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	0.15 121	0.70 220	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.01 9	0.02 20	0.67 350	0.02 15	0.69 336	0.75 354	0.01 9	0.02 20	0.02 20

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 65	0.07 58	0.09 53	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.09 66	0.07 57	0.01 9	0.01 9	0.01 10	0.01 10

Wz-Net-LNSev	0.06 44	0.24 119	0.20 161	0.23 146	0.01 10	0.02 19	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.23 171	0.21 172	0.02 18	0.01 9	0.01 10	0.01 10

Wz-Net-MNSev	0.06 44	0.54 207	0.10 69	0.12 80	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.12 91	0.11 95	0.01 9	0.01 9	0.01 10	0.01 10

WZ-Net	0.05 41	0.50 192	0.10 69	0.12 80	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.12 91	0.10 73	0.01 9	0.01 9	0.01 10	0.01 10

SFCPSM	0.17 133	0.78 224	0.02 14	0.02 14	0.01 10	0.02 19	0.02 20	0.02 20	0.01 10	0.02 20	0.02 20	0.02 20	0.01 9	0.02 20	0.79 372	0.02 15	0.75 346	0.76 356	0.02 20	0.02 20	0.02 20

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 97	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.02 21	0.00 1	0.00 1	0.00 1	0.00 1	0.02 18	0.02 20	0.00 1	0.00 1

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 51	0.97 260	0.10 69	0.10 57	0.03 48	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.03 52	0.03 42	0.02 21	0.03 39	0.02 20	0.10 71	0.10 73	0.03 38	0.02 20	0.03 43	0.02 20

test_sample2	0.09 51	1.03 277	0.11 89	0.11 74	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 66	0.09 68	0.03 38	0.02 20	0.03 43	0.02 20

SMFormer	0.09 51	1.01 271	0.09 65	0.09 53	0.03 48	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 66	0.09 68	0.03 38	0.02 20	0.03 43	0.02 20

tta	0.09 51	0.95 257	0.09 65	0.10 57	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 66	0.10 73	0.03 38	0.02 20	0.03 43	0.02 20

xxx	0.09 51	1.01 271	0.10 69	0.10 57	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.03 40	0.03 52	0.03 42	0.02 21	0.03 39	0.02 20	0.10 71	0.10 73	0.03 38	0.02 20	0.03 43	0.03 51

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 84	0.44 169	0.33 213	0.39 197	0.02 21	0.03 40	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.39 243	0.36 237	0.02 18	0.02 20	0.02 20	0.02 20

BSDual-CNN	0.81 334	1.91 389	0.92 363	4.48 507	0.02 21	0.42 271	0.06 105	0.41 247	0.02 21	0.48 286	0.03 52	0.02 20	0.02 21	0.03 39	0.02 20	1.97 465	4.19 530	0.33 216	0.23 196	0.34 206	0.27 206

psmg	0.43 245	1.91 389	0.92 363	1.91 440	0.02 21	0.02 19	0.03 50	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.03 39	0.02 20	1.97 465	1.44 458	0.04 73	0.03 54	0.02 20	0.03 51

CSP-Net	0.34 193	1.29 355	1.19 387	1.36 420	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	1.26 431	1.21 438	0.03 38	0.09 110	0.02 20	0.09 108

Syn2CoEx	0.25 159	1.31 357	0.74 342	0.92 323	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.03 42	0.02 21	0.02 20	0.02 20	0.87 352	0.75 346	0.02 18	0.02 20	0.02 20	0.02 20

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

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

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

ADCMid	0.08 50	0.02 12	0.02 14	1.01 340	0.03 48	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.04 72	0.09 105	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

ADCS	0.09 51	0.02 12	0.04 43	0.90 318	0.06 107	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.14 128	0.36 267	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

AnyNet_C01	0.11 84	0.02 12	0.02 14	1.62 433	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.03 40	0.02 20	0.02 20	0.02 21	0.06 89	0.04 75	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.03 51

AnyNet_C32	0.14 109	0.04 37	0.03 36	2.22 451	0.04 79	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.04 77	0.02 21	0.07 103	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 62	0.98 261	0.14 125	0.15 107	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.15 123	0.13 134	0.03 38	0.03 54	0.03 43	0.03 51

zh-mn7	0.12 93	1.14 291	0.17 149	0.20 133	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.18 148	0.16 143	0.03 38	0.03 54	0.03 43	0.03 51

w-ln-seven-2	0.14 109	1.22 351	0.28 190	0.32 175	0.04 79	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.32 201	0.27 191	0.04 73	0.03 54	0.03 43	0.03 51

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 62	1.05 281	0.12 100	0.12 80	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 110	0.03 38	0.03 54	0.03 43	0.03 51

test_sample9	0.10 62	1.05 281	0.12 100	0.12 80	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 110	0.03 38	0.03 54	0.03 43	0.03 51

test_sample8	0.10 62	1.05 281	0.12 100	0.12 80	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 110	0.03 38	0.03 54	0.03 43	0.03 51

test_sample7	0.09 51	1.00 265	0.11 89	0.11 74	0.02 21	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 110	0.03 38	0.03 54	0.03 43	0.03 51

test_sample5	0.10 62	1.07 284	0.11 89	0.10 57	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.10 71	0.10 73	0.03 38	0.03 54	0.04 77	0.03 51

test_sample4	0.10 62	1.03 277	0.12 100	0.10 57	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 107	0.13 134	0.03 38	0.03 54	0.03 43	0.03 51

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

test_sample1	0.09 51	0.87 238	0.12 100	0.11 74	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.04 74	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.10 71	0.10 73	0.03 38	0.02 20	0.03 43	0.02 20

mmm	0.14 109	1.83 380	0.12 100	0.11 74	0.03 48	0.03 40	0.03 50	0.03 42	0.04 82	0.03 40	0.03 52	0.03 42	0.03 52	0.06 89	0.04 75	0.12 91	0.11 95	0.05 86	0.04 78	0.05 92	0.04 79

11t1	0.17 133	2.16 406	0.13 120	0.13 93	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	0.18 148	0.12 110	0.06 94	0.03 54	0.05 92	0.03 51

DualNet	0.10 62	1.07 284	0.11 89	0.10 57	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.10 71	0.10 73	0.03 38	0.03 54	0.04 77	0.03 51

ttt	0.10 62	1.09 286	0.12 100	0.12 80	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 110	0.03 38	0.02 20	0.03 43	0.02 20

1111x	0.10 62	1.14 291	0.13 120	0.14 97	0.03 48	0.04 77	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 107	0.11 95	0.03 38	0.02 20	0.03 43	0.02 20

qqq	0.16 129	2.01 397	0.12 100	0.15 107	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 91	0.14 138	0.04 73	0.04 78	0.03 43	0.03 51

x	0.11 84	1.15 294	0.15 141	0.14 97	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.14 114	0.15 141	0.03 38	0.03 54	0.03 43	0.03 51

hknet	1.10 379	1.85 382	3.49 529	4.48 507	0.02 21	0.42 271	0.06 105	0.41 247	0.02 21	0.48 286	0.03 52	0.41 254	0.03 52	0.42 269	0.03 48	4.39 516	4.19 530	0.33 216	0.23 196	0.34 206	0.27 206

222	0.10 62	0.99 264	0.12 100	0.13 93	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 110	0.03 38	0.02 20	0.04 77	0.03 51

xxxx	0.11 84	1.16 295	0.16 142	0.12 80	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 107	0.16 143	0.03 38	0.04 78	0.04 77	0.04 79

test_xeample	0.10 62	1.09 286	0.13 120	0.12 80	0.03 48	0.03 40	0.03 50	0.04 77	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.14 114	0.14 138	0.03 38	0.03 54	0.03 43	0.03 51

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 84	0.03 31	0.03 36	1.60 430	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.05 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 84	0.03 31	0.03 36	1.60 430	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.05 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 93	0.03 31	0.04 43	1.71 436	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 62	0.03 31	0.04 43	1.27 413	0.03 48	0.04 77	0.03 50	0.03 42	0.03 55	0.04 74	0.03 52	0.04 77	0.03 52	0.08 106	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	0.16 129	1.21 346	0.33 213	0.41 221	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	0.35 217	0.31 219	0.04 73	0.04 78	0.04 77	0.04 79

z-ln-s-r	0.21 148	1.40 362	0.53 307	0.56 275	0.04 79	0.05 89	0.04 81	0.05 89	0.05 98	0.05 92	0.04 88	0.05 91	0.04 84	0.05 83	0.05 88	0.57 310	0.44 278	0.04 73	0.04 78	0.04 77	0.04 79

w-ln-seven	0.18 136	1.47 364	0.33 213	0.40 210	0.04 79	0.04 77	0.04 81	0.04 77	0.04 82	0.04 74	0.04 88	0.04 77	0.04 84	0.04 72	0.04 75	0.38 233	0.32 222	0.05 86	0.04 78	0.04 77	0.04 79

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	0.12 100	0.04 37	0.04 79	0.04 77	0.05 93	0.04 77	0.04 82	0.12 123	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 51	0.05 49	0.04 43	0.05 43	0.04 79	0.05 89	0.90 381	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 93	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	1.57 478	0.04 44	0.04 45	0.04 73	0.05 96	0.04 77	0.06 102

ADCP+	0.15 121	0.04 37	0.04 43	2.20 450	0.04 79	0.04 77	0.04 81	0.04 77	0.04 82	0.04 74	0.05 100	0.04 77	0.04 84	0.08 106	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
ISRNet	0.11 84	0.05 49	0.36 233	0.24 151	0.07 108	0.13 123	0.05 93	0.06 95	0.05 98	0.05 92	0.05 100	0.13 125	0.05 94	0.05 83	0.09 105	0.24 176	0.20 168	0.10 107	0.05 96	0.06 96	0.13 148

qqq1	0.25 159	3.70 471	0.14 125	0.14 97	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	0.13 107	0.12 110	0.06 94	0.05 96	0.03 43	0.04 79

fff1	0.25 159	3.70 471	0.14 125	0.14 97	0.04 79	0.06 92	0.05 93	0.06 95	0.05 98	0.06 97	0.05 100	0.04 77	0.05 94	0.06 89	0.05 88	0.13 107	0.12 110	0.06 94	0.05 96	0.03 43	0.04 79

ffm	0.25 159	3.83 477	0.12 100	0.12 80	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 91	0.12 110	0.05 86	0.04 78	0.06 96	0.04 79

ff1	0.25 159	3.83 477	0.12 100	0.12 80	0.05 99	0.06 92	0.05 93	0.06 95	0.05 98	0.03 40	0.03 52	0.06 98	0.05 94	0.06 89	0.05 88	0.12 91	0.12 110	0.05 86	0.04 78	0.06 96	0.04 79

mmx	0.25 159	3.83 477	0.12 100	0.12 80	0.05 99	0.06 92	0.05 93	0.06 95	0.05 98	0.03 40	0.03 52	0.06 98	0.05 94	0.06 89	0.05 88	0.12 91	0.12 110	0.05 86	0.04 78	0.06 96	0.04 79

BUS	0.83 342	1.91 389	0.92 363	4.48 507	0.02 21	0.40 237	0.04 81	0.41 247	0.02 21	0.48 286	0.03 52	0.41 254	0.05 94	0.03 39	0.05 88	1.97 465	4.19 530	0.33 216	0.23 196	0.34 206	0.27 206

NINENet	0.69 309	3.87 480	1.20 390	1.98 444	0.05 99	0.40 237	0.04 81	0.40 232	0.05 98	0.41 246	0.04 88	0.41 254	0.05 94	0.40 242	0.05 88	1.79 455	1.56 467	0.34 223	0.22 191	0.34 206	0.23 181

GwcNet	0.12 93	0.07 58	0.05 57	0.08 49	0.05 99	0.08 103	1.20 409	0.07 105	0.05 98	0.05 92	0.05 100	0.08 105	0.05 94	0.08 106	0.03 48	0.07 58	0.05 56	0.06 94	0.05 96	0.07 104	0.05 97

FADNet_RVC	0.12 93	0.04 37	0.04 43	0.05 43	0.04 79	0.04 77	0.04 81	0.04 77	0.04 82	0.04 74	0.04 88	0.04 77	0.05 94	0.04 72	1.65 482	0.05 51	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

FADNet-RVC	0.13 100	0.04 37	0.04 43	0.04 37	0.04 79	0.04 77	0.05 93	0.04 77	0.04 82	0.04 74	0.05 100	0.04 77	0.05 94	0.04 72	1.71 487	0.04 44	0.04 45	0.04 73	0.04 78	0.07 104	0.04 79

FADNet	0.12 93	0.05 49	0.04 43	0.04 37	0.04 79	0.04 77	0.04 81	0.04 77	0.04 82	0.04 74	0.04 88	0.04 77	0.05 94	0.04 72	1.66 484	0.06 55	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

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	0.06 107	0.06 97	0.06 106	0.05 91	0.06 106	0.06 89	0.05 88	0.08 60	0.08 59	0.08 101	0.05 96	0.06 96	0.05 97

SACVNet	0.06 44	0.08 59	0.08 60	0.08 49	0.05 99	0.06 92	0.05 93	0.05 89	0.06 107	0.06 97	0.06 106	0.05 91	0.06 106	0.06 89	0.05 88	0.08 60	0.08 59	0.08 101	0.05 96	0.06 96	0.05 97

AACVNet	0.06 44	0.08 59	0.08 60	0.08 49	0.05 99	0.06 92	0.05 93	0.05 89	0.06 107	0.06 97	0.06 106	0.05 91	0.06 106	0.06 89	0.05 88	0.08 60	0.08 59	0.08 101	0.05 96	0.06 96	0.05 97

FINET	0.07 49	0.08 59	0.07 58	0.07 47	0.07 108	0.08 103	0.06 105	0.08 108	0.07 110	0.08 105	0.07 109	0.08 105	0.06 106	0.07 103	0.07 100	0.08 60	0.07 57	0.07 99	0.07 104	0.06 96	0.06 102

BEATNet-Init1	0.19 139	0.08 59	0.08 60	2.23 452	0.08 110	0.08 103	0.07 108	0.07 105	0.08 112	0.08 105	0.07 109	0.08 105	0.07 110	0.11 122	0.08 102	0.08 60	0.08 59	0.08 101	0.07 104	0.08 106	0.08 105

SuperB	0.21 148	0.10 67	2.51 512	0.12 80	0.09 112	0.10 108	0.09 110	0.08 108	0.07 110	0.10 109	0.09 112	0.09 109	0.07 110	0.07 103	0.07 100	0.07 58	0.08 59	0.07 99	0.07 104	0.08 106	0.07 104

DeepPrunerF	0.19 139	0.08 59	0.08 60	2.23 452	0.08 110	0.08 103	0.07 108	0.07 105	0.08 112	0.08 105	0.07 109	0.08 105	0.07 110	0.11 122	0.08 102	0.08 60	0.08 59	0.08 101	0.07 104	0.08 106	0.08 105

SepStereo	0.09 51	0.09 65	0.10 69	0.09 53	0.09 112	0.09 107	0.09 110	0.10 110	0.08 112	0.10 109	0.09 112	0.09 109	0.09 113	0.09 109	0.08 102	0.09 66	0.08 59	0.09 106	0.08 108	0.09 109	0.08 105

PASM	0.39 223	3.06 457	1.36 453	1.58 426	0.09 112	0.11 119	0.11 128	0.11 122	0.11 131	0.09 108	0.09 112	0.11 121	0.09 113	0.09 109	0.09 105	0.11 86	0.11 95	0.11 118	0.09 110	0.11 120	0.11 125

DRN-Test	0.14 109	0.13 81	0.09 65	0.14 97	0.09 112	0.15 131	0.09 110	0.14 126	0.10 116	0.14 125	0.09 112	0.14 126	0.09 113	0.13 127	0.09 105	0.12 91	0.09 68	0.12 121	0.09 110	0.12 125	0.73 364

StereoDRNet	0.15 121	0.14 85	0.10 69	0.14 97	0.09 112	0.15 131	0.09 110	0.14 126	0.09 115	0.14 125	0.10 116	0.14 126	0.09 113	0.14 128	0.09 105	0.13 107	0.10 73	0.13 124	0.09 110	0.13 127	0.82 375

S2M2	0.12 93	0.14 85	0.10 69	0.15 107	0.10 118	0.14 124	0.10 115	0.14 126	0.10 116	0.15 131	0.10 116	0.14 126	0.10 117	0.14 128	0.10 111	0.13 107	0.10 73	0.13 124	0.09 110	0.13 127	0.09 108

AnonymousM	0.10 62	0.10 67	0.10 69	0.10 57	0.10 118	0.10 108	0.10 115	0.10 110	0.10 116	0.10 109	0.10 116	0.10 111	0.10 117	0.10 111	0.10 111	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

LRCNet_RVC	0.13 100	0.13 81	0.09 65	0.13 93	0.10 118	0.14 124	0.10 115	0.14 126	0.10 116	0.23 172	0.10 116	0.20 157	0.10 117	0.24 180	0.11 123	0.11 86	0.09 68	0.12 121	0.14 158	0.12 125	0.09 108

PVD	0.10 62	0.10 67	0.10 69	0.10 57	0.10 118	0.10 108	0.10 115	0.10 110	0.10 116	0.10 109	0.10 116	0.10 111	0.10 117	0.10 111	0.10 111	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

SHD	0.10 62	0.10 67	0.10 69	0.10 57	0.10 118	0.10 108	0.10 115	0.10 110	0.10 116	0.10 109	0.10 116	0.10 111	0.10 117	0.10 111	0.10 111	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

SAMSARA	0.10 62	0.10 67	0.10 69	0.10 57	0.10 118	0.10 108	0.10 115	0.10 110	0.10 116	0.10 109	0.10 116	0.10 111	0.10 117	0.10 111	0.10 111	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

XQC	0.10 62	0.10 67	0.10 69	0.10 57	0.10 118	0.10 108	0.10 115	0.10 110	0.10 116	0.10 109	0.10 116	0.10 111	0.10 117	0.10 111	0.10 111	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

RTSC	0.10 62	0.10 67	0.10 69	0.10 57	0.10 118	0.10 108	0.10 115	0.10 110	0.10 116	0.10 109	0.10 116	0.10 111	0.10 117	0.10 111	0.10 111	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

RTS	0.10 62	0.10 67	0.10 69	0.10 57	0.10 118	0.10 108	0.10 115	0.10 110	0.10 116	0.10 109	0.10 116	0.10 111	0.10 117	0.10 111	0.10 111	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

RTSA	0.10 62	0.10 67	0.10 69	0.10 57	0.10 118	0.10 108	0.10 115	0.10 110	0.10 116	0.10 109	0.10 116	0.10 111	0.10 117	0.10 111	0.10 111	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

MADNet+	0.10 62	0.10 67	0.10 69	0.10 57	0.10 118	0.10 108	0.10 115	0.10 110	0.10 116	0.10 109	0.10 116	0.10 111	0.10 117	0.10 111	0.10 111	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

MADNet++	0.10 62	0.10 67	0.10 69	0.10 57	0.10 118	0.10 108	0.10 115	0.10 110	0.10 116	0.10 109	0.10 116	0.10 111	0.10 117	0.10 111	0.10 111	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

S2M2_XL	0.14 109	0.17 93	0.12 100	0.17 126	0.11 134	0.17 147	0.11 128	0.17 147	0.11 131	0.17 145	0.11 130	0.17 147	0.11 129	0.17 147	0.11 123	0.16 132	0.11 95	0.16 142	0.11 129	0.16 143	0.11 125

test_for_model	0.15 121	0.23 112	0.18 155	0.21 143	0.11 134	0.16 139	0.11 128	0.16 139	0.11 131	0.16 136	0.11 130	0.16 137	0.11 129	0.16 138	0.11 123	0.21 157	0.18 165	0.14 126	0.11 129	0.14 129	0.11 125

testlalala2	0.13 100	0.16 87	0.11 89	0.15 107	0.11 134	0.16 139	0.11 128	0.16 139	0.11 131	0.16 136	0.11 130	0.16 137	0.11 129	0.16 138	0.11 123	0.14 114	0.11 95	0.14 126	0.11 129	0.14 129	0.11 125

JetRed	0.11 84	0.12 80	0.11 89	0.11 74	0.11 134	0.11 119	0.14 149	0.11 122	0.11 131	0.12 123	0.11 130	0.11 121	0.11 129	0.11 122	0.11 123	0.11 86	0.16 143	0.11 118	0.11 129	0.11 120	0.11 125

JetBlue	0.11 84	0.11 78	0.12 100	0.13 93	0.14 155	0.11 119	0.11 128	0.11 122	0.11 131	0.11 121	0.11 130	0.11 121	0.11 129	0.12 126	0.12 138	0.11 86	0.11 95	0.11 118	0.11 129	0.11 120	0.11 125

testlalala_base	0.13 100	0.16 87	0.11 89	0.15 107	0.11 134	0.15 131	0.11 128	0.16 139	0.11 131	0.16 136	0.11 130	0.16 137	0.11 129	0.16 138	0.11 123	0.14 114	0.11 95	0.14 126	0.11 129	0.14 129	0.11 125

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

IPLG	0.13 100	0.20 101	0.14 125	0.15 107	0.11 134	0.14 124	0.11 128	0.14 126	0.11 131	0.14 125	0.11 130	0.14 126	0.11 129	0.14 128	0.11 123	0.15 123	0.12 110	0.14 126	0.11 129	0.14 129	0.11 125

IPLGR_C	0.14 109	0.20 101	0.12 100	0.15 107	0.11 134	0.14 124	0.15 154	0.14 126	0.11 131	0.15 131	0.12 141	0.14 126	0.11 129	0.16 138	0.11 123	0.15 123	0.12 110	0.14 126	0.12 146	0.15 139	0.12 142

MIPNet	0.14 109	0.21 107	0.17 149	0.16 118	0.11 134	0.15 131	0.12 144	0.14 126	0.11 131	0.16 136	0.11 130	0.14 126	0.11 129	0.14 128	0.11 123	0.14 114	0.12 110	0.14 126	0.11 129	0.14 129	0.11 125

IPLGR	0.14 109	0.24 119	0.14 125	0.16 118	0.12 150	0.15 131	0.12 144	0.14 126	0.11 131	0.15 131	0.12 141	0.14 126	0.11 129	0.14 128	0.11 123	0.15 123	0.12 110	0.14 126	0.11 129	0.14 129	0.11 125

ACRE	0.13 100	0.21 107	0.14 125	0.15 107	0.11 134	0.14 124	0.11 128	0.14 126	0.11 131	0.14 125	0.12 141	0.14 126	0.11 129	0.14 128	0.11 123	0.15 123	0.12 110	0.14 126	0.11 129	0.14 129	0.11 125

ICVP	0.15 121	0.53 204	0.11 89	0.16 118	0.11 134	0.16 139	0.11 128	0.16 139	0.11 131	0.16 136	0.11 130	0.16 137	0.11 129	0.16 138	0.11 123	0.16 132	0.11 95	0.16 142	0.11 129	0.16 143	0.11 125
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
UNet	0.29 173	0.90 245	0.10 69	0.14 97	0.10 118	0.14 124	0.10 115	0.91 356	0.69 358	0.14 125	0.11 130	0.14 126	0.11 129	0.14 128	0.10 111	0.12 91	0.09 68	0.12 121	0.09 110	0.88 346	0.76 369

aanetorigin	0.13 100	0.11 78	0.11 89	0.11 74	0.11 134	0.11 119	0.11 128	0.11 122	0.11 131	0.11 121	0.12 141	0.11 121	0.11 129	0.11 122	0.11 123	0.11 86	0.11 95	0.14 126	0.11 129	0.49 289	0.11 125

ELAS_RVC	0.14 109	0.16 87	0.10 69	0.15 107	0.10 118	0.18 151	0.11 128	0.19 152	0.11 131	0.19 151	0.12 141	0.18 151	0.11 129	0.19 153	0.12 138	0.14 114	0.08 59	0.14 126	0.09 110	0.15 139	0.09 108
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.13 100	0.16 87	0.11 89	0.15 107	0.09 112	0.18 151	0.11 128	0.18 150	0.11 131	0.17 145	0.11 130	0.18 151	0.11 129	0.18 150	0.11 123	0.14 114	0.08 59	0.14 126	0.08 108	0.14 129	0.09 108
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
castereo	0.61 294	3.79 476	1.35 445	1.52 425	0.15 166	0.17 147	0.16 157	0.20 157	0.21 185	0.18 149	0.16 167	0.21 165	0.12 146	0.26 195	0.17 167	1.43 442	1.38 455	0.17 150	0.16 163	0.18 153	0.16 154

cf-r	0.66 301	2.17 407	0.12 100	0.18 128	0.12 150	0.18 151	2.70 518	2.60 494	0.12 150	0.18 149	0.12 141	0.18 151	0.12 146	0.18 150	0.12 138	0.15 123	0.11 95	0.15 139	0.11 129	1.81 455	1.74 499

HSM	0.14 109	0.16 87	0.12 100	0.17 126	0.12 150	0.17 147	0.11 128	0.17 147	0.11 131	0.17 145	0.12 141	0.17 147	0.12 146	0.17 147	0.12 138	0.16 132	0.11 95	0.16 142	0.11 129	0.16 143	0.12 142

LALA_ROB	0.15 121	0.19 97	0.12 100	0.18 128	0.11 134	0.20 159	0.12 144	0.21 164	0.12 150	0.20 156	0.12 141	0.20 157	0.12 146	0.21 168	0.13 144	0.17 140	0.10 73	0.18 160	0.11 129	0.18 153	0.11 125

SGM_RVC	0.15 121	0.17 93	0.11 89	0.18 128	0.11 134	0.19 154	0.11 128	0.19 152	0.12 150	0.19 151	0.12 141	0.20 157	0.12 146	0.19 153	0.12 138	0.16 132	0.11 95	0.17 150	0.10 117	0.17 149	0.10 113
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
castereo++	0.54 283	3.59 468	1.15 381	1.31 416	0.14 155	0.16 139	0.14 149	0.16 139	0.14 155	0.16 136	0.14 158	0.16 137	0.13 151	0.16 138	0.14 148	1.45 443	1.16 387	0.15 139	0.14 158	0.15 139	0.13 148

DDVS	0.30 174	3.10 458	0.14 125	0.19 131	0.14 155	0.19 154	0.14 149	0.20 157	0.14 155	0.19 151	0.13 153	0.16 137	0.13 151	0.19 153	0.13 144	0.17 140	0.13 134	0.17 150	0.13 154	0.17 149	0.13 148

ProNet	0.14 109	0.20 101	0.14 125	0.16 118	0.11 134	0.16 139	0.11 128	0.17 147	0.11 131	0.17 145	0.12 141	0.17 147	0.13 151	0.17 147	0.12 138	0.15 123	0.11 95	0.16 142	0.11 129	0.15 139	0.12 142

DeepPruner_ROB	0.16 129	0.18 96	0.13 120	0.19 131	0.13 153	0.19 154	0.13 147	0.19 152	0.13 153	0.19 151	0.13 153	0.19 155	0.13 151	0.19 153	0.13 144	0.18 148	0.13 134	0.18 160	0.13 154	0.18 153	0.13 148

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

HCRNet	1.22 432	7.11 518	3.00 514	3.55 498	0.33 257	0.29 196	0.14 149	0.19 152	0.15 165	0.33 208	0.29 229	0.25 184	0.14 155	0.22 172	0.33 246	3.64 511	3.00 508	0.76 356	0.32 257	0.18 153	0.13 148

GMStereo	0.14 109	0.13 81	0.14 125	0.14 97	0.14 155	0.14 124	0.14 149	0.14 126	0.14 155	0.14 125	0.14 158	0.14 126	0.14 155	0.14 128	0.14 148	0.14 114	0.14 138	0.14 126	0.14 158	0.14 129	0.14 153
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
ACVNet	0.20 141	0.19 97	0.14 125	0.20 133	0.14 155	0.20 159	0.96 388	0.21 164	0.14 155	0.20 156	0.13 153	0.21 165	0.14 155	0.20 157	0.14 148	0.17 140	0.12 110	0.17 150	0.12 146	0.17 149	0.12 142

acv_ft	0.20 141	0.19 97	0.14 125	0.20 133	0.14 155	0.20 159	0.96 388	0.21 164	0.14 155	0.20 156	0.13 153	0.21 165	0.14 155	0.20 157	0.14 148	0.17 140	0.12 110	0.17 150	0.12 146	0.17 149	0.12 142

hitnet-ft	0.79 327	2.78 453	0.14 125	0.20 133	0.14 155	0.21 167	2.89 519	2.80 508	0.14 155	0.20 156	0.14 158	0.20 157	0.14 155	0.20 157	0.14 148	0.17 140	0.12 110	0.17 150	0.12 146	2.54 494	2.33 516

PSMNet-RSSM	0.77 323	2.76 449	0.14 125	0.20 133	0.14 155	0.20 159	2.66 516	2.79 507	0.14 155	0.21 166	0.14 158	0.21 165	0.14 155	0.20 157	0.14 148	0.17 140	0.12 110	0.17 150	0.12 146	2.52 486	2.31 514

GwcNet-RSSM	0.77 323	2.77 451	0.14 125	0.20 133	0.14 155	0.20 159	2.67 517	2.78 506	0.14 155	0.20 156	0.14 158	0.20 157	0.14 155	0.21 168	0.14 148	0.17 140	0.12 110	0.17 150	0.12 146	2.52 486	2.31 514

CFNet-ft	0.55 287	1.57 367	0.14 125	0.20 133	0.14 155	0.20 159	2.53 515	1.61 450	0.14 155	0.20 156	0.14 158	0.20 157	0.14 155	0.20 157	0.14 148	0.17 140	0.12 110	0.17 150	0.12 146	1.56 443	1.24 464

PDISCO_ROB	0.83 342	2.80 454	3.49 529	0.14 97	0.11 134	0.17 147	0.09 110	0.15 138	0.10 116	0.15 131	0.12 141	0.16 137	0.14 155	3.30 514	0.13 144	0.14 114	2.34 505	0.16 142	0.12 146	2.62 495	0.10 113

xyz-stereo-finetune2	0.18 136	0.48 186	0.16 142	0.16 118	0.15 166	0.15 131	0.16 157	0.16 139	0.16 167	0.16 136	0.16 167	0.16 137	0.16 165	0.16 138	0.16 164	0.16 132	0.16 143	0.16 142	0.16 163	0.16 143	0.16 154

xyz-stereo	0.18 136	0.50 192	0.16 142	0.15 107	0.16 173	0.16 139	0.16 157	0.16 139	0.16 167	0.16 136	0.16 167	0.16 137	0.16 165	0.16 138	0.16 164	0.16 132	0.16 143	0.16 142	0.16 163	0.16 143	0.16 154

GMStereo_Zeroshot	0.16 129	0.16 87	0.16 142	0.16 118	0.16 173	0.16 139	0.16 157	0.16 139	0.16 167	0.16 136	0.16 167	0.16 137	0.16 165	0.16 138	0.16 164	0.16 132	0.16 143	0.16 142	0.16 163	0.16 143	0.16 154

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

tg	0.21 148	0.25 121	0.21 165	0.26 163	0.17 176	0.24 176	0.17 162	0.24 175	0.17 172	0.24 177	0.17 172	0.24 179	0.17 169	0.24 180	0.17 167	0.24 176	0.17 159	0.23 178	0.16 163	0.23 175	0.16 154

ACV-stereo	0.30 174	2.08 399	0.25 179	0.25 156	0.18 183	0.24 176	0.17 162	0.24 175	0.18 174	0.24 177	0.17 172	0.25 184	0.17 169	0.24 180	0.17 167	0.22 160	0.16 143	0.22 172	0.16 163	0.22 166	0.16 154

MIM_Stereo	0.25 159	0.23 112	0.66 325	0.80 308	0.17 176	0.22 169	0.17 162	0.23 172	0.18 174	0.26 188	0.17 172	0.21 165	0.17 169	0.25 185	0.17 167	0.23 171	0.16 143	0.21 167	0.17 181	0.22 166	0.17 166

dd	0.23 156	0.98 261	0.16 142	0.23 146	0.15 166	0.23 175	0.15 154	0.23 172	0.15 165	0.23 172	0.15 166	0.24 179	0.17 169	0.23 176	0.15 158	0.22 160	0.15 141	0.21 167	0.15 162	0.22 166	0.16 154

delet	0.43 245	1.21 346	0.17 149	0.25 156	0.17 176	0.25 183	0.18 168	1.26 438	0.95 392	0.25 181	0.17 172	0.25 184	0.17 169	0.25 185	0.17 167	0.23 171	0.16 143	0.22 172	0.16 163	1.18 381	0.98 388

psm_up	0.43 245	1.19 299	0.17 149	0.25 156	0.18 183	0.25 183	0.19 172	1.26 438	0.91 385	0.26 188	0.17 172	0.25 184	0.17 169	0.25 185	0.17 167	0.22 160	0.17 159	0.23 178	0.16 163	1.18 381	0.99 389

UPFNet	0.42 244	1.20 300	0.17 149	0.24 151	0.17 176	0.25 183	0.17 162	1.19 386	0.90 384	0.25 181	0.17 172	0.24 179	0.17 169	0.25 185	0.17 167	0.22 160	0.17 159	0.22 172	0.16 163	1.15 373	0.93 384

CAS++	0.17 133	0.27 123	0.21 165	0.10 57	0.21 196	0.15 131	0.22 186	0.10 110	0.21 185	0.22 168	0.10 116	0.19 155	0.18 176	0.10 111	0.19 179	0.20 152	0.19 166	0.18 160	0.10 117	0.19 159	0.18 170
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
IGEV_Zeroshot_test	0.20 141	0.19 97	0.40 249	0.30 168	0.17 176	0.22 169	0.17 162	0.21 164	0.17 172	0.20 156	0.17 172	0.21 165	0.18 176	0.21 168	0.17 167	0.20 152	0.16 143	0.20 164	0.16 163	0.20 160	0.17 166

MMNet	0.44 249	1.24 353	0.17 149	0.25 156	0.17 176	0.25 183	0.18 168	1.26 438	0.93 390	0.25 181	0.17 172	0.25 184	0.18 176	0.25 185	0.17 167	0.23 171	0.16 143	0.23 178	0.16 163	1.20 384	0.99 389

GANet-RSSM	0.75 318	1.91 389	0.14 125	0.47 241	0.14 155	0.21 167	3.21 535	2.30 482	0.14 155	0.46 273	0.14 158	0.23 175	0.18 176	0.21 168	0.14 148	0.18 148	0.27 191	0.37 244	0.13 154	2.13 464	2.12 509

iResNet	0.20 141	0.23 112	0.18 155	0.24 151	0.18 183	0.24 176	0.20 175	0.24 175	0.18 174	0.23 172	0.17 172	0.23 175	0.18 176	0.23 176	0.18 176	0.22 160	0.16 143	0.21 167	0.16 163	0.21 164	0.16 154

Pointernet	0.21 148	0.22 111	0.19 158	0.24 151	0.19 187	0.24 176	0.19 172	0.24 175	0.19 180	0.24 177	0.19 183	0.24 179	0.19 181	0.24 180	0.19 179	0.22 160	0.17 159	0.22 172	0.17 181	0.22 166	0.17 166

GEStereo_RVC	0.86 348	4.45 488	0.20 161	0.27 165	0.20 189	0.27 193	0.20 175	0.26 185	0.18 174	5.03 542	0.20 187	0.27 194	0.19 181	0.27 198	0.21 185	0.20 152	0.19 166	0.19 163	4.02 546	0.20 160	0.18 170

ac_64	0.22 152	0.13 81	0.19 158	0.23 146	0.10 118	0.26 190	1.02 396	0.14 126	0.10 116	0.28 191	0.14 158	0.17 147	0.19 181	0.28 200	0.09 105	0.22 160	0.16 143	0.23 178	0.17 181	0.11 120	0.12 142

iResNetv2_ROB	0.20 141	0.23 112	0.18 155	0.24 151	0.20 189	0.24 176	0.18 168	0.24 175	0.18 174	0.24 177	0.18 182	0.23 175	0.19 181	0.24 180	0.18 176	0.21 157	0.16 143	0.21 167	0.16 163	0.22 166	0.16 154

ssnet_v2	0.68 306	1.96 396	1.25 441	0.29 167	0.20 189	0.30 197	0.20 175	0.29 192	0.22 188	1.50 452	0.20 187	0.31 206	0.20 185	0.27 198	0.22 187	0.24 176	1.49 461	0.26 189	0.18 185	3.90 503	0.19 172

DAS	0.20 141	0.20 101	0.20 161	0.20 133	0.20 189	0.20 159	0.20 175	0.20 157	0.20 182	0.20 156	0.20 187	0.20 157	0.20 185	0.20 157	0.20 182	0.20 152	0.20 168	0.20 164	0.20 186	0.20 160	0.20 173

ASD4	0.20 141	0.20 101	0.20 161	0.20 133	0.20 189	0.20 159	0.20 175	0.20 157	0.20 182	0.20 156	0.20 187	0.20 157	0.20 185	0.20 157	0.20 182	0.20 152	0.20 168	0.20 164	0.20 186	0.20 160	0.20 173

AANet_RVC	1.26 434	0.31 131	4.99 540	5.93 532	0.20 189	0.25 183	0.20 175	0.25 181	0.20 182	0.23 172	0.19 183	0.25 184	0.20 185	0.25 185	0.20 182	5.66 540	4.76 533	0.26 189	0.30 245	0.24 176	0.27 206

DISCO	1.11 381	0.39 149	5.28 542	0.39 197	0.20 189	0.39 235	0.27 212	0.39 227	0.22 188	0.38 223	0.20 187	0.38 231	0.20 185	6.95 553	0.22 187	0.30 196	0.21 172	0.27 193	0.21 188	5.25 534	0.21 176

model_zeroshot	0.27 168	0.20 101	0.27 186	0.33 179	0.21 196	0.37 225	0.22 186	0.37 218	0.24 196	0.26 188	0.27 219	0.33 211	0.21 190	0.25 185	0.27 209	0.32 201	0.20 168	0.34 223	0.23 196	0.25 177	0.26 198

DEFOM-Stereo_RVC	0.83 342	5.18 498	1.98 501	2.19 449	0.17 176	0.19 154	0.18 168	0.19 152	0.16 167	0.20 156	0.19 183	0.22 171	0.22 191	0.20 157	0.15 158	2.28 482	2.13 500	0.24 185	0.17 181	0.18 153	0.16 154

DCVSM-stereo	0.36 204	1.89 386	0.22 167	0.40 210	0.22 198	0.40 237	0.22 186	0.40 232	0.22 188	0.40 233	0.22 193	0.40 242	0.22 191	0.40 242	0.22 187	0.28 188	0.21 172	0.28 195	0.21 188	0.28 184	0.20 173

WAO-6	0.22 152	0.23 112	0.22 167	0.23 146	0.22 198	0.22 169	0.22 186	0.22 168	0.22 188	0.22 168	0.22 193	0.22 171	0.22 191	0.22 172	0.22 187	0.22 160	0.22 176	0.22 172	0.22 191	0.22 166	0.22 179

IMH-64-1	0.22 152	0.23 112	0.23 170	0.22 144	0.22 198	0.22 169	0.22 186	0.22 168	0.22 188	0.22 168	0.22 193	0.22 171	0.22 191	0.22 172	0.22 187	0.22 160	0.22 176	0.23 178	0.22 191	0.22 166	0.23 181

IMH-64	0.22 152	0.23 112	0.23 170	0.22 144	0.22 198	0.22 169	0.22 186	0.22 168	0.22 188	0.22 168	0.22 193	0.22 171	0.22 191	0.22 172	0.22 187	0.22 160	0.22 176	0.23 178	0.22 191	0.22 166	0.23 181

HGLStereo	0.28 169	0.29 128	0.22 167	0.36 186	0.22 198	0.36 220	0.21 181	0.36 212	0.21 185	0.42 258	0.21 192	0.36 223	0.22 191	0.36 225	0.21 185	0.34 208	0.21 172	0.34 223	0.21 188	0.34 206	0.21 176

PAM	0.39 223	1.88 385	0.34 223	0.37 189	0.41 302	0.45 278	0.22 186	0.28 188	0.23 194	0.28 191	0.24 203	0.29 200	0.23 197	0.29 203	0.23 193	0.38 233	0.32 222	0.38 251	0.37 284	0.32 196	0.22 179

testlalala	0.32 188	0.81 230	0.31 204	0.39 197	0.26 218	0.33 211	0.24 198	0.33 201	0.26 214	0.32 203	0.26 215	0.33 211	0.23 197	0.33 215	0.23 193	0.35 217	0.31 219	0.30 202	0.24 204	0.31 194	0.21 176

FENet	0.54 283	1.52 366	1.19 387	1.41 423	0.23 203	0.35 217	0.23 193	0.35 208	0.23 194	0.34 210	0.23 197	0.35 217	0.23 197	0.35 219	0.23 193	1.40 441	1.07 371	0.32 208	0.23 196	0.33 202	0.23 181

WCG-NET（raft）	0.32 188	1.24 353	0.24 176	0.32 175	0.24 208	0.32 209	0.23 193	0.32 198	0.24 196	0.32 203	0.24 203	0.32 208	0.24 200	0.32 209	0.24 197	0.30 196	0.23 180	0.30 202	0.23 196	0.30 190	0.23 181

DLNR_Zeroshot_test	0.31 180	0.28 126	0.47 278	0.79 306	0.24 208	0.30 197	0.26 209	0.30 194	0.24 196	0.32 203	0.23 197	0.31 206	0.24 200	0.30 205	0.23 193	0.29 195	0.26 186	0.29 200	0.24 204	0.33 202	0.23 181

iResNet_ROB	0.28 169	0.32 132	0.24 176	0.32 175	0.25 210	0.32 209	0.24 198	0.32 198	0.24 196	0.33 208	0.24 203	0.35 217	0.24 200	0.33 215	0.24 197	0.31 200	0.24 182	0.32 208	0.24 204	0.32 196	0.24 191

UNDER WATER-64	0.25 159	0.26 122	0.25 179	0.26 163	0.25 210	0.25 183	0.25 201	0.25 181	0.25 201	0.25 181	0.25 209	0.25 184	0.25 203	0.26 195	0.25 203	0.25 182	0.25 183	0.25 186	0.25 209	0.25 177	0.25 192

tt1	0.31 180	0.93 254	0.24 176	0.33 179	0.23 203	0.31 201	0.24 198	0.32 198	0.24 196	0.32 203	0.23 197	0.32 208	0.25 203	0.32 209	0.24 197	0.27 186	0.26 186	0.27 193	0.26 215	0.27 182	0.27 206

xxxxx1	0.31 180	0.91 247	0.23 170	0.31 172	0.23 203	0.31 201	0.23 193	0.33 201	0.25 201	0.31 198	0.24 203	0.33 211	0.25 203	0.32 209	0.24 197	0.28 188	0.28 197	0.28 195	0.28 226	0.29 187	0.27 206

tt_ll	0.31 180	0.91 247	0.23 170	0.31 172	0.23 203	0.31 201	0.23 193	0.33 201	0.25 201	0.31 198	0.24 203	0.33 211	0.25 203	0.32 209	0.24 197	0.28 188	0.28 197	0.28 195	0.28 226	0.29 187	0.27 206

CAS	0.30 174	1.17 296	0.25 179	0.25 156	0.25 210	0.26 190	0.25 201	0.25 181	0.26 214	0.25 181	0.25 209	0.25 184	0.25 203	0.25 185	0.25 203	0.26 183	0.26 186	0.26 189	0.25 209	0.26 179	0.25 192

LoS	0.25 159	0.27 123	0.25 179	0.25 156	0.25 210	0.25 183	0.25 201	0.26 185	0.25 201	0.25 181	0.25 209	0.25 184	0.25 203	0.25 185	0.25 203	0.26 183	0.25 183	0.25 186	0.26 215	0.26 179	0.25 192
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
ff	0.31 180	0.91 247	0.23 170	0.31 172	0.23 203	0.31 201	0.23 193	0.33 201	0.25 201	0.31 198	0.24 203	0.33 211	0.25 203	0.32 209	0.24 197	0.28 188	0.28 197	0.28 195	0.28 226	0.29 187	0.27 206

IER	0.88 350	7.04 517	2.23 506	2.75 467	0.28 223	0.43 275	0.25 201	0.39 227	0.25 201	0.41 246	0.27 219	0.39 235	0.25 203	0.40 242	0.28 215	0.37 226	0.28 197	0.37 244	0.25 209	0.37 227	0.25 192

CroCo-Stereo	0.73 316	1.22 351	0.25 179	1.22 409	0.25 210	1.22 441	0.25 201	1.22 435	0.25 201	1.22 443	0.25 209	1.22 446	0.25 203	1.22 446	0.25 203	1.22 430	0.26 186	1.21 452	0.25 209	1.22 431	0.25 192
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	0.33 191	0.78 224	0.32 208	0.38 192	0.25 210	0.34 213	0.25 201	0.34 205	0.26 214	0.34 210	0.25 209	0.35 217	0.26 212	0.35 219	0.27 209	0.36 222	0.30 214	0.32 208	0.24 204	0.32 196	0.26 198

LoS_RVC	0.30 174	1.14 291	0.25 179	0.25 156	0.25 210	0.26 190	0.25 201	0.25 181	0.25 201	0.25 181	0.25 209	0.26 193	0.26 212	0.26 195	0.25 203	0.26 183	0.26 186	0.25 186	0.25 209	0.26 179	0.26 198

gwcnet-sp	0.82 338	1.72 373	1.48 463	0.39 197	0.15 166	0.31 201	0.21 181	0.20 157	0.25 201	1.61 456	0.23 197	0.28 195	0.26 212	0.20 157	0.15 158	0.24 176	1.33 447	0.32 208	0.16 163	6.75 541	0.23 181

scenet	0.82 338	1.72 373	1.48 463	0.39 197	0.15 166	0.31 201	0.21 181	0.20 157	0.25 201	1.61 456	0.23 197	0.28 195	0.26 212	0.20 157	0.15 158	0.24 176	1.33 447	0.32 208	0.16 163	6.75 541	0.23 181

ssnet	0.82 338	1.72 373	1.48 463	0.39 197	0.15 166	0.31 201	0.21 181	0.20 157	0.25 201	1.61 456	0.23 197	0.28 195	0.26 212	0.20 157	0.15 158	0.24 176	1.33 447	0.32 208	0.16 163	6.75 541	0.23 181

CroCo-Stereo Lap2	0.77 323	1.29 355	0.29 193	1.27 413	0.29 230	1.27 444	0.26 209	1.26 438	0.26 214	1.26 444	0.26 215	1.27 448	0.26 212	1.26 447	0.27 209	1.27 432	0.27 191	1.27 455	0.27 222	1.27 433	0.27 206

StereoDRNet-Refined	0.33 191	0.39 149	0.26 185	0.39 197	0.26 218	0.40 237	0.26 209	0.40 232	0.26 214	0.39 228	0.26 215	0.39 235	0.26 212	0.39 239	0.26 208	0.37 226	0.25 183	0.37 244	0.25 209	0.37 227	0.37 269
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DN-CSS_ROB	0.31 180	0.35 135	0.28 190	0.35 182	0.28 223	0.34 213	0.27 212	0.34 205	0.25 201	0.35 214	0.27 219	0.36 223	0.26 212	0.34 217	0.28 215	0.35 217	0.28 197	0.34 223	0.28 226	0.34 206	0.27 206

DEFOM-Stereo	0.68 306	3.11 459	1.40 459	1.63 434	0.25 210	0.31 201	0.25 201	0.31 197	0.28 222	0.31 198	0.29 229	0.29 200	0.27 220	0.31 208	0.28 215	1.59 449	1.47 460	0.30 202	0.29 235	0.30 190	0.28 219

Any-RAFT	0.32 188	0.36 138	0.27 186	0.36 186	0.27 220	0.36 220	0.27 212	0.36 212	0.27 219	0.36 217	0.27 219	0.36 223	0.27 220	0.36 225	0.28 215	0.36 222	0.28 197	0.36 241	0.28 226	0.36 225	0.28 219

CRFU-Net	0.65 299	1.67 371	1.22 437	1.96 443	0.27 220	0.41 253	0.27 212	0.41 247	0.27 219	0.40 233	0.26 215	0.41 254	0.27 220	0.40 242	0.27 209	1.80 456	1.62 474	0.34 223	0.23 196	0.33 202	0.23 181

DGSMNet	0.34 193	0.41 158	0.27 186	0.41 221	0.28 223	0.41 253	0.28 217	0.41 247	0.27 219	0.41 246	0.27 219	0.42 270	0.27 220	0.41 256	0.28 215	0.40 247	0.29 206	0.40 266	0.28 226	0.40 248	0.27 206

RAFT + AFF	0.31 180	0.45 172	0.34 223	0.39 197	0.28 223	0.38 229	0.33 244	0.29 192	0.31 242	0.30 195	0.30 240	0.29 200	0.27 220	0.29 203	0.30 232	0.28 188	0.29 206	0.29 200	0.29 235	0.27 182	0.32 244

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

LG-Stereo_L2	0.34 193	0.37 140	0.38 239	0.47 241	0.28 223	0.39 235	0.28 217	0.39 227	0.28 222	0.39 228	0.28 225	0.39 235	0.28 226	0.38 231	0.28 215	0.42 269	0.35 234	0.36 241	0.26 215	0.35 218	0.26 198

GIP-stereo	0.36 204	0.49 188	0.39 246	0.48 245	0.32 246	0.41 253	0.28 217	0.40 232	0.30 237	0.41 246	0.28 225	0.40 242	0.28 226	0.42 269	0.28 215	0.45 273	0.32 222	0.38 251	0.30 245	0.37 227	0.27 206

1test111	0.37 209	1.02 275	0.30 197	0.39 197	0.29 230	0.40 237	0.28 217	0.39 227	0.29 227	0.39 228	0.29 229	0.39 235	0.28 226	0.40 242	0.29 225	0.33 205	0.32 222	0.33 216	0.31 252	0.32 196	0.31 240

cc1	0.37 209	1.02 275	0.30 197	0.39 197	0.29 230	0.40 237	0.28 217	0.39 227	0.29 227	0.39 228	0.29 229	0.39 235	0.28 226	0.40 242	0.29 225	0.33 205	0.32 222	0.33 216	0.31 252	0.32 196	0.31 240

MSKI-zero shot	0.24 158	0.21 107	0.49 291	0.65 291	0.18 183	0.22 169	0.17 162	0.23 172	0.18 174	0.21 166	0.17 172	0.23 175	0.28 226	0.23 176	0.18 176	0.21 157	0.16 143	0.21 167	0.16 163	0.21 164	0.16 154

SQANet	0.28 169	0.28 126	0.28 190	0.28 166	0.28 223	0.28 194	0.28 217	0.28 188	0.28 222	0.28 191	0.28 225	0.28 195	0.28 226	0.28 200	0.28 215	0.28 188	0.28 197	0.28 195	0.28 226	0.28 184	0.28 219

gcap-zeroshot	0.35 200	0.32 132	0.37 236	0.49 251	0.39 293	0.33 211	0.21 181	0.26 185	0.35 263	0.42 258	0.34 260	0.49 297	0.29 232	0.47 284	0.39 285	0.34 208	0.17 159	0.38 251	0.23 196	0.48 285	0.34 257

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

ACVNet-DCA	0.37 209	1.00 265	0.30 197	0.40 210	0.29 230	0.40 237	0.29 224	0.40 232	0.29 227	0.40 233	0.29 229	0.40 242	0.29 232	0.39 239	0.28 215	0.33 205	0.32 222	0.33 216	0.32 257	0.33 202	0.32 244

xx1	0.38 215	1.03 277	0.31 204	0.40 210	0.31 244	0.41 253	0.28 217	0.40 232	0.29 227	0.40 233	0.29 229	0.40 242	0.29 232	0.40 242	0.29 225	0.34 208	0.33 230	0.34 223	0.32 257	0.34 206	0.32 244

IGEV-Stereo	0.35 200	0.44 169	0.45 267	0.49 251	0.30 239	0.37 225	0.30 229	0.36 212	0.30 237	0.36 217	0.29 229	0.36 223	0.29 232	0.36 225	0.30 232	0.46 276	0.39 252	0.32 208	0.24 204	0.32 196	0.25 192
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
PML	0.46 254	1.36 360	0.29 193	0.58 278	0.30 239	0.57 330	0.29 224	0.57 317	0.29 227	0.57 326	0.29 229	0.57 330	0.29 232	0.56 324	0.29 225	0.52 302	0.30 214	0.53 332	0.31 252	0.53 305	0.30 234

MSAF-DinoV2	0.30 174	0.30 129	0.30 197	0.30 168	0.30 239	0.30 197	0.30 229	0.30 194	0.30 237	0.30 195	0.30 240	0.30 203	0.30 238	0.30 205	0.30 232	0.30 196	0.30 214	0.30 202	0.30 245	0.30 190	0.30 234

RSM	0.36 204	0.36 138	0.43 263	0.37 189	0.42 312	0.49 299	0.42 301	0.37 218	0.28 222	0.36 217	0.29 229	0.36 223	0.30 238	0.37 229	0.28 215	0.34 208	0.31 219	0.34 223	0.35 276	0.40 248	0.29 224

EKT-Stereo	0.37 209	0.40 151	0.44 265	1.07 345	0.29 230	0.34 213	0.31 234	0.36 212	0.29 227	0.38 223	0.31 244	0.37 229	0.30 238	0.36 225	0.29 225	0.34 208	0.28 197	0.39 261	0.30 245	0.37 227	0.30 234

iRaft-Stereo_20w	0.34 193	0.41 158	0.31 204	0.39 197	0.29 230	0.40 237	0.32 235	0.41 247	0.32 245	0.38 223	0.30 240	0.39 235	0.30 238	0.38 231	0.32 238	0.35 217	0.27 191	0.34 223	0.27 222	0.34 206	0.29 224

GES	0.66 301	2.34 423	0.29 193	0.41 221	0.29 230	0.41 253	0.29 224	0.42 263	0.29 227	0.40 233	0.41 298	0.41 254	0.30 238	0.51 313	0.29 225	0.32 201	0.29 206	0.32 208	2.46 519	2.49 482	0.30 234

DANet	0.30 174	0.30 129	0.30 197	0.30 168	0.30 239	0.30 197	0.30 229	0.30 194	0.30 237	0.30 195	0.30 240	0.30 203	0.30 238	0.30 205	0.30 232	0.30 196	0.30 214	0.30 202	0.30 245	0.30 190	0.30 234
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
xyz-stereo-finetune	0.28 169	0.49 188	0.16 142	0.16 118	0.16 173	0.16 139	0.16 157	0.22 168	0.30 237	0.32 203	0.31 244	0.32 208	0.31 244	0.32 209	0.32 238	0.32 201	0.33 230	0.31 207	0.32 257	0.31 194	0.32 244

LL-Strereo2	0.48 265	1.73 378	0.51 300	0.59 281	0.34 267	0.42 271	0.33 244	0.40 232	0.31 242	0.42 258	0.33 252	0.42 270	0.31 244	0.44 273	0.39 285	0.60 313	0.51 306	0.44 293	0.33 265	0.44 268	0.33 251

water-stereo	0.41 234	0.84 233	0.46 271	0.50 258	0.33 257	0.45 278	0.33 244	0.45 269	0.32 245	0.45 269	0.32 246	0.45 276	0.32 246	0.45 276	0.32 238	0.44 271	0.41 264	0.39 261	0.31 252	0.39 243	0.32 244

GREAT-IGEV	0.38 215	0.43 166	0.36 233	0.48 245	0.32 246	0.45 278	0.32 235	0.45 269	0.32 245	0.45 269	0.32 246	0.45 276	0.32 246	0.45 276	0.32 238	0.44 271	0.33 230	0.41 279	0.29 235	0.41 258	0.29 224

mms	0.40 227	0.45 172	0.35 231	0.48 245	0.36 276	0.47 289	0.34 255	0.45 269	0.38 279	0.47 279	0.33 252	0.45 276	0.32 246	0.45 276	0.32 238	0.39 243	0.38 245	0.38 251	0.37 284	0.39 243	0.39 282

MyStereo04	0.56 289	3.72 474	0.59 313	0.49 251	0.41 302	0.36 220	0.32 235	0.37 218	0.31 242	0.34 210	0.46 317	0.35 217	0.32 246	0.35 219	0.33 246	0.49 288	0.45 279	0.34 223	0.32 257	0.35 218	0.43 300

RAFT-Test	0.36 204	0.37 140	0.33 213	0.41 221	0.32 246	0.41 253	0.32 235	0.41 247	0.32 245	0.41 246	0.32 246	0.41 254	0.32 246	0.41 256	0.33 246	0.37 226	0.29 206	0.37 244	0.29 235	0.38 236	0.31 240

4D-IteraStereo	0.78 326	3.13 460	0.89 356	0.69 296	0.32 246	0.40 237	0.32 235	0.76 341	0.97 395	0.52 313	0.65 357	0.89 367	0.32 246	0.76 351	0.98 390	0.83 347	0.94 363	0.35 236	0.27 222	0.70 322	0.89 380

Gwc-CoAtRS	0.41 234	1.49 365	0.32 208	0.42 230	0.32 246	0.41 253	0.32 235	0.41 247	0.33 251	0.41 246	0.32 246	0.41 254	0.32 246	0.41 256	0.32 238	0.39 243	0.28 197	0.39 261	0.28 226	0.40 248	0.28 219

DilatedVolume-Stereo	0.43 245	0.86 236	0.48 286	0.50 258	0.33 257	0.46 284	0.33 244	0.46 273	0.33 251	0.46 273	0.33 252	0.47 286	0.33 253	0.47 284	0.34 259	0.45 273	0.42 272	0.40 266	0.33 265	0.47 281	0.38 276

fffy	0.38 215	0.43 166	0.33 213	0.46 235	0.33 257	0.45 278	0.32 235	0.45 269	0.32 245	0.45 269	0.32 246	0.45 276	0.33 253	0.45 276	0.32 238	0.38 233	0.38 245	0.38 251	0.37 284	0.37 227	0.36 265

CASnet	0.35 200	0.51 199	0.44 265	0.32 175	0.31 244	0.24 176	0.34 255	0.36 212	0.25 201	0.31 198	0.37 279	0.30 203	0.33 253	0.25 185	0.45 307	0.37 226	0.37 239	0.33 216	0.35 276	0.34 206	0.37 269
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
RCA-Stereo	0.51 278	3.22 463	0.34 223	0.44 233	0.34 267	0.44 277	0.34 255	0.43 267	0.34 260	0.43 264	0.34 260	0.44 274	0.33 253	0.43 271	0.33 246	0.38 233	0.29 206	0.38 251	0.29 235	0.38 236	0.29 224

psmorigin	0.41 234	0.46 176	0.33 213	0.49 251	0.33 257	0.49 299	0.33 244	0.49 287	0.33 251	0.49 293	0.33 252	0.49 297	0.33 253	0.51 313	0.33 246	0.41 255	0.30 214	0.41 279	0.30 245	0.79 332	0.29 224

depthmonostereo	0.44 249	0.85 235	0.46 271	0.54 269	0.40 295	0.52 318	0.38 278	0.52 307	0.35 263	0.47 279	0.34 260	0.46 280	0.34 258	0.47 284	0.34 259	0.45 273	0.43 275	0.41 279	0.33 265	0.41 258	0.32 244

HART	0.38 215	0.45 172	0.34 223	0.42 230	0.33 257	0.41 253	0.34 255	0.42 263	0.33 251	0.43 264	0.34 260	0.42 270	0.34 258	0.41 256	0.38 278	0.40 247	0.32 222	0.42 290	0.32 257	0.40 248	0.32 244

ccccc	0.41 234	0.44 169	0.34 223	0.48 245	0.35 270	0.48 294	0.35 260	0.51 305	0.35 263	0.47 279	0.35 269	0.47 286	0.34 258	0.47 284	0.35 263	0.41 255	0.40 255	0.40 266	0.40 301	0.41 258	0.39 282

RAFT-Stereo-weight	0.45 251	1.90 388	0.34 223	0.42 230	0.36 276	0.43 275	0.35 260	0.42 263	0.34 260	0.42 258	0.34 260	0.44 274	0.34 258	0.41 256	0.34 259	0.38 233	0.32 222	0.38 251	0.32 257	0.38 236	0.33 251

H2IRNET	0.34 193	0.34 134	0.34 223	0.34 181	0.34 267	0.34 213	0.34 255	0.34 205	0.34 260	0.34 210	0.34 260	0.34 216	0.34 258	0.34 217	0.34 259	0.34 208	0.34 233	0.34 223	0.34 269	0.34 206	0.34 257

iRaft-Stereo_5w	0.34 193	0.42 165	0.31 204	0.39 197	0.30 239	0.38 229	0.30 229	0.40 232	0.29 227	0.40 233	0.37 279	0.41 254	0.34 258	0.38 231	0.30 232	0.34 208	0.27 191	0.34 223	0.26 215	0.34 206	0.26 198

CFNet-RSSM	0.91 353	4.89 494	0.34 223	0.44 233	1.07 407	1.62 461	1.40 474	0.91 356	0.35 263	1.60 453	1.39 474	0.64 339	0.34 258	0.44 273	0.33 246	0.41 255	0.35 234	0.75 354	0.30 245	0.41 258	0.29 224

UGAM-zero	0.51 278	2.17 407	0.39 246	0.53 267	0.36 276	0.50 307	0.36 267	0.50 295	0.36 274	0.49 293	0.36 273	0.50 311	0.35 265	0.50 306	0.36 267	0.49 288	0.37 239	0.47 305	0.35 276	0.46 273	0.34 257

GCST	0.50 273	2.08 399	0.38 239	0.53 267	0.35 270	0.49 299	0.35 260	0.50 295	0.35 263	0.49 293	0.35 269	0.49 297	0.35 265	0.49 299	0.35 263	0.48 285	0.37 239	0.45 297	0.33 265	0.44 268	0.33 251

ETE_ROB	0.35 200	0.35 135	0.35 231	0.35 182	0.35 270	0.35 217	0.35 260	0.35 208	0.35 263	0.35 214	0.35 269	0.35 217	0.35 265	0.35 219	0.35 263	0.35 217	0.35 234	0.35 236	0.35 276	0.35 218	0.35 264

UGAM	0.51 278	2.23 412	0.39 246	0.54 269	0.35 270	0.50 307	0.35 260	0.49 287	0.35 263	0.49 293	0.35 269	0.49 297	0.36 268	0.50 306	0.36 267	0.49 288	0.37 239	0.45 297	0.34 269	0.45 272	0.34 257

GCAP-Stereo	0.75 318	4.15 485	0.42 262	0.75 304	0.35 270	0.78 350	0.40 288	0.79 343	0.38 279	0.78 355	0.36 273	0.78 356	0.36 268	0.79 352	0.39 285	0.75 335	0.39 252	0.76 356	0.39 300	0.75 327	0.39 282

CES	0.39 223	0.47 180	0.36 233	0.36 186	0.37 279	0.45 278	0.35 260	0.35 208	0.40 289	0.36 217	0.44 312	0.47 286	0.36 268	0.44 273	0.36 267	0.37 226	0.39 252	0.44 293	0.35 276	0.37 227	0.36 265

DMCA	0.36 204	0.38 143	0.37 236	0.35 182	0.35 270	0.36 220	0.36 267	0.36 212	0.35 263	0.35 214	0.37 279	0.36 223	0.36 268	0.35 219	0.36 267	0.36 222	0.36 237	0.35 236	0.36 282	0.36 225	0.36 265

SCV_C0	0.45 251	0.88 240	0.49 291	0.54 269	0.37 279	0.48 294	0.37 272	0.48 283	0.37 275	0.48 286	0.36 273	0.48 293	0.37 272	0.49 299	0.37 275	0.50 294	0.41 264	0.44 293	0.34 269	0.44 268	0.34 257

SCV	0.46 254	0.94 256	0.45 267	0.54 269	0.37 279	0.48 294	0.38 278	0.48 283	0.37 275	0.48 286	0.39 289	0.48 293	0.37 272	0.49 299	0.37 275	0.50 294	0.46 281	0.44 293	0.34 269	0.44 268	0.34 257

Venus	0.38 215	0.38 143	0.38 239	0.38 192	0.38 286	0.37 225	0.38 278	0.37 218	0.37 275	0.41 246	0.37 279	0.39 235	0.37 272	0.38 231	0.38 278	0.37 226	0.38 245	0.38 251	0.37 284	0.37 227	0.38 276

XPNet_ROB	0.37 209	0.37 140	0.37 236	0.37 189	0.37 279	0.37 225	0.37 272	0.37 218	0.37 275	0.37 222	0.37 279	0.37 229	0.37 272	0.37 229	0.37 275	0.37 226	0.37 239	0.37 244	0.37 284	0.37 227	0.37 269

GASTEREO	0.48 265	1.21 346	0.47 278	0.57 276	0.38 286	0.50 307	0.38 278	0.50 295	0.38 279	0.50 305	0.38 284	0.50 311	0.38 276	0.50 306	0.38 278	0.52 302	0.42 272	0.46 300	0.34 269	0.46 273	0.34 257

WAO-8	0.38 215	0.38 143	0.38 239	0.38 192	0.38 286	0.38 229	0.38 278	0.38 223	0.38 279	0.38 223	0.38 284	0.38 231	0.38 276	0.38 231	0.38 278	0.38 233	0.38 245	0.38 251	0.37 284	0.38 236	0.38 276

WAO-7	0.38 215	0.38 143	0.38 239	0.38 192	0.38 286	0.38 229	0.38 278	0.38 223	0.38 279	0.38 223	0.38 284	0.38 231	0.38 276	0.38 231	0.38 278	0.38 233	0.38 245	0.38 251	0.38 297	0.38 236	0.38 276

HanzoNet	0.39 223	0.38 143	0.40 249	0.39 197	0.41 302	0.38 229	0.38 278	0.38 223	0.38 279	0.39 228	0.39 289	0.38 231	0.38 276	0.39 239	0.40 289	0.38 233	0.38 245	0.40 266	0.38 297	0.38 236	0.40 285

IMH	0.38 215	0.38 143	0.38 239	0.38 192	0.38 286	0.38 229	0.38 278	0.38 223	0.38 279	0.42 258	0.38 284	0.40 242	0.38 276	0.38 231	0.38 278	0.38 233	0.38 245	0.39 261	0.38 297	0.38 236	0.38 276

iRaftStereo_RVC	0.97 364	3.17 462	2.30 508	2.42 461	0.38 286	0.54 323	0.38 278	0.54 311	0.38 279	0.54 319	0.38 284	0.54 322	0.38 276	0.54 320	0.38 278	2.38 489	2.34 505	0.49 318	0.36 282	0.49 289	0.36 265

LG-Stereo_L1	0.47 260	0.52 201	0.47 278	0.62 285	0.39 293	0.53 320	0.40 288	0.53 309	0.39 288	0.53 316	0.39 289	0.53 319	0.39 282	0.53 318	0.39 285	0.55 307	0.46 281	0.49 318	0.37 284	0.49 289	0.37 269

PAM_32	0.64 298	2.38 427	0.51 300	0.92 323	0.43 314	0.53 320	0.44 304	0.87 350	0.43 306	0.52 313	0.45 315	0.53 319	0.40 283	0.54 320	0.46 311	0.62 320	0.56 314	0.48 313	0.45 318	0.76 328	0.44 303

Selective-IGEV	0.51 278	0.55 209	0.45 267	0.69 296	0.45 317	0.61 333	0.45 308	0.50 295	0.40 289	0.56 324	0.44 312	0.55 326	0.40 283	0.72 345	0.67 350	0.59 312	0.46 281	0.45 297	0.34 269	0.46 273	0.37 269

knoymous	0.40 227	0.40 151	0.40 249	0.40 210	0.40 295	0.40 237	0.40 288	0.40 232	0.40 289	0.40 233	0.40 292	0.40 242	0.40 283	0.40 242	0.40 289	0.40 247	0.40 255	0.40 266	0.40 301	0.40 248	0.40 285

anonymousa	0.40 227	0.40 151	0.40 249	0.40 210	0.40 295	0.40 237	0.40 288	0.40 232	0.40 289	0.40 233	0.40 292	0.40 242	0.40 283	0.40 242	0.40 289	0.40 247	0.40 255	0.40 266	0.40 301	0.40 248	0.40 285

riskmin	0.40 227	0.40 151	0.40 249	0.40 210	0.40 295	0.40 237	0.40 288	0.40 232	0.40 289	0.40 233	0.40 292	0.40 242	0.40 283	0.40 242	0.40 289	0.40 247	0.40 255	0.40 266	0.40 301	0.40 248	0.40 285

Anonymous_2	0.40 227	0.40 151	0.40 249	0.40 210	0.40 295	0.40 237	0.40 288	0.40 232	0.40 289	0.40 233	0.40 292	0.40 242	0.40 283	0.40 242	0.40 289	0.40 247	0.40 255	0.40 266	0.40 301	0.40 248	0.40 285

Anonymous_1	0.40 227	0.40 151	0.40 249	0.40 210	0.40 295	0.40 237	0.40 288	0.40 232	0.40 289	0.40 233	0.40 292	0.40 242	0.40 283	0.40 242	0.40 289	0.40 247	0.40 255	0.40 266	0.40 301	0.40 248	0.40 285

GMOStereo	0.37 209	0.45 172	0.23 170	0.30 168	0.37 279	0.41 253	0.36 267	0.41 247	0.35 263	0.43 264	0.36 273	0.41 254	0.40 283	0.41 256	0.36 267	0.34 208	0.22 176	0.47 305	0.37 284	0.39 243	0.33 251

error version	0.93 360	4.47 489	2.35 509	1.99 445	0.37 279	0.41 253	0.36 267	0.41 247	0.35 263	0.43 264	0.36 273	0.41 254	0.40 283	0.41 256	0.36 267	1.87 458	2.16 501	0.47 305	0.37 284	0.39 243	0.33 251

test_1	0.93 360	4.47 489	2.35 509	1.99 445	0.37 279	0.41 253	0.36 267	0.41 247	0.35 263	0.43 264	0.36 273	0.41 254	0.40 283	0.41 256	0.36 267	1.87 458	2.16 501	0.47 305	0.37 284	0.39 243	0.33 251

AdaStereo	0.40 227	0.40 151	0.40 249	0.40 210	0.40 295	0.40 237	0.40 288	0.40 232	0.40 289	0.40 233	0.40 292	0.40 242	0.40 283	0.40 242	0.40 289	0.40 247	0.40 255	0.40 266	0.40 301	0.40 248	0.40 285
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	0.60 291	0.58 211	0.47 278	0.64 290	0.74 378	1.00 372	0.69 355	0.57 317	0.41 298	0.57 326	0.41 298	0.57 330	0.41 294	1.00 378	0.75 369	0.91 354	0.51 306	0.52 330	0.37 284	0.52 302	0.37 269

GwcNet-ADL	0.41 234	0.41 158	0.41 257	0.41 221	0.41 302	0.41 253	0.41 296	0.41 247	0.41 298	0.41 246	0.41 298	0.41 254	0.41 294	0.41 256	0.41 296	0.41 255	0.41 264	0.41 279	0.41 308	0.41 258	0.41 292

PSMNet-ADL	0.41 234	0.41 158	0.41 257	0.41 221	0.41 302	0.41 253	0.41 296	0.41 247	0.41 298	0.41 246	0.41 298	0.41 254	0.41 294	0.41 256	0.41 296	0.41 255	0.41 264	0.41 279	0.41 308	0.41 258	0.41 292

GANet-ADL	0.41 234	0.41 158	0.41 257	0.41 221	0.41 302	0.41 253	0.41 296	0.41 247	0.41 298	0.41 246	0.41 298	0.41 254	0.41 294	0.41 256	0.41 296	0.41 255	0.41 264	0.41 279	0.41 308	0.41 258	0.41 292

ADLNet2	0.41 234	0.41 158	0.41 257	0.41 221	0.41 302	0.41 253	0.41 296	0.41 247	0.41 298	0.41 246	0.41 298	0.41 254	0.41 294	0.41 256	0.41 296	0.41 255	0.41 264	0.41 279	0.41 308	0.41 258	0.41 292

ADLNet	0.41 234	0.41 158	0.41 257	0.41 221	0.41 302	0.41 253	0.41 296	0.41 247	0.41 298	0.41 246	0.41 298	0.41 254	0.41 294	0.41 256	0.41 296	0.41 255	0.41 264	0.41 279	0.41 308	0.41 258	0.41 292

MSCF	0.51 278	1.40 362	0.49 291	0.58 278	0.38 286	0.50 307	0.38 278	0.54 311	0.41 298	0.52 313	0.41 298	0.53 319	0.42 300	0.53 318	0.41 296	0.60 313	0.47 289	0.48 313	0.37 284	0.48 285	0.38 276

LG-Stereo_Zeroshot	0.48 265	0.55 209	0.47 278	0.63 287	0.41 302	0.56 325	0.44 304	0.56 314	0.41 298	0.56 324	0.41 298	0.57 330	0.42 300	0.56 324	0.41 296	0.55 307	0.43 275	0.51 327	0.37 284	0.51 300	0.37 269

Occ-G	1.12 382	0.52 201	3.72 534	3.50 497	0.50 335	0.56 325	0.47 315	0.54 311	0.46 311	0.54 319	0.41 298	0.54 322	0.42 300	0.52 316	0.42 303	3.42 510	4.02 529	0.52 330	0.45 318	0.51 300	0.44 303

MLG-Stereo	0.92 355	0.90 245	0.84 354	1.27 413	0.49 331	1.38 451	0.88 379	1.41 448	0.97 395	0.73 347	1.09 401	1.26 447	0.43 303	0.72 345	1.05 397	1.13 379	0.49 296	1.18 405	0.66 359	1.01 364	0.46 306

MyStereo07	0.60 291	3.72 474	0.48 286	0.49 251	0.41 302	0.36 220	0.32 235	0.49 287	0.43 306	0.51 310	0.42 308	0.49 297	0.43 303	0.51 313	0.64 345	0.49 288	0.45 279	0.34 223	0.32 257	0.35 218	0.43 300

MonSter	0.60 291	0.64 217	0.52 303	0.62 285	0.44 315	2.07 476	0.44 304	0.62 327	0.44 309	0.62 334	0.44 312	0.62 338	0.44 305	0.62 332	0.44 306	0.58 311	0.42 272	0.62 339	0.46 320	0.58 309	0.42 299

test-3	0.98 366	4.13 484	1.85 490	1.85 437	0.61 355	0.69 342	0.37 272	0.63 328	0.61 346	0.66 340	0.51 340	0.73 351	0.44 305	0.57 328	0.54 336	1.68 453	1.81 485	0.40 266	0.43 316	0.66 315	0.50 323

AIO-test1	0.54 283	0.60 214	0.52 303	0.66 294	0.47 325	0.61 333	0.47 315	0.58 320	0.46 311	0.61 331	0.46 317	0.61 336	0.45 307	0.62 332	0.45 307	0.61 317	0.52 308	0.57 335	0.48 330	0.57 308	0.48 315

fffft	0.48 265	0.51 199	0.45 267	0.52 266	0.45 317	0.52 318	0.45 308	0.52 307	0.48 323	0.53 316	0.45 315	0.52 318	0.45 307	0.52 316	0.46 311	0.51 300	0.41 264	0.50 322	0.41 308	0.50 294	0.41 292
1: 1. 1
AEACV	1.12 382	0.52 201	3.12 526	3.24 482	0.86 386	0.53 320	0.49 326	0.60 324	0.47 316	0.53 316	0.49 332	0.55 326	0.45 307	0.55 323	0.47 317	3.01 506	3.88 527	0.71 351	0.60 351	0.80 335	0.48 315

MyStereo06	0.75 318	4.12 482	0.60 315	0.63 287	0.61 355	0.62 336	0.66 347	0.56 314	0.45 310	0.55 322	0.48 329	0.54 322	0.46 310	0.57 328	0.45 307	0.60 313	0.57 316	0.64 342	0.55 341	0.72 323	0.55 335

otaku	0.46 254	0.46 176	0.46 271	0.46 235	0.46 319	0.46 284	0.46 310	0.46 273	0.46 311	0.46 273	0.46 317	0.46 280	0.46 310	0.46 280	0.46 311	0.46 276	0.46 281	0.46 300	0.46 320	0.46 273	0.46 306

Ntro	0.47 260	0.47 180	0.46 271	0.46 235	0.46 319	0.47 289	0.47 315	0.46 273	0.47 316	0.46 273	0.46 317	0.47 286	0.46 310	0.47 284	0.47 317	0.47 281	0.46 281	0.46 300	0.46 320	0.46 273	0.46 306

UNDER WATER	0.47 260	0.47 180	0.47 278	0.47 241	0.47 325	0.47 289	0.47 315	0.47 279	0.47 316	0.47 279	0.47 325	0.47 286	0.46 310	0.47 284	0.47 317	0.47 281	0.47 289	0.47 305	0.46 320	0.47 281	0.47 313

LVE	0.47 260	0.47 180	0.47 278	0.47 241	0.49 331	0.47 289	0.47 315	0.47 279	0.49 325	0.47 279	0.47 325	0.47 286	0.46 310	0.47 284	0.47 317	0.47 281	0.47 289	0.48 313	0.47 327	0.47 281	0.47 313

Dean	0.46 254	0.46 176	0.46 271	0.46 235	0.46 319	0.46 284	0.46 310	0.46 273	0.46 311	0.47 279	0.46 317	0.46 280	0.46 310	0.46 280	0.46 311	0.46 276	0.46 281	0.46 300	0.46 320	0.46 273	0.46 306

ACVNet_1	0.46 254	0.47 180	0.46 271	0.46 235	0.46 319	0.46 284	0.46 310	0.46 273	0.47 316	0.46 273	0.46 317	0.46 280	0.46 310	0.46 280	0.46 311	0.46 276	0.46 281	0.47 305	0.46 320	0.46 273	0.46 306

ACVNet-4b	0.46 254	0.46 176	0.46 271	0.46 235	0.46 319	0.46 284	0.46 310	0.46 273	0.46 311	0.46 273	0.46 317	0.46 280	0.46 310	0.47 284	0.46 311	0.46 276	0.46 281	0.46 300	0.46 320	0.46 273	0.46 306

HaxPig	0.47 260	0.47 180	0.47 278	0.49 251	0.47 325	0.47 289	0.47 315	0.47 279	0.47 316	0.47 279	0.47 325	0.47 286	0.47 318	0.47 284	0.47 317	0.47 281	0.47 289	0.47 305	0.47 327	0.47 281	0.48 315

AIO-test2	0.55 287	0.59 212	0.52 303	0.67 295	0.47 325	0.61 333	0.47 315	0.61 326	0.47 316	0.61 331	0.47 325	0.61 336	0.48 319	0.62 332	0.47 317	0.64 322	0.53 310	0.58 336	0.47 327	0.58 309	0.48 315

Former-RAFT_DAM_RVC	0.49 271	0.98 261	0.64 321	0.84 313	0.46 319	0.45 278	0.35 260	0.47 279	0.47 316	0.45 269	0.34 260	0.46 280	0.48 319	0.46 280	0.35 263	0.39 243	0.71 341	0.39 261	0.35 276	0.41 258	0.41 292

RainbowNet	0.48 265	0.48 186	0.48 286	0.48 245	0.48 329	0.48 294	0.48 324	0.48 283	0.48 323	0.48 286	0.48 329	0.48 293	0.48 319	0.48 293	0.48 323	0.48 285	0.48 293	0.48 313	0.48 330	0.48 285	0.48 315

notaker	0.48 265	0.49 188	0.48 286	0.48 245	0.48 329	0.48 294	0.48 324	0.48 283	0.49 325	0.48 286	0.48 329	0.48 293	0.48 319	0.48 293	0.48 323	0.48 285	0.48 293	0.48 313	0.48 330	0.48 285	0.49 320

CASS	0.57 290	0.89 243	0.56 310	0.57 276	0.56 347	0.56 325	0.56 337	0.56 314	0.53 336	0.57 326	0.57 347	0.59 334	0.48 319	0.56 324	0.57 339	0.55 307	0.56 314	0.47 305	0.56 345	0.62 312	0.56 338
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
ACVNet_2	0.49 271	0.49 188	0.49 291	0.49 251	0.49 331	0.49 299	0.49 326	0.49 287	0.49 325	0.49 293	0.49 332	0.49 297	0.49 324	0.49 299	0.49 325	0.49 288	0.49 296	0.49 318	0.49 333	0.49 289	0.49 320

LL-Strereo	1.01 372	5.06 496	1.63 470	0.70 298	1.43 475	0.56 325	0.46 310	0.57 317	0.50 328	0.57 326	0.50 334	1.58 457	0.49 324	0.59 330	0.50 326	1.64 452	0.52 308	0.51 327	1.37 468	0.52 302	0.45 305

FCDSN-DC	0.41 234	0.59 212	0.64 321	0.54 269	0.33 257	0.50 307	0.37 272	0.42 263	0.40 289	0.61 331	0.43 310	0.50 311	0.49 324	0.38 231	0.32 238	0.28 188	0.23 180	0.26 189	0.22 191	0.35 218	0.28 219
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
FoundationStereo	0.50 273	0.50 192	0.50 295	0.50 258	0.50 335	0.50 307	0.50 328	0.50 295	0.50 328	0.50 305	0.50 334	0.50 311	0.50 327	0.50 306	0.50 326	0.50 294	0.50 302	0.50 322	0.50 335	0.50 294	0.50 323

StereoAnything_RVC	0.50 273	0.50 192	0.50 295	0.50 258	0.50 335	0.50 307	0.50 328	0.50 295	0.50 328	0.50 305	0.50 334	0.50 311	0.50 327	0.50 306	0.50 326	0.50 294	0.50 302	0.50 322	0.50 335	0.50 294	0.50 323

dual_stereo	0.50 273	0.50 192	0.50 295	0.50 258	0.50 335	0.50 307	0.50 328	0.50 295	0.50 328	0.50 305	0.50 334	0.50 311	0.50 327	0.50 306	0.50 326	0.50 294	0.50 302	0.50 322	0.50 335	0.50 294	0.50 323

MyStereo8	0.71 312	3.92 481	0.52 303	0.59 281	0.52 341	0.57 330	0.53 334	0.59 322	0.50 328	0.59 330	0.51 340	0.57 330	0.50 327	0.56 324	0.52 333	0.54 305	0.49 296	0.54 333	0.49 333	0.55 307	0.50 323

TorneroNet	0.66 301	0.53 204	0.50 295	0.50 258	0.64 359	1.06 380	0.70 359	0.50 295	0.51 335	0.49 293	0.69 364	0.49 297	0.50 327	0.48 293	1.15 404	0.71 332	0.49 296	1.14 396	1.08 400	0.49 289	0.49 320

SANet	0.50 273	0.50 192	0.50 295	0.50 258	0.50 335	0.50 307	0.50 328	0.50 295	0.50 328	0.50 305	0.50 334	0.50 311	0.50 327	0.50 306	0.50 326	0.50 294	0.50 302	0.50 322	0.50 335	0.50 294	0.50 323

999	1.00 367	1.12 290	0.59 313	1.10 347	1.21 465	1.09 386	0.52 333	1.08 374	1.43 477	1.18 395	1.35 468	0.98 378	0.52 333	0.91 366	0.85 379	0.72 333	1.46 459	0.83 369	0.98 392	0.68 317	1.41 477

SMoEStereo_RVC	0.63 296	0.75 223	0.51 300	0.73 302	0.53 344	0.71 345	0.47 315	0.67 333	0.58 341	0.74 352	0.60 348	0.72 349	0.53 334	0.74 349	0.51 331	0.61 317	0.62 325	0.62 339	0.61 353	0.63 313	0.61 343

WCG-NET	0.61 294	1.21 346	0.54 308	0.61 284	0.53 344	0.67 341	0.53 334	0.66 332	0.53 336	0.64 337	0.53 343	0.65 342	0.53 334	0.59 330	0.52 333	0.65 323	0.48 293	0.64 342	0.52 339	0.58 309	0.50 323

PSMNet_ROB	0.54 283	0.54 207	0.54 308	0.54 269	0.53 344	0.54 323	0.54 336	0.53 309	0.54 338	0.54 319	0.54 344	0.54 322	0.53 334	0.54 320	0.54 336	0.54 305	0.53 310	0.54 333	0.54 340	0.54 306	0.54 331

test_xeample3	1.10 379	1.81 379	0.61 317	0.84 313	0.49 331	0.77 348	0.66 347	0.92 359	1.40 475	0.68 343	0.46 317	0.78 356	0.54 337	1.72 460	1.48 476	1.34 436	1.52 463	1.35 460	1.67 493	1.33 435	1.55 481

anonymity	0.63 296	0.69 219	0.56 310	0.71 300	0.56 347	0.71 345	0.56 337	0.71 338	0.56 339	0.72 345	0.56 346	0.71 346	0.56 338	0.71 344	0.58 340	0.68 327	0.55 312	0.68 347	0.55 341	0.68 317	0.54 331

MyStereo05	0.80 329	4.12 482	0.63 319	0.63 287	0.61 355	0.62 336	0.66 347	0.65 330	0.62 347	0.67 341	0.61 351	0.65 342	0.58 339	0.67 341	0.55 338	0.60 313	0.57 316	0.64 342	0.55 341	0.72 323	0.55 335

DDUNet	0.81 334	2.45 430	0.57 312	0.90 318	0.60 350	0.88 359	0.59 340	0.90 354	0.60 343	0.88 362	0.60 348	0.90 368	0.58 339	0.88 362	0.60 342	0.84 349	0.60 320	0.86 372	0.57 347	0.86 344	0.60 342

UDG	0.80 329	2.21 411	0.60 315	0.91 320	0.60 350	0.90 362	0.58 339	0.88 353	0.60 343	0.90 363	0.60 348	0.88 365	0.60 341	0.90 365	0.58 340	0.86 351	0.60 320	0.84 370	0.59 350	0.84 343	0.61 343

AIO-Stereo-zeroshot1	0.75 318	0.92 252	0.85 355	0.96 333	0.59 349	1.27 444	0.44 304	0.59 322	0.69 358	0.91 365	0.68 361	0.55 326	0.61 342	1.06 385	0.83 378	0.62 320	0.70 337	0.90 374	0.41 308	0.89 347	0.56 338

ARAFT	0.68 306	0.81 230	0.63 319	0.74 303	0.60 350	0.78 350	0.62 342	0.77 342	0.66 353	0.74 352	0.63 353	0.75 353	0.62 343	0.83 356	0.60 342	0.70 331	0.55 312	0.70 350	0.60 351	0.78 330	0.55 335

AFF-stereo	0.73 316	0.88 240	0.67 328	0.75 304	0.68 368	0.75 347	0.64 344	0.80 345	0.72 368	0.83 360	0.70 366	0.82 362	0.64 344	0.84 357	0.67 350	0.77 337	0.63 326	0.81 364	0.63 355	0.78 330	0.62 346

DSFCA	0.66 301	0.73 222	0.78 347	0.65 291	0.65 361	0.64 338	0.64 344	0.65 330	0.63 349	0.64 337	0.64 355	0.64 339	0.64 344	0.65 338	0.65 346	0.65 323	0.65 330	0.65 345	0.65 357	0.66 315	0.64 348

RSM++	0.76 322	0.82 232	0.66 325	0.85 315	0.64 359	0.85 356	0.71 362	0.94 363	0.64 350	0.87 361	0.67 360	0.87 364	0.65 346	0.84 357	0.65 346	0.81 342	0.70 337	0.79 359	0.71 371	0.83 342	0.70 357

plain	1.88 453	3.16 461	0.64 321	3.10 477	0.65 361	3.10 512	0.64 344	3.12 511	0.65 351	3.10 512	0.65 357	3.11 512	0.65 346	3.12 511	0.65 346	3.12 507	0.65 330	3.13 512	0.65 357	3.13 498	0.65 349

LMCR-Stereo	0.65 299	0.63 215	0.65 324	0.65 291	0.65 361	0.66 340	0.63 343	0.58 320	0.65 351	0.63 336	0.64 355	0.65 342	0.65 346	0.66 339	0.66 349	0.66 325	0.64 328	0.65 345	0.67 363	0.68 317	0.73 364

TorneroNet-64	0.45 251	0.27 123	0.30 197	0.58 278	0.27 220	0.70 343	0.30 229	0.28 188	0.73 371	0.73 347	0.28 225	0.71 346	0.66 349	0.75 350	0.27 209	0.27 186	0.29 206	0.37 244	0.75 374	0.28 184	0.30 234

MIF-Stereo (partial)	2.58 505	3.31 465	0.66 325	3.18 481	0.66 364	3.18 513	0.66 347	3.21 512	0.67 354	3.19 513	0.66 359	3.19 513	0.66 349	3.31 515	0.68 354	5.09 536	1.79 484	8.23 555	1.67 493	6.18 539	1.38 476

DCRE	0.84 345	1.89 386	0.77 346	0.94 328	0.72 375	0.88 359	0.73 365	0.87 350	0.78 374	0.90 363	0.71 370	0.88 365	0.67 351	0.88 362	0.73 366	0.81 342	0.68 332	0.81 364	0.70 368	0.82 340	0.70 357

R-Stereo Train	0.81 334	0.96 258	0.67 328	0.95 330	0.67 365	0.95 367	0.68 352	0.95 365	0.68 355	0.95 373	0.68 361	0.96 376	0.68 352	0.96 375	0.68 354	0.94 362	0.68 332	0.94 381	0.68 364	0.94 357	0.68 354

RAFT-Stereo	0.81 334	0.96 258	0.67 328	0.95 330	0.67 365	0.95 367	0.68 352	0.95 365	0.68 355	0.95 373	0.68 361	0.96 376	0.68 352	0.96 375	0.68 354	0.94 362	0.68 332	0.94 381	0.68 364	0.94 357	0.68 354
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
STTRV1_RVC	0.82 338	1.60 369	0.70 331	1.01 340	0.60 350	1.07 383	0.69 355	1.01 371	0.60 343	0.72 345	0.55 345	1.02 384	0.68 352	1.03 383	0.67 350	0.89 353	0.63 326	0.92 379	0.57 347	0.90 350	0.65 349

FlowAnything_test	1.02 374	1.72 373	0.71 335	1.59 427	0.70 371	1.61 459	0.69 355	1.61 450	0.70 361	1.60 453	0.70 366	1.61 461	0.69 355	1.61 457	0.70 362	0.81 342	0.58 318	0.81 364	0.55 341	0.81 338	0.56 338

FlowAnything	1.02 374	1.71 372	0.72 338	1.59 427	0.69 369	1.60 458	0.69 355	1.61 450	0.70 361	1.60 453	0.69 364	1.60 458	0.69 355	1.61 457	0.69 358	0.81 342	0.58 318	0.81 364	0.56 345	0.82 340	0.56 338

UniTT-Stereo	2.03 470	3.43 467	0.72 338	3.42 492	0.73 376	3.27 515	0.68 352	3.38 515	0.69 358	3.29 515	0.72 373	3.28 515	0.70 357	3.35 516	0.68 354	3.39 509	0.68 332	3.31 514	0.69 366	3.37 499	0.73 364

RAFT-Stereo + iAFF	0.70 310	0.72 221	0.71 335	0.80 308	0.62 358	0.82 355	0.61 341	0.81 348	0.62 347	0.81 359	0.63 353	0.80 359	0.70 357	0.73 347	0.61 344	0.76 336	0.61 324	0.74 353	0.61 353	0.77 329	0.61 343

DMCA-RVC	0.70 310	0.80 227	0.70 331	0.70 298	0.70 371	0.70 343	0.70 359	0.71 338	0.70 361	0.70 344	0.71 370	0.71 346	0.70 357	0.70 343	0.69 358	0.69 328	0.70 337	0.69 348	0.70 368	0.69 321	0.70 357

MSMD_ROB	1.19 384	1.10 289	0.70 331	1.10 347	0.60 350	1.10 387	0.70 359	1.10 377	0.70 361	1.10 385	0.70 366	1.10 391	0.70 357	7.00 554	0.70 362	1.10 373	0.70 337	1.10 395	0.70 368	1.10 369	0.70 357

MoCha-V2	2.11 477	26.97 560	0.78 347	0.92 323	0.77 380	0.96 369	0.72 364	0.90 354	0.72 368	0.94 371	0.70 366	0.90 368	0.71 361	0.91 366	0.71 364	0.85 350	0.71 341	0.88 373	0.69 366	0.87 345	0.67 353

AdaDepth	0.86 348	0.93 254	0.71 335	1.01 340	1.07 407	1.02 377	0.71 362	1.00 367	0.71 366	1.01 379	0.71 370	1.00 379	0.72 362	1.14 395	0.71 364	0.92 357	0.64 328	0.90 374	0.64 356	0.89 347	0.69 356

tt45	1.04 376	0.88 240	1.36 453	0.92 323	1.03 405	1.51 457	0.79 370	0.70 337	0.88 383	0.74 352	0.90 385	1.60 458	0.72 362	1.60 455	0.75 369	0.91 354	0.78 349	1.52 467	0.79 378	1.14 371	1.32 469

HSM-Net_RVC	0.95 363	1.17 296	0.78 347	1.18 362	0.71 373	1.16 394	0.75 367	1.09 376	0.80 378	1.10 385	0.75 377	1.17 398	0.74 364	1.17 398	0.80 374	1.13 379	0.73 343	1.17 402	0.77 375	1.16 375	0.72 361
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
PA-Net	11.80 556	223.51 582	0.62 318	0.59 281	0.71 373	0.59 332	0.73 365	0.67 333	0.73 371	0.55 322	0.61 351	0.60 335	0.74 364	0.63 336	0.73 366	0.66 325	0.60 320	0.69 348	0.66 359	0.72 323	0.65 349
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
ours_stereo	1.20 385	1.21 346	0.90 359	1.64 435	1.11 409	1.35 447	0.67 351	1.76 457	0.93 390	1.70 461	1.10 402	1.39 452	0.75 366	1.41 452	0.81 377	1.60 451	1.03 369	1.33 457	1.00 394	1.61 445	0.72 361

iGMRVC	0.84 345	2.85 455	0.72 338	0.72 301	0.73 376	0.77 348	0.79 370	0.73 340	0.74 373	0.73 347	0.72 373	0.73 351	0.76 367	0.73 347	0.73 366	0.72 333	0.73 343	0.73 352	0.72 372	0.73 326	0.72 361

RAStereo	2.23 490	3.64 470	0.76 345	3.65 501	0.86 386	3.66 519	0.76 368	3.67 519	0.81 381	3.66 516	0.76 378	3.66 517	0.77 368	3.68 518	0.77 371	3.68 512	0.77 348	3.69 519	0.77 375	3.70 501	0.77 370

ToySt	0.92 355	2.11 402	0.90 359	0.95 330	0.79 382	0.99 371	0.78 369	0.94 363	0.81 381	0.94 371	0.78 379	0.95 375	0.77 368	0.94 371	0.86 380	0.91 354	0.79 350	0.85 371	0.77 375	0.89 347	0.73 364

G-Net	0.79 327	0.79 226	0.79 350	0.79 306	0.79 382	0.79 352	0.79 370	0.79 343	0.79 377	0.79 356	0.79 380	0.79 358	0.79 370	0.79 352	0.79 372	0.79 338	0.79 350	0.79 359	0.79 378	0.79 332	0.79 371

NaN_ROB	0.80 329	0.80 227	0.80 351	0.80 308	0.80 384	0.80 353	0.80 373	0.80 345	0.80 378	0.80 357	0.80 381	0.80 359	0.80 371	0.80 354	0.80 374	0.80 339	0.80 353	0.80 362	0.80 380	0.80 335	0.80 372

CSAN	0.80 329	0.80 227	0.80 351	0.80 308	0.80 384	0.80 353	0.80 373	0.80 345	0.80 378	0.80 357	0.80 381	0.80 359	0.80 371	0.80 354	0.80 374	0.80 339	0.80 353	0.80 362	0.80 380	0.80 335	0.80 372

AIO-Stereo-zeroshot	0.91 353	0.86 236	0.89 356	1.25 412	0.69 369	1.05 379	0.81 375	1.16 381	0.50 328	1.12 390	0.97 393	0.72 349	0.82 373	1.06 385	0.95 387	0.61 317	0.87 358	1.03 393	0.85 386	1.04 366	1.01 394

DPSimNet_ROB	0.97 364	1.18 298	0.81 353	1.10 347	0.91 392	1.02 377	0.82 376	1.04 373	0.91 385	1.03 381	0.86 384	1.28 449	0.82 373	1.03 383	0.89 381	1.17 382	0.81 355	1.02 392	0.82 383	1.08 368	0.81 374

DPSM_ROB	0.92 355	0.91 247	0.91 361	0.91 320	0.92 393	0.92 364	0.92 383	0.92 359	0.91 385	0.93 369	0.91 388	0.92 371	0.90 375	0.91 366	0.92 382	0.92 357	0.91 359	0.91 377	0.92 387	0.93 355	0.93 384

DPSM	0.92 355	0.91 247	0.91 361	0.91 320	0.92 393	0.92 364	0.92 383	0.92 359	0.91 385	0.93 369	0.91 388	0.92 371	0.90 375	0.91 366	0.92 382	0.92 357	0.91 359	0.91 377	0.92 387	0.93 355	0.93 384

DGTPSM_ROB	0.93 360	1.00 265	0.92 363	0.94 328	0.96 397	0.91 363	0.92 383	0.91 356	0.96 394	0.91 365	0.96 392	0.93 374	0.92 377	0.94 371	0.92 382	0.92 357	0.92 361	0.90 374	0.92 387	0.94 357	0.91 382

pmcnn	0.92 355	0.92 252	0.92 363	0.92 323	0.92 393	0.92 364	0.92 383	0.92 359	0.92 389	0.92 367	0.92 391	0.92 371	0.92 377	0.92 370	0.92 382	0.92 357	0.92 361	0.92 379	0.92 387	0.92 354	0.92 383

MM-Stereo_test2	1.20 385	1.85 382	1.05 374	1.46 424	0.94 396	1.36 449	0.99 390	1.36 443	0.95 392	1.41 449	0.98 394	1.40 454	0.96 379	1.37 450	0.95 387	1.37 440	1.06 370	1.33 457	0.93 391	1.29 434	0.89 380

MaDis-Stereo	3.19 514	6.02 516	1.12 377	5.61 531	1.16 415	5.43 546	1.02 396	5.15 545	0.70 361	5.43 545	1.21 456	5.03 546	0.97 380	4.85 539	0.99 391	4.53 518	1.16 387	5.53 547	1.25 461	5.37 535	1.30 467

Selective-RAFT-Error	0.88 350	0.84 233	0.98 368	0.86 316	0.97 398	0.88 359	0.95 387	0.84 349	0.99 398	0.92 367	0.82 383	0.84 363	0.98 381	0.87 361	0.97 389	0.81 342	0.83 356	0.79 359	0.82 383	0.79 332	0.85 377

HH	0.71 312	2.54 432	0.74 342	1.10 347	0.32 246	0.41 253	0.37 272	0.69 335	0.78 374	0.73 347	0.90 385	0.75 353	1.00 382	0.84 357	0.69 358	0.69 328	0.40 255	0.35 236	0.26 215	0.35 218	0.26 198

HanStereo	0.71 312	2.54 432	0.74 342	1.10 347	0.32 246	0.41 253	0.37 272	0.69 335	0.78 374	0.73 347	0.90 385	0.75 353	1.00 382	0.84 357	0.69 358	0.69 328	0.40 255	0.35 236	0.26 215	0.35 218	0.26 198

Selective-RAFT	0.89 352	0.89 243	0.72 338	1.16 360	0.78 381	1.06 380	0.82 376	0.87 350	0.97 395	1.00 375	0.91 388	0.90 368	1.00 382	0.89 364	0.93 386	0.83 347	0.83 356	0.82 368	0.82 383	0.81 338	0.82 375

GANet	1.00 367	1.00 265	1.00 370	1.00 337	1.00 399	1.00 372	1.00 391	1.00 367	1.00 399	1.00 375	1.00 395	1.00 379	1.00 382	1.00 378	1.00 392	1.00 364	1.00 364	1.00 388	1.00 394	1.00 361	1.00 391

TDLM	1.00 367	1.00 265	1.00 370	1.00 337	1.00 399	1.00 372	1.00 391	1.00 367	1.00 399	1.00 375	1.00 395	1.00 379	1.00 382	1.00 378	1.00 392	1.00 364	1.00 364	1.00 388	1.00 394	1.00 361	1.00 391

CVANet_RVC	1.00 367	1.00 265	1.00 370	1.00 337	1.00 399	1.00 372	1.00 391	1.00 367	1.00 399	1.00 375	1.00 395	1.00 379	1.00 382	1.00 378	1.00 392	1.00 364	1.00 364	1.00 388	1.00 394	1.00 361	1.00 391

trnet	1.01 372	1.01 271	1.01 373	1.01 340	1.01 403	1.01 376	1.01 394	1.01 371	1.01 402	1.01 379	1.01 398	1.01 383	1.01 388	1.01 382	1.01 395	1.01 367	1.01 367	1.01 391	1.01 398	1.01 364	1.01 394

MM-Stereo_test3	1.27 435	2.07 398	1.18 385	1.60 430	1.02 404	1.45 455	1.01 394	1.40 447	1.04 404	1.44 450	1.03 399	1.46 456	1.02 389	1.44 453	1.02 396	1.51 447	1.12 384	1.32 456	0.98 392	1.38 438	0.97 387

GLC_STEREO	1.07 377	1.01 271	1.06 375	1.07 345	1.05 406	1.06 380	1.08 398	1.08 374	1.05 405	1.07 383	1.06 400	1.08 387	1.05 390	1.06 385	1.10 399	1.07 370	1.09 377	1.05 394	1.05 399	1.06 367	1.12 401

AIO-Stereo	0.84 345	0.66 218	0.70 331	0.83 312	0.67 365	0.98 370	0.82 376	1.14 378	0.72 368	1.03 381	0.74 376	1.03 385	1.09 391	0.99 377	0.45 307	1.04 368	0.73 343	0.95 383	0.74 373	0.94 357	0.46 306

KSHMR	0.66 301	0.50 192	0.48 286	1.15 355	0.52 341	0.49 299	0.51 332	0.49 287	0.71 366	0.67 341	0.50 334	1.16 397	1.11 392	0.66 339	0.52 333	0.49 288	0.49 296	0.51 327	0.66 359	0.50 294	1.14 405

RP	2.33 494	25.00 553	1.13 378	1.15 355	1.15 411	1.10 387	1.15 403	1.15 379	1.15 407	1.12 390	1.15 403	1.09 389	1.13 393	1.10 391	1.15 404	1.11 378	1.09 377	1.16 398	1.12 402	1.16 375	1.17 410

RGC	2.36 496	25.48 554	1.19 387	1.15 355	1.15 411	1.10 387	1.16 405	1.17 383	1.16 408	1.12 390	1.16 406	1.11 394	1.13 393	1.09 389	1.18 409	1.10 373	1.15 386	1.16 398	1.12 402	1.14 371	1.12 401

Abc-Net	2.32 493	24.75 552	1.14 379	1.17 361	1.17 416	1.11 390	1.15 403	1.17 383	1.21 460	1.08 384	1.16 406	1.12 395	1.14 395	1.09 389	1.17 408	1.09 371	1.16 387	1.17 402	1.17 407	1.16 375	1.11 399
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	1.77 449	4.21 486	1.84 488	2.49 464	2.11 512	2.54 498	1.36 467	1.65 454	1.17 412	2.75 506	1.90 500	2.54 492	1.15 396	0.94 371	1.11 400	1.50 445	1.32 440	0.96 384	1.46 477	1.49 441	0.88 378

rrr	1.77 449	4.21 486	1.84 488	2.49 464	2.11 512	2.54 498	1.36 467	1.65 454	1.17 412	2.75 506	1.90 500	2.54 492	1.15 396	0.94 371	1.11 400	1.50 445	1.32 440	0.96 384	1.46 477	1.49 441	0.88 378

NCC-stereo	2.36 496	25.52 555	1.17 383	1.15 355	1.17 416	1.11 390	1.11 399	1.15 379	1.16 408	1.10 385	1.16 406	1.10 391	1.15 396	1.14 395	1.13 402	1.09 371	1.11 381	1.15 397	1.16 406	1.17 380	1.17 410

Nwc_Net	2.37 498	25.95 557	1.15 381	1.14 353	1.15 411	1.08 384	1.14 402	1.17 383	1.16 408	1.14 393	1.15 403	1.08 387	1.15 396	1.11 393	1.14 403	1.10 373	1.11 381	1.16 398	1.09 401	1.16 375	1.15 406

edge stereo	2.43 501	27.07 561	1.14 379	1.06 344	1.14 410	1.08 384	1.17 406	1.16 381	1.14 406	1.10 385	1.16 406	1.09 389	1.16 400	1.10 391	1.16 407	1.10 373	1.11 381	1.16 398	1.19 408	1.13 370	1.11 399

AF-Net	2.37 498	25.71 556	1.17 383	1.13 352	1.15 411	1.15 393	1.18 407	1.19 386	1.16 408	1.10 385	1.15 403	1.10 391	1.18 401	1.12 394	1.15 404	1.10 373	1.10 380	1.17 402	1.15 404	1.16 375	1.12 401

stereogan	2.33 494	24.38 551	1.18 385	1.18 362	1.18 418	1.14 392	1.18 407	1.19 386	1.19 414	1.14 393	1.18 410	1.14 396	1.18 401	1.14 395	1.18 409	1.14 381	1.14 385	1.19 406	1.19 408	1.15 373	1.19 414

ktn	0.72 315	0.53 204	1.08 376	1.14 353	0.51 340	1.22 441	1.36 467	0.51 305	0.59 342	0.51 310	0.51 340	0.69 345	1.20 403	0.67 341	0.51 331	0.51 300	0.49 296	0.58 336	0.66 359	0.52 302	0.53 330

DisPM	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 389	1.20 415	1.20 397	1.20 411	1.20 400	1.20 403	1.20 400	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

CrosDoStereo	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 389	1.20 415	1.20 397	1.20 411	1.20 400	1.20 403	1.20 400	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

PFNet+	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 389	1.20 415	1.20 397	1.20 411	1.20 400	1.20 403	1.20 400	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

LCNet	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 389	1.20 415	1.20 397	1.20 411	1.20 400	1.20 403	1.20 400	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

HHNet	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 389	1.20 415	1.20 397	1.20 411	1.20 400	1.20 403	1.20 400	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

Patchmatch Stereo++	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 389	1.20 415	1.20 397	1.20 411	1.20 400	1.20 403	1.20 400	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
AAGNet	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 389	1.20 415	1.20 397	1.20 411	1.20 400	1.20 403	1.20 400	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

STrans-v2	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 389	1.20 415	1.20 397	1.20 411	1.20 400	1.20 403	1.20 400	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

TransformOpticalFlow	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 389	1.20 415	1.20 397	1.20 411	1.20 400	1.20 403	1.20 400	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

OMP-Stereo	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 389	1.20 415	1.20 397	1.20 411	1.20 400	1.20 403	1.20 400	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

IIG-Stereo	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 389	1.20 415	1.20 397	1.20 411	1.20 400	1.20 403	1.20 400	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

NF-Stereo	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 389	1.20 415	1.20 397	1.20 411	1.20 400	1.20 403	1.20 400	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

OCTAStereo	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 389	1.20 415	1.20 397	1.20 411	1.20 400	1.20 403	1.20 400	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

PSM-softLoss	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 389	1.20 415	1.20 397	1.20 411	1.20 400	1.20 403	1.20 400	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

KMStereo	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 389	1.20 415	1.20 397	1.20 411	1.20 400	1.20 403	1.20 400	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

NRIStereo	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 389	1.20 415	1.20 397	1.20 411	1.20 400	1.20 403	1.20 400	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

PSM-adaLoss	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 389	1.20 415	1.20 397	1.20 411	1.20 400	1.20 403	1.20 400	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

PSM-AAD	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 389	1.20 415	1.20 397	1.20 411	1.20 400	1.20 403	1.20 400	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

FTStereo	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 389	1.20 415	1.20 397	1.20 411	1.20 400	1.20 403	1.20 400	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

ROB_FTStereo_v2	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 389	1.20 415	1.20 397	1.20 411	1.20 400	1.20 403	1.20 400	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

ROB_FTStereo	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 389	1.20 415	1.20 397	1.20 411	1.20 400	1.20 403	1.20 400	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

Consistency-Raft	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 389	1.20 415	1.20 397	1.20 411	1.20 400	1.20 403	1.20 400	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

KYRaft	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 389	1.20 415	1.20 397	1.20 411	1.20 400	1.20 403	1.20 400	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

HUI-Stereo	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 389	1.20 415	1.20 397	1.20 411	1.20 400	1.20 403	1.20 400	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

ASMatch	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 389	1.20 415	1.20 397	1.20 411	1.20 400	1.20 403	1.20 400	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

DeepStereo_LL	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 389	1.20 415	1.20 397	1.20 411	1.20 400	1.20 403	1.20 400	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

DEmStereo	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 389	1.20 415	1.20 397	1.20 411	1.20 400	1.20 403	1.20 400	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

SST-Stereo	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 389	1.20 415	1.20 397	1.20 411	1.20 400	1.20 403	1.20 400	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

THIR-Stereo	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 389	1.20 415	1.20 397	1.20 411	1.20 400	1.20 403	1.20 400	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

RAFT_R40	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 389	1.20 415	1.20 397	1.20 411	1.20 400	1.20 403	1.20 400	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

DRaft	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 389	1.20 415	1.20 397	1.20 411	1.20 400	1.20 403	1.20 400	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

PFNet	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 389	1.20 415	1.20 397	1.20 411	1.20 400	1.20 403	1.20 400	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

GrayStereo	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 389	1.20 415	1.20 397	1.20 411	1.20 400	1.20 403	1.20 400	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

RE-Stereo	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 389	1.20 415	1.20 397	1.20 411	1.20 400	1.20 403	1.20 400	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

Pruner-Stereo	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 389	1.20 415	1.20 397	1.20 411	1.20 400	1.20 403	1.20 400	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

TVStereo	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 389	1.20 415	1.20 397	1.20 411	1.20 400	1.20 403	1.20 400	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

DeepStereo_RVC	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 389	1.20 415	1.20 397	1.20 411	1.20 400	1.20 403	1.20 400	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

RAFT-RH_RVC	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 389	1.20 415	1.20 397	1.20 411	1.20 400	1.20 403	1.20 400	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

IRAFT_RVC	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 389	1.20 415	1.20 397	1.20 411	1.20 400	1.20 403	1.20 400	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

RAFT-345	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 389	1.20 415	1.20 397	1.20 411	1.20 400	1.20 403	1.20 400	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

iRAFT	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 389	1.20 415	1.20 397	1.20 411	1.20 400	1.20 403	1.20 400	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

CRE-IMP	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 389	1.20 415	1.20 397	1.20 411	1.20 400	1.20 403	1.20 400	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

GMM-Stereo	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 389	1.20 415	1.20 397	1.20 411	1.20 400	1.20 403	1.20 400	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

RAFT-IKP	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 389	1.20 415	1.20 397	1.20 411	1.20 400	1.20 403	1.20 400	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

Prome-Stereo	1.20 385	1.20 300	1.20 390	1.20 364	1.20 419	1.20 395	1.20 409	1.20 389	1.20 415	1.20 397	1.20 411	1.20 400	1.20 403	1.20 400	1.20 411	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

HBP-ISP	1.24 433	1.72 373	1.65 471	1.15 355	0.76 379	1.40 453	0.88 379	1.67 456	1.02 403	1.69 460	1.38 473	1.69 462	1.21 449	1.87 467	1.21 456	1.05 369	0.79 350	0.97 386	0.80 380	1.19 383	0.75 368

GANetREF_RVC	1.55 442	1.94 395	1.22 437	1.88 438	1.21 465	1.88 465	1.22 455	1.88 459	1.22 461	1.88 462	1.22 457	1.88 464	1.22 450	1.89 468	1.22 457	1.87 458	1.22 439	1.88 480	1.22 457	1.88 457	1.22 461
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	2.46 502	26.05 558	1.23 439	1.23 411	1.22 467	1.20 395	1.24 457	1.23 437	1.23 462	1.19 396	1.22 457	1.21 445	1.24 451	1.20 400	1.24 458	1.21 429	1.17 390	1.22 453	1.25 461	1.20 384	1.24 464

SPS-STEREO	1.59 443	1.91 389	1.21 436	1.94 441	1.20 419	2.00 473	1.23 456	1.99 464	1.24 463	2.00 470	1.25 460	2.03 474	1.26 452	2.00 472	1.29 465	1.90 462	1.18 391	1.89 481	1.21 456	1.89 458	1.20 415
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
StereoVision	3.15 513	5.00 495	0.89 356	4.83 522	1.00 399	3.93 520	1.27 461	6.37 548	1.34 468	5.67 548	1.26 461	5.84 549	1.27 453	5.03 545	1.24 458	5.10 537	1.09 377	4.61 531	0.57 347	5.62 537	1.12 401

S-Stereo	2.51 503	26.86 559	1.23 439	1.22 409	1.22 467	1.24 443	1.25 458	1.22 435	1.24 463	1.21 442	1.24 459	1.19 399	1.27 453	1.19 399	1.24 458	1.19 383	1.20 392	1.25 454	1.19 408	1.24 432	1.23 463

11t	1.27 435	2.70 441	1.34 443	1.32 417	0.89 388	1.30 446	1.34 464	1.64 453	0.57 340	1.45 451	0.72 373	1.05 386	1.29 455	1.07 388	1.29 465	1.49 444	1.02 368	0.97 386	1.15 404	1.48 440	1.31 468

3.25w_new	2.03 470	2.72 445	1.35 445	3.33 489	1.57 478	2.72 503	1.53 481	2.15 474	1.33 467	2.15 480	1.60 483	2.63 498	1.30 456	2.72 503	1.99 510	2.67 502	1.53 464	1.75 472	1.25 461	2.53 489	1.87 505

FC-DCNN	1.07 377	1.09 286	0.98 368	0.89 317	0.52 341	1.41 454	0.91 382	1.21 434	1.24 463	1.96 465	2.05 517	1.91 466	1.30 456	1.27 448	1.08 398	0.80 339	0.60 320	0.58 336	0.41 308	0.68 317	0.54 331

4w-stereo	2.02 468	2.72 445	1.44 460	3.36 490	1.59 480	2.48 491	1.72 488	2.28 476	1.24 463	2.24 482	1.65 487	2.56 494	1.32 458	2.39 486	1.98 509	2.67 502	1.51 462	1.66 470	1.24 459	2.53 489	1.88 508

CC-Net-ROB	1.36 438	1.33 358	1.33 442	1.36 420	1.38 472	1.36 449	1.33 463	1.37 445	1.34 468	1.35 446	1.36 470	1.38 451	1.34 459	1.38 451	1.38 472	1.35 437	1.38 455	1.33 457	1.35 465	1.43 439	1.34 472

2.5w	2.01 467	2.40 428	1.37 455	3.28 484	2.01 506	2.71 502	1.43 479	1.82 458	1.83 499	1.90 464	1.41 475	2.71 501	1.35 460	2.71 501	1.85 499	2.66 500	1.53 464	1.64 469	1.23 458	2.53 489	1.87 505

3.5w_stereo	2.03 470	2.72 445	1.35 445	3.41 491	1.57 478	2.72 503	1.49 480	2.01 466	1.34 468	2.15 480	1.61 485	2.63 498	1.36 461	2.72 503	1.99 510	2.66 500	1.58 469	1.68 471	1.24 459	2.53 489	1.87 505

MaskLacGwcNet_RVC	1.35 437	1.35 359	1.35 445	1.35 419	1.35 469	1.35 447	1.35 465	1.36 443	1.35 471	1.36 447	1.35 468	1.36 450	1.36 461	1.36 449	1.35 469	1.35 437	1.35 452	1.35 460	1.35 465	1.35 436	1.35 473

MC-Stereo	1.76 448	2.96 456	1.37 455	2.14 448	1.37 471	2.14 478	1.36 467	2.14 473	1.37 473	2.14 479	1.37 471	2.14 476	1.37 463	2.14 477	1.37 471	1.97 465	1.32 440	1.97 483	1.32 464	1.98 459	1.33 470

PS-NSSS	1.38 440	1.39 361	1.34 443	1.34 418	1.35 469	1.38 451	1.37 472	1.35 442	1.38 474	1.34 445	1.34 467	1.39 452	1.38 464	1.70 459	1.40 473	1.36 439	1.36 453	1.36 462	1.37 468	1.37 437	1.36 474

sCroCo_RVC	2.10 476	2.76 449	1.92 498	2.78 472	1.39 473	2.73 505	1.41 475	2.73 502	1.40 475	2.77 511	1.41 475	2.74 507	1.40 465	2.74 506	1.40 473	2.72 504	1.42 457	2.72 510	1.44 476	2.79 496	1.42 478

MM-Stereo_test1	1.80 451	3.41 466	1.52 467	2.12 447	1.41 474	2.04 474	1.41 475	2.05 468	1.46 478	2.04 474	1.41 475	2.05 475	1.42 466	2.05 473	1.43 475	2.04 469	1.54 466	1.94 482	1.38 470	1.99 460	1.33 470

RASNet	1.49 441	1.65 370	1.45 461	1.38 422	1.43 475	1.47 456	1.36 467	1.38 446	1.36 472	1.39 448	1.60 483	1.45 455	1.45 467	1.51 454	2.21 512	1.53 448	1.36 453	1.36 462	1.36 467	1.66 448	1.36 474

ccnet	0.80 329	2.28 415	0.33 213	0.50 258	0.33 257	0.50 307	0.33 244	0.50 295	0.33 251	0.49 293	0.33 252	0.49 297	1.56 468	2.38 485	0.33 246	0.41 255	0.29 206	0.42 290	1.57 480	2.28 470	0.29 224

DPSMNet_ROB	1.60 444	1.59 368	1.70 473	1.59 427	1.59 480	1.61 459	1.61 482	1.60 449	1.60 480	1.62 459	1.59 482	1.60 458	1.60 469	1.60 455	1.59 479	1.59 449	1.60 473	1.59 468	1.59 485	1.59 444	1.59 486

asd	2.18 480	2.77 451	1.58 468	3.59 499	2.00 505	2.58 500	1.85 494	2.39 486	1.71 486	2.47 492	1.97 506	2.59 496	1.61 470	2.56 493	1.79 496	2.51 497	1.99 489	2.11 489	1.62 489	2.36 474	1.60 487

4.25w-stereo	1.98 455	2.72 445	1.46 462	3.47 494	1.43 475	2.07 476	1.98 502	2.53 493	1.52 479	2.71 499	1.98 512	1.81 463	1.62 471	1.96 470	1.36 470	1.88 461	2.00 490	2.53 507	1.61 487	1.74 452	1.15 406

Anonymous3	2.55 504	3.26 464	1.65 471	3.28 484	1.63 483	3.24 514	1.68 485	3.27 513	1.66 481	3.28 514	1.67 488	3.25 514	1.66 472	3.27 513	1.64 481	3.26 508	1.65 476	3.30 513	1.65 491	4.95 530	1.65 494

qwe	2.18 480	2.60 435	1.58 468	3.83 506	1.90 503	2.53 496	1.90 500	2.48 489	1.73 491	2.37 489	1.92 502	2.53 490	1.68 473	2.56 493	1.83 497	2.52 499	1.87 488	2.07 485	1.68 495	2.32 472	1.71 495

4.5w-stereo	1.99 456	2.33 419	1.81 479	3.28 484	1.68 486	1.94 467	1.99 505	2.72 496	1.70 485	2.72 500	1.99 515	1.97 469	1.68 473	1.76 461	1.29 465	1.91 463	2.02 496	2.53 507	1.61 487	1.75 453	1.16 409

UDGNet	2.23 490	5.40 506	1.72 476	2.48 463	1.69 487	2.51 495	1.69 486	2.51 492	1.72 490	2.50 494	1.69 489	2.52 489	1.69 475	2.50 491	1.68 485	2.41 491	1.70 479	2.42 501	1.69 497	2.42 476	1.64 492

MFMNet_re	1.81 452	1.91 389	1.71 475	1.95 442	1.70 490	1.95 470	1.70 487	1.96 462	1.74 493	1.97 467	1.72 490	1.95 467	1.71 476	1.97 471	1.71 487	1.86 457	1.62 474	1.85 474	1.66 492	1.86 456	1.64 492

3.75w	1.99 456	2.31 417	1.83 487	3.16 480	1.65 484	1.93 466	1.98 502	2.72 496	1.68 482	2.73 505	1.97 506	2.00 471	1.72 477	1.81 465	1.25 461	2.27 481	2.01 492	2.38 499	1.42 474	1.71 450	1.24 464

asda	2.17 479	2.54 432	1.81 479	3.47 494	1.78 493	2.50 494	1.86 495	2.61 495	1.68 482	2.61 497	1.83 492	2.37 485	1.73 478	2.44 490	1.88 504	2.51 497	1.84 486	2.34 496	1.62 489	2.23 466	1.77 500

2.75w_new	1.99 456	2.34 423	1.81 479	3.14 478	1.62 482	1.94 467	1.99 505	2.72 496	1.71 486	2.72 500	1.99 515	1.90 465	1.73 478	1.82 466	1.29 465	2.37 488	2.01 492	2.31 494	1.42 474	1.77 454	1.22 461

4.25_new	2.00 460	2.33 419	1.82 484	3.32 487	1.69 487	1.95 470	1.99 505	2.72 496	1.71 486	2.72 500	1.97 506	2.01 472	1.74 480	1.77 462	1.28 463	2.18 473	2.01 492	2.48 505	1.58 483	1.65 446	1.17 410

4.5w_new	2.00 460	2.33 419	1.82 484	3.32 487	1.69 487	1.95 470	1.99 505	2.72 496	1.71 486	2.72 500	1.97 506	2.01 472	1.74 480	1.77 462	1.28 463	2.18 473	2.01 492	2.48 505	1.58 483	1.65 446	1.17 410

2w_stereo	1.99 456	2.36 426	1.81 479	3.24 482	1.67 485	1.94 467	1.98 502	2.72 496	1.68 482	2.72 500	1.94 503	1.98 470	1.74 480	1.79 464	1.27 462	1.95 464	2.00 490	2.53 507	1.60 486	1.68 449	1.15 406

U	5.15 548	8.49 528	1.81 479	8.49 545	1.77 492	8.49 555	1.77 489	8.51 556	1.77 494	8.49 556	1.77 491	8.50 556	1.78 483	8.58 556	1.77 495	8.54 554	1.78 483	8.55 556	1.78 502	8.55 550	1.84 501

FBW_ROB	2.12 478	2.46 431	1.77 478	2.49 464	1.79 494	2.38 486	1.83 490	2.46 488	1.78 495	2.48 493	1.97 506	2.40 486	1.78 483	2.42 489	1.83 497	2.31 485	1.85 487	2.38 499	1.82 503	2.35 473	1.84 501

monsterstereo	2.20 486	2.33 419	1.95 499	3.65 501	2.07 511	2.49 492	1.61 482	2.48 489	1.83 499	2.45 491	1.61 485	2.67 500	1.86 485	2.64 497	1.94 506	2.48 496	1.66 477	2.34 496	1.68 495	2.40 475	1.86 503

LG-G_1	2.22 487	2.71 443	1.89 495	2.77 469	1.87 501	2.75 507	1.87 497	2.76 504	1.87 505	2.75 506	1.87 495	2.76 508	1.87 486	2.75 507	1.86 500	2.47 494	1.58 469	2.45 502	1.57 480	2.45 478	1.57 483

LG-G	2.22 487	2.71 443	1.89 495	2.77 469	1.87 501	2.75 507	1.87 497	2.76 504	1.87 505	2.75 506	1.87 495	2.76 508	1.87 486	2.75 507	1.86 500	2.47 494	1.58 469	2.45 502	1.57 480	2.45 478	1.57 483

LGtest1	2.22 487	2.70 441	1.89 495	2.76 468	1.86 498	2.75 507	1.86 495	2.75 503	1.86 501	2.75 506	1.86 494	2.77 510	1.87 486	2.75 507	1.86 500	2.46 493	1.58 469	2.45 502	1.56 479	2.45 478	1.56 482

TRStereo	2.00 460	2.13 403	1.85 490	2.27 454	1.84 495	2.28 482	1.84 491	2.29 478	1.86 501	2.30 484	1.87 495	2.30 478	1.87 486	2.08 474	1.72 489	2.08 470	1.72 480	2.08 486	1.72 498	2.08 461	1.72 496

XX-Stereo	2.00 460	2.13 403	1.85 490	2.27 454	1.84 495	2.28 482	1.84 491	2.29 478	1.86 501	2.30 484	1.87 495	2.30 478	1.87 486	2.08 474	1.72 489	2.08 470	1.72 480	2.08 486	1.72 498	2.08 461	1.72 496

EAI-Stereo	2.00 460	2.13 403	1.85 490	2.27 454	1.84 495	2.28 482	1.84 491	2.29 478	1.86 501	2.30 484	1.87 495	2.30 478	1.87 486	2.08 474	1.72 489	2.08 470	1.72 480	2.08 486	1.72 498	2.08 461	1.72 496

IGEV	2.02 468	2.20 409	1.82 484	2.90 474	2.16 514	2.41 488	1.25 458	2.00 465	1.98 511	1.99 469	1.31 465	2.72 505	1.93 492	2.67 500	1.69 486	2.26 478	1.32 440	1.83 473	1.87 505	2.53 489	1.61 489

monsters	2.18 480	2.41 429	1.96 500	3.47 494	2.03 510	2.53 496	1.64 484	2.48 489	1.73 491	2.40 490	1.50 478	2.62 497	1.94 493	2.59 495	1.94 506	2.44 492	1.57 468	2.28 492	1.87 505	2.42 476	1.86 503

AIO_test	2.18 480	2.09 401	2.04 505	2.42 461	2.01 506	2.47 490	1.94 501	2.34 483	2.03 515	2.56 496	1.94 503	2.43 487	1.94 493	2.41 487	1.87 503	2.39 490	2.10 499	2.35 498	1.91 511	2.25 468	2.19 511

3.25w	2.04 473	2.20 409	1.48 463	3.03 476	2.17 516	2.63 501	1.39 473	1.96 462	1.95 510	1.96 465	1.37 471	2.71 501	1.96 495	2.71 501	1.73 494	2.26 478	1.32 440	1.87 477	1.87 505	2.51 485	1.63 491

4.5_new	2.00 460	1.84 381	1.98 501	2.77 469	2.16 514	2.27 480	1.28 462	2.09 469	1.98 511	2.01 471	1.28 463	2.71 501	1.98 496	2.51 492	1.65 482	2.26 478	1.33 447	1.87 477	1.87 505	2.49 482	1.60 487

HUF	2.18 480	2.30 416	1.99 504	2.34 459	2.02 509	2.41 488	2.06 509	2.38 485	1.89 507	2.36 488	1.85 493	2.56 494	1.98 496	2.31 484	1.97 508	2.30 484	2.03 497	2.30 493	2.11 512	2.23 466	2.16 510

2.25w	2.00 460	1.86 384	1.98 501	2.95 475	2.17 516	2.26 479	1.35 465	2.42 487	2.00 514	2.07 478	1.27 462	2.53 490	1.99 498	2.29 482	1.49 477	2.21 476	1.32 440	1.85 474	1.87 505	2.52 486	1.62 490

3w_stereo	2.04 473	2.24 413	1.70 473	3.15 479	2.18 518	2.49 492	1.26 460	2.03 467	1.98 511	1.98 468	1.33 466	2.72 505	1.99 498	2.59 495	1.72 489	2.22 477	1.33 447	1.85 474	1.88 510	2.50 484	1.58 485

1w_stereo	2.05 475	2.32 418	1.35 445	3.74 505	2.01 506	2.73 505	1.42 477	1.88 459	1.93 509	2.03 473	1.28 463	2.71 501	1.99 498	2.72 503	1.72 489	2.20 475	1.32 440	1.87 477	1.86 504	2.45 478	1.54 480

AIO_rvc	2.18 480	2.34 423	1.87 494	2.32 458	1.94 504	2.40 487	1.89 499	2.37 484	2.07 516	2.52 495	1.95 505	2.44 488	1.99 498	2.41 487	1.89 505	2.32 486	2.09 498	2.24 490	2.18 513	2.21 465	2.23 512

RAFT_CTSACE	1.92 454	3.71 473	1.72 476	1.88 438	1.72 491	2.04 474	1.42 477	2.18 475	1.89 507	2.02 472	1.97 506	1.95 467	2.06 502	1.93 469	1.62 480	1.76 454	1.66 477	2.02 484	1.73 501	1.73 451	1.43 479

ff7	1.68 445	2.68 438	1.35 445	0.97 334	0.89 388	1.84 462	2.15 510	2.12 470	1.80 496	2.05 475	1.56 479	2.33 481	2.12 503	2.23 478	2.25 513	1.31 433	1.07 371	1.48 464	1.41 471	0.90 350	1.04 396

ffff	1.68 445	2.68 438	1.35 445	0.97 334	0.89 388	1.84 462	2.15 510	2.12 470	1.80 496	2.05 475	1.56 479	2.33 481	2.12 503	2.23 478	2.25 513	1.31 433	1.07 371	1.48 464	1.41 471	0.90 350	1.04 396

ccc-4	1.68 445	2.68 438	1.35 445	0.97 334	0.89 388	1.84 462	2.15 510	2.12 470	1.80 496	2.05 475	1.56 479	2.33 481	2.12 503	2.23 478	2.25 513	1.31 433	1.07 371	1.48 464	1.41 471	0.90 350	1.04 396

NCCL2	2.28 492	2.27 414	2.28 507	2.28 457	2.28 519	2.27 480	2.29 513	2.28 476	2.28 517	2.27 483	2.28 518	2.28 477	2.27 506	2.27 481	2.28 517	2.28 482	2.28 504	2.27 491	2.29 517	2.27 469	2.29 513

STTStereo	3.73 518	30.40 565	2.37 511	2.39 460	2.31 521	2.35 485	2.33 514	2.29 478	2.42 518	2.32 487	2.34 519	2.33 481	2.36 507	2.30 483	2.27 516	2.35 487	2.22 503	2.31 494	2.22 514	2.29 471	2.34 517

sAnonymous2	3.31 515	2.63 436	1.38 457	3.71 503	1.86 498	4.70 538	1.11 399	4.82 541	2.72 520	5.45 546	1.98 512	4.59 531	2.64 508	2.65 498	6.21 551	4.37 514	1.08 375	5.16 545	2.24 515	4.52 512	2.39 518

CroCo_RVC	3.31 515	2.63 436	1.38 457	3.71 503	1.86 498	4.70 538	1.11 399	4.82 541	2.72 520	5.45 546	1.98 512	4.59 531	2.64 508	2.65 498	6.21 551	4.37 514	1.08 375	5.16 545	2.24 515	4.52 512	2.39 518

SA	4.33 535	7.35 519	6.85 550	5.96 533	4.09 547	3.59 517	3.15 534	3.82 520	2.64 519	3.91 518	3.85 541	3.57 516	2.72 510	3.13 512	4.03 542	7.09 550	6.86 545	3.57 516	3.12 532	3.85 502	3.51 539

NLCA_NET_v2_RVC	5.04 546	50.87 575	2.78 513	2.87 473	2.71 522	2.78 510	0.47 315	2.88 509	2.86 522	1.89 463	2.67 520	2.79 511	2.79 511	2.78 510	2.83 518	2.82 505	2.82 507	2.83 511	2.77 520	2.83 497	2.76 521
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	3.83 519	5.22 499	3.01 515	4.53 510	3.01 524	4.51 526	3.01 521	4.56 528	3.04 523	4.53 527	3.03 523	4.55 529	3.03 512	4.56 528	3.04 519	4.57 520	3.05 509	4.57 526	3.05 524	4.57 514	3.05 524

rvit_stereo_0081	3.83 519	5.23 500	3.01 515	4.53 510	3.03 526	4.55 532	3.02 522	4.56 528	3.04 523	4.52 525	3.02 521	4.54 527	3.03 512	4.56 528	3.04 519	4.57 520	3.05 509	4.57 526	3.05 524	4.58 515	3.05 524

DispNO	1.00 367	0.63 215	0.43 263	3.45 493	0.44 315	0.65 339	0.43 303	0.64 329	0.43 306	0.64 337	0.43 310	0.64 339	3.03 512	0.64 337	0.43 305	4.55 519	0.43 275	0.63 341	0.43 316	0.63 313	0.43 300

rvit_0105_6	3.87 523	5.73 513	3.10 525	4.69 520	3.12 534	4.54 528	3.02 522	4.56 528	3.04 523	4.54 529	3.03 523	4.54 527	3.04 515	4.56 528	3.05 521	4.58 523	3.05 509	4.58 528	3.05 524	4.58 515	3.05 524

rvit_stereo_0082	3.86 521	5.82 514	3.01 515	4.53 510	3.03 526	4.54 528	3.02 522	4.56 528	3.04 523	4.53 527	3.02 521	4.55 529	3.04 515	4.57 531	3.05 521	4.57 520	3.05 509	4.58 528	3.05 524	4.58 515	3.06 527

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

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

rvit_0105_3	3.91 526	5.33 503	3.06 523	4.60 518	3.07 532	4.60 535	3.06 530	4.62 534	3.08 531	4.60 534	3.07 529	4.62 536	3.08 519	4.67 536	3.10 528	4.70 528	3.11 516	4.77 539	3.19 535	4.77 524	3.14 533

rvit_stereo_0081_aga	3.86 521	5.33 503	3.02 518	4.55 516	3.04 530	4.54 528	3.02 522	4.64 535	3.06 527	4.54 529	3.04 525	4.62 536	3.08 519	4.62 534	3.07 524	4.58 523	3.06 513	4.60 530	3.08 528	4.63 518	3.07 528

rvit_stereo_0083	3.92 528	5.30 502	3.06 523	4.61 519	3.09 533	4.67 537	3.08 531	4.66 536	3.09 532	4.62 535	3.10 531	4.66 539	3.11 521	4.67 536	3.16 530	4.72 530	3.16 519	4.77 539	3.11 531	4.66 521	3.11 531

rvit_stereo_ft	3.93 529	5.44 508	3.05 522	4.59 517	3.06 531	4.61 536	3.08 531	4.67 537	3.12 533	4.63 536	3.10 531	4.65 538	3.11 521	4.69 538	3.13 529	4.70 528	3.14 518	4.71 537	3.15 533	4.74 522	3.16 534

rvit_0105_4	3.91 526	5.47 510	3.02 518	4.54 513	3.02 525	4.54 528	3.03 526	4.75 538	3.17 534	4.57 531	3.06 526	4.61 535	3.16 523	4.65 535	3.09 527	4.66 527	3.11 516	4.68 535	3.18 534	4.81 525	3.16 534

rvit_0105_5	4.10 530	5.40 506	3.13 528	4.71 521	3.15 535	4.72 540	3.10 533	4.90 543	3.27 535	4.69 537	3.16 533	4.84 543	3.25 524	4.96 542	3.34 532	5.05 535	3.39 524	5.10 544	3.40 536	5.11 532	3.42 537

TestStereo1	4.60 537	8.41 526	6.44 547	6.86 538	3.79 544	3.97 521	3.78 542	3.99 522	3.74 540	3.97 519	3.52 536	3.94 521	3.58 525	3.98 521	3.72 537	6.82 547	6.50 543	3.76 520	3.66 539	3.90 503	3.74 543

SA-5K	4.60 537	8.41 526	6.44 547	6.86 538	3.79 544	3.97 521	3.78 542	3.99 522	3.74 540	3.97 519	3.52 536	3.94 521	3.58 525	3.98 521	3.72 537	6.82 547	6.50 543	3.76 520	3.66 539	3.90 503	3.74 543

MLG-Stereo_test2	4.28 533	5.46 509	3.69 533	4.86 523	3.72 543	5.58 547	3.42 536	4.81 540	3.77 543	4.85 539	3.72 540	5.55 548	3.63 527	5.58 546	3.53 534	4.41 517	3.28 523	4.99 543	2.95 522	4.75 523	3.13 532

MLG-Stereo_test3	4.26 532	4.85 493	3.95 535	5.35 528	3.60 540	4.75 541	3.76 541	5.49 547	3.71 539	5.39 544	3.69 539	4.82 542	3.66 528	4.85 539	3.73 539	4.93 531	3.19 522	4.69 536	2.99 523	4.84 527	2.98 523

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

RAFT+CT+SA	4.28 533	7.62 522	4.91 539	5.55 530	2.28 519	3.09 511	3.64 539	4.49 526	3.07 528	4.80 538	3.35 534	4.77 541	3.70 530	4.29 525	3.05 521	5.58 539	5.98 540	3.58 517	3.78 543	4.26 508	3.72 541

MLG-Stereo_test1	4.25 531	5.34 505	3.61 531	5.31 527	3.63 541	5.23 544	3.57 538	5.38 546	3.65 537	5.23 543	3.47 535	4.76 540	3.74 531	4.85 539	3.71 536	4.96 532	3.18 521	4.71 537	2.92 521	4.86 528	2.90 522

raft_robust	4.71 541	7.75 523	5.40 544	6.81 537	3.31 536	4.28 525	4.20 547	4.32 525	4.37 549	4.35 524	4.35 547	4.14 523	3.75 532	4.30 526	4.20 545	6.67 546	6.37 541	3.36 515	4.24 549	4.86 528	3.25 536

test_4	4.88 543	8.13 524	6.98 551	7.46 541	4.44 549	4.25 524	3.85 544	4.04 524	3.92 544	4.13 521	3.91 542	4.18 524	3.84 533	4.14 523	4.06 543	7.01 549	7.13 546	4.53 524	3.72 542	4.09 506	3.72 541

test_3	5.01 545	8.86 531	7.77 553	8.09 543	2.76 523	4.13 523	4.05 546	3.88 521	3.76 542	4.33 523	4.13 545	3.71 519	3.91 534	4.21 524	4.06 543	7.93 551	7.69 548	4.53 524	3.91 544	4.17 507	4.29 549

DispFullNet	4.61 539	4.84 492	3.12 526	5.00 525	3.57 539	4.75 541	3.03 526	7.75 554	4.17 547	4.91 541	3.09 530	6.20 550	3.95 535	6.71 550	3.51 533	5.30 538	3.67 526	5.86 551	3.63 538	5.61 536	3.46 538

cross-raft	4.83 542	7.52 520	6.43 546	6.63 536	3.96 546	4.51 526	3.99 545	4.49 526	3.96 545	4.52 525	3.96 543	4.50 526	3.97 536	4.50 527	3.97 541	6.65 545	6.44 542	4.33 523	3.92 545	4.35 510	3.91 546

Sa-1000	4.34 536	8.37 525	6.84 549	6.98 540	4.45 550	3.58 516	3.00 520	3.42 516	3.39 536	2.61 497	4.00 544	3.83 520	4.01 537	3.90 520	3.90 540	5.98 543	5.62 538	3.76 520	2.34 518	4.35 510	2.47 520

FC-DCNN v2	5.10 547	5.15 497	4.49 537	5.07 526	3.37 537	6.87 550	4.75 549	5.04 544	6.34 554	7.84 554	5.06 550	6.72 554	4.09 538	4.99 543	5.44 550	5.03 534	3.16 519	4.67 534	4.86 550	5.15 533	3.89 545

CFNet	1.37 439	5.27 501	0.19 158	5.49 529	0.19 187	0.28 194	0.19 172	0.28 188	0.19 180	0.28 191	0.19 183	0.28 195	4.35 539	0.28 200	0.19 179	0.23 171	0.17 159	0.23 178	4.21 548	4.81 525	0.17 166

test_5	4.62 540	7.55 521	6.23 545	6.32 535	3.40 538	5.29 545	3.50 537	3.53 517	4.11 546	4.28 522	4.47 548	4.26 525	4.38 540	3.68 518	3.24 531	5.89 541	5.60 537	4.84 541	3.50 537	4.33 509	3.93 547

SGM-Forest	5.21 549	5.92 515	4.08 536	6.18 534	4.16 548	6.31 549	4.34 548	6.50 549	4.33 548	6.14 550	4.21 546	6.61 553	4.55 541	6.67 549	4.48 546	5.94 542	3.94 528	5.85 550	4.03 547	5.79 538	4.17 548
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
TestStereo	4.88 543	4.75 491	4.79 538	4.87 524	4.92 551	4.81 543	4.90 550	4.78 539	4.77 550	4.87 540	4.89 549	4.90 544	4.91 542	4.99 543	4.79 547	4.98 533	4.87 534	4.87 542	4.92 551	5.00 531	5.00 550

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

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

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

MSMDNet	2.65 506	10.14 540	0.33 213	9.74 551	0.32 246	0.87 358	0.33 244	2.95 510	0.68 355	0.49 293	0.34 260	0.49 297	5.70 546	0.49 299	0.33 246	0.42 269	9.57 552	0.41 279	0.31 252	8.36 549	0.65 349

test-1	6.46 550	9.16 533	8.03 556	8.09 543	5.62 554	6.11 548	6.35 553	6.85 551	4.94 551	6.08 549	6.29 555	4.98 545	6.43 547	6.22 547	6.36 553	6.16 544	7.47 547	5.82 549	5.44 554	7.11 544	5.68 553

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

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

CFNet_pseudo	2.67 508	9.36 534	0.32 208	10.99 557	0.33 257	0.85 356	0.33 244	0.49 287	0.33 251	0.49 293	0.32 246	0.49 297	7.26 550	0.49 299	0.33 246	0.41 255	9.62 554	0.41 279	0.29 235	10.03 556	0.29 224

CFNet_RVC	2.38 500	8.71 529	0.38 239	9.33 548	0.42 312	0.56 325	0.42 301	0.60 324	0.38 279	0.62 334	0.42 308	0.56 329	7.29 551	0.62 332	0.42 303	0.53 304	0.37 239	0.49 318	0.34 269	8.30 548	6.87 555

PCWNet_CMD	2.80 512	9.82 537	0.32 208	10.09 555	0.32 246	0.49 299	0.33 244	3.34 514	0.33 251	0.49 293	0.33 252	0.49 297	8.73 552	0.48 293	0.33 246	0.41 255	9.22 551	0.42 290	0.29 235	9.55 554	0.31 240

pcwnet_v2	2.66 507	9.89 538	0.33 213	9.89 552	0.32 246	0.50 307	0.32 235	0.49 287	0.33 251	0.49 293	0.34 260	0.49 297	8.76 553	0.48 293	0.33 246	0.41 255	9.58 553	0.40 266	0.29 235	9.01 552	0.63 347

CFNet_ucs	2.73 509	9.64 536	0.33 213	9.92 553	0.32 246	0.49 299	0.33 244	0.49 287	0.33 251	0.49 293	0.33 252	0.49 297	8.98 554	0.48 293	0.33 246	0.41 255	9.96 557	0.40 266	0.29 235	10.12 557	0.54 331

ccs_rob	2.79 511	10.17 541	0.32 208	10.00 554	0.33 257	0.49 299	0.33 244	1.90 461	0.32 245	0.51 310	0.33 252	0.49 297	9.24 555	0.49 299	0.33 246	0.41 255	9.82 555	0.41 279	0.28 226	9.34 553	0.29 224

UCFNet_RVC	2.75 510	10.06 539	0.29 193	10.31 556	0.29 230	0.42 271	0.29 224	0.43 267	0.29 227	0.42 258	0.29 229	0.42 270	9.87 556	0.43 271	0.29 225	0.36 222	9.84 556	0.36 241	0.26 215	9.77 555	0.26 198

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

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

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

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

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

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

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

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

fff	1000028.16 584	29.62 562	29.72 565	32.61 565	30.02 566	35.13 566	31.83 566	32.07 566	10000000.00 585	35.27 568	29.82 566	32.45 566	30.15 565	32.35 566	30.09 565	31.04 566	29.55 567	30.64 566	30.14 566	10000000.00 585	30.77 567

csc	1000028.16 584	29.62 562	29.72 565	32.61 565	30.02 566	35.13 566	31.83 566	32.07 566	10000000.00 585	35.27 568	29.82 566	32.45 566	30.15 565	32.35 566	30.09 565	31.04 566	29.55 567	30.64 566	30.14 566	10000000.00 585	30.77 567

cscssc	1000028.16 584	29.62 562	29.72 565	32.61 565	30.02 566	35.13 566	31.83 566	32.07 566	10000000.00 585	35.27 568	29.82 566	32.45 566	30.15 565	32.35 566	30.09 565	31.04 566	29.55 567	30.64 566	30.14 566	10000000.00 585	30.77 567

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

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

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

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

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

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

MDST_ROB	69.83 571	87.70 576	41.95 576	113.75 579	65.62 579	75.05 576	55.25 577	75.64 578	45.04 574	71.61 577	41.75 576	72.81 577	44.06 574	68.38 577	44.63 576	101.89 579	59.57 579	107.10 579	61.05 579	104.38 576	59.38 579

CBMV	128.50 573	1422.70 587	53.10 577	79.50 578	51.30 578	77.30 577	49.70 576	74.00 577	48.20 575	77.20 578	48.80 577	73.90 578	48.00 575	73.80 578	48.80 577	70.40 578	45.10 578	68.90 578	46.10 578	68.20 575	45.00 578
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
NOSS_ROB	102.95 572	153.00 580	121.00 579	51.00 577	44.00 577	165.00 579	127.00 578	153.00 579	119.00 576	164.00 580	125.00 578	168.00 580	120.00 576	153.00 579	117.00 578	49.00 577	44.00 577	49.00 577	44.00 577	49.00 574	44.00 577

MeshStereo	159.24 574	171.00 581	160.68 582	162.58 580	160.59 580	164.01 578	160.35 579	158.51 580	158.56 577	158.34 579	160.12 579	158.56 579	159.92 577	157.26 580	158.94 579	154.38 580	158.36 580	155.75 580	159.13 581	153.67 577	154.07 580
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	201.80 575	123.00 577	115.00 578	219.00 581	218.00 582	223.00 580	244.00 581	217.00 581	236.00 579	202.00 581	203.00 580	205.00 581	208.00 578	225.00 581	204.00 580	210.00 581	198.00 581	197.00 581	184.00 582	204.00 578	201.00 581

DLCB_ROB	284.23 578	354.61 583	207.27 583	363.24 584	206.46 581	364.72 583	210.41 580	364.72 584	210.41 578	364.81 584	208.64 581	364.81 584	208.64 579	364.72 584	210.41 581	354.70 584	205.53 582	354.70 584	205.53 583	354.70 581	205.53 582

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

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

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

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

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

111111	10000000.00 587	10000000.00 588	10000000.00 587	10000000.00 588	10000000.00 588	10000000.00 587	10000000.00 587	10000000.00 588	10000000.00 585	10000000.00 588	10000000.00 587	10000000.00 588	10000000.00 585	10000000.00 588	10000000.00 587	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 585	10000000.00 588

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

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

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

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

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

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

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

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

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

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

DIP-Stereo	10000000.00 587	10000000.00 588	10000000.00 587	10000000.00 588	10000000.00 588	10000000.00 587	10000000.00 587	10000000.00 588	10000000.00 585	10000000.00 588	10000000.00 587	10000000.00 588	10000000.00 585	10000000.00 588	10000000.00 587	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 585	10000000.00 588
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 53	0.10 118			0.05 89	0.03 55	0.04 74		0.05 91		0.04 72		0.15 123	0.10 73	0.17 150	0.13 154	0.11 120	0.11 125

Low-res two-view benchmark