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 99	0.00 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

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

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

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

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

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

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

ADCMid	0.08 50	0.02 12	0.02 14	1.01 347	0.03 48	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.04 72	0.09 107	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

ADCS	0.09 51	0.02 12	0.04 43	0.90 324	0.06 109	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.14 130	0.36 273	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

AnyNet_C01	0.11 86	0.02 12	0.02 14	1.62 440	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.03 40	0.02 20	0.02 20	0.02 21	0.06 89	0.04 75	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.03 51

AnyNet_C32	0.14 111	0.04 37	0.03 36	2.22 459	0.04 79	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.04 77	0.02 21	0.07 104	0.04 75	0.02 15	0.02 15	0.03 38	0.03 54	0.02 20	0.03 51

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

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 74	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

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

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

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

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

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

BEATNet_4x	0.11 86	0.03 31	0.03 36	1.60 437	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.05 83	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

ADCL	0.11 86	0.03 31	0.03 36	1.60 437	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.05 83	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

ADCPNet	0.10 64	0.03 31	0.04 43	1.27 420	0.03 48	0.04 77	0.03 50	0.03 42	0.03 55	0.04 74	0.03 52	0.04 77	0.03 52	0.08 108	0.04 75	0.04 44	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

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

GASNet	0.05 41	0.04 37	0.12 100	0.04 37	0.04 79	0.04 77	0.05 93	0.04 77	0.04 82	0.12 125	0.04 88	0.06 98	0.04 84	0.04 72	0.04 75	0.04 44	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

Wz-Net-TNSev	0.02 15	0.05 49	0.04 43	0.07 48	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

APVNet	0.09 51	0.05 49	0.04 43	0.05 43	0.04 79	0.05 89	0.90 390	0.06 95	0.04 82	0.05 92	0.04 88	0.05 91	0.04 84	0.05 83	0.04 75	0.05 51	0.04 45	0.05 86	0.04 78	0.05 92	0.05 97

FADNet-RVC-Resample	0.12 95	0.04 37	0.04 43	0.04 37	0.04 79	0.04 77	0.04 81	0.04 77	0.04 82	0.04 74	0.04 88	0.04 77	0.04 84	0.04 72	1.57 487	0.04 44	0.04 45	0.04 73	0.05 96	0.04 77	0.06 104

FADNet_RVC	0.12 95	0.04 37	0.04 43	0.05 43	0.04 79	0.04 77	0.04 81	0.04 77	0.04 82	0.04 74	0.04 88	0.04 77	0.05 94	0.04 72	1.65 491	0.05 51	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

FADNet-RVC	0.13 102	0.04 37	0.04 43	0.04 37	0.04 79	0.04 77	0.05 93	0.04 77	0.04 82	0.04 74	0.05 100	0.04 77	0.05 94	0.04 72	1.71 496	0.04 44	0.04 45	0.04 73	0.04 78	0.07 106	0.04 79

FADNet	0.12 95	0.05 49	0.04 43	0.04 37	0.04 79	0.04 77	0.04 81	0.04 77	0.04 82	0.04 74	0.04 88	0.04 77	0.05 94	0.04 72	1.66 493	0.06 55	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

ADCRef	0.12 95	0.03 31	0.04 43	1.71 443	0.04 79	0.03 40	0.03 50	0.04 77	0.04 82	0.04 74	0.03 52	0.04 77	0.03 52	0.06 89	0.04 75	0.04 44	0.04 45	0.04 73	0.04 78	0.03 43	0.04 79

ADCP+	0.15 123	0.04 37	0.04 43	2.20 458	0.04 79	0.04 77	0.04 81	0.04 77	0.04 82	0.04 74	0.05 100	0.04 77	0.04 84	0.08 108	0.04 75	0.04 44	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

NVStereoNet_ROB	0.04 38	0.04 37	0.04 43	0.04 37	0.04 79	0.04 77	0.04 81	0.04 77	0.04 82	0.04 74	0.04 88	0.04 77	0.04 84	0.04 72	0.04 75	0.04 44	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
GGEV	0.09 51	0.13 81	0.40 251	0.06 46	0.05 99	0.06 92	0.05 93	0.13 126	0.05 98	0.06 97	0.05 100	0.06 98	0.05 94	0.07 104	0.05 88	0.06 55	0.05 56	0.14 126	0.13 154	0.05 92	0.05 97

DA2	0.09 51	0.13 81	0.39 247	0.08 50	0.05 99	0.07 104	0.05 93	0.13 126	0.05 98	0.06 97	0.05 100	0.06 98	0.05 94	0.06 89	0.05 88	0.06 55	0.05 56	0.14 126	0.13 154	0.06 97	0.05 97

GwcNet	0.12 95	0.07 58	0.05 57	0.08 50	0.05 99	0.08 105	1.20 418	0.07 105	0.05 98	0.05 92	0.05 100	0.08 107	0.05 94	0.08 108	0.03 48	0.07 60	0.05 56	0.06 94	0.05 96	0.07 106	0.05 97

Wz-Net-SNSev	0.03 29	0.09 65	0.07 58	0.09 55	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.09 68	0.07 59	0.01 9	0.01 9	0.01 10	0.01 10

FINET	0.07 49	0.08 59	0.07 58	0.07 48	0.07 110	0.08 105	0.06 107	0.08 108	0.07 112	0.08 107	0.07 111	0.08 107	0.06 108	0.07 104	0.07 102	0.08 62	0.07 59	0.07 99	0.07 104	0.06 97	0.06 104

SepStereo	0.09 51	0.09 65	0.10 69	0.09 55	0.09 114	0.09 109	0.09 112	0.10 110	0.08 114	0.10 111	0.09 114	0.09 111	0.09 115	0.09 111	0.08 104	0.09 68	0.08 61	0.09 106	0.08 108	0.09 111	0.08 107

AASNet	0.06 44	0.08 59	0.08 60	0.08 50	0.05 99	0.06 92	0.05 93	0.05 89	0.06 109	0.06 97	0.06 108	0.05 91	0.06 108	0.06 89	0.05 88	0.08 62	0.08 61	0.08 101	0.05 96	0.06 97	0.05 97

SACVNet	0.06 44	0.08 59	0.08 60	0.08 50	0.05 99	0.06 92	0.05 93	0.05 89	0.06 109	0.06 97	0.06 108	0.05 91	0.06 108	0.06 89	0.05 88	0.08 62	0.08 61	0.08 101	0.05 96	0.06 97	0.05 97

AACVNet	0.06 44	0.08 59	0.08 60	0.08 50	0.05 99	0.06 92	0.05 93	0.05 89	0.06 109	0.06 97	0.06 108	0.05 91	0.06 108	0.06 89	0.05 88	0.08 62	0.08 61	0.08 101	0.05 96	0.06 97	0.05 97

BEATNet-Init1	0.19 141	0.08 59	0.08 60	2.23 460	0.08 112	0.08 105	0.07 110	0.07 105	0.08 114	0.08 107	0.07 111	0.08 107	0.07 112	0.11 124	0.08 104	0.08 62	0.08 61	0.08 101	0.07 104	0.08 108	0.08 107

SuperB	0.21 150	0.10 67	2.51 521	0.12 82	0.09 114	0.10 110	0.09 112	0.08 108	0.07 112	0.10 111	0.09 114	0.09 111	0.07 112	0.07 104	0.07 102	0.07 60	0.08 61	0.07 99	0.07 104	0.08 108	0.07 106

DeepPrunerF	0.19 141	0.08 59	0.08 60	2.23 460	0.08 112	0.08 105	0.07 110	0.07 105	0.08 114	0.08 107	0.07 111	0.08 107	0.07 112	0.11 124	0.08 104	0.08 62	0.08 61	0.08 101	0.07 104	0.08 108	0.08 107

ELAS_RVC	0.14 111	0.16 89	0.10 69	0.15 109	0.10 120	0.18 153	0.11 130	0.19 154	0.11 133	0.19 153	0.12 143	0.18 153	0.11 131	0.19 155	0.12 140	0.14 116	0.08 61	0.14 126	0.09 110	0.15 141	0.09 110
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.13 102	0.16 89	0.11 89	0.15 109	0.09 114	0.18 153	0.11 130	0.18 152	0.11 133	0.17 147	0.11 132	0.18 153	0.11 131	0.18 152	0.11 125	0.14 116	0.08 61	0.14 126	0.08 108	0.14 131	0.09 110
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
test_sample2	0.09 51	1.03 284	0.11 89	0.11 76	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 68	0.09 70	0.03 38	0.02 20	0.03 43	0.02 20

SMFormer	0.09 51	1.01 278	0.09 65	0.09 55	0.03 48	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 68	0.09 70	0.03 38	0.02 20	0.03 43	0.02 20

LRCNet_RVC	0.13 102	0.13 81	0.09 65	0.13 95	0.10 120	0.14 126	0.10 117	0.14 128	0.10 118	0.23 174	0.10 118	0.20 159	0.10 119	0.24 182	0.11 125	0.11 88	0.09 70	0.12 121	0.14 160	0.12 127	0.09 110

UNet	0.29 175	0.90 252	0.10 69	0.14 99	0.10 120	0.14 126	0.10 117	0.91 364	0.69 366	0.14 127	0.11 132	0.14 128	0.11 131	0.14 130	0.10 113	0.12 93	0.09 70	0.12 121	0.09 110	0.88 354	0.76 378

DRN-Test	0.14 111	0.13 81	0.09 65	0.14 99	0.09 114	0.15 133	0.09 112	0.14 128	0.10 118	0.14 127	0.09 114	0.14 128	0.09 115	0.13 129	0.09 107	0.12 93	0.09 70	0.12 121	0.09 110	0.12 127	0.73 373

S2M2_L	0.12 95	0.14 87	0.10 69	0.15 109	0.10 120	0.14 126	0.10 117	0.14 128	0.10 118	0.15 133	0.10 118	0.14 128	0.10 119	0.14 130	0.10 113	0.13 109	0.10 75	0.13 124	0.09 110	0.13 129	0.09 110
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
test_sample6	0.09 51	0.97 267	0.10 69	0.10 59	0.03 48	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.03 52	0.03 42	0.02 21	0.03 39	0.02 20	0.10 73	0.10 75	0.03 38	0.02 20	0.03 43	0.02 20

test_sample5	0.10 64	1.07 291	0.11 89	0.10 59	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.10 73	0.10 75	0.03 38	0.03 54	0.04 77	0.03 51

test_sample3	0.09 51	0.87 245	0.10 69	0.12 82	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 93	0.10 75	0.03 38	0.02 20	0.03 43	0.02 20

test_sample1	0.09 51	0.87 245	0.12 100	0.11 76	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.04 74	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.10 73	0.10 75	0.03 38	0.02 20	0.03 43	0.02 20

tta	0.09 51	0.95 264	0.09 65	0.10 59	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 68	0.10 75	0.03 38	0.02 20	0.03 43	0.02 20

DualNet	0.10 64	1.07 291	0.11 89	0.10 59	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.10 73	0.10 75	0.03 38	0.03 54	0.04 77	0.03 51

xxx	0.09 51	1.01 278	0.10 69	0.10 59	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.03 40	0.03 52	0.03 42	0.02 21	0.03 39	0.02 20	0.10 73	0.10 75	0.03 38	0.02 20	0.03 43	0.03 51

WZ-Net	0.05 41	0.50 195	0.10 69	0.12 82	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.12 93	0.10 75	0.01 9	0.01 9	0.01 10	0.01 10

AnonymousM	0.10 64	0.10 67	0.10 69	0.10 59	0.10 120	0.10 110	0.10 117	0.10 110	0.10 118	0.10 111	0.10 118	0.10 113	0.10 119	0.10 113	0.10 113	0.10 73	0.10 75	0.10 107	0.10 117	0.10 112	0.10 115

PVD	0.10 64	0.10 67	0.10 69	0.10 59	0.10 120	0.10 110	0.10 117	0.10 110	0.10 118	0.10 111	0.10 118	0.10 113	0.10 119	0.10 113	0.10 113	0.10 73	0.10 75	0.10 107	0.10 117	0.10 112	0.10 115

SHD	0.10 64	0.10 67	0.10 69	0.10 59	0.10 120	0.10 110	0.10 117	0.10 110	0.10 118	0.10 111	0.10 118	0.10 113	0.10 119	0.10 113	0.10 113	0.10 73	0.10 75	0.10 107	0.10 117	0.10 112	0.10 115

SAMSARA	0.10 64	0.10 67	0.10 69	0.10 59	0.10 120	0.10 110	0.10 117	0.10 110	0.10 118	0.10 111	0.10 118	0.10 113	0.10 119	0.10 113	0.10 113	0.10 73	0.10 75	0.10 107	0.10 117	0.10 112	0.10 115

XQC	0.10 64	0.10 67	0.10 69	0.10 59	0.10 120	0.10 110	0.10 117	0.10 110	0.10 118	0.10 111	0.10 118	0.10 113	0.10 119	0.10 113	0.10 113	0.10 73	0.10 75	0.10 107	0.10 117	0.10 112	0.10 115

RTSC	0.10 64	0.10 67	0.10 69	0.10 59	0.10 120	0.10 110	0.10 117	0.10 110	0.10 118	0.10 111	0.10 118	0.10 113	0.10 119	0.10 113	0.10 113	0.10 73	0.10 75	0.10 107	0.10 117	0.10 112	0.10 115

RTS	0.10 64	0.10 67	0.10 69	0.10 59	0.10 120	0.10 110	0.10 117	0.10 110	0.10 118	0.10 111	0.10 118	0.10 113	0.10 119	0.10 113	0.10 113	0.10 73	0.10 75	0.10 107	0.10 117	0.10 112	0.10 115

RTSA	0.10 64	0.10 67	0.10 69	0.10 59	0.10 120	0.10 110	0.10 117	0.10 110	0.10 118	0.10 111	0.10 118	0.10 113	0.10 119	0.10 113	0.10 113	0.10 73	0.10 75	0.10 107	0.10 117	0.10 112	0.10 115

MADNet+	0.10 64	0.10 67	0.10 69	0.10 59	0.10 120	0.10 110	0.10 117	0.10 110	0.10 118	0.10 111	0.10 118	0.10 113	0.10 119	0.10 113	0.10 113	0.10 73	0.10 75	0.10 107	0.10 117	0.10 112	0.10 115

MADNet++	0.10 64	0.10 67	0.10 69	0.10 59	0.10 120	0.10 110	0.10 117	0.10 110	0.10 118	0.10 111	0.10 118	0.10 113	0.10 119	0.10 113	0.10 113	0.10 73	0.10 75	0.10 107	0.10 117	0.10 112	0.10 115

StereoDRNet	0.15 123	0.14 87	0.10 69	0.14 99	0.09 114	0.15 133	0.09 112	0.14 128	0.09 117	0.14 127	0.10 118	0.14 128	0.09 115	0.14 130	0.09 107	0.13 109	0.10 75	0.13 124	0.09 110	0.13 129	0.82 384

LALA_ROB	0.15 123	0.19 99	0.12 100	0.18 130	0.11 136	0.20 161	0.12 146	0.21 166	0.12 152	0.20 158	0.12 143	0.20 159	0.12 148	0.21 170	0.13 146	0.17 142	0.10 75	0.18 162	0.11 129	0.18 155	0.11 127

FADE		0.06 54		0.09 55	0.10 120			0.05 89	0.03 55	0.04 74		0.05 91		0.04 72		0.15 125	0.10 75	0.17 152	0.13 154	0.11 122	0.11 127

S2M2_XL	0.14 111	0.17 95	0.12 100	0.17 128	0.11 136	0.17 149	0.11 130	0.17 149	0.11 133	0.17 147	0.11 132	0.17 149	0.11 131	0.17 149	0.11 125	0.16 134	0.11 97	0.16 144	0.11 129	0.16 145	0.11 127
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
ITSA-stereo	0.15 123	0.17 95	0.13 120	0.20 135	0.13 155	0.19 156	0.13 149	0.18 152	0.13 155	0.19 153	0.13 155	0.18 153	0.14 157	0.18 152	0.14 150	0.16 134	0.11 97	0.15 141	0.14 160	0.18 155	0.11 127

testlalala2	0.13 102	0.16 89	0.11 89	0.15 109	0.11 136	0.16 141	0.11 130	0.16 141	0.11 133	0.16 138	0.11 132	0.16 139	0.11 131	0.16 140	0.11 125	0.14 116	0.11 97	0.14 126	0.11 129	0.14 131	0.11 127

JetBlue	0.11 86	0.11 78	0.12 100	0.13 95	0.14 157	0.11 121	0.11 130	0.11 122	0.11 133	0.11 123	0.11 132	0.11 123	0.11 131	0.12 128	0.12 140	0.11 88	0.11 97	0.11 118	0.11 129	0.11 122	0.11 127

mmm	0.14 111	1.83 389	0.12 100	0.11 76	0.03 48	0.03 40	0.03 50	0.03 42	0.04 82	0.03 40	0.03 52	0.03 42	0.03 52	0.06 89	0.04 75	0.12 93	0.11 97	0.05 86	0.04 78	0.05 92	0.04 79

1111x	0.10 64	1.14 298	0.13 120	0.14 99	0.03 48	0.04 77	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 109	0.11 97	0.03 38	0.02 20	0.03 43	0.02 20

testlalala_base	0.13 102	0.16 89	0.11 89	0.15 109	0.11 136	0.15 133	0.11 130	0.16 141	0.11 133	0.16 138	0.11 132	0.16 139	0.11 131	0.16 140	0.11 125	0.14 116	0.11 97	0.14 126	0.11 129	0.14 131	0.11 127

ProNet	0.14 111	0.20 103	0.14 125	0.16 120	0.11 136	0.16 141	0.11 130	0.17 149	0.11 133	0.17 147	0.12 143	0.17 149	0.13 153	0.17 149	0.12 140	0.15 125	0.11 97	0.16 144	0.11 129	0.15 141	0.12 144

Wz-Net-MNSev	0.06 44	0.54 210	0.10 69	0.12 82	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.12 93	0.11 97	0.01 9	0.01 9	0.01 10	0.01 10

ICVP	0.15 123	0.53 207	0.11 89	0.16 120	0.11 136	0.16 141	0.11 130	0.16 141	0.11 133	0.16 138	0.11 132	0.16 139	0.11 131	0.16 140	0.11 125	0.16 134	0.11 97	0.16 144	0.11 129	0.16 145	0.11 127
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
aanetorigin	0.13 102	0.11 78	0.11 89	0.11 76	0.11 136	0.11 121	0.11 130	0.11 122	0.11 133	0.11 123	0.12 143	0.11 123	0.11 131	0.11 124	0.11 125	0.11 88	0.11 97	0.14 126	0.11 129	0.49 295	0.11 127

cf-r	0.66 308	2.17 416	0.12 100	0.18 130	0.12 152	0.18 153	2.70 527	2.60 503	0.12 152	0.18 151	0.12 143	0.18 153	0.12 148	0.18 152	0.12 140	0.15 125	0.11 97	0.15 141	0.11 129	1.81 464	1.74 508

PASM	0.39 226	3.06 466	1.36 462	1.58 433	0.09 114	0.11 121	0.11 130	0.11 122	0.11 133	0.09 110	0.09 114	0.11 123	0.09 115	0.09 111	0.09 107	0.11 88	0.11 97	0.11 118	0.09 110	0.11 122	0.11 127

HSM	0.14 111	0.16 89	0.12 100	0.17 128	0.12 152	0.17 149	0.11 130	0.17 149	0.11 133	0.17 147	0.12 143	0.17 149	0.12 148	0.17 149	0.12 140	0.16 134	0.11 97	0.16 144	0.11 129	0.16 145	0.12 144

SGM_RVC	0.15 123	0.17 95	0.11 89	0.18 130	0.11 136	0.19 156	0.11 130	0.19 154	0.12 152	0.19 153	0.12 143	0.20 159	0.12 148	0.19 155	0.12 140	0.16 134	0.11 97	0.17 152	0.10 117	0.17 151	0.10 115
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DualNet (step1)	0.10 64	1.05 288	0.12 100	0.12 82	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.12 93	0.12 112	0.03 38	0.03 54	0.03 43	0.03 51

test_sample9	0.10 64	1.05 288	0.12 100	0.12 82	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.12 93	0.12 112	0.03 38	0.03 54	0.03 43	0.03 51

test_sample8	0.10 64	1.05 288	0.12 100	0.12 82	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 93	0.12 112	0.03 38	0.03 54	0.03 43	0.03 51

test_sample7	0.09 51	1.00 272	0.11 89	0.11 76	0.02 21	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 93	0.12 112	0.03 38	0.03 54	0.03 43	0.03 51

qqq1	0.25 161	3.70 480	0.14 125	0.14 99	0.04 79	0.06 92	0.05 93	0.06 95	0.05 98	0.06 97	0.05 100	0.04 77	0.05 94	0.06 89	0.05 88	0.13 109	0.12 112	0.06 94	0.05 96	0.03 43	0.04 79

fff1	0.25 161	3.70 480	0.14 125	0.14 99	0.04 79	0.06 92	0.05 93	0.06 95	0.05 98	0.06 97	0.05 100	0.04 77	0.05 94	0.06 89	0.05 88	0.13 109	0.12 112	0.06 94	0.05 96	0.03 43	0.04 79

11t1	0.17 135	2.16 415	0.13 120	0.13 95	0.04 79	0.06 92	0.04 81	0.06 95	0.04 82	0.06 97	0.03 52	0.06 98	0.03 52	0.06 89	0.05 88	0.18 150	0.12 112	0.06 94	0.03 54	0.05 92	0.03 51

ffm	0.25 161	3.83 486	0.12 100	0.12 82	0.05 99	0.06 92	0.05 93	0.06 95	0.05 98	0.03 40	0.03 52	0.06 98	0.05 94	0.06 89	0.05 88	0.12 93	0.12 112	0.05 86	0.04 78	0.06 97	0.04 79

ff1	0.25 161	3.83 486	0.12 100	0.12 82	0.05 99	0.06 92	0.05 93	0.06 95	0.05 98	0.03 40	0.03 52	0.06 98	0.05 94	0.06 89	0.05 88	0.12 93	0.12 112	0.05 86	0.04 78	0.06 97	0.04 79

mmx	0.25 161	3.83 486	0.12 100	0.12 82	0.05 99	0.06 92	0.05 93	0.06 95	0.05 98	0.03 40	0.03 52	0.06 98	0.05 94	0.06 89	0.05 88	0.12 93	0.12 112	0.05 86	0.04 78	0.06 97	0.04 79

ttt	0.10 64	1.09 293	0.12 100	0.12 82	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 93	0.12 112	0.03 38	0.02 20	0.03 43	0.02 20

CIPLG	0.13 102	0.21 109	0.12 100	0.16 120	0.11 136	0.15 133	0.11 130	0.14 128	0.11 133	0.15 133	0.12 143	0.15 138	0.11 131	0.14 130	0.11 125	0.15 125	0.12 112	0.14 126	0.11 129	0.14 131	0.11 127

IPLG	0.13 102	0.20 103	0.14 125	0.15 109	0.11 136	0.14 126	0.11 130	0.14 128	0.11 133	0.14 127	0.11 132	0.14 128	0.11 131	0.14 130	0.11 125	0.15 125	0.12 112	0.14 126	0.11 129	0.14 131	0.11 127

IPLGR_C	0.14 111	0.20 103	0.12 100	0.15 109	0.11 136	0.14 126	0.15 156	0.14 128	0.11 133	0.15 133	0.12 143	0.14 128	0.11 131	0.16 140	0.11 125	0.15 125	0.12 112	0.14 126	0.12 146	0.15 141	0.12 144

MIPNet	0.14 111	0.21 109	0.17 149	0.16 120	0.11 136	0.15 133	0.12 146	0.14 128	0.11 133	0.16 138	0.11 132	0.14 128	0.11 131	0.14 130	0.11 125	0.14 116	0.12 112	0.14 126	0.11 129	0.14 131	0.11 127

IPLGR	0.14 111	0.24 121	0.14 125	0.16 120	0.12 152	0.15 133	0.12 146	0.14 128	0.11 133	0.15 133	0.12 143	0.14 128	0.11 131	0.14 130	0.11 125	0.15 125	0.12 112	0.14 126	0.11 129	0.14 131	0.11 127

ACRE	0.13 102	0.21 109	0.14 125	0.15 109	0.11 136	0.14 126	0.11 130	0.14 128	0.11 133	0.14 127	0.12 143	0.14 128	0.11 131	0.14 130	0.11 125	0.15 125	0.12 112	0.14 126	0.11 129	0.14 131	0.11 127

222	0.10 64	0.99 271	0.12 100	0.13 95	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 93	0.12 112	0.03 38	0.02 20	0.04 77	0.03 51

ACVNet	0.20 143	0.19 99	0.14 125	0.20 135	0.14 157	0.20 161	0.96 397	0.21 166	0.14 157	0.20 158	0.13 155	0.21 167	0.14 157	0.20 159	0.14 150	0.17 142	0.12 112	0.17 152	0.12 146	0.17 151	0.12 144

acv_ft	0.20 143	0.19 99	0.14 125	0.20 135	0.14 157	0.20 161	0.96 397	0.21 166	0.14 157	0.20 158	0.13 155	0.21 167	0.14 157	0.20 159	0.14 150	0.17 142	0.12 112	0.17 152	0.12 146	0.17 151	0.12 144

hitnet-ft	0.79 335	2.78 462	0.14 125	0.20 135	0.14 157	0.21 169	2.89 528	2.80 517	0.14 157	0.20 158	0.14 160	0.20 159	0.14 157	0.20 159	0.14 150	0.17 142	0.12 112	0.17 152	0.12 146	2.54 503	2.33 525

PSMNet-RSSM	0.77 331	2.76 458	0.14 125	0.20 135	0.14 157	0.20 161	2.66 525	2.79 516	0.14 157	0.21 168	0.14 160	0.21 167	0.14 157	0.20 159	0.14 150	0.17 142	0.12 112	0.17 152	0.12 146	2.52 495	2.31 523

GwcNet-RSSM	0.77 331	2.77 460	0.14 125	0.20 135	0.14 157	0.20 161	2.67 526	2.78 515	0.14 157	0.20 158	0.14 160	0.20 159	0.14 157	0.21 170	0.14 150	0.17 142	0.12 112	0.17 152	0.12 146	2.52 495	2.31 523

CFNet-ft	0.55 293	1.57 376	0.14 125	0.20 135	0.14 157	0.20 161	2.53 524	1.61 459	0.14 157	0.20 158	0.14 160	0.20 159	0.14 157	0.20 159	0.14 150	0.17 142	0.12 112	0.17 152	0.12 146	1.56 452	1.24 473

zh-sn7	0.10 64	0.98 268	0.14 125	0.15 109	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.15 125	0.13 136	0.03 38	0.03 54	0.03 43	0.03 51

DDVS	0.30 176	3.10 467	0.14 125	0.19 133	0.14 157	0.19 156	0.14 151	0.20 159	0.14 157	0.19 153	0.13 155	0.16 139	0.13 153	0.19 155	0.13 146	0.17 142	0.13 136	0.17 152	0.13 154	0.17 151	0.13 150

test_sample4	0.10 64	1.03 284	0.12 100	0.10 59	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 109	0.13 136	0.03 38	0.03 54	0.03 43	0.03 51

DeepPruner_ROB	0.16 131	0.18 98	0.13 120	0.19 133	0.13 155	0.19 156	0.13 149	0.19 154	0.13 155	0.19 153	0.13 155	0.19 157	0.13 153	0.19 155	0.13 146	0.18 150	0.13 136	0.18 162	0.13 154	0.18 155	0.13 150

qqq	0.16 131	2.01 406	0.12 100	0.15 109	0.04 79	0.06 92	0.05 93	0.06 95	0.04 82	0.06 97	0.03 52	0.06 98	0.03 52	0.06 89	0.03 48	0.12 93	0.14 140	0.04 73	0.04 78	0.03 43	0.03 51

test_xeample	0.10 64	1.09 293	0.13 120	0.12 82	0.03 48	0.03 40	0.03 50	0.04 77	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.14 116	0.14 140	0.03 38	0.03 54	0.03 43	0.03 51

GMStereo	0.14 111	0.13 81	0.14 125	0.14 99	0.14 157	0.14 126	0.14 151	0.14 128	0.14 157	0.14 127	0.14 160	0.14 128	0.14 157	0.14 130	0.14 150	0.14 116	0.14 140	0.14 126	0.14 160	0.14 131	0.14 155
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
x	0.11 86	1.15 301	0.15 141	0.14 99	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.14 116	0.15 143	0.03 38	0.03 54	0.03 43	0.03 51

dd	0.23 158	0.98 268	0.16 142	0.23 148	0.15 168	0.23 177	0.15 156	0.23 174	0.15 167	0.23 174	0.15 168	0.24 181	0.17 171	0.23 178	0.15 160	0.22 162	0.15 143	0.21 169	0.15 164	0.22 168	0.16 156

zh-mn7	0.12 95	1.14 298	0.17 149	0.20 135	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.18 150	0.16 145	0.03 38	0.03 54	0.03 43	0.03 51

xyz-stereo-finetune2	0.18 138	0.48 189	0.16 142	0.16 120	0.15 168	0.15 133	0.16 159	0.16 141	0.16 169	0.16 138	0.16 169	0.16 139	0.16 167	0.16 140	0.16 166	0.16 134	0.16 145	0.16 144	0.16 165	0.16 145	0.16 156

xyz-stereo	0.18 138	0.50 195	0.16 142	0.15 109	0.16 175	0.16 141	0.16 159	0.16 141	0.16 169	0.16 138	0.16 169	0.16 139	0.16 167	0.16 140	0.16 166	0.16 134	0.16 145	0.16 144	0.16 165	0.16 145	0.16 156

ACV-stereo	0.30 176	2.08 408	0.25 179	0.25 158	0.18 185	0.24 178	0.17 164	0.24 177	0.18 176	0.24 179	0.17 174	0.25 186	0.17 171	0.24 182	0.17 169	0.22 162	0.16 145	0.22 174	0.16 165	0.22 168	0.16 156

JetRed	0.11 86	0.12 80	0.11 89	0.11 76	0.11 136	0.11 121	0.14 151	0.11 122	0.11 133	0.12 125	0.11 132	0.11 123	0.11 131	0.11 124	0.11 125	0.11 88	0.16 145	0.11 118	0.11 129	0.11 122	0.11 127

GMStereo_Zeroshot	0.16 131	0.16 89	0.16 142	0.16 120	0.16 175	0.16 141	0.16 159	0.16 141	0.16 169	0.16 138	0.16 169	0.16 139	0.16 167	0.16 140	0.16 166	0.16 134	0.16 145	0.16 144	0.16 165	0.16 145	0.16 156

IGEV_Zeroshot_test	0.20 143	0.19 99	0.40 251	0.30 170	0.17 178	0.22 171	0.17 164	0.21 166	0.17 174	0.20 158	0.17 174	0.21 167	0.18 178	0.21 170	0.17 169	0.20 154	0.16 145	0.20 166	0.16 165	0.20 162	0.17 168

MSKI-zero shot	0.24 160	0.21 109	0.49 294	0.65 297	0.18 185	0.22 171	0.17 164	0.23 174	0.18 176	0.21 168	0.17 174	0.23 177	0.28 228	0.23 178	0.18 178	0.21 159	0.16 145	0.21 169	0.16 165	0.21 166	0.16 156

MIM_Stereo	0.25 161	0.23 114	0.66 332	0.80 314	0.17 178	0.22 171	0.17 164	0.23 174	0.18 176	0.26 190	0.17 174	0.21 167	0.17 171	0.25 187	0.17 169	0.23 173	0.16 145	0.21 169	0.17 183	0.22 168	0.17 168

dad	0.23 158	1.03 284	0.16 142	0.23 148	0.15 168	0.24 178	0.15 156	0.24 177	0.16 169	0.23 174	0.16 169	0.24 181	0.16 167	0.23 178	0.15 160	0.22 162	0.16 145	0.22 174	0.16 165	0.22 168	0.16 156

xxxx	0.11 86	1.16 302	0.16 142	0.12 82	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 109	0.16 145	0.03 38	0.04 78	0.04 77	0.04 79

MMNet	0.44 252	1.24 361	0.17 149	0.25 158	0.17 178	0.25 185	0.18 170	1.26 447	0.93 399	0.25 183	0.17 174	0.25 186	0.18 178	0.25 187	0.17 169	0.23 173	0.16 145	0.23 180	0.16 165	1.20 393	0.99 398

delet	0.43 248	1.21 353	0.17 149	0.25 158	0.17 178	0.25 185	0.18 170	1.26 447	0.95 401	0.25 183	0.17 174	0.25 186	0.17 171	0.25 187	0.17 169	0.23 173	0.16 145	0.22 174	0.16 165	1.18 390	0.98 397

ac_64	0.22 154	0.13 81	0.19 158	0.23 148	0.10 120	0.26 192	1.02 405	0.14 128	0.10 118	0.28 193	0.14 160	0.17 149	0.19 183	0.28 202	0.09 107	0.22 162	0.16 145	0.23 180	0.17 183	0.11 122	0.12 144

iResNetv2_ROB	0.20 143	0.23 114	0.18 155	0.24 153	0.20 191	0.24 178	0.18 170	0.24 177	0.18 176	0.24 179	0.18 184	0.23 177	0.19 183	0.24 182	0.18 178	0.21 159	0.16 145	0.21 169	0.16 165	0.22 168	0.16 156

iResNet	0.20 143	0.23 114	0.18 155	0.24 153	0.18 185	0.24 178	0.20 177	0.24 177	0.18 176	0.23 174	0.17 174	0.23 177	0.18 178	0.23 178	0.18 178	0.22 162	0.16 145	0.21 169	0.16 165	0.21 166	0.16 156

tg	0.21 150	0.25 123	0.21 165	0.26 165	0.17 178	0.24 178	0.17 164	0.24 177	0.17 174	0.24 179	0.17 174	0.24 181	0.17 171	0.24 182	0.17 169	0.24 178	0.17 161	0.23 180	0.16 165	0.23 177	0.16 156

Pointernet	0.21 150	0.22 113	0.19 158	0.24 153	0.19 189	0.24 178	0.19 174	0.24 177	0.19 182	0.24 179	0.19 185	0.24 181	0.19 183	0.24 182	0.19 181	0.22 162	0.17 161	0.22 174	0.17 183	0.22 168	0.17 168

gcap-zeroshot	0.35 203	0.32 135	0.37 237	0.49 257	0.39 299	0.33 214	0.21 183	0.26 187	0.35 269	0.42 264	0.34 266	0.49 303	0.29 234	0.47 287	0.39 291	0.34 211	0.17 161	0.38 257	0.23 198	0.48 291	0.34 260

psm_up	0.43 248	1.19 306	0.17 149	0.25 158	0.18 185	0.25 185	0.19 174	1.26 447	0.91 394	0.26 190	0.17 174	0.25 186	0.17 171	0.25 187	0.17 169	0.22 162	0.17 161	0.23 180	0.16 165	1.18 390	0.99 398

UPFNet	0.42 247	1.20 307	0.17 149	0.24 153	0.17 178	0.25 185	0.17 164	1.19 395	0.90 393	0.25 183	0.17 174	0.24 181	0.17 171	0.25 187	0.17 169	0.22 162	0.17 161	0.22 174	0.16 165	1.15 382	0.93 393

CFNet	1.37 448	5.27 510	0.19 158	5.49 538	0.19 189	0.28 196	0.19 174	0.28 190	0.19 182	0.28 193	0.19 185	0.28 197	4.35 548	0.28 202	0.19 181	0.23 173	0.17 161	0.23 180	4.21 557	4.81 534	0.17 168

test_for_model	0.15 123	0.23 114	0.18 155	0.21 145	0.11 136	0.16 141	0.11 130	0.16 141	0.11 133	0.16 138	0.11 132	0.16 139	0.11 131	0.16 140	0.11 125	0.21 159	0.18 167	0.14 126	0.11 129	0.14 131	0.11 127

CAS++	0.17 135	0.27 125	0.21 165	0.10 59	0.21 198	0.15 133	0.22 188	0.10 110	0.21 187	0.22 170	0.10 118	0.19 157	0.18 178	0.10 113	0.19 181	0.20 154	0.19 168	0.18 162	0.10 117	0.19 161	0.18 172
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
GEStereo_RVC	0.86 356	4.45 497	0.20 161	0.27 167	0.20 191	0.27 195	0.20 177	0.26 187	0.18 176	5.03 551	0.20 189	0.27 196	0.19 183	0.27 200	0.21 187	0.20 154	0.19 168	0.19 165	4.02 555	0.20 162	0.18 172

ISRNet	0.11 86	0.05 49	0.36 234	0.24 153	0.07 110	0.13 125	0.05 93	0.06 95	0.05 98	0.05 92	0.05 100	0.13 127	0.05 94	0.05 83	0.09 107	0.24 178	0.20 170	0.10 107	0.05 96	0.06 97	0.13 150

model_zeroshot	0.27 170	0.20 103	0.27 186	0.33 182	0.21 198	0.37 228	0.22 188	0.37 221	0.24 198	0.26 190	0.27 221	0.33 214	0.21 192	0.25 187	0.27 211	0.32 204	0.20 170	0.34 226	0.23 198	0.25 179	0.26 200

DAS	0.20 143	0.20 103	0.20 161	0.20 135	0.20 191	0.20 161	0.20 177	0.20 159	0.20 184	0.20 158	0.20 189	0.20 159	0.20 187	0.20 159	0.20 184	0.20 154	0.20 170	0.20 166	0.20 188	0.20 162	0.20 175

ASD4	0.20 143	0.20 103	0.20 161	0.20 135	0.20 191	0.20 161	0.20 177	0.20 159	0.20 184	0.20 158	0.20 189	0.20 159	0.20 187	0.20 159	0.20 184	0.20 154	0.20 170	0.20 166	0.20 188	0.20 162	0.20 175

DCVSM-stereo	0.36 207	1.89 395	0.22 167	0.40 215	0.22 200	0.40 243	0.22 188	0.40 238	0.22 190	0.40 238	0.22 195	0.40 247	0.22 193	0.40 245	0.22 189	0.28 190	0.21 174	0.28 197	0.21 190	0.28 186	0.20 175

Wz-Net-LNSev	0.06 44	0.24 121	0.20 161	0.23 148	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	0.23 173	0.21 174	0.02 18	0.01 9	0.01 10	0.01 10

HGLStereo	0.28 171	0.29 130	0.22 167	0.36 189	0.22 200	0.36 223	0.21 183	0.36 215	0.21 187	0.42 264	0.21 194	0.36 226	0.22 193	0.36 228	0.21 187	0.34 211	0.21 174	0.34 226	0.21 190	0.34 209	0.21 178

DISCO	1.11 390	0.39 152	5.28 551	0.39 201	0.20 191	0.39 241	0.27 214	0.39 233	0.22 190	0.38 226	0.20 189	0.38 234	0.20 187	6.95 562	0.22 189	0.30 198	0.21 174	0.27 195	0.21 190	5.25 543	0.21 178

WAO-6	0.22 154	0.23 114	0.22 167	0.23 148	0.22 200	0.22 171	0.22 188	0.22 170	0.22 190	0.22 170	0.22 195	0.22 173	0.22 193	0.22 174	0.22 189	0.22 162	0.22 178	0.22 174	0.22 193	0.22 168	0.22 181

IMH-64-1	0.22 154	0.23 114	0.23 170	0.22 146	0.22 200	0.22 171	0.22 188	0.22 170	0.22 190	0.22 170	0.22 195	0.22 173	0.22 193	0.22 174	0.22 189	0.22 162	0.22 178	0.23 180	0.22 193	0.22 168	0.23 183

IMH-64	0.22 154	0.23 114	0.23 170	0.22 146	0.22 200	0.22 171	0.22 188	0.22 170	0.22 190	0.22 170	0.22 195	0.22 173	0.22 193	0.22 174	0.22 189	0.22 162	0.22 178	0.23 180	0.22 193	0.22 168	0.23 183

GMOStereo	0.37 212	0.45 175	0.23 170	0.30 170	0.37 285	0.41 259	0.36 273	0.41 253	0.35 269	0.43 270	0.36 279	0.41 260	0.40 289	0.41 259	0.36 273	0.34 211	0.22 178	0.47 311	0.37 290	0.39 249	0.33 254

WCG-NET（raft）	0.32 191	1.24 361	0.24 176	0.32 178	0.24 210	0.32 212	0.23 195	0.32 201	0.24 198	0.32 206	0.24 205	0.32 211	0.24 202	0.32 212	0.24 199	0.30 198	0.23 182	0.30 204	0.23 198	0.30 192	0.23 183

FCDSN-DC	0.41 237	0.59 218	0.64 328	0.54 275	0.33 263	0.50 313	0.37 278	0.42 269	0.40 295	0.61 338	0.43 316	0.50 317	0.49 331	0.38 234	0.32 244	0.28 190	0.23 182	0.26 191	0.22 193	0.35 221	0.28 221
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
iResNet_ROB	0.28 171	0.32 135	0.24 176	0.32 178	0.25 212	0.32 212	0.24 200	0.32 201	0.24 198	0.33 211	0.24 205	0.35 220	0.24 202	0.33 218	0.24 199	0.31 203	0.24 184	0.32 211	0.24 206	0.32 199	0.24 193

UNDER WATER-64	0.25 161	0.26 124	0.25 179	0.26 165	0.25 212	0.25 185	0.25 203	0.25 183	0.25 203	0.25 183	0.25 211	0.25 186	0.25 205	0.26 197	0.25 205	0.25 184	0.25 185	0.25 188	0.25 211	0.25 179	0.25 194

LoS	0.25 161	0.27 125	0.25 179	0.25 158	0.25 212	0.25 185	0.25 203	0.26 187	0.25 203	0.25 183	0.25 211	0.25 186	0.25 205	0.25 187	0.25 205	0.26 185	0.25 185	0.25 188	0.26 217	0.26 181	0.25 194
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
StereoDRNet-Refined	0.33 194	0.39 152	0.26 185	0.39 201	0.26 220	0.40 243	0.26 211	0.40 238	0.26 216	0.39 232	0.26 217	0.39 239	0.26 214	0.39 242	0.26 210	0.37 229	0.25 185	0.37 250	0.25 211	0.37 232	0.37 272
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
Monster-pub-mixall	0.44 252	0.56 214	0.60 319	0.38 195	0.27 222	0.37 228	0.27 214	0.37 221	0.29 229	0.38 226	0.27 221	0.38 234	0.29 234	0.85 366	0.27 211	1.46 452	0.26 188	0.34 226	0.26 217	0.36 228	0.53 335

tt1	0.31 183	0.93 261	0.24 176	0.33 182	0.23 205	0.31 204	0.24 200	0.32 201	0.24 198	0.32 206	0.23 199	0.32 211	0.25 205	0.32 212	0.24 199	0.27 188	0.26 188	0.27 195	0.26 217	0.27 184	0.27 208

DLNR_Zeroshot_test	0.31 183	0.28 128	0.47 281	0.79 312	0.24 210	0.30 199	0.26 211	0.30 196	0.24 198	0.32 206	0.23 199	0.31 209	0.24 202	0.30 207	0.23 195	0.29 197	0.26 188	0.29 202	0.24 206	0.33 205	0.23 183

LoS_RVC	0.30 176	1.14 298	0.25 179	0.25 158	0.25 212	0.26 192	0.25 203	0.25 183	0.25 203	0.25 183	0.25 211	0.26 195	0.26 214	0.26 197	0.25 205	0.26 185	0.26 188	0.25 188	0.25 211	0.26 181	0.26 200

CAS	0.30 176	1.17 303	0.25 179	0.25 158	0.25 212	0.26 192	0.25 203	0.25 183	0.26 216	0.25 183	0.25 211	0.25 186	0.25 205	0.25 187	0.25 205	0.26 185	0.26 188	0.26 191	0.25 211	0.26 181	0.25 194

CroCo-Stereo	0.73 324	1.22 359	0.25 179	1.22 416	0.25 212	1.22 450	0.25 203	1.22 444	0.25 203	1.22 452	0.25 211	1.22 455	0.25 205	1.22 455	0.25 205	1.22 436	0.26 188	1.21 461	0.25 211	1.22 440	0.25 194
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
w-ln-seven-2	0.14 111	1.22 359	0.28 190	0.32 178	0.04 79	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.32 204	0.27 194	0.04 73	0.03 54	0.03 43	0.03 51

CroCo-Stereo Lap2	0.77 331	1.29 363	0.29 193	1.27 420	0.29 234	1.27 453	0.26 211	1.26 447	0.26 216	1.26 453	0.26 217	1.27 457	0.26 214	1.26 456	0.27 211	1.27 438	0.27 194	1.27 464	0.27 225	1.27 442	0.27 208

iRaft-Stereo_5w	0.34 196	0.42 168	0.31 205	0.39 201	0.30 244	0.38 235	0.30 234	0.40 238	0.29 229	0.40 238	0.37 285	0.41 260	0.34 264	0.38 234	0.30 237	0.34 211	0.27 194	0.34 226	0.26 217	0.34 209	0.26 200

iRaft-Stereo_20w	0.34 196	0.41 161	0.31 205	0.39 201	0.29 234	0.40 243	0.32 241	0.41 253	0.32 251	0.38 226	0.30 244	0.39 239	0.30 241	0.38 234	0.32 244	0.35 220	0.27 194	0.34 226	0.27 225	0.34 209	0.29 226

GANet-RSSM	0.75 326	1.91 398	0.14 125	0.47 247	0.14 157	0.21 169	3.21 544	2.30 491	0.14 157	0.46 279	0.14 160	0.23 177	0.18 178	0.21 170	0.14 150	0.18 150	0.27 194	0.37 250	0.13 154	2.13 473	2.12 518

MLCV	0.31 183	0.35 138	0.27 186	0.35 185	0.28 226	0.35 220	0.27 214	0.35 211	0.28 224	0.36 220	0.27 221	0.35 220	0.27 222	0.35 222	0.27 211	0.34 211	0.27 194	0.34 226	0.27 225	0.34 209	0.27 208

Monster-pub-eth3d	0.45 255	0.57 215	0.60 319	0.39 201	0.28 226	0.37 228	0.28 221	0.37 221	0.30 240	0.39 232	0.29 232	0.39 239	0.30 241	0.92 376	0.27 211	1.42 449	0.28 200	0.34 226	0.28 229	0.37 232	0.53 335

xxxxx1	0.31 183	0.91 254	0.23 170	0.31 175	0.23 205	0.31 204	0.23 195	0.33 204	0.25 203	0.31 201	0.24 205	0.33 214	0.25 205	0.32 212	0.24 199	0.28 190	0.28 200	0.28 197	0.28 229	0.29 189	0.27 208

EKT-Stereo	0.37 212	0.40 154	0.44 268	1.07 352	0.29 234	0.34 216	0.31 240	0.36 215	0.29 229	0.38 226	0.31 249	0.37 232	0.30 241	0.36 228	0.29 230	0.34 211	0.28 200	0.39 267	0.30 249	0.37 232	0.30 236

SQANet	0.28 171	0.28 128	0.28 190	0.28 168	0.28 226	0.28 196	0.28 221	0.28 190	0.28 224	0.28 193	0.28 228	0.28 197	0.28 228	0.28 202	0.28 220	0.28 190	0.28 200	0.28 197	0.28 229	0.28 186	0.28 221

Any-RAFT	0.32 191	0.36 141	0.27 186	0.36 189	0.27 222	0.36 223	0.27 214	0.36 215	0.27 221	0.36 220	0.27 221	0.36 226	0.27 222	0.36 228	0.28 220	0.36 225	0.28 200	0.36 247	0.28 229	0.36 228	0.28 221

tt_ll	0.31 183	0.91 254	0.23 170	0.31 175	0.23 205	0.31 204	0.23 195	0.33 204	0.25 203	0.31 201	0.24 205	0.33 214	0.25 205	0.32 212	0.24 199	0.28 190	0.28 200	0.28 197	0.28 229	0.29 189	0.27 208

ff	0.31 183	0.91 254	0.23 170	0.31 175	0.23 205	0.31 204	0.23 195	0.33 204	0.25 203	0.31 201	0.24 205	0.33 214	0.25 205	0.32 212	0.24 199	0.28 190	0.28 200	0.28 197	0.28 229	0.29 189	0.27 208

IER	0.88 358	7.04 526	2.23 515	2.75 476	0.28 226	0.43 281	0.25 203	0.39 233	0.25 203	0.41 252	0.27 221	0.39 239	0.25 205	0.40 245	0.28 220	0.37 229	0.28 200	0.37 250	0.25 211	0.37 232	0.25 194

Gwc-CoAtRS	0.41 237	1.49 374	0.32 209	0.42 236	0.32 252	0.41 259	0.32 241	0.41 253	0.33 257	0.41 252	0.32 252	0.41 260	0.32 252	0.41 259	0.32 244	0.39 246	0.28 200	0.39 267	0.28 229	0.40 254	0.28 221

DN-CSS_ROB	0.31 183	0.35 138	0.28 190	0.35 185	0.28 226	0.34 216	0.27 214	0.34 208	0.25 203	0.35 217	0.27 221	0.36 226	0.26 214	0.34 220	0.28 220	0.35 220	0.28 200	0.34 226	0.28 229	0.34 209	0.27 208

IGEV++	0.34 196	0.43 169	0.30 197	0.40 215	0.29 234	0.40 243	0.29 229	0.40 238	0.29 229	0.40 238	0.29 232	0.40 247	0.29 234	0.40 245	0.30 237	0.38 236	0.29 210	0.37 250	0.29 239	0.37 232	0.29 226

TorneroNet-64	0.45 255	0.27 125	0.30 197	0.58 284	0.27 222	0.70 350	0.30 234	0.28 190	0.73 379	0.73 354	0.28 228	0.71 353	0.66 357	0.75 354	0.27 211	0.27 188	0.29 210	0.37 250	0.75 383	0.28 186	0.30 236

RAFT-Test	0.36 207	0.37 143	0.33 214	0.41 227	0.32 252	0.41 259	0.32 241	0.41 253	0.32 251	0.41 252	0.32 252	0.41 260	0.32 252	0.41 259	0.33 252	0.37 229	0.29 210	0.37 250	0.29 239	0.38 242	0.31 243

RCA-Stereo	0.51 284	3.22 472	0.34 224	0.44 239	0.34 273	0.44 283	0.34 261	0.43 273	0.34 266	0.43 270	0.34 266	0.44 280	0.33 259	0.43 274	0.33 252	0.38 236	0.29 210	0.38 257	0.29 239	0.38 242	0.29 226

GES	0.66 308	2.34 432	0.29 193	0.41 227	0.29 234	0.41 259	0.29 229	0.42 269	0.29 229	0.40 238	0.41 304	0.41 260	0.30 241	0.51 316	0.29 230	0.32 204	0.29 210	0.32 211	2.46 528	2.49 491	0.30 236

DGSMNet	0.34 196	0.41 161	0.27 186	0.41 227	0.28 226	0.41 259	0.28 221	0.41 253	0.27 221	0.41 252	0.27 221	0.42 276	0.27 222	0.41 259	0.28 220	0.40 250	0.29 210	0.40 272	0.28 229	0.40 254	0.27 208

RAFT + AFF	0.31 183	0.45 175	0.34 224	0.39 201	0.28 226	0.38 235	0.33 250	0.29 194	0.31 248	0.30 197	0.30 244	0.29 202	0.27 222	0.29 205	0.30 237	0.28 190	0.29 210	0.29 202	0.29 239	0.27 184	0.32 247

ccnet	0.80 337	2.28 424	0.33 214	0.50 264	0.33 263	0.50 313	0.33 250	0.50 301	0.33 257	0.49 299	0.33 258	0.49 303	1.56 477	2.38 494	0.33 252	0.41 258	0.29 210	0.42 296	1.57 489	2.28 479	0.29 226

MultiAttention	0.30 176	0.30 131	0.30 197	0.30 170	0.30 244	0.30 199	0.30 234	0.30 196	0.30 240	0.30 197	0.30 244	0.30 205	0.30 241	0.30 207	0.30 237	0.30 198	0.30 218	0.30 204	0.30 249	0.30 192	0.30 236

MSAF-DinoV2	0.30 176	0.30 131	0.30 197	0.30 170	0.30 244	0.30 199	0.30 234	0.30 196	0.30 240	0.30 197	0.30 244	0.30 205	0.30 241	0.30 207	0.30 237	0.30 198	0.30 218	0.30 204	0.30 249	0.30 192	0.30 236

GCAP-BAT	0.33 194	0.78 231	0.32 209	0.38 195	0.25 212	0.34 216	0.25 203	0.34 208	0.26 216	0.34 213	0.25 211	0.35 220	0.26 214	0.35 222	0.27 211	0.36 225	0.30 218	0.32 211	0.24 206	0.32 199	0.26 200

PML	0.46 260	1.36 369	0.29 193	0.58 284	0.30 244	0.57 337	0.29 229	0.57 324	0.29 229	0.57 333	0.29 232	0.57 337	0.29 234	0.56 327	0.29 230	0.52 305	0.30 218	0.53 339	0.31 258	0.53 312	0.30 236

psmorigin	0.41 237	0.46 179	0.33 214	0.49 257	0.33 263	0.49 305	0.33 250	0.49 293	0.33 257	0.49 299	0.33 258	0.49 303	0.33 259	0.51 316	0.33 252	0.41 258	0.30 218	0.41 285	0.30 249	0.79 340	0.29 226

DANet	0.30 176	0.30 131	0.30 197	0.30 170	0.30 244	0.30 199	0.30 234	0.30 196	0.30 240	0.30 197	0.30 244	0.30 205	0.30 241	0.30 207	0.30 237	0.30 198	0.30 218	0.30 204	0.30 249	0.30 192	0.30 236
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
Replicate-Monster	0.45 255	0.57 215	0.60 319	0.40 215	0.29 234	0.37 228	0.27 214	0.37 221	0.30 240	0.40 238	0.31 249	0.40 247	0.30 241	0.99 384	0.27 211	1.36 445	0.31 224	0.34 226	0.30 249	0.36 228	0.54 338

z-mn7	0.16 131	1.21 353	0.33 214	0.41 227	0.04 79	0.04 77	0.03 50	0.04 77	0.04 82	0.04 74	0.04 88	0.04 77	0.04 84	0.04 72	0.04 75	0.35 220	0.31 224	0.04 73	0.04 78	0.04 77	0.04 79

RSM	0.36 207	0.36 141	0.43 266	0.37 192	0.42 318	0.49 305	0.42 307	0.37 221	0.28 224	0.36 220	0.29 232	0.36 226	0.30 241	0.37 232	0.28 220	0.34 211	0.31 224	0.34 226	0.35 282	0.40 254	0.29 226

testlalala	0.32 191	0.81 237	0.31 205	0.39 201	0.26 220	0.33 214	0.24 200	0.33 204	0.26 216	0.32 206	0.26 217	0.33 214	0.23 199	0.33 218	0.23 195	0.35 220	0.31 224	0.30 204	0.24 206	0.31 197	0.21 178

w-ln-seven	0.18 138	1.47 373	0.33 214	0.40 215	0.04 79	0.04 77	0.04 81	0.04 77	0.04 82	0.04 74	0.04 88	0.04 77	0.04 84	0.04 72	0.04 75	0.38 236	0.32 228	0.05 86	0.04 78	0.04 77	0.04 79

HART	0.38 218	0.45 175	0.34 224	0.42 236	0.33 263	0.41 259	0.34 261	0.42 269	0.33 257	0.43 270	0.34 266	0.42 276	0.34 264	0.41 259	0.38 284	0.40 250	0.32 228	0.42 296	0.32 263	0.40 254	0.32 247

GIP-stereo	0.36 207	0.49 191	0.39 247	0.48 251	0.32 252	0.41 259	0.28 221	0.40 238	0.30 240	0.41 252	0.28 228	0.40 247	0.28 228	0.42 272	0.28 220	0.45 276	0.32 228	0.38 257	0.30 249	0.37 232	0.27 208

PAM	0.39 226	1.88 394	0.34 224	0.37 192	0.41 308	0.45 284	0.22 188	0.28 190	0.23 196	0.28 193	0.24 205	0.29 202	0.23 199	0.29 205	0.23 195	0.38 236	0.32 228	0.38 257	0.37 290	0.32 199	0.22 181

RAFT-Stereo-weight	0.45 255	1.90 397	0.34 224	0.42 236	0.36 282	0.43 281	0.35 266	0.42 269	0.34 266	0.42 264	0.34 266	0.44 280	0.34 264	0.41 259	0.34 265	0.38 236	0.32 228	0.38 257	0.32 263	0.38 242	0.33 254

ACVNet-DCA	0.37 212	1.00 272	0.30 197	0.40 215	0.29 234	0.40 243	0.29 229	0.40 238	0.29 229	0.40 238	0.29 232	0.40 247	0.29 234	0.39 242	0.28 220	0.33 208	0.32 228	0.33 219	0.32 263	0.33 205	0.32 247

1test111	0.37 212	1.02 282	0.30 197	0.39 201	0.29 234	0.40 243	0.28 221	0.39 233	0.29 229	0.39 232	0.29 232	0.39 239	0.28 228	0.40 245	0.29 230	0.33 208	0.32 228	0.33 219	0.31 258	0.32 199	0.31 243

cc1	0.37 212	1.02 282	0.30 197	0.39 201	0.29 234	0.40 243	0.28 221	0.39 233	0.29 229	0.39 232	0.29 232	0.39 239	0.28 228	0.40 245	0.29 230	0.33 208	0.32 228	0.33 219	0.31 258	0.32 199	0.31 243

xyz-stereo-finetune	0.28 171	0.49 191	0.16 142	0.16 120	0.16 175	0.16 141	0.16 159	0.22 170	0.30 240	0.32 206	0.31 249	0.32 211	0.31 250	0.32 212	0.32 244	0.32 204	0.33 236	0.31 210	0.32 263	0.31 197	0.32 247

GREAT-IGEV	0.38 218	0.43 169	0.36 234	0.48 251	0.32 252	0.45 284	0.32 241	0.45 275	0.32 251	0.45 275	0.32 252	0.45 282	0.32 252	0.45 279	0.32 244	0.44 274	0.33 236	0.41 285	0.29 239	0.41 264	0.29 226

xx1	0.38 218	1.03 284	0.31 205	0.40 215	0.31 250	0.41 259	0.28 221	0.40 238	0.29 229	0.40 238	0.29 232	0.40 247	0.29 234	0.40 245	0.29 230	0.34 211	0.33 236	0.34 226	0.32 263	0.34 209	0.32 247

H2IRNET	0.34 196	0.34 137	0.34 224	0.34 184	0.34 273	0.34 216	0.34 261	0.34 208	0.34 266	0.34 213	0.34 266	0.34 219	0.34 264	0.34 220	0.34 265	0.34 211	0.34 239	0.34 226	0.34 275	0.34 209	0.34 260

LG-Stereo_L2	0.34 196	0.37 143	0.38 240	0.47 247	0.28 226	0.39 241	0.28 221	0.39 233	0.28 224	0.39 232	0.28 228	0.39 239	0.28 228	0.38 234	0.28 220	0.42 272	0.35 240	0.36 247	0.26 217	0.35 221	0.26 200

CFNet-RSSM	0.91 361	4.89 503	0.34 224	0.44 239	1.07 416	1.62 470	1.40 483	0.91 364	0.35 269	1.60 462	1.39 483	0.64 346	0.34 264	0.44 276	0.33 252	0.41 258	0.35 240	0.75 362	0.30 249	0.41 264	0.29 226

ETE_ROB	0.35 203	0.35 138	0.35 232	0.35 185	0.35 276	0.35 220	0.35 266	0.35 211	0.35 269	0.35 217	0.35 275	0.35 220	0.35 271	0.35 222	0.35 269	0.35 220	0.35 240	0.35 242	0.35 282	0.35 221	0.35 267

Wz-Net-LNSev-Ref	0.11 86	0.44 172	0.33 214	0.39 201	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	0.39 246	0.36 243	0.02 18	0.02 20	0.02 20	0.02 20

DMCA	0.36 207	0.38 146	0.37 237	0.35 185	0.35 276	0.36 223	0.36 273	0.36 215	0.35 269	0.35 217	0.37 285	0.36 226	0.36 274	0.35 222	0.36 273	0.36 225	0.36 243	0.35 242	0.36 288	0.36 228	0.36 268

UGAM-zero	0.51 284	2.17 416	0.39 247	0.53 273	0.36 282	0.50 313	0.36 273	0.50 301	0.36 280	0.49 299	0.36 279	0.50 317	0.35 271	0.50 309	0.36 273	0.49 291	0.37 245	0.47 311	0.35 282	0.46 279	0.34 260

UGAM	0.51 284	2.23 421	0.39 247	0.54 275	0.35 276	0.50 313	0.35 266	0.49 293	0.35 269	0.49 299	0.35 275	0.49 303	0.36 274	0.50 309	0.36 273	0.49 291	0.37 245	0.45 303	0.34 275	0.45 278	0.34 260

GCST	0.50 279	2.08 408	0.38 240	0.53 273	0.35 276	0.49 305	0.35 266	0.50 301	0.35 269	0.49 299	0.35 275	0.49 303	0.35 271	0.49 302	0.35 269	0.48 288	0.37 245	0.45 303	0.33 271	0.44 274	0.33 254

CASnet	0.35 203	0.51 202	0.44 268	0.32 178	0.31 250	0.24 178	0.34 261	0.36 215	0.25 203	0.31 201	0.37 285	0.30 205	0.33 259	0.25 187	0.45 313	0.37 229	0.37 245	0.33 219	0.35 282	0.34 209	0.37 272
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
CFNet_RVC	2.38 509	8.71 538	0.38 240	9.33 557	0.42 318	0.56 331	0.42 307	0.60 331	0.38 285	0.62 341	0.42 314	0.56 335	7.29 560	0.62 336	0.42 309	0.53 307	0.37 245	0.49 324	0.34 275	8.30 557	6.87 564

XPNet_ROB	0.37 212	0.37 143	0.37 237	0.37 192	0.37 285	0.37 228	0.37 278	0.37 221	0.37 281	0.37 225	0.37 285	0.37 232	0.37 278	0.37 232	0.37 281	0.37 229	0.37 245	0.37 250	0.37 290	0.37 232	0.37 272

mms	0.40 230	0.45 175	0.35 232	0.48 251	0.36 282	0.47 295	0.34 261	0.45 275	0.38 285	0.47 285	0.33 258	0.45 282	0.32 252	0.45 279	0.32 244	0.39 246	0.38 251	0.38 257	0.37 290	0.39 249	0.39 285

fffy	0.38 218	0.43 169	0.33 214	0.46 241	0.33 263	0.45 284	0.32 241	0.45 275	0.32 251	0.45 275	0.32 252	0.45 282	0.33 259	0.45 279	0.32 244	0.38 236	0.38 251	0.38 257	0.37 290	0.37 232	0.36 268

WAO-8	0.38 218	0.38 146	0.38 240	0.38 195	0.38 292	0.38 235	0.38 284	0.38 229	0.38 285	0.38 226	0.38 290	0.38 234	0.38 282	0.38 234	0.38 284	0.38 236	0.38 251	0.38 257	0.37 290	0.38 242	0.38 279

WAO-7	0.38 218	0.38 146	0.38 240	0.38 195	0.38 292	0.38 235	0.38 284	0.38 229	0.38 285	0.38 226	0.38 290	0.38 234	0.38 282	0.38 234	0.38 284	0.38 236	0.38 251	0.38 257	0.38 303	0.38 242	0.38 279

HanzoNet	0.39 226	0.38 146	0.40 251	0.39 201	0.41 308	0.38 235	0.38 284	0.38 229	0.38 285	0.39 232	0.39 295	0.38 234	0.38 282	0.39 242	0.40 295	0.38 236	0.38 251	0.40 272	0.38 303	0.38 242	0.40 288

Venus	0.38 218	0.38 146	0.38 240	0.38 195	0.38 292	0.37 228	0.38 284	0.37 221	0.37 281	0.41 252	0.37 285	0.39 239	0.37 278	0.38 234	0.38 284	0.37 229	0.38 251	0.38 257	0.37 290	0.37 232	0.38 279

IMH	0.38 218	0.38 146	0.38 240	0.38 195	0.38 292	0.38 235	0.38 284	0.38 229	0.38 285	0.42 264	0.38 290	0.40 247	0.38 282	0.38 234	0.38 284	0.38 236	0.38 251	0.39 267	0.38 303	0.38 242	0.38 279

GCAP-Stereo	0.75 326	4.15 494	0.42 265	0.75 310	0.35 276	0.78 357	0.40 294	0.79 350	0.38 285	0.78 362	0.36 279	0.78 363	0.36 274	0.79 356	0.39 291	0.75 340	0.39 258	0.76 364	0.39 306	0.75 334	0.39 285

CES	0.39 226	0.47 183	0.36 234	0.36 189	0.37 285	0.45 284	0.35 266	0.35 211	0.40 295	0.36 220	0.44 318	0.47 292	0.36 274	0.44 276	0.36 273	0.37 229	0.39 258	0.44 299	0.35 282	0.37 232	0.36 268

IGEV-Stereo	0.35 203	0.44 172	0.45 270	0.49 257	0.30 244	0.37 228	0.30 234	0.36 215	0.30 240	0.36 220	0.29 232	0.36 226	0.29 234	0.36 228	0.30 237	0.46 279	0.39 258	0.32 211	0.24 206	0.32 199	0.25 194
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
ccccc	0.41 237	0.44 172	0.34 224	0.48 251	0.35 276	0.48 300	0.35 266	0.51 311	0.35 269	0.47 285	0.35 275	0.47 292	0.34 264	0.47 287	0.35 269	0.41 258	0.40 261	0.40 272	0.40 307	0.41 264	0.39 285

HH	0.71 319	2.54 441	0.74 350	1.10 354	0.32 252	0.41 259	0.37 278	0.69 342	0.78 383	0.73 354	0.90 394	0.75 360	1.00 391	0.84 362	0.69 366	0.69 332	0.40 261	0.35 242	0.26 217	0.35 221	0.26 200

HanStereo	0.71 319	2.54 441	0.74 350	1.10 354	0.32 252	0.41 259	0.37 278	0.69 342	0.78 383	0.73 354	0.90 394	0.75 360	1.00 391	0.84 362	0.69 366	0.69 332	0.40 261	0.35 242	0.26 217	0.35 221	0.26 200

knoymous	0.40 230	0.40 154	0.40 251	0.40 215	0.40 301	0.40 243	0.40 294	0.40 238	0.40 295	0.40 238	0.40 298	0.40 247	0.40 289	0.40 245	0.40 295	0.40 250	0.40 261	0.40 272	0.40 307	0.40 254	0.40 288

anonymousa	0.40 230	0.40 154	0.40 251	0.40 215	0.40 301	0.40 243	0.40 294	0.40 238	0.40 295	0.40 238	0.40 298	0.40 247	0.40 289	0.40 245	0.40 295	0.40 250	0.40 261	0.40 272	0.40 307	0.40 254	0.40 288

riskmin	0.40 230	0.40 154	0.40 251	0.40 215	0.40 301	0.40 243	0.40 294	0.40 238	0.40 295	0.40 238	0.40 298	0.40 247	0.40 289	0.40 245	0.40 295	0.40 250	0.40 261	0.40 272	0.40 307	0.40 254	0.40 288

Anonymous_2	0.40 230	0.40 154	0.40 251	0.40 215	0.40 301	0.40 243	0.40 294	0.40 238	0.40 295	0.40 238	0.40 298	0.40 247	0.40 289	0.40 245	0.40 295	0.40 250	0.40 261	0.40 272	0.40 307	0.40 254	0.40 288

Anonymous_1	0.40 230	0.40 154	0.40 251	0.40 215	0.40 301	0.40 243	0.40 294	0.40 238	0.40 295	0.40 238	0.40 298	0.40 247	0.40 289	0.40 245	0.40 295	0.40 250	0.40 261	0.40 272	0.40 307	0.40 254	0.40 288

AdaStereo	0.40 230	0.40 154	0.40 251	0.40 215	0.40 301	0.40 243	0.40 294	0.40 238	0.40 295	0.40 238	0.40 298	0.40 247	0.40 289	0.40 245	0.40 295	0.40 250	0.40 261	0.40 272	0.40 307	0.40 254	0.40 288
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.
water-stereo	0.41 237	0.84 240	0.46 274	0.50 264	0.33 263	0.45 284	0.33 250	0.45 275	0.32 251	0.45 275	0.32 252	0.45 282	0.32 252	0.45 279	0.32 244	0.44 274	0.41 270	0.39 267	0.31 258	0.39 249	0.32 247

SCV_C0	0.45 255	0.88 247	0.49 294	0.54 275	0.37 285	0.48 300	0.37 278	0.48 289	0.37 281	0.48 292	0.36 279	0.48 299	0.37 278	0.49 302	0.37 281	0.50 297	0.41 270	0.44 299	0.34 275	0.44 274	0.34 260

fffft	0.48 271	0.51 202	0.45 270	0.52 272	0.45 324	0.52 324	0.45 315	0.52 313	0.48 330	0.53 322	0.45 322	0.52 324	0.45 314	0.52 319	0.46 317	0.51 303	0.41 270	0.50 328	0.41 314	0.50 300	0.41 295
1: 1. 1
GwcNet-ADL	0.41 237	0.41 161	0.41 260	0.41 227	0.41 308	0.41 259	0.41 302	0.41 253	0.41 304	0.41 252	0.41 304	0.41 260	0.41 300	0.41 259	0.41 302	0.41 258	0.41 270	0.41 285	0.41 314	0.41 264	0.41 295

PSMNet-ADL	0.41 237	0.41 161	0.41 260	0.41 227	0.41 308	0.41 259	0.41 302	0.41 253	0.41 304	0.41 252	0.41 304	0.41 260	0.41 300	0.41 259	0.41 302	0.41 258	0.41 270	0.41 285	0.41 314	0.41 264	0.41 295

GANet-ADL	0.41 237	0.41 161	0.41 260	0.41 227	0.41 308	0.41 259	0.41 302	0.41 253	0.41 304	0.41 252	0.41 304	0.41 260	0.41 300	0.41 259	0.41 302	0.41 258	0.41 270	0.41 285	0.41 314	0.41 264	0.41 295

ADLNet2	0.41 237	0.41 161	0.41 260	0.41 227	0.41 308	0.41 259	0.41 302	0.41 253	0.41 304	0.41 252	0.41 304	0.41 260	0.41 300	0.41 259	0.41 302	0.41 258	0.41 270	0.41 285	0.41 314	0.41 264	0.41 295

ADLNet	0.41 237	0.41 161	0.41 260	0.41 227	0.41 308	0.41 259	0.41 302	0.41 253	0.41 304	0.41 252	0.41 304	0.41 260	0.41 300	0.41 259	0.41 302	0.41 258	0.41 270	0.41 285	0.41 314	0.41 264	0.41 295

FSD	0.61 300	0.59 218	0.50 298	2.58 475	0.44 321	0.56 331	0.44 310	0.55 320	0.44 315	0.56 330	0.44 318	0.56 335	0.44 311	0.56 327	0.46 317	0.61 320	0.42 278	0.52 336	0.42 322	0.52 308	0.51 333

GASTEREO	0.48 271	1.21 353	0.47 281	0.57 282	0.38 292	0.50 313	0.38 284	0.50 301	0.38 285	0.50 311	0.38 290	0.50 317	0.38 282	0.50 309	0.38 284	0.52 305	0.42 278	0.46 306	0.34 275	0.46 279	0.34 260

DilatedVolume-Stereo	0.43 248	0.86 243	0.48 289	0.50 264	0.33 263	0.46 290	0.33 250	0.46 279	0.33 257	0.46 279	0.33 258	0.47 292	0.33 259	0.47 287	0.34 265	0.45 276	0.42 278	0.40 272	0.33 271	0.47 287	0.38 279

MonSter	0.60 297	0.64 224	0.52 307	0.62 291	0.44 321	2.07 485	0.44 310	0.62 334	0.44 315	0.62 341	0.44 318	0.62 345	0.44 311	0.62 336	0.44 312	0.58 314	0.42 278	0.62 346	0.46 327	0.58 316	0.42 302

depthmonostereo	0.44 252	0.85 242	0.46 274	0.54 275	0.40 301	0.52 324	0.38 284	0.52 313	0.35 269	0.47 285	0.34 266	0.46 286	0.34 264	0.47 287	0.34 265	0.45 276	0.43 282	0.41 285	0.33 271	0.41 264	0.32 247

LG-Stereo_Zeroshot	0.48 271	0.55 212	0.47 281	0.63 293	0.41 308	0.56 331	0.44 310	0.56 321	0.41 304	0.56 330	0.41 304	0.57 337	0.42 306	0.56 327	0.41 302	0.55 310	0.43 282	0.51 333	0.37 290	0.51 306	0.37 272

DispNO	1.00 375	0.63 222	0.43 266	3.45 502	0.44 321	0.65 346	0.43 309	0.64 336	0.43 312	0.64 344	0.43 316	0.64 346	3.03 521	0.64 341	0.43 311	4.55 528	0.43 282	0.63 348	0.43 323	0.63 320	0.43 303

z-ln-s-r	0.21 150	1.40 371	0.53 311	0.56 281	0.04 79	0.05 89	0.04 81	0.05 89	0.05 98	0.05 92	0.04 88	0.05 91	0.04 84	0.05 83	0.05 88	0.57 313	0.44 285	0.04 73	0.04 78	0.04 77	0.04 79

MyStereo07	0.60 297	3.72 483	0.48 289	0.49 257	0.41 308	0.36 223	0.32 241	0.49 293	0.43 312	0.51 316	0.42 314	0.49 303	0.43 309	0.51 316	0.64 353	0.49 291	0.45 286	0.34 226	0.32 263	0.35 221	0.43 303

MyStereo04	0.56 295	3.72 483	0.59 317	0.49 257	0.41 308	0.36 223	0.32 241	0.37 221	0.31 248	0.34 213	0.46 324	0.35 220	0.32 252	0.35 222	0.33 252	0.49 291	0.45 286	0.34 226	0.32 263	0.35 221	0.43 303

LG-Stereo_L1	0.47 266	0.52 204	0.47 281	0.62 291	0.39 299	0.53 326	0.40 294	0.53 315	0.39 294	0.53 322	0.39 295	0.53 325	0.39 288	0.53 321	0.39 291	0.55 310	0.46 288	0.49 324	0.37 290	0.49 295	0.37 272

SCV	0.46 260	0.94 263	0.45 270	0.54 275	0.37 285	0.48 300	0.38 284	0.48 289	0.37 281	0.48 292	0.39 295	0.48 299	0.37 278	0.49 302	0.37 281	0.50 297	0.46 288	0.44 299	0.34 275	0.44 274	0.34 260

otaku	0.46 260	0.46 179	0.46 274	0.46 241	0.46 326	0.46 290	0.46 317	0.46 279	0.46 318	0.46 279	0.46 324	0.46 286	0.46 317	0.46 283	0.46 317	0.46 279	0.46 288	0.46 306	0.46 327	0.46 279	0.46 309

Ntro	0.47 266	0.47 183	0.46 274	0.46 241	0.46 326	0.47 295	0.47 322	0.46 279	0.47 323	0.46 279	0.46 324	0.47 292	0.46 317	0.47 287	0.47 324	0.47 284	0.46 288	0.46 306	0.46 327	0.46 279	0.46 309

Dean	0.46 260	0.46 179	0.46 274	0.46 241	0.46 326	0.46 290	0.46 317	0.46 279	0.46 318	0.47 285	0.46 324	0.46 286	0.46 317	0.46 283	0.46 317	0.46 279	0.46 288	0.46 306	0.46 327	0.46 279	0.46 309

ACVNet_1	0.46 260	0.47 183	0.46 274	0.46 241	0.46 326	0.46 290	0.46 317	0.46 279	0.47 323	0.46 279	0.46 324	0.46 286	0.46 317	0.46 283	0.46 317	0.46 279	0.46 288	0.47 311	0.46 327	0.46 279	0.46 309

ACVNet-4b	0.46 260	0.46 179	0.46 274	0.46 241	0.46 326	0.46 290	0.46 317	0.46 279	0.46 318	0.46 279	0.46 324	0.46 286	0.46 317	0.47 287	0.46 317	0.46 279	0.46 288	0.46 306	0.46 327	0.46 279	0.46 309

Selective-IGEV	0.51 284	0.55 212	0.45 270	0.69 302	0.45 324	0.61 340	0.45 315	0.50 301	0.40 295	0.56 330	0.44 318	0.55 332	0.40 289	0.72 349	0.67 358	0.59 315	0.46 288	0.45 303	0.34 275	0.46 279	0.37 272

MSCF	0.51 284	1.40 371	0.49 294	0.58 284	0.38 292	0.50 313	0.38 284	0.54 317	0.41 304	0.52 319	0.41 304	0.53 325	0.42 306	0.53 321	0.41 302	0.60 316	0.47 296	0.48 319	0.37 290	0.48 291	0.38 279

HaxPig	0.47 266	0.47 183	0.47 281	0.49 257	0.47 332	0.47 295	0.47 322	0.47 285	0.47 323	0.47 285	0.47 332	0.47 292	0.47 325	0.47 287	0.47 324	0.47 284	0.47 296	0.47 311	0.47 334	0.47 287	0.48 318

UNDER WATER	0.47 266	0.47 183	0.47 281	0.47 247	0.47 332	0.47 295	0.47 322	0.47 285	0.47 323	0.47 285	0.47 332	0.47 292	0.46 317	0.47 287	0.47 324	0.47 284	0.47 296	0.47 311	0.46 327	0.47 287	0.47 316

LVE	0.47 266	0.47 183	0.47 281	0.47 247	0.49 338	0.47 295	0.47 322	0.47 285	0.49 332	0.47 285	0.47 332	0.47 292	0.46 317	0.47 287	0.47 324	0.47 284	0.47 296	0.48 319	0.47 334	0.47 287	0.47 316

WCG-NET	0.61 300	1.21 353	0.54 312	0.61 290	0.53 351	0.67 348	0.53 341	0.66 339	0.53 343	0.64 344	0.53 350	0.65 349	0.53 341	0.59 334	0.52 340	0.65 327	0.48 300	0.64 349	0.52 346	0.58 316	0.50 326

RainbowNet	0.48 271	0.48 189	0.48 289	0.48 251	0.48 336	0.48 300	0.48 331	0.48 289	0.48 330	0.48 292	0.48 336	0.48 299	0.48 326	0.48 296	0.48 330	0.48 288	0.48 300	0.48 319	0.48 337	0.48 291	0.48 318

notaker	0.48 271	0.49 191	0.48 289	0.48 251	0.48 336	0.48 300	0.48 331	0.48 289	0.49 332	0.48 292	0.48 336	0.48 299	0.48 326	0.48 296	0.48 330	0.48 288	0.48 300	0.48 319	0.48 337	0.48 291	0.49 323

MLG-Stereo	0.92 363	0.90 252	0.84 363	1.27 420	0.49 338	1.38 460	0.88 388	1.41 457	0.97 404	0.73 354	1.09 410	1.26 456	0.43 309	0.72 349	1.05 406	1.13 384	0.49 303	1.18 414	0.66 367	1.01 372	0.46 309

MyStereo8	0.71 319	3.92 490	0.52 307	0.59 287	0.52 348	0.57 337	0.53 341	0.59 329	0.50 335	0.59 337	0.51 347	0.57 337	0.50 334	0.56 327	0.52 340	0.54 308	0.49 303	0.54 340	0.49 340	0.55 314	0.50 326

ktn	0.72 322	0.53 207	1.08 385	1.14 360	0.51 347	1.22 450	1.36 476	0.51 311	0.59 350	0.51 316	0.51 347	0.69 352	1.20 412	0.67 345	0.51 338	0.51 303	0.49 303	0.58 343	0.66 367	0.52 308	0.53 335

KSHMR	0.66 308	0.50 195	0.48 289	1.15 362	0.52 348	0.49 305	0.51 339	0.49 293	0.71 374	0.67 348	0.50 341	1.16 406	1.11 401	0.66 343	0.52 340	0.49 291	0.49 303	0.51 333	0.66 367	0.50 300	1.14 414

TorneroNet	0.66 308	0.53 207	0.50 298	0.50 264	0.64 367	1.06 388	0.70 367	0.50 301	0.51 342	0.49 299	0.69 372	0.49 303	0.50 334	0.48 296	1.15 413	0.71 336	0.49 303	1.14 405	1.08 409	0.49 295	0.49 323

ACVNet_2	0.49 277	0.49 191	0.49 294	0.49 257	0.49 338	0.49 305	0.49 333	0.49 293	0.49 332	0.49 299	0.49 339	0.49 303	0.49 331	0.49 302	0.49 332	0.49 291	0.49 303	0.49 324	0.49 340	0.49 295	0.49 323

FoundationStereo	0.50 279	0.50 195	0.50 298	0.50 264	0.50 342	0.50 313	0.50 335	0.50 301	0.50 335	0.50 311	0.50 341	0.50 317	0.50 334	0.50 309	0.50 333	0.50 297	0.50 309	0.50 328	0.50 342	0.50 300	0.50 326

StereoAnything_RVC	0.50 279	0.50 195	0.50 298	0.50 264	0.50 342	0.50 313	0.50 335	0.50 301	0.50 335	0.50 311	0.50 341	0.50 317	0.50 334	0.50 309	0.50 333	0.50 297	0.50 309	0.50 328	0.50 342	0.50 300	0.50 326

dual_stereo	0.50 279	0.50 195	0.50 298	0.50 264	0.50 342	0.50 313	0.50 335	0.50 301	0.50 335	0.50 311	0.50 341	0.50 317	0.50 334	0.50 309	0.50 333	0.50 297	0.50 309	0.50 328	0.50 342	0.50 300	0.50 326

SANet	0.50 279	0.50 195	0.50 298	0.50 264	0.50 342	0.50 313	0.50 335	0.50 301	0.50 335	0.50 311	0.50 341	0.50 317	0.50 334	0.50 309	0.50 333	0.50 297	0.50 309	0.50 328	0.50 342	0.50 300	0.50 326

LG-Stereo	0.60 297	0.58 217	0.47 281	0.64 296	0.74 386	1.00 380	0.69 363	0.57 324	0.41 304	0.57 333	0.41 304	0.57 337	0.41 300	1.00 386	0.75 377	0.91 359	0.51 313	0.52 336	0.37 290	0.52 308	0.37 272

LL-Strereo2	0.48 271	1.73 387	0.51 304	0.59 287	0.34 273	0.42 277	0.33 250	0.40 238	0.31 248	0.42 264	0.33 258	0.42 276	0.31 250	0.44 276	0.39 291	0.60 316	0.51 313	0.44 299	0.33 271	0.44 274	0.33 254

AIO-test1	0.54 289	0.60 221	0.52 307	0.66 300	0.47 332	0.61 340	0.47 322	0.58 327	0.46 318	0.61 338	0.46 324	0.61 343	0.45 314	0.62 336	0.45 313	0.61 320	0.52 315	0.57 342	0.48 337	0.57 315	0.48 318

LL-Strereo	1.01 381	5.06 505	1.63 479	0.70 304	1.43 484	0.56 331	0.46 317	0.57 324	0.50 335	0.57 333	0.50 341	1.58 466	0.49 331	0.59 334	0.50 333	1.64 461	0.52 315	0.51 333	1.37 477	0.52 308	0.45 308

AIO-test2	0.55 293	0.59 218	0.52 307	0.67 301	0.47 332	0.61 340	0.47 322	0.61 333	0.47 323	0.61 338	0.47 332	0.61 343	0.48 326	0.62 336	0.47 324	0.64 326	0.53 317	0.58 343	0.47 334	0.58 316	0.48 318

PSMNet_ROB	0.54 289	0.54 210	0.54 312	0.54 275	0.53 351	0.54 329	0.54 343	0.53 315	0.54 345	0.54 325	0.54 351	0.54 328	0.53 341	0.54 323	0.54 343	0.54 308	0.53 317	0.54 340	0.54 348	0.54 313	0.54 338

anonymity	0.63 303	0.69 226	0.56 314	0.71 306	0.56 354	0.71 352	0.56 344	0.71 345	0.56 346	0.72 352	0.56 353	0.71 353	0.56 345	0.71 348	0.58 347	0.68 331	0.55 319	0.68 354	0.55 349	0.68 324	0.54 338

ARAFT	0.68 313	0.81 237	0.63 326	0.74 309	0.60 357	0.78 357	0.62 350	0.77 349	0.66 361	0.74 359	0.63 361	0.75 360	0.62 351	0.83 361	0.60 350	0.70 335	0.55 319	0.70 357	0.60 359	0.78 338	0.55 343

PAM_32	0.64 305	2.38 436	0.51 304	0.92 329	0.43 320	0.53 326	0.44 310	0.87 358	0.43 312	0.52 319	0.45 322	0.53 325	0.40 289	0.54 323	0.46 317	0.62 324	0.56 321	0.48 319	0.45 325	0.76 335	0.44 306

CASS	0.57 296	0.89 250	0.56 314	0.57 282	0.56 354	0.56 331	0.56 344	0.56 321	0.53 343	0.57 333	0.57 354	0.59 341	0.48 326	0.56 327	0.57 346	0.55 310	0.56 321	0.47 311	0.56 353	0.62 319	0.56 346
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
MyStereo06	0.75 326	4.12 491	0.60 319	0.63 293	0.61 363	0.62 343	0.66 355	0.56 321	0.45 317	0.55 328	0.48 336	0.54 328	0.46 317	0.57 332	0.45 313	0.60 316	0.57 323	0.64 349	0.55 349	0.72 330	0.55 343

MyStereo05	0.80 337	4.12 491	0.63 326	0.63 293	0.61 363	0.62 343	0.66 355	0.65 337	0.62 355	0.67 348	0.61 359	0.65 349	0.58 346	0.67 345	0.55 345	0.60 316	0.57 323	0.64 349	0.55 349	0.72 330	0.55 343

FlowAnything_test	1.02 383	1.72 382	0.71 343	1.59 434	0.70 379	1.61 468	0.69 363	1.61 459	0.70 369	1.60 462	0.70 374	1.61 470	0.69 363	1.61 466	0.70 370	0.81 347	0.58 325	0.81 372	0.55 349	0.81 346	0.56 346

FlowAnything	1.02 383	1.71 381	0.72 346	1.59 434	0.69 377	1.60 467	0.69 363	1.61 459	0.70 369	1.60 462	0.69 372	1.60 467	0.69 363	1.61 466	0.69 366	0.81 347	0.58 325	0.81 372	0.56 353	0.82 348	0.56 346

zero-FE	0.72 322	1.31 365	0.66 332	0.92 329	0.60 357	0.82 362	0.58 346	0.82 356	0.58 348	0.81 366	0.60 355	0.81 369	0.60 348	0.82 360	0.58 347	0.74 339	0.59 327	0.73 359	0.52 346	0.76 335	0.51 333

DDUNet	0.81 342	2.45 439	0.57 316	0.90 324	0.60 357	0.88 367	0.59 348	0.90 362	0.60 351	0.88 370	0.60 355	0.90 376	0.58 346	0.88 368	0.60 350	0.84 354	0.60 328	0.86 380	0.57 355	0.86 352	0.60 350

UDG	0.80 337	2.21 420	0.60 319	0.91 326	0.60 357	0.90 370	0.58 346	0.88 361	0.60 351	0.90 371	0.60 355	0.88 373	0.60 348	0.90 371	0.58 347	0.86 356	0.60 328	0.84 378	0.59 358	0.84 351	0.61 351

PA-Net	11.80 565	223.51 591	0.62 325	0.59 287	0.71 381	0.59 339	0.73 373	0.67 340	0.73 379	0.55 328	0.61 359	0.60 342	0.74 372	0.63 340	0.73 374	0.66 329	0.60 328	0.69 355	0.66 367	0.72 330	0.65 357
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
FC-DCNN	1.07 386	1.09 293	0.98 377	0.89 323	0.52 348	1.41 463	0.91 391	1.21 443	1.24 472	1.96 474	2.05 526	1.91 475	1.30 465	1.27 457	1.08 407	0.80 344	0.60 328	0.58 343	0.41 314	0.68 324	0.54 338

RAFT-Stereo + iAFF	0.70 317	0.72 228	0.71 343	0.80 314	0.62 366	0.82 362	0.61 349	0.81 355	0.62 355	0.81 366	0.63 361	0.80 366	0.70 365	0.73 351	0.61 352	0.76 341	0.61 332	0.74 361	0.61 361	0.77 337	0.61 351

SMoEStereo_RVC	0.63 303	0.75 230	0.51 304	0.73 308	0.53 351	0.71 352	0.47 322	0.67 340	0.58 348	0.74 359	0.60 355	0.72 356	0.53 341	0.74 353	0.51 338	0.61 320	0.62 333	0.62 346	0.61 361	0.63 320	0.61 351

AFF-stereo	0.73 324	0.88 247	0.67 336	0.75 310	0.68 376	0.75 354	0.64 352	0.80 352	0.72 376	0.83 368	0.70 374	0.82 370	0.64 352	0.84 362	0.67 358	0.77 342	0.63 334	0.81 372	0.63 363	0.78 338	0.62 354

STTRV1_RVC	0.82 346	1.60 378	0.70 339	1.01 347	0.60 357	1.07 391	0.69 363	1.01 379	0.60 351	0.72 352	0.55 352	1.02 392	0.68 360	1.03 391	0.67 358	0.89 358	0.63 334	0.92 387	0.57 355	0.90 358	0.65 357

AdaDepth	0.86 356	0.93 261	0.71 343	1.01 347	1.07 416	1.02 385	0.71 370	1.00 375	0.71 374	1.01 387	0.71 378	1.00 387	0.72 370	1.14 404	0.71 372	0.92 362	0.64 336	0.90 382	0.64 364	0.89 355	0.69 364

LMCR-Stereo	0.65 306	0.63 222	0.65 331	0.65 297	0.65 369	0.66 347	0.63 351	0.58 327	0.65 359	0.63 343	0.64 363	0.65 349	0.65 354	0.66 343	0.66 357	0.66 329	0.64 336	0.65 352	0.67 371	0.68 324	0.73 373

plain	1.88 462	3.16 470	0.64 328	3.10 486	0.65 369	3.10 521	0.64 352	3.12 520	0.65 359	3.10 521	0.65 365	3.11 521	0.65 354	3.12 520	0.65 354	3.12 516	0.65 338	3.13 521	0.65 365	3.13 507	0.65 357

DSFCA	0.66 308	0.73 229	0.78 356	0.65 297	0.65 369	0.64 345	0.64 352	0.65 337	0.63 357	0.64 344	0.64 363	0.64 346	0.64 352	0.65 342	0.65 354	0.65 327	0.65 338	0.65 352	0.65 365	0.66 322	0.64 356

UniTT-Stereo	2.03 479	3.43 476	0.72 346	3.42 501	0.73 384	3.27 524	0.68 360	3.38 524	0.69 366	3.29 524	0.72 381	3.28 524	0.70 365	3.35 525	0.68 362	3.39 518	0.68 340	3.31 523	0.69 374	3.37 508	0.73 373

DCRE	0.84 353	1.89 395	0.77 355	0.94 335	0.72 383	0.88 367	0.73 373	0.87 358	0.78 383	0.90 371	0.71 378	0.88 373	0.67 359	0.88 368	0.73 374	0.81 347	0.68 340	0.81 372	0.70 376	0.82 348	0.70 365

R-Stereo Train	0.81 342	0.96 265	0.67 336	0.95 337	0.67 373	0.95 375	0.68 360	0.95 373	0.68 363	0.95 381	0.68 369	0.96 384	0.68 360	0.96 382	0.68 362	0.94 367	0.68 340	0.94 389	0.68 372	0.94 365	0.68 362

RAFT-Stereo	0.81 342	0.96 265	0.67 336	0.95 337	0.67 373	0.95 375	0.68 360	0.95 373	0.68 363	0.95 381	0.68 369	0.96 384	0.68 360	0.96 382	0.68 362	0.94 367	0.68 340	0.94 389	0.68 372	0.94 365	0.68 362
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
CoDeX	0.15 123	0.70 227	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	0.67 358	0.02 15	0.69 344	0.75 362	0.01 9	0.02 20	0.02 20

AIO-Stereo-zeroshot1	0.75 326	0.92 259	0.85 364	0.96 340	0.59 356	1.27 453	0.44 310	0.59 329	0.69 366	0.91 373	0.68 369	0.55 332	0.61 350	1.06 393	0.83 387	0.62 324	0.70 345	0.90 382	0.41 314	0.89 355	0.56 346

RSM++	0.76 330	0.82 239	0.66 332	0.85 321	0.64 367	0.85 364	0.71 370	0.94 371	0.64 358	0.87 369	0.67 368	0.87 372	0.65 354	0.84 362	0.65 354	0.81 347	0.70 345	0.79 367	0.71 379	0.83 350	0.70 365

DMCA-RVC	0.70 317	0.80 234	0.70 339	0.70 304	0.70 379	0.70 350	0.70 367	0.71 345	0.70 369	0.70 351	0.71 378	0.71 353	0.70 365	0.70 347	0.69 366	0.69 332	0.70 345	0.69 355	0.70 376	0.69 328	0.70 365

MSMD_ROB	1.19 393	1.10 296	0.70 339	1.10 354	0.60 357	1.10 395	0.70 367	1.10 385	0.70 369	1.10 393	0.70 374	1.10 399	0.70 365	7.00 563	0.70 370	1.10 378	0.70 345	1.10 404	0.70 376	1.10 378	0.70 365

MoCha-V2	2.11 486	26.97 569	0.78 356	0.92 329	0.77 388	0.96 377	0.72 372	0.90 362	0.72 376	0.94 379	0.70 374	0.90 376	0.71 369	0.91 372	0.71 372	0.85 355	0.71 349	0.88 381	0.69 374	0.87 353	0.67 361

Former-RAFT_DAM_RVC	0.49 277	0.98 268	0.64 328	0.84 319	0.46 326	0.45 284	0.35 266	0.47 285	0.47 323	0.45 275	0.34 266	0.46 286	0.48 326	0.46 283	0.35 269	0.39 246	0.71 349	0.39 267	0.35 282	0.41 264	0.41 295

AIO-Stereo	0.84 353	0.66 225	0.70 339	0.83 318	0.67 373	0.98 378	0.82 385	1.14 386	0.72 376	1.03 389	0.74 384	1.03 393	1.09 400	0.99 384	0.45 313	1.04 373	0.73 351	0.95 391	0.74 382	0.94 365	0.46 309

iGMRVC	0.84 353	2.85 464	0.72 346	0.72 307	0.73 384	0.77 355	0.79 379	0.73 347	0.74 381	0.73 354	0.72 381	0.73 358	0.76 375	0.73 351	0.73 374	0.72 337	0.73 351	0.73 359	0.72 381	0.73 333	0.72 370

HSM-Net_RVC	0.95 371	1.17 303	0.78 356	1.18 369	0.71 381	1.16 403	0.75 375	1.09 384	0.80 387	1.10 393	0.75 385	1.17 407	0.74 372	1.17 407	0.80 383	1.13 384	0.73 351	1.17 411	0.77 384	1.16 384	0.72 370
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
SFCPSM	0.17 135	0.78 231	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	0.79 381	0.02 15	0.75 354	0.76 364	0.02 20	0.02 20	0.02 20

Syn2CoEx	0.25 161	1.31 365	0.74 350	0.92 329	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	0.87 357	0.75 354	0.02 18	0.02 20	0.02 20	0.02 20

RAStereo	2.23 499	3.64 479	0.76 353	3.65 510	0.86 394	3.66 528	0.76 376	3.67 528	0.81 390	3.66 525	0.76 386	3.66 526	0.77 377	3.68 527	0.77 380	3.68 521	0.77 356	3.69 528	0.77 384	3.70 510	0.77 379

tt45	1.04 385	0.88 247	1.36 462	0.92 329	1.03 414	1.51 466	0.79 379	0.70 344	0.88 392	0.74 359	0.90 394	1.60 467	0.72 370	1.60 464	0.75 377	0.91 359	0.78 357	1.52 476	0.79 387	1.14 380	1.32 478

ToySt	0.92 363	2.11 411	0.90 368	0.95 337	0.79 390	0.99 379	0.78 378	0.94 371	0.81 390	0.94 379	0.78 388	0.95 383	0.77 377	0.94 378	0.86 389	0.91 359	0.79 358	0.85 379	0.77 384	0.89 355	0.73 373

HBP-ISP	1.24 442	1.72 382	1.65 480	1.15 362	0.76 387	1.40 462	0.88 388	1.67 465	1.02 412	1.69 469	1.38 482	1.69 471	1.21 458	1.87 476	1.21 465	1.05 374	0.79 358	0.97 394	0.80 389	1.19 392	0.75 377

G-Net	0.79 335	0.79 233	0.79 359	0.79 312	0.79 390	0.79 359	0.79 379	0.79 350	0.79 386	0.79 363	0.79 389	0.79 365	0.79 379	0.79 356	0.79 381	0.79 343	0.79 358	0.79 367	0.79 387	0.79 340	0.79 380

NaN_ROB	0.80 337	0.80 234	0.80 360	0.80 314	0.80 392	0.80 360	0.80 382	0.80 352	0.80 387	0.80 364	0.80 390	0.80 366	0.80 380	0.80 358	0.80 383	0.80 344	0.80 361	0.80 370	0.80 389	0.80 343	0.80 381

CSAN	0.80 337	0.80 234	0.80 360	0.80 314	0.80 392	0.80 360	0.80 382	0.80 352	0.80 387	0.80 364	0.80 390	0.80 366	0.80 380	0.80 358	0.80 383	0.80 344	0.80 361	0.80 370	0.80 389	0.80 343	0.80 381

DPSimNet_ROB	0.97 372	1.18 305	0.81 362	1.10 354	0.91 400	1.02 385	0.82 385	1.04 381	0.91 394	1.03 389	0.86 393	1.28 458	0.82 382	1.03 391	0.89 390	1.17 387	0.81 363	1.02 400	0.82 392	1.08 377	0.81 383

Selective-RAFT-Error	0.88 358	0.84 240	0.98 377	0.86 322	0.97 406	0.88 367	0.95 396	0.84 357	0.99 407	0.92 375	0.82 392	0.84 371	0.98 390	0.87 367	0.97 398	0.81 347	0.83 364	0.79 367	0.82 392	0.79 340	0.85 386

Selective-RAFT	0.89 360	0.89 250	0.72 346	1.16 367	0.78 389	1.06 388	0.82 385	0.87 358	0.97 404	1.00 383	0.91 397	0.90 376	1.00 391	0.89 370	0.93 395	0.83 352	0.83 364	0.82 376	0.82 392	0.81 346	0.82 384

AIO-Stereo-zeroshot	0.91 361	0.86 243	0.89 365	1.25 419	0.69 377	1.05 387	0.81 384	1.16 390	0.50 335	1.12 399	0.97 402	0.72 356	0.82 382	1.06 393	0.95 396	0.61 320	0.87 366	1.03 402	0.85 395	1.04 375	1.01 403

Wavelet-MonSter	1.00 375	1.21 353	0.76 353	1.94 448	1.01 411	1.11 398	0.76 376	1.15 387	0.76 382	1.11 398	0.76 386	1.14 404	0.76 375	1.11 401	0.76 379	1.21 434	0.90 367	1.02 400	0.71 379	1.02 374	0.71 369
: A Wavelet-based Stereo Matching Framework for Solving Frequency Convergence Inconsistency.
DPSM_ROB	0.92 363	0.91 254	0.91 370	0.91 326	0.92 401	0.92 372	0.92 392	0.92 367	0.91 394	0.93 377	0.91 397	0.92 379	0.90 384	0.91 372	0.92 391	0.92 362	0.91 368	0.91 385	0.92 396	0.93 363	0.93 393

DPSM	0.92 363	0.91 254	0.91 370	0.91 326	0.92 401	0.92 372	0.92 392	0.92 367	0.91 394	0.93 377	0.91 397	0.92 379	0.90 384	0.91 372	0.92 391	0.92 362	0.91 368	0.91 385	0.92 396	0.93 363	0.93 393

DGTPSM_ROB	0.93 368	1.00 272	0.92 372	0.94 335	0.96 405	0.91 371	0.92 392	0.91 364	0.96 403	0.91 373	0.96 401	0.93 382	0.92 386	0.94 378	0.92 391	0.92 362	0.92 370	0.90 382	0.92 396	0.94 365	0.91 391

pmcnn	0.92 363	0.92 259	0.92 372	0.92 329	0.92 401	0.92 372	0.92 392	0.92 367	0.92 398	0.92 375	0.92 400	0.92 379	0.92 386	0.92 376	0.92 391	0.92 362	0.92 370	0.92 387	0.92 396	0.92 362	0.92 392

4D-IteraStereo	0.78 334	3.13 469	0.89 365	0.69 302	0.32 252	0.40 243	0.32 241	0.76 348	0.97 404	0.52 319	0.65 365	0.89 375	0.32 252	0.76 355	0.98 399	0.83 352	0.94 372	0.35 242	0.27 225	0.70 329	0.89 389

GANet	1.00 375	1.00 272	1.00 379	1.00 344	1.00 407	1.00 380	1.00 400	1.00 375	1.00 408	1.00 383	1.00 404	1.00 387	1.00 391	1.00 386	1.00 401	1.00 369	1.00 373	1.00 396	1.00 403	1.00 369	1.00 400

TDLM	1.00 375	1.00 272	1.00 379	1.00 344	1.00 407	1.00 380	1.00 400	1.00 375	1.00 408	1.00 383	1.00 404	1.00 387	1.00 391	1.00 386	1.00 401	1.00 369	1.00 373	1.00 396	1.00 403	1.00 369	1.00 400

CVANet_RVC	1.00 375	1.00 272	1.00 379	1.00 344	1.00 407	1.00 380	1.00 400	1.00 375	1.00 408	1.00 383	1.00 404	1.00 387	1.00 391	1.00 386	1.00 401	1.00 369	1.00 373	1.00 396	1.00 403	1.00 369	1.00 400

trnet	1.01 381	1.01 278	1.01 382	1.01 347	1.01 411	1.01 384	1.01 403	1.01 379	1.01 411	1.01 387	1.01 407	1.01 391	1.01 397	1.01 390	1.01 404	1.01 372	1.01 376	1.01 399	1.01 407	1.01 372	1.01 403

11t	1.27 444	2.70 450	1.34 452	1.32 424	0.89 396	1.30 455	1.34 473	1.64 462	0.57 347	1.45 460	0.72 381	1.05 394	1.29 464	1.07 396	1.29 474	1.49 453	1.02 377	0.97 394	1.15 413	1.48 449	1.31 477

ours_stereo	1.20 394	1.21 353	0.90 368	1.64 442	1.11 418	1.35 456	0.67 359	1.76 466	0.93 399	1.70 470	1.10 411	1.39 461	0.75 374	1.41 461	0.81 386	1.60 460	1.03 378	1.33 466	1.00 403	1.61 454	0.72 370

MM-Stereo_test2	1.20 394	1.85 391	1.05 383	1.46 431	0.94 404	1.36 458	0.99 399	1.36 452	0.95 401	1.41 458	0.98 403	1.40 463	0.96 388	1.37 459	0.95 396	1.37 447	1.06 379	1.33 466	0.93 400	1.29 443	0.89 389

ff7	1.68 454	2.68 447	1.35 454	0.97 341	0.89 396	1.84 471	2.15 519	2.12 479	1.80 505	2.05 484	1.56 488	2.33 490	2.12 512	2.23 487	2.25 522	1.31 439	1.07 380	1.48 473	1.41 480	0.90 358	1.04 405

ffff	1.68 454	2.68 447	1.35 454	0.97 341	0.89 396	1.84 471	2.15 519	2.12 479	1.80 505	2.05 484	1.56 488	2.33 490	2.12 512	2.23 487	2.25 522	1.31 439	1.07 380	1.48 473	1.41 480	0.90 358	1.04 405

ccc-4	1.68 454	2.68 447	1.35 454	0.97 341	0.89 396	1.84 471	2.15 519	2.12 479	1.80 505	2.05 484	1.56 488	2.33 490	2.12 512	2.23 487	2.25 522	1.31 439	1.07 380	1.48 473	1.41 480	0.90 358	1.04 405

FENet	0.54 289	1.52 375	1.19 396	1.41 430	0.23 205	0.35 220	0.23 195	0.35 211	0.23 196	0.34 213	0.23 199	0.35 220	0.23 199	0.35 222	0.23 195	1.40 448	1.07 380	0.32 211	0.23 198	0.33 205	0.23 183

sAnonymous2	3.31 524	2.63 445	1.38 466	3.71 512	1.86 507	4.70 547	1.11 408	4.82 550	2.72 529	5.45 555	1.98 521	4.59 540	2.64 517	2.65 507	6.21 560	4.37 523	1.08 384	5.16 554	2.24 524	4.52 521	2.39 527

CroCo_RVC	3.31 524	2.63 445	1.38 466	3.71 512	1.86 507	4.70 547	1.11 408	4.82 550	2.72 529	5.45 555	1.98 521	4.59 540	2.64 517	2.65 507	6.21 560	4.37 523	1.08 384	5.16 554	2.24 524	4.52 521	2.39 527

StereoVision	3.15 522	5.00 504	0.89 365	4.83 531	1.00 407	3.93 529	1.27 470	6.37 557	1.34 477	5.67 557	1.26 470	5.84 558	1.27 462	5.03 554	1.24 467	5.10 546	1.09 386	4.61 540	0.57 355	5.62 546	1.12 410

GLC_STEREO	1.07 386	1.01 278	1.06 384	1.07 352	1.05 415	1.06 388	1.08 407	1.08 382	1.05 414	1.07 391	1.06 409	1.08 395	1.05 399	1.06 393	1.10 408	1.07 375	1.09 386	1.05 403	1.05 408	1.06 376	1.12 410

RP	2.33 503	25.00 562	1.13 387	1.15 362	1.15 420	1.10 395	1.15 412	1.15 387	1.15 416	1.12 399	1.15 412	1.09 397	1.13 402	1.10 399	1.15 413	1.11 383	1.09 386	1.16 407	1.12 411	1.16 384	1.17 419

AF-Net	2.37 507	25.71 565	1.17 392	1.13 359	1.15 420	1.15 402	1.18 416	1.19 395	1.16 417	1.10 393	1.15 412	1.10 399	1.18 410	1.12 403	1.15 413	1.10 378	1.10 389	1.17 411	1.15 413	1.16 384	1.12 410

NCC-stereo	2.36 505	25.52 564	1.17 392	1.15 362	1.17 425	1.11 398	1.11 408	1.15 387	1.16 417	1.10 393	1.16 415	1.10 399	1.15 405	1.14 404	1.13 411	1.09 376	1.11 390	1.15 406	1.16 415	1.17 389	1.17 419

edge stereo	2.43 510	27.07 570	1.14 388	1.06 351	1.14 419	1.08 392	1.17 415	1.16 390	1.14 415	1.10 393	1.16 415	1.09 397	1.16 409	1.10 399	1.16 416	1.10 378	1.11 390	1.16 407	1.19 417	1.13 379	1.11 408

Nwc_Net	2.37 507	25.95 566	1.15 390	1.14 360	1.15 420	1.08 392	1.14 411	1.17 392	1.16 417	1.14 402	1.15 412	1.08 395	1.15 405	1.11 401	1.14 412	1.10 378	1.11 390	1.16 407	1.09 410	1.16 384	1.15 415

MM-Stereo_test3	1.27 444	2.07 407	1.18 394	1.60 437	1.02 413	1.45 464	1.01 403	1.40 456	1.04 413	1.44 459	1.03 408	1.46 465	1.02 398	1.44 462	1.02 405	1.51 456	1.12 393	1.32 465	0.98 401	1.38 447	0.97 396

stereogan	2.33 503	24.38 560	1.18 394	1.18 369	1.18 427	1.14 401	1.18 416	1.19 395	1.19 423	1.14 402	1.18 419	1.14 404	1.18 410	1.14 404	1.18 418	1.14 386	1.14 394	1.19 415	1.19 417	1.15 382	1.19 423

RGC	2.36 505	25.48 563	1.19 396	1.15 362	1.15 420	1.10 395	1.16 414	1.17 392	1.16 417	1.12 399	1.16 415	1.11 402	1.13 402	1.09 397	1.18 418	1.10 378	1.15 395	1.16 407	1.12 411	1.14 380	1.12 410

castereo++	0.54 289	3.59 477	1.15 390	1.31 423	0.14 157	0.16 141	0.14 151	0.16 141	0.14 157	0.16 138	0.14 160	0.16 139	0.13 153	0.16 140	0.14 150	1.45 451	1.16 396	0.15 141	0.14 160	0.15 141	0.13 150

MaDis-Stereo	3.19 523	6.02 525	1.12 386	5.61 540	1.16 424	5.43 555	1.02 405	5.15 554	0.70 369	5.43 554	1.21 465	5.03 555	0.97 389	4.85 548	0.99 400	4.53 527	1.16 396	5.53 556	1.25 470	5.37 544	1.30 476

Abc-Net	2.32 502	24.75 561	1.14 388	1.17 368	1.17 425	1.11 398	1.15 412	1.17 392	1.21 469	1.08 392	1.16 415	1.12 403	1.14 404	1.09 397	1.17 417	1.09 376	1.16 396	1.17 411	1.17 416	1.16 384	1.11 408
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
FAT-Stereo	2.46 511	26.05 567	1.23 448	1.23 418	1.22 476	1.20 404	1.24 466	1.23 446	1.23 471	1.19 405	1.22 466	1.21 454	1.24 460	1.20 409	1.24 467	1.21 434	1.17 399	1.22 462	1.25 470	1.20 393	1.24 473

SPS-STEREO	1.59 452	1.91 398	1.21 445	1.94 448	1.20 428	2.00 482	1.23 465	1.99 473	1.24 472	2.00 479	1.25 469	2.03 483	1.26 461	2.00 481	1.29 474	1.90 471	1.18 400	1.89 490	1.21 465	1.89 467	1.20 424
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
DisPM	1.20 394	1.20 307	1.20 399	1.20 371	1.20 428	1.20 404	1.20 418	1.20 398	1.20 424	1.20 406	1.20 420	1.20 409	1.20 412	1.20 409	1.20 420	1.20 389	1.20 401	1.20 416	1.20 420	1.20 393	1.20 424

CrosDoStereo	1.20 394	1.20 307	1.20 399	1.20 371	1.20 428	1.20 404	1.20 418	1.20 398	1.20 424	1.20 406	1.20 420	1.20 409	1.20 412	1.20 409	1.20 420	1.20 389	1.20 401	1.20 416	1.20 420	1.20 393	1.20 424

PFNet+	1.20 394	1.20 307	1.20 399	1.20 371	1.20 428	1.20 404	1.20 418	1.20 398	1.20 424	1.20 406	1.20 420	1.20 409	1.20 412	1.20 409	1.20 420	1.20 389	1.20 401	1.20 416	1.20 420	1.20 393	1.20 424

LCNet	1.20 394	1.20 307	1.20 399	1.20 371	1.20 428	1.20 404	1.20 418	1.20 398	1.20 424	1.20 406	1.20 420	1.20 409	1.20 412	1.20 409	1.20 420	1.20 389	1.20 401	1.20 416	1.20 420	1.20 393	1.20 424

HHNet	1.20 394	1.20 307	1.20 399	1.20 371	1.20 428	1.20 404	1.20 418	1.20 398	1.20 424	1.20 406	1.20 420	1.20 409	1.20 412	1.20 409	1.20 420	1.20 389	1.20 401	1.20 416	1.20 420	1.20 393	1.20 424

Patchmatch Stereo++	1.20 394	1.20 307	1.20 399	1.20 371	1.20 428	1.20 404	1.20 418	1.20 398	1.20 424	1.20 406	1.20 420	1.20 409	1.20 412	1.20 409	1.20 420	1.20 389	1.20 401	1.20 416	1.20 420	1.20 393	1.20 424
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	1.20 394	1.20 307	1.20 399	1.20 371	1.20 428	1.20 404	1.20 418	1.20 398	1.20 424	1.20 406	1.20 420	1.20 409	1.20 412	1.20 409	1.20 420	1.20 389	1.20 401	1.20 416	1.20 420	1.20 393	1.20 424

STrans-v2	1.20 394	1.20 307	1.20 399	1.20 371	1.20 428	1.20 404	1.20 418	1.20 398	1.20 424	1.20 406	1.20 420	1.20 409	1.20 412	1.20 409	1.20 420	1.20 389	1.20 401	1.20 416	1.20 420	1.20 393	1.20 424

TransformOpticalFlow	1.20 394	1.20 307	1.20 399	1.20 371	1.20 428	1.20 404	1.20 418	1.20 398	1.20 424	1.20 406	1.20 420	1.20 409	1.20 412	1.20 409	1.20 420	1.20 389	1.20 401	1.20 416	1.20 420	1.20 393	1.20 424

OMP-Stereo	1.20 394	1.20 307	1.20 399	1.20 371	1.20 428	1.20 404	1.20 418	1.20 398	1.20 424	1.20 406	1.20 420	1.20 409	1.20 412	1.20 409	1.20 420	1.20 389	1.20 401	1.20 416	1.20 420	1.20 393	1.20 424

IIG-Stereo	1.20 394	1.20 307	1.20 399	1.20 371	1.20 428	1.20 404	1.20 418	1.20 398	1.20 424	1.20 406	1.20 420	1.20 409	1.20 412	1.20 409	1.20 420	1.20 389	1.20 401	1.20 416	1.20 420	1.20 393	1.20 424

NF-Stereo	1.20 394	1.20 307	1.20 399	1.20 371	1.20 428	1.20 404	1.20 418	1.20 398	1.20 424	1.20 406	1.20 420	1.20 409	1.20 412	1.20 409	1.20 420	1.20 389	1.20 401	1.20 416	1.20 420	1.20 393	1.20 424

OCTAStereo	1.20 394	1.20 307	1.20 399	1.20 371	1.20 428	1.20 404	1.20 418	1.20 398	1.20 424	1.20 406	1.20 420	1.20 409	1.20 412	1.20 409	1.20 420	1.20 389	1.20 401	1.20 416	1.20 420	1.20 393	1.20 424

PSM-softLoss	1.20 394	1.20 307	1.20 399	1.20 371	1.20 428	1.20 404	1.20 418	1.20 398	1.20 424	1.20 406	1.20 420	1.20 409	1.20 412	1.20 409	1.20 420	1.20 389	1.20 401	1.20 416	1.20 420	1.20 393	1.20 424

KMStereo	1.20 394	1.20 307	1.20 399	1.20 371	1.20 428	1.20 404	1.20 418	1.20 398	1.20 424	1.20 406	1.20 420	1.20 409	1.20 412	1.20 409	1.20 420	1.20 389	1.20 401	1.20 416	1.20 420	1.20 393	1.20 424

NRIStereo	1.20 394	1.20 307	1.20 399	1.20 371	1.20 428	1.20 404	1.20 418	1.20 398	1.20 424	1.20 406	1.20 420	1.20 409	1.20 412	1.20 409	1.20 420	1.20 389	1.20 401	1.20 416	1.20 420	1.20 393	1.20 424

PSM-adaLoss	1.20 394	1.20 307	1.20 399	1.20 371	1.20 428	1.20 404	1.20 418	1.20 398	1.20 424	1.20 406	1.20 420	1.20 409	1.20 412	1.20 409	1.20 420	1.20 389	1.20 401	1.20 416	1.20 420	1.20 393	1.20 424

PSM-AAD	1.20 394	1.20 307	1.20 399	1.20 371	1.20 428	1.20 404	1.20 418	1.20 398	1.20 424	1.20 406	1.20 420	1.20 409	1.20 412	1.20 409	1.20 420	1.20 389	1.20 401	1.20 416	1.20 420	1.20 393	1.20 424

FTStereo	1.20 394	1.20 307	1.20 399	1.20 371	1.20 428	1.20 404	1.20 418	1.20 398	1.20 424	1.20 406	1.20 420	1.20 409	1.20 412	1.20 409	1.20 420	1.20 389	1.20 401	1.20 416	1.20 420	1.20 393	1.20 424

ROB_FTStereo_v2	1.20 394	1.20 307	1.20 399	1.20 371	1.20 428	1.20 404	1.20 418	1.20 398	1.20 424	1.20 406	1.20 420	1.20 409	1.20 412	1.20 409	1.20 420	1.20 389	1.20 401	1.20 416	1.20 420	1.20 393	1.20 424

ROB_FTStereo	1.20 394	1.20 307	1.20 399	1.20 371	1.20 428	1.20 404	1.20 418	1.20 398	1.20 424	1.20 406	1.20 420	1.20 409	1.20 412	1.20 409	1.20 420	1.20 389	1.20 401	1.20 416	1.20 420	1.20 393	1.20 424

Consistency-Raft	1.20 394	1.20 307	1.20 399	1.20 371	1.20 428	1.20 404	1.20 418	1.20 398	1.20 424	1.20 406	1.20 420	1.20 409	1.20 412	1.20 409	1.20 420	1.20 389	1.20 401	1.20 416	1.20 420	1.20 393	1.20 424

KYRaft	1.20 394	1.20 307	1.20 399	1.20 371	1.20 428	1.20 404	1.20 418	1.20 398	1.20 424	1.20 406	1.20 420	1.20 409	1.20 412	1.20 409	1.20 420	1.20 389	1.20 401	1.20 416	1.20 420	1.20 393	1.20 424

HUI-Stereo	1.20 394	1.20 307	1.20 399	1.20 371	1.20 428	1.20 404	1.20 418	1.20 398	1.20 424	1.20 406	1.20 420	1.20 409	1.20 412	1.20 409	1.20 420	1.20 389	1.20 401	1.20 416	1.20 420	1.20 393	1.20 424

ASMatch	1.20 394	1.20 307	1.20 399	1.20 371	1.20 428	1.20 404	1.20 418	1.20 398	1.20 424	1.20 406	1.20 420	1.20 409	1.20 412	1.20 409	1.20 420	1.20 389	1.20 401	1.20 416	1.20 420	1.20 393	1.20 424

DeepStereo_LL	1.20 394	1.20 307	1.20 399	1.20 371	1.20 428	1.20 404	1.20 418	1.20 398	1.20 424	1.20 406	1.20 420	1.20 409	1.20 412	1.20 409	1.20 420	1.20 389	1.20 401	1.20 416	1.20 420	1.20 393	1.20 424

DEmStereo	1.20 394	1.20 307	1.20 399	1.20 371	1.20 428	1.20 404	1.20 418	1.20 398	1.20 424	1.20 406	1.20 420	1.20 409	1.20 412	1.20 409	1.20 420	1.20 389	1.20 401	1.20 416	1.20 420	1.20 393	1.20 424

SST-Stereo	1.20 394	1.20 307	1.20 399	1.20 371	1.20 428	1.20 404	1.20 418	1.20 398	1.20 424	1.20 406	1.20 420	1.20 409	1.20 412	1.20 409	1.20 420	1.20 389	1.20 401	1.20 416	1.20 420	1.20 393	1.20 424

THIR-Stereo	1.20 394	1.20 307	1.20 399	1.20 371	1.20 428	1.20 404	1.20 418	1.20 398	1.20 424	1.20 406	1.20 420	1.20 409	1.20 412	1.20 409	1.20 420	1.20 389	1.20 401	1.20 416	1.20 420	1.20 393	1.20 424

RAFT_R40	1.20 394	1.20 307	1.20 399	1.20 371	1.20 428	1.20 404	1.20 418	1.20 398	1.20 424	1.20 406	1.20 420	1.20 409	1.20 412	1.20 409	1.20 420	1.20 389	1.20 401	1.20 416	1.20 420	1.20 393	1.20 424

DRaft	1.20 394	1.20 307	1.20 399	1.20 371	1.20 428	1.20 404	1.20 418	1.20 398	1.20 424	1.20 406	1.20 420	1.20 409	1.20 412	1.20 409	1.20 420	1.20 389	1.20 401	1.20 416	1.20 420	1.20 393	1.20 424

PFNet	1.20 394	1.20 307	1.20 399	1.20 371	1.20 428	1.20 404	1.20 418	1.20 398	1.20 424	1.20 406	1.20 420	1.20 409	1.20 412	1.20 409	1.20 420	1.20 389	1.20 401	1.20 416	1.20 420	1.20 393	1.20 424

GrayStereo	1.20 394	1.20 307	1.20 399	1.20 371	1.20 428	1.20 404	1.20 418	1.20 398	1.20 424	1.20 406	1.20 420	1.20 409	1.20 412	1.20 409	1.20 420	1.20 389	1.20 401	1.20 416	1.20 420	1.20 393	1.20 424

RE-Stereo	1.20 394	1.20 307	1.20 399	1.20 371	1.20 428	1.20 404	1.20 418	1.20 398	1.20 424	1.20 406	1.20 420	1.20 409	1.20 412	1.20 409	1.20 420	1.20 389	1.20 401	1.20 416	1.20 420	1.20 393	1.20 424

Pruner-Stereo	1.20 394	1.20 307	1.20 399	1.20 371	1.20 428	1.20 404	1.20 418	1.20 398	1.20 424	1.20 406	1.20 420	1.20 409	1.20 412	1.20 409	1.20 420	1.20 389	1.20 401	1.20 416	1.20 420	1.20 393	1.20 424

TVStereo	1.20 394	1.20 307	1.20 399	1.20 371	1.20 428	1.20 404	1.20 418	1.20 398	1.20 424	1.20 406	1.20 420	1.20 409	1.20 412	1.20 409	1.20 420	1.20 389	1.20 401	1.20 416	1.20 420	1.20 393	1.20 424

DeepStereo_RVC	1.20 394	1.20 307	1.20 399	1.20 371	1.20 428	1.20 404	1.20 418	1.20 398	1.20 424	1.20 406	1.20 420	1.20 409	1.20 412	1.20 409	1.20 420	1.20 389	1.20 401	1.20 416	1.20 420	1.20 393	1.20 424

RAFT-RH_RVC	1.20 394	1.20 307	1.20 399	1.20 371	1.20 428	1.20 404	1.20 418	1.20 398	1.20 424	1.20 406	1.20 420	1.20 409	1.20 412	1.20 409	1.20 420	1.20 389	1.20 401	1.20 416	1.20 420	1.20 393	1.20 424

IRAFT_RVC	1.20 394	1.20 307	1.20 399	1.20 371	1.20 428	1.20 404	1.20 418	1.20 398	1.20 424	1.20 406	1.20 420	1.20 409	1.20 412	1.20 409	1.20 420	1.20 389	1.20 401	1.20 416	1.20 420	1.20 393	1.20 424

RAFT-345	1.20 394	1.20 307	1.20 399	1.20 371	1.20 428	1.20 404	1.20 418	1.20 398	1.20 424	1.20 406	1.20 420	1.20 409	1.20 412	1.20 409	1.20 420	1.20 389	1.20 401	1.20 416	1.20 420	1.20 393	1.20 424

iRAFT	1.20 394	1.20 307	1.20 399	1.20 371	1.20 428	1.20 404	1.20 418	1.20 398	1.20 424	1.20 406	1.20 420	1.20 409	1.20 412	1.20 409	1.20 420	1.20 389	1.20 401	1.20 416	1.20 420	1.20 393	1.20 424

CRE-IMP	1.20 394	1.20 307	1.20 399	1.20 371	1.20 428	1.20 404	1.20 418	1.20 398	1.20 424	1.20 406	1.20 420	1.20 409	1.20 412	1.20 409	1.20 420	1.20 389	1.20 401	1.20 416	1.20 420	1.20 393	1.20 424

GMM-Stereo	1.20 394	1.20 307	1.20 399	1.20 371	1.20 428	1.20 404	1.20 418	1.20 398	1.20 424	1.20 406	1.20 420	1.20 409	1.20 412	1.20 409	1.20 420	1.20 389	1.20 401	1.20 416	1.20 420	1.20 393	1.20 424

RAFT-IKP	1.20 394	1.20 307	1.20 399	1.20 371	1.20 428	1.20 404	1.20 418	1.20 398	1.20 424	1.20 406	1.20 420	1.20 409	1.20 412	1.20 409	1.20 420	1.20 389	1.20 401	1.20 416	1.20 420	1.20 393	1.20 424

Prome-Stereo	1.20 394	1.20 307	1.20 399	1.20 371	1.20 428	1.20 404	1.20 418	1.20 398	1.20 424	1.20 406	1.20 420	1.20 409	1.20 412	1.20 409	1.20 420	1.20 389	1.20 401	1.20 416	1.20 420	1.20 393	1.20 424

S-Stereo	2.51 512	26.86 568	1.23 448	1.22 416	1.22 476	1.24 452	1.25 467	1.22 444	1.24 472	1.21 451	1.24 468	1.19 408	1.27 462	1.19 408	1.24 467	1.19 388	1.20 401	1.25 463	1.19 417	1.24 441	1.23 472

CSP-Net	0.34 196	1.29 363	1.19 396	1.36 427	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	1.26 437	1.21 447	0.03 38	0.09 110	0.02 20	0.09 110

GANetREF_RVC	1.55 451	1.94 404	1.22 446	1.88 445	1.21 474	1.88 474	1.22 464	1.88 468	1.22 470	1.88 471	1.22 466	1.88 473	1.22 459	1.89 477	1.22 466	1.87 467	1.22 448	1.88 489	1.22 466	1.88 466	1.22 470
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
2.25w	2.00 469	1.86 393	1.98 510	2.95 484	2.17 525	2.26 488	1.35 474	2.42 496	2.00 523	2.07 487	1.27 471	2.53 499	1.99 507	2.29 491	1.49 486	2.21 485	1.32 449	1.85 483	1.87 514	2.52 495	1.62 499

3.25w	2.04 482	2.20 418	1.48 472	3.03 485	2.17 525	2.63 510	1.39 482	1.96 471	1.95 519	1.96 474	1.37 480	2.71 510	1.96 504	2.71 510	1.73 503	2.26 487	1.32 449	1.87 486	1.87 514	2.51 494	1.63 500

1w_stereo	2.05 484	2.32 427	1.35 454	3.74 514	2.01 515	2.73 514	1.42 486	1.88 468	1.93 518	2.03 482	1.28 472	2.71 510	1.99 507	2.72 512	1.72 498	2.20 484	1.32 449	1.87 486	1.86 513	2.45 487	1.54 489

IGEV	2.02 477	2.20 418	1.82 493	2.90 483	2.16 523	2.41 497	1.25 467	2.00 474	1.98 520	1.99 478	1.31 474	2.72 514	1.93 501	2.67 509	1.69 495	2.26 487	1.32 449	1.83 482	1.87 514	2.53 498	1.61 498

IGEVStereo-DCA	1.77 458	4.21 495	1.84 497	2.49 472	2.11 521	2.54 507	1.36 476	1.65 463	1.17 421	2.75 515	1.90 509	2.54 501	1.15 405	0.94 378	1.11 409	1.50 454	1.32 449	0.96 392	1.46 486	1.49 450	0.88 387

rrr	1.77 458	4.21 495	1.84 497	2.49 472	2.11 521	2.54 507	1.36 476	1.65 463	1.17 421	2.75 515	1.90 509	2.54 501	1.15 405	0.94 378	1.11 409	1.50 454	1.32 449	0.96 392	1.46 486	1.49 450	0.88 387

MC-Stereo	1.76 457	2.96 465	1.37 464	2.14 456	1.37 480	2.14 487	1.36 476	2.14 482	1.37 482	2.14 488	1.37 480	2.14 485	1.37 472	2.14 486	1.37 480	1.97 474	1.32 449	1.97 492	1.32 473	1.98 468	1.33 479

4.5_new	2.00 469	1.84 390	1.98 510	2.77 478	2.16 523	2.27 489	1.28 471	2.09 478	1.98 520	2.01 480	1.28 472	2.71 510	1.98 505	2.51 501	1.65 491	2.26 487	1.33 456	1.87 486	1.87 514	2.49 491	1.60 496

3w_stereo	2.04 482	2.24 422	1.70 482	3.15 488	2.18 527	2.49 501	1.26 469	2.03 476	1.98 520	1.98 477	1.33 475	2.72 514	1.99 507	2.59 504	1.72 498	2.22 486	1.33 456	1.85 483	1.88 519	2.50 493	1.58 494

gwcnet-sp	0.82 346	1.72 382	1.48 472	0.39 201	0.15 168	0.31 204	0.21 183	0.20 159	0.25 203	1.61 465	0.23 199	0.28 197	0.26 214	0.20 159	0.15 160	0.24 178	1.33 456	0.32 211	0.16 165	6.75 550	0.23 183

scenet	0.82 346	1.72 382	1.48 472	0.39 201	0.15 168	0.31 204	0.21 183	0.20 159	0.25 203	1.61 465	0.23 199	0.28 197	0.26 214	0.20 159	0.15 160	0.24 178	1.33 456	0.32 211	0.16 165	6.75 550	0.23 183

ssnet	0.82 346	1.72 382	1.48 472	0.39 201	0.15 168	0.31 204	0.21 183	0.20 159	0.25 203	1.61 465	0.23 199	0.28 197	0.26 214	0.20 159	0.15 160	0.24 178	1.33 456	0.32 211	0.16 165	6.75 550	0.23 183

MaskLacGwcNet_RVC	1.35 446	1.35 368	1.35 454	1.35 426	1.35 478	1.35 456	1.35 474	1.36 452	1.35 480	1.36 456	1.35 477	1.36 459	1.36 470	1.36 458	1.35 478	1.35 443	1.35 461	1.35 469	1.35 474	1.35 445	1.35 482

RASNet	1.49 450	1.65 379	1.45 470	1.38 429	1.43 484	1.47 465	1.36 476	1.38 455	1.36 481	1.39 457	1.60 492	1.45 464	1.45 476	1.51 463	2.21 521	1.53 457	1.36 462	1.36 471	1.36 476	1.66 457	1.36 483

PS-NSSS	1.38 449	1.39 370	1.34 452	1.34 425	1.35 478	1.38 460	1.37 481	1.35 451	1.38 483	1.34 454	1.34 476	1.39 461	1.38 473	1.70 468	1.40 482	1.36 445	1.36 462	1.36 471	1.37 477	1.37 446	1.36 483

castereo	0.61 300	3.79 485	1.35 454	1.52 432	0.15 168	0.17 149	0.16 159	0.20 159	0.21 187	0.18 151	0.16 169	0.21 167	0.12 148	0.26 197	0.17 169	1.43 450	1.38 464	0.17 152	0.16 165	0.18 155	0.16 156

CC-Net-ROB	1.36 447	1.33 367	1.33 451	1.36 427	1.38 481	1.36 458	1.33 472	1.37 454	1.34 477	1.35 455	1.36 479	1.38 460	1.34 468	1.38 460	1.38 481	1.35 443	1.38 464	1.33 466	1.35 474	1.43 448	1.34 481

sCroCo_RVC	2.10 485	2.76 458	1.92 507	2.78 481	1.39 482	2.73 514	1.41 484	2.73 511	1.40 484	2.77 520	1.41 484	2.74 516	1.40 474	2.74 515	1.40 482	2.72 513	1.42 466	2.72 519	1.44 485	2.79 505	1.42 487

psmg	0.43 248	1.91 398	0.92 372	1.91 447	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	1.97 474	1.44 467	0.04 73	0.03 54	0.02 20	0.03 51

999	1.00 375	1.12 297	0.59 317	1.10 354	1.21 474	1.09 394	0.52 340	1.08 382	1.43 486	1.18 404	1.35 477	0.98 386	0.52 340	0.91 372	0.85 388	0.72 337	1.46 468	0.83 377	0.98 401	0.68 324	1.41 486

DEFOM-Stereo	0.68 313	3.11 468	1.40 468	1.63 441	0.25 212	0.31 204	0.25 203	0.31 200	0.28 224	0.31 201	0.29 232	0.29 202	0.27 222	0.31 211	0.28 220	1.59 458	1.47 469	0.30 204	0.29 239	0.30 192	0.28 221

ssnet_v2	0.68 313	1.96 405	1.25 450	0.29 169	0.20 191	0.30 199	0.20 177	0.29 194	0.22 190	1.50 461	0.20 189	0.31 209	0.20 187	0.27 200	0.22 189	0.24 178	1.49 470	0.26 191	0.18 187	3.90 512	0.19 174

4w-stereo	2.02 477	2.72 454	1.44 469	3.36 499	1.59 489	2.48 500	1.72 497	2.28 485	1.24 472	2.24 491	1.65 496	2.56 503	1.32 467	2.39 495	1.98 518	2.67 511	1.51 471	1.66 479	1.24 468	2.53 498	1.88 517

test_xeample3	1.10 388	1.81 388	0.61 324	0.84 319	0.49 338	0.77 355	0.66 355	0.92 367	1.40 484	0.68 350	0.46 324	0.78 363	0.54 344	1.72 469	1.48 485	1.34 442	1.52 472	1.35 469	1.67 502	1.33 444	1.55 490

2.5w	2.01 476	2.40 437	1.37 464	3.28 493	2.01 515	2.71 511	1.43 488	1.82 467	1.83 508	1.90 473	1.41 484	2.71 510	1.35 469	2.71 510	1.85 508	2.66 509	1.53 473	1.64 478	1.23 467	2.53 498	1.87 514

3.25w_new	2.03 479	2.72 454	1.35 454	3.33 498	1.57 487	2.72 512	1.53 490	2.15 483	1.33 476	2.15 489	1.60 492	2.63 507	1.30 465	2.72 512	1.99 519	2.67 511	1.53 473	1.75 481	1.25 470	2.53 498	1.87 514

MM-Stereo_test1	1.80 460	3.41 475	1.52 476	2.12 455	1.41 483	2.04 483	1.41 484	2.05 477	1.46 487	2.04 483	1.41 484	2.05 484	1.42 475	2.05 482	1.43 484	2.04 478	1.54 475	1.94 491	1.38 479	1.99 469	1.33 479

NINENet	0.69 316	3.87 489	1.20 399	1.98 452	0.05 99	0.40 243	0.04 81	0.40 238	0.05 98	0.41 252	0.04 88	0.41 260	0.05 94	0.40 245	0.05 88	1.79 464	1.56 476	0.34 226	0.22 193	0.34 209	0.23 183

monsters	2.18 489	2.41 438	1.96 509	3.47 503	2.03 519	2.53 505	1.64 493	2.48 498	1.73 500	2.40 499	1.50 487	2.62 506	1.94 502	2.59 504	1.94 515	2.44 501	1.57 477	2.28 501	1.87 514	2.42 485	1.86 512

3.5w_stereo	2.03 479	2.72 454	1.35 454	3.41 500	1.57 487	2.72 512	1.49 489	2.01 475	1.34 477	2.15 489	1.61 494	2.63 507	1.36 470	2.72 512	1.99 519	2.66 509	1.58 478	1.68 480	1.24 468	2.53 498	1.87 514

LG-G_1	2.22 496	2.71 452	1.89 504	2.77 478	1.87 510	2.75 516	1.87 506	2.76 513	1.87 514	2.75 515	1.87 504	2.76 517	1.87 495	2.75 516	1.86 509	2.47 503	1.58 478	2.45 511	1.57 489	2.45 487	1.57 492

LG-G	2.22 496	2.71 452	1.89 504	2.77 478	1.87 510	2.75 516	1.87 506	2.76 513	1.87 514	2.75 515	1.87 504	2.76 517	1.87 495	2.75 516	1.86 509	2.47 503	1.58 478	2.45 511	1.57 489	2.45 487	1.57 492

LGtest1	2.22 496	2.70 450	1.89 504	2.76 477	1.86 507	2.75 516	1.86 504	2.75 512	1.86 510	2.75 515	1.86 503	2.77 519	1.87 495	2.75 516	1.86 509	2.46 502	1.58 478	2.45 511	1.56 488	2.45 487	1.56 491

DPSMNet_ROB	1.60 453	1.59 377	1.70 482	1.59 434	1.59 489	1.61 468	1.61 491	1.60 458	1.60 489	1.62 468	1.59 491	1.60 467	1.60 478	1.60 464	1.59 488	1.59 458	1.60 482	1.59 477	1.59 494	1.59 453	1.59 495

CRFU-Net	0.65 306	1.67 380	1.22 446	1.96 451	0.27 222	0.41 259	0.27 214	0.41 253	0.27 221	0.40 238	0.26 217	0.41 260	0.27 222	0.40 245	0.27 211	1.80 465	1.62 483	0.34 226	0.23 198	0.33 205	0.23 183

MFMNet_re	1.81 461	1.91 398	1.71 484	1.95 450	1.70 499	1.95 479	1.70 496	1.96 471	1.74 502	1.97 476	1.72 499	1.95 476	1.71 485	1.97 480	1.71 496	1.86 466	1.62 483	1.85 483	1.66 501	1.86 465	1.64 501

Anonymous3	2.55 513	3.26 473	1.65 480	3.28 493	1.63 492	3.24 523	1.68 494	3.27 522	1.66 490	3.28 523	1.67 497	3.25 523	1.66 481	3.27 522	1.64 490	3.26 517	1.65 485	3.30 522	1.65 500	4.95 539	1.65 503

monsterstereo	2.20 495	2.33 428	1.95 508	3.65 510	2.07 520	2.49 501	1.61 491	2.48 498	1.83 508	2.45 500	1.61 494	2.67 509	1.86 494	2.64 506	1.94 515	2.48 505	1.66 486	2.34 505	1.68 504	2.40 484	1.86 512

RAFT_CTSACE	1.92 463	3.71 482	1.72 485	1.88 445	1.72 500	2.04 483	1.42 486	2.18 484	1.89 516	2.02 481	1.97 515	1.95 476	2.06 511	1.93 478	1.62 489	1.76 463	1.66 486	2.02 493	1.73 510	1.73 460	1.43 488

UDGNet	2.23 499	5.40 515	1.72 485	2.48 471	1.69 496	2.51 504	1.69 495	2.51 501	1.72 499	2.50 503	1.69 498	2.52 498	1.69 484	2.50 500	1.68 494	2.41 500	1.70 488	2.42 510	1.69 506	2.42 485	1.64 501

TRStereo	2.00 469	2.13 412	1.85 499	2.27 462	1.84 504	2.28 491	1.84 500	2.29 487	1.86 510	2.30 493	1.87 504	2.30 487	1.87 495	2.08 483	1.72 498	2.08 479	1.72 489	2.08 495	1.72 507	2.08 470	1.72 505

XX-Stereo	2.00 469	2.13 412	1.85 499	2.27 462	1.84 504	2.28 491	1.84 500	2.29 487	1.86 510	2.30 493	1.87 504	2.30 487	1.87 495	2.08 483	1.72 498	2.08 479	1.72 489	2.08 495	1.72 507	2.08 470	1.72 505

EAI-Stereo	2.00 469	2.13 412	1.85 499	2.27 462	1.84 504	2.28 491	1.84 500	2.29 487	1.86 510	2.30 493	1.87 504	2.30 487	1.87 495	2.08 483	1.72 498	2.08 479	1.72 489	2.08 495	1.72 507	2.08 470	1.72 505

U	5.15 557	8.49 537	1.81 488	8.49 554	1.77 501	8.49 564	1.77 498	8.51 565	1.77 503	8.49 565	1.77 500	8.50 565	1.78 492	8.58 565	1.77 504	8.54 563	1.78 492	8.55 565	1.78 511	8.55 559	1.84 510

MIF-Stereo (partial)	2.58 514	3.31 474	0.66 332	3.18 490	0.66 372	3.18 522	0.66 355	3.21 521	0.67 362	3.19 522	0.66 367	3.19 522	0.66 357	3.31 524	0.68 362	5.09 545	1.79 493	8.23 564	1.67 502	6.18 548	1.38 485

test-3	0.98 374	4.13 493	1.85 499	1.85 444	0.61 363	0.69 349	0.37 278	0.63 335	0.61 354	0.66 347	0.51 347	0.73 358	0.44 311	0.57 332	0.54 343	1.68 462	1.81 494	0.40 272	0.43 323	0.66 322	0.50 326

asda	2.17 488	2.54 441	1.81 488	3.47 503	1.78 502	2.50 503	1.86 504	2.61 504	1.68 491	2.61 506	1.83 501	2.37 494	1.73 487	2.44 499	1.88 513	2.51 506	1.84 495	2.34 505	1.62 498	2.23 475	1.77 509

FBW_ROB	2.12 487	2.46 440	1.77 487	2.49 472	1.79 503	2.38 495	1.83 499	2.46 497	1.78 504	2.48 502	1.97 515	2.40 495	1.78 492	2.42 498	1.83 506	2.31 494	1.85 496	2.38 508	1.82 512	2.35 482	1.84 510

qwe	2.18 489	2.60 444	1.58 477	3.83 515	1.90 512	2.53 505	1.90 509	2.48 498	1.73 500	2.37 498	1.92 511	2.53 499	1.68 482	2.56 502	1.83 506	2.52 508	1.87 497	2.07 494	1.68 504	2.32 481	1.71 504

asd	2.18 489	2.77 460	1.58 477	3.59 508	2.00 514	2.58 509	1.85 503	2.39 495	1.71 495	2.47 501	1.97 515	2.59 505	1.61 479	2.56 502	1.79 505	2.51 506	1.99 498	2.11 498	1.62 498	2.36 483	1.60 496

4.25w-stereo	1.98 464	2.72 454	1.46 471	3.47 503	1.43 484	2.07 485	1.98 511	2.53 502	1.52 488	2.71 508	1.98 521	1.81 472	1.62 480	1.96 479	1.36 479	1.88 470	2.00 499	2.53 516	1.61 496	1.74 461	1.15 415

2w_stereo	1.99 465	2.36 435	1.81 488	3.24 491	1.67 494	1.94 476	1.98 511	2.72 505	1.68 491	2.72 509	1.94 512	1.98 479	1.74 489	1.79 473	1.27 471	1.95 473	2.00 499	2.53 516	1.60 495	1.68 458	1.15 415

4.25_new	2.00 469	2.33 428	1.82 493	3.32 496	1.69 496	1.95 479	1.99 514	2.72 505	1.71 495	2.72 509	1.97 515	2.01 481	1.74 489	1.77 471	1.28 472	2.18 482	2.01 501	2.48 514	1.58 492	1.65 455	1.17 419

4.5w_new	2.00 469	2.33 428	1.82 493	3.32 496	1.69 496	1.95 479	1.99 514	2.72 505	1.71 495	2.72 509	1.97 515	2.01 481	1.74 489	1.77 471	1.28 472	2.18 482	2.01 501	2.48 514	1.58 492	1.65 455	1.17 419

2.75w_new	1.99 465	2.34 432	1.81 488	3.14 487	1.62 491	1.94 476	1.99 514	2.72 505	1.71 495	2.72 509	1.99 524	1.90 474	1.73 487	1.82 475	1.29 474	2.37 497	2.01 501	2.31 503	1.42 483	1.77 463	1.22 470

3.75w	1.99 465	2.31 426	1.83 496	3.16 489	1.65 493	1.93 475	1.98 511	2.72 505	1.68 491	2.73 514	1.97 515	2.00 480	1.72 486	1.81 474	1.25 470	2.27 490	2.01 501	2.38 508	1.42 483	1.71 459	1.24 473

4.5w-stereo	1.99 465	2.33 428	1.81 488	3.28 493	1.68 495	1.94 476	1.99 514	2.72 505	1.70 494	2.72 509	1.99 524	1.97 478	1.68 482	1.76 470	1.29 474	1.91 472	2.02 505	2.53 516	1.61 496	1.75 462	1.16 418

HUF	2.18 489	2.30 425	1.99 513	2.34 467	2.02 518	2.41 497	2.06 518	2.38 494	1.89 516	2.36 497	1.85 502	2.56 503	1.98 505	2.31 493	1.97 517	2.30 493	2.03 506	2.30 502	2.11 521	2.23 475	2.16 519

AIO_rvc	2.18 489	2.34 432	1.87 503	2.32 466	1.94 513	2.40 496	1.89 508	2.37 493	2.07 525	2.52 504	1.95 514	2.44 497	1.99 507	2.41 496	1.89 514	2.32 495	2.09 507	2.24 499	2.18 522	2.21 474	2.23 521

AIO_test	2.18 489	2.09 410	2.04 514	2.42 469	2.01 515	2.47 499	1.94 510	2.34 492	2.03 524	2.56 505	1.94 512	2.43 496	1.94 502	2.41 496	1.87 512	2.39 499	2.10 508	2.35 507	1.91 520	2.25 477	2.19 520

DEFOM-Stereo_RVC	0.83 350	5.18 507	1.98 510	2.19 457	0.17 178	0.19 156	0.18 170	0.19 154	0.16 169	0.20 158	0.19 185	0.22 173	0.22 193	0.20 159	0.15 160	2.28 491	2.13 509	0.24 187	0.17 183	0.18 155	0.16 156

error version	0.93 368	4.47 498	2.35 518	1.99 453	0.37 285	0.41 259	0.36 273	0.41 253	0.35 269	0.43 270	0.36 279	0.41 260	0.40 289	0.41 259	0.36 273	1.87 467	2.16 510	0.47 311	0.37 290	0.39 249	0.33 254

test_1	0.93 368	4.47 498	2.35 518	1.99 453	0.37 285	0.41 259	0.36 273	0.41 253	0.35 269	0.43 270	0.36 279	0.41 260	0.40 289	0.41 259	0.36 273	1.87 467	2.16 510	0.47 311	0.37 290	0.39 249	0.33 254

STTStereo	3.73 527	30.40 574	2.37 520	2.39 468	2.31 530	2.35 494	2.33 523	2.29 487	2.42 527	2.32 496	2.34 528	2.33 490	2.36 516	2.30 492	2.27 525	2.35 496	2.22 512	2.31 503	2.22 523	2.29 480	2.34 526

NCCL2	2.28 501	2.27 423	2.28 516	2.28 465	2.28 528	2.27 489	2.29 522	2.28 485	2.28 526	2.27 492	2.28 527	2.28 486	2.27 515	2.27 490	2.28 526	2.28 491	2.28 513	2.27 500	2.29 526	2.27 478	2.29 522

iRaftStereo_RVC	0.97 372	3.17 471	2.30 517	2.42 469	0.38 292	0.54 329	0.38 284	0.54 317	0.38 285	0.54 325	0.38 290	0.54 328	0.38 282	0.54 323	0.38 284	2.38 498	2.34 514	0.49 324	0.36 288	0.49 295	0.36 268

PDISCO_ROB	0.83 350	2.80 463	3.49 538	0.14 99	0.11 136	0.17 149	0.09 112	0.15 140	0.10 118	0.15 133	0.12 143	0.16 139	0.14 157	3.30 523	0.13 146	0.14 116	2.34 514	0.16 144	0.12 146	2.62 504	0.10 115

NLCA_NET_v2_RVC	5.04 555	50.87 584	2.78 522	2.87 482	2.71 531	2.78 519	0.47 322	2.88 518	2.86 531	1.89 472	2.67 529	2.79 520	2.79 520	2.78 519	2.83 527	2.82 514	2.82 516	2.83 520	2.77 529	2.83 506	2.76 530
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
HCRNet	1.22 441	7.11 527	3.00 523	3.55 507	0.33 263	0.29 198	0.14 151	0.19 154	0.15 167	0.33 211	0.29 232	0.25 186	0.14 157	0.22 174	0.33 252	3.64 520	3.00 517	0.76 364	0.32 263	0.18 155	0.13 150

rvit_0105_6	3.87 532	5.73 522	3.10 534	4.69 529	3.12 543	4.54 537	3.02 531	4.56 537	3.04 532	4.54 538	3.03 532	4.54 536	3.04 524	4.56 537	3.05 530	4.58 532	3.05 518	4.58 537	3.05 533	4.58 524	3.05 533

rvit_105_1	3.83 528	5.22 508	3.01 524	4.53 519	3.01 533	4.51 535	3.01 530	4.56 537	3.04 532	4.53 536	3.03 532	4.55 538	3.03 521	4.56 537	3.04 528	4.57 529	3.05 518	4.57 535	3.05 533	4.57 523	3.05 533

rvit_stereo_0081	3.83 528	5.23 509	3.01 524	4.53 519	3.03 535	4.55 541	3.02 531	4.56 537	3.04 532	4.52 534	3.02 530	4.54 536	3.03 521	4.56 537	3.04 528	4.57 529	3.05 518	4.57 535	3.05 533	4.58 524	3.05 533

rvit_stereo_0082	3.86 530	5.82 523	3.01 524	4.53 519	3.03 535	4.54 537	3.02 531	4.56 537	3.04 532	4.53 536	3.02 530	4.55 538	3.04 524	4.57 540	3.05 530	4.57 529	3.05 518	4.58 537	3.05 533	4.58 524	3.06 536

rvit_stereo_0081_aga	3.86 530	5.33 512	3.02 527	4.55 525	3.04 539	4.54 537	3.02 531	4.64 544	3.06 536	4.54 538	3.04 534	4.62 545	3.08 528	4.62 543	3.07 533	4.58 532	3.06 522	4.60 539	3.08 537	4.63 527	3.07 537

rvit_stereo_0080	3.89 533	5.70 520	3.04 529	4.54 522	3.03 535	4.56 542	3.05 537	4.60 541	3.07 537	4.58 541	3.06 535	4.59 540	3.06 526	4.61 541	3.08 534	4.63 534	3.09 523	4.64 541	3.10 538	4.65 528	3.10 538

whm_eth	3.89 533	5.70 520	3.04 529	4.54 522	3.03 535	4.56 542	3.05 537	4.60 541	3.07 537	4.58 541	3.06 535	4.59 540	3.06 526	4.61 541	3.08 534	4.63 534	3.09 523	4.64 541	3.10 538	4.65 528	3.10 538

rvit_0105_4	3.91 535	5.47 519	3.02 527	4.54 522	3.02 534	4.54 537	3.03 535	4.75 547	3.17 543	4.57 540	3.06 535	4.61 544	3.16 532	4.65 544	3.09 536	4.66 536	3.11 525	4.68 544	3.18 543	4.81 534	3.16 543

rvit_0105_3	3.91 535	5.33 512	3.06 532	4.60 527	3.07 541	4.60 544	3.06 539	4.62 543	3.08 540	4.60 543	3.07 538	4.62 545	3.08 528	4.67 545	3.10 537	4.70 537	3.11 525	4.77 548	3.19 544	4.77 533	3.14 542

rvit_stereo_ft	3.93 538	5.44 517	3.05 531	4.59 526	3.06 540	4.61 545	3.08 540	4.67 546	3.12 542	4.63 545	3.10 540	4.65 547	3.11 530	4.69 547	3.13 538	4.70 537	3.14 527	4.71 546	3.15 542	4.74 531	3.16 543

rvit_stereo_0083	3.92 537	5.30 511	3.06 532	4.61 528	3.09 542	4.67 546	3.08 540	4.66 545	3.09 541	4.62 544	3.10 540	4.66 548	3.11 530	4.67 545	3.16 539	4.72 539	3.16 528	4.77 548	3.11 540	4.66 530	3.11 540

FC-DCNN v2	5.10 556	5.15 506	4.49 546	5.07 535	3.37 546	6.87 559	4.75 558	5.04 553	6.34 563	7.84 563	5.06 559	6.72 563	4.09 547	4.99 552	5.44 559	5.03 543	3.16 528	4.67 543	4.86 559	5.15 542	3.89 554

MLG-Stereo_test1	4.25 540	5.34 514	3.61 540	5.31 536	3.63 550	5.23 553	3.57 547	5.38 555	3.65 546	5.23 552	3.47 544	4.76 549	3.74 540	4.85 548	3.71 545	4.96 541	3.18 530	4.71 546	2.92 530	4.86 537	2.90 531

MLG-Stereo_test3	4.26 541	4.85 502	3.95 544	5.35 537	3.60 549	4.75 550	3.76 550	5.49 556	3.71 548	5.39 553	3.69 548	4.82 551	3.66 537	4.85 548	3.73 548	4.93 540	3.19 531	4.69 545	2.99 532	4.84 536	2.98 532

MLG-Stereo_test2	4.28 542	5.46 518	3.69 542	4.86 532	3.72 552	5.58 556	3.42 545	4.81 549	3.77 552	4.85 548	3.72 549	5.55 557	3.63 536	5.58 555	3.53 543	4.41 526	3.28 532	4.99 552	2.95 531	4.75 532	3.13 541

rvit_0105_5	4.10 539	5.40 515	3.13 537	4.71 530	3.15 544	4.72 549	3.10 542	4.90 552	3.27 544	4.69 546	3.16 542	4.84 552	3.25 533	4.96 551	3.34 541	5.05 544	3.39 533	5.10 553	3.40 545	5.11 541	3.42 546

DPSNet	3.66 526	3.60 478	3.62 541	3.63 509	3.64 551	3.65 527	3.65 549	3.66 527	3.67 547	3.67 526	3.65 547	3.67 527	3.66 537	3.66 526	3.68 544	3.68 521	3.66 534	3.67 527	3.68 550	3.67 509	3.67 549

DispFullNet	4.61 548	4.84 501	3.12 535	5.00 534	3.57 548	4.75 550	3.03 535	7.75 563	4.17 556	4.91 550	3.09 539	6.20 559	3.95 544	6.71 559	3.51 542	5.30 547	3.67 535	5.86 560	3.63 547	5.61 545	3.46 547

AEACV	1.12 391	0.52 204	3.12 535	3.24 491	0.86 394	0.53 326	0.49 333	0.60 331	0.47 323	0.53 322	0.49 339	0.55 332	0.45 314	0.55 326	0.47 324	3.01 515	3.88 536	0.71 358	0.60 359	0.80 343	0.48 318

SGM-Forest	5.21 558	5.92 524	4.08 545	6.18 543	4.16 557	6.31 558	4.34 557	6.50 558	4.33 557	6.14 559	4.21 555	6.61 562	4.55 550	6.67 558	4.48 555	5.94 551	3.94 537	5.85 559	4.03 556	5.79 547	4.17 557
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
Occ-G	1.12 391	0.52 204	3.72 543	3.50 506	0.50 342	0.56 331	0.47 322	0.54 317	0.46 318	0.54 325	0.41 304	0.54 328	0.42 306	0.52 319	0.42 309	3.42 519	4.02 538	0.52 336	0.45 325	0.51 306	0.44 306

BUS	0.83 350	1.91 398	0.92 372	4.48 516	0.02 21	0.40 243	0.04 81	0.41 253	0.02 21	0.48 292	0.03 52	0.41 260	0.05 94	0.03 39	0.05 88	1.97 474	4.19 539	0.33 219	0.23 198	0.34 209	0.27 208

BSDual-CNN	0.81 342	1.91 398	0.92 372	4.48 516	0.02 21	0.42 277	0.06 107	0.41 253	0.02 21	0.48 292	0.03 52	0.02 20	0.02 21	0.03 39	0.02 20	1.97 474	4.19 539	0.33 219	0.23 198	0.34 209	0.27 208

hknet	1.10 388	1.85 391	3.49 538	4.48 516	0.02 21	0.42 277	0.06 107	0.41 253	0.02 21	0.48 292	0.03 52	0.41 260	0.03 52	0.42 272	0.03 48	4.39 525	4.19 539	0.33 219	0.23 198	0.34 209	0.27 208

AANet_RVC	1.26 443	0.31 134	4.99 549	5.93 541	0.20 191	0.25 185	0.20 177	0.25 183	0.20 184	0.23 174	0.19 185	0.25 186	0.20 187	0.25 187	0.20 184	5.66 549	4.76 542	0.26 191	0.30 249	0.24 178	0.27 208

TestStereo	4.88 552	4.75 500	4.79 547	4.87 533	4.92 560	4.81 552	4.90 559	4.78 548	4.77 559	4.87 549	4.89 558	4.90 553	4.91 551	4.99 552	4.79 556	4.98 542	4.87 543	4.87 551	4.92 560	5.00 540	5.00 559

SGM+DAISY	7.06 562	9.15 541	5.38 552	8.84 556	5.18 561	8.80 565	5.31 561	8.79 566	5.28 561	8.89 566	5.20 560	8.93 566	5.33 553	8.95 566	5.36 558	8.70 564	5.21 544	8.74 566	5.20 561	8.89 560	5.15 560

rvit_stereo_0075_2	6.64 560	8.80 539	5.25 550	7.89 551	5.27 562	7.90 563	5.27 560	7.92 564	5.28 561	7.91 564	5.29 561	7.93 564	5.27 552	7.92 564	5.28 557	7.93 560	5.28 545	7.93 563	5.29 562	7.93 556	5.28 561

test_5	4.62 549	7.55 530	6.23 554	6.32 544	3.40 547	5.29 554	3.50 546	3.53 526	4.11 555	4.28 531	4.47 557	4.26 534	4.38 549	3.68 527	3.24 540	5.89 550	5.60 546	4.84 550	3.50 546	4.33 518	3.93 556

Sa-1000	4.34 545	8.37 534	6.84 558	6.98 549	4.45 559	3.58 525	3.00 529	3.42 525	3.39 545	2.61 506	4.00 553	3.83 529	4.01 546	3.90 529	3.90 549	5.98 552	5.62 547	3.76 529	2.34 527	4.35 519	2.47 529

RAFT	6.73 561	9.36 543	7.40 561	8.51 555	6.55 564	6.88 560	6.60 563	6.79 559	6.60 564	6.80 560	6.72 565	5.31 556	5.50 554	6.61 557	6.61 563	8.42 562	5.89 548	5.73 557	5.45 564	6.61 549	6.24 563

RAFT+CT+SA	4.28 542	7.62 531	4.91 548	5.55 539	2.28 528	3.09 520	3.64 548	4.49 535	3.07 537	4.80 547	3.35 543	4.77 550	3.70 539	4.29 534	3.05 530	5.58 548	5.98 549	3.58 526	3.78 552	4.26 517	3.72 550

raft_robust	4.71 550	7.75 532	5.40 553	6.81 546	3.31 545	4.28 534	4.20 556	4.32 534	4.37 558	4.35 533	4.35 556	4.14 532	3.75 541	4.30 535	4.20 554	6.67 555	6.37 550	3.36 524	4.24 558	4.86 537	3.25 545

cross-raft	4.83 551	7.52 529	6.43 555	6.63 545	3.96 555	4.51 535	3.99 554	4.49 535	3.96 554	4.52 534	3.96 552	4.50 535	3.97 545	4.50 536	3.97 550	6.65 554	6.44 551	4.33 532	3.92 554	4.35 519	3.91 555

TestStereo1	4.60 546	8.41 535	6.44 556	6.86 547	3.79 553	3.97 530	3.78 551	3.99 531	3.74 549	3.97 528	3.52 545	3.94 530	3.58 534	3.98 530	3.72 546	6.82 556	6.50 552	3.76 529	3.66 548	3.90 512	3.74 552

SA-5K	4.60 546	8.41 535	6.44 556	6.86 547	3.79 553	3.97 530	3.78 551	3.99 531	3.74 549	3.97 528	3.52 545	3.94 530	3.58 534	3.98 530	3.72 546	6.82 556	6.50 552	3.76 529	3.66 548	3.90 512	3.74 552

SA	4.33 544	7.35 528	6.85 559	5.96 542	4.09 556	3.59 526	3.15 543	3.82 529	2.64 528	3.91 527	3.85 550	3.57 525	2.72 519	3.13 521	4.03 551	7.09 559	6.86 554	3.57 525	3.12 541	3.85 511	3.51 548

test_4	4.88 552	8.13 533	6.98 560	7.46 550	4.44 558	4.25 533	3.85 553	4.04 533	3.92 553	4.13 530	3.91 551	4.18 533	3.84 542	4.14 532	4.06 552	7.01 558	7.13 555	4.53 533	3.72 551	4.09 515	3.72 550

test-1	6.46 559	9.16 542	8.03 565	8.09 552	5.62 563	6.11 557	6.35 562	6.85 560	4.94 560	6.08 558	6.29 564	4.98 554	6.43 556	6.22 556	6.36 562	6.16 553	7.47 556	5.82 558	5.44 563	7.11 553	5.68 562

test_3	5.01 554	8.86 540	7.77 562	8.09 552	2.76 532	4.13 532	4.05 555	3.88 530	3.76 551	4.33 532	4.13 554	3.71 528	3.91 543	4.21 533	4.06 552	7.93 560	7.69 557	4.53 533	3.91 553	4.17 516	4.29 558

test-v	7.53 563	11.89 551	7.98 563	9.36 558	7.14 565	7.06 561	7.09 564	7.37 561	6.91 565	7.29 561	5.71 562	6.45 560	6.93 557	6.73 560	7.27 564	8.93 565	7.85 558	6.98 561	6.80 565	7.56 554	7.34 565

test-2	7.53 563	11.89 551	7.98 563	9.36 558	7.14 565	7.06 561	7.09 564	7.37 561	6.91 565	7.29 561	5.71 562	6.45 560	6.93 557	6.73 560	7.27 564	8.93 565	7.85 558	6.98 561	6.80 565	7.56 554	7.34 565

PCWNet_CMD	2.80 521	9.82 546	0.32 209	10.09 564	0.32 252	0.49 305	0.33 250	3.34 523	0.33 257	0.49 299	0.33 258	0.49 303	8.73 561	0.48 296	0.33 252	0.41 258	9.22 560	0.42 296	0.29 239	9.55 563	0.31 243

MSMDNet	2.65 515	10.14 549	0.33 214	9.74 560	0.32 252	0.87 366	0.33 250	2.95 519	0.68 363	0.49 299	0.34 266	0.49 303	5.70 555	0.49 302	0.33 252	0.42 272	9.57 561	0.41 285	0.31 258	8.36 558	0.65 357

pcwnet_v2	2.66 516	9.89 547	0.33 214	9.89 561	0.32 252	0.50 313	0.32 241	0.49 293	0.33 257	0.49 299	0.34 266	0.49 303	8.76 562	0.48 296	0.33 252	0.41 258	9.58 562	0.40 272	0.29 239	9.01 561	0.63 355

CFNet_pseudo	2.67 517	9.36 543	0.32 209	10.99 566	0.33 263	0.85 364	0.33 250	0.49 293	0.33 257	0.49 299	0.32 252	0.49 303	7.26 559	0.49 302	0.33 252	0.41 258	9.62 563	0.41 285	0.29 239	10.03 565	0.29 226

ccs_rob	2.79 520	10.17 550	0.32 209	10.00 563	0.33 263	0.49 305	0.33 250	1.90 470	0.32 251	0.51 316	0.33 258	0.49 303	9.24 564	0.49 302	0.33 252	0.41 258	9.82 564	0.41 285	0.28 229	9.34 562	0.29 226

UCFNet_RVC	2.75 519	10.06 548	0.29 193	10.31 565	0.29 234	0.42 277	0.29 229	0.43 273	0.29 229	0.42 264	0.29 232	0.42 276	9.87 565	0.43 274	0.29 230	0.36 225	9.84 565	0.36 247	0.26 217	9.77 564	0.26 200

CFNet_ucs	2.73 518	9.64 545	0.33 214	9.92 562	0.32 252	0.49 305	0.33 250	0.49 293	0.33 257	0.49 299	0.33 258	0.49 303	8.98 563	0.48 296	0.33 252	0.41 258	9.96 566	0.40 272	0.29 239	10.12 566	0.54 338

MANE	19.05 566	23.00 559	15.00 566	23.00 573	15.00 567	24.00 572	16.00 566	24.00 573	16.00 567	22.00 573	15.00 566	23.00 573	16.00 566	23.00 573	15.00 566	22.00 573	15.00 567	22.00 573	15.00 567	22.00 573	15.00 567

rafts_anoy	20.00 567	20.00 553	20.00 567	20.00 567	20.00 568	20.00 566	20.00 567	20.00 567	20.00 568	20.00 567	20.00 567	20.00 567	20.00 567	20.00 567	20.00 567	20.00 567	20.00 568	20.00 567	20.00 568	20.00 567	20.00 568

raft+_RVC	20.00 567	20.00 553	20.00 567	20.00 567	20.00 568	20.00 566	20.00 567	20.00 567	20.00 568	20.00 567	20.00 567	20.00 567	20.00 567	20.00 567	20.00 567	20.00 567	20.00 568	20.00 567	20.00 568	20.00 567	20.00 568

raftrobust	20.00 567	20.00 553	20.00 567	20.00 567	20.00 568	20.00 566	20.00 567	20.00 567	20.00 568	20.00 567	20.00 567	20.00 567	20.00 567	20.00 567	20.00 567	20.00 567	20.00 568	20.00 567	20.00 568	20.00 567	20.00 568

CasAABBNet	20.00 567	20.00 553	20.00 567	20.00 567	20.00 568	20.00 566	20.00 567	20.00 567	20.00 568	20.00 567	20.00 567	20.00 567	20.00 567	20.00 567	20.00 567	20.00 567	20.00 568	20.00 567	20.00 568	20.00 567	20.00 568

RALCasStereoNet	20.00 567	20.00 553	20.00 567	20.00 567	20.00 568	20.00 566	20.00 567	20.00 567	20.00 568	20.00 567	20.00 567	20.00 567	20.00 567	20.00 567	20.00 567	20.00 567	20.00 568	20.00 567	20.00 568	20.00 567	20.00 568

RALAANet	20.00 567	20.00 553	20.00 567	20.00 567	20.00 568	20.00 566	20.00 567	20.00 567	20.00 568	20.00 567	20.00 567	20.00 567	20.00 567	20.00 567	20.00 567	20.00 567	20.00 568	20.00 567	20.00 568	20.00 567	20.00 568

WCMA_ROB	31.10 574	35.43 579	27.12 573	39.51 585	23.10 574	38.78 584	25.30 573	37.49 585	25.39 574	37.29 584	27.02 573	38.52 585	26.48 573	37.80 584	26.44 573	36.28 581	22.65 574	33.90 578	22.30 574	37.10 582	24.18 574

111	30.40 573	30.94 575	29.72 574	32.61 574	30.02 575	33.57 573	30.47 574	31.50 574	29.39 575	30.98 574	29.11 574	29.78 574	30.39 577	29.45 574	30.76 577	30.08 574	29.02 575	29.92 574	30.32 578	29.86 574	30.17 575

fff	1000028.16 593	29.62 571	29.72 574	32.61 574	30.02 575	35.13 575	31.83 575	32.07 575	10000000.00 594	35.27 577	29.82 575	32.45 575	30.15 574	32.35 575	30.09 574	31.04 575	29.55 576	30.64 575	30.14 575	10000000.00 594	30.77 576

csc	1000028.16 593	29.62 571	29.72 574	32.61 574	30.02 575	35.13 575	31.83 575	32.07 575	10000000.00 594	35.27 577	29.82 575	32.45 575	30.15 574	32.35 575	30.09 574	31.04 575	29.55 576	30.64 575	30.14 575	10000000.00 594	30.77 576

cscssc	1000028.16 593	29.62 571	29.72 574	32.61 574	30.02 575	35.13 575	31.83 575	32.07 575	10000000.00 594	35.27 577	29.82 575	32.45 575	30.15 574	32.35 575	30.09 574	31.04 575	29.55 576	30.64 575	30.14 575	10000000.00 594	30.77 576

DCANet-4	35.22 575	34.54 576	35.08 580	33.58 578	35.47 582	34.55 574	35.53 581	36.08 580	35.85 579	35.92 580	35.77 580	35.18 580	35.48 579	35.39 580	37.15 583	34.55 580	33.92 579	35.02 581	34.90 580	35.79 578	34.74 582

tt	500032.53 591	34.60 577	29.72 574	37.47 583	34.41 580	36.85 579	35.22 579	34.71 578	33.55 577	34.50 575	35.43 578	33.81 578	10000000.00 594	33.57 578	33.13 578	33.68 578	35.00 580	34.03 579	35.26 581	30.96 575	34.63 580

DCANet	500032.53 591	34.60 577	29.72 574	37.47 583	34.41 580	36.85 579	35.22 579	34.71 578	33.55 577	34.50 575	35.43 578	33.81 578	10000000.00 594	33.57 578	33.13 578	33.68 578	35.00 580	34.03 579	35.26 581	30.96 575	34.63 580

ADStereo(finetuned)	36.13 576	36.63 580	38.07 584	36.97 579	33.25 579	35.91 578	34.45 578	36.36 581	32.99 576	38.14 585	36.71 581	36.69 581	34.13 578	38.57 585	40.79 584	37.60 585	36.58 582	35.90 582	33.36 579	35.42 577	34.04 579

Reg-Stereo(zero)	37.00 577	37.00 581	37.00 581	37.00 580	37.00 583	37.00 581	37.00 582	37.00 582	37.00 580	37.00 581	37.00 582	37.00 582	37.00 580	37.00 581	37.00 580	37.00 582	37.00 583	37.00 583	37.00 583	37.00 579	37.00 583

HI	37.00 577	37.00 581	37.00 581	37.00 580	37.00 583	37.00 581	37.00 582	37.00 582	37.00 580	37.00 581	37.00 582	37.00 582	37.00 580	37.00 581	37.00 580	37.00 582	37.00 583	37.00 583	37.00 583	37.00 579	37.00 583

CoSv	37.00 577	37.00 581	37.00 581	37.00 580	37.00 583	37.00 581	37.00 582	37.00 582	37.00 580	37.00 581	37.00 582	37.00 582	37.00 580	37.00 581	37.00 580	37.00 582	37.00 583	37.00 583	37.00 583	37.00 579	37.00 583

NOSS_ROB	102.95 581	153.00 589	121.00 588	51.00 586	44.00 586	165.00 588	127.00 587	153.00 588	119.00 585	164.00 589	125.00 587	168.00 589	120.00 585	153.00 588	117.00 587	49.00 586	44.00 586	49.00 586	44.00 586	49.00 583	44.00 586

CBMV	128.50 582	1422.70 596	53.10 586	79.50 587	51.30 587	77.30 586	49.70 585	74.00 586	48.20 584	77.20 587	48.80 586	73.90 587	48.00 584	73.80 587	48.80 586	70.40 587	45.10 587	68.90 587	46.10 587	68.20 584	45.00 587
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MDST_ROB	69.83 580	87.70 585	41.95 585	113.75 588	65.62 588	75.05 585	55.25 586	75.64 587	45.04 583	71.61 586	41.75 585	72.81 586	44.06 583	68.38 586	44.63 585	101.89 588	59.57 588	107.10 588	61.05 588	104.38 585	59.38 588

MeshStereo	159.24 583	171.00 590	160.68 591	162.58 589	160.59 589	164.01 587	160.35 588	158.51 589	158.56 586	158.34 588	160.12 588	158.56 588	159.92 586	157.26 589	158.94 588	154.38 589	158.36 589	155.75 589	159.13 590	153.67 586	154.07 589
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	201.80 584	123.00 586	115.00 587	219.00 590	218.00 591	223.00 589	244.00 590	217.00 590	236.00 588	202.00 590	203.00 589	205.00 590	208.00 587	225.00 590	204.00 589	210.00 590	198.00 590	197.00 590	184.00 591	204.00 587	201.00 590

DLCB_ROB	284.23 587	354.61 592	207.27 592	363.24 593	206.46 590	364.72 592	210.41 589	364.72 593	210.41 587	364.81 593	208.64 590	364.81 593	208.64 588	364.72 593	210.41 590	354.70 593	205.53 591	354.70 593	205.53 592	354.70 590	205.53 591

MGS-Stereo	239.45 585	123.00 586	135.00 589	266.00 591	286.00 592	277.00 590	305.00 591	271.00 591	242.00 589	274.00 591	279.00 591	255.00 591	270.00 589	268.00 591	297.00 591	221.00 591	247.00 592	216.00 591	123.00 589	217.00 588	217.00 592

EGLCR-Stereo	246.90 586	129.00 588	139.00 590	266.00 591	286.00 592	277.00 590	305.00 591	271.00 591	242.00 589	274.00 591	279.00 591	255.00 591	270.00 589	268.00 591	297.00 591	230.00 592	247.00 592	216.00 591	223.00 593	237.00 589	227.00 593

LE_ROB	396.57 588	471.28 593	329.84 593	471.48 594	308.15 594	526.83 593	322.10 593	488.15 594	323.76 591	495.46 594	317.97 593	497.17 594	320.10 591	481.62 594	326.76 593	462.71 594	298.97 594	466.16 594	285.98 594	447.62 591	289.21 594

SGM-ForestM	596.69 589	677.77 594	444.52 594	699.85 595	517.25 595	732.94 594	488.29 594	770.79 595	460.11 592	750.81 595	487.98 594	792.79 595	499.41 592	730.90 595	475.81 594	720.03 595	491.16 595	663.96 595	418.60 595	674.76 592	436.05 595

CBMV_ROB	818.48 590	913.88 595	709.52 595	862.84 596	597.78 596	1073.99 595	700.52 595	1015.66 596	702.59 593	1115.65 596	760.02 595	1130.24 596	721.57 593	1037.41 596	692.65 595	814.05 596	564.29 596	843.28 596	595.31 596	915.51 593	602.92 596

111111	10000000.00 596	10000000.00 597	10000000.00 596	10000000.00 597	10000000.00 597	10000000.00 596	10000000.00 596	10000000.00 597	10000000.00 594	10000000.00 597	10000000.00 596	10000000.00 597	10000000.00 594	10000000.00 597	10000000.00 596	10000000.00 597	10000000.00 597	10000000.00 597	10000000.00 597	10000000.00 594	10000000.00 597

SGD-Stereo	10000000.00 596	10000000.00 597	10000000.00 596	10000000.00 597	10000000.00 597	10000000.00 596	10000000.00 596	10000000.00 597	10000000.00 594	10000000.00 597	10000000.00 596	10000000.00 597	10000000.00 594	10000000.00 597	10000000.00 596	10000000.00 597	10000000.00 597	10000000.00 597	10000000.00 597	10000000.00 594	10000000.00 597

IGEV-Stereo++	10000000.00 596	10000000.00 597	10000000.00 596	10000000.00 597	10000000.00 597	10000000.00 596	10000000.00 596	10000000.00 597	10000000.00 594	10000000.00 597	10000000.00 596	10000000.00 597	10000000.00 594	10000000.00 597	10000000.00 596	10000000.00 597	10000000.00 597	10000000.00 597	10000000.00 597	10000000.00 594	10000000.00 597

IGEV-BASED-STEREO-	10000000.00 596	10000000.00 597	10000000.00 596	10000000.00 597	10000000.00 597	10000000.00 596	10000000.00 596	10000000.00 597	10000000.00 594	10000000.00 597	10000000.00 596	10000000.00 597	10000000.00 594	10000000.00 597	10000000.00 596	10000000.00 597	10000000.00 597	10000000.00 597	10000000.00 597	10000000.00 594	10000000.00 597

IGEV-Stereo+	10000000.00 596	10000000.00 597	10000000.00 596	10000000.00 597	10000000.00 597	10000000.00 596	10000000.00 596	10000000.00 597	10000000.00 594	10000000.00 597	10000000.00 596	10000000.00 597	10000000.00 594	10000000.00 597	10000000.00 596	10000000.00 597	10000000.00 597	10000000.00 597	10000000.00 597	10000000.00 594	10000000.00 597

SDNR	10000000.00 596	10000000.00 597	10000000.00 596	10000000.00 597	10000000.00 597	10000000.00 596	10000000.00 596	10000000.00 597	10000000.00 594	10000000.00 597	10000000.00 596	10000000.00 597	10000000.00 594	10000000.00 597	10000000.00 596	10000000.00 597	10000000.00 597	10000000.00 597	10000000.00 597	10000000.00 594	10000000.00 597

anonymousdsp2	10000000.00 596	10000000.00 597	10000000.00 596	10000000.00 597	10000000.00 597	10000000.00 596	10000000.00 596	10000000.00 597	10000000.00 594	10000000.00 597	10000000.00 596	10000000.00 597	10000000.00 594	10000000.00 597	10000000.00 596	10000000.00 597	10000000.00 597	10000000.00 597	10000000.00 597	10000000.00 594	10000000.00 597

anonymousdsp	10000000.00 596	10000000.00 597	10000000.00 596	10000000.00 597	10000000.00 597	10000000.00 596	10000000.00 596	10000000.00 597	10000000.00 594	10000000.00 597	10000000.00 596	10000000.00 597	10000000.00 594	10000000.00 597	10000000.00 596	10000000.00 597	10000000.00 597	10000000.00 597	10000000.00 597	10000000.00 594	10000000.00 597

test_example2	10000000.00 596	10000000.00 597	10000000.00 596	10000000.00 597	10000000.00 597	10000000.00 596	10000000.00 596	10000000.00 597	10000000.00 594	10000000.00 597	10000000.00 596	10000000.00 597	10000000.00 594	10000000.00 597	10000000.00 596	10000000.00 597	10000000.00 597	10000000.00 597	10000000.00 597	10000000.00 594	10000000.00 597

DIP-Stereo	10000000.00 596	10000000.00 597	10000000.00 596	10000000.00 597	10000000.00 597	10000000.00 596	10000000.00 596	10000000.00 597	10000000.00 594	10000000.00 597	10000000.00 596	10000000.00 597	10000000.00 594	10000000.00 597	10000000.00 596	10000000.00 597	10000000.00 597	10000000.00 597	10000000.00 597	10000000.00 594	10000000.00 597
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022

Low-res two-view benchmark