Low-res two-view results

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

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

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

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

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

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

USTest	0.01 9	0.02 12	0.00 1	0.14 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

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

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

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

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

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

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

Wz-Net-TNSev	0.02 15	0.05 49	0.04 43	0.07 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	0.20 159	0.23 144	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	0.23 169	0.21 170	0.02 18	0.01 9	0.01 10	0.01 10

Wz-Net-MNSev	0.06 44	0.54 206	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	0.50 191	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

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

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

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

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

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

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

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

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

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

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	0.97 258	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	1.03 274	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	1.01 268	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	0.95 255	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	1.01 268	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 83	0.44 168	0.33 209	0.39 193	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	0.39 237	0.36 231	0.02 18	0.02 20	0.02 20	0.02 20

BSDual-CNN	0.81 325	1.91 377	0.92 351	4.48 495	0.02 21	0.42 264	0.06 99	0.41 240	0.02 21	0.48 279	0.03 52	0.02 20	0.02 21	0.03 39	0.02 20	1.97 453	4.19 518	0.33 209	0.23 190	0.34 199	0.27 200

psmg	0.43 238	1.91 377	0.92 351	1.91 428	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	1.97 453	1.44 446	0.04 71	0.03 54	0.02 20	0.03 51

CSP-Net	0.34 186	1.29 348	1.19 375	1.36 410	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	1.26 419	1.21 426	0.03 38	0.09 104	0.02 20	0.09 102

Syn2CoEx	0.25 153	1.31 350	0.74 330	0.92 314	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	0.87 341	0.75 334	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

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

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

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

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 71	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

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	1.05 278	0.12 100	0.12 80	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 71	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	1.05 278	0.12 100	0.12 80	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 71	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	1.05 278	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	1.00 262	0.11 89	0.11 74	0.02 21	0.03 40	0.03 50	0.03 42	0.03 55	0.04 71	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	1.07 281	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 74	0.03 51

test_sample4	0.10 62	1.03 274	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	0.87 237	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	0.87 237	0.12 100	0.11 74	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.04 71	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

DualNet	0.10 62	1.07 281	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 74	0.03 51

ttt	0.10 62	1.09 283	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	1.14 288	0.13 120	0.14 97	0.03 48	0.04 74	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	0.16 126	2.01 385	0.12 100	0.15 107	0.04 77	0.06 86	0.05 87	0.06 89	0.04 79	0.06 91	0.03 52	0.06 92	0.03 52	0.06 83	0.03 48	0.12 91	0.14 137	0.04 71	0.04 75	0.03 43	0.03 51

x	0.11 83	1.15 290	0.15 140	0.14 97	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 71	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.14 114	0.15 140	0.03 38	0.03 54	0.03 43	0.03 51

hknet	1.10 367	1.85 370	3.49 517	4.48 495	0.02 21	0.42 264	0.06 99	0.41 240	0.02 21	0.48 279	0.03 52	0.41 247	0.03 52	0.42 262	0.03 48	4.39 504	4.19 518	0.33 209	0.23 190	0.34 199	0.27 200

222	0.10 62	0.99 261	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 74	0.03 51

xxxx	0.11 83	1.16 291	0.16 141	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	0.16 142	0.03 38	0.04 75	0.04 74	0.04 76

test_xeample	0.10 62	1.09 283	0.13 120	0.12 80	0.03 48	0.03 40	0.03 50	0.04 74	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.14 114	0.14 137	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 74	0.03 50	0.04 74	0.03 55	0.04 71	0.03 52	0.04 74	0.03 52	0.04 69	0.03 48	0.05 51	0.03 36	0.05 81	0.03 54	0.04 74	0.03 51

GwcNet	0.12 92	0.07 58	0.05 57	0.08 49	0.05 93	0.08 97	1.20 397	0.07 99	0.05 93	0.05 87	0.05 94	0.08 99	0.05 88	0.08 100	0.03 48	0.07 58	0.05 56	0.06 88	0.05 90	0.07 98	0.05 91

BEATNet_4x	0.11 83	0.03 31	0.03 36	1.60 418	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 78	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

ADCL	0.11 83	0.03 31	0.03 36	1.60 418	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 78	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

DFGA-Net	0.05 41	0.06 54	0.04 43	0.06 46	0.04 77	0.06 86	0.04 77	0.06 89	0.04 79	0.06 91	0.04 85	0.06 92	0.04 81	0.06 83	0.04 72	0.06 55	0.04 45	0.05 81	0.04 75	0.05 86	0.04 76

mmm	0.14 107	1.83 368	0.12 100	0.11 74	0.03 48	0.03 40	0.03 50	0.03 42	0.04 79	0.03 40	0.03 52	0.03 42	0.03 52	0.06 83	0.04 72	0.12 91	0.11 95	0.05 81	0.04 75	0.05 86	0.04 76

GASNet	0.05 41	0.04 37	0.12 100	0.04 37	0.04 77	0.04 74	0.05 87	0.04 74	0.04 79	0.12 117	0.04 85	0.06 92	0.04 81	0.04 69	0.04 72	0.04 44	0.04 45	0.04 71	0.04 75	0.04 74	0.04 76

APVNet	0.09 51	0.05 49	0.04 43	0.05 43	0.04 77	0.05 84	0.90 369	0.06 89	0.04 79	0.05 87	0.04 85	0.05 86	0.04 81	0.05 78	0.04 72	0.05 51	0.04 45	0.05 81	0.04 75	0.05 86	0.05 91

EDNetEfficientorigin	0.04 38	0.06 54	0.04 43	0.05 43	0.04 77	0.05 84	0.04 77	0.05 84	0.04 79	0.05 87	0.04 85	0.05 86	0.04 81	0.05 78	0.04 72	0.05 51	0.03 36	0.06 88	0.03 54	0.04 74	0.03 51

ADCRef	0.12 92	0.03 31	0.04 43	1.71 424	0.04 77	0.03 40	0.03 50	0.04 74	0.04 79	0.04 71	0.03 52	0.04 74	0.03 52	0.06 83	0.04 72	0.04 44	0.04 45	0.04 71	0.04 75	0.03 43	0.04 76

AnyNet_C01	0.11 83	0.02 12	0.02 14	1.62 421	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 83	0.04 72	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.03 51

AnyNet_C32	0.14 107	0.04 37	0.03 36	2.22 439	0.04 77	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.04 74	0.02 21	0.07 97	0.04 72	0.02 15	0.02 15	0.03 38	0.03 54	0.02 20	0.03 51

ADCP+	0.15 118	0.04 37	0.04 43	2.20 438	0.04 77	0.04 74	0.04 77	0.04 74	0.04 79	0.04 71	0.05 94	0.04 74	0.04 81	0.08 100	0.04 72	0.04 44	0.04 45	0.04 71	0.04 75	0.04 74	0.04 76

ADCPNet	0.10 62	0.03 31	0.04 43	1.27 403	0.03 48	0.04 74	0.03 50	0.03 42	0.03 55	0.04 71	0.03 52	0.04 74	0.03 52	0.08 100	0.04 72	0.04 44	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

NVStereoNet_ROB	0.04 38	0.04 37	0.04 43	0.04 37	0.04 77	0.04 74	0.04 77	0.04 74	0.04 79	0.04 71	0.04 85	0.04 74	0.04 81	0.04 69	0.04 72	0.04 44	0.04 45	0.04 71	0.04 75	0.04 74	0.04 76
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
qqq1	0.25 153	3.70 459	0.14 125	0.14 97	0.04 77	0.06 86	0.05 87	0.06 89	0.05 93	0.06 91	0.05 94	0.04 74	0.05 88	0.06 83	0.05 83	0.13 107	0.12 110	0.06 88	0.05 90	0.03 43	0.04 76

fff1	0.25 153	3.70 459	0.14 125	0.14 97	0.04 77	0.06 86	0.05 87	0.06 89	0.05 93	0.06 91	0.05 94	0.04 74	0.05 88	0.06 83	0.05 83	0.13 107	0.12 110	0.06 88	0.05 90	0.03 43	0.04 76

11t1	0.17 129	2.16 394	0.13 120	0.13 93	0.04 77	0.06 86	0.04 77	0.06 89	0.04 79	0.06 91	0.03 52	0.06 92	0.03 52	0.06 83	0.05 83	0.18 147	0.12 110	0.06 88	0.03 54	0.05 86	0.03 51

ffm	0.25 153	3.83 465	0.12 100	0.12 80	0.05 93	0.06 86	0.05 87	0.06 89	0.05 93	0.03 40	0.03 52	0.06 92	0.05 88	0.06 83	0.05 83	0.12 91	0.12 110	0.05 81	0.04 75	0.06 90	0.04 76

ff1	0.25 153	3.83 465	0.12 100	0.12 80	0.05 93	0.06 86	0.05 87	0.06 89	0.05 93	0.03 40	0.03 52	0.06 92	0.05 88	0.06 83	0.05 83	0.12 91	0.12 110	0.05 81	0.04 75	0.06 90	0.04 76

mmx	0.25 153	3.83 465	0.12 100	0.12 80	0.05 93	0.06 86	0.05 87	0.06 89	0.05 93	0.03 40	0.03 52	0.06 92	0.05 88	0.06 83	0.05 83	0.12 91	0.12 110	0.05 81	0.04 75	0.06 90	0.04 76

BUS	0.83 333	1.91 377	0.92 351	4.48 495	0.02 21	0.40 230	0.04 77	0.41 240	0.02 21	0.48 279	0.03 52	0.41 247	0.05 88	0.03 39	0.05 83	1.97 453	4.19 518	0.33 209	0.23 190	0.34 199	0.27 200

NINENet	0.69 300	3.87 468	1.20 378	1.98 432	0.05 93	0.40 230	0.04 77	0.40 225	0.05 93	0.41 239	0.04 85	0.41 247	0.05 88	0.40 235	0.05 83	1.79 443	1.56 455	0.34 216	0.22 185	0.34 199	0.23 175

AASNet	0.06 44	0.08 59	0.08 60	0.08 49	0.05 93	0.06 86	0.05 87	0.05 84	0.06 101	0.06 91	0.06 100	0.05 86	0.06 100	0.06 83	0.05 83	0.08 60	0.08 59	0.08 95	0.05 90	0.06 90	0.05 91

SACVNet	0.06 44	0.08 59	0.08 60	0.08 49	0.05 93	0.06 86	0.05 87	0.05 84	0.06 101	0.06 91	0.06 100	0.05 86	0.06 100	0.06 83	0.05 83	0.08 60	0.08 59	0.08 95	0.05 90	0.06 90	0.05 91

AACVNet	0.06 44	0.08 59	0.08 60	0.08 49	0.05 93	0.06 86	0.05 87	0.05 84	0.06 101	0.06 91	0.06 100	0.05 86	0.06 100	0.06 83	0.05 83	0.08 60	0.08 59	0.08 95	0.05 90	0.06 90	0.05 91

FINET	0.07 49	0.08 59	0.07 58	0.07 47	0.07 102	0.08 97	0.06 99	0.08 102	0.07 104	0.08 99	0.07 103	0.08 99	0.06 100	0.07 97	0.07 94	0.08 60	0.07 57	0.07 93	0.07 98	0.06 90	0.06 96

SuperB	0.21 143	0.10 67	2.51 500	0.12 80	0.09 106	0.10 102	0.09 104	0.08 102	0.07 104	0.10 103	0.09 106	0.09 103	0.07 104	0.07 97	0.07 94	0.07 58	0.08 59	0.07 93	0.07 98	0.08 100	0.07 98

SepStereo	0.09 51	0.09 65	0.10 69	0.09 53	0.09 106	0.09 101	0.09 104	0.10 104	0.08 106	0.10 103	0.09 106	0.09 103	0.09 107	0.09 103	0.08 96	0.09 66	0.08 59	0.09 100	0.08 102	0.09 103	0.08 99

BEATNet-Init1	0.19 134	0.08 59	0.08 60	2.23 440	0.08 104	0.08 97	0.07 102	0.07 99	0.08 106	0.08 99	0.07 103	0.08 99	0.07 104	0.11 116	0.08 96	0.08 60	0.08 59	0.08 95	0.07 98	0.08 100	0.08 99

DeepPrunerF	0.19 134	0.08 59	0.08 60	2.23 440	0.08 104	0.08 97	0.07 102	0.07 99	0.08 106	0.08 99	0.07 103	0.08 99	0.07 104	0.11 116	0.08 96	0.08 60	0.08 59	0.08 95	0.07 98	0.08 100	0.08 99

ISRNet	0.11 83	0.05 49	0.36 227	0.24 149	0.07 102	0.13 117	0.05 87	0.06 89	0.05 93	0.05 87	0.05 94	0.13 119	0.05 88	0.05 78	0.09 99	0.24 174	0.20 166	0.10 101	0.05 90	0.06 90	0.13 142

ac_64	0.22 146	0.13 81	0.19 156	0.23 144	0.10 112	0.26 184	1.02 384	0.14 120	0.10 110	0.28 185	0.14 152	0.17 141	0.19 175	0.28 194	0.09 99	0.22 158	0.16 142	0.23 172	0.17 175	0.11 114	0.12 136

ADCMid	0.08 50	0.02 12	0.02 14	1.01 331	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 69	0.09 99	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

PASM	0.39 216	3.06 445	1.36 441	1.58 416	0.09 106	0.11 113	0.11 122	0.11 116	0.11 125	0.09 102	0.09 106	0.11 115	0.09 107	0.09 103	0.09 99	0.11 86	0.11 95	0.11 112	0.09 104	0.11 114	0.11 119

DRN-Test	0.14 107	0.13 81	0.09 65	0.14 97	0.09 106	0.15 125	0.09 104	0.14 120	0.10 110	0.14 119	0.09 106	0.14 120	0.09 107	0.13 121	0.09 99	0.12 91	0.09 68	0.12 115	0.09 104	0.12 119	0.73 352

StereoDRNet	0.15 118	0.14 85	0.10 69	0.14 97	0.09 106	0.15 125	0.09 104	0.14 120	0.09 109	0.14 119	0.10 110	0.14 120	0.09 107	0.14 122	0.09 99	0.13 107	0.10 73	0.13 118	0.09 104	0.13 121	0.82 363

S2M2	0.12 92	0.14 85	0.10 69	0.15 107	0.10 112	0.14 118	0.10 109	0.14 120	0.10 110	0.15 125	0.10 110	0.14 120	0.10 111	0.14 122	0.10 105	0.13 107	0.10 73	0.13 118	0.09 104	0.13 121	0.09 102

AnonymousM	0.10 62	0.10 67	0.10 69	0.10 57	0.10 112	0.10 102	0.10 109	0.10 104	0.10 110	0.10 103	0.10 110	0.10 105	0.10 111	0.10 105	0.10 105	0.10 71	0.10 73	0.10 101	0.10 111	0.10 104	0.10 107

UNet	0.29 167	0.90 244	0.10 69	0.14 97	0.10 112	0.14 118	0.10 109	0.91 347	0.69 349	0.14 119	0.11 124	0.14 120	0.11 123	0.14 122	0.10 105	0.12 91	0.09 68	0.12 115	0.09 104	0.88 335	0.76 357

PVD	0.10 62	0.10 67	0.10 69	0.10 57	0.10 112	0.10 102	0.10 109	0.10 104	0.10 110	0.10 103	0.10 110	0.10 105	0.10 111	0.10 105	0.10 105	0.10 71	0.10 73	0.10 101	0.10 111	0.10 104	0.10 107

SHD	0.10 62	0.10 67	0.10 69	0.10 57	0.10 112	0.10 102	0.10 109	0.10 104	0.10 110	0.10 103	0.10 110	0.10 105	0.10 111	0.10 105	0.10 105	0.10 71	0.10 73	0.10 101	0.10 111	0.10 104	0.10 107

SAMSARA	0.10 62	0.10 67	0.10 69	0.10 57	0.10 112	0.10 102	0.10 109	0.10 104	0.10 110	0.10 103	0.10 110	0.10 105	0.10 111	0.10 105	0.10 105	0.10 71	0.10 73	0.10 101	0.10 111	0.10 104	0.10 107

XQC	0.10 62	0.10 67	0.10 69	0.10 57	0.10 112	0.10 102	0.10 109	0.10 104	0.10 110	0.10 103	0.10 110	0.10 105	0.10 111	0.10 105	0.10 105	0.10 71	0.10 73	0.10 101	0.10 111	0.10 104	0.10 107

RTSC	0.10 62	0.10 67	0.10 69	0.10 57	0.10 112	0.10 102	0.10 109	0.10 104	0.10 110	0.10 103	0.10 110	0.10 105	0.10 111	0.10 105	0.10 105	0.10 71	0.10 73	0.10 101	0.10 111	0.10 104	0.10 107

RTS	0.10 62	0.10 67	0.10 69	0.10 57	0.10 112	0.10 102	0.10 109	0.10 104	0.10 110	0.10 103	0.10 110	0.10 105	0.10 111	0.10 105	0.10 105	0.10 71	0.10 73	0.10 101	0.10 111	0.10 104	0.10 107

RTSA	0.10 62	0.10 67	0.10 69	0.10 57	0.10 112	0.10 102	0.10 109	0.10 104	0.10 110	0.10 103	0.10 110	0.10 105	0.10 111	0.10 105	0.10 105	0.10 71	0.10 73	0.10 101	0.10 111	0.10 104	0.10 107

MADNet+	0.10 62	0.10 67	0.10 69	0.10 57	0.10 112	0.10 102	0.10 109	0.10 104	0.10 110	0.10 103	0.10 110	0.10 105	0.10 111	0.10 105	0.10 105	0.10 71	0.10 73	0.10 101	0.10 111	0.10 104	0.10 107

MADNet++	0.10 62	0.10 67	0.10 69	0.10 57	0.10 112	0.10 102	0.10 109	0.10 104	0.10 110	0.10 103	0.10 110	0.10 105	0.10 111	0.10 105	0.10 105	0.10 71	0.10 73	0.10 101	0.10 111	0.10 104	0.10 107

S2M2_XL	0.14 107	0.17 93	0.12 100	0.17 125	0.11 128	0.17 141	0.11 122	0.17 141	0.11 125	0.17 139	0.11 124	0.17 141	0.11 123	0.17 141	0.11 117	0.16 131	0.11 95	0.16 136	0.11 123	0.16 137	0.11 119

test_for_model	0.15 118	0.23 112	0.18 153	0.21 141	0.11 128	0.16 133	0.11 122	0.16 133	0.11 125	0.16 130	0.11 124	0.16 131	0.11 123	0.16 132	0.11 117	0.21 155	0.18 163	0.14 120	0.11 123	0.14 123	0.11 119

testlalala2	0.13 98	0.16 87	0.11 89	0.15 107	0.11 128	0.16 133	0.11 122	0.16 133	0.11 125	0.16 130	0.11 124	0.16 131	0.11 123	0.16 132	0.11 117	0.14 114	0.11 95	0.14 120	0.11 123	0.14 123	0.11 119

JetRed	0.11 83	0.12 80	0.11 89	0.11 74	0.11 128	0.11 113	0.14 143	0.11 116	0.11 125	0.12 117	0.11 124	0.11 115	0.11 123	0.11 116	0.11 117	0.11 86	0.16 142	0.11 112	0.11 123	0.11 114	0.11 119

testlalala_base	0.13 98	0.16 87	0.11 89	0.15 107	0.11 128	0.15 125	0.11 122	0.16 133	0.11 125	0.16 130	0.11 124	0.16 131	0.11 123	0.16 132	0.11 117	0.14 114	0.11 95	0.14 120	0.11 123	0.14 123	0.11 119

CIPLG	0.13 98	0.21 107	0.12 100	0.16 117	0.11 128	0.15 125	0.11 122	0.14 120	0.11 125	0.15 125	0.12 135	0.15 130	0.11 123	0.14 122	0.11 117	0.15 123	0.12 110	0.14 120	0.11 123	0.14 123	0.11 119

IPLG	0.13 98	0.20 101	0.14 125	0.15 107	0.11 128	0.14 118	0.11 122	0.14 120	0.11 125	0.14 119	0.11 124	0.14 120	0.11 123	0.14 122	0.11 117	0.15 123	0.12 110	0.14 120	0.11 123	0.14 123	0.11 119

IPLGR_C	0.14 107	0.20 101	0.12 100	0.15 107	0.11 128	0.14 118	0.15 148	0.14 120	0.11 125	0.15 125	0.12 135	0.14 120	0.11 123	0.16 132	0.11 117	0.15 123	0.12 110	0.14 120	0.12 140	0.15 133	0.12 136

MIPNet	0.14 107	0.21 107	0.17 148	0.16 117	0.11 128	0.15 125	0.12 138	0.14 120	0.11 125	0.16 130	0.11 124	0.14 120	0.11 123	0.14 122	0.11 117	0.14 114	0.12 110	0.14 120	0.11 123	0.14 123	0.11 119

IPLGR	0.14 107	0.24 119	0.14 125	0.16 117	0.12 144	0.15 125	0.12 138	0.14 120	0.11 125	0.15 125	0.12 135	0.14 120	0.11 123	0.14 122	0.11 117	0.15 123	0.12 110	0.14 120	0.11 123	0.14 123	0.11 119

ACRE	0.13 98	0.21 107	0.14 125	0.15 107	0.11 128	0.14 118	0.11 122	0.14 120	0.11 125	0.14 119	0.12 135	0.14 120	0.11 123	0.14 122	0.11 117	0.15 123	0.12 110	0.14 120	0.11 123	0.14 123	0.11 119

ICVP	0.15 118	0.53 203	0.11 89	0.16 117	0.11 128	0.16 133	0.11 122	0.16 133	0.11 125	0.16 130	0.11 124	0.16 131	0.11 123	0.16 132	0.11 117	0.16 131	0.11 95	0.16 136	0.11 123	0.16 137	0.11 119
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
LRCNet_RVC	0.13 98	0.13 81	0.09 65	0.13 93	0.10 112	0.14 118	0.10 109	0.14 120	0.10 110	0.23 166	0.10 110	0.20 151	0.10 111	0.24 174	0.11 117	0.11 86	0.09 68	0.12 115	0.14 152	0.12 119	0.09 102

aanetorigin	0.13 98	0.11 78	0.11 89	0.11 74	0.11 128	0.11 113	0.11 122	0.11 116	0.11 125	0.11 115	0.12 135	0.11 115	0.11 123	0.11 116	0.11 117	0.11 86	0.11 95	0.14 120	0.11 123	0.49 280	0.11 119

ELAS	0.13 98	0.16 87	0.11 89	0.15 107	0.09 106	0.18 145	0.11 122	0.18 144	0.11 125	0.17 139	0.11 124	0.18 145	0.11 123	0.18 144	0.11 117	0.14 114	0.08 59	0.14 120	0.08 102	0.14 123	0.09 102
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
JetBlue	0.11 83	0.11 78	0.12 100	0.13 93	0.14 149	0.11 113	0.11 122	0.11 116	0.11 125	0.11 115	0.11 124	0.11 115	0.11 123	0.12 120	0.12 132	0.11 86	0.11 95	0.11 112	0.11 123	0.11 114	0.11 119

ProNet	0.14 107	0.20 101	0.14 125	0.16 117	0.11 128	0.16 133	0.11 122	0.17 141	0.11 125	0.17 139	0.12 135	0.17 141	0.13 145	0.17 141	0.12 132	0.15 123	0.11 95	0.16 136	0.11 123	0.15 133	0.12 136

cf-r	0.66 292	2.17 395	0.12 100	0.18 127	0.12 144	0.18 145	2.70 506	2.60 482	0.12 144	0.18 143	0.12 135	0.18 145	0.12 140	0.18 144	0.12 132	0.15 123	0.11 95	0.15 133	0.11 123	1.81 443	1.74 487

HSM	0.14 107	0.16 87	0.12 100	0.17 125	0.12 144	0.17 141	0.11 122	0.17 141	0.11 125	0.17 139	0.12 135	0.17 141	0.12 140	0.17 141	0.12 132	0.16 131	0.11 95	0.16 136	0.11 123	0.16 137	0.12 136

ELAS_RVC	0.14 107	0.16 87	0.10 69	0.15 107	0.10 112	0.18 145	0.11 122	0.19 146	0.11 125	0.19 145	0.12 135	0.18 145	0.11 123	0.19 147	0.12 132	0.14 114	0.08 59	0.14 120	0.09 104	0.15 133	0.09 102
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
SGM_RVC	0.15 118	0.17 93	0.11 89	0.18 127	0.11 128	0.19 148	0.11 122	0.19 146	0.12 144	0.19 145	0.12 135	0.20 151	0.12 140	0.19 147	0.12 132	0.16 131	0.11 95	0.17 144	0.10 111	0.17 143	0.10 107
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DDVS	0.30 168	3.10 446	0.14 125	0.19 130	0.14 149	0.19 148	0.14 143	0.20 151	0.14 149	0.19 145	0.13 147	0.16 131	0.13 145	0.19 147	0.13 138	0.17 139	0.13 134	0.17 144	0.13 148	0.17 143	0.13 142

DeepPruner_ROB	0.16 126	0.18 96	0.13 120	0.19 130	0.13 147	0.19 148	0.13 141	0.19 146	0.13 147	0.19 145	0.13 147	0.19 149	0.13 145	0.19 147	0.13 138	0.18 147	0.13 134	0.18 154	0.13 148	0.18 147	0.13 142

PDISCO_ROB	0.83 333	2.80 442	3.49 517	0.14 97	0.11 128	0.17 141	0.09 104	0.15 132	0.10 110	0.15 125	0.12 135	0.16 131	0.14 149	3.30 502	0.13 138	0.14 114	2.34 493	0.16 136	0.12 140	2.62 483	0.10 107

LALA_ROB	0.15 118	0.19 97	0.12 100	0.18 127	0.11 128	0.20 153	0.12 138	0.21 158	0.12 144	0.20 150	0.12 135	0.20 151	0.12 140	0.21 162	0.13 138	0.17 139	0.10 73	0.18 154	0.11 123	0.18 147	0.11 119

castereo++	0.54 274	3.59 456	1.15 369	1.31 406	0.14 149	0.16 133	0.14 143	0.16 133	0.14 149	0.16 130	0.14 152	0.16 131	0.13 145	0.16 132	0.14 142	1.45 431	1.16 375	0.15 133	0.14 152	0.15 133	0.13 142

ITSA-stereo	0.15 118	0.17 93	0.13 120	0.20 132	0.13 147	0.19 148	0.13 141	0.18 144	0.13 147	0.19 145	0.13 147	0.18 145	0.14 149	0.18 144	0.14 142	0.16 131	0.11 95	0.15 133	0.14 152	0.18 147	0.11 119

GMStereo	0.14 107	0.13 81	0.14 125	0.14 97	0.14 149	0.14 118	0.14 143	0.14 120	0.14 149	0.14 119	0.14 152	0.14 120	0.14 149	0.14 122	0.14 142	0.14 114	0.14 137	0.14 120	0.14 152	0.14 123	0.14 147
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
ACVNet	0.20 136	0.19 97	0.14 125	0.20 132	0.14 149	0.20 153	0.96 376	0.21 158	0.14 149	0.20 150	0.13 147	0.21 159	0.14 149	0.20 151	0.14 142	0.17 139	0.12 110	0.17 144	0.12 140	0.17 143	0.12 136

acv_ft	0.20 136	0.19 97	0.14 125	0.20 132	0.14 149	0.20 153	0.96 376	0.21 158	0.14 149	0.20 150	0.13 147	0.21 159	0.14 149	0.20 151	0.14 142	0.17 139	0.12 110	0.17 144	0.12 140	0.17 143	0.12 136

hitnet-ft	0.79 318	2.78 441	0.14 125	0.20 132	0.14 149	0.21 161	2.89 507	2.80 496	0.14 149	0.20 150	0.14 152	0.20 151	0.14 149	0.20 151	0.14 142	0.17 139	0.12 110	0.17 144	0.12 140	2.54 482	2.33 504

GANet-RSSM	0.75 309	1.91 377	0.14 125	0.47 235	0.14 149	0.21 161	3.21 523	2.30 470	0.14 149	0.46 266	0.14 152	0.23 169	0.18 170	0.21 162	0.14 142	0.18 147	0.27 189	0.37 237	0.13 148	2.13 452	2.12 497

PSMNet-RSSM	0.77 314	2.76 437	0.14 125	0.20 132	0.14 149	0.20 153	2.66 504	2.79 495	0.14 149	0.21 160	0.14 152	0.21 159	0.14 149	0.20 151	0.14 142	0.17 139	0.12 110	0.17 144	0.12 140	2.52 474	2.31 502

GwcNet-RSSM	0.77 314	2.77 439	0.14 125	0.20 132	0.14 149	0.20 153	2.67 505	2.78 494	0.14 149	0.20 150	0.14 152	0.20 151	0.14 149	0.21 162	0.14 142	0.17 139	0.12 110	0.17 144	0.12 140	2.52 474	2.31 502

CFNet-ft	0.55 278	1.57 357	0.14 125	0.20 132	0.14 149	0.20 153	2.53 503	1.61 440	0.14 149	0.20 150	0.14 152	0.20 151	0.14 149	0.20 151	0.14 142	0.17 139	0.12 110	0.17 144	0.12 140	1.56 431	1.24 452

DEFOM-Stereo_RVC	0.83 333	5.18 486	1.98 489	2.19 437	0.17 170	0.19 148	0.18 162	0.19 146	0.16 161	0.20 150	0.19 177	0.22 165	0.22 185	0.20 151	0.15 152	2.28 470	2.13 488	0.24 179	0.17 175	0.18 147	0.16 148

gwcnet-sp	0.82 329	1.72 362	1.48 451	0.39 193	0.15 160	0.31 194	0.21 175	0.20 151	0.25 195	1.61 444	0.23 191	0.28 189	0.26 206	0.20 151	0.15 152	0.24 174	1.33 435	0.32 201	0.16 157	6.75 529	0.23 175

scenet	0.82 329	1.72 362	1.48 451	0.39 193	0.15 160	0.31 194	0.21 175	0.20 151	0.25 195	1.61 444	0.23 191	0.28 189	0.26 206	0.20 151	0.15 152	0.24 174	1.33 435	0.32 201	0.16 157	6.75 529	0.23 175

ssnet	0.82 329	1.72 362	1.48 451	0.39 193	0.15 160	0.31 194	0.21 175	0.20 151	0.25 195	1.61 444	0.23 191	0.28 189	0.26 206	0.20 151	0.15 152	0.24 174	1.33 435	0.32 201	0.16 157	6.75 529	0.23 175

dd	0.23 150	0.98 259	0.16 141	0.23 144	0.15 160	0.23 169	0.15 148	0.23 166	0.15 159	0.23 166	0.15 160	0.24 173	0.17 163	0.23 170	0.15 152	0.22 158	0.15 140	0.21 161	0.15 156	0.22 160	0.16 148

dad	0.23 150	1.03 274	0.16 141	0.23 144	0.15 160	0.24 170	0.15 148	0.24 169	0.16 161	0.23 166	0.16 161	0.24 173	0.16 159	0.23 170	0.15 152	0.22 158	0.16 142	0.22 166	0.16 157	0.22 160	0.16 148

xyz-stereo-finetune2	0.18 132	0.48 185	0.16 141	0.16 117	0.15 160	0.15 125	0.16 151	0.16 133	0.16 161	0.16 130	0.16 161	0.16 131	0.16 159	0.16 132	0.16 158	0.16 131	0.16 142	0.16 136	0.16 157	0.16 137	0.16 148

xyz-stereo	0.18 132	0.50 191	0.16 141	0.15 107	0.16 167	0.16 133	0.16 151	0.16 133	0.16 161	0.16 130	0.16 161	0.16 131	0.16 159	0.16 132	0.16 158	0.16 131	0.16 142	0.16 136	0.16 157	0.16 137	0.16 148

GMStereo_Zeroshot	0.16 126	0.16 87	0.16 141	0.16 117	0.16 167	0.16 133	0.16 151	0.16 133	0.16 161	0.16 130	0.16 161	0.16 131	0.16 159	0.16 132	0.16 158	0.16 131	0.16 142	0.16 136	0.16 157	0.16 137	0.16 148

castereo	0.61 285	3.79 464	1.35 433	1.52 415	0.15 160	0.17 141	0.16 151	0.20 151	0.21 179	0.18 143	0.16 161	0.21 159	0.12 140	0.26 189	0.17 161	1.43 430	1.38 443	0.17 144	0.16 157	0.18 147	0.16 148

tg	0.21 143	0.25 121	0.21 163	0.26 161	0.17 170	0.24 170	0.17 156	0.24 169	0.17 166	0.24 171	0.17 166	0.24 173	0.17 163	0.24 174	0.17 161	0.24 174	0.17 157	0.23 172	0.16 157	0.23 169	0.16 148

ACV-stereo	0.30 168	2.08 387	0.25 177	0.25 154	0.18 177	0.24 170	0.17 156	0.24 169	0.18 168	0.24 171	0.17 166	0.25 178	0.17 163	0.24 174	0.17 161	0.22 158	0.16 142	0.22 166	0.16 157	0.22 160	0.16 148

IGEV_Zeroshot_test	0.20 136	0.19 97	0.40 243	0.30 166	0.17 170	0.22 163	0.17 156	0.21 158	0.17 166	0.20 150	0.17 166	0.21 159	0.18 170	0.21 162	0.17 161	0.20 150	0.16 142	0.20 158	0.16 157	0.20 154	0.17 160

MIM_Stereo	0.25 153	0.23 112	0.66 316	0.80 299	0.17 170	0.22 163	0.17 156	0.23 166	0.18 168	0.26 182	0.17 166	0.21 159	0.17 163	0.25 179	0.17 161	0.23 169	0.16 142	0.21 161	0.17 175	0.22 160	0.17 160

MMNet	0.44 242	1.24 346	0.17 148	0.25 154	0.17 170	0.25 177	0.18 162	1.26 428	0.93 378	0.25 175	0.17 166	0.25 178	0.18 170	0.25 179	0.17 161	0.23 169	0.16 142	0.23 172	0.16 157	1.20 372	0.99 377

delet	0.43 238	1.21 342	0.17 148	0.25 154	0.17 170	0.25 177	0.18 162	1.26 428	0.95 380	0.25 175	0.17 166	0.25 178	0.17 163	0.25 179	0.17 161	0.23 169	0.16 142	0.22 166	0.16 157	1.18 369	0.98 376

psm_up	0.43 238	1.19 295	0.17 148	0.25 154	0.18 177	0.25 177	0.19 166	1.26 428	0.91 373	0.26 182	0.17 166	0.25 178	0.17 163	0.25 179	0.17 161	0.22 158	0.17 157	0.23 172	0.16 157	1.18 369	0.99 377

UPFNet	0.42 237	1.20 296	0.17 148	0.24 149	0.17 170	0.25 177	0.17 156	1.19 376	0.90 372	0.25 175	0.17 166	0.24 173	0.17 163	0.25 179	0.17 161	0.22 158	0.17 157	0.22 166	0.16 157	1.15 361	0.93 372

MSKI-zero shot	0.24 152	0.21 107	0.49 284	0.65 282	0.18 177	0.22 163	0.17 156	0.23 166	0.18 168	0.21 160	0.17 166	0.23 169	0.28 220	0.23 170	0.18 170	0.21 155	0.16 142	0.21 161	0.16 157	0.21 158	0.16 148

iResNetv2_ROB	0.20 136	0.23 112	0.18 153	0.24 149	0.20 183	0.24 170	0.18 162	0.24 169	0.18 168	0.24 171	0.18 176	0.23 169	0.19 175	0.24 174	0.18 170	0.21 155	0.16 142	0.21 161	0.16 157	0.22 160	0.16 148

iResNet	0.20 136	0.23 112	0.18 153	0.24 149	0.18 177	0.24 170	0.20 169	0.24 169	0.18 168	0.23 166	0.17 166	0.23 169	0.18 170	0.23 170	0.18 170	0.22 158	0.16 142	0.21 161	0.16 157	0.21 158	0.16 148

Pointernet	0.21 143	0.22 111	0.19 156	0.24 149	0.19 181	0.24 170	0.19 166	0.24 169	0.19 174	0.24 171	0.19 177	0.24 173	0.19 175	0.24 174	0.19 173	0.22 158	0.17 157	0.22 166	0.17 175	0.22 160	0.17 160

CAS++	0.17 129	0.27 123	0.21 163	0.10 57	0.21 190	0.15 125	0.22 180	0.10 104	0.21 179	0.22 162	0.10 110	0.19 149	0.18 170	0.10 105	0.19 173	0.20 150	0.19 164	0.18 154	0.10 111	0.19 153	0.18 164
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
CFNet	1.37 427	5.27 489	0.19 156	5.49 517	0.19 181	0.28 188	0.19 166	0.28 182	0.19 174	0.28 185	0.19 177	0.28 189	4.35 527	0.28 194	0.19 173	0.23 169	0.17 157	0.23 172	4.21 536	4.81 513	0.17 160

DAS	0.20 136	0.20 101	0.20 159	0.20 132	0.20 183	0.20 153	0.20 169	0.20 151	0.20 176	0.20 150	0.20 181	0.20 151	0.20 179	0.20 151	0.20 176	0.20 150	0.20 166	0.20 158	0.20 180	0.20 154	0.20 167

ASD4	0.20 136	0.20 101	0.20 159	0.20 132	0.20 183	0.20 153	0.20 169	0.20 151	0.20 176	0.20 150	0.20 181	0.20 151	0.20 179	0.20 151	0.20 176	0.20 150	0.20 166	0.20 158	0.20 180	0.20 154	0.20 167

AANet_RVC	1.26 422	0.31 130	4.99 528	5.93 520	0.20 183	0.25 177	0.20 169	0.25 175	0.20 176	0.23 166	0.19 177	0.25 178	0.20 179	0.25 179	0.20 176	5.66 528	4.76 521	0.26 183	0.30 239	0.24 170	0.27 200

GEStereo_RVC	0.86 339	4.45 476	0.20 159	0.27 163	0.20 183	0.27 187	0.20 169	0.26 179	0.18 168	5.03 530	0.20 181	0.27 188	0.19 175	0.27 192	0.21 179	0.20 150	0.19 164	0.19 157	4.02 534	0.20 154	0.18 164

HGLStereo	0.28 163	0.29 128	0.22 165	0.36 182	0.22 192	0.36 213	0.21 175	0.36 205	0.21 179	0.42 251	0.21 186	0.36 216	0.22 185	0.36 218	0.21 179	0.34 204	0.21 170	0.34 216	0.21 182	0.34 199	0.21 170

DCVSM-stereo	0.36 197	1.89 374	0.22 165	0.40 206	0.22 192	0.40 230	0.22 180	0.40 225	0.22 182	0.40 226	0.22 187	0.40 235	0.22 185	0.40 235	0.22 181	0.28 186	0.21 170	0.28 189	0.21 182	0.28 178	0.20 167

WAO-6	0.22 146	0.23 112	0.22 165	0.23 144	0.22 192	0.22 163	0.22 180	0.22 162	0.22 182	0.22 162	0.22 187	0.22 165	0.22 185	0.22 166	0.22 181	0.22 158	0.22 174	0.22 166	0.22 185	0.22 160	0.22 173

IMH-64-1	0.22 146	0.23 112	0.23 168	0.22 142	0.22 192	0.22 163	0.22 180	0.22 162	0.22 182	0.22 162	0.22 187	0.22 165	0.22 185	0.22 166	0.22 181	0.22 158	0.22 174	0.23 172	0.22 185	0.22 160	0.23 175

IMH-64	0.22 146	0.23 112	0.23 168	0.22 142	0.22 192	0.22 163	0.22 180	0.22 162	0.22 182	0.22 162	0.22 187	0.22 165	0.22 185	0.22 166	0.22 181	0.22 158	0.22 174	0.23 172	0.22 185	0.22 160	0.23 175

ssnet_v2	0.68 297	1.96 384	1.25 429	0.29 165	0.20 183	0.30 191	0.20 169	0.29 186	0.22 182	1.50 442	0.20 181	0.31 199	0.20 179	0.27 192	0.22 181	0.24 174	1.49 449	0.26 183	0.18 179	3.90 491	0.19 166

DISCO	1.11 369	0.39 148	5.28 530	0.39 193	0.20 183	0.39 228	0.27 206	0.39 220	0.22 182	0.38 216	0.20 181	0.38 224	0.20 179	6.95 541	0.22 181	0.30 194	0.21 170	0.27 187	0.21 182	5.25 522	0.21 170

PAM	0.39 216	1.88 373	0.34 217	0.37 185	0.41 293	0.45 271	0.22 180	0.28 182	0.23 188	0.28 185	0.24 197	0.29 194	0.23 191	0.29 197	0.23 187	0.38 228	0.32 217	0.38 244	0.37 276	0.32 189	0.22 173

DLNR_Zeroshot_test	0.31 173	0.28 126	0.47 272	0.79 297	0.24 202	0.30 191	0.26 203	0.30 188	0.24 190	0.32 196	0.23 191	0.31 199	0.24 194	0.30 199	0.23 187	0.29 193	0.26 184	0.29 194	0.24 198	0.33 195	0.23 175

testlalala	0.32 181	0.81 229	0.31 200	0.39 193	0.26 212	0.33 204	0.24 192	0.33 194	0.26 208	0.32 196	0.26 209	0.33 204	0.23 191	0.33 208	0.23 187	0.35 213	0.31 215	0.30 196	0.24 198	0.31 187	0.21 170

FENet	0.54 274	1.52 356	1.19 375	1.41 413	0.23 197	0.35 210	0.23 187	0.35 201	0.23 188	0.34 203	0.23 191	0.35 210	0.23 191	0.35 212	0.23 187	1.40 429	1.07 359	0.32 201	0.23 190	0.33 195	0.23 175

WCG-NET（raft）	0.32 181	1.24 346	0.24 174	0.32 172	0.24 202	0.32 202	0.23 187	0.32 191	0.24 190	0.32 196	0.24 197	0.32 201	0.24 194	0.32 202	0.24 191	0.30 194	0.23 178	0.30 196	0.23 190	0.30 184	0.23 175

tt1	0.31 173	0.93 253	0.24 174	0.33 175	0.23 197	0.31 194	0.24 192	0.32 191	0.24 190	0.32 196	0.23 191	0.32 201	0.25 197	0.32 202	0.24 191	0.27 184	0.26 184	0.27 187	0.26 209	0.27 176	0.27 200

xxxxx1	0.31 173	0.91 246	0.23 168	0.31 169	0.23 197	0.31 194	0.23 187	0.33 194	0.25 195	0.31 191	0.24 197	0.33 204	0.25 197	0.32 202	0.24 191	0.28 186	0.28 194	0.28 189	0.28 220	0.29 181	0.27 200

tt_ll	0.31 173	0.91 246	0.23 168	0.31 169	0.23 197	0.31 194	0.23 187	0.33 194	0.25 195	0.31 191	0.24 197	0.33 204	0.25 197	0.32 202	0.24 191	0.28 186	0.28 194	0.28 189	0.28 220	0.29 181	0.27 200

ff	0.31 173	0.91 246	0.23 168	0.31 169	0.23 197	0.31 194	0.23 187	0.33 194	0.25 195	0.31 191	0.24 197	0.33 204	0.25 197	0.32 202	0.24 191	0.28 186	0.28 194	0.28 189	0.28 220	0.29 181	0.27 200

iResNet_ROB	0.28 163	0.32 131	0.24 174	0.32 172	0.25 204	0.32 202	0.24 192	0.32 191	0.24 190	0.33 201	0.24 197	0.35 210	0.24 194	0.33 208	0.24 191	0.31 197	0.24 180	0.32 201	0.24 198	0.32 189	0.24 185

UNDER WATER-64	0.25 153	0.26 122	0.25 177	0.26 161	0.25 204	0.25 177	0.25 195	0.25 175	0.25 195	0.25 175	0.25 203	0.25 178	0.25 197	0.26 189	0.25 197	0.25 180	0.25 181	0.25 180	0.25 203	0.25 171	0.25 186

LoS_RVC	0.30 168	1.14 288	0.25 177	0.25 154	0.25 204	0.26 184	0.25 195	0.25 175	0.25 195	0.25 175	0.25 203	0.26 187	0.26 206	0.26 189	0.25 197	0.26 181	0.26 184	0.25 180	0.25 203	0.26 173	0.26 192

CAS	0.30 168	1.17 292	0.25 177	0.25 154	0.25 204	0.26 184	0.25 195	0.25 175	0.26 208	0.25 175	0.25 203	0.25 178	0.25 197	0.25 179	0.25 197	0.26 181	0.26 184	0.26 183	0.25 203	0.26 173	0.25 186

LoS	0.25 153	0.27 123	0.25 177	0.25 154	0.25 204	0.25 177	0.25 195	0.26 179	0.25 195	0.25 175	0.25 203	0.25 178	0.25 197	0.25 179	0.25 197	0.26 181	0.25 181	0.25 180	0.26 209	0.26 173	0.25 186
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
CroCo-Stereo	0.73 307	1.22 345	0.25 177	1.22 399	0.25 204	1.22 431	0.25 195	1.22 425	0.25 195	1.22 433	0.25 203	1.22 436	0.25 197	1.22 436	0.25 197	1.22 418	0.26 184	1.21 440	0.25 203	1.22 419	0.25 186
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
StereoDRNet-Refined	0.33 184	0.39 148	0.26 183	0.39 193	0.26 212	0.40 230	0.26 203	0.40 225	0.26 208	0.39 221	0.26 209	0.39 228	0.26 206	0.39 232	0.26 202	0.37 221	0.25 181	0.37 237	0.25 203	0.37 220	0.37 261
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
model_zeroshot	0.27 162	0.20 101	0.27 184	0.33 175	0.21 190	0.37 218	0.22 180	0.37 211	0.24 190	0.26 182	0.27 213	0.33 204	0.21 184	0.25 179	0.27 203	0.32 198	0.20 166	0.34 216	0.23 190	0.25 171	0.26 192

GCAP-BAT	0.33 184	0.78 223	0.32 204	0.38 188	0.25 204	0.34 206	0.25 195	0.34 198	0.26 208	0.34 203	0.25 203	0.35 210	0.26 206	0.35 212	0.27 203	0.36 217	0.30 211	0.32 201	0.24 198	0.32 189	0.26 192

TorneroNet-64	0.45 244	0.27 123	0.30 194	0.58 270	0.27 214	0.70 334	0.30 223	0.28 182	0.73 359	0.73 338	0.28 219	0.71 337	0.66 340	0.75 341	0.27 203	0.27 184	0.29 203	0.37 237	0.75 362	0.28 178	0.30 228

CroCo-Stereo Lap2	0.77 314	1.29 348	0.29 190	1.27 403	0.29 224	1.27 434	0.26 203	1.26 428	0.26 208	1.26 434	0.26 209	1.27 438	0.26 206	1.26 437	0.27 203	1.27 420	0.27 189	1.27 443	0.27 216	1.27 421	0.27 200

CRFU-Net	0.65 290	1.67 361	1.22 425	1.96 431	0.27 214	0.41 246	0.27 206	0.41 240	0.27 213	0.40 226	0.26 209	0.41 247	0.27 214	0.40 235	0.27 203	1.80 444	1.62 462	0.34 216	0.23 190	0.33 195	0.23 175

MLCV	0.31 173	0.35 134	0.27 184	0.35 178	0.28 217	0.35 210	0.27 206	0.35 201	0.28 216	0.36 210	0.27 213	0.35 210	0.27 214	0.35 212	0.27 203	0.34 204	0.27 189	0.34 216	0.27 216	0.34 199	0.27 200

LG-Stereo_L2	0.34 186	0.37 139	0.38 233	0.47 235	0.28 217	0.39 228	0.28 211	0.39 220	0.28 216	0.39 221	0.28 219	0.39 228	0.28 220	0.38 224	0.28 209	0.42 263	0.35 228	0.36 234	0.26 209	0.35 211	0.26 192

GIP-stereo	0.36 197	0.49 187	0.39 240	0.48 239	0.32 239	0.41 246	0.28 211	0.40 225	0.30 231	0.41 239	0.28 219	0.40 235	0.28 220	0.42 262	0.28 209	0.45 267	0.32 217	0.38 244	0.30 239	0.37 220	0.27 200

DEFOM-Stereo	0.68 297	3.11 447	1.40 447	1.63 422	0.25 204	0.31 194	0.25 195	0.31 190	0.28 216	0.31 191	0.29 223	0.29 194	0.27 214	0.31 201	0.28 209	1.59 437	1.47 448	0.30 196	0.29 229	0.30 184	0.28 213

RSM	0.36 197	0.36 137	0.43 257	0.37 185	0.42 303	0.49 292	0.42 292	0.37 211	0.28 216	0.36 210	0.29 223	0.36 216	0.30 232	0.37 222	0.28 209	0.34 204	0.31 215	0.34 216	0.35 268	0.40 241	0.29 218

ACVNet-DCA	0.37 202	1.00 262	0.30 194	0.40 206	0.29 224	0.40 230	0.29 218	0.40 225	0.29 221	0.40 226	0.29 223	0.40 235	0.29 226	0.39 232	0.28 209	0.33 201	0.32 217	0.33 209	0.32 250	0.33 195	0.32 237

SQANet	0.28 163	0.28 126	0.28 188	0.28 164	0.28 217	0.28 188	0.28 211	0.28 182	0.28 216	0.28 185	0.28 219	0.28 189	0.28 220	0.28 194	0.28 209	0.28 186	0.28 194	0.28 189	0.28 220	0.28 178	0.28 213

Any-RAFT	0.32 181	0.36 137	0.27 184	0.36 182	0.27 214	0.36 213	0.27 206	0.36 205	0.27 213	0.36 210	0.27 213	0.36 216	0.27 214	0.36 218	0.28 209	0.36 217	0.28 194	0.36 234	0.28 220	0.36 218	0.28 213

IER	0.88 340	7.04 505	2.23 494	2.75 455	0.28 217	0.43 268	0.25 195	0.39 220	0.25 195	0.41 239	0.27 213	0.39 228	0.25 197	0.40 235	0.28 209	0.37 221	0.28 194	0.37 237	0.25 203	0.37 220	0.25 186

DGSMNet	0.34 186	0.41 157	0.27 184	0.41 216	0.28 217	0.41 246	0.28 211	0.41 240	0.27 213	0.41 239	0.27 213	0.42 263	0.27 214	0.41 249	0.28 209	0.40 241	0.29 203	0.40 259	0.28 220	0.40 241	0.27 200

DN-CSS_ROB	0.31 173	0.35 134	0.28 188	0.35 178	0.28 217	0.34 206	0.27 206	0.34 198	0.25 195	0.35 207	0.27 213	0.36 216	0.26 206	0.34 210	0.28 209	0.35 213	0.28 194	0.34 216	0.28 220	0.34 199	0.27 200

xx1	0.38 208	1.03 274	0.31 200	0.40 206	0.31 237	0.41 246	0.28 211	0.40 225	0.29 221	0.40 226	0.29 223	0.40 235	0.29 226	0.40 235	0.29 219	0.34 204	0.33 224	0.34 216	0.32 250	0.34 199	0.32 237

1test111	0.37 202	1.02 272	0.30 194	0.39 193	0.29 224	0.40 230	0.28 211	0.39 220	0.29 221	0.39 221	0.29 223	0.39 228	0.28 220	0.40 235	0.29 219	0.33 201	0.32 217	0.33 209	0.31 245	0.32 189	0.31 233

cc1	0.37 202	1.02 272	0.30 194	0.39 193	0.29 224	0.40 230	0.28 211	0.39 220	0.29 221	0.39 221	0.29 223	0.39 228	0.28 220	0.40 235	0.29 219	0.33 201	0.32 217	0.33 209	0.31 245	0.32 189	0.31 233

EKT-Stereo	0.37 202	0.40 150	0.44 259	1.07 335	0.29 224	0.34 206	0.31 227	0.36 205	0.29 221	0.38 216	0.31 237	0.37 222	0.30 232	0.36 218	0.29 219	0.34 204	0.28 194	0.39 254	0.30 239	0.37 220	0.30 228

PML	0.46 247	1.36 353	0.29 190	0.58 270	0.30 233	0.57 321	0.29 218	0.57 308	0.29 221	0.57 317	0.29 223	0.57 321	0.29 226	0.56 315	0.29 219	0.52 296	0.30 211	0.53 323	0.31 245	0.53 296	0.30 228

GES	0.66 292	2.34 411	0.29 190	0.41 216	0.29 224	0.41 246	0.29 218	0.42 256	0.29 221	0.40 226	0.41 290	0.41 247	0.30 232	0.51 305	0.29 219	0.32 198	0.29 203	0.32 201	2.46 507	2.49 470	0.30 228

UCFNet_RVC	2.75 498	10.06 527	0.29 190	10.31 544	0.29 224	0.42 264	0.29 218	0.43 260	0.29 221	0.42 251	0.29 223	0.42 263	9.87 544	0.43 264	0.29 219	0.36 217	9.84 544	0.36 234	0.26 209	9.77 543	0.26 192

IGEV++	0.34 186	0.43 165	0.30 194	0.40 206	0.29 224	0.40 230	0.29 218	0.40 225	0.29 221	0.40 226	0.29 223	0.40 235	0.29 226	0.40 235	0.30 226	0.38 228	0.29 203	0.37 237	0.29 229	0.37 220	0.29 218

IGEV-Stereo	0.35 193	0.44 168	0.45 261	0.49 245	0.30 233	0.37 218	0.30 223	0.36 205	0.30 231	0.36 210	0.29 223	0.36 216	0.29 226	0.36 218	0.30 226	0.46 270	0.39 246	0.32 201	0.24 198	0.32 189	0.25 186
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iRaft-Stereo_5w	0.34 186	0.42 164	0.31 200	0.39 193	0.30 233	0.38 222	0.30 223	0.40 225	0.29 221	0.40 226	0.37 272	0.41 247	0.34 251	0.38 224	0.30 226	0.34 204	0.27 189	0.34 216	0.26 209	0.34 199	0.26 192

RAFT + AFF	0.31 173	0.45 171	0.34 217	0.39 193	0.28 217	0.38 222	0.33 237	0.29 186	0.31 235	0.30 189	0.30 234	0.29 194	0.27 214	0.29 197	0.30 226	0.28 186	0.29 203	0.29 194	0.29 229	0.27 176	0.32 237

DANet	0.30 168	0.30 129	0.30 194	0.30 166	0.30 233	0.30 191	0.30 223	0.30 188	0.30 231	0.30 189	0.30 234	0.30 197	0.30 232	0.30 199	0.30 226	0.30 194	0.30 211	0.30 196	0.30 239	0.30 184	0.30 228
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
water-stereo	0.41 227	0.84 232	0.46 265	0.50 252	0.33 250	0.45 271	0.33 237	0.45 262	0.32 238	0.45 262	0.32 239	0.45 269	0.32 239	0.45 269	0.32 231	0.44 265	0.41 258	0.39 254	0.31 245	0.39 236	0.32 237

xyz-stereo-finetune	0.28 163	0.49 187	0.16 141	0.16 117	0.16 167	0.16 133	0.16 151	0.22 162	0.30 231	0.32 196	0.31 237	0.32 201	0.31 237	0.32 202	0.32 231	0.32 198	0.33 224	0.31 200	0.32 250	0.31 187	0.32 237

GREAT-IGEV	0.38 208	0.43 165	0.36 227	0.48 239	0.32 239	0.45 271	0.32 228	0.45 262	0.32 238	0.45 262	0.32 239	0.45 269	0.32 239	0.45 269	0.32 231	0.44 265	0.33 224	0.41 272	0.29 229	0.41 251	0.29 218

mms	0.40 220	0.45 171	0.35 225	0.48 239	0.36 269	0.47 282	0.34 248	0.45 262	0.38 272	0.47 272	0.33 245	0.45 269	0.32 239	0.45 269	0.32 231	0.39 237	0.38 239	0.38 244	0.37 276	0.39 236	0.39 273

fffy	0.38 208	0.43 165	0.33 209	0.46 229	0.33 250	0.45 271	0.32 228	0.45 262	0.32 238	0.45 262	0.32 239	0.45 269	0.33 246	0.45 269	0.32 231	0.38 228	0.38 239	0.38 244	0.37 276	0.37 220	0.36 257

iRaft-Stereo_20w	0.34 186	0.41 157	0.31 200	0.39 193	0.29 224	0.40 230	0.32 228	0.41 240	0.32 238	0.38 216	0.30 234	0.39 228	0.30 232	0.38 224	0.32 231	0.35 213	0.27 189	0.34 216	0.27 216	0.34 199	0.29 218

FCDSN-DC	0.41 227	0.59 211	0.64 312	0.54 263	0.33 250	0.50 300	0.37 265	0.42 256	0.40 281	0.61 322	0.43 301	0.50 304	0.49 315	0.38 224	0.32 231	0.28 186	0.23 178	0.26 183	0.22 185	0.35 211	0.28 213
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
Gwc-CoAtRS	0.41 227	1.49 355	0.32 204	0.42 224	0.32 239	0.41 246	0.32 228	0.41 240	0.33 244	0.41 239	0.32 239	0.41 247	0.32 239	0.41 249	0.32 231	0.39 237	0.28 194	0.39 254	0.28 220	0.40 241	0.28 213

MyStereo04	0.56 280	3.72 462	0.59 304	0.49 245	0.41 293	0.36 213	0.32 228	0.37 211	0.31 235	0.34 203	0.46 308	0.35 210	0.32 239	0.35 212	0.33 239	0.49 282	0.45 271	0.34 216	0.32 250	0.35 211	0.43 291

PCWNet_CMD	2.80 500	9.82 525	0.32 204	10.09 543	0.32 239	0.49 292	0.33 237	3.34 502	0.33 244	0.49 286	0.33 245	0.49 290	8.73 540	0.48 286	0.33 239	0.41 249	9.22 539	0.42 283	0.29 229	9.55 542	0.31 233

CFNet_ucs	2.73 497	9.64 524	0.33 209	9.92 541	0.32 239	0.49 292	0.33 237	0.49 280	0.33 244	0.49 286	0.33 245	0.49 290	8.98 542	0.48 286	0.33 239	0.41 249	9.96 545	0.40 259	0.29 229	10.12 545	0.54 322

RAFT-Test	0.36 197	0.37 139	0.33 209	0.41 216	0.32 239	0.41 246	0.32 228	0.41 240	0.32 238	0.41 239	0.32 239	0.41 247	0.32 239	0.41 249	0.33 239	0.37 221	0.29 203	0.37 237	0.29 229	0.38 229	0.31 233

RCA-Stereo	0.51 270	3.22 451	0.34 217	0.44 227	0.34 260	0.44 270	0.34 248	0.43 260	0.34 253	0.43 257	0.34 253	0.44 267	0.33 246	0.43 264	0.33 239	0.38 228	0.29 203	0.38 244	0.29 229	0.38 229	0.29 218

CFNet_pseudo	2.67 496	9.36 522	0.32 204	10.99 545	0.33 250	0.85 347	0.33 237	0.49 280	0.33 244	0.49 286	0.32 239	0.49 290	7.26 538	0.49 292	0.33 239	0.41 249	9.62 542	0.41 272	0.29 229	10.03 544	0.29 218

pcwnet_v2	2.66 495	9.89 526	0.33 209	9.89 540	0.32 239	0.50 300	0.32 228	0.49 280	0.33 244	0.49 286	0.34 253	0.49 290	8.76 541	0.48 286	0.33 239	0.41 249	9.58 541	0.40 259	0.29 229	9.01 540	0.63 336

HCRNet	1.22 420	7.11 506	3.00 502	3.55 486	0.33 250	0.29 190	0.14 143	0.19 146	0.15 159	0.33 201	0.29 223	0.25 178	0.14 149	0.22 166	0.33 239	3.64 499	3.00 496	0.76 347	0.32 250	0.18 147	0.13 142

ccnet	0.80 320	2.28 403	0.33 209	0.50 252	0.33 250	0.50 300	0.33 237	0.50 288	0.33 244	0.49 286	0.33 245	0.49 290	1.56 456	2.38 473	0.33 239	0.41 249	0.29 203	0.42 283	1.57 468	2.28 458	0.29 218

CFNet-RSSM	0.91 343	4.89 482	0.34 217	0.44 227	1.07 396	1.62 449	1.40 462	0.91 347	0.35 256	1.60 443	1.39 462	0.64 330	0.34 251	0.44 266	0.33 239	0.41 249	0.35 228	0.75 345	0.30 239	0.41 251	0.29 218

psmorigin	0.41 227	0.46 175	0.33 209	0.49 245	0.33 250	0.49 292	0.33 237	0.49 280	0.33 244	0.49 286	0.33 245	0.49 290	0.33 246	0.51 305	0.33 239	0.41 249	0.30 211	0.41 272	0.30 239	0.79 323	0.29 218

MSMDNet	2.65 494	10.14 528	0.33 209	9.74 539	0.32 239	0.87 349	0.33 237	2.95 498	0.68 346	0.49 286	0.34 253	0.49 290	5.70 534	0.49 292	0.33 239	0.42 263	9.57 540	0.41 272	0.31 245	8.36 537	0.65 338

ccs_rob	2.79 499	10.17 529	0.32 204	10.00 542	0.33 250	0.49 292	0.33 237	1.90 449	0.32 238	0.51 302	0.33 245	0.49 290	9.24 543	0.49 292	0.33 239	0.41 249	9.82 543	0.41 272	0.28 220	9.34 541	0.29 218

depthmonostereo	0.44 242	0.85 234	0.46 265	0.54 263	0.40 286	0.52 309	0.38 271	0.52 299	0.35 256	0.47 272	0.34 253	0.46 273	0.34 251	0.47 277	0.34 252	0.45 267	0.43 268	0.41 272	0.33 258	0.41 251	0.32 237

DilatedVolume-Stereo	0.43 238	0.86 235	0.48 279	0.50 252	0.33 250	0.46 277	0.33 237	0.46 266	0.33 244	0.46 266	0.33 245	0.47 279	0.33 246	0.47 277	0.34 252	0.45 267	0.42 266	0.40 259	0.33 258	0.47 273	0.38 268

RAFT-Stereo-weight	0.45 244	1.90 376	0.34 217	0.42 224	0.36 269	0.43 268	0.35 253	0.42 256	0.34 253	0.42 251	0.34 253	0.44 267	0.34 251	0.41 249	0.34 252	0.38 228	0.32 217	0.38 244	0.32 250	0.38 229	0.33 244

H2IRNET	0.34 186	0.34 133	0.34 217	0.34 177	0.34 260	0.34 206	0.34 248	0.34 198	0.34 253	0.34 203	0.34 253	0.34 209	0.34 251	0.34 210	0.34 252	0.34 204	0.34 227	0.34 216	0.34 262	0.34 199	0.34 250

ccccc	0.41 227	0.44 168	0.34 217	0.48 239	0.35 263	0.48 287	0.35 253	0.51 297	0.35 256	0.47 272	0.35 262	0.47 279	0.34 251	0.47 277	0.35 256	0.41 249	0.40 249	0.40 259	0.40 292	0.41 251	0.39 273

GCST	0.50 265	2.08 387	0.38 233	0.53 261	0.35 263	0.49 292	0.35 253	0.50 288	0.35 256	0.49 286	0.35 262	0.49 290	0.35 258	0.49 292	0.35 256	0.48 279	0.37 233	0.45 290	0.33 258	0.44 261	0.33 244

Former-RAFT_DAM_RVC	0.49 263	0.98 259	0.64 312	0.84 304	0.46 310	0.45 271	0.35 253	0.47 272	0.47 307	0.45 262	0.34 253	0.46 273	0.48 310	0.46 273	0.35 256	0.39 237	0.71 329	0.39 254	0.35 268	0.41 251	0.41 283

ETE_ROB	0.35 193	0.35 134	0.35 225	0.35 178	0.35 263	0.35 210	0.35 253	0.35 201	0.35 256	0.35 207	0.35 262	0.35 210	0.35 258	0.35 212	0.35 256	0.35 213	0.35 228	0.35 229	0.35 268	0.35 211	0.35 256

UGAM-zero	0.51 270	2.17 395	0.39 240	0.53 261	0.36 269	0.50 300	0.36 260	0.50 288	0.36 267	0.49 286	0.36 266	0.50 304	0.35 258	0.50 299	0.36 260	0.49 282	0.37 233	0.47 297	0.35 268	0.46 266	0.34 250

UGAM	0.51 270	2.23 400	0.39 240	0.54 263	0.35 263	0.50 300	0.35 253	0.49 280	0.35 256	0.49 286	0.35 262	0.49 290	0.36 261	0.50 299	0.36 260	0.49 282	0.37 233	0.45 290	0.34 262	0.45 265	0.34 250

CES	0.39 216	0.47 179	0.36 227	0.36 182	0.37 272	0.45 271	0.35 253	0.35 201	0.40 281	0.36 210	0.44 303	0.47 279	0.36 261	0.44 266	0.36 260	0.37 221	0.39 246	0.44 286	0.35 268	0.37 220	0.36 257

GMOStereo	0.37 202	0.45 171	0.23 168	0.30 166	0.37 272	0.41 246	0.36 260	0.41 240	0.35 256	0.43 257	0.36 266	0.41 247	0.40 275	0.41 249	0.36 260	0.34 204	0.22 174	0.47 297	0.37 276	0.39 236	0.33 244

error version	0.93 350	4.47 477	2.35 497	1.99 433	0.37 272	0.41 246	0.36 260	0.41 240	0.35 256	0.43 257	0.36 266	0.41 247	0.40 275	0.41 249	0.36 260	1.87 446	2.16 489	0.47 297	0.37 276	0.39 236	0.33 244

test_1	0.93 350	4.47 477	2.35 497	1.99 433	0.37 272	0.41 246	0.36 260	0.41 240	0.35 256	0.43 257	0.36 266	0.41 247	0.40 275	0.41 249	0.36 260	1.87 446	2.16 489	0.47 297	0.37 276	0.39 236	0.33 244

DMCA	0.36 197	0.38 142	0.37 230	0.35 178	0.35 263	0.36 213	0.36 260	0.36 205	0.35 256	0.35 207	0.37 272	0.36 216	0.36 261	0.35 212	0.36 260	0.36 217	0.36 231	0.35 229	0.36 274	0.36 218	0.36 257

ADCS	0.09 51	0.02 12	0.04 43	0.90 309	0.06 101	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.14 122	0.36 260	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

SCV_C0	0.45 244	0.88 239	0.49 284	0.54 263	0.37 272	0.48 287	0.37 265	0.48 276	0.37 268	0.48 279	0.36 266	0.48 286	0.37 265	0.49 292	0.37 268	0.50 288	0.41 258	0.44 286	0.34 262	0.44 261	0.34 250

SCV	0.46 247	0.94 254	0.45 261	0.54 263	0.37 272	0.48 287	0.38 271	0.48 276	0.37 268	0.48 279	0.39 281	0.48 286	0.37 265	0.49 292	0.37 268	0.50 288	0.46 273	0.44 286	0.34 262	0.44 261	0.34 250

XPNet_ROB	0.37 202	0.37 139	0.37 230	0.37 185	0.37 272	0.37 218	0.37 265	0.37 211	0.37 268	0.37 215	0.37 272	0.37 222	0.37 265	0.37 222	0.37 268	0.37 221	0.37 233	0.37 237	0.37 276	0.37 220	0.37 261

HART	0.38 208	0.45 171	0.34 217	0.42 224	0.33 250	0.41 246	0.34 248	0.42 256	0.33 244	0.43 257	0.34 253	0.42 263	0.34 251	0.41 249	0.38 271	0.40 241	0.32 217	0.42 283	0.32 250	0.40 241	0.32 237

WAO-8	0.38 208	0.38 142	0.38 233	0.38 188	0.38 279	0.38 222	0.38 271	0.38 216	0.38 272	0.38 216	0.38 277	0.38 224	0.38 269	0.38 224	0.38 271	0.38 228	0.38 239	0.38 244	0.37 276	0.38 229	0.38 268

WAO-7	0.38 208	0.38 142	0.38 233	0.38 188	0.38 279	0.38 222	0.38 271	0.38 216	0.38 272	0.38 216	0.38 277	0.38 224	0.38 269	0.38 224	0.38 271	0.38 228	0.38 239	0.38 244	0.38 288	0.38 229	0.38 268

Venus	0.38 208	0.38 142	0.38 233	0.38 188	0.38 279	0.37 218	0.38 271	0.37 211	0.37 268	0.41 239	0.37 272	0.39 228	0.37 265	0.38 224	0.38 271	0.37 221	0.38 239	0.38 244	0.37 276	0.37 220	0.38 268

IMH	0.38 208	0.38 142	0.38 233	0.38 188	0.38 279	0.38 222	0.38 271	0.38 216	0.38 272	0.42 251	0.38 277	0.40 235	0.38 269	0.38 224	0.38 271	0.38 228	0.38 239	0.39 254	0.38 288	0.38 229	0.38 268

iRaftStereo_RVC	0.97 354	3.17 450	2.30 496	2.42 449	0.38 279	0.54 314	0.38 271	0.54 303	0.38 272	0.54 310	0.38 277	0.54 313	0.38 269	0.54 311	0.38 271	2.38 477	2.34 493	0.49 309	0.36 274	0.49 280	0.36 257

LG-Stereo_L1	0.47 253	0.52 200	0.47 272	0.62 276	0.39 284	0.53 311	0.40 279	0.53 301	0.39 280	0.53 307	0.39 281	0.53 311	0.39 274	0.53 310	0.39 277	0.55 300	0.46 273	0.49 309	0.37 276	0.49 280	0.37 261

gcap-zeroshot	0.35 193	0.32 131	0.37 230	0.49 245	0.39 284	0.33 204	0.21 175	0.26 179	0.35 256	0.42 251	0.34 253	0.49 290	0.29 226	0.47 277	0.39 277	0.34 204	0.17 157	0.38 244	0.23 190	0.48 277	0.34 250

GCAP-Stereo	0.75 309	4.15 473	0.42 256	0.75 295	0.35 263	0.78 341	0.40 279	0.79 334	0.38 272	0.78 346	0.36 266	0.78 347	0.36 261	0.79 343	0.39 277	0.75 326	0.39 246	0.76 347	0.39 291	0.75 318	0.39 273

LL-Strereo2	0.48 258	1.73 366	0.51 292	0.59 272	0.34 260	0.42 264	0.33 237	0.40 225	0.31 235	0.42 251	0.33 245	0.42 263	0.31 237	0.44 266	0.39 277	0.60 305	0.51 297	0.44 286	0.33 258	0.44 261	0.33 244

HanzoNet	0.39 216	0.38 142	0.40 243	0.39 193	0.41 293	0.38 222	0.38 271	0.38 216	0.38 272	0.39 221	0.39 281	0.38 224	0.38 269	0.39 232	0.40 281	0.38 228	0.38 239	0.40 259	0.38 288	0.38 229	0.40 276

knoymous	0.40 220	0.40 150	0.40 243	0.40 206	0.40 286	0.40 230	0.40 279	0.40 225	0.40 281	0.40 226	0.40 284	0.40 235	0.40 275	0.40 235	0.40 281	0.40 241	0.40 249	0.40 259	0.40 292	0.40 241	0.40 276

anonymousa	0.40 220	0.40 150	0.40 243	0.40 206	0.40 286	0.40 230	0.40 279	0.40 225	0.40 281	0.40 226	0.40 284	0.40 235	0.40 275	0.40 235	0.40 281	0.40 241	0.40 249	0.40 259	0.40 292	0.40 241	0.40 276

riskmin	0.40 220	0.40 150	0.40 243	0.40 206	0.40 286	0.40 230	0.40 279	0.40 225	0.40 281	0.40 226	0.40 284	0.40 235	0.40 275	0.40 235	0.40 281	0.40 241	0.40 249	0.40 259	0.40 292	0.40 241	0.40 276

Anonymous_2	0.40 220	0.40 150	0.40 243	0.40 206	0.40 286	0.40 230	0.40 279	0.40 225	0.40 281	0.40 226	0.40 284	0.40 235	0.40 275	0.40 235	0.40 281	0.40 241	0.40 249	0.40 259	0.40 292	0.40 241	0.40 276

Anonymous_1	0.40 220	0.40 150	0.40 243	0.40 206	0.40 286	0.40 230	0.40 279	0.40 225	0.40 281	0.40 226	0.40 284	0.40 235	0.40 275	0.40 235	0.40 281	0.40 241	0.40 249	0.40 259	0.40 292	0.40 241	0.40 276

AdaStereo	0.40 220	0.40 150	0.40 243	0.40 206	0.40 286	0.40 230	0.40 279	0.40 225	0.40 281	0.40 226	0.40 284	0.40 235	0.40 275	0.40 235	0.40 281	0.40 241	0.40 249	0.40 259	0.40 292	0.40 241	0.40 276
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_Zeroshot	0.48 258	0.55 208	0.47 272	0.63 278	0.41 293	0.56 316	0.44 295	0.56 305	0.41 290	0.56 315	0.41 290	0.57 321	0.42 292	0.56 315	0.41 288	0.55 300	0.43 268	0.51 318	0.37 276	0.51 291	0.37 261

GwcNet-ADL	0.41 227	0.41 157	0.41 251	0.41 216	0.41 293	0.41 246	0.41 287	0.41 240	0.41 290	0.41 239	0.41 290	0.41 247	0.41 286	0.41 249	0.41 288	0.41 249	0.41 258	0.41 272	0.41 299	0.41 251	0.41 283

PSMNet-ADL	0.41 227	0.41 157	0.41 251	0.41 216	0.41 293	0.41 246	0.41 287	0.41 240	0.41 290	0.41 239	0.41 290	0.41 247	0.41 286	0.41 249	0.41 288	0.41 249	0.41 258	0.41 272	0.41 299	0.41 251	0.41 283

GANet-ADL	0.41 227	0.41 157	0.41 251	0.41 216	0.41 293	0.41 246	0.41 287	0.41 240	0.41 290	0.41 239	0.41 290	0.41 247	0.41 286	0.41 249	0.41 288	0.41 249	0.41 258	0.41 272	0.41 299	0.41 251	0.41 283

ADLNet2	0.41 227	0.41 157	0.41 251	0.41 216	0.41 293	0.41 246	0.41 287	0.41 240	0.41 290	0.41 239	0.41 290	0.41 247	0.41 286	0.41 249	0.41 288	0.41 249	0.41 258	0.41 272	0.41 299	0.41 251	0.41 283

ADLNet	0.41 227	0.41 157	0.41 251	0.41 216	0.41 293	0.41 246	0.41 287	0.41 240	0.41 290	0.41 239	0.41 290	0.41 247	0.41 286	0.41 249	0.41 288	0.41 249	0.41 258	0.41 272	0.41 299	0.41 251	0.41 283

Occ-G	1.12 370	0.52 200	3.72 522	3.50 485	0.50 326	0.56 316	0.47 306	0.54 303	0.46 302	0.54 310	0.41 290	0.54 313	0.42 292	0.52 308	0.42 294	3.42 498	4.02 517	0.52 321	0.45 309	0.51 291	0.44 294

CFNet_RVC	2.38 488	8.71 517	0.38 233	9.33 536	0.42 303	0.56 316	0.42 292	0.60 315	0.38 272	0.62 325	0.42 299	0.56 320	7.29 539	0.62 323	0.42 294	0.53 297	0.37 233	0.49 309	0.34 262	8.30 536	6.87 543

DispNO	1.00 357	0.63 214	0.43 257	3.45 481	0.44 306	0.65 330	0.43 294	0.64 320	0.43 297	0.64 328	0.43 301	0.64 330	3.03 500	0.64 328	0.43 296	4.55 507	0.43 268	0.63 332	0.43 307	0.63 304	0.43 291

MonSter	0.60 282	0.64 216	0.52 295	0.62 276	0.44 306	2.07 464	0.44 295	0.62 318	0.44 300	0.62 325	0.44 303	0.62 329	0.44 296	0.62 323	0.44 297	0.58 303	0.42 266	0.62 330	0.46 311	0.58 300	0.42 290

AIO-test1	0.54 274	0.60 213	0.52 295	0.66 285	0.47 316	0.61 324	0.47 306	0.58 311	0.46 302	0.61 322	0.46 308	0.61 327	0.45 298	0.62 323	0.45 298	0.61 308	0.52 299	0.57 326	0.48 321	0.57 299	0.48 306

AIO-Stereo	0.84 336	0.66 217	0.70 322	0.83 303	0.67 356	0.98 361	0.82 364	1.14 368	0.72 356	1.03 371	0.74 364	1.03 375	1.09 379	0.99 368	0.45 298	1.04 356	0.73 331	0.95 371	0.74 361	0.94 345	0.46 297

MyStereo06	0.75 309	4.12 470	0.60 306	0.63 278	0.61 346	0.62 327	0.66 338	0.56 305	0.45 301	0.55 313	0.48 320	0.54 313	0.46 301	0.57 319	0.45 298	0.60 305	0.57 307	0.64 333	0.55 332	0.72 314	0.55 326

CASnet	0.35 193	0.51 198	0.44 259	0.32 172	0.31 237	0.24 170	0.34 248	0.36 205	0.25 195	0.31 191	0.37 272	0.30 197	0.33 246	0.25 179	0.45 298	0.37 221	0.37 233	0.33 209	0.35 268	0.34 199	0.37 261
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
fffft	0.48 258	0.51 198	0.45 261	0.52 260	0.45 308	0.52 309	0.45 299	0.52 299	0.48 314	0.53 307	0.45 306	0.52 310	0.45 298	0.52 308	0.46 302	0.51 294	0.41 258	0.50 313	0.41 299	0.50 285	0.41 283
1: 1. 1
PAM_32	0.64 289	2.38 415	0.51 292	0.92 314	0.43 305	0.53 311	0.44 295	0.87 341	0.43 297	0.52 305	0.45 306	0.53 311	0.40 275	0.54 311	0.46 302	0.62 311	0.56 305	0.48 305	0.45 309	0.76 319	0.44 294

otaku	0.46 247	0.46 175	0.46 265	0.46 229	0.46 310	0.46 277	0.46 301	0.46 266	0.46 302	0.46 266	0.46 308	0.46 273	0.46 301	0.46 273	0.46 302	0.46 270	0.46 273	0.46 293	0.46 311	0.46 266	0.46 297

Dean	0.46 247	0.46 175	0.46 265	0.46 229	0.46 310	0.46 277	0.46 301	0.46 266	0.46 302	0.47 272	0.46 308	0.46 273	0.46 301	0.46 273	0.46 302	0.46 270	0.46 273	0.46 293	0.46 311	0.46 266	0.46 297

ACVNet_1	0.46 247	0.47 179	0.46 265	0.46 229	0.46 310	0.46 277	0.46 301	0.46 266	0.47 307	0.46 266	0.46 308	0.46 273	0.46 301	0.46 273	0.46 302	0.46 270	0.46 273	0.47 297	0.46 311	0.46 266	0.46 297

ACVNet-4b	0.46 247	0.46 175	0.46 265	0.46 229	0.46 310	0.46 277	0.46 301	0.46 266	0.46 302	0.46 266	0.46 308	0.46 273	0.46 301	0.47 277	0.46 302	0.46 270	0.46 273	0.46 293	0.46 311	0.46 266	0.46 297

AIO-test2	0.55 278	0.59 211	0.52 295	0.67 286	0.47 316	0.61 324	0.47 306	0.61 317	0.47 307	0.61 322	0.47 316	0.61 327	0.48 310	0.62 323	0.47 308	0.64 313	0.53 301	0.58 327	0.47 318	0.58 300	0.48 306

Ntro	0.47 253	0.47 179	0.46 265	0.46 229	0.46 310	0.47 282	0.47 306	0.46 266	0.47 307	0.46 266	0.46 308	0.47 279	0.46 301	0.47 277	0.47 308	0.47 275	0.46 273	0.46 293	0.46 311	0.46 266	0.46 297

HaxPig	0.47 253	0.47 179	0.47 272	0.49 245	0.47 316	0.47 282	0.47 306	0.47 272	0.47 307	0.47 272	0.47 316	0.47 279	0.47 309	0.47 277	0.47 308	0.47 275	0.47 281	0.47 297	0.47 318	0.47 273	0.48 306

UNDER WATER	0.47 253	0.47 179	0.47 272	0.47 235	0.47 316	0.47 282	0.47 306	0.47 272	0.47 307	0.47 272	0.47 316	0.47 279	0.46 301	0.47 277	0.47 308	0.47 275	0.47 281	0.47 297	0.46 311	0.47 273	0.47 304

LVE	0.47 253	0.47 179	0.47 272	0.47 235	0.49 322	0.47 282	0.47 306	0.47 272	0.49 316	0.47 272	0.47 316	0.47 279	0.46 301	0.47 277	0.47 308	0.47 275	0.47 281	0.48 305	0.47 318	0.47 273	0.47 304

AEACV	1.12 370	0.52 200	3.12 514	3.24 470	0.86 375	0.53 311	0.49 317	0.60 315	0.47 307	0.53 307	0.49 323	0.55 317	0.45 298	0.55 314	0.47 308	3.01 494	3.88 515	0.71 342	0.60 340	0.80 326	0.48 306

RainbowNet	0.48 258	0.48 185	0.48 279	0.48 239	0.48 320	0.48 287	0.48 315	0.48 276	0.48 314	0.48 279	0.48 320	0.48 286	0.48 310	0.48 286	0.48 314	0.48 279	0.48 284	0.48 305	0.48 321	0.48 277	0.48 306

notaker	0.48 258	0.49 187	0.48 279	0.48 239	0.48 320	0.48 287	0.48 315	0.48 276	0.49 316	0.48 279	0.48 320	0.48 286	0.48 310	0.48 286	0.48 314	0.48 279	0.48 284	0.48 305	0.48 321	0.48 277	0.49 311

ACVNet_2	0.49 263	0.49 187	0.49 284	0.49 245	0.49 322	0.49 292	0.49 317	0.49 280	0.49 316	0.49 286	0.49 323	0.49 290	0.49 315	0.49 292	0.49 316	0.49 282	0.49 287	0.49 309	0.49 324	0.49 280	0.49 311

FoundationStereo	0.50 265	0.50 191	0.50 287	0.50 252	0.50 326	0.50 300	0.50 319	0.50 288	0.50 319	0.50 298	0.50 325	0.50 304	0.50 318	0.50 299	0.50 317	0.50 288	0.50 293	0.50 313	0.50 326	0.50 285	0.50 314

StereoAnything_RVC	0.50 265	0.50 191	0.50 287	0.50 252	0.50 326	0.50 300	0.50 319	0.50 288	0.50 319	0.50 298	0.50 325	0.50 304	0.50 318	0.50 299	0.50 317	0.50 288	0.50 293	0.50 313	0.50 326	0.50 285	0.50 314

dual_stereo	0.50 265	0.50 191	0.50 287	0.50 252	0.50 326	0.50 300	0.50 319	0.50 288	0.50 319	0.50 298	0.50 325	0.50 304	0.50 318	0.50 299	0.50 317	0.50 288	0.50 293	0.50 313	0.50 326	0.50 285	0.50 314

LL-Strereo	1.01 362	5.06 484	1.63 458	0.70 289	1.43 463	0.56 316	0.46 301	0.57 308	0.50 319	0.57 317	0.50 325	1.58 447	0.49 315	0.59 321	0.50 317	1.64 440	0.52 299	0.51 318	1.37 456	0.52 293	0.45 296

SANet	0.50 265	0.50 191	0.50 287	0.50 252	0.50 326	0.50 300	0.50 319	0.50 288	0.50 319	0.50 298	0.50 325	0.50 304	0.50 318	0.50 299	0.50 317	0.50 288	0.50 293	0.50 313	0.50 326	0.50 285	0.50 314

SMoEStereo_RVC	0.63 287	0.75 222	0.51 292	0.73 293	0.53 335	0.71 336	0.47 306	0.67 324	0.58 332	0.74 343	0.60 339	0.72 340	0.53 325	0.74 340	0.51 322	0.61 308	0.62 314	0.62 330	0.61 342	0.63 304	0.61 332

ktn	0.72 306	0.53 203	1.08 364	1.14 343	0.51 331	1.22 431	1.36 455	0.51 297	0.59 333	0.51 302	0.51 331	0.69 336	1.20 391	0.67 332	0.51 322	0.51 294	0.49 287	0.58 327	0.66 347	0.52 293	0.53 321

WCG-NET	0.61 285	1.21 342	0.54 299	0.61 275	0.53 335	0.67 332	0.53 325	0.66 323	0.53 327	0.64 328	0.53 334	0.65 333	0.53 325	0.59 321	0.52 324	0.65 314	0.48 284	0.64 333	0.52 330	0.58 300	0.50 314

MyStereo8	0.71 303	3.92 469	0.52 295	0.59 272	0.52 332	0.57 321	0.53 325	0.59 313	0.50 319	0.59 321	0.51 331	0.57 321	0.50 318	0.56 315	0.52 324	0.54 298	0.49 287	0.54 324	0.49 324	0.55 298	0.50 314

KSHMR	0.66 292	0.50 191	0.48 279	1.15 345	0.52 332	0.49 292	0.51 323	0.49 280	0.71 355	0.67 332	0.50 325	1.16 387	1.11 380	0.66 330	0.52 324	0.49 282	0.49 287	0.51 318	0.66 347	0.50 285	1.14 393

test-3	0.98 356	4.13 472	1.85 478	1.85 425	0.61 346	0.69 333	0.37 265	0.63 319	0.61 337	0.66 331	0.51 331	0.73 342	0.44 296	0.57 319	0.54 327	1.68 441	1.81 473	0.40 259	0.43 307	0.66 306	0.50 314

PSMNet_ROB	0.54 274	0.54 206	0.54 299	0.54 263	0.53 335	0.54 314	0.54 327	0.53 301	0.54 329	0.54 310	0.54 335	0.54 313	0.53 325	0.54 311	0.54 327	0.54 298	0.53 301	0.54 324	0.54 331	0.54 297	0.54 322

MyStereo05	0.80 320	4.12 470	0.63 310	0.63 278	0.61 346	0.62 327	0.66 338	0.65 321	0.62 338	0.67 332	0.61 342	0.65 333	0.58 330	0.67 332	0.55 329	0.60 305	0.57 307	0.64 333	0.55 332	0.72 314	0.55 326

CASS	0.57 281	0.89 242	0.56 301	0.57 269	0.56 338	0.56 316	0.56 328	0.56 305	0.53 327	0.57 317	0.57 338	0.59 325	0.48 310	0.56 315	0.57 330	0.55 300	0.56 305	0.47 297	0.56 335	0.62 303	0.56 329
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
anonymity	0.63 287	0.69 218	0.56 301	0.71 291	0.56 338	0.71 336	0.56 328	0.71 329	0.56 330	0.72 336	0.56 337	0.71 337	0.56 329	0.71 335	0.58 331	0.68 318	0.55 303	0.68 338	0.55 332	0.68 308	0.54 322

UDG	0.80 320	2.21 399	0.60 306	0.91 311	0.60 341	0.90 353	0.58 330	0.88 344	0.60 334	0.90 354	0.60 339	0.88 356	0.60 332	0.90 356	0.58 331	0.86 340	0.60 309	0.84 359	0.59 339	0.84 332	0.61 332

DDUNet	0.81 325	2.45 418	0.57 303	0.90 309	0.60 341	0.88 350	0.59 331	0.90 345	0.60 334	0.88 353	0.60 339	0.90 359	0.58 330	0.88 353	0.60 333	0.84 338	0.60 309	0.86 361	0.57 336	0.86 333	0.60 331

ARAFT	0.68 297	0.81 229	0.63 310	0.74 294	0.60 341	0.78 341	0.62 333	0.77 333	0.66 344	0.74 343	0.63 344	0.75 344	0.62 334	0.83 347	0.60 333	0.70 322	0.55 303	0.70 341	0.60 340	0.78 321	0.55 326

RAFT-Stereo + iAFF	0.70 301	0.72 220	0.71 326	0.80 299	0.62 349	0.82 346	0.61 332	0.81 339	0.62 338	0.81 350	0.63 344	0.80 350	0.70 346	0.73 338	0.61 335	0.76 327	0.61 313	0.74 344	0.61 342	0.77 320	0.61 332

MyStereo07	0.60 282	3.72 462	0.48 279	0.49 245	0.41 293	0.36 213	0.32 228	0.49 280	0.43 297	0.51 302	0.42 299	0.49 290	0.43 294	0.51 305	0.64 336	0.49 282	0.45 271	0.34 216	0.32 250	0.35 211	0.43 291

RSM++	0.76 313	0.82 231	0.66 316	0.85 306	0.64 350	0.85 347	0.71 351	0.94 354	0.64 341	0.87 352	0.67 351	0.87 355	0.65 337	0.84 348	0.65 337	0.81 333	0.70 325	0.79 350	0.71 359	0.83 331	0.70 345

plain	1.88 441	3.16 449	0.64 312	3.10 465	0.65 352	3.10 500	0.64 335	3.12 499	0.65 342	3.10 500	0.65 348	3.11 500	0.65 337	3.12 499	0.65 337	3.12 495	0.65 318	3.13 500	0.65 345	3.13 486	0.65 338

DSFCA	0.66 292	0.73 221	0.78 335	0.65 282	0.65 352	0.64 329	0.64 335	0.65 321	0.63 340	0.64 328	0.64 346	0.64 330	0.64 335	0.65 329	0.65 337	0.65 314	0.65 318	0.65 336	0.65 345	0.66 306	0.64 337

LMCR-Stereo	0.65 290	0.63 214	0.65 315	0.65 282	0.65 352	0.66 331	0.63 334	0.58 311	0.65 342	0.63 327	0.64 346	0.65 333	0.65 337	0.66 330	0.66 340	0.66 316	0.64 317	0.65 336	0.67 351	0.68 308	0.73 352

CoDeX	0.15 118	0.70 219	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	0.67 341	0.02 15	0.69 324	0.75 345	0.01 9	0.02 20	0.02 20

Selective-IGEV	0.51 270	0.55 208	0.45 261	0.69 287	0.45 308	0.61 324	0.45 299	0.50 288	0.40 281	0.56 315	0.44 303	0.55 317	0.40 275	0.72 336	0.67 341	0.59 304	0.46 273	0.45 290	0.34 262	0.46 266	0.37 261

AFF-stereo	0.73 307	0.88 239	0.67 319	0.75 295	0.68 359	0.75 338	0.64 335	0.80 336	0.72 356	0.83 351	0.70 356	0.82 353	0.64 335	0.84 348	0.67 341	0.77 328	0.63 315	0.81 355	0.63 344	0.78 321	0.62 335

STTRV1_RVC	0.82 329	1.60 359	0.70 322	1.01 331	0.60 341	1.07 373	0.69 346	1.01 361	0.60 334	0.72 336	0.55 336	1.02 374	0.68 343	1.03 374	0.67 341	0.89 342	0.63 315	0.92 367	0.57 336	0.90 338	0.65 338

MIF-Stereo (partial)	2.58 493	3.31 453	0.66 316	3.18 469	0.66 355	3.18 501	0.66 338	3.21 500	0.67 345	3.19 501	0.66 350	3.19 501	0.66 340	3.31 503	0.68 345	5.09 524	1.79 472	8.23 543	1.67 481	6.18 527	1.38 464

UniTT-Stereo	2.03 458	3.43 455	0.72 327	3.42 480	0.73 365	3.27 503	0.68 343	3.38 503	0.69 349	3.29 503	0.72 361	3.28 503	0.70 346	3.35 504	0.68 345	3.39 497	0.68 320	3.31 502	0.69 354	3.37 487	0.73 352

R-Stereo Train	0.81 325	0.96 256	0.67 319	0.95 321	0.67 356	0.95 358	0.68 343	0.95 356	0.68 346	0.95 364	0.68 352	0.96 367	0.68 343	0.96 366	0.68 345	0.94 350	0.68 320	0.94 369	0.68 352	0.94 345	0.68 343

RAFT-Stereo	0.81 325	0.96 256	0.67 319	0.95 321	0.67 356	0.95 358	0.68 343	0.95 356	0.68 346	0.95 364	0.68 352	0.96 367	0.68 343	0.96 366	0.68 345	0.94 350	0.68 320	0.94 369	0.68 352	0.94 345	0.68 343
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
HH	0.71 303	2.54 420	0.74 330	1.10 337	0.32 239	0.41 246	0.37 265	0.69 326	0.78 362	0.73 338	0.90 373	0.75 344	1.00 370	0.84 348	0.69 349	0.69 319	0.40 249	0.35 229	0.26 209	0.35 211	0.26 192

HanStereo	0.71 303	2.54 420	0.74 330	1.10 337	0.32 239	0.41 246	0.37 265	0.69 326	0.78 362	0.73 338	0.90 373	0.75 344	1.00 370	0.84 348	0.69 349	0.69 319	0.40 249	0.35 229	0.26 209	0.35 211	0.26 192

DMCA-RVC	0.70 301	0.80 226	0.70 322	0.70 289	0.70 361	0.70 334	0.70 348	0.71 329	0.70 352	0.70 335	0.71 359	0.71 337	0.70 346	0.70 334	0.69 349	0.69 319	0.70 325	0.69 339	0.70 356	0.69 312	0.70 345

MSMD_ROB	1.19 372	1.10 286	0.70 322	1.10 337	0.60 341	1.10 377	0.70 348	1.10 367	0.70 352	1.10 375	0.70 356	1.10 381	0.70 346	7.00 542	0.70 352	1.10 361	0.70 325	1.10 383	0.70 356	1.10 357	0.70 345

MoCha-V2	2.11 465	26.97 548	0.78 335	0.92 314	0.77 369	0.96 360	0.72 352	0.90 345	0.72 356	0.94 362	0.70 356	0.90 359	0.71 350	0.91 357	0.71 353	0.85 339	0.71 329	0.88 362	0.69 354	0.87 334	0.67 342

DCRE	0.84 336	1.89 374	0.77 334	0.94 319	0.72 364	0.88 350	0.73 353	0.87 341	0.78 362	0.90 354	0.71 359	0.88 356	0.67 342	0.88 353	0.73 354	0.81 333	0.68 320	0.81 355	0.70 356	0.82 330	0.70 345

iGMRVC	0.84 336	2.85 443	0.72 327	0.72 292	0.73 365	0.77 339	0.79 358	0.73 331	0.74 361	0.73 338	0.72 361	0.73 342	0.76 355	0.73 338	0.73 354	0.72 324	0.73 331	0.73 343	0.72 360	0.73 317	0.72 349

PA-Net	11.80 544	223.51 570	0.62 309	0.59 272	0.71 362	0.59 323	0.73 353	0.67 324	0.73 359	0.55 313	0.61 342	0.60 326	0.74 352	0.63 327	0.73 354	0.66 316	0.60 309	0.69 339	0.66 347	0.72 314	0.65 338
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
LG-Stereo	0.60 282	0.58 210	0.47 272	0.64 281	0.74 367	1.00 363	0.69 346	0.57 308	0.41 290	0.57 317	0.41 290	0.57 321	0.41 286	1.00 369	0.75 357	0.91 343	0.51 297	0.52 321	0.37 276	0.52 293	0.37 261

tt45	1.04 364	0.88 239	1.36 441	0.92 314	1.03 394	1.51 447	0.79 358	0.70 328	0.88 371	0.74 343	0.90 373	1.60 448	0.72 351	1.60 445	0.75 357	0.91 343	0.78 337	1.52 455	0.79 366	1.14 359	1.32 457

RAStereo	2.23 478	3.64 458	0.76 333	3.65 489	0.86 375	3.66 507	0.76 356	3.67 507	0.81 369	3.66 504	0.76 366	3.66 505	0.77 356	3.68 506	0.77 359	3.68 500	0.77 336	3.69 507	0.77 363	3.70 489	0.77 358

SFCPSM	0.17 129	0.78 223	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	0.79 360	0.02 15	0.75 334	0.76 347	0.02 20	0.02 20	0.02 20

G-Net	0.79 318	0.79 225	0.79 338	0.79 297	0.79 371	0.79 343	0.79 358	0.79 334	0.79 365	0.79 347	0.79 368	0.79 349	0.79 358	0.79 343	0.79 360	0.79 329	0.79 338	0.79 350	0.79 366	0.79 323	0.79 359

HSM-Net_RVC	0.95 353	1.17 292	0.78 335	1.18 352	0.71 362	1.16 384	0.75 355	1.09 366	0.80 366	1.10 375	0.75 365	1.17 388	0.74 352	1.17 388	0.80 362	1.13 367	0.73 331	1.17 390	0.77 363	1.16 363	0.72 349
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
NaN_ROB	0.80 320	0.80 226	0.80 339	0.80 299	0.80 373	0.80 344	0.80 361	0.80 336	0.80 366	0.80 348	0.80 369	0.80 350	0.80 359	0.80 345	0.80 362	0.80 330	0.80 341	0.80 353	0.80 368	0.80 326	0.80 360

CSAN	0.80 320	0.80 226	0.80 339	0.80 299	0.80 373	0.80 344	0.80 361	0.80 336	0.80 366	0.80 348	0.80 369	0.80 350	0.80 359	0.80 345	0.80 362	0.80 330	0.80 341	0.80 353	0.80 368	0.80 326	0.80 360

ours_stereo	1.20 373	1.21 342	0.90 347	1.64 423	1.11 397	1.35 437	0.67 342	1.76 445	0.93 378	1.70 449	1.10 390	1.39 442	0.75 354	1.41 442	0.81 365	1.60 439	1.03 357	1.33 445	1.00 382	1.61 433	0.72 349

AIO-Stereo-zeroshot1	0.75 309	0.92 251	0.85 343	0.96 324	0.59 340	1.27 434	0.44 295	0.59 313	0.69 349	0.91 356	0.68 352	0.55 317	0.61 333	1.06 376	0.83 366	0.62 311	0.70 325	0.90 363	0.41 299	0.89 336	0.56 329

999	1.00 357	1.12 287	0.59 304	1.10 337	1.21 453	1.09 376	0.52 324	1.08 364	1.43 465	1.18 385	1.35 456	0.98 369	0.52 324	0.91 357	0.85 367	0.72 324	1.46 447	0.83 358	0.98 380	0.68 308	1.41 465

ToySt	0.92 345	2.11 390	0.90 347	0.95 321	0.79 371	0.99 362	0.78 357	0.94 354	0.81 369	0.94 362	0.78 367	0.95 366	0.77 356	0.94 362	0.86 368	0.91 343	0.79 338	0.85 360	0.77 363	0.89 336	0.73 352

DPSimNet_ROB	0.97 354	1.18 294	0.81 341	1.10 337	0.91 381	1.02 368	0.82 364	1.04 363	0.91 373	1.03 371	0.86 372	1.28 439	0.82 361	1.03 374	0.89 369	1.17 370	0.81 343	1.02 380	0.82 371	1.08 356	0.81 362

DGTPSM_ROB	0.93 350	1.00 262	0.92 351	0.94 319	0.96 386	0.91 354	0.92 371	0.91 347	0.96 382	0.91 356	0.96 380	0.93 365	0.92 365	0.94 362	0.92 370	0.92 346	0.92 349	0.90 363	0.92 375	0.94 345	0.91 370

DPSM_ROB	0.92 345	0.91 246	0.91 349	0.91 311	0.92 382	0.92 355	0.92 371	0.92 350	0.91 373	0.93 360	0.91 376	0.92 362	0.90 363	0.91 357	0.92 370	0.92 346	0.91 347	0.91 365	0.92 375	0.93 343	0.93 372

DPSM	0.92 345	0.91 246	0.91 349	0.91 311	0.92 382	0.92 355	0.92 371	0.92 350	0.91 373	0.93 360	0.91 376	0.92 362	0.90 363	0.91 357	0.92 370	0.92 346	0.91 347	0.91 365	0.92 375	0.93 343	0.93 372

pmcnn	0.92 345	0.92 251	0.92 351	0.92 314	0.92 382	0.92 355	0.92 371	0.92 350	0.92 377	0.92 358	0.92 379	0.92 362	0.92 365	0.92 361	0.92 370	0.92 346	0.92 349	0.92 367	0.92 375	0.92 342	0.92 371

Selective-RAFT	0.89 342	0.89 242	0.72 327	1.16 350	0.78 370	1.06 370	0.82 364	0.87 341	0.97 383	1.00 366	0.91 376	0.90 359	1.00 370	0.89 355	0.93 374	0.83 336	0.83 344	0.82 357	0.82 371	0.81 329	0.82 363

MM-Stereo_test2	1.20 373	1.85 370	1.05 362	1.46 414	0.94 385	1.36 439	0.99 378	1.36 433	0.95 380	1.41 439	0.98 382	1.40 444	0.96 367	1.37 440	0.95 375	1.37 428	1.06 358	1.33 445	0.93 379	1.29 422	0.89 368

AIO-Stereo-zeroshot	0.91 343	0.86 235	0.89 344	1.25 402	0.69 360	1.05 369	0.81 363	1.16 371	0.50 319	1.12 380	0.97 381	0.72 340	0.82 361	1.06 376	0.95 375	0.61 308	0.87 346	1.03 381	0.85 374	1.04 354	1.01 382

Selective-RAFT-Error	0.88 340	0.84 232	0.98 356	0.86 307	0.97 387	0.88 350	0.95 375	0.84 340	0.99 386	0.92 358	0.82 371	0.84 354	0.98 369	0.87 352	0.97 377	0.81 333	0.83 344	0.79 350	0.82 371	0.79 323	0.85 365

4D-IteraStereo	0.78 317	3.13 448	0.89 344	0.69 287	0.32 239	0.40 230	0.32 228	0.76 332	0.97 383	0.52 305	0.65 348	0.89 358	0.32 239	0.76 342	0.98 378	0.83 336	0.94 351	0.35 229	0.27 216	0.70 313	0.89 368

MaDis-Stereo	3.19 502	6.02 504	1.12 365	5.61 519	1.16 403	5.43 534	1.02 384	5.15 533	0.70 352	5.43 533	1.21 444	5.03 534	0.97 368	4.85 527	0.99 379	4.53 506	1.16 375	5.53 535	1.25 449	5.37 523	1.30 455

GANet	1.00 357	1.00 262	1.00 358	1.00 328	1.00 388	1.00 363	1.00 379	1.00 358	1.00 387	1.00 366	1.00 383	1.00 370	1.00 370	1.00 369	1.00 380	1.00 352	1.00 352	1.00 376	1.00 382	1.00 349	1.00 379

TDLM	1.00 357	1.00 262	1.00 358	1.00 328	1.00 388	1.00 363	1.00 379	1.00 358	1.00 387	1.00 366	1.00 383	1.00 370	1.00 370	1.00 369	1.00 380	1.00 352	1.00 352	1.00 376	1.00 382	1.00 349	1.00 379

CVANet_RVC	1.00 357	1.00 262	1.00 358	1.00 328	1.00 388	1.00 363	1.00 379	1.00 358	1.00 387	1.00 366	1.00 383	1.00 370	1.00 370	1.00 369	1.00 380	1.00 352	1.00 352	1.00 376	1.00 382	1.00 349	1.00 379

trnet	1.01 362	1.01 268	1.01 361	1.01 331	1.01 392	1.01 367	1.01 382	1.01 361	1.01 390	1.01 370	1.01 386	1.01 373	1.01 376	1.01 373	1.01 383	1.01 355	1.01 355	1.01 379	1.01 386	1.01 352	1.01 382

MM-Stereo_test3	1.27 423	2.07 386	1.18 373	1.60 418	1.02 393	1.45 445	1.01 382	1.40 437	1.04 392	1.44 440	1.03 387	1.46 446	1.02 377	1.44 443	1.02 384	1.51 435	1.12 372	1.32 444	0.98 380	1.38 426	0.97 375

MLG-Stereo	0.92 345	0.90 244	0.84 342	1.27 403	0.49 322	1.38 441	0.88 367	1.41 438	0.97 383	0.73 338	1.09 389	1.26 437	0.43 294	0.72 336	1.05 385	1.13 367	0.49 287	1.18 393	0.66 347	1.01 352	0.46 297

FC-DCNN	1.07 365	1.09 283	0.98 356	0.89 308	0.52 332	1.41 444	0.91 370	1.21 424	1.24 451	1.96 453	2.05 505	1.91 454	1.30 444	1.27 438	1.08 386	0.80 330	0.60 309	0.58 327	0.41 299	0.68 308	0.54 322

GLC_STEREO	1.07 365	1.01 268	1.06 363	1.07 335	1.05 395	1.06 370	1.08 386	1.08 364	1.05 393	1.07 373	1.06 388	1.08 377	1.05 378	1.06 376	1.10 387	1.07 358	1.09 365	1.05 382	1.05 387	1.06 355	1.12 389

IGEVStereo-DCA	1.77 437	4.21 474	1.84 476	2.49 452	2.11 500	2.54 486	1.36 455	1.65 442	1.17 400	2.75 494	1.90 488	2.54 480	1.15 384	0.94 362	1.11 388	1.50 433	1.32 428	0.96 372	1.46 465	1.49 429	0.88 366

rrr	1.77 437	4.21 474	1.84 476	2.49 452	2.11 500	2.54 486	1.36 455	1.65 442	1.17 400	2.75 494	1.90 488	2.54 480	1.15 384	0.94 362	1.11 388	1.50 433	1.32 428	0.96 372	1.46 465	1.49 429	0.88 366

NCC-stereo	2.36 484	25.52 543	1.17 371	1.15 345	1.17 404	1.11 380	1.11 387	1.15 369	1.16 396	1.10 375	1.16 394	1.10 381	1.15 384	1.14 386	1.13 390	1.09 359	1.11 369	1.15 385	1.16 394	1.17 368	1.17 398

Nwc_Net	2.37 486	25.95 545	1.15 369	1.14 343	1.15 399	1.08 374	1.14 390	1.17 373	1.16 396	1.14 383	1.15 391	1.08 377	1.15 384	1.11 384	1.14 391	1.10 361	1.11 369	1.16 386	1.09 389	1.16 363	1.15 394

TorneroNet	0.66 292	0.53 203	0.50 287	0.50 252	0.64 350	1.06 370	0.70 348	0.50 288	0.51 326	0.49 286	0.69 355	0.49 290	0.50 318	0.48 286	1.15 392	0.71 323	0.49 287	1.14 384	1.08 388	0.49 280	0.49 311

AF-Net	2.37 486	25.71 544	1.17 371	1.13 342	1.15 399	1.15 383	1.18 395	1.19 376	1.16 396	1.10 375	1.15 391	1.10 381	1.18 389	1.12 385	1.15 392	1.10 361	1.10 368	1.17 390	1.15 392	1.16 363	1.12 389

RP	2.33 482	25.00 541	1.13 366	1.15 345	1.15 399	1.10 377	1.15 391	1.15 369	1.15 395	1.12 380	1.15 391	1.09 379	1.13 381	1.10 382	1.15 392	1.11 366	1.09 365	1.16 386	1.12 390	1.16 363	1.17 398

edge stereo	2.43 489	27.07 549	1.14 367	1.06 334	1.14 398	1.08 374	1.17 394	1.16 371	1.14 394	1.10 375	1.16 394	1.09 379	1.16 388	1.10 382	1.16 395	1.10 361	1.11 369	1.16 386	1.19 396	1.13 358	1.11 387

Abc-Net	2.32 481	24.75 540	1.14 367	1.17 351	1.17 404	1.11 380	1.15 391	1.17 373	1.21 448	1.08 374	1.16 394	1.12 385	1.14 383	1.09 380	1.17 396	1.09 359	1.16 375	1.17 390	1.17 395	1.16 363	1.11 387
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
RGC	2.36 484	25.48 542	1.19 375	1.15 345	1.15 399	1.10 377	1.16 393	1.17 373	1.16 396	1.12 380	1.16 394	1.11 384	1.13 381	1.09 380	1.18 397	1.10 361	1.15 374	1.16 386	1.12 390	1.14 359	1.12 389

stereogan	2.33 482	24.38 539	1.18 373	1.18 352	1.18 406	1.14 382	1.18 395	1.19 376	1.19 402	1.14 383	1.18 398	1.14 386	1.18 389	1.14 386	1.18 397	1.14 369	1.14 373	1.19 394	1.19 396	1.15 361	1.19 402

DisPM	1.20 373	1.20 296	1.20 378	1.20 354	1.20 407	1.20 385	1.20 397	1.20 379	1.20 403	1.20 387	1.20 399	1.20 390	1.20 391	1.20 390	1.20 399	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

CrosDoStereo	1.20 373	1.20 296	1.20 378	1.20 354	1.20 407	1.20 385	1.20 397	1.20 379	1.20 403	1.20 387	1.20 399	1.20 390	1.20 391	1.20 390	1.20 399	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

PFNet+	1.20 373	1.20 296	1.20 378	1.20 354	1.20 407	1.20 385	1.20 397	1.20 379	1.20 403	1.20 387	1.20 399	1.20 390	1.20 391	1.20 390	1.20 399	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

LCNet	1.20 373	1.20 296	1.20 378	1.20 354	1.20 407	1.20 385	1.20 397	1.20 379	1.20 403	1.20 387	1.20 399	1.20 390	1.20 391	1.20 390	1.20 399	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

HHNet	1.20 373	1.20 296	1.20 378	1.20 354	1.20 407	1.20 385	1.20 397	1.20 379	1.20 403	1.20 387	1.20 399	1.20 390	1.20 391	1.20 390	1.20 399	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

Patchmatch Stereo++	1.20 373	1.20 296	1.20 378	1.20 354	1.20 407	1.20 385	1.20 397	1.20 379	1.20 403	1.20 387	1.20 399	1.20 390	1.20 391	1.20 390	1.20 399	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403
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	1.20 373	1.20 296	1.20 378	1.20 354	1.20 407	1.20 385	1.20 397	1.20 379	1.20 403	1.20 387	1.20 399	1.20 390	1.20 391	1.20 390	1.20 399	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

STrans-v2	1.20 373	1.20 296	1.20 378	1.20 354	1.20 407	1.20 385	1.20 397	1.20 379	1.20 403	1.20 387	1.20 399	1.20 390	1.20 391	1.20 390	1.20 399	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

TransformOpticalFlow	1.20 373	1.20 296	1.20 378	1.20 354	1.20 407	1.20 385	1.20 397	1.20 379	1.20 403	1.20 387	1.20 399	1.20 390	1.20 391	1.20 390	1.20 399	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

OMP-Stereo	1.20 373	1.20 296	1.20 378	1.20 354	1.20 407	1.20 385	1.20 397	1.20 379	1.20 403	1.20 387	1.20 399	1.20 390	1.20 391	1.20 390	1.20 399	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

IIG-Stereo	1.20 373	1.20 296	1.20 378	1.20 354	1.20 407	1.20 385	1.20 397	1.20 379	1.20 403	1.20 387	1.20 399	1.20 390	1.20 391	1.20 390	1.20 399	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

NF-Stereo	1.20 373	1.20 296	1.20 378	1.20 354	1.20 407	1.20 385	1.20 397	1.20 379	1.20 403	1.20 387	1.20 399	1.20 390	1.20 391	1.20 390	1.20 399	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

OCTAStereo	1.20 373	1.20 296	1.20 378	1.20 354	1.20 407	1.20 385	1.20 397	1.20 379	1.20 403	1.20 387	1.20 399	1.20 390	1.20 391	1.20 390	1.20 399	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

PSM-softLoss	1.20 373	1.20 296	1.20 378	1.20 354	1.20 407	1.20 385	1.20 397	1.20 379	1.20 403	1.20 387	1.20 399	1.20 390	1.20 391	1.20 390	1.20 399	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

KMStereo	1.20 373	1.20 296	1.20 378	1.20 354	1.20 407	1.20 385	1.20 397	1.20 379	1.20 403	1.20 387	1.20 399	1.20 390	1.20 391	1.20 390	1.20 399	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

NRIStereo	1.20 373	1.20 296	1.20 378	1.20 354	1.20 407	1.20 385	1.20 397	1.20 379	1.20 403	1.20 387	1.20 399	1.20 390	1.20 391	1.20 390	1.20 399	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

PSM-adaLoss	1.20 373	1.20 296	1.20 378	1.20 354	1.20 407	1.20 385	1.20 397	1.20 379	1.20 403	1.20 387	1.20 399	1.20 390	1.20 391	1.20 390	1.20 399	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

PSM-AAD	1.20 373	1.20 296	1.20 378	1.20 354	1.20 407	1.20 385	1.20 397	1.20 379	1.20 403	1.20 387	1.20 399	1.20 390	1.20 391	1.20 390	1.20 399	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

FTStereo	1.20 373	1.20 296	1.20 378	1.20 354	1.20 407	1.20 385	1.20 397	1.20 379	1.20 403	1.20 387	1.20 399	1.20 390	1.20 391	1.20 390	1.20 399	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

ROB_FTStereo_v2	1.20 373	1.20 296	1.20 378	1.20 354	1.20 407	1.20 385	1.20 397	1.20 379	1.20 403	1.20 387	1.20 399	1.20 390	1.20 391	1.20 390	1.20 399	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

ROB_FTStereo	1.20 373	1.20 296	1.20 378	1.20 354	1.20 407	1.20 385	1.20 397	1.20 379	1.20 403	1.20 387	1.20 399	1.20 390	1.20 391	1.20 390	1.20 399	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

Consistency-Raft	1.20 373	1.20 296	1.20 378	1.20 354	1.20 407	1.20 385	1.20 397	1.20 379	1.20 403	1.20 387	1.20 399	1.20 390	1.20 391	1.20 390	1.20 399	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

KYRaft	1.20 373	1.20 296	1.20 378	1.20 354	1.20 407	1.20 385	1.20 397	1.20 379	1.20 403	1.20 387	1.20 399	1.20 390	1.20 391	1.20 390	1.20 399	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

HUI-Stereo	1.20 373	1.20 296	1.20 378	1.20 354	1.20 407	1.20 385	1.20 397	1.20 379	1.20 403	1.20 387	1.20 399	1.20 390	1.20 391	1.20 390	1.20 399	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

ASMatch	1.20 373	1.20 296	1.20 378	1.20 354	1.20 407	1.20 385	1.20 397	1.20 379	1.20 403	1.20 387	1.20 399	1.20 390	1.20 391	1.20 390	1.20 399	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

DeepStereo_LL	1.20 373	1.20 296	1.20 378	1.20 354	1.20 407	1.20 385	1.20 397	1.20 379	1.20 403	1.20 387	1.20 399	1.20 390	1.20 391	1.20 390	1.20 399	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

DEmStereo	1.20 373	1.20 296	1.20 378	1.20 354	1.20 407	1.20 385	1.20 397	1.20 379	1.20 403	1.20 387	1.20 399	1.20 390	1.20 391	1.20 390	1.20 399	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

SST-Stereo	1.20 373	1.20 296	1.20 378	1.20 354	1.20 407	1.20 385	1.20 397	1.20 379	1.20 403	1.20 387	1.20 399	1.20 390	1.20 391	1.20 390	1.20 399	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

THIR-Stereo	1.20 373	1.20 296	1.20 378	1.20 354	1.20 407	1.20 385	1.20 397	1.20 379	1.20 403	1.20 387	1.20 399	1.20 390	1.20 391	1.20 390	1.20 399	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

RAFT_R40	1.20 373	1.20 296	1.20 378	1.20 354	1.20 407	1.20 385	1.20 397	1.20 379	1.20 403	1.20 387	1.20 399	1.20 390	1.20 391	1.20 390	1.20 399	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

DRaft	1.20 373	1.20 296	1.20 378	1.20 354	1.20 407	1.20 385	1.20 397	1.20 379	1.20 403	1.20 387	1.20 399	1.20 390	1.20 391	1.20 390	1.20 399	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

PFNet	1.20 373	1.20 296	1.20 378	1.20 354	1.20 407	1.20 385	1.20 397	1.20 379	1.20 403	1.20 387	1.20 399	1.20 390	1.20 391	1.20 390	1.20 399	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

GrayStereo	1.20 373	1.20 296	1.20 378	1.20 354	1.20 407	1.20 385	1.20 397	1.20 379	1.20 403	1.20 387	1.20 399	1.20 390	1.20 391	1.20 390	1.20 399	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

RE-Stereo	1.20 373	1.20 296	1.20 378	1.20 354	1.20 407	1.20 385	1.20 397	1.20 379	1.20 403	1.20 387	1.20 399	1.20 390	1.20 391	1.20 390	1.20 399	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

Pruner-Stereo	1.20 373	1.20 296	1.20 378	1.20 354	1.20 407	1.20 385	1.20 397	1.20 379	1.20 403	1.20 387	1.20 399	1.20 390	1.20 391	1.20 390	1.20 399	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

TVStereo	1.20 373	1.20 296	1.20 378	1.20 354	1.20 407	1.20 385	1.20 397	1.20 379	1.20 403	1.20 387	1.20 399	1.20 390	1.20 391	1.20 390	1.20 399	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

DeepStereo_RVC	1.20 373	1.20 296	1.20 378	1.20 354	1.20 407	1.20 385	1.20 397	1.20 379	1.20 403	1.20 387	1.20 399	1.20 390	1.20 391	1.20 390	1.20 399	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

RAFT-RH_RVC	1.20 373	1.20 296	1.20 378	1.20 354	1.20 407	1.20 385	1.20 397	1.20 379	1.20 403	1.20 387	1.20 399	1.20 390	1.20 391	1.20 390	1.20 399	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

IRAFT_RVC	1.20 373	1.20 296	1.20 378	1.20 354	1.20 407	1.20 385	1.20 397	1.20 379	1.20 403	1.20 387	1.20 399	1.20 390	1.20 391	1.20 390	1.20 399	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

RAFT-345	1.20 373	1.20 296	1.20 378	1.20 354	1.20 407	1.20 385	1.20 397	1.20 379	1.20 403	1.20 387	1.20 399	1.20 390	1.20 391	1.20 390	1.20 399	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

iRAFT	1.20 373	1.20 296	1.20 378	1.20 354	1.20 407	1.20 385	1.20 397	1.20 379	1.20 403	1.20 387	1.20 399	1.20 390	1.20 391	1.20 390	1.20 399	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

CRE-IMP	1.20 373	1.20 296	1.20 378	1.20 354	1.20 407	1.20 385	1.20 397	1.20 379	1.20 403	1.20 387	1.20 399	1.20 390	1.20 391	1.20 390	1.20 399	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

GMM-Stereo	1.20 373	1.20 296	1.20 378	1.20 354	1.20 407	1.20 385	1.20 397	1.20 379	1.20 403	1.20 387	1.20 399	1.20 390	1.20 391	1.20 390	1.20 399	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

RAFT-IKP	1.20 373	1.20 296	1.20 378	1.20 354	1.20 407	1.20 385	1.20 397	1.20 379	1.20 403	1.20 387	1.20 399	1.20 390	1.20 391	1.20 390	1.20 399	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

Prome-Stereo	1.20 373	1.20 296	1.20 378	1.20 354	1.20 407	1.20 385	1.20 397	1.20 379	1.20 403	1.20 387	1.20 399	1.20 390	1.20 391	1.20 390	1.20 399	1.20 372	1.20 380	1.20 395	1.20 399	1.20 372	1.20 403

HBP-ISP	1.24 421	1.72 362	1.65 459	1.15 345	0.76 368	1.40 443	0.88 367	1.67 444	1.02 391	1.69 448	1.38 461	1.69 450	1.21 437	1.87 455	1.21 444	1.05 357	0.79 338	0.97 374	0.80 368	1.19 371	0.75 356

GANetREF_RVC	1.55 430	1.94 383	1.22 425	1.88 426	1.21 453	1.88 453	1.22 443	1.88 447	1.22 449	1.88 450	1.22 445	1.88 452	1.22 438	1.89 456	1.22 445	1.87 446	1.22 427	1.88 468	1.22 445	1.88 445	1.22 449
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
StereoVision	3.15 501	5.00 483	0.89 344	4.83 510	1.00 388	3.93 508	1.27 449	6.37 536	1.34 456	5.67 536	1.26 449	5.84 537	1.27 441	5.03 533	1.24 446	5.10 525	1.09 365	4.61 519	0.57 336	5.62 525	1.12 389

FAT-Stereo	2.46 490	26.05 546	1.23 427	1.23 401	1.22 455	1.20 385	1.24 445	1.23 427	1.23 450	1.19 386	1.22 445	1.21 435	1.24 439	1.20 390	1.24 446	1.21 417	1.17 378	1.22 441	1.25 449	1.20 372	1.24 452

S-Stereo	2.51 491	26.86 547	1.23 427	1.22 399	1.22 455	1.24 433	1.25 446	1.22 425	1.24 451	1.21 432	1.24 447	1.19 389	1.27 441	1.19 389	1.24 446	1.19 371	1.20 380	1.25 442	1.19 396	1.24 420	1.23 451

3.75w	1.99 444	2.31 405	1.83 475	3.16 468	1.65 472	1.93 454	1.98 490	2.72 484	1.68 470	2.73 493	1.97 494	2.00 459	1.72 465	1.81 453	1.25 449	2.27 469	2.01 480	2.38 487	1.42 462	1.71 438	1.24 452

2w_stereo	1.99 444	2.36 414	1.81 467	3.24 470	1.67 473	1.94 455	1.98 490	2.72 484	1.68 470	2.72 488	1.94 491	1.98 458	1.74 468	1.79 452	1.27 450	1.95 452	2.00 478	2.53 495	1.60 474	1.68 437	1.15 394

4.25_new	2.00 448	2.33 407	1.82 472	3.32 475	1.69 475	1.95 458	1.99 493	2.72 484	1.71 474	2.72 488	1.97 494	2.01 460	1.74 468	1.77 450	1.28 451	2.18 461	2.01 480	2.48 493	1.58 471	1.65 434	1.17 398

4.5w_new	2.00 448	2.33 407	1.82 472	3.32 475	1.69 475	1.95 458	1.99 493	2.72 484	1.71 474	2.72 488	1.97 494	2.01 460	1.74 468	1.77 450	1.28 451	2.18 461	2.01 480	2.48 493	1.58 471	1.65 434	1.17 398

4.5w-stereo	1.99 444	2.33 407	1.81 467	3.28 472	1.68 474	1.94 455	1.99 493	2.72 484	1.70 473	2.72 488	1.99 503	1.97 457	1.68 461	1.76 449	1.29 453	1.91 451	2.02 484	2.53 495	1.61 475	1.75 441	1.16 397

2.75w_new	1.99 444	2.34 411	1.81 467	3.14 466	1.62 470	1.94 455	1.99 493	2.72 484	1.71 474	2.72 488	1.99 503	1.90 453	1.73 466	1.82 454	1.29 453	2.37 476	2.01 480	2.31 482	1.42 462	1.77 442	1.22 449

11t	1.27 423	2.70 429	1.34 431	1.32 407	0.89 377	1.30 436	1.34 452	1.64 441	0.57 331	1.45 441	0.72 361	1.05 376	1.29 443	1.07 379	1.29 453	1.49 432	1.02 356	0.97 374	1.15 392	1.48 428	1.31 456

SPS-STEREO	1.59 431	1.91 377	1.21 424	1.94 429	1.20 407	2.00 461	1.23 444	1.99 452	1.24 451	2.00 458	1.25 448	2.03 462	1.26 440	2.00 460	1.29 453	1.90 450	1.18 379	1.89 469	1.21 444	1.89 446	1.20 403
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MaskLacGwcNet_RVC	1.35 425	1.35 352	1.35 433	1.35 409	1.35 457	1.35 437	1.35 453	1.36 433	1.35 459	1.36 437	1.35 456	1.36 440	1.36 449	1.36 439	1.35 457	1.35 425	1.35 440	1.35 448	1.35 453	1.35 424	1.35 461

4.25w-stereo	1.98 443	2.72 433	1.46 450	3.47 482	1.43 463	2.07 464	1.98 490	2.53 481	1.52 467	2.71 487	1.98 500	1.81 451	1.62 459	1.96 458	1.36 458	1.88 449	2.00 478	2.53 495	1.61 475	1.74 440	1.15 394

MC-Stereo	1.76 436	2.96 444	1.37 443	2.14 436	1.37 459	2.14 466	1.36 455	2.14 461	1.37 461	2.14 467	1.37 459	2.14 464	1.37 451	2.14 465	1.37 459	1.97 453	1.32 428	1.97 471	1.32 452	1.98 447	1.33 458

CC-Net-ROB	1.36 426	1.33 351	1.33 430	1.36 410	1.38 460	1.36 439	1.33 451	1.37 435	1.34 456	1.35 436	1.36 458	1.38 441	1.34 447	1.38 441	1.38 460	1.35 425	1.38 443	1.33 445	1.35 453	1.43 427	1.34 460

sCroCo_RVC	2.10 464	2.76 437	1.92 486	2.78 460	1.39 461	2.73 493	1.41 463	2.73 490	1.40 463	2.77 499	1.41 463	2.74 495	1.40 453	2.74 494	1.40 461	2.72 492	1.42 445	2.72 498	1.44 464	2.79 484	1.42 466

PS-NSSS	1.38 428	1.39 354	1.34 431	1.34 408	1.35 457	1.38 441	1.37 460	1.35 432	1.38 462	1.34 435	1.34 455	1.39 442	1.38 452	1.70 447	1.40 461	1.36 427	1.36 441	1.36 450	1.37 456	1.37 425	1.36 462

MM-Stereo_test1	1.80 439	3.41 454	1.52 455	2.12 435	1.41 462	2.04 462	1.41 463	2.05 456	1.46 466	2.04 462	1.41 463	2.05 463	1.42 454	2.05 461	1.43 463	2.04 457	1.54 454	1.94 470	1.38 458	1.99 448	1.33 458

test_xeample3	1.10 367	1.81 367	0.61 308	0.84 304	0.49 322	0.77 339	0.66 338	0.92 350	1.40 463	0.68 334	0.46 308	0.78 347	0.54 328	1.72 448	1.48 464	1.34 424	1.52 451	1.35 448	1.67 481	1.33 423	1.55 469

2.25w	2.00 448	1.86 372	1.98 489	2.95 463	2.17 504	2.26 467	1.35 453	2.42 475	2.00 502	2.07 466	1.27 450	2.53 478	1.99 486	2.29 470	1.49 465	2.21 464	1.32 428	1.85 462	1.87 493	2.52 474	1.62 478

FADNet-RVC-Resample	0.12 92	0.04 37	0.04 43	0.04 37	0.04 77	0.04 74	0.04 77	0.04 74	0.04 79	0.04 71	0.04 85	0.04 74	0.04 81	0.04 69	1.57 466	0.04 44	0.04 45	0.04 71	0.05 90	0.04 74	0.06 96

DPSMNet_ROB	1.60 432	1.59 358	1.70 461	1.59 417	1.59 468	1.61 448	1.61 470	1.60 439	1.60 468	1.62 447	1.59 470	1.60 448	1.60 457	1.60 445	1.59 467	1.59 437	1.60 461	1.59 456	1.59 473	1.59 432	1.59 474

RAFT_CTSACE	1.92 442	3.71 461	1.72 464	1.88 426	1.72 479	2.04 462	1.42 465	2.18 463	1.89 495	2.02 460	1.97 494	1.95 455	2.06 490	1.93 457	1.62 468	1.76 442	1.66 465	2.02 472	1.73 489	1.73 439	1.43 467

Anonymous3	2.55 492	3.26 452	1.65 459	3.28 472	1.63 471	3.24 502	1.68 473	3.27 501	1.66 469	3.28 502	1.67 476	3.25 502	1.66 460	3.27 501	1.64 469	3.26 496	1.65 464	3.30 501	1.65 479	4.95 518	1.65 482

4.5_new	2.00 448	1.84 369	1.98 489	2.77 457	2.16 502	2.27 468	1.28 450	2.09 457	1.98 499	2.01 459	1.28 451	2.71 489	1.98 484	2.51 480	1.65 470	2.26 466	1.33 435	1.87 465	1.87 493	2.49 470	1.60 475

FADNet_RVC	0.12 92	0.04 37	0.04 43	0.05 43	0.04 77	0.04 74	0.04 77	0.04 74	0.04 79	0.04 71	0.04 85	0.04 74	0.05 88	0.04 69	1.65 470	0.05 51	0.04 45	0.04 71	0.04 75	0.04 74	0.04 76

FADNet	0.12 92	0.05 49	0.04 43	0.04 37	0.04 77	0.04 74	0.04 77	0.04 74	0.04 79	0.04 71	0.04 85	0.04 74	0.05 88	0.04 69	1.66 472	0.06 55	0.04 45	0.04 71	0.04 75	0.04 74	0.04 76

UDGNet	2.23 478	5.40 494	1.72 464	2.48 451	1.69 475	2.51 483	1.69 474	2.51 480	1.72 478	2.50 482	1.69 477	2.52 477	1.69 463	2.50 479	1.68 473	2.41 479	1.70 467	2.42 489	1.69 485	2.42 464	1.64 480

IGEV	2.02 456	2.20 397	1.82 472	2.90 462	2.16 502	2.41 476	1.25 446	2.00 453	1.98 499	1.99 457	1.31 453	2.72 493	1.93 480	2.67 488	1.69 474	2.26 466	1.32 428	1.83 461	1.87 493	2.53 477	1.61 477

FADNet-RVC	0.13 98	0.04 37	0.04 43	0.04 37	0.04 77	0.04 74	0.05 87	0.04 74	0.04 79	0.04 71	0.05 94	0.04 74	0.05 88	0.04 69	1.71 475	0.04 44	0.04 45	0.04 71	0.04 75	0.07 98	0.04 76

MFMNet_re	1.81 440	1.91 377	1.71 463	1.95 430	1.70 478	1.95 458	1.70 475	1.96 450	1.74 481	1.97 455	1.72 478	1.95 455	1.71 464	1.97 459	1.71 475	1.86 445	1.62 462	1.85 462	1.66 480	1.86 444	1.64 480

3w_stereo	2.04 461	2.24 401	1.70 461	3.15 467	2.18 506	2.49 480	1.26 448	2.03 455	1.98 499	1.98 456	1.33 454	2.72 493	1.99 486	2.59 483	1.72 477	2.22 465	1.33 435	1.85 462	1.88 498	2.50 472	1.58 473

1w_stereo	2.05 463	2.32 406	1.35 433	3.74 493	2.01 494	2.73 493	1.42 465	1.88 447	1.93 497	2.03 461	1.28 451	2.71 489	1.99 486	2.72 491	1.72 477	2.20 463	1.32 428	1.87 465	1.86 492	2.45 466	1.54 468

TRStereo	2.00 448	2.13 391	1.85 478	2.27 442	1.84 483	2.28 470	1.84 479	2.29 466	1.86 489	2.30 472	1.87 483	2.30 466	1.87 474	2.08 462	1.72 477	2.08 458	1.72 468	2.08 474	1.72 486	2.08 449	1.72 484

XX-Stereo	2.00 448	2.13 391	1.85 478	2.27 442	1.84 483	2.28 470	1.84 479	2.29 466	1.86 489	2.30 472	1.87 483	2.30 466	1.87 474	2.08 462	1.72 477	2.08 458	1.72 468	2.08 474	1.72 486	2.08 449	1.72 484

EAI-Stereo	2.00 448	2.13 391	1.85 478	2.27 442	1.84 483	2.28 470	1.84 479	2.29 466	1.86 489	2.30 472	1.87 483	2.30 466	1.87 474	2.08 462	1.72 477	2.08 458	1.72 468	2.08 474	1.72 486	2.08 449	1.72 484

3.25w	2.04 461	2.20 397	1.48 451	3.03 464	2.17 504	2.63 489	1.39 461	1.96 450	1.95 498	1.96 453	1.37 459	2.71 489	1.96 483	2.71 489	1.73 482	2.26 466	1.32 428	1.87 465	1.87 493	2.51 473	1.63 479

U	5.15 536	8.49 516	1.81 467	8.49 533	1.77 480	8.49 543	1.77 477	8.51 544	1.77 482	8.49 544	1.77 479	8.50 544	1.78 471	8.58 544	1.77 483	8.54 542	1.78 471	8.55 544	1.78 490	8.55 538	1.84 489

asd	2.18 468	2.77 439	1.58 456	3.59 487	2.00 493	2.58 488	1.85 482	2.39 474	1.71 474	2.47 480	1.97 494	2.59 484	1.61 458	2.56 481	1.79 484	2.51 485	1.99 477	2.11 477	1.62 477	2.36 462	1.60 475

qwe	2.18 468	2.60 423	1.58 456	3.83 494	1.90 491	2.53 484	1.90 488	2.48 477	1.73 479	2.37 477	1.92 490	2.53 478	1.68 461	2.56 481	1.83 485	2.52 487	1.87 476	2.07 473	1.68 483	2.32 460	1.71 483

FBW_ROB	2.12 466	2.46 419	1.77 466	2.49 452	1.79 482	2.38 474	1.83 478	2.46 476	1.78 483	2.48 481	1.97 494	2.40 474	1.78 471	2.42 477	1.83 485	2.31 473	1.85 475	2.38 487	1.82 491	2.35 461	1.84 489

2.5w	2.01 455	2.40 416	1.37 443	3.28 472	2.01 494	2.71 490	1.43 467	1.82 446	1.83 487	1.90 452	1.41 463	2.71 489	1.35 448	2.71 489	1.85 487	2.66 488	1.53 452	1.64 457	1.23 446	2.53 477	1.87 493

LG-G_1	2.22 475	2.71 431	1.89 483	2.77 457	1.87 489	2.75 495	1.87 485	2.76 492	1.87 493	2.75 494	1.87 483	2.76 496	1.87 474	2.75 495	1.86 488	2.47 482	1.58 457	2.45 490	1.57 468	2.45 466	1.57 471

LG-G	2.22 475	2.71 431	1.89 483	2.77 457	1.87 489	2.75 495	1.87 485	2.76 492	1.87 493	2.75 494	1.87 483	2.76 496	1.87 474	2.75 495	1.86 488	2.47 482	1.58 457	2.45 490	1.57 468	2.45 466	1.57 471

LGtest1	2.22 475	2.70 429	1.89 483	2.76 456	1.86 486	2.75 495	1.86 483	2.75 491	1.86 489	2.75 494	1.86 482	2.77 498	1.87 474	2.75 495	1.86 488	2.46 481	1.58 457	2.45 490	1.56 467	2.45 466	1.56 470

AIO_test	2.18 468	2.09 389	2.04 493	2.42 449	2.01 494	2.47 478	1.94 489	2.34 471	2.03 503	2.56 484	1.94 491	2.43 475	1.94 481	2.41 475	1.87 491	2.39 478	2.10 487	2.35 486	1.91 499	2.25 456	2.19 499

asda	2.17 467	2.54 420	1.81 467	3.47 482	1.78 481	2.50 482	1.86 483	2.61 483	1.68 470	2.61 485	1.83 480	2.37 473	1.73 466	2.44 478	1.88 492	2.51 485	1.84 474	2.34 484	1.62 477	2.23 454	1.77 488

AIO_rvc	2.18 468	2.34 411	1.87 482	2.32 446	1.94 492	2.40 475	1.89 487	2.37 472	2.07 504	2.52 483	1.95 493	2.44 476	1.99 486	2.41 475	1.89 493	2.32 474	2.09 486	2.24 478	2.18 501	2.21 453	2.23 500

monsterstereo	2.20 474	2.33 407	1.95 487	3.65 489	2.07 499	2.49 480	1.61 470	2.48 477	1.83 487	2.45 479	1.61 473	2.67 488	1.86 473	2.64 485	1.94 494	2.48 484	1.66 465	2.34 484	1.68 483	2.40 463	1.86 491

monsters	2.18 468	2.41 417	1.96 488	3.47 482	2.03 498	2.53 484	1.64 472	2.48 477	1.73 479	2.40 478	1.50 466	2.62 485	1.94 481	2.59 483	1.94 494	2.44 480	1.57 456	2.28 480	1.87 493	2.42 464	1.86 491

HUF	2.18 468	2.30 404	1.99 492	2.34 447	2.02 497	2.41 476	2.06 497	2.38 473	1.89 495	2.36 476	1.85 481	2.56 482	1.98 484	2.31 472	1.97 496	2.30 472	2.03 485	2.30 481	2.11 500	2.23 454	2.16 498

4w-stereo	2.02 456	2.72 433	1.44 448	3.36 478	1.59 468	2.48 479	1.72 476	2.28 464	1.24 451	2.24 470	1.65 475	2.56 482	1.32 446	2.39 474	1.98 497	2.67 490	1.51 450	1.66 458	1.24 447	2.53 477	1.88 496

3.25w_new	2.03 458	2.72 433	1.35 433	3.33 477	1.57 466	2.72 491	1.53 469	2.15 462	1.33 455	2.15 468	1.60 471	2.63 486	1.30 444	2.72 491	1.99 498	2.67 490	1.53 452	1.75 460	1.25 449	2.53 477	1.87 493

3.5w_stereo	2.03 458	2.72 433	1.35 433	3.41 479	1.57 466	2.72 491	1.49 468	2.01 454	1.34 456	2.15 468	1.61 473	2.63 486	1.36 449	2.72 491	1.99 498	2.66 488	1.58 457	1.68 459	1.24 447	2.53 477	1.87 493

RASNet	1.49 429	1.65 360	1.45 449	1.38 412	1.43 463	1.47 446	1.36 455	1.38 436	1.36 460	1.39 438	1.60 471	1.45 445	1.45 455	1.51 444	2.21 500	1.53 436	1.36 441	1.36 450	1.36 455	1.66 436	1.36 462

ff7	1.68 433	2.68 426	1.35 433	0.97 325	0.89 377	1.84 450	2.15 498	2.12 458	1.80 484	2.05 463	1.56 467	2.33 469	2.12 491	2.23 466	2.25 501	1.31 421	1.07 359	1.48 452	1.41 459	0.90 338	1.04 384

ffff	1.68 433	2.68 426	1.35 433	0.97 325	0.89 377	1.84 450	2.15 498	2.12 458	1.80 484	2.05 463	1.56 467	2.33 469	2.12 491	2.23 466	2.25 501	1.31 421	1.07 359	1.48 452	1.41 459	0.90 338	1.04 384

ccc-4	1.68 433	2.68 426	1.35 433	0.97 325	0.89 377	1.84 450	2.15 498	2.12 458	1.80 484	2.05 463	1.56 467	2.33 469	2.12 491	2.23 466	2.25 501	1.31 421	1.07 359	1.48 452	1.41 459	0.90 338	1.04 384

STTStereo	3.73 506	30.40 553	2.37 499	2.39 448	2.31 509	2.35 473	2.33 502	2.29 466	2.42 506	2.32 475	2.34 507	2.33 469	2.36 495	2.30 471	2.27 504	2.35 475	2.22 491	2.31 482	2.22 502	2.29 459	2.34 505

NCCL2	2.28 480	2.27 402	2.28 495	2.28 445	2.28 507	2.27 468	2.29 501	2.28 464	2.28 505	2.27 471	2.28 506	2.28 465	2.27 494	2.27 469	2.28 505	2.28 470	2.28 492	2.27 479	2.29 505	2.27 457	2.29 501

NLCA_NET_v2_RVC	5.04 534	50.87 563	2.78 501	2.87 461	2.71 510	2.78 498	0.47 306	2.88 497	2.86 510	1.89 451	2.67 508	2.79 499	2.79 499	2.78 498	2.83 506	2.82 493	2.82 495	2.83 499	2.77 508	2.83 485	2.76 509
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	3.83 507	5.22 487	3.01 503	4.53 498	3.01 512	4.51 514	3.01 509	4.56 516	3.04 511	4.53 515	3.03 511	4.55 517	3.03 500	4.56 516	3.04 507	4.57 508	3.05 497	4.57 514	3.05 512	4.57 502	3.05 512

rvit_stereo_0081	3.83 507	5.23 488	3.01 503	4.53 498	3.03 514	4.55 520	3.02 510	4.56 516	3.04 511	4.52 513	3.02 509	4.54 515	3.03 500	4.56 516	3.04 507	4.57 508	3.05 497	4.57 514	3.05 512	4.58 503	3.05 512

rvit_0105_6	3.87 511	5.73 501	3.10 513	4.69 508	3.12 522	4.54 516	3.02 510	4.56 516	3.04 511	4.54 517	3.03 511	4.54 515	3.04 503	4.56 516	3.05 509	4.58 511	3.05 497	4.58 516	3.05 512	4.58 503	3.05 512

rvit_stereo_0082	3.86 509	5.82 502	3.01 503	4.53 498	3.03 514	4.54 516	3.02 510	4.56 516	3.04 511	4.53 515	3.02 509	4.55 517	3.04 503	4.57 519	3.05 509	4.57 508	3.05 497	4.58 516	3.05 512	4.58 503	3.06 515

RAFT+CT+SA	4.28 521	7.62 510	4.91 527	5.55 518	2.28 507	3.09 499	3.64 527	4.49 514	3.07 516	4.80 526	3.35 522	4.77 529	3.70 518	4.29 513	3.05 509	5.58 527	5.98 528	3.58 505	3.78 531	4.26 496	3.72 529

rvit_stereo_0081_aga	3.86 509	5.33 491	3.02 506	4.55 504	3.04 518	4.54 516	3.02 510	4.64 523	3.06 515	4.54 517	3.04 513	4.62 524	3.08 507	4.62 522	3.07 512	4.58 511	3.06 501	4.60 518	3.08 516	4.63 506	3.07 516

rvit_stereo_0080	3.89 512	5.70 499	3.04 508	4.54 501	3.03 514	4.56 521	3.05 516	4.60 520	3.07 516	4.58 520	3.06 514	4.59 519	3.06 505	4.61 520	3.08 513	4.63 513	3.09 502	4.64 520	3.10 517	4.65 507	3.10 517

whm_eth	3.89 512	5.70 499	3.04 508	4.54 501	3.03 514	4.56 521	3.05 516	4.60 520	3.07 516	4.58 520	3.06 514	4.59 519	3.06 505	4.61 520	3.08 513	4.63 513	3.09 502	4.64 520	3.10 517	4.65 507	3.10 517

rvit_0105_4	3.91 514	5.47 498	3.02 506	4.54 501	3.02 513	4.54 516	3.03 514	4.75 526	3.17 522	4.57 519	3.06 514	4.61 523	3.16 511	4.65 523	3.09 515	4.66 515	3.11 504	4.68 523	3.18 522	4.81 513	3.16 522

rvit_0105_3	3.91 514	5.33 491	3.06 511	4.60 506	3.07 520	4.60 523	3.06 518	4.62 522	3.08 519	4.60 522	3.07 517	4.62 524	3.08 507	4.67 524	3.10 516	4.70 516	3.11 504	4.77 527	3.19 523	4.77 512	3.14 521

rvit_stereo_ft	3.93 517	5.44 496	3.05 510	4.59 505	3.06 519	4.61 524	3.08 519	4.67 525	3.12 521	4.63 524	3.10 519	4.65 526	3.11 509	4.69 526	3.13 517	4.70 516	3.14 506	4.71 525	3.15 521	4.74 510	3.16 522

rvit_stereo_0083	3.92 516	5.30 490	3.06 511	4.61 507	3.09 521	4.67 525	3.08 519	4.66 524	3.09 520	4.62 523	3.10 519	4.66 527	3.11 509	4.67 524	3.16 518	4.72 518	3.16 507	4.77 527	3.11 519	4.66 509	3.11 519

test_5	4.62 528	7.55 509	6.23 533	6.32 523	3.40 526	5.29 533	3.50 525	3.53 505	4.11 534	4.28 510	4.47 536	4.26 513	4.38 528	3.68 506	3.24 519	5.89 529	5.60 525	4.84 529	3.50 525	4.33 497	3.93 535

rvit_0105_5	4.10 518	5.40 494	3.13 516	4.71 509	3.15 523	4.72 528	3.10 521	4.90 531	3.27 523	4.69 525	3.16 521	4.84 531	3.25 512	4.96 530	3.34 520	5.05 523	3.39 512	5.10 532	3.40 524	5.11 520	3.42 525

DispFullNet	4.61 527	4.84 480	3.12 514	5.00 513	3.57 527	4.75 529	3.03 514	7.75 542	4.17 535	4.91 529	3.09 518	6.20 538	3.95 523	6.71 538	3.51 521	5.30 526	3.67 514	5.86 539	3.63 526	5.61 524	3.46 526

MLG-Stereo_test2	4.28 521	5.46 497	3.69 521	4.86 511	3.72 531	5.58 535	3.42 524	4.81 528	3.77 531	4.85 527	3.72 528	5.55 536	3.63 515	5.58 534	3.53 522	4.41 505	3.28 511	4.99 531	2.95 510	4.75 511	3.13 520

DPSNet	3.66 505	3.60 457	3.62 520	3.63 488	3.64 530	3.65 506	3.65 528	3.66 506	3.67 526	3.67 505	3.65 526	3.67 506	3.66 516	3.66 505	3.68 523	3.68 500	3.66 513	3.67 506	3.68 529	3.67 488	3.67 528

MLG-Stereo_test1	4.25 519	5.34 493	3.61 519	5.31 515	3.63 529	5.23 532	3.57 526	5.38 534	3.65 525	5.23 531	3.47 523	4.76 528	3.74 519	4.85 527	3.71 524	4.96 520	3.18 509	4.71 525	2.92 509	4.86 516	2.90 510

TestStereo1	4.60 525	8.41 514	6.44 535	6.86 526	3.79 532	3.97 509	3.78 530	3.99 510	3.74 528	3.97 507	3.52 524	3.94 509	3.58 513	3.98 509	3.72 525	6.82 535	6.50 531	3.76 508	3.66 527	3.90 491	3.74 531

SA-5K	4.60 525	8.41 514	6.44 535	6.86 526	3.79 532	3.97 509	3.78 530	3.99 510	3.74 528	3.97 507	3.52 524	3.94 509	3.58 513	3.98 509	3.72 525	6.82 535	6.50 531	3.76 508	3.66 527	3.90 491	3.74 531

MLG-Stereo_test3	4.26 520	4.85 481	3.95 523	5.35 516	3.60 528	4.75 529	3.76 529	5.49 535	3.71 527	5.39 532	3.69 527	4.82 530	3.66 516	4.85 527	3.73 527	4.93 519	3.19 510	4.69 524	2.99 511	4.84 515	2.98 511

Sa-1000	4.34 524	8.37 513	6.84 537	6.98 528	4.45 538	3.58 504	3.00 508	3.42 504	3.39 524	2.61 485	4.00 532	3.83 508	4.01 525	3.90 508	3.90 528	5.98 531	5.62 526	3.76 508	2.34 506	4.35 498	2.47 508

cross-raft	4.83 530	7.52 508	6.43 534	6.63 524	3.96 534	4.51 514	3.99 533	4.49 514	3.96 533	4.52 513	3.96 531	4.50 514	3.97 524	4.50 515	3.97 529	6.65 533	6.44 530	4.33 511	3.92 533	4.35 498	3.91 534

SA	4.33 523	7.35 507	6.85 538	5.96 521	4.09 535	3.59 505	3.15 522	3.82 508	2.64 507	3.91 506	3.85 529	3.57 504	2.72 498	3.13 500	4.03 530	7.09 538	6.86 533	3.57 504	3.12 520	3.85 490	3.51 527

test_4	4.88 531	8.13 512	6.98 539	7.46 529	4.44 537	4.25 512	3.85 532	4.04 512	3.92 532	4.13 509	3.91 530	4.18 512	3.84 521	4.14 511	4.06 531	7.01 537	7.13 534	4.53 512	3.72 530	4.09 494	3.72 529

test_3	5.01 533	8.86 519	7.77 541	8.09 531	2.76 511	4.13 511	4.05 534	3.88 509	3.76 530	4.33 511	4.13 533	3.71 507	3.91 522	4.21 512	4.06 531	7.93 539	7.69 536	4.53 512	3.91 532	4.17 495	4.29 537

raft_robust	4.71 529	7.75 511	5.40 532	6.81 525	3.31 524	4.28 513	4.20 535	4.32 513	4.37 537	4.35 512	4.35 535	4.14 511	3.75 520	4.30 514	4.20 533	6.67 534	6.37 529	3.36 503	4.24 537	4.86 516	3.25 524

SGM-Forest	5.21 537	5.92 503	4.08 524	6.18 522	4.16 536	6.31 537	4.34 536	6.50 537	4.33 536	6.14 538	4.21 534	6.61 541	4.55 529	6.67 537	4.48 534	5.94 530	3.94 516	5.85 538	4.03 535	5.79 526	4.17 536
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
TestStereo	4.88 531	4.75 479	4.79 526	4.87 512	4.92 539	4.81 531	4.90 538	4.78 527	4.77 538	4.87 528	4.89 537	4.90 532	4.91 530	4.99 531	4.79 535	4.98 521	4.87 522	4.87 530	4.92 539	5.00 519	5.00 538

rvit_stereo_0075_2	6.64 539	8.80 518	5.25 529	7.89 530	5.27 541	7.90 542	5.27 539	7.92 543	5.28 540	7.91 543	5.29 540	7.93 543	5.27 531	7.92 543	5.28 536	7.93 539	5.28 524	7.93 542	5.29 541	7.93 535	5.28 540

SGM+DAISY	7.06 541	9.15 520	5.38 531	8.84 535	5.18 540	8.80 544	5.31 540	8.79 545	5.28 540	8.89 545	5.20 539	8.93 545	5.33 532	8.95 545	5.36 537	8.70 543	5.21 523	8.74 545	5.20 540	8.89 539	5.15 539

FC-DCNN v2	5.10 535	5.15 485	4.49 525	5.07 514	3.37 525	6.87 538	4.75 537	5.04 532	6.34 542	7.84 542	5.06 538	6.72 542	4.09 526	4.99 531	5.44 538	5.03 522	3.16 507	4.67 522	4.86 538	5.15 521	3.89 533

sAnonymous2	3.31 503	2.63 424	1.38 445	3.71 491	1.86 486	4.70 526	1.11 387	4.82 529	2.72 508	5.45 534	1.98 500	4.59 519	2.64 496	2.65 486	6.21 539	4.37 502	1.08 363	5.16 533	2.24 503	4.52 500	2.39 506

CroCo_RVC	3.31 503	2.63 424	1.38 445	3.71 491	1.86 486	4.70 526	1.11 387	4.82 529	2.72 508	5.45 534	1.98 500	4.59 519	2.64 496	2.65 486	6.21 539	4.37 502	1.08 363	5.16 533	2.24 503	4.52 500	2.39 506

test-1	6.46 538	9.16 521	8.03 544	8.09 531	5.62 542	6.11 536	6.35 541	6.85 539	4.94 539	6.08 537	6.29 543	4.98 533	6.43 535	6.22 535	6.36 541	6.16 532	7.47 535	5.82 537	5.44 542	7.11 532	5.68 541

RAFT	6.73 540	9.36 522	7.40 540	8.51 534	6.55 543	6.88 539	6.60 542	6.79 538	6.60 543	6.80 539	6.72 544	5.31 535	5.50 533	6.61 536	6.61 542	8.42 541	5.89 527	5.73 536	5.45 543	6.61 528	6.24 542

test-v	7.53 542	11.89 530	7.98 542	9.36 537	7.14 544	7.06 540	7.09 543	7.37 540	6.91 544	7.29 540	5.71 541	6.45 539	6.93 536	6.73 539	7.27 543	8.93 544	7.85 537	6.98 540	6.80 544	7.56 533	7.34 544

test-2	7.53 542	11.89 530	7.98 542	9.36 537	7.14 544	7.06 540	7.09 543	7.37 540	6.91 544	7.29 540	5.71 541	6.45 539	6.93 536	6.73 539	7.27 543	8.93 544	7.85 537	6.98 540	6.80 544	7.56 533	7.34 544

MANE	19.05 545	23.00 538	15.00 545	23.00 552	15.00 546	24.00 551	16.00 545	24.00 552	16.00 546	22.00 552	15.00 545	23.00 552	16.00 545	23.00 552	15.00 545	22.00 552	15.00 546	22.00 552	15.00 546	22.00 552	15.00 546

rafts_anoy	20.00 546	20.00 532	20.00 546	20.00 546	20.00 547	20.00 545	20.00 546	20.00 546	20.00 547	20.00 546	20.00 546	20.00 546	20.00 546	20.00 546	20.00 546	20.00 546	20.00 547	20.00 546	20.00 547	20.00 546	20.00 547

raft+_RVC	20.00 546	20.00 532	20.00 546	20.00 546	20.00 547	20.00 545	20.00 546	20.00 546	20.00 547	20.00 546	20.00 546	20.00 546	20.00 546	20.00 546	20.00 546	20.00 546	20.00 547	20.00 546	20.00 547	20.00 546	20.00 547

raftrobust	20.00 546	20.00 532	20.00 546	20.00 546	20.00 547	20.00 545	20.00 546	20.00 546	20.00 547	20.00 546	20.00 546	20.00 546	20.00 546	20.00 546	20.00 546	20.00 546	20.00 547	20.00 546	20.00 547	20.00 546	20.00 547

CasAABBNet	20.00 546	20.00 532	20.00 546	20.00 546	20.00 547	20.00 545	20.00 546	20.00 546	20.00 547	20.00 546	20.00 546	20.00 546	20.00 546	20.00 546	20.00 546	20.00 546	20.00 547	20.00 546	20.00 547	20.00 546	20.00 547

RALCasStereoNet	20.00 546	20.00 532	20.00 546	20.00 546	20.00 547	20.00 545	20.00 546	20.00 546	20.00 547	20.00 546	20.00 546	20.00 546	20.00 546	20.00 546	20.00 546	20.00 546	20.00 547	20.00 546	20.00 547	20.00 546	20.00 547

RALAANet	20.00 546	20.00 532	20.00 546	20.00 546	20.00 547	20.00 545	20.00 546	20.00 546	20.00 547	20.00 546	20.00 546	20.00 546	20.00 546	20.00 546	20.00 546	20.00 546	20.00 547	20.00 546	20.00 547	20.00 546	20.00 547

WCMA_ROB	31.10 553	35.43 558	27.12 552	39.51 564	23.10 553	38.78 563	25.30 552	37.49 564	25.39 553	37.29 563	27.02 552	38.52 564	26.48 552	37.80 563	26.44 552	36.28 560	22.65 553	33.90 557	22.30 553	37.10 561	24.18 553

fff	1000028.16 572	29.62 550	29.72 553	32.61 553	30.02 554	35.13 554	31.83 554	32.07 554	10000000.00 573	35.27 556	29.82 554	32.45 554	30.15 553	32.35 554	30.09 553	31.04 554	29.55 555	30.64 554	30.14 554	10000000.00 573	30.77 555

csc	1000028.16 572	29.62 550	29.72 553	32.61 553	30.02 554	35.13 554	31.83 554	32.07 554	10000000.00 573	35.27 556	29.82 554	32.45 554	30.15 553	32.35 554	30.09 553	31.04 554	29.55 555	30.64 554	30.14 554	10000000.00 573	30.77 555

cscssc	1000028.16 572	29.62 550	29.72 553	32.61 553	30.02 554	35.13 554	31.83 554	32.07 554	10000000.00 573	35.27 556	29.82 554	32.45 554	30.15 553	32.35 554	30.09 553	31.04 554	29.55 555	30.64 554	30.14 554	10000000.00 573	30.77 555

111	30.40 552	30.94 554	29.72 553	32.61 553	30.02 554	33.57 552	30.47 553	31.50 553	29.39 554	30.98 553	29.11 553	29.78 553	30.39 556	29.45 553	30.76 556	30.08 553	29.02 554	29.92 553	30.32 557	29.86 553	30.17 554

tt	500032.53 570	34.60 556	29.72 553	37.47 562	34.41 559	36.85 558	35.22 558	34.71 557	33.55 556	34.50 554	35.43 557	33.81 557	10000000.00 573	33.57 557	33.13 557	33.68 557	35.00 559	34.03 558	35.26 560	30.96 554	34.63 559

DCANet	500032.53 570	34.60 556	29.72 553	37.47 562	34.41 559	36.85 558	35.22 558	34.71 557	33.55 556	34.50 554	35.43 557	33.81 557	10000000.00 573	33.57 557	33.13 557	33.68 557	35.00 559	34.03 558	35.26 560	30.96 554	34.63 559

Reg-Stereo(zero)	37.00 556	37.00 560	37.00 560	37.00 559	37.00 562	37.00 560	37.00 561	37.00 561	37.00 559	37.00 560	37.00 561	37.00 561	37.00 559	37.00 560	37.00 559	37.00 561	37.00 562	37.00 562	37.00 562	37.00 558	37.00 562

HI	37.00 556	37.00 560	37.00 560	37.00 559	37.00 562	37.00 560	37.00 561	37.00 561	37.00 559	37.00 560	37.00 561	37.00 561	37.00 559	37.00 560	37.00 559	37.00 561	37.00 562	37.00 562	37.00 562	37.00 558	37.00 562

CoSv	37.00 556	37.00 560	37.00 560	37.00 559	37.00 562	37.00 560	37.00 561	37.00 561	37.00 559	37.00 560	37.00 561	37.00 561	37.00 559	37.00 560	37.00 559	37.00 561	37.00 562	37.00 562	37.00 562	37.00 558	37.00 562

DCANet-4	35.22 554	34.54 555	35.08 559	33.58 557	35.47 561	34.55 553	35.53 560	36.08 559	35.85 558	35.92 559	35.77 559	35.18 559	35.48 558	35.39 559	37.15 562	34.55 559	33.92 558	35.02 560	34.90 559	35.79 557	34.74 561

ADStereo(finetuned)	36.13 555	36.63 559	38.07 563	36.97 558	33.25 558	35.91 557	34.45 557	36.36 560	32.99 555	38.14 564	36.71 560	36.69 560	34.13 557	38.57 564	40.79 563	37.60 564	36.58 561	35.90 561	33.36 558	35.42 556	34.04 558

MDST_ROB	69.83 559	87.70 564	41.95 564	113.75 567	65.62 567	75.05 564	55.25 565	75.64 566	45.04 562	71.61 565	41.75 564	72.81 565	44.06 562	68.38 565	44.63 564	101.89 567	59.57 567	107.10 567	61.05 567	104.38 564	59.38 567

CBMV	128.50 561	1422.70 575	53.10 565	79.50 566	51.30 566	77.30 565	49.70 564	74.00 565	48.20 563	77.20 566	48.80 565	73.90 566	48.00 563	73.80 566	48.80 565	70.40 566	45.10 566	68.90 566	46.10 566	68.20 563	45.00 566
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
NOSS_ROB	102.95 560	153.00 568	121.00 567	51.00 565	44.00 565	165.00 567	127.00 566	153.00 567	119.00 564	164.00 568	125.00 566	168.00 568	120.00 564	153.00 567	117.00 566	49.00 565	44.00 565	49.00 565	44.00 565	49.00 562	44.00 565

MeshStereo	159.24 562	171.00 569	160.68 570	162.58 568	160.59 568	164.01 566	160.35 567	158.51 568	158.56 565	158.34 567	160.12 567	158.56 567	159.92 565	157.26 568	158.94 567	154.38 568	158.36 568	155.75 568	159.13 569	153.67 565	154.07 568
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	201.80 563	123.00 565	115.00 566	219.00 569	218.00 570	223.00 568	244.00 569	217.00 569	236.00 567	202.00 569	203.00 568	205.00 569	208.00 566	225.00 569	204.00 568	210.00 569	198.00 569	197.00 569	184.00 570	204.00 566	201.00 569

DLCB_ROB	284.23 566	354.61 571	207.27 571	363.24 572	206.46 569	364.72 571	210.41 568	364.72 572	210.41 566	364.81 572	208.64 569	364.81 572	208.64 567	364.72 572	210.41 569	354.70 572	205.53 570	354.70 572	205.53 571	354.70 569	205.53 570

MGS-Stereo	239.45 564	123.00 565	135.00 568	266.00 570	286.00 571	277.00 569	305.00 570	271.00 570	242.00 568	274.00 570	279.00 570	255.00 570	270.00 568	268.00 570	297.00 570	221.00 570	247.00 571	216.00 570	123.00 568	217.00 567	217.00 571

EGLCR-Stereo	246.90 565	129.00 567	139.00 569	266.00 570	286.00 571	277.00 569	305.00 570	271.00 570	242.00 568	274.00 570	279.00 570	255.00 570	270.00 568	268.00 570	297.00 570	230.00 571	247.00 571	216.00 570	223.00 572	237.00 568	227.00 572

LE_ROB	396.57 567	471.28 572	329.84 572	471.48 573	308.15 573	526.83 572	322.10 572	488.15 573	323.76 570	495.46 573	317.97 572	497.17 573	320.10 570	481.62 573	326.76 572	462.71 573	298.97 573	466.16 573	285.98 573	447.62 570	289.21 573

SGM-ForestM	596.69 568	677.77 573	444.52 573	699.85 574	517.25 574	732.94 573	488.29 573	770.79 574	460.11 571	750.81 574	487.98 573	792.79 574	499.41 571	730.90 574	475.81 573	720.03 574	491.16 574	663.96 574	418.60 574	674.76 571	436.05 574

CBMV_ROB	818.48 569	913.88 574	709.52 574	862.84 575	597.78 575	1073.99 574	700.52 574	1015.66 575	702.59 572	1115.65 575	760.02 574	1130.24 575	721.57 572	1037.41 575	692.65 574	814.05 575	564.29 575	843.28 575	595.31 575	915.51 572	602.92 575

111111	10000000.00 575	10000000.00 576	10000000.00 575	10000000.00 576	10000000.00 576	10000000.00 575	10000000.00 575	10000000.00 576	10000000.00 573	10000000.00 576	10000000.00 575	10000000.00 576	10000000.00 573	10000000.00 576	10000000.00 575	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 573	10000000.00 576

SGD-Stereo	10000000.00 575	10000000.00 576	10000000.00 575	10000000.00 576	10000000.00 576	10000000.00 575	10000000.00 575	10000000.00 576	10000000.00 573	10000000.00 576	10000000.00 575	10000000.00 576	10000000.00 573	10000000.00 576	10000000.00 575	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 573	10000000.00 576

IGEV-Stereo++	10000000.00 575	10000000.00 576	10000000.00 575	10000000.00 576	10000000.00 576	10000000.00 575	10000000.00 575	10000000.00 576	10000000.00 573	10000000.00 576	10000000.00 575	10000000.00 576	10000000.00 573	10000000.00 576	10000000.00 575	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 573	10000000.00 576

IGEV-BASED-STEREO-	10000000.00 575	10000000.00 576	10000000.00 575	10000000.00 576	10000000.00 576	10000000.00 575	10000000.00 575	10000000.00 576	10000000.00 573	10000000.00 576	10000000.00 575	10000000.00 576	10000000.00 573	10000000.00 576	10000000.00 575	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 573	10000000.00 576

IGEV-Stereo+	10000000.00 575	10000000.00 576	10000000.00 575	10000000.00 576	10000000.00 576	10000000.00 575	10000000.00 575	10000000.00 576	10000000.00 573	10000000.00 576	10000000.00 575	10000000.00 576	10000000.00 573	10000000.00 576	10000000.00 575	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 573	10000000.00 576

SDNR	10000000.00 575	10000000.00 576	10000000.00 575	10000000.00 576	10000000.00 576	10000000.00 575	10000000.00 575	10000000.00 576	10000000.00 573	10000000.00 576	10000000.00 575	10000000.00 576	10000000.00 573	10000000.00 576	10000000.00 575	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 573	10000000.00 576

anonymousdsp2	10000000.00 575	10000000.00 576	10000000.00 575	10000000.00 576	10000000.00 576	10000000.00 575	10000000.00 575	10000000.00 576	10000000.00 573	10000000.00 576	10000000.00 575	10000000.00 576	10000000.00 573	10000000.00 576	10000000.00 575	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 573	10000000.00 576

anonymousdsp	10000000.00 575	10000000.00 576	10000000.00 575	10000000.00 576	10000000.00 576	10000000.00 575	10000000.00 575	10000000.00 576	10000000.00 573	10000000.00 576	10000000.00 575	10000000.00 576	10000000.00 573	10000000.00 576	10000000.00 575	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 573	10000000.00 576

test_example2	10000000.00 575	10000000.00 576	10000000.00 575	10000000.00 576	10000000.00 576	10000000.00 575	10000000.00 575	10000000.00 576	10000000.00 573	10000000.00 576	10000000.00 575	10000000.00 576	10000000.00 573	10000000.00 576	10000000.00 575	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 573	10000000.00 576

DIP-Stereo	10000000.00 575	10000000.00 576	10000000.00 575	10000000.00 576	10000000.00 576	10000000.00 575	10000000.00 575	10000000.00 576	10000000.00 573	10000000.00 576	10000000.00 575	10000000.00 576	10000000.00 573	10000000.00 576	10000000.00 575	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 576	10000000.00 573	10000000.00 576
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	0.10 112			0.05 84	0.03 55	0.04 71		0.05 86		0.04 69		0.15 123	0.10 73	0.17 144	0.13 148	0.11 114	0.11 119

Low-res two-view benchmark