43 317	0.69 419	0.38 269	0.33 284	0.40 307	0.30 291	0.38 275	0.30 266

SX	0.38 250	0.44 208	0.31 242	0.43 280	0.31 301	0.43 324	0.31 284	0.43 309	0.31 294	0.45 320	0.32 311	0.43 320	0.31 296	0.43 317	0.69 419	0.38 269	0.33 284	0.40 307	0.30 291	0.38 275	0.30 266

USM	0.38 250	0.44 208	0.31 242	0.43 280	0.30 279	0.43 324	0.30 268	0.43 309	0.30 275	0.45 320	0.30 278	0.43 320	0.31 296	0.43 317	0.68 414	0.38 269	0.32 269	0.40 307	0.30 291	0.38 275	0.30 266

weee2	0.38 250	0.44 208	0.31 242	0.43 280	0.30 279	0.43 324	0.31 284	0.43 309	0.31 294	0.45 320	0.31 290	0.43 320	0.31 296	0.43 317	0.69 419	0.38 269	0.33 284	0.40 307	0.30 291	0.38 275	0.30 266

4.5w_L	0.39 270	0.43 202	0.89 427	0.42 271	0.29 268	0.42 314	0.30 268	0.43 309	0.30 275	0.42 302	0.31 290	0.41 293	0.31 296	0.43 317	0.31 255	0.40 302	0.28 231	0.41 330	0.28 263	0.39 293	0.33 309

xxxad45	0.39 270	0.44 208	0.90 432	0.41 258	0.30 279	0.41 292	0.31 284	0.44 323	0.30 275	0.43 312	0.30 278	0.43 320	0.31 296	0.41 292	0.31 255	0.40 302	0.29 244	0.41 330	0.30 291	0.40 307	0.32 296

ITERv19	0.38 250	0.45 226	0.31 242	0.43 280	0.30 279	0.43 324	0.30 268	0.43 309	0.31 294	0.45 320	0.30 278	0.43 320	0.31 296	0.42 307	0.69 419	0.38 269	0.32 269	0.40 307	0.30 291	0.38 275	0.30 266

xyz-stereo-finetune	0.28 197	0.49 249	0.16 155	0.16 121	0.16 188	0.16 142	0.16 172	0.22 179	0.30 275	0.32 238	0.31 290	0.32 243	0.31 296	0.32 242	0.32 260	0.32 234	0.33 284	0.31 242	0.32 325	0.31 227	0.32 296

LL-Strereo2	0.48 333	1.73 453	0.51 359	0.59 349	0.34 335	0.42 314	0.33 312	0.40 271	0.31 294	0.42 302	0.33 320	0.42 313	0.31 296	0.44 330	0.39 313	0.60 382	0.51 382	0.44 361	0.33 333	0.44 334	0.33 309

DDF-Stereo	0.43 308	1.15 365	0.57 374	0.53 334	0.32 312	0.41 292	0.32 299	0.41 286	0.32 312	0.41 285	0.32 311	0.41 293	0.32 313	0.40 277	0.32 260	0.52 366	0.50 376	0.38 291	0.31 317	0.39 293	0.31 288

water-stereo	0.41 296	0.84 303	0.46 326	0.50 324	0.33 325	0.45 346	0.33 312	0.45 333	0.32 312	0.45 320	0.32 311	0.45 344	0.32 313	0.45 340	0.32 260	0.44 333	0.41 330	0.39 302	0.31 317	0.39 293	0.32 296

GREAT-IGEV	0.38 250	0.43 202	0.36 284	0.48 311	0.32 312	0.45 346	0.32 299	0.45 333	0.32 312	0.45 320	0.32 311	0.45 344	0.32 313	0.45 340	0.32 260	0.44 333	0.33 284	0.41 330	0.29 278	0.41 324	0.29 254

mms	0.40 289	0.45 226	0.35 282	0.48 311	0.36 344	0.47 357	0.34 323	0.45 333	0.38 348	0.47 347	0.33 320	0.45 344	0.32 313	0.45 340	0.32 260	0.39 291	0.38 311	0.38 291	0.37 357	0.39 293	0.39 346

MyStereo04	0.56 357	3.72 552	0.59 376	0.49 317	0.41 374	0.36 256	0.32 299	0.37 254	0.31 294	0.34 245	0.46 391	0.35 253	0.32 313	0.35 253	0.33 269	0.49 352	0.45 351	0.34 259	0.32 325	0.35 252	0.43 364

RAFT-Test	0.36 238	0.37 171	0.33 264	0.41 258	0.32 312	0.41 292	0.32 299	0.41 286	0.32 312	0.41 285	0.32 311	0.41 293	0.32 313	0.41 292	0.33 269	0.37 260	0.29 244	0.37 283	0.29 278	0.38 275	0.31 288

4D-IteraStereo	0.78 402	3.13 538	0.89 427	0.69 365	0.32 312	0.40 276	0.32 299	0.76 415	0.97 475	0.52 384	0.65 435	0.89 445	0.32 313	0.76 422	0.98 470	0.83 421	0.94 442	0.35 275	0.27 257	0.70 398	0.89 456

Gwc-CoAtRS	0.41 296	1.49 440	0.32 258	0.42 271	0.32 312	0.41 292	0.32 299	0.41 286	0.33 319	0.41 285	0.32 311	0.41 293	0.32 313	0.41 292	0.32 260	0.39 291	0.28 231	0.39 302	0.28 263	0.40 307	0.28 249

DilatedVolume-Stereo	0.43 308	0.86 306	0.48 341	0.50 324	0.33 325	0.46 352	0.33 312	0.46 341	0.33 319	0.46 335	0.33 320	0.47 354	0.33 321	0.47 349	0.34 282	0.45 336	0.42 339	0.40 307	0.33 333	0.47 353	0.38 340

fffy	0.38 250	0.43 202	0.33 264	0.46 300	0.33 325	0.45 346	0.32 299	0.45 333	0.32 312	0.45 320	0.32 311	0.45 344	0.33 321	0.45 340	0.32 260	0.38 269	0.38 311	0.38 291	0.37 357	0.37 263	0.36 329

CASnet	0.35 232	0.51 261	0.44 320	0.32 208	0.31 301	0.24 194	0.34 323	0.36 248	0.25 235	0.31 233	0.37 348	0.30 237	0.33 321	0.25 205	0.45 337	0.37 260	0.37 305	0.33 251	0.35 349	0.34 240	0.37 333
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
RCA-Stereo	0.51 346	3.22 541	0.34 274	0.44 292	0.34 335	0.44 339	0.34 323	0.43 309	0.34 328	0.43 312	0.34 328	0.44 336	0.33 321	0.43 317	0.33 269	0.38 269	0.29 244	0.38 291	0.29 278	0.38 275	0.29 254

psmorigin	0.41 296	0.46 237	0.33 264	0.49 317	0.33 325	0.49 367	0.33 312	0.49 355	0.33 319	0.49 361	0.33 320	0.49 365	0.33 321	0.51 380	0.33 269	0.41 315	0.30 257	0.41 330	0.30 291	0.79 410	0.29 254

depthmonostereo	0.44 313	0.85 305	0.46 326	0.54 337	0.40 366	0.52 390	0.38 347	0.52 380	0.35 331	0.47 347	0.34 328	0.46 348	0.34 326	0.47 349	0.34 282	0.45 336	0.43 343	0.41 330	0.33 333	0.41 324	0.32 296

HART	0.38 250	0.45 226	0.34 274	0.42 271	0.33 325	0.41 292	0.34 323	0.42 304	0.33 319	0.43 312	0.34 328	0.42 313	0.34 326	0.41 292	0.38 302	0.40 302	0.32 269	0.42 352	0.32 325	0.40 307	0.32 296

ccccc	0.41 296	0.44 208	0.34 274	0.48 311	0.35 338	0.48 362	0.35 328	0.51 376	0.35 331	0.47 347	0.35 337	0.47 354	0.34 326	0.47 349	0.35 286	0.41 315	0.40 321	0.40 307	0.40 374	0.41 324	0.39 346

RAFT-Stereo-weight	0.45 316	1.90 463	0.34 274	0.42 271	0.36 344	0.43 324	0.35 328	0.42 304	0.34 328	0.42 302	0.34 328	0.44 336	0.34 326	0.41 292	0.34 282	0.38 269	0.32 269	0.38 291	0.32 325	0.38 275	0.33 309

H2IRNET	0.34 223	0.34 165	0.34 274	0.34 214	0.34 335	0.34 248	0.34 323	0.34 240	0.34 328	0.34 245	0.34 328	0.34 251	0.34 326	0.34 250	0.34 282	0.34 242	0.34 292	0.34 259	0.34 337	0.34 240	0.34 317

iRaft-Stereo_5w	0.34 223	0.42 198	0.31 242	0.39 232	0.30 279	0.38 268	0.30 268	0.40 271	0.29 263	0.40 271	0.37 348	0.41 293	0.34 326	0.38 266	0.30 243	0.34 242	0.27 225	0.34 259	0.26 249	0.34 240	0.26 228

CFNet-RSSM	0.91 430	4.89 575	0.34 274	0.44 292	1.07 485	1.62 540	1.40 554	0.91 434	0.35 331	1.60 533	1.39 554	0.64 413	0.34 326	0.44 330	0.33 269	0.41 315	0.35 300	0.75 431	0.30 291	0.41 324	0.29 254

UGAM-zero	0.51 346	2.17 482	0.39 298	0.53 334	0.36 344	0.50 375	0.36 335	0.50 363	0.36 342	0.49 361	0.36 341	0.50 380	0.35 333	0.50 371	0.36 290	0.49 352	0.37 305	0.47 378	0.35 349	0.46 341	0.34 317

GCST	0.50 341	2.08 474	0.38 291	0.53 334	0.35 338	0.49 367	0.35 328	0.50 363	0.35 331	0.49 361	0.35 337	0.49 365	0.35 333	0.49 364	0.35 286	0.48 349	0.37 305	0.45 365	0.33 333	0.44 334	0.33 309

ETE_ROB	0.35 232	0.35 166	0.35 282	0.35 216	0.35 338	0.35 253	0.35 328	0.35 244	0.35 331	0.35 250	0.35 337	0.35 253	0.35 333	0.35 253	0.35 286	0.35 251	0.35 300	0.35 275	0.35 349	0.35 252	0.35 326

252Zero-FE	0.45 316	0.50 253	0.36 284	0.50 324	0.36 344	0.50 375	0.36 335	0.50 363	0.36 342	0.49 361	0.36 341	0.49 365	0.36 336	0.54 389	0.41 324	0.45 336	0.34 292	0.45 365	0.34 337	0.55 380	0.75 442

UGAM	0.51 346	2.23 487	0.39 298	0.54 337	0.35 338	0.50 375	0.35 328	0.49 355	0.35 331	0.49 361	0.35 337	0.49 365	0.36 336	0.50 371	0.36 290	0.49 352	0.37 305	0.45 365	0.34 337	0.45 338	0.34 317

GCAP-Stereo	0.75 394	4.15 565	0.42 317	0.75 375	0.35 338	0.78 423	0.40 361	0.79 419	0.38 348	0.78 431	0.36 341	0.78 430	0.36 336	0.79 423	0.39 313	0.75 409	0.39 318	0.76 433	0.39 373	0.75 404	0.39 346

CES	0.39 270	0.47 241	0.36 284	0.36 220	0.37 348	0.45 346	0.35 328	0.35 244	0.40 362	0.36 253	0.44 385	0.47 354	0.36 336	0.44 330	0.36 290	0.37 260	0.39 318	0.44 361	0.35 349	0.37 263	0.36 329

DMCA	0.36 238	0.38 175	0.37 288	0.35 216	0.35 338	0.36 256	0.36 335	0.36 248	0.35 331	0.35 250	0.37 348	0.36 259	0.36 336	0.35 253	0.36 290	0.36 256	0.36 303	0.35 275	0.36 355	0.36 259	0.36 329

SCV_C0	0.45 316	0.88 310	0.49 348	0.54 337	0.37 348	0.48 362	0.37 341	0.48 351	0.37 344	0.48 354	0.36 341	0.48 361	0.37 341	0.49 364	0.37 299	0.50 358	0.41 330	0.44 361	0.34 337	0.44 334	0.34 317

SCV	0.46 322	0.94 327	0.45 322	0.54 337	0.37 348	0.48 362	0.38 347	0.48 351	0.37 344	0.48 354	0.39 362	0.48 361	0.37 341	0.49 364	0.37 299	0.50 358	0.46 353	0.44 361	0.34 337	0.44 334	0.34 317

Venus	0.38 250	0.38 175	0.38 291	0.38 226	0.38 355	0.37 261	0.38 347	0.37 254	0.37 344	0.41 285	0.37 348	0.39 272	0.37 341	0.38 266	0.38 302	0.37 260	0.38 311	0.38 291	0.37 357	0.37 263	0.38 340

XPNet_ROB	0.37 244	0.37 171	0.37 288	0.37 223	0.37 348	0.37 261	0.37 341	0.37 254	0.37 344	0.37 258	0.37 348	0.37 265	0.37 341	0.37 263	0.37 299	0.37 260	0.37 305	0.37 283	0.37 357	0.37 263	0.37 333

GEAStereo	0.62 365	3.91 559	0.48 341	0.69 365	0.38 355	0.51 387	0.38 347	0.51 376	0.38 348	0.53 387	0.38 353	0.50 380	0.38 345	0.51 380	0.38 302	0.54 370	0.43 343	0.46 369	0.34 337	0.46 341	0.34 317

gasm-f	0.62 365	3.91 559	0.48 341	0.69 365	0.38 355	0.51 387	0.38 347	0.51 376	0.38 348	0.53 387	0.38 353	0.50 380	0.38 345	0.51 380	0.38 302	0.54 370	0.43 343	0.46 369	0.34 337	0.46 341	0.34 317

GASTEREO	0.48 333	1.21 418	0.47 333	0.57 344	0.38 355	0.50 375	0.38 347	0.50 363	0.38 348	0.50 374	0.38 353	0.50 380	0.38 345	0.50 371	0.38 302	0.52 366	0.42 339	0.46 369	0.34 337	0.46 341	0.34 317

WAO-8	0.38 250	0.38 175	0.38 291	0.38 226	0.38 355	0.38 268	0.38 347	0.38 262	0.38 348	0.38 259	0.38 353	0.38 267	0.38 345	0.38 266	0.38 302	0.38 269	0.38 311	0.38 291	0.37 357	0.38 275	0.38 340

WAO-7	0.38 250	0.38 175	0.38 291	0.38 226	0.38 355	0.38 268	0.38 347	0.38 262	0.38 348	0.38 259	0.38 353	0.38 267	0.38 345	0.38 266	0.38 302	0.38 269	0.38 311	0.38 291	0.38 370	0.38 275	0.38 340

HanzoNet	0.39 270	0.38 175	0.40 303	0.39 232	0.41 374	0.38 268	0.38 347	0.38 262	0.38 348	0.39 265	0.39 362	0.38 267	0.38 345	0.39 274	0.40 317	0.38 269	0.38 311	0.40 307	0.38 370	0.38 275	0.40 349

IMH	0.38 250	0.38 175	0.38 291	0.38 226	0.38 355	0.38 268	0.38 347	0.38 262	0.38 348	0.42 302	0.38 353	0.40 280	0.38 345	0.38 266	0.38 302	0.38 269	0.38 311	0.39 302	0.38 370	0.38 275	0.38 340

iRaftStereo_RVC	0.97 441	3.17 540	2.30 588	2.42 537	0.38 355	0.54 395	0.38 347	0.54 384	0.38 348	0.54 392	0.38 353	0.54 395	0.38 345	0.54 389	0.38 302	2.38 571	2.34 587	0.49 391	0.36 355	0.49 361	0.36 329

LG-Stereo_L1	0.47 328	0.52 263	0.47 333	0.62 354	0.39 364	0.53 392	0.40 361	0.53 382	0.39 361	0.53 387	0.39 362	0.53 392	0.39 353	0.53 387	0.39 313	0.55 376	0.46 353	0.49 391	0.37 357	0.49 361	0.37 333

PAM_32	0.64 369	2.38 502	0.51 359	0.92 397	0.43 386	0.53 392	0.44 377	0.87 428	0.43 379	0.52 384	0.45 389	0.53 392	0.40 354	0.54 389	0.46 341	0.62 390	0.56 390	0.48 386	0.45 392	0.76 405	0.44 367

Selective-IGEV	0.51 346	0.55 271	0.45 322	0.69 365	0.45 390	0.61 406	0.45 382	0.50 363	0.40 362	0.56 397	0.44 385	0.55 399	0.40 354	0.72 416	0.67 410	0.59 381	0.46 353	0.45 365	0.34 337	0.46 341	0.37 333

knoymous	0.40 289	0.40 183	0.40 303	0.40 246	0.40 366	0.40 276	0.40 361	0.40 271	0.40 362	0.40 271	0.40 365	0.40 280	0.40 354	0.40 277	0.40 317	0.40 302	0.40 321	0.40 307	0.40 374	0.40 307	0.40 349

anonymousa	0.40 289	0.40 183	0.40 303	0.40 246	0.40 366	0.40 276	0.40 361	0.40 271	0.40 362	0.40 271	0.40 365	0.40 280	0.40 354	0.40 277	0.40 317	0.40 302	0.40 321	0.40 307	0.40 374	0.40 307	0.40 349

riskmin	0.40 289	0.40 183	0.40 303	0.40 246	0.40 366	0.40 276	0.40 361	0.40 271	0.40 362	0.40 271	0.40 365	0.40 280	0.40 354	0.40 277	0.40 317	0.40 302	0.40 321	0.40 307	0.40 374	0.40 307	0.40 349

Anonymous_2	0.40 289	0.40 183	0.40 303	0.40 246	0.40 366	0.40 276	0.40 361	0.40 271	0.40 362	0.40 271	0.40 365	0.40 280	0.40 354	0.40 277	0.40 317	0.40 302	0.40 321	0.40 307	0.40 374	0.40 307	0.40 349

Anonymous_1	0.40 289	0.40 183	0.40 303	0.40 246	0.40 366	0.40 276	0.40 361	0.40 271	0.40 362	0.40 271	0.40 365	0.40 280	0.40 354	0.40 277	0.40 317	0.40 302	0.40 321	0.40 307	0.40 374	0.40 307	0.40 349

GMOStereo	0.37 244	0.45 226	0.23 199	0.30 200	0.37 348	0.41 292	0.36 335	0.41 286	0.35 331	0.43 312	0.36 341	0.41 293	0.40 354	0.41 292	0.36 290	0.34 242	0.22 207	0.47 378	0.37 357	0.39 293	0.33 309

error version	0.93 437	4.47 570	2.35 589	1.99 521	0.37 348	0.41 292	0.36 335	0.41 286	0.35 331	0.43 312	0.36 341	0.41 293	0.40 354	0.41 292	0.36 290	1.87 538	2.16 583	0.47 378	0.37 357	0.39 293	0.33 309

test_1	0.93 437	4.47 570	2.35 589	1.99 521	0.37 348	0.41 292	0.36 335	0.41 286	0.35 331	0.43 312	0.36 341	0.41 293	0.40 354	0.41 292	0.36 290	1.87 538	2.16 583	0.47 378	0.37 357	0.39 293	0.33 309

AdaStereo	0.40 289	0.40 183	0.40 303	0.40 246	0.40 366	0.40 276	0.40 361	0.40 271	0.40 362	0.40 271	0.40 365	0.40 280	0.40 354	0.40 277	0.40 317	0.40 302	0.40 321	0.40 307	0.40 374	0.40 307	0.40 349
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.
LG-Stereo	0.60 359	0.58 276	0.47 333	0.64 359	0.74 455	1.00 449	0.69 433	0.57 391	0.41 371	0.57 400	0.41 371	0.57 404	0.41 365	1.00 456	0.75 447	0.91 428	0.51 382	0.52 403	0.37 357	0.52 374	0.37 333

GwcNet-ADL	0.41 296	0.41 191	0.41 312	0.41 258	0.41 374	0.41 292	0.41 369	0.41 286	0.41 371	0.41 285	0.41 371	0.41 293	0.41 365	0.41 292	0.41 324	0.41 315	0.41 330	0.41 330	0.41 381	0.41 324	0.41 356

PSMNet-ADL	0.41 296	0.41 191	0.41 312	0.41 258	0.41 374	0.41 292	0.41 369	0.41 286	0.41 371	0.41 285	0.41 371	0.41 293	0.41 365	0.41 292	0.41 324	0.41 315	0.41 330	0.41 330	0.41 381	0.41 324	0.41 356

GANet-ADL	0.41 296	0.41 191	0.41 312	0.41 258	0.41 374	0.41 292	0.41 369	0.41 286	0.41 371	0.41 285	0.41 371	0.41 293	0.41 365	0.41 292	0.41 324	0.41 315	0.41 330	0.41 330	0.41 381	0.41 324	0.41 356

ADLNet2	0.41 296	0.41 191	0.41 312	0.41 258	0.41 374	0.41 292	0.41 369	0.41 286	0.41 371	0.41 285	0.41 371	0.41 293	0.41 365	0.41 292	0.41 324	0.41 315	0.41 330	0.41 330	0.41 381	0.41 324	0.41 356

ADLNet	0.41 296	0.41 191	0.41 312	0.41 258	0.41 374	0.41 292	0.41 369	0.41 286	0.41 371	0.41 285	0.41 371	0.41 293	0.41 365	0.41 292	0.41 324	0.41 315	0.41 330	0.41 330	0.41 381	0.41 324	0.41 356

MSCF	0.51 346	1.40 437	0.49 348	0.58 346	0.38 355	0.50 375	0.38 347	0.54 384	0.41 371	0.52 384	0.41 371	0.53 392	0.42 371	0.53 387	0.41 324	0.60 382	0.47 361	0.48 386	0.37 357	0.48 357	0.38 340

LG-Stereo_Zeroshot	0.48 333	0.55 271	0.47 333	0.63 356	0.41 374	0.56 397	0.44 377	0.56 388	0.41 371	0.56 397	0.41 371	0.57 404	0.42 371	0.56 394	0.41 324	0.55 376	0.43 343	0.51 400	0.37 357	0.51 372	0.37 333

Occ-G	1.12 460	0.52 263	3.72 615	3.50 576	0.50 408	0.56 397	0.47 389	0.54 384	0.46 385	0.54 392	0.41 371	0.54 395	0.42 371	0.52 385	0.42 332	3.42 592	4.02 611	0.52 403	0.45 392	0.51 372	0.44 367

MLG-Stereo	0.92 432	0.90 316	0.84 422	1.27 488	0.49 404	1.38 529	0.88 458	1.41 528	0.97 475	0.73 421	1.09 481	1.26 526	0.43 374	0.72 416	1.05 477	1.13 453	0.49 368	1.18 484	0.66 434	1.01 442	0.46 370

MyStereo07	0.60 359	3.72 552	0.48 341	0.49 317	0.41 374	0.36 256	0.32 299	0.49 355	0.43 379	0.51 381	0.42 381	0.49 365	0.43 374	0.51 380	0.64 405	0.49 352	0.45 351	0.34 259	0.32 325	0.35 252	0.43 364

FSD	0.61 362	0.59 277	0.50 352	2.58 544	0.44 387	0.56 397	0.44 377	0.55 387	0.44 382	0.56 397	0.44 385	0.56 402	0.44 376	0.56 394	0.46 341	0.61 386	0.42 339	0.52 403	0.42 389	0.52 374	0.51 397

MonSter	0.60 359	0.64 283	0.52 362	0.62 354	0.44 387	2.07 555	0.44 377	0.62 401	0.44 382	0.62 408	0.44 385	0.62 412	0.44 376	0.62 403	0.44 336	0.58 380	0.42 339	0.62 413	0.46 394	0.58 383	0.42 363

test-3	0.98 443	4.13 564	1.85 570	1.85 512	0.61 432	0.69 415	0.37 341	0.63 402	0.61 424	0.66 414	0.51 414	0.73 425	0.44 376	0.57 399	0.54 392	1.68 532	1.81 567	0.40 307	0.43 390	0.66 389	0.50 390

AIO-test1	0.54 351	0.60 280	0.52 362	0.66 363	0.47 398	0.61 406	0.47 389	0.58 394	0.46 385	0.61 405	0.46 391	0.61 410	0.45 379	0.62 403	0.45 337	0.61 386	0.52 384	0.57 409	0.48 404	0.57 382	0.48 379

fffft	0.48 333	0.51 261	0.45 322	0.52 333	0.45 390	0.52 390	0.45 382	0.52 380	0.48 397	0.53 387	0.45 389	0.52 391	0.45 379	0.52 385	0.46 341	0.51 364	0.41 330	0.50 395	0.41 381	0.50 366	0.41 356
1: 1. 1
AEACV	1.12 460	0.52 263	3.12 607	3.24 561	0.86 463	0.53 392	0.49 400	0.60 398	0.47 390	0.53 387	0.49 406	0.55 399	0.45 379	0.55 393	0.47 348	3.01 588	3.88 609	0.71 425	0.60 426	0.80 413	0.48 379

MyStereo06	0.75 394	4.12 562	0.60 378	0.63 356	0.61 432	0.62 409	0.66 425	0.56 388	0.45 384	0.55 395	0.48 403	0.54 395	0.46 382	0.57 399	0.45 337	0.60 382	0.57 392	0.64 416	0.55 416	0.72 400	0.55 407

otaku	0.46 322	0.46 237	0.46 326	0.46 300	0.46 392	0.46 352	0.46 384	0.46 341	0.46 385	0.46 335	0.46 391	0.46 348	0.46 382	0.46 345	0.46 341	0.46 340	0.46 353	0.46 369	0.46 394	0.46 341	0.46 370

Ntro	0.47 328	0.47 241	0.46 326	0.46 300	0.46 392	0.47 357	0.47 389	0.46 341	0.47 390	0.46 335	0.46 391	0.47 354	0.46 382	0.47 349	0.47 348	0.47 345	0.46 353	0.46 369	0.46 394	0.46 341	0.46 370

UNDER WATER	0.47 328	0.47 241	0.47 333	0.47 306	0.47 398	0.47 357	0.47 389	0.47 347	0.47 390	0.47 347	0.47 399	0.47 354	0.46 382	0.47 349	0.47 348	0.47 345	0.47 361	0.47 378	0.46 394	0.47 353	0.47 377

LVE	0.47 328	0.47 241	0.47 333	0.47 306	0.49 404	0.47 357	0.47 389	0.47 347	0.49 399	0.47 347	0.47 399	0.47 354	0.46 382	0.47 349	0.47 348	0.47 345	0.47 361	0.48 386	0.47 401	0.47 353	0.47 377

Dean	0.46 322	0.46 237	0.46 326	0.46 300	0.46 392	0.46 352	0.46 384	0.46 341	0.46 385	0.47 347	0.46 391	0.46 348	0.46 382	0.46 345	0.46 341	0.46 340	0.46 353	0.46 369	0.46 394	0.46 341	0.46 370

ACVNet_1	0.46 322	0.47 241	0.46 326	0.46 300	0.46 392	0.46 352	0.46 384	0.46 341	0.47 390	0.46 335	0.46 391	0.46 348	0.46 382	0.46 345	0.46 341	0.46 340	0.46 353	0.47 378	0.46 394	0.46 341	0.46 370

ACVNet-4b	0.46 322	0.46 237	0.46 326	0.46 300	0.46 392	0.46 352	0.46 384	0.46 341	0.46 385	0.46 335	0.46 391	0.46 348	0.46 382	0.47 349	0.46 341	0.46 340	0.46 353	0.46 369	0.46 394	0.46 341	0.46 370

HaxPig	0.47 328	0.47 241	0.47 333	0.49 317	0.47 398	0.47 357	0.47 389	0.47 347	0.47 390	0.47 347	0.47 399	0.47 354	0.47 390	0.47 349	0.47 348	0.47 345	0.47 361	0.47 378	0.47 401	0.47 353	0.48 379

AIO-test2	0.55 355	0.59 277	0.52 362	0.67 364	0.47 398	0.61 406	0.47 389	0.61 400	0.47 390	0.61 405	0.47 399	0.61 410	0.48 391	0.62 403	0.47 348	0.64 392	0.53 386	0.58 410	0.47 401	0.58 383	0.48 379

Former-RAFT_DAM_RVC	0.49 339	0.98 332	0.64 387	0.84 387	0.46 392	0.45 346	0.35 328	0.47 347	0.47 390	0.45 320	0.34 328	0.46 348	0.48 391	0.46 345	0.35 286	0.39 291	0.71 418	0.39 302	0.35 349	0.41 324	0.41 356

RainbowNet	0.48 333	0.48 247	0.48 341	0.48 311	0.48 402	0.48 362	0.48 398	0.48 351	0.48 397	0.48 354	0.48 403	0.48 361	0.48 391	0.48 358	0.48 354	0.48 349	0.48 365	0.48 386	0.48 404	0.48 357	0.48 379

notaker	0.48 333	0.49 249	0.48 341	0.48 311	0.48 402	0.48 362	0.48 398	0.48 351	0.49 399	0.48 354	0.48 403	0.48 361	0.48 391	0.48 358	0.48 354	0.48 349	0.48 365	0.48 386	0.48 404	0.48 357	0.49 384

CASS	0.57 358	0.89 313	0.56 372	0.57 344	0.56 422	0.56 397	0.56 414	0.56 388	0.53 410	0.57 400	0.57 423	0.59 408	0.48 391	0.56 394	0.57 398	0.55 376	0.56 390	0.47 378	0.56 420	0.62 386	0.56 410
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
ACVNet_2	0.49 339	0.49 249	0.49 348	0.49 317	0.49 404	0.49 367	0.49 400	0.49 355	0.49 399	0.49 361	0.49 406	0.49 365	0.49 396	0.49 364	0.49 361	0.49 352	0.49 368	0.49 391	0.49 407	0.49 361	0.49 384

LL-Strereo	1.01 450	5.06 577	1.63 550	0.70 369	1.43 554	0.56 397	0.46 384	0.57 391	0.50 402	0.57 400	0.50 408	1.58 537	0.49 396	0.59 401	0.50 362	1.64 531	0.52 384	0.51 400	1.37 547	0.52 374	0.45 369

FCDSN-DC	0.41 296	0.59 277	0.64 387	0.54 337	0.33 325	0.50 375	0.37 341	0.42 304	0.40 362	0.61 405	0.43 383	0.50 380	0.49 396	0.38 266	0.32 260	0.28 220	0.23 212	0.26 215	0.22 224	0.35 252	0.28 249
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
FoundationStereo	0.50 341	0.50 253	0.50 352	0.50 324	0.50 408	0.50 375	0.50 402	0.50 363	0.50 402	0.50 374	0.50 408	0.50 380	0.50 399	0.50 371	0.50 362	0.50 358	0.50 376	0.50 395	0.50 409	0.50 366	0.50 390

StereoAnything_RVC	0.50 341	0.50 253	0.50 352	0.50 324	0.50 408	0.50 375	0.50 402	0.50 363	0.50 402	0.50 374	0.50 408	0.50 380	0.50 399	0.50 371	0.50 362	0.50 358	0.50 376	0.50 395	0.50 409	0.50 366	0.50 390

dual_stereo	0.50 341	0.50 253	0.50 352	0.50 324	0.50 408	0.50 375	0.50 402	0.50 363	0.50 402	0.50 374	0.50 408	0.50 380	0.50 399	0.50 371	0.50 362	0.50 358	0.50 376	0.50 395	0.50 409	0.50 366	0.50 390

MyStereo8	0.71 386	3.92 561	0.52 362	0.59 349	0.52 414	0.57 403	0.53 408	0.59 396	0.50 402	0.59 404	0.51 414	0.57 404	0.50 399	0.56 394	0.52 376	0.54 370	0.49 368	0.54 407	0.49 407	0.55 380	0.50 390

TorneroNet	0.66 372	0.53 266	0.50 352	0.50 324	0.64 436	1.06 457	0.70 437	0.50 363	0.51 409	0.49 361	0.69 442	0.49 365	0.50 399	0.48 358	1.15 484	0.71 405	0.49 368	1.14 475	1.08 478	0.49 361	0.49 384

SANet	0.50 341	0.50 253	0.50 352	0.50 324	0.50 408	0.50 375	0.50 402	0.50 363	0.50 402	0.50 374	0.50 408	0.50 380	0.50 399	0.50 371	0.50 362	0.50 358	0.50 376	0.50 395	0.50 409	0.50 366	0.50 390

999	1.00 444	1.12 361	0.59 376	1.10 422	1.21 544	1.09 463	0.52 407	1.08 452	1.43 557	1.18 474	1.35 548	0.98 456	0.52 405	0.91 442	0.85 458	0.72 406	1.46 540	0.83 447	0.98 469	0.68 391	1.41 553

SMoEStereo_RVC	0.63 367	0.75 292	0.51 359	0.73 373	0.53 417	0.71 418	0.47 389	0.67 407	0.58 418	0.74 426	0.60 425	0.72 423	0.53 406	0.74 420	0.51 374	0.61 386	0.62 402	0.62 413	0.61 428	0.63 387	0.61 416

WCG-NET	0.61 362	1.21 418	0.54 367	0.61 353	0.53 417	0.67 414	0.53 408	0.66 406	0.53 410	0.64 411	0.53 417	0.65 416	0.53 406	0.59 401	0.52 376	0.65 393	0.48 365	0.64 416	0.52 413	0.58 383	0.50 390

PSMNet_ROB	0.54 351	0.54 269	0.54 367	0.54 337	0.53 417	0.54 395	0.54 410	0.53 382	0.54 412	0.54 392	0.54 418	0.54 395	0.53 406	0.54 389	0.54 392	0.54 370	0.53 386	0.54 407	0.54 415	0.54 379	0.54 402

test_xeample3	1.10 457	1.81 454	0.61 383	0.84 387	0.49 404	0.77 421	0.66 425	0.92 437	1.40 555	0.68 417	0.46 391	0.78 430	0.54 409	1.72 540	1.48 556	1.34 512	1.52 544	1.35 540	1.67 574	1.33 515	1.55 558

anonymity	0.63 367	0.69 285	0.56 372	0.71 371	0.56 422	0.71 418	0.56 414	0.71 412	0.56 414	0.72 419	0.56 422	0.71 420	0.56 410	0.71 415	0.58 399	0.68 397	0.55 388	0.68 421	0.55 416	0.68 391	0.54 402

MyStereo05	0.80 405	4.12 562	0.63 385	0.63 356	0.61 432	0.62 409	0.66 425	0.65 404	0.62 425	0.67 415	0.61 429	0.65 416	0.58 411	0.67 412	0.55 394	0.60 382	0.57 392	0.64 416	0.55 416	0.72 400	0.55 407

DDUNet	0.81 410	2.45 506	0.57 374	0.90 392	0.60 426	0.88 436	0.59 418	0.90 432	0.60 421	0.88 440	0.60 425	0.90 446	0.58 411	0.88 438	0.60 402	0.84 423	0.60 397	0.86 450	0.57 422	0.86 422	0.60 415

zero-FE	0.72 389	1.31 430	0.66 391	0.92 397	0.60 426	0.82 431	0.58 416	0.82 426	0.58 418	0.81 436	0.60 425	0.81 439	0.60 413	0.82 430	0.58 399	0.74 408	0.59 396	0.73 426	0.52 413	0.76 405	0.51 397

UDG	0.80 405	2.21 486	0.60 378	0.91 394	0.60 426	0.90 439	0.58 416	0.88 431	0.60 421	0.90 441	0.60 425	0.88 443	0.60 413	0.90 441	0.58 399	0.86 425	0.60 397	0.84 448	0.59 425	0.84 421	0.61 416

AIO-Stereo-zeroshot1	0.75 394	0.92 323	0.85 423	0.96 408	0.59 425	1.27 522	0.44 377	0.59 396	0.69 436	0.91 443	0.68 439	0.55 399	0.61 415	1.06 463	0.83 457	0.62 390	0.70 414	0.90 452	0.41 381	0.89 425	0.56 410

zaero_v3	0.68 377	0.74 290	0.55 369	0.79 379	0.55 420	0.79 427	0.55 411	0.79 419	0.57 416	0.77 429	0.59 424	0.79 434	0.62 416	0.80 426	0.55 394	0.69 398	0.49 368	0.74 429	1.04 476	0.71 399	0.49 384

ITERv2	0.70 382	0.74 290	0.55 369	0.77 377	0.55 420	0.78 423	0.55 411	0.77 416	0.55 413	0.77 429	0.55 419	0.78 430	0.62 416	0.79 423	0.55 394	0.69 398	0.49 368	0.73 426	1.50 558	0.69 395	0.49 384

ARAFT	0.68 377	0.81 300	0.63 385	0.74 374	0.60 426	0.78 423	0.62 420	0.77 416	0.66 431	0.74 426	0.63 431	0.75 427	0.62 416	0.83 431	0.60 402	0.70 403	0.55 388	0.70 424	0.60 426	0.78 408	0.55 407

AFF-stereo	0.73 392	0.88 310	0.67 395	0.75 375	0.68 445	0.75 420	0.64 422	0.80 422	0.72 446	0.83 438	0.70 444	0.82 440	0.64 419	0.84 432	0.67 410	0.77 411	0.63 403	0.81 441	0.63 430	0.78 408	0.62 419

DSFCA	0.66 372	0.73 289	0.78 415	0.65 360	0.65 438	0.64 411	0.64 422	0.65 404	0.63 427	0.64 411	0.64 433	0.64 413	0.64 419	0.65 409	0.65 406	0.65 393	0.65 407	0.65 419	0.65 432	0.66 389	0.64 421

RSM++	0.76 398	0.82 302	0.66 391	0.85 389	0.64 436	0.85 433	0.71 440	0.94 441	0.64 428	0.87 439	0.67 438	0.87 442	0.65 421	0.84 432	0.65 406	0.81 416	0.70 414	0.79 436	0.71 446	0.83 420	0.70 430

plain	1.88 531	3.16 539	0.64 387	3.10 556	0.65 438	3.10 593	0.64 422	3.12 593	0.65 429	3.10 594	0.65 435	3.11 594	0.65 421	3.12 593	0.65 406	3.12 589	0.65 407	3.13 594	0.65 432	3.13 579	0.65 422

LMCR-Stereo	0.65 370	0.63 281	0.65 390	0.65 360	0.65 438	0.66 413	0.63 421	0.58 394	0.65 429	0.63 410	0.64 433	0.65 416	0.65 421	0.66 410	0.66 409	0.66 395	0.64 405	0.65 419	0.67 438	0.68 391	0.73 438

TorneroNet-64	0.45 316	0.27 145	0.30 228	0.58 346	0.27 254	0.70 416	0.30 268	0.28 221	0.73 449	0.73 421	0.28 261	0.71 420	0.66 424	0.75 421	0.27 216	0.27 218	0.29 244	0.37 283	0.75 450	0.28 216	0.30 266

MIF-Stereo (partial)	2.58 586	3.31 543	0.66 391	3.18 560	0.66 441	3.18 594	0.66 425	3.21 594	0.67 432	3.19 595	0.66 437	3.19 595	0.66 424	3.31 597	0.68 414	5.09 618	1.79 566	8.23 637	1.67 574	6.18 621	1.38 552

ITER	0.72 389	0.77 293	0.55 369	0.77 377	0.57 424	0.78 423	0.55 411	0.77 416	0.56 414	0.79 432	0.55 419	0.78 430	0.67 426	0.80 426	0.55 394	0.70 403	0.50 376	0.81 441	1.66 572	0.69 395	0.49 384

DCRE	0.84 422	1.89 461	0.77 414	0.94 403	0.72 452	0.88 436	0.73 443	0.87 428	0.78 453	0.90 441	0.71 448	0.88 443	0.67 426	0.88 438	0.73 442	0.81 416	0.68 409	0.81 441	0.70 443	0.82 418	0.70 430

R-Stereo Train	0.81 410	0.96 329	0.67 395	0.95 405	0.67 442	0.95 444	0.68 430	0.95 443	0.68 433	0.95 451	0.68 439	0.96 454	0.68 428	0.96 452	0.68 414	0.94 436	0.68 409	0.94 459	0.68 439	0.94 435	0.68 427

RAFT-Stereo	0.81 410	0.96 329	0.67 395	0.95 405	0.67 442	0.95 444	0.68 430	0.95 443	0.68 433	0.95 451	0.68 439	0.96 454	0.68 428	0.96 452	0.68 414	0.94 436	0.68 409	0.94 459	0.68 439	0.94 435	0.68 427
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
STTRV1_RVC	0.82 415	1.60 444	0.70 398	1.01 415	0.60 426	1.07 460	0.69 433	1.01 449	0.60 421	0.72 419	0.55 419	1.02 462	0.68 428	1.03 461	0.67 410	0.89 427	0.63 403	0.92 457	0.57 422	0.90 428	0.65 422

FlowAnything_test	1.02 452	1.72 448	0.71 402	1.59 502	0.70 448	1.61 538	0.69 433	1.61 530	0.70 439	1.60 533	0.70 444	1.61 541	0.69 431	1.61 537	0.70 434	0.81 416	0.58 394	0.81 441	0.55 416	0.81 416	0.56 410

FlowAnything	1.02 452	1.71 447	0.72 405	1.59 502	0.69 446	1.60 537	0.69 433	1.61 530	0.70 439	1.60 533	0.69 442	1.60 538	0.69 431	1.61 537	0.69 419	0.81 416	0.58 394	0.81 441	0.56 420	0.82 418	0.56 410

UniTT-Stereo	2.03 550	3.43 545	0.72 405	3.42 571	0.73 453	3.27 596	0.68 430	3.38 597	0.69 436	3.29 597	0.72 451	3.28 597	0.70 433	3.35 598	0.68 414	3.39 591	0.68 409	3.31 596	0.69 441	3.37 580	0.73 438

RAFT-Stereo + iAFF	0.70 382	0.72 288	0.71 402	0.80 382	0.62 435	0.82 431	0.61 419	0.81 425	0.62 425	0.81 436	0.63 431	0.80 436	0.70 433	0.73 418	0.61 404	0.76 410	0.61 401	0.74 429	0.61 428	0.77 407	0.61 416

DMCA-RVC	0.70 382	0.80 297	0.70 398	0.70 369	0.70 448	0.70 416	0.70 437	0.71 412	0.70 439	0.70 418	0.71 448	0.71 420	0.70 433	0.70 414	0.69 419	0.69 398	0.70 414	0.69 422	0.70 443	0.69 395	0.70 430

MSMD_ROB	1.19 462	1.10 360	0.70 398	1.10 422	0.60 426	1.10 464	0.70 437	1.10 455	0.70 439	1.10 463	0.70 444	1.10 469	0.70 433	7.00 636	0.70 434	1.10 447	0.70 414	1.10 474	0.70 443	1.10 448	0.70 430

MoCha-V2	2.11 557	26.97 641	0.78 415	0.92 397	0.77 457	0.96 446	0.72 442	0.90 432	0.72 446	0.94 449	0.70 444	0.90 446	0.71 437	0.91 442	0.71 439	0.85 424	0.71 418	0.88 451	0.69 441	0.87 423	0.67 426

AdaDepth	0.86 425	0.93 325	0.71 402	1.01 415	1.07 485	1.02 454	0.71 440	1.00 445	0.71 444	1.01 457	0.71 448	1.00 457	0.72 438	1.14 474	0.71 439	0.92 431	0.64 405	0.90 452	0.64 431	0.89 425	0.69 429

tt45	1.04 454	0.88 310	1.36 531	0.92 397	1.03 483	1.51 536	0.79 449	0.70 411	0.88 462	0.74 426	0.90 464	1.60 538	0.72 438	1.60 535	0.75 447	0.91 428	0.78 426	1.52 547	0.79 454	1.14 450	1.32 545

HSM-Net_RVC	0.95 440	1.17 368	0.78 415	1.18 437	0.71 450	1.16 472	0.75 445	1.09 454	0.80 457	1.10 463	0.75 455	1.17 477	0.74 440	1.17 477	0.80 453	1.13 453	0.73 420	1.17 481	0.77 451	1.16 454	0.72 435
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
PA-Net	11.80 637	223.51 663	0.62 384	0.59 349	0.71 450	0.59 405	0.73 443	0.67 407	0.73 449	0.55 395	0.61 429	0.60 409	0.74 440	0.63 407	0.73 442	0.66 395	0.60 397	0.69 422	0.66 434	0.72 400	0.65 422
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
ours_stereo	1.20 463	1.21 418	0.90 432	1.64 510	1.11 487	1.35 525	0.67 429	1.76 537	0.93 470	1.70 541	1.10 482	1.39 532	0.75 442	1.41 532	0.81 456	1.60 530	1.03 448	1.33 537	1.00 471	1.61 525	0.72 435

Wavelet-MonSter	1.00 444	1.21 418	0.76 412	1.94 516	1.01 480	1.11 467	0.76 446	1.15 457	0.76 452	1.11 468	0.76 456	1.14 474	0.76 443	1.11 471	0.76 449	1.21 503	0.90 436	1.02 470	0.71 446	1.02 444	0.71 434

iGMRVC	0.84 422	2.85 532	0.72 405	0.72 372	0.73 453	0.77 421	0.79 449	0.73 414	0.74 451	0.73 421	0.72 451	0.73 425	0.76 443	0.73 418	0.73 442	0.72 406	0.73 420	0.73 426	0.72 448	0.73 403	0.72 435

RAStereo	2.23 571	3.64 548	0.76 412	3.65 580	0.86 463	3.66 600	0.76 446	3.67 601	0.81 460	3.66 598	0.76 456	3.66 599	0.77 445	3.68 600	0.77 450	3.68 594	0.77 425	3.69 601	0.77 451	3.70 583	0.77 445

ToySt	0.92 432	2.11 477	0.90 432	0.95 405	0.79 459	0.99 448	0.78 448	0.94 441	0.81 460	0.94 449	0.78 458	0.95 453	0.77 445	0.94 448	0.86 459	0.91 428	0.79 427	0.85 449	0.77 451	0.89 425	0.73 438

G-Net	0.79 403	0.79 296	0.79 418	0.79 379	0.79 459	0.79 427	0.79 449	0.79 419	0.79 456	0.79 432	0.79 459	0.79 434	0.79 447	0.79 423	0.79 451	0.79 412	0.79 427	0.79 436	0.79 454	0.79 410	0.79 446

NaN_ROB	0.80 405	0.80 297	0.80 419	0.80 382	0.80 461	0.80 429	0.80 452	0.80 422	0.80 457	0.80 434	0.80 460	0.80 436	0.80 448	0.80 426	0.80 453	0.80 413	0.80 430	0.80 439	0.80 456	0.80 413	0.80 447

CSAN	0.80 405	0.80 297	0.80 419	0.80 382	0.80 461	0.80 429	0.80 452	0.80 422	0.80 457	0.80 434	0.80 460	0.80 436	0.80 448	0.80 426	0.80 453	0.80 413	0.80 430	0.80 439	0.80 456	0.80 413	0.80 447

AIO-Stereo-zeroshot	0.91 430	0.86 306	0.89 427	1.25 487	0.69 446	1.05 456	0.81 454	1.16 460	0.50 402	1.12 469	0.97 473	0.72 423	0.82 450	1.06 463	0.95 467	0.61 386	0.87 435	1.03 472	0.85 462	1.04 445	1.01 470

DPSimNet_ROB	0.97 441	1.18 370	0.81 421	1.10 422	0.91 469	1.02 454	0.82 455	1.04 451	0.91 465	1.03 459	0.86 463	1.28 528	0.82 450	1.03 461	0.89 460	1.17 456	0.81 432	1.02 470	0.82 459	1.08 447	0.81 449

DPSM_ROB	0.92 432	0.91 318	0.91 438	0.91 394	0.92 470	0.92 441	0.92 463	0.92 437	0.91 465	0.93 447	0.91 467	0.92 449	0.90 452	0.91 442	0.92 462	0.92 431	0.91 438	0.91 455	0.92 464	0.93 433	0.93 460

DPSM	0.92 432	0.91 318	0.91 438	0.91 394	0.92 470	0.92 441	0.92 463	0.92 437	0.91 465	0.93 447	0.91 467	0.92 449	0.90 452	0.91 442	0.92 462	0.92 431	0.91 438	0.91 455	0.92 464	0.93 433	0.93 460

NLCSM	1.94 533	1.36 434	0.90 432	17.57 638	1.19 497	1.40 531	0.90 460	1.37 524	0.90 463	1.37 527	0.91 467	1.38 530	0.91 454	1.37 529	0.90 461	1.28 508	0.90 436	1.25 533	0.85 462	1.24 511	0.85 452

DGTPSM_ROB	0.93 437	1.00 336	0.92 441	0.94 403	0.96 474	0.91 440	0.92 463	0.91 434	0.96 474	0.91 443	0.96 472	0.93 452	0.92 455	0.94 448	0.92 462	0.92 431	0.92 440	0.90 452	0.92 464	0.94 435	0.91 458

pmcnn	0.92 432	0.92 323	0.92 441	0.92 397	0.92 470	0.92 441	0.92 463	0.92 437	0.92 469	0.92 445	0.92 471	0.92 449	0.92 455	0.92 446	0.92 462	0.92 431	0.92 440	0.92 457	0.92 464	0.92 432	0.92 459

MM-Stereo_test2	1.20 463	1.85 457	1.05 452	1.46 499	0.94 473	1.36 527	0.99 470	1.36 522	0.95 472	1.41 529	0.98 474	1.40 534	0.96 457	1.37 529	0.95 467	1.37 517	1.06 449	1.33 537	0.93 468	1.29 514	0.89 456

MaDis-Stereo	3.19 595	6.02 597	1.12 455	5.61 611	1.16 493	5.43 627	1.02 476	5.15 627	0.70 439	5.43 627	1.21 536	5.03 628	0.97 458	4.85 621	0.99 471	4.53 600	1.16 466	5.53 629	1.25 539	5.37 617	1.30 543

Selective-RAFT-Error	0.88 427	0.84 303	0.98 446	0.86 390	0.97 475	0.88 436	0.95 467	0.84 427	0.99 478	0.92 445	0.82 462	0.84 441	0.98 459	0.87 437	0.97 469	0.81 416	0.83 433	0.79 436	0.82 459	0.79 410	0.85 452

HH	0.71 386	2.54 508	0.74 409	1.10 422	0.32 312	0.41 292	0.37 341	0.69 409	0.78 453	0.73 421	0.90 464	0.75 427	1.00 460	0.84 432	0.69 419	0.69 398	0.40 321	0.35 275	0.26 249	0.35 252	0.26 228

HanStereo	0.71 386	2.54 508	0.74 409	1.10 422	0.32 312	0.41 292	0.37 341	0.69 409	0.78 453	0.73 421	0.90 464	0.75 427	1.00 460	0.84 432	0.69 419	0.69 398	0.40 321	0.35 275	0.26 249	0.35 252	0.26 228

Selective-RAFT	0.89 429	0.89 313	0.72 405	1.16 435	0.78 458	1.06 457	0.82 455	0.87 428	0.97 475	1.00 453	0.91 467	0.90 446	1.00 460	0.89 440	0.93 466	0.83 421	0.83 433	0.82 446	0.82 459	0.81 416	0.82 450

GANet	1.00 444	1.00 336	1.00 448	1.00 412	1.00 476	1.00 449	1.00 471	1.00 445	1.00 479	1.00 453	1.00 475	1.00 457	1.00 460	1.00 456	1.00 472	1.00 438	1.00 443	1.00 466	1.00 471	1.00 439	1.00 467

TDLM	1.00 444	1.00 336	1.00 448	1.00 412	1.00 476	1.00 449	1.00 471	1.00 445	1.00 479	1.00 453	1.00 475	1.00 457	1.00 460	1.00 456	1.00 472	1.00 438	1.00 443	1.00 466	1.00 471	1.00 439	1.00 467

CVANet_RVC	1.00 444	1.00 336	1.00 448	1.00 412	1.00 476	1.00 449	1.00 471	1.00 445	1.00 479	1.00 453	1.00 475	1.00 457	1.00 460	1.00 456	1.00 472	1.00 438	1.00 443	1.00 466	1.00 471	1.00 439	1.00 467

trnet	1.01 450	1.01 342	1.01 451	1.01 415	1.01 480	1.01 453	1.01 474	1.01 449	1.01 482	1.01 457	1.01 478	1.01 461	1.01 466	1.01 460	1.01 475	1.01 441	1.01 446	1.01 469	1.01 475	1.01 442	1.01 470

MM-Stereo_test3	1.27 513	2.07 473	1.18 463	1.60 505	1.02 482	1.45 534	1.01 474	1.40 527	1.04 484	1.44 530	1.03 479	1.46 536	1.02 467	1.44 533	1.02 476	1.51 526	1.12 463	1.32 536	0.98 469	1.38 518	0.97 463

GLC_STEREO	1.07 455	1.01 342	1.06 453	1.07 420	1.05 484	1.06 457	1.08 478	1.08 452	1.05 485	1.07 461	1.06 480	1.08 465	1.05 468	1.06 463	1.10 479	1.07 444	1.09 456	1.05 473	1.05 477	1.06 446	1.12 477

AIO-Stereo	0.84 422	0.66 284	0.70 398	0.83 386	0.67 442	0.98 447	0.82 455	1.14 456	0.72 446	1.03 459	0.74 454	1.03 463	1.09 469	0.99 454	0.45 337	1.04 442	0.73 420	0.95 461	0.74 449	0.94 435	0.46 370

KSHMR	0.66 372	0.50 253	0.48 341	1.15 430	0.52 414	0.49 367	0.51 406	0.49 355	0.71 444	0.67 415	0.50 408	1.16 476	1.11 470	0.66 410	0.52 376	0.49 352	0.49 368	0.51 400	0.66 434	0.50 366	1.14 481

RP	2.33 575	25.00 634	1.13 456	1.15 430	1.15 489	1.10 464	1.15 483	1.15 457	1.15 487	1.12 469	1.15 483	1.09 467	1.13 471	1.10 469	1.15 484	1.11 452	1.09 456	1.16 477	1.12 480	1.16 454	1.17 486

RGC	2.36 577	25.48 635	1.19 465	1.15 430	1.15 489	1.10 464	1.16 485	1.17 462	1.16 488	1.12 469	1.16 486	1.11 472	1.13 471	1.09 467	1.18 489	1.10 447	1.15 465	1.16 477	1.12 480	1.14 450	1.12 477

Abc-Net	2.32 574	24.75 633	1.14 457	1.17 436	1.17 494	1.11 467	1.15 483	1.17 462	1.21 540	1.08 462	1.16 486	1.12 473	1.14 473	1.09 467	1.17 488	1.09 445	1.16 466	1.17 481	1.17 485	1.16 454	1.11 475
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
IGEVStereo-DCA	1.77 527	4.21 566	1.84 568	2.49 540	2.11 593	2.54 578	1.36 547	1.65 534	1.17 492	2.75 588	1.90 582	2.54 574	1.15 474	0.94 448	1.11 480	1.50 524	1.32 520	0.96 462	1.46 556	1.49 521	0.88 454

rrr	1.77 527	4.21 566	1.84 568	2.49 540	2.11 593	2.54 578	1.36 547	1.65 534	1.17 492	2.75 588	1.90 582	2.54 574	1.15 474	0.94 448	1.11 480	1.50 524	1.32 520	0.96 462	1.46 556	1.49 521	0.88 454

NCC-stereo	2.36 577	25.52 636	1.17 461	1.15 430	1.17 494	1.11 467	1.11 479	1.15 457	1.16 488	1.10 463	1.16 486	1.10 469	1.15 474	1.14 474	1.13 482	1.09 445	1.11 460	1.15 476	1.16 484	1.17 459	1.17 486

Nwc_Net	2.37 579	25.95 638	1.15 459	1.14 428	1.15 489	1.08 461	1.14 482	1.17 462	1.16 488	1.14 472	1.15 483	1.08 465	1.15 474	1.11 471	1.14 483	1.10 447	1.11 460	1.16 477	1.09 479	1.16 454	1.15 482

edge stereo	2.43 582	27.07 642	1.14 457	1.06 419	1.14 488	1.08 461	1.17 486	1.16 460	1.14 486	1.10 463	1.16 486	1.09 467	1.16 478	1.10 469	1.16 487	1.10 447	1.11 460	1.16 477	1.19 486	1.13 449	1.11 475

AF-Net	2.37 579	25.71 637	1.17 461	1.13 427	1.15 489	1.15 471	1.18 487	1.19 465	1.16 488	1.10 463	1.15 483	1.10 469	1.18 479	1.12 473	1.15 484	1.10 447	1.10 459	1.17 481	1.15 482	1.16 454	1.12 477

stereogan	2.33 575	24.38 632	1.18 463	1.18 437	1.18 496	1.14 470	1.18 487	1.19 465	1.19 494	1.14 472	1.18 490	1.14 474	1.18 479	1.14 474	1.18 489	1.14 455	1.14 464	1.19 485	1.19 486	1.15 452	1.19 490

ktn	0.72 389	0.53 266	1.08 454	1.14 428	0.51 413	1.22 519	1.36 547	0.51 376	0.59 420	0.51 381	0.51 414	0.69 419	1.20 481	0.67 412	0.51 374	0.51 364	0.49 368	0.58 410	0.66 434	0.52 374	0.53 399

DisPM	1.20 463	1.20 372	1.20 468	1.20 439	1.20 498	1.20 473	1.20 489	1.20 468	1.20 495	1.20 476	1.20 491	1.20 479	1.20 481	1.20 479	1.20 491	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

CrosDoStereo	1.20 463	1.20 372	1.20 468	1.20 439	1.20 498	1.20 473	1.20 489	1.20 468	1.20 495	1.20 476	1.20 491	1.20 479	1.20 481	1.20 479	1.20 491	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

PFNet+	1.20 463	1.20 372	1.20 468	1.20 439	1.20 498	1.20 473	1.20 489	1.20 468	1.20 495	1.20 476	1.20 491	1.20 479	1.20 481	1.20 479	1.20 491	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

LCNet	1.20 463	1.20 372	1.20 468	1.20 439	1.20 498	1.20 473	1.20 489	1.20 468	1.20 495	1.20 476	1.20 491	1.20 479	1.20 481	1.20 479	1.20 491	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

HHNet	1.20 463	1.20 372	1.20 468	1.20 439	1.20 498	1.20 473	1.20 489	1.20 468	1.20 495	1.20 476	1.20 491	1.20 479	1.20 481	1.20 479	1.20 491	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

Patchmatch Stereo++	1.20 463	1.20 372	1.20 468	1.20 439	1.20 498	1.20 473	1.20 489	1.20 468	1.20 495	1.20 476	1.20 491	1.20 479	1.20 481	1.20 479	1.20 491	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491
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	1.20 463	1.20 372	1.20 468	1.20 439	1.20 498	1.20 473	1.20 489	1.20 468	1.20 495	1.20 476	1.20 491	1.20 479	1.20 481	1.20 479	1.20 491	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

STrans-v2	1.20 463	1.20 372	1.20 468	1.20 439	1.20 498	1.20 473	1.20 489	1.20 468	1.20 495	1.20 476	1.20 491	1.20 479	1.20 481	1.20 479	1.20 491	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

TransformOpticalFlow	1.20 463	1.20 372	1.20 468	1.20 439	1.20 498	1.20 473	1.20 489	1.20 468	1.20 495	1.20 476	1.20 491	1.20 479	1.20 481	1.20 479	1.20 491	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

OMP-Stereo	1.20 463	1.20 372	1.20 468	1.20 439	1.20 498	1.20 473	1.20 489	1.20 468	1.20 495	1.20 476	1.20 491	1.20 479	1.20 481	1.20 479	1.20 491	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

IIG-Stereo	1.20 463	1.20 372	1.20 468	1.20 439	1.20 498	1.20 473	1.20 489	1.20 468	1.20 495	1.20 476	1.20 491	1.20 479	1.20 481	1.20 479	1.20 491	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

NF-Stereo	1.20 463	1.20 372	1.20 468	1.20 439	1.20 498	1.20 473	1.20 489	1.20 468	1.20 495	1.20 476	1.20 491	1.20 479	1.20 481	1.20 479	1.20 491	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

OCTAStereo	1.20 463	1.20 372	1.20 468	1.20 439	1.20 498	1.20 473	1.20 489	1.20 468	1.20 495	1.20 476	1.20 491	1.20 479	1.20 481	1.20 479	1.20 491	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

PSM-softLoss	1.20 463	1.20 372	1.20 468	1.20 439	1.20 498	1.20 473	1.20 489	1.20 468	1.20 495	1.20 476	1.20 491	1.20 479	1.20 481	1.20 479	1.20 491	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

KMStereo	1.20 463	1.20 372	1.20 468	1.20 439	1.20 498	1.20 473	1.20 489	1.20 468	1.20 495	1.20 476	1.20 491	1.20 479	1.20 481	1.20 479	1.20 491	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

NRIStereo	1.20 463	1.20 372	1.20 468	1.20 439	1.20 498	1.20 473	1.20 489	1.20 468	1.20 495	1.20 476	1.20 491	1.20 479	1.20 481	1.20 479	1.20 491	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

PSM-adaLoss	1.20 463	1.20 372	1.20 468	1.20 439	1.20 498	1.20 473	1.20 489	1.20 468	1.20 495	1.20 476	1.20 491	1.20 479	1.20 481	1.20 479	1.20 491	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

PSM-AAD	1.20 463	1.20 372	1.20 468	1.20 439	1.20 498	1.20 473	1.20 489	1.20 468	1.20 495	1.20 476	1.20 491	1.20 479	1.20 481	1.20 479	1.20 491	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

FTStereo	1.20 463	1.20 372	1.20 468	1.20 439	1.20 498	1.20 473	1.20 489	1.20 468	1.20 495	1.20 476	1.20 491	1.20 479	1.20 481	1.20 479	1.20 491	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

ROB_FTStereo_v2	1.20 463	1.20 372	1.20 468	1.20 439	1.20 498	1.20 473	1.20 489	1.20 468	1.20 495	1.20 476	1.20 491	1.20 479	1.20 481	1.20 479	1.20 491	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

ROB_FTStereo	1.20 463	1.20 372	1.20 468	1.20 439	1.20 498	1.20 473	1.20 489	1.20 468	1.20 495	1.20 476	1.20 491	1.20 479	1.20 481	1.20 479	1.20 491	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

Consistency-Raft	1.20 463	1.20 372	1.20 468	1.20 439	1.20 498	1.20 473	1.20 489	1.20 468	1.20 495	1.20 476	1.20 491	1.20 479	1.20 481	1.20 479	1.20 491	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

KYRaft	1.20 463	1.20 372	1.20 468	1.20 439	1.20 498	1.20 473	1.20 489	1.20 468	1.20 495	1.20 476	1.20 491	1.20 479	1.20 481	1.20 479	1.20 491	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

HUI-Stereo	1.20 463	1.20 372	1.20 468	1.20 439	1.20 498	1.20 473	1.20 489	1.20 468	1.20 495	1.20 476	1.20 491	1.20 479	1.20 481	1.20 479	1.20 491	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

ASMatch	1.20 463	1.20 372	1.20 468	1.20 439	1.20 498	1.20 473	1.20 489	1.20 468	1.20 495	1.20 476	1.20 491	1.20 479	1.20 481	1.20 479	1.20 491	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

DeepStereo_LL	1.20 463	1.20 372	1.20 468	1.20 439	1.20 498	1.20 473	1.20 489	1.20 468	1.20 495	1.20 476	1.20 491	1.20 479	1.20 481	1.20 479	1.20 491	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

DEmStereo	1.20 463	1.20 372	1.20 468	1.20 439	1.20 498	1.20 473	1.20 489	1.20 468	1.20 495	1.20 476	1.20 491	1.20 479	1.20 481	1.20 479	1.20 491	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

SST-Stereo	1.20 463	1.20 372	1.20 468	1.20 439	1.20 498	1.20 473	1.20 489	1.20 468	1.20 495	1.20 476	1.20 491	1.20 479	1.20 481	1.20 479	1.20 491	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

THIR-Stereo	1.20 463	1.20 372	1.20 468	1.20 439	1.20 498	1.20 473	1.20 489	1.20 468	1.20 495	1.20 476	1.20 491	1.20 479	1.20 481	1.20 479	1.20 491	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

RAFT_R40	1.20 463	1.20 372	1.20 468	1.20 439	1.20 498	1.20 473	1.20 489	1.20 468	1.20 495	1.20 476	1.20 491	1.20 479	1.20 481	1.20 479	1.20 491	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

DRaft	1.20 463	1.20 372	1.20 468	1.20 439	1.20 498	1.20 473	1.20 489	1.20 468	1.20 495	1.20 476	1.20 491	1.20 479	1.20 481	1.20 479	1.20 491	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

PFNet	1.20 463	1.20 372	1.20 468	1.20 439	1.20 498	1.20 473	1.20 489	1.20 468	1.20 495	1.20 476	1.20 491	1.20 479	1.20 481	1.20 479	1.20 491	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

GrayStereo	1.20 463	1.20 372	1.20 468	1.20 439	1.20 498	1.20 473	1.20 489	1.20 468	1.20 495	1.20 476	1.20 491	1.20 479	1.20 481	1.20 479	1.20 491	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

RE-Stereo	1.20 463	1.20 372	1.20 468	1.20 439	1.20 498	1.20 473	1.20 489	1.20 468	1.20 495	1.20 476	1.20 491	1.20 479	1.20 481	1.20 479	1.20 491	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

Pruner-Stereo	1.20 463	1.20 372	1.20 468	1.20 439	1.20 498	1.20 473	1.20 489	1.20 468	1.20 495	1.20 476	1.20 491	1.20 479	1.20 481	1.20 479	1.20 491	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

TVStereo	1.20 463	1.20 372	1.20 468	1.20 439	1.20 498	1.20 473	1.20 489	1.20 468	1.20 495	1.20 476	1.20 491	1.20 479	1.20 481	1.20 479	1.20 491	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

DeepStereo_RVC	1.20 463	1.20 372	1.20 468	1.20 439	1.20 498	1.20 473	1.20 489	1.20 468	1.20 495	1.20 476	1.20 491	1.20 479	1.20 481	1.20 479	1.20 491	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

RAFT-RH_RVC	1.20 463	1.20 372	1.20 468	1.20 439	1.20 498	1.20 473	1.20 489	1.20 468	1.20 495	1.20 476	1.20 491	1.20 479	1.20 481	1.20 479	1.20 491	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

IRAFT_RVC	1.20 463	1.20 372	1.20 468	1.20 439	1.20 498	1.20 473	1.20 489	1.20 468	1.20 495	1.20 476	1.20 491	1.20 479	1.20 481	1.20 479	1.20 491	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

RAFT-345	1.20 463	1.20 372	1.20 468	1.20 439	1.20 498	1.20 473	1.20 489	1.20 468	1.20 495	1.20 476	1.20 491	1.20 479	1.20 481	1.20 479	1.20 491	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

iRAFT	1.20 463	1.20 372	1.20 468	1.20 439	1.20 498	1.20 473	1.20 489	1.20 468	1.20 495	1.20 476	1.20 491	1.20 479	1.20 481	1.20 479	1.20 491	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

CRE-IMP	1.20 463	1.20 372	1.20 468	1.20 439	1.20 498	1.20 473	1.20 489	1.20 468	1.20 495	1.20 476	1.20 491	1.20 479	1.20 481	1.20 479	1.20 491	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

GMM-Stereo	1.20 463	1.20 372	1.20 468	1.20 439	1.20 498	1.20 473	1.20 489	1.20 468	1.20 495	1.20 476	1.20 491	1.20 479	1.20 481	1.20 479	1.20 491	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

RAFT-IKP	1.20 463	1.20 372	1.20 468	1.20 439	1.20 498	1.20 473	1.20 489	1.20 468	1.20 495	1.20 476	1.20 491	1.20 479	1.20 481	1.20 479	1.20 491	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

Prome-Stereo	1.20 463	1.20 372	1.20 468	1.20 439	1.20 498	1.20 473	1.20 489	1.20 468	1.20 495	1.20 476	1.20 491	1.20 479	1.20 481	1.20 479	1.20 491	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

HBP-ISP	1.24 511	1.72 448	1.65 551	1.15 430	0.76 456	1.40 531	0.88 458	1.67 536	1.02 483	1.69 540	1.38 553	1.69 542	1.21 527	1.87 547	1.21 536	1.05 443	0.79 427	0.97 464	0.80 456	1.19 462	0.75 442

GANetREF_RVC	1.55 520	1.94 470	1.22 515	1.88 513	1.21 544	1.88 544	1.22 535	1.88 539	1.22 541	1.88 542	1.22 537	1.88 544	1.22 528	1.89 548	1.22 537	1.87 538	1.22 518	1.88 561	1.22 535	1.88 537	1.22 537
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
FAT-Stereo	2.46 583	26.05 639	1.23 517	1.23 486	1.22 546	1.20 473	1.24 537	1.23 516	1.23 542	1.19 475	1.22 537	1.21 524	1.24 529	1.20 479	1.24 538	1.21 503	1.17 469	1.22 532	1.25 539	1.20 463	1.24 540

SPS-STEREO	1.59 521	1.91 464	1.21 514	1.94 516	1.20 498	2.00 552	1.23 536	1.99 544	1.24 543	2.00 550	1.25 540	2.03 554	1.26 530	2.00 552	1.29 545	1.90 542	1.18 470	1.89 562	1.21 534	1.89 538	1.20 491
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
StereoVision	3.15 594	5.00 576	0.89 427	4.83 602	1.00 476	3.93 601	1.27 541	6.37 630	1.34 548	5.67 630	1.26 541	5.84 631	1.27 531	5.03 627	1.24 538	5.10 619	1.09 456	4.61 613	0.57 422	5.62 619	1.12 477

S-Stereo	2.51 584	26.86 640	1.23 517	1.22 484	1.22 546	1.24 521	1.25 538	1.22 514	1.24 543	1.21 521	1.24 539	1.19 478	1.27 531	1.19 478	1.24 538	1.19 457	1.20 471	1.25 533	1.19 486	1.24 511	1.23 539

11t	1.27 513	2.70 517	1.34 521	1.32 492	0.89 465	1.30 524	1.34 544	1.64 533	0.57 416	1.45 531	0.72 451	1.05 464	1.29 533	1.07 466	1.29 545	1.49 523	1.02 447	0.97 464	1.15 482	1.48 520	1.31 544

3.25w_new	2.03 550	2.72 521	1.35 523	3.33 568	1.57 558	2.72 584	1.53 562	2.15 554	1.33 547	2.15 560	1.60 564	2.63 580	1.30 534	2.72 585	1.99 592	2.67 584	1.53 545	1.75 552	1.25 539	2.53 570	1.87 583

FC-DCNN	1.07 455	1.09 357	0.98 446	0.89 391	0.52 414	1.41 533	0.91 462	1.21 513	1.24 543	1.96 545	2.05 599	1.91 546	1.30 534	1.27 527	1.08 478	0.80 413	0.60 397	0.58 410	0.41 381	0.68 391	0.54 402

4w-stereo	2.02 548	2.72 521	1.44 538	3.36 569	1.59 560	2.48 571	1.72 569	2.28 556	1.24 543	2.24 562	1.65 568	2.56 576	1.32 536	2.39 568	1.98 591	2.67 584	1.51 543	1.66 550	1.24 537	2.53 570	1.88 586

CC-Net-ROB	1.36 516	1.33 432	1.33 520	1.36 495	1.38 551	1.36 527	1.33 543	1.37 524	1.34 548	1.35 525	1.36 550	1.38 530	1.34 537	1.38 531	1.38 552	1.35 513	1.38 536	1.33 537	1.35 544	1.43 519	1.34 548

2.5w	2.01 547	2.40 503	1.37 533	3.28 563	2.01 587	2.71 583	1.43 560	1.82 538	1.83 581	1.90 544	1.41 555	2.71 583	1.35 538	2.71 583	1.85 581	2.66 582	1.53 545	1.64 549	1.23 536	2.53 570	1.87 583

3.5w_stereo	2.03 550	2.72 521	1.35 523	3.41 570	1.57 558	2.72 584	1.49 561	2.01 546	1.34 548	2.15 560	1.61 566	2.63 580	1.36 539	2.72 585	1.99 592	2.66 582	1.58 550	1.68 551	1.24 537	2.53 570	1.87 583

MaskLacGwcNet_RVC	1.35 515	1.35 433	1.35 523	1.35 494	1.35 548	1.35 525	1.35 545	1.36 522	1.35 551	1.36 526	1.35 548	1.36 529	1.36 539	1.36 528	1.35 549	1.35 513	1.35 532	1.35 540	1.35 544	1.35 516	1.35 549

MC-Stereo	1.76 526	2.96 533	1.37 533	2.14 524	1.37 550	2.14 558	1.36 547	2.14 553	1.37 553	2.14 559	1.37 551	2.14 556	1.37 541	2.14 557	1.37 551	1.97 546	1.32 520	1.97 564	1.32 543	1.98 539	1.33 546

PS-NSSS	1.38 518	1.39 436	1.34 521	1.34 493	1.35 548	1.38 529	1.37 552	1.35 521	1.38 554	1.34 524	1.34 547	1.39 532	1.38 542	1.70 539	1.40 553	1.36 515	1.36 533	1.36 542	1.37 547	1.37 517	1.36 550

sCroCo_RVC	2.10 556	2.76 525	1.92 578	2.78 551	1.39 552	2.73 586	1.41 555	2.73 584	1.40 555	2.77 593	1.41 555	2.74 589	1.40 543	2.74 588	1.40 553	2.72 586	1.42 538	2.72 592	1.44 555	2.79 577	1.42 554

MM-Stereo_test1	1.80 529	3.41 544	1.52 546	2.12 523	1.41 553	2.04 553	1.41 555	2.05 548	1.46 558	2.04 554	1.41 555	2.05 555	1.42 544	2.05 553	1.43 555	2.04 550	1.54 547	1.94 563	1.38 549	1.99 540	1.33 546

RASNet	1.49 519	1.65 445	1.45 539	1.38 497	1.43 554	1.47 535	1.36 547	1.38 526	1.36 552	1.39 528	1.60 564	1.45 535	1.45 545	1.51 534	2.21 594	1.53 527	1.36 533	1.36 542	1.36 546	1.66 528	1.36 550

ccnet	0.80 405	2.28 490	0.33 264	0.50 324	0.33 325	0.50 375	0.33 312	0.50 363	0.33 319	0.49 361	0.33 320	0.49 365	1.56 546	2.38 566	0.33 269	0.41 315	0.29 244	0.42 352	1.57 560	2.28 551	0.29 254

MonStereo1	1.94 533	2.77 527	1.52 546	3.73 584	1.51 557	2.13 557	1.42 557	2.32 563	1.52 559	2.31 567	1.50 558	2.53 571	1.59 547	2.34 565	1.56 558	1.91 543	1.36 533	1.86 557	1.31 542	2.07 541	1.53 556

DPSMNet_ROB	1.60 522	1.59 443	1.70 553	1.59 502	1.59 560	1.61 538	1.61 563	1.60 529	1.60 561	1.62 539	1.59 563	1.60 538	1.60 548	1.60 535	1.59 560	1.59 528	1.60 554	1.59 548	1.59 565	1.59 524	1.59 563

asd	2.18 561	2.77 527	1.58 548	3.59 578	2.00 586	2.58 580	1.85 575	2.39 568	1.71 567	2.47 574	1.97 588	2.59 578	1.61 549	2.56 575	1.79 577	2.51 579	1.99 571	2.11 570	1.62 569	2.36 555	1.60 564

4.25w-stereo	1.98 535	2.72 521	1.46 540	3.47 573	1.43 554	2.07 555	1.98 583	2.53 575	1.52 559	2.71 581	1.98 594	1.81 543	1.62 550	1.96 550	1.36 550	1.88 541	2.00 572	2.53 588	1.61 567	1.74 532	1.15 482

Anonymous3	2.55 585	3.26 542	1.65 551	3.28 563	1.63 563	3.24 595	1.68 566	3.27 595	1.66 562	3.28 596	1.67 569	3.25 596	1.66 551	3.27 595	1.64 562	3.26 590	1.65 557	3.30 595	1.65 571	4.95 612	1.65 571

qwe	2.18 561	2.60 511	1.58 548	3.83 586	1.90 584	2.53 576	1.90 581	2.48 571	1.73 572	2.37 570	1.92 584	2.53 571	1.68 552	2.56 575	1.83 579	2.52 581	1.87 570	2.07 566	1.68 576	2.32 553	1.71 573

4.5w-stereo	1.99 536	2.33 494	1.81 559	3.28 563	1.68 567	1.94 546	1.99 586	2.72 578	1.70 566	2.72 582	1.99 597	1.97 549	1.68 552	1.76 541	1.29 545	1.91 543	2.02 578	2.53 588	1.61 567	1.75 533	1.16 485

MonStereo	2.17 559	2.41 504	1.49 545	2.67 545	1.67 565	2.60 581	2.04 590	2.32 563	1.76 575	2.44 572	1.68 570	2.50 569	1.69 554	2.38 566	1.80 578	2.28 563	1.78 564	2.63 591	2.14 594	3.47 581	1.68 572

UDGNet	2.23 571	5.40 587	1.72 556	2.48 539	1.69 568	2.51 575	1.69 567	2.51 574	1.72 571	2.50 576	1.69 571	2.52 570	1.69 554	2.50 573	1.68 566	2.41 573	1.70 560	2.42 582	1.69 578	2.42 557	1.64 569

MFMNet_re	1.81 530	1.91 464	1.71 555	1.95 518	1.70 571	1.95 549	1.70 568	1.96 542	1.74 574	1.97 547	1.72 572	1.95 547	1.71 556	1.97 551	1.71 568	1.86 536	1.62 555	1.85 554	1.66 572	1.86 536	1.64 569

3.75w	1.99 536	2.31 492	1.83 567	3.16 559	1.65 564	1.93 545	1.98 583	2.72 578	1.68 563	2.73 587	1.97 588	2.00 551	1.72 557	1.81 545	1.25 541	2.27 562	2.01 574	2.38 580	1.42 553	1.71 530	1.24 540

asda	2.17 559	2.54 508	1.81 559	3.47 573	1.78 574	2.50 574	1.86 576	2.61 577	1.68 563	2.61 579	1.83 574	2.37 565	1.73 558	2.44 572	1.88 586	2.51 579	1.84 568	2.34 577	1.62 569	2.23 547	1.77 578

2.75w_new	1.99 536	2.34 498	1.81 559	3.14 557	1.62 562	1.94 546	1.99 586	2.72 578	1.71 567	2.72 582	1.99 597	1.90 545	1.73 558	1.82 546	1.29 545	2.37 570	2.01 574	2.31 575	1.42 553	1.77 534	1.22 537

4.25_new	2.00 540	2.33 494	1.82 564	3.32 566	1.69 568	1.95 549	1.99 586	2.72 578	1.71 567	2.72 582	1.97 588	2.01 552	1.74 560	1.77 542	1.28 543	2.18 554	2.01 574	2.48 586	1.58 563	1.65 526	1.17 486

4.5w_new	2.00 540	2.33 494	1.82 564	3.32 566	1.69 568	1.95 549	1.99 586	2.72 578	1.71 567	2.72 582	1.97 588	2.01 552	1.74 560	1.77 542	1.28 543	2.18 554	2.01 574	2.48 586	1.58 563	1.65 526	1.17 486

2w_stereo	1.99 536	2.36 501	1.81 559	3.24 561	1.67 565	1.94 546	1.98 583	2.72 578	1.68 563	2.72 582	1.94 585	1.98 550	1.74 560	1.79 544	1.27 542	1.95 545	2.00 572	2.53 588	1.60 566	1.68 529	1.15 482

U	5.15 629	8.49 609	1.81 559	8.49 625	1.77 573	8.49 636	1.77 570	8.51 638	1.77 576	8.49 638	1.77 573	8.50 638	1.78 563	8.58 638	1.77 576	8.54 636	1.78 564	8.55 638	1.78 583	8.55 632	1.84 579

FBW_ROB	2.12 558	2.46 507	1.77 558	2.49 540	1.79 575	2.38 566	1.83 571	2.46 570	1.78 577	2.48 575	1.97 588	2.40 566	1.78 563	2.42 571	1.83 579	2.31 567	1.85 569	2.38 580	1.82 584	2.35 554	1.84 579

monsterstereo	2.20 567	2.33 494	1.95 579	3.65 580	2.07 592	2.49 572	1.61 563	2.48 571	1.83 581	2.45 573	1.61 566	2.67 582	1.86 565	2.64 579	1.94 588	2.48 578	1.66 558	2.34 577	1.68 576	2.40 556	1.86 581

LG-G_1	2.22 568	2.71 519	1.89 575	2.77 548	1.87 582	2.75 588	1.87 578	2.76 586	1.87 587	2.75 588	1.87 577	2.76 590	1.87 566	2.75 589	1.86 582	2.47 576	1.58 550	2.45 583	1.57 560	2.45 559	1.57 560

LG-G	2.22 568	2.71 519	1.89 575	2.77 548	1.87 582	2.75 588	1.87 578	2.76 586	1.87 587	2.75 588	1.87 577	2.76 590	1.87 566	2.75 589	1.86 582	2.47 576	1.58 550	2.45 583	1.57 560	2.45 559	1.57 560

LGtest1	2.22 568	2.70 517	1.89 575	2.76 547	1.86 579	2.75 588	1.86 576	2.75 585	1.86 583	2.75 588	1.86 576	2.77 592	1.87 566	2.75 589	1.86 582	2.46 575	1.58 550	2.45 583	1.56 559	2.45 559	1.56 559

TRStereo	2.00 540	2.13 478	1.85 570	2.27 530	1.84 576	2.28 562	1.84 572	2.29 558	1.86 583	2.30 564	1.87 577	2.30 558	1.87 566	2.08 554	1.72 570	2.08 551	1.72 561	2.08 567	1.72 579	2.08 542	1.72 574

XX-Stereo	2.00 540	2.13 478	1.85 570	2.27 530	1.84 576	2.28 562	1.84 572	2.29 558	1.86 583	2.30 564	1.87 577	2.30 558	1.87 566	2.08 554	1.72 570	2.08 551	1.72 561	2.08 567	1.72 579	2.08 542	1.72 574

EAI-Stereo	2.00 540	2.13 478	1.85 570	2.27 530	1.84 576	2.28 562	1.84 572	2.29 558	1.86 583	2.30 564	1.87 577	2.30 558	1.87 566	2.08 554	1.72 570	2.08 551	1.72 561	2.08 567	1.72 579	2.08 542	1.72 574

IGEV	2.02 548	2.20 484	1.82 564	2.90 553	2.16 595	2.41 568	1.25 538	2.00 545	1.98 593	1.99 549	1.31 545	2.72 587	1.93 572	2.67 582	1.69 567	2.26 559	1.32 520	1.83 553	1.87 586	2.53 570	1.61 566

monsters	2.18 561	2.41 504	1.96 580	3.47 573	2.03 591	2.53 576	1.64 565	2.48 571	1.73 572	2.40 571	1.50 558	2.62 579	1.94 573	2.59 577	1.94 588	2.44 574	1.57 549	2.28 573	1.87 586	2.42 557	1.86 581

AIO_test	2.18 561	2.09 476	2.04 585	2.42 537	2.01 587	2.47 570	1.94 582	2.34 565	2.03 597	2.56 578	1.94 585	2.43 567	1.94 573	2.41 569	1.87 585	2.39 572	2.10 581	2.35 579	1.91 592	2.25 549	2.19 589

3.25w	2.04 553	2.20 484	1.48 541	3.03 555	2.17 597	2.63 582	1.39 553	1.96 542	1.95 592	1.96 545	1.37 551	2.71 583	1.96 575	2.71 583	1.73 575	2.26 559	1.32 520	1.87 558	1.87 586	2.51 566	1.63 568

4.5_new	2.00 540	1.84 456	1.98 581	2.77 548	2.16 595	2.27 560	1.28 542	2.09 549	1.98 593	2.01 551	1.28 543	2.71 583	1.98 576	2.51 574	1.65 563	2.26 559	1.33 527	1.87 558	1.87 586	2.49 563	1.60 564

HUF	2.18 561	2.30 491	1.99 584	2.34 535	2.02 590	2.41 568	2.06 591	2.38 567	1.89 589	2.36 569	1.85 575	2.56 576	1.98 576	2.31 564	1.97 590	2.30 566	2.03 579	2.30 574	2.11 593	2.23 547	2.16 588

2.25w	2.00 540	1.86 459	1.98 581	2.95 554	2.17 597	2.26 559	1.35 545	2.42 569	2.00 596	2.07 558	1.27 542	2.53 571	1.99 578	2.29 562	1.49 557	2.21 557	1.32 520	1.85 554	1.87 586	2.52 567	1.62 567

3w_stereo	2.04 553	2.24 488	1.70 553	3.15 558	2.18 599	2.49 572	1.26 540	2.03 547	1.98 593	1.98 548	1.33 546	2.72 587	1.99 578	2.59 577	1.72 570	2.22 558	1.33 527	1.85 554	1.88 591	2.50 565	1.58 562

1w_stereo	2.05 555	2.32 493	1.35 523	3.74 585	2.01 587	2.73 586	1.42 557	1.88 539	1.93 591	2.03 553	1.28 543	2.71 583	1.99 578	2.72 585	1.72 570	2.20 556	1.32 520	1.87 558	1.86 585	2.45 559	1.54 557

AIO_rvc	2.18 561	2.34 498	1.87 574	2.32 534	1.94 585	2.40 567	1.89 580	2.37 566	2.07 598	2.52 577	1.95 587	2.44 568	1.99 578	2.41 569	1.89 587	2.32 568	2.09 580	2.24 571	2.18 595	2.21 546	2.23 590

RAFT_CTSACE	1.92 532	3.71 551	1.72 556	1.88 513	1.72 572	2.04 553	1.42 557	2.18 555	1.89 589	2.02 552	1.97 588	1.95 547	2.06 582	1.93 549	1.62 561	1.76 533	1.66 558	2.02 565	1.73 582	1.73 531	1.43 555

ff7	1.68 523	2.68 514	1.35 523	0.97 409	0.89 465	1.84 541	2.15 592	2.12 550	1.80 578	2.05 555	1.56 560	2.33 561	2.12 583	2.23 558	2.25 595	1.31 509	1.07 450	1.48 544	1.41 550	0.90 428	1.04 472

ffff	1.68 523	2.68 514	1.35 523	0.97 409	0.89 465	1.84 541	2.15 592	2.12 550	1.80 578	2.05 555	1.56 560	2.33 561	2.12 583	2.23 558	2.25 595	1.31 509	1.07 450	1.48 544	1.41 550	0.90 428	1.04 472

ccc-4	1.68 523	2.68 514	1.35 523	0.97 409	0.89 465	1.84 541	2.15 592	2.12 550	1.80 578	2.05 555	1.56 560	2.33 561	2.12 583	2.23 558	2.25 595	1.31 509	1.07 450	1.48 544	1.41 550	0.90 428	1.04 472

NCCL2	2.28 573	2.27 489	2.28 587	2.28 533	2.28 600	2.27 560	2.29 595	2.28 556	2.28 599	2.27 563	2.28 600	2.28 557	2.27 586	2.27 561	2.28 599	2.28 563	2.28 586	2.27 572	2.29 599	2.27 550	2.29 591

STTStereo	3.73 599	30.40 646	2.37 591	2.39 536	2.31 602	2.35 565	2.33 596	2.29 558	2.42 600	2.32 568	2.34 601	2.33 561	2.36 587	2.30 563	2.27 598	2.35 569	2.22 585	2.31 575	2.22 596	2.29 552	2.34 595

sAnonymous2	3.31 596	2.63 512	1.38 535	3.71 582	1.86 579	4.70 619	1.11 479	4.82 623	2.72 602	5.45 628	1.98 594	4.59 613	2.64 588	2.65 580	6.21 633	4.37 596	1.08 454	5.16 627	2.24 597	4.52 594	2.39 596

CroCo_RVC	3.31 596	2.63 512	1.38 535	3.71 582	1.86 579	4.70 619	1.11 479	4.82 623	2.72 602	5.45 628	1.98 594	4.59 613	2.64 588	2.65 580	6.21 633	4.37 596	1.08 454	5.16 627	2.24 597	4.52 594	2.39 596

SA	4.33 616	7.35 600	6.85 631	5.96 613	4.09 628	3.59 598	3.15 616	3.82 602	2.64 601	3.91 600	3.85 623	3.57 598	2.72 590	3.13 594	4.03 624	7.09 632	6.86 627	3.57 598	3.12 614	3.85 584	3.51 621

NLCA_NET_v2_RVC	5.04 627	50.87 656	2.78 594	2.87 552	2.71 603	2.78 591	0.47 389	2.88 591	2.86 604	1.89 543	2.67 602	2.79 593	2.79 591	2.78 592	2.83 600	2.82 587	2.82 589	2.83 593	2.77 602	2.83 578	2.76 599
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
rvit_105_1	3.83 600	5.22 580	3.01 596	4.53 590	3.01 605	4.51 607	3.01 603	4.56 610	3.04 605	4.53 609	3.03 605	4.55 611	3.03 592	4.56 610	3.04 601	4.57 602	3.05 591	4.57 608	3.05 606	4.57 596	3.05 604

rvit_stereo_0081	3.83 600	5.23 581	3.01 596	4.53 590	3.03 607	4.55 613	3.02 604	4.56 610	3.04 605	4.52 607	3.02 603	4.54 609	3.03 592	4.56 610	3.04 601	4.57 602	3.05 591	4.57 608	3.05 606	4.58 597	3.05 604

DispNO	1.00 444	0.63 281	0.43 318	3.45 572	0.44 387	0.65 412	0.43 376	0.64 403	0.43 379	0.64 411	0.43 383	0.64 413	3.03 592	0.64 408	0.43 335	4.55 601	0.43 343	0.63 415	0.43 390	0.63 387	0.43 364

rvit_0105_6	3.87 604	5.73 594	3.10 606	4.69 600	3.12 615	4.54 609	3.02 604	4.56 610	3.04 605	4.54 611	3.03 605	4.54 609	3.04 595	4.56 610	3.05 603	4.58 605	3.05 591	4.58 610	3.05 606	4.58 597	3.05 604

rvit_stereo_0082	3.86 602	5.82 595	3.01 596	4.53 590	3.03 607	4.54 609	3.02 604	4.56 610	3.04 605	4.53 609	3.02 603	4.55 611	3.04 595	4.57 613	3.05 603	4.57 602	3.05 591	4.58 610	3.05 606	4.58 597	3.06 607

rvit_stereo_0080	3.89 605	5.70 592	3.04 601	4.54 593	3.03 607	4.56 614	3.05 610	4.60 614	3.07 610	4.58 614	3.06 608	4.59 613	3.06 597	4.61 614	3.08 607	4.63 607	3.09 596	4.64 614	3.10 611	4.65 601	3.10 611

whm_eth	3.89 605	5.70 592	3.04 601	4.54 593	3.03 607	4.56 614	3.05 610	4.60 614	3.07 610	4.58 614	3.06 608	4.59 613	3.06 597	4.61 614	3.08 607	4.63 607	3.09 596	4.64 614	3.10 611	4.65 601	3.10 611

rvit_0105_3	3.91 607	5.33 584	3.06 604	4.60 598	3.07 613	4.60 616	3.06 612	4.62 616	3.08 613	4.60 616	3.07 611	4.62 618	3.08 599	4.67 618	3.10 610	4.70 610	3.11 598	4.77 621	3.19 617	4.77 606	3.14 615

rvit_stereo_0081_aga	3.86 602	5.33 584	3.02 599	4.55 596	3.04 611	4.54 609	3.02 604	4.64 617	3.06 609	4.54 611	3.04 607	4.62 618	3.08 599	4.62 616	3.07 606	4.58 605	3.06 595	4.60 612	3.08 610	4.63 600	3.07 608

rvit_stereo_0083	3.92 609	5.30 583	3.06 604	4.61 599	3.09 614	4.67 618	3.08 613	4.66 618	3.09 614	4.62 617	3.10 613	4.66 621	3.11 601	4.67 618	3.16 612	4.72 612	3.16 601	4.77 621	3.11 613	4.66 603	3.11 613

rvit_stereo_ft	3.93 610	5.44 589	3.05 603	4.59 597	3.06 612	4.61 617	3.08 613	4.67 619	3.12 615	4.63 618	3.10 613	4.65 620	3.11 601	4.69 620	3.13 611	4.70 610	3.14 600	4.71 619	3.15 615	4.74 604	3.16 616

rvit_0105_4	3.91 607	5.47 591	3.02 599	4.54 593	3.02 606	4.54 609	3.03 608	4.75 620	3.17 616	4.57 613	3.06 608	4.61 617	3.16 603	4.65 617	3.09 609	4.66 609	3.11 598	4.68 617	3.18 616	4.81 607	3.16 616

rvit_0105_5	4.10 611	5.40 587	3.13 609	4.71 601	3.15 616	4.72 621	3.10 615	4.90 625	3.27 617	4.69 619	3.16 615	4.84 625	3.25 604	4.96 624	3.34 614	5.05 617	3.39 606	5.10 626	3.40 618	5.11 614	3.42 619

TestStereo1	4.60 618	8.41 607	6.44 628	6.86 618	3.79 625	3.97 602	3.78 624	3.99 604	3.74 622	3.97 601	3.52 618	3.94 603	3.58 605	3.98 603	3.72 619	6.82 629	6.50 625	3.76 602	3.66 621	3.90 585	3.74 625

SA-5K	4.60 618	8.41 607	6.44 628	6.86 618	3.79 625	3.97 602	3.78 624	3.99 604	3.74 622	3.97 601	3.52 618	3.94 603	3.58 605	3.98 603	3.72 619	6.82 629	6.50 625	3.76 602	3.66 621	3.90 585	3.74 625

MLG-Stereo_test2	4.28 614	5.46 590	3.69 614	4.86 603	3.72 624	5.58 628	3.42 618	4.81 622	3.77 625	4.85 621	3.72 622	5.55 630	3.63 607	5.58 628	3.53 616	4.41 599	3.28 605	4.99 625	2.95 604	4.75 605	3.13 614

MLG-Stereo_test3	4.26 613	4.85 574	3.95 616	5.35 608	3.60 621	4.75 622	3.76 623	5.49 629	3.71 621	5.39 626	3.69 621	4.82 624	3.66 608	4.85 621	3.73 621	4.93 613	3.19 604	4.69 618	2.99 605	4.84 609	2.98 603

DPSNet	3.66 598	3.60 547	3.62 613	3.63 579	3.64 623	3.65 599	3.65 622	3.66 600	3.67 620	3.67 599	3.65 620	3.67 600	3.66 608	3.66 599	3.68 617	3.68 594	3.66 607	3.67 600	3.68 623	3.67 582	3.67 622

RAFT+CT+SA	4.28 614	7.62 603	4.91 620	5.55 610	2.28 600	3.09 592	3.64 621	4.49 608	3.07 610	4.80 620	3.35 616	4.77 623	3.70 610	4.29 607	3.05 603	5.58 621	5.98 622	3.58 599	3.78 625	4.26 590	3.72 623

MLG-Stereo_test1	4.25 612	5.34 586	3.61 612	5.31 607	3.63 622	5.23 625	3.57 620	5.38 628	3.65 619	5.23 625	3.47 617	4.76 622	3.74 611	4.85 621	3.71 618	4.96 614	3.18 603	4.71 619	2.92 603	4.86 610	2.90 601

raft_robust	4.71 622	7.75 604	5.40 625	6.81 617	3.31 617	4.28 606	4.20 629	4.32 607	4.37 631	4.35 606	4.35 629	4.14 605	3.75 612	4.30 608	4.20 627	6.67 628	6.37 623	3.36 597	4.24 631	4.86 610	3.25 618

GSStereo	0.81 410	4.28 568	0.50 352	0.59 349	0.40 366	0.51 387	0.38 347	0.50 363	0.38 348	0.50 374	0.38 353	0.50 380	3.79 613	0.50 371	0.38 302	0.54 370	0.43 343	0.46 369	0.34 337	0.46 341	0.35 326

GS-Stereo							0.38 347	0.50 363	0.38 348	0.50 374	0.38 353	0.50 380	3.79 613	0.50 371	0.38 302	0.54 370	0.43 343	0.46 369	0.34 337	0.46 341	0.35 326

test_4	4.88 624	8.13 605	6.98 632	7.46 621	4.44 630	4.25 605	3.85 626	4.04 606	3.92 626	4.13 603	3.91 624	4.18 606	3.84 615	4.14 605	4.06 625	7.01 631	7.13 628	4.53 606	3.72 624	4.09 588	3.72 623

test_3	5.01 626	8.86 612	7.77 634	8.09 623	2.76 604	4.13 604	4.05 628	3.88 603	3.76 624	4.33 605	4.13 627	3.71 601	3.91 616	4.21 606	4.06 625	7.93 633	7.69 630	4.53 606	3.91 626	4.17 589	4.29 631

DispFullNet	4.61 620	4.84 573	3.12 607	5.00 605	3.57 620	4.75 622	3.03 608	7.75 636	4.17 629	4.91 623	3.09 612	6.20 632	3.95 617	6.71 632	3.51 615	5.30 620	3.67 608	5.86 633	3.63 620	5.61 618	3.46 620

cross-raft	4.83 623	7.52 601	6.43 627	6.63 616	3.96 627	4.51 607	3.99 627	4.49 608	3.96 627	4.52 607	3.96 625	4.50 608	3.97 618	4.50 609	3.97 623	6.65 627	6.44 624	4.33 605	3.92 627	4.35 592	3.91 628

Sa-1000	4.34 617	8.37 606	6.84 630	6.98 620	4.45 631	3.58 597	3.00 602	3.42 598	3.39 618	2.61 579	4.00 626	3.83 602	4.01 619	3.90 602	3.90 622	5.98 625	5.62 620	3.76 602	2.34 600	4.35 592	2.47 598

FC-DCNN v2	5.10 628	5.15 578	4.49 618	5.07 606	3.37 618	6.87 631	4.75 631	5.04 626	6.34 636	7.84 636	5.06 632	6.72 636	4.09 620	4.99 625	5.44 632	5.03 616	3.16 601	4.67 616	4.86 632	5.15 615	3.89 627

CFNet	1.37 517	5.27 582	0.19 187	5.49 609	0.19 219	0.28 227	0.19 204	0.28 221	0.19 212	0.28 216	0.19 215	0.28 228	4.35 621	0.28 231	0.19 183	0.23 194	0.17 169	0.23 189	4.21 630	4.81 607	0.17 187

test_5	4.62 621	7.55 602	6.23 626	6.32 615	3.40 619	5.29 626	3.50 619	3.53 599	4.11 628	4.28 604	4.47 630	4.26 607	4.38 622	3.68 600	3.24 613	5.89 623	5.60 619	4.84 623	3.50 619	4.33 591	3.93 629

SGM-Forest	5.21 630	5.92 596	4.08 617	6.18 614	4.16 629	6.31 630	4.34 630	6.50 631	4.33 630	6.14 632	4.21 628	6.61 635	4.55 623	6.67 631	4.48 628	5.94 624	3.94 610	5.85 632	4.03 629	5.79 620	4.17 630
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
TestStereo	4.88 624	4.75 572	4.79 619	4.87 604	4.92 632	4.81 624	4.90 632	4.78 621	4.77 632	4.87 622	4.89 631	4.90 626	4.91 624	4.99 625	4.79 629	4.98 615	4.87 616	4.87 624	4.92 633	5.00 613	5.00 632

rvit_stereo_0075_2	6.64 632	8.80 611	5.25 622	7.89 622	5.27 634	7.90 635	5.27 633	7.92 637	5.28 634	7.91 637	5.29 634	7.93 637	5.27 625	7.92 637	5.28 630	7.93 633	5.28 618	7.93 636	5.29 635	7.93 629	5.28 634

SGM+DAISY	7.06 634	9.15 613	5.38 624	8.84 627	5.18 633	8.80 637	5.31 634	8.79 639	5.28 634	8.89 639	5.20 633	8.93 639	5.33 626	8.95 639	5.36 631	8.70 637	5.21 617	8.74 639	5.20 634	8.89 633	5.15 633

RAFT	6.73 633	9.36 615	7.40 633	8.51 626	6.55 636	6.88 632	6.60 636	6.79 632	6.60 637	6.80 633	6.72 638	5.31 629	5.50 627	6.61 630	6.61 636	8.42 635	5.89 621	5.73 630	5.45 637	6.61 622	6.24 636

MSMDNet	2.65 587	10.14 621	0.33 264	9.74 631	0.32 312	0.87 435	0.33 312	2.95 592	0.68 433	0.49 361	0.34 328	0.49 365	5.70 628	0.49 364	0.33 269	0.42 331	9.57 634	0.41 330	0.31 317	8.36 631	0.65 422

test-1	6.46 631	9.16 614	8.03 637	8.09 623	5.62 635	6.11 629	6.35 635	6.85 633	4.94 633	6.08 631	6.29 637	4.98 627	6.43 629	6.22 629	6.36 635	6.16 626	7.47 629	5.82 631	5.44 636	7.11 626	5.68 635

test-v	7.53 635	11.89 623	7.98 635	9.36 629	7.14 637	7.06 633	7.09 637	7.37 634	6.91 638	7.29 634	5.71 635	6.45 633	6.93 630	6.73 633	7.27 637	8.93 638	7.85 631	6.98 634	6.80 638	7.56 627	7.34 638

test-2	7.53 635	11.89 623	7.98 635	9.36 629	7.14 637	7.06 633	7.09 637	7.37 634	6.91 638	7.29 634	5.71 635	6.45 633	6.93 630	6.73 633	7.27 637	8.93 638	7.85 631	6.98 634	6.80 638	7.56 627	7.34 638

CFNet_pseudo	2.67 589	9.36 615	0.32 258	10.99 637	0.33 325	0.85 433	0.33 312	0.49 355	0.33 319	0.49 361	0.32 311	0.49 365	7.26 632	0.49 364	0.33 269	0.41 315	9.62 636	0.41 330	0.29 278	10.03 638	0.29 254

CFNet_RVC	2.38 581	8.71 610	0.38 291	9.33 628	0.42 384	0.56 397	0.42 374	0.60 398	0.38 348	0.62 408	0.42 381	0.56 402	7.29 633	0.62 403	0.42 332	0.53 369	0.37 305	0.49 391	0.34 337	8.30 630	6.87 637

PCWNet_CMD	2.80 593	9.82 618	0.32 258	10.09 635	0.32 312	0.49 367	0.33 312	3.34 596	0.33 319	0.49 361	0.33 320	0.49 365	8.73 634	0.48 358	0.33 269	0.41 315	9.22 633	0.42 352	0.29 278	9.55 636	0.31 288

pcwnet_v2	2.66 588	9.89 619	0.33 264	9.89 632	0.32 312	0.50 375	0.32 299	0.49 355	0.33 319	0.49 361	0.34 328	0.49 365	8.76 635	0.48 358	0.33 269	0.41 315	9.58 635	0.40 307	0.29 278	9.01 634	0.63 420

CFNet_ucs	2.73 590	9.64 617	0.33 264	9.92 633	0.32 312	0.49 367	0.33 312	0.49 355	0.33 319	0.49 361	0.33 320	0.49 365	8.98 636	0.48 358	0.33 269	0.41 315	9.96 639	0.40 307	0.29 278	10.12 639	0.54 402

ccs_rob	2.79 592	10.17 622	0.32 258	10.00 634	0.33 325	0.49 367	0.33 312	1.90 541	0.32 312	0.51 381	0.33 320	0.49 365	9.24 637	0.49 364	0.33 269	0.41 315	9.82 637	0.41 330	0.28 263	9.34 635	0.29 254

UCFNet_RVC	2.75 591	10.06 620	0.29 224	10.31 636	0.29 268	0.42 314	0.29 263	0.43 309	0.29 263	0.42 302	0.29 266	0.42 313	9.87 638	0.43 317	0.29 236	0.36 256	9.84 638	0.36 280	0.26 249	9.77 637	0.26 228

MANE	19.05 638	23.00 631	15.00 638	23.00 645	15.00 639	24.00 644	16.00 639	24.00 646	16.00 640	22.00 646	15.00 639	23.00 646	16.00 639	23.00 646	15.00 639	22.00 646	15.00 640	22.00 646	15.00 640	22.00 646	15.00 640

rafts_anoy	20.00 639	20.00 625	20.00 639	20.00 639	20.00 640	20.00 638	20.00 640	20.00 640	20.00 641	20.00 640	20.00 640	20.00 640	20.00 640	20.00 640	20.00 640	20.00 640	20.00 641	20.00 640	20.00 641	20.00 640	20.00 641

raft+_RVC	20.00 639	20.00 625	20.00 639	20.00 639	20.00 640	20.00 638	20.00 640	20.00 640	20.00 641	20.00 640	20.00 640	20.00 640	20.00 640	20.00 640	20.00 640	20.00 640	20.00 641	20.00 640	20.00 641	20.00 640	20.00 641

raftrobust	20.00 639	20.00 625	20.00 639	20.00 639	20.00 640	20.00 638	20.00 640	20.00 640	20.00 641	20.00 640	20.00 640	20.00 640	20.00 640	20.00 640	20.00 640	20.00 640	20.00 641	20.00 640	20.00 641	20.00 640	20.00 641

CasAABBNet	20.00 639	20.00 625	20.00 639	20.00 639	20.00 640	20.00 638	20.00 640	20.00 640	20.00 641	20.00 640	20.00 640	20.00 640	20.00 640	20.00 640	20.00 640	20.00 640	20.00 641	20.00 640	20.00 641	20.00 640	20.00 641

RALCasStereoNet	20.00 639	20.00 625	20.00 639	20.00 639	20.00 640	20.00 638	20.00 640	20.00 640	20.00 641	20.00 640	20.00 640	20.00 640	20.00 640	20.00 640	20.00 640	20.00 640	20.00 641	20.00 640	20.00 641	20.00 640	20.00 641

RALAANet	20.00 639	20.00 625	20.00 639	20.00 639	20.00 640	20.00 638	20.00 640	20.00 640	20.00 641	20.00 640	20.00 640	20.00 640	20.00 640	20.00 640	20.00 640	20.00 640	20.00 641	20.00 640	20.00 641	20.00 640	20.00 641

WCMA_ROB	31.10 646	35.43 651	27.12 645	39.51 657	23.10 646	38.78 656	25.30 646	37.49 658	25.39 647	37.29 657	27.02 646	38.52 658	26.48 646	37.80 657	26.44 646	36.28 654	22.65 647	33.90 651	22.30 647	37.10 655	24.18 647

fff	1000028.16 665	29.62 643	29.72 646	32.61 646	30.02 647	35.13 647	31.83 648	32.07 648	10000000.00 667	35.27 650	29.82 648	32.45 648	30.15 647	32.35 648	30.09 647	31.04 648	29.55 649	30.64 648	30.14 648	10000000.00 667	30.77 649

csc	1000028.16 665	29.62 643	29.72 646	32.61 646	30.02 647	35.13 647	31.83 648	32.07 648	10000000.00 667	35.27 650	29.82 648	32.45 648	30.15 647	32.35 648	30.09 647	31.04 648	29.55 649	30.64 648	30.14 648	10000000.00 667	30.77 649

cscssc	1000028.16 665	29.62 643	29.72 646	32.61 646	30.02 647	35.13 647	31.83 648	32.07 648	10000000.00 667	35.27 650	29.82 648	32.45 648	30.15 647	32.35 648	30.09 647	31.04 648	29.55 649	30.64 648	30.14 648	10000000.00 667	30.77 649

111	30.40 645	30.94 647	29.72 646	32.61 646	30.02 647	33.57 645	30.47 647	31.50 647	29.39 648	30.98 647	29.11 647	29.78 647	30.39 650	29.45 647	30.76 650	30.08 647	29.02 648	29.92 647	30.32 651	29.86 647	30.17 648

ADStereo(finetuned)	36.13 648	36.63 652	38.07 656	36.97 651	33.25 651	35.91 650	34.45 651	36.36 654	32.99 649	38.14 658	36.71 654	36.69 654	34.13 651	38.57 658	40.79 657	37.60 658	36.58 655	35.90 655	33.36 652	35.42 650	34.04 652

DCANet-4	35.22 647	34.54 648	35.08 652	33.58 650	35.47 654	34.55 646	35.53 654	36.08 653	35.85 652	35.92 653	35.77 653	35.18 653	35.48 652	35.39 653	37.15 656	34.55 653	33.92 652	35.02 654	34.90 653	35.79 651	34.74 655

Reg-Stereo(zero)	37.00 649	37.00 653	37.00 653	37.00 652	37.00 655	37.00 653	37.00 655	37.00 655	37.00 653	37.00 654	37.00 655	37.00 655	37.00 653	37.00 654	37.00 653	37.00 655	37.00 656	37.00 656	37.00 656	37.00 652	37.00 656

HI	37.00 649	37.00 653	37.00 653	37.00 652	37.00 655	37.00 653	37.00 655	37.00 655	37.00 653	37.00 654	37.00 655	37.00 655	37.00 653	37.00 654	37.00 653	37.00 655	37.00 656	37.00 656	37.00 656	37.00 652	37.00 656

CoSv	37.00 649	37.00 653	37.00 653	37.00 652	37.00 655	37.00 653	37.00 655	37.00 655	37.00 653	37.00 654	37.00 655	37.00 655	37.00 653	37.00 654	37.00 653	37.00 655	37.00 656	37.00 656	37.00 656	37.00 652	37.00 656

MDST_ROB	69.83 652	87.70 657	41.95 657	113.75 660	65.62 660	75.05 657	55.25 659	75.64 660	45.04 656	71.61 659	41.75 658	72.81 659	44.06 656	68.38 659	44.63 658	101.89 661	59.57 661	107.10 661	61.05 661	104.38 658	59.38 661

CBMV	128.50 654	1422.70 668	53.10 658	79.50 659	51.30 659	77.30 658	49.70 658	74.00 659	48.20 657	77.20 660	48.80 659	73.90 660	48.00 657	73.80 660	48.80 659	70.40 660	45.10 660	68.90 660	46.10 660	68.20 657	45.00 660
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
NOSS_ROB	102.95 653	153.00 661	121.00 660	51.00 658	44.00 658	165.00 660	127.00 660	153.00 661	119.00 658	164.00 662	125.00 660	168.00 662	120.00 658	153.00 661	117.00 660	49.00 659	44.00 659	49.00 659	44.00 659	49.00 656	44.00 659

MeshStereo	159.24 655	171.00 662	160.68 663	162.58 661	160.59 661	164.01 659	160.35 661	158.51 662	158.56 659	158.34 661	160.12 661	158.56 661	159.92 659	157.26 662	158.94 661	154.38 662	158.36 662	155.75 662	159.13 663	153.67 659	154.07 662
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
AE-Stereo	201.80 656	123.00 658	115.00 659	219.00 662	218.00 663	223.00 661	244.00 663	217.00 663	236.00 661	202.00 663	203.00 662	205.00 663	208.00 660	225.00 663	204.00 662	210.00 663	198.00 663	197.00 663	184.00 664	204.00 660	201.00 663

DLCB_ROB	284.23 659	354.61 664	207.27 664	363.24 665	206.46 662	364.72 664	210.41 662	364.72 666	210.41 660	364.81 666	208.64 663	364.81 666	208.64 661	364.72 666	210.41 663	354.70 666	205.53 664	354.70 666	205.53 665	354.70 663	205.53 664

MGS-Stereo	239.45 657	123.00 658	135.00 661	266.00 663	286.00 664	277.00 662	305.00 664	271.00 664	242.00 662	274.00 664	279.00 664	255.00 664	270.00 662	268.00 664	297.00 664	221.00 664	247.00 665	216.00 664	123.00 662	217.00 661	217.00 665

EGLCR-Stereo	246.90 658	129.00 660	139.00 662	266.00 663	286.00 664	277.00 662	305.00 664	271.00 664	242.00 662	274.00 664	279.00 664	255.00 664	270.00 662	268.00 664	297.00 664	230.00 665	247.00 665	216.00 664	223.00 666	237.00 662	227.00 666

LE_ROB	396.57 660	471.28 665	329.84 665	471.48 666	308.15 666	526.83 665	322.10 666	488.15 667	323.76 664	495.46 667	317.97 666	497.17 667	320.10 664	481.62 667	326.76 666	462.71 667	298.97 667	466.16 667	285.98 667	447.62 664	289.21 667

SGM-ForestM	596.69 661	677.77 666	444.52 666	699.85 667	517.25 667	732.94 666	488.29 667	770.79 668	460.11 665	750.81 668	487.98 667	792.79 668	499.41 665	730.90 668	475.81 667	720.03 668	491.16 668	663.96 668	418.60 668	674.76 665	436.05 668

CBMV_ROB	818.48 662	913.88 667	709.52 667	862.84 668	597.78 668	1073.99 667	700.52 668	1015.66 669	702.59 666	1115.65 669	760.02 668	1130.24 669	721.57 666	1037.41 669	692.65 668	814.05 669	564.29 669	843.28 669	595.31 669	915.51 666	602.92 669

111111	10000000.00 668	10000000.00 669	10000000.00 668	10000000.00 669	10000000.00 669	10000000.00 668	10000000.00 669	10000000.00 670	10000000.00 667	10000000.00 670	10000000.00 669	10000000.00 670	10000000.00 667	10000000.00 670	10000000.00 669	10000000.00 670	10000000.00 670	10000000.00 670	10000000.00 670	10000000.00 667	10000000.00 670

SGD-Stereo	10000000.00 668	10000000.00 669	10000000.00 668	10000000.00 669	10000000.00 669	10000000.00 668	10000000.00 669	10000000.00 670	10000000.00 667	10000000.00 670	10000000.00 669	10000000.00 670	10000000.00 667	10000000.00 670	10000000.00 669	10000000.00 670	10000000.00 670	10000000.00 670	10000000.00 670	10000000.00 667	10000000.00 670

IGEV-Stereo++	10000000.00 668	10000000.00 669	10000000.00 668	10000000.00 669	10000000.00 669	10000000.00 668	10000000.00 669	10000000.00 670	10000000.00 667	10000000.00 670	10000000.00 669	10000000.00 670	10000000.00 667	10000000.00 670	10000000.00 669	10000000.00 670	10000000.00 670	10000000.00 670	10000000.00 670	10000000.00 667	10000000.00 670

IGEV-BASED-STEREO-	10000000.00 668	10000000.00 669	10000000.00 668	10000000.00 669	10000000.00 669	10000000.00 668	10000000.00 669	10000000.00 670	10000000.00 667	10000000.00 670	10000000.00 669	10000000.00 670	10000000.00 667	10000000.00 670	10000000.00 669	10000000.00 670	10000000.00 670	10000000.00 670	10000000.00 670	10000000.00 667	10000000.00 670

IGEV-Stereo+	10000000.00 668	10000000.00 669	10000000.00 668	10000000.00 669	10000000.00 669	10000000.00 668	10000000.00 669	10000000.00 670	10000000.00 667	10000000.00 670	10000000.00 669	10000000.00 670	10000000.00 667	10000000.00 670	10000000.00 669	10000000.00 670	10000000.00 670	10000000.00 670	10000000.00 670	10000000.00 667	10000000.00 670

SDNR	10000000.00 668	10000000.00 669	10000000.00 668	10000000.00 669	10000000.00 669	10000000.00 668	10000000.00 669	10000000.00 670	10000000.00 667	10000000.00 670	10000000.00 669	10000000.00 670	10000000.00 667	10000000.00 670	10000000.00 669	10000000.00 670	10000000.00 670	10000000.00 670	10000000.00 670	10000000.00 667	10000000.00 670

anonymousdsp2	10000000.00 668	10000000.00 669	10000000.00 668	10000000.00 669	10000000.00 669	10000000.00 668	10000000.00 669	10000000.00 670	10000000.00 667	10000000.00 670	10000000.00 669	10000000.00 670	10000000.00 667	10000000.00 670	10000000.00 669	10000000.00 670	10000000.00 670	10000000.00 670	10000000.00 670	10000000.00 667	10000000.00 670

anonymousdsp	10000000.00 668	10000000.00 669	10000000.00 668	10000000.00 669	10000000.00 669	10000000.00 668	10000000.00 669	10000000.00 670	10000000.00 667	10000000.00 670	10000000.00 669	10000000.00 670	10000000.00 667	10000000.00 670	10000000.00 669	10000000.00 670	10000000.00 670	10000000.00 670	10000000.00 670	10000000.00 667	10000000.00 670

tt	500032.53 663	34.60 649	29.72 646	37.47 655	34.41 652	36.85 651	35.22 652	34.71 651	33.55 650	34.50 648	35.43 651	33.81 651	10000000.00 667	33.57 651	33.13 651	33.68 651	35.00 653	34.03 652	35.26 654	30.96 648	34.63 653

DCANet	500032.53 663	34.60 649	29.72 646	37.47 655	34.41 652	36.85 651	35.22 652	34.71 651	33.55 650	34.50 648	35.43 651	33.81 651	10000000.00 667	33.57 651	33.13 651	33.68 651	35.00 653	34.03 652	35.26 654	30.96 648	34.63 653

test_example2	10000000.00 668	10000000.00 669	10000000.00 668	10000000.00 669	10000000.00 669	10000000.00 668	10000000.00 669	10000000.00 670	10000000.00 667	10000000.00 670	10000000.00 669	10000000.00 670	10000000.00 667	10000000.00 670	10000000.00 669	10000000.00 670	10000000.00 670	10000000.00 670	10000000.00 670	10000000.00 667	10000000.00 670

DIP-Stereo	10000000.00 668	10000000.00 669	10000000.00 668	10000000.00 669	10000000.00 669	10000000.00 668	10000000.00 669	10000000.00 670	10000000.00 667	10000000.00 670	10000000.00 669	10000000.00 670	10000000.00 667	10000000.00 670	10000000.00 669	10000000.00 670	10000000.00 670	10000000.00 670	10000000.00 670	10000000.00 667	10000000.00 670
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
FADE		0.06 54		0.09 55	0.10 121			0.05 89	0.03 55	0.04 74		0.05 91		0.04 72		0.15 125	0.10 75	0.17 153	0.13 155	0.11 123	0.11 128

Low-res two-view benchmark