Low-res two-view results

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

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

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

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

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

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

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

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

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

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

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

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

USTest	0.01 9	0.02 12	0.00 1	0.14 97	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.02 21	0.00 1	0.00 1	0.00 1	0.00 1	0.02 18	0.02 20	0.00 1	0.00 1

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

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

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

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

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

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

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

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

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

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

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

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

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

TCMNet	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

Wz-Net-SNSev	0.03 29	0.09 65	0.07 58	0.09 53	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.09 66	0.07 57	0.01 9	0.01 9	0.01 10	0.01 10

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

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

GASNet	0.05 41	0.04 37	0.12 100	0.04 37	0.04 79	0.04 77	0.05 93	0.04 77	0.04 82	0.12 123	0.04 88	0.06 98	0.04 84	0.04 72	0.04 75	0.04 44	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

WZ-Net	0.05 41	0.50 193	0.10 69	0.12 80	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.12 91	0.10 73	0.01 9	0.01 9	0.01 10	0.01 10

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

Wz-Net-MNSev	0.06 44	0.54 208	0.10 69	0.12 80	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.12 91	0.11 95	0.01 9	0.01 9	0.01 10	0.01 10

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

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

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

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

ADCMid	0.08 50	0.02 12	0.02 14	1.01 341	0.03 48	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.04 72	0.09 105	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

test_sample7	0.09 51	1.00 266	0.11 89	0.11 74	0.02 21	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 110	0.03 38	0.03 54	0.03 43	0.03 51

test_sample6	0.09 51	0.97 261	0.10 69	0.10 57	0.03 48	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.03 52	0.03 42	0.02 21	0.03 39	0.02 20	0.10 71	0.10 73	0.03 38	0.02 20	0.03 43	0.02 20

test_sample3	0.09 51	0.87 239	0.10 69	0.12 80	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.10 73	0.03 38	0.02 20	0.03 43	0.02 20

test_sample2	0.09 51	1.03 278	0.11 89	0.11 74	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 66	0.09 68	0.03 38	0.02 20	0.03 43	0.02 20

test_sample1	0.09 51	0.87 239	0.12 100	0.11 74	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.04 74	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.10 71	0.10 73	0.03 38	0.02 20	0.03 43	0.02 20

SMFormer	0.09 51	1.01 272	0.09 65	0.09 53	0.03 48	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 66	0.09 68	0.03 38	0.02 20	0.03 43	0.02 20

tta	0.09 51	0.95 258	0.09 65	0.10 57	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 66	0.10 73	0.03 38	0.02 20	0.03 43	0.02 20

xxx	0.09 51	1.01 272	0.10 69	0.10 57	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.03 40	0.03 52	0.03 42	0.02 21	0.03 39	0.02 20	0.10 71	0.10 73	0.03 38	0.02 20	0.03 43	0.03 51

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

APVNet	0.09 51	0.05 49	0.04 43	0.05 43	0.04 79	0.05 89	0.90 382	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

ADCS	0.09 51	0.02 12	0.04 43	0.90 319	0.06 107	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.14 128	0.36 268	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

zh-sn7	0.10 62	0.98 262	0.14 125	0.15 107	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.15 123	0.13 134	0.03 38	0.03 54	0.03 43	0.03 51

DualNet (step1)	0.10 62	1.05 282	0.12 100	0.12 80	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 110	0.03 38	0.03 54	0.03 43	0.03 51

test_sample9	0.10 62	1.05 282	0.12 100	0.12 80	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 110	0.03 38	0.03 54	0.03 43	0.03 51

test_sample8	0.10 62	1.05 282	0.12 100	0.12 80	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 110	0.03 38	0.03 54	0.03 43	0.03 51

test_sample5	0.10 62	1.07 285	0.11 89	0.10 57	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.10 71	0.10 73	0.03 38	0.03 54	0.04 77	0.03 51

test_sample4	0.10 62	1.03 278	0.12 100	0.10 57	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 107	0.13 134	0.03 38	0.03 54	0.03 43	0.03 51

DualNet	0.10 62	1.07 285	0.11 89	0.10 57	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.10 71	0.10 73	0.03 38	0.03 54	0.04 77	0.03 51

ttt	0.10 62	1.09 287	0.12 100	0.12 80	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 110	0.03 38	0.02 20	0.03 43	0.02 20

1111x	0.10 62	1.14 292	0.13 120	0.14 97	0.03 48	0.04 77	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 107	0.11 95	0.03 38	0.02 20	0.03 43	0.02 20

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

222	0.10 62	0.99 265	0.12 100	0.13 93	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 110	0.03 38	0.02 20	0.04 77	0.03 51

test_xeample	0.10 62	1.09 287	0.13 120	0.12 80	0.03 48	0.03 40	0.03 50	0.04 77	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.14 114	0.14 138	0.03 38	0.03 54	0.03 43	0.03 51

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

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

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

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

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

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

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

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

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

ADCPNet	0.10 62	0.03 31	0.04 43	1.27 414	0.03 48	0.04 77	0.03 50	0.03 42	0.03 55	0.04 74	0.03 52	0.04 77	0.03 52	0.08 106	0.04 75	0.04 44	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

ISRNet	0.11 84	0.05 49	0.36 234	0.24 151	0.07 108	0.13 123	0.05 93	0.06 95	0.05 98	0.05 92	0.05 100	0.13 125	0.05 94	0.05 83	0.09 105	0.24 176	0.20 168	0.10 107	0.05 96	0.06 96	0.13 148

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

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

x	0.11 84	1.15 295	0.15 141	0.14 97	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.14 114	0.15 141	0.03 38	0.03 54	0.03 43	0.03 51

Wz-Net-LNSev-Ref	0.11 84	0.44 170	0.33 214	0.39 198	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	0.39 244	0.36 238	0.02 18	0.02 20	0.02 20	0.02 20

xxxx	0.11 84	1.16 296	0.16 142	0.12 80	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 107	0.16 143	0.03 38	0.04 78	0.04 77	0.04 79

BEATNet_4x	0.11 84	0.03 31	0.03 36	1.60 431	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.05 83	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

ADCL	0.11 84	0.03 31	0.03 36	1.60 431	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

AnyNet_C01	0.11 84	0.02 12	0.02 14	1.62 434	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

zh-mn7	0.12 93	1.14 292	0.17 149	0.20 133	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.18 148	0.16 143	0.03 38	0.03 54	0.03 43	0.03 51

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

GwcNet	0.12 93	0.07 58	0.05 57	0.08 49	0.05 99	0.08 103	1.20 410	0.07 105	0.05 98	0.05 92	0.05 100	0.08 105	0.05 94	0.08 106	0.03 48	0.07 58	0.05 56	0.06 94	0.05 96	0.07 104	0.05 97

FADNet-RVC-Resample	0.12 93	0.04 37	0.04 43	0.04 37	0.04 79	0.04 77	0.04 81	0.04 77	0.04 82	0.04 74	0.04 88	0.04 77	0.04 84	0.04 72	1.57 479	0.04 44	0.04 45	0.04 73	0.05 96	0.04 77	0.06 102

FADNet_RVC	0.12 93	0.04 37	0.04 43	0.05 43	0.04 79	0.04 77	0.04 81	0.04 77	0.04 82	0.04 74	0.04 88	0.04 77	0.05 94	0.04 72	1.65 483	0.05 51	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

FADNet	0.12 93	0.05 49	0.04 43	0.04 37	0.04 79	0.04 77	0.04 81	0.04 77	0.04 82	0.04 74	0.04 88	0.04 77	0.05 94	0.04 72	1.66 485	0.06 55	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

ADCRef	0.12 93	0.03 31	0.04 43	1.71 437	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

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

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

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

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

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

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

aanetorigin	0.13 100	0.11 78	0.11 89	0.11 74	0.11 134	0.11 119	0.11 128	0.11 122	0.11 131	0.11 121	0.12 141	0.11 121	0.11 129	0.11 122	0.11 123	0.11 86	0.11 95	0.14 126	0.11 129	0.49 290	0.11 125

FADNet-RVC	0.13 100	0.04 37	0.04 43	0.04 37	0.04 79	0.04 77	0.05 93	0.04 77	0.04 82	0.04 74	0.05 100	0.04 77	0.05 94	0.04 72	1.71 488	0.04 44	0.04 45	0.04 73	0.04 78	0.07 104	0.04 79

ELAS	0.13 100	0.16 87	0.11 89	0.15 107	0.09 112	0.18 151	0.11 128	0.18 150	0.11 131	0.17 145	0.11 130	0.18 151	0.11 129	0.18 150	0.11 123	0.14 114	0.08 59	0.14 126	0.08 108	0.14 129	0.09 108
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
w-ln-seven-2	0.14 109	1.22 352	0.28 190	0.32 176	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	0.32 202	0.27 191	0.04 73	0.03 54	0.03 43	0.03 51

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

mmm	0.14 109	1.83 381	0.12 100	0.11 74	0.03 48	0.03 40	0.03 50	0.03 42	0.04 82	0.03 40	0.03 52	0.03 42	0.03 52	0.06 89	0.04 75	0.12 91	0.11 95	0.05 86	0.04 78	0.05 92	0.04 79

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

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

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

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

GMStereo	0.14 109	0.13 81	0.14 125	0.14 97	0.14 155	0.14 124	0.14 149	0.14 126	0.14 155	0.14 125	0.14 158	0.14 126	0.14 155	0.14 128	0.14 148	0.14 114	0.14 138	0.14 126	0.14 158	0.14 129	0.14 153
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
AnyNet_C32	0.14 109	0.04 37	0.03 36	2.22 452	0.04 79	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.04 77	0.02 21	0.07 103	0.04 75	0.02 15	0.02 15	0.03 38	0.03 54	0.02 20	0.03 51

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

DRN-Test	0.14 109	0.13 81	0.09 65	0.14 97	0.09 112	0.15 131	0.09 110	0.14 126	0.10 116	0.14 125	0.09 112	0.14 126	0.09 113	0.13 127	0.09 105	0.12 91	0.09 68	0.12 121	0.09 110	0.12 125	0.73 365

ELAS_RVC	0.14 109	0.16 87	0.10 69	0.15 107	0.10 118	0.18 151	0.11 128	0.19 152	0.11 131	0.19 151	0.12 141	0.18 151	0.11 129	0.19 153	0.12 138	0.14 114	0.08 59	0.14 126	0.09 110	0.15 139	0.09 108
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ITSA-stereo	0.15 121	0.17 93	0.13 120	0.20 133	0.13 153	0.19 154	0.13 147	0.18 150	0.13 153	0.19 151	0.13 153	0.18 151	0.14 155	0.18 150	0.14 148	0.16 132	0.11 95	0.15 139	0.14 158	0.18 153	0.11 125

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

CoDeX	0.15 121	0.70 221	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	0.67 351	0.02 15	0.69 337	0.75 355	0.01 9	0.02 20	0.02 20

ICVP	0.15 121	0.53 205	0.11 89	0.16 118	0.11 134	0.16 139	0.11 128	0.16 139	0.11 131	0.16 136	0.11 130	0.16 137	0.11 129	0.16 138	0.11 123	0.16 132	0.11 95	0.16 142	0.11 129	0.16 143	0.11 125
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
ADCP+	0.15 121	0.04 37	0.04 43	2.20 451	0.04 79	0.04 77	0.04 81	0.04 77	0.04 82	0.04 74	0.05 100	0.04 77	0.04 84	0.08 106	0.04 75	0.04 44	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

StereoDRNet	0.15 121	0.14 85	0.10 69	0.14 97	0.09 112	0.15 131	0.09 110	0.14 126	0.09 115	0.14 125	0.10 116	0.14 126	0.09 113	0.14 128	0.09 105	0.13 107	0.10 73	0.13 124	0.09 110	0.13 127	0.82 376

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

SGM_RVC	0.15 121	0.17 93	0.11 89	0.18 128	0.11 134	0.19 154	0.11 128	0.19 152	0.12 150	0.19 151	0.12 141	0.20 157	0.12 146	0.19 153	0.12 138	0.16 132	0.11 95	0.17 150	0.10 117	0.17 149	0.10 113
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
z-mn7	0.16 129	1.21 347	0.33 214	0.41 222	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	0.35 218	0.31 220	0.04 73	0.04 78	0.04 77	0.04 79

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

qqq	0.16 129	2.01 398	0.12 100	0.15 107	0.04 79	0.06 92	0.05 93	0.06 95	0.04 82	0.06 97	0.03 52	0.06 98	0.03 52	0.06 89	0.03 48	0.12 91	0.14 138	0.04 73	0.04 78	0.03 43	0.03 51

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

CAS++	0.17 133	0.27 123	0.21 165	0.10 57	0.21 196	0.15 131	0.22 186	0.10 110	0.21 185	0.22 168	0.10 116	0.19 155	0.18 176	0.10 111	0.19 179	0.20 152	0.19 166	0.18 160	0.10 117	0.19 159	0.18 170
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
11t1	0.17 133	2.16 407	0.13 120	0.13 93	0.04 79	0.06 92	0.04 81	0.06 95	0.04 82	0.06 97	0.03 52	0.06 98	0.03 52	0.06 89	0.05 88	0.18 148	0.12 110	0.06 94	0.03 54	0.05 92	0.03 51

SFCPSM	0.17 133	0.78 225	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	0.79 373	0.02 15	0.75 347	0.76 357	0.02 20	0.02 20	0.02 20

w-ln-seven	0.18 136	1.47 365	0.33 214	0.40 211	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	0.38 234	0.32 223	0.05 86	0.04 78	0.04 77	0.04 79

xyz-stereo-finetune2	0.18 136	0.48 187	0.16 142	0.16 118	0.15 166	0.15 131	0.16 157	0.16 139	0.16 167	0.16 136	0.16 167	0.16 137	0.16 165	0.16 138	0.16 164	0.16 132	0.16 143	0.16 142	0.16 163	0.16 143	0.16 154

xyz-stereo	0.18 136	0.50 193	0.16 142	0.15 107	0.16 173	0.16 139	0.16 157	0.16 139	0.16 167	0.16 136	0.16 167	0.16 137	0.16 165	0.16 138	0.16 164	0.16 132	0.16 143	0.16 142	0.16 163	0.16 143	0.16 154

BEATNet-Init1	0.19 139	0.08 59	0.08 60	2.23 453	0.08 110	0.08 103	0.07 108	0.07 105	0.08 112	0.08 105	0.07 109	0.08 105	0.07 110	0.11 122	0.08 102	0.08 60	0.08 59	0.08 101	0.07 104	0.08 106	0.08 105

DeepPrunerF	0.19 139	0.08 59	0.08 60	2.23 453	0.08 110	0.08 103	0.07 108	0.07 105	0.08 112	0.08 105	0.07 109	0.08 105	0.07 110	0.11 122	0.08 102	0.08 60	0.08 59	0.08 101	0.07 104	0.08 106	0.08 105

IGEV_Zeroshot_test	0.20 141	0.19 97	0.40 250	0.30 168	0.17 176	0.22 169	0.17 162	0.21 164	0.17 172	0.20 156	0.17 172	0.21 165	0.18 176	0.21 168	0.17 167	0.20 152	0.16 143	0.20 164	0.16 163	0.20 160	0.17 166

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

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

ACVNet	0.20 141	0.19 97	0.14 125	0.20 133	0.14 155	0.20 159	0.96 389	0.21 164	0.14 155	0.20 156	0.13 153	0.21 165	0.14 155	0.20 157	0.14 148	0.17 140	0.12 110	0.17 150	0.12 146	0.17 149	0.12 142

acv_ft	0.20 141	0.19 97	0.14 125	0.20 133	0.14 155	0.20 159	0.96 389	0.21 164	0.14 155	0.20 156	0.13 153	0.21 165	0.14 155	0.20 157	0.14 148	0.17 140	0.12 110	0.17 150	0.12 146	0.17 149	0.12 142

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

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

z-ln-s-r	0.21 148	1.40 363	0.53 308	0.56 276	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	0.57 311	0.44 279	0.04 73	0.04 78	0.04 77	0.04 79

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

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

SuperB	0.21 148	0.10 67	2.51 513	0.12 80	0.09 112	0.10 108	0.09 110	0.08 108	0.07 110	0.10 109	0.09 112	0.09 109	0.07 110	0.07 103	0.07 100	0.07 58	0.08 59	0.07 99	0.07 104	0.08 106	0.07 104

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

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

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

ac_64	0.22 152	0.13 81	0.19 158	0.23 146	0.10 118	0.26 190	1.02 397	0.14 126	0.10 116	0.28 191	0.14 158	0.17 147	0.19 181	0.28 200	0.09 105	0.22 160	0.16 143	0.23 178	0.17 181	0.11 120	0.12 142

dd	0.23 156	0.98 262	0.16 142	0.23 146	0.15 166	0.23 175	0.15 154	0.23 172	0.15 165	0.23 172	0.15 166	0.24 179	0.17 169	0.23 176	0.15 158	0.22 160	0.15 141	0.21 167	0.15 162	0.22 166	0.16 154

dad	0.23 156	1.03 278	0.16 142	0.23 146	0.15 166	0.24 176	0.15 154	0.24 175	0.16 167	0.23 172	0.16 167	0.24 179	0.16 165	0.23 176	0.15 158	0.22 160	0.16 143	0.22 172	0.16 163	0.22 166	0.16 154

MSKI-zero shot	0.24 158	0.21 107	0.49 292	0.65 292	0.18 183	0.22 169	0.17 162	0.23 172	0.18 174	0.21 166	0.17 172	0.23 175	0.28 226	0.23 176	0.18 176	0.21 157	0.16 143	0.21 167	0.16 163	0.21 164	0.16 154

qqq1	0.25 159	3.70 472	0.14 125	0.14 97	0.04 79	0.06 92	0.05 93	0.06 95	0.05 98	0.06 97	0.05 100	0.04 77	0.05 94	0.06 89	0.05 88	0.13 107	0.12 110	0.06 94	0.05 96	0.03 43	0.04 79

fff1	0.25 159	3.70 472	0.14 125	0.14 97	0.04 79	0.06 92	0.05 93	0.06 95	0.05 98	0.06 97	0.05 100	0.04 77	0.05 94	0.06 89	0.05 88	0.13 107	0.12 110	0.06 94	0.05 96	0.03 43	0.04 79

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

ffm	0.25 159	3.83 478	0.12 100	0.12 80	0.05 99	0.06 92	0.05 93	0.06 95	0.05 98	0.03 40	0.03 52	0.06 98	0.05 94	0.06 89	0.05 88	0.12 91	0.12 110	0.05 86	0.04 78	0.06 96	0.04 79

ff1	0.25 159	3.83 478	0.12 100	0.12 80	0.05 99	0.06 92	0.05 93	0.06 95	0.05 98	0.03 40	0.03 52	0.06 98	0.05 94	0.06 89	0.05 88	0.12 91	0.12 110	0.05 86	0.04 78	0.06 96	0.04 79

mmx	0.25 159	3.83 478	0.12 100	0.12 80	0.05 99	0.06 92	0.05 93	0.06 95	0.05 98	0.03 40	0.03 52	0.06 98	0.05 94	0.06 89	0.05 88	0.12 91	0.12 110	0.05 86	0.04 78	0.06 96	0.04 79

MIM_Stereo	0.25 159	0.23 112	0.66 326	0.80 309	0.17 176	0.22 169	0.17 162	0.23 172	0.18 174	0.26 188	0.17 172	0.21 165	0.17 169	0.25 185	0.17 167	0.23 171	0.16 143	0.21 167	0.17 181	0.22 166	0.17 166

LoS	0.25 159	0.27 123	0.25 179	0.25 156	0.25 210	0.25 183	0.25 201	0.26 185	0.25 201	0.25 181	0.25 209	0.25 184	0.25 203	0.25 185	0.25 203	0.26 183	0.25 183	0.25 186	0.26 215	0.26 179	0.25 192
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
Syn2CoEx	0.25 159	1.31 358	0.74 343	0.92 324	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	0.87 353	0.75 347	0.02 18	0.02 20	0.02 20	0.02 20

model_zeroshot	0.27 168	0.20 101	0.27 186	0.33 180	0.21 196	0.37 226	0.22 186	0.37 219	0.24 196	0.26 188	0.27 219	0.33 212	0.21 190	0.25 185	0.27 209	0.32 202	0.20 168	0.34 224	0.23 196	0.25 177	0.26 198

xyz-stereo-finetune	0.28 169	0.49 189	0.16 142	0.16 118	0.16 173	0.16 139	0.16 157	0.22 168	0.30 237	0.32 204	0.31 245	0.32 209	0.31 245	0.32 210	0.32 239	0.32 202	0.33 231	0.31 208	0.32 258	0.31 195	0.32 245

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

HGLStereo	0.28 169	0.29 128	0.22 167	0.36 187	0.22 198	0.36 221	0.21 181	0.36 213	0.21 185	0.42 259	0.21 192	0.36 224	0.22 191	0.36 226	0.21 185	0.34 209	0.21 172	0.34 224	0.21 188	0.34 207	0.21 176

iResNet_ROB	0.28 169	0.32 133	0.24 176	0.32 176	0.25 210	0.32 210	0.24 198	0.32 199	0.24 196	0.33 209	0.24 203	0.35 218	0.24 200	0.33 216	0.24 197	0.31 201	0.24 182	0.32 209	0.24 204	0.32 197	0.24 191

UNet	0.29 173	0.90 246	0.10 69	0.14 97	0.10 118	0.14 124	0.10 115	0.91 357	0.69 359	0.14 125	0.11 130	0.14 126	0.11 129	0.14 128	0.10 111	0.12 91	0.09 68	0.12 121	0.09 110	0.88 347	0.76 370

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

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

DDVS	0.30 174	3.10 459	0.14 125	0.19 131	0.14 155	0.19 154	0.14 149	0.20 157	0.14 155	0.19 151	0.13 153	0.16 137	0.13 151	0.19 153	0.13 144	0.17 140	0.13 134	0.17 150	0.13 154	0.17 149	0.13 148

ACV-stereo	0.30 174	2.08 400	0.25 179	0.25 156	0.18 183	0.24 176	0.17 162	0.24 175	0.18 174	0.24 177	0.17 172	0.25 184	0.17 169	0.24 180	0.17 167	0.22 160	0.16 143	0.22 172	0.16 163	0.22 166	0.16 154

LoS_RVC	0.30 174	1.14 292	0.25 179	0.25 156	0.25 210	0.26 190	0.25 201	0.25 181	0.25 201	0.25 181	0.25 209	0.26 193	0.26 212	0.26 195	0.25 203	0.26 183	0.26 186	0.25 186	0.25 209	0.26 179	0.26 198

CAS	0.30 174	1.17 297	0.25 179	0.25 156	0.25 210	0.26 190	0.25 201	0.25 181	0.26 214	0.25 181	0.25 209	0.25 184	0.25 203	0.25 185	0.25 203	0.26 183	0.26 186	0.26 189	0.25 209	0.26 179	0.25 192

DANet	0.30 174	0.30 129	0.30 197	0.30 168	0.30 239	0.30 197	0.30 229	0.30 194	0.30 237	0.30 195	0.30 240	0.30 203	0.30 238	0.30 205	0.30 232	0.30 196	0.30 214	0.30 202	0.30 245	0.30 190	0.30 234
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
tt1	0.31 181	0.93 255	0.24 176	0.33 180	0.23 203	0.31 202	0.24 198	0.32 199	0.24 196	0.32 204	0.23 197	0.32 209	0.25 203	0.32 210	0.24 197	0.27 186	0.26 186	0.27 193	0.26 215	0.27 182	0.27 206

xxxxx1	0.31 181	0.91 248	0.23 170	0.31 173	0.23 203	0.31 202	0.23 193	0.33 202	0.25 201	0.31 199	0.24 203	0.33 212	0.25 203	0.32 210	0.24 197	0.28 188	0.28 197	0.28 195	0.28 226	0.29 187	0.27 206

DLNR_Zeroshot_test	0.31 181	0.28 126	0.47 279	0.79 307	0.24 208	0.30 197	0.26 209	0.30 194	0.24 196	0.32 204	0.23 197	0.31 207	0.24 200	0.30 205	0.23 193	0.29 195	0.26 186	0.29 200	0.24 204	0.33 203	0.23 181

tt_ll	0.31 181	0.91 248	0.23 170	0.31 173	0.23 203	0.31 202	0.23 193	0.33 202	0.25 201	0.31 199	0.24 203	0.33 212	0.25 203	0.32 210	0.24 197	0.28 188	0.28 197	0.28 195	0.28 226	0.29 187	0.27 206

ff	0.31 181	0.91 248	0.23 170	0.31 173	0.23 203	0.31 202	0.23 193	0.33 202	0.25 201	0.31 199	0.24 203	0.33 212	0.25 203	0.32 210	0.24 197	0.28 188	0.28 197	0.28 195	0.28 226	0.29 187	0.27 206

RAFT + AFF	0.31 181	0.45 173	0.34 224	0.39 198	0.28 223	0.38 230	0.33 245	0.29 192	0.31 243	0.30 195	0.30 240	0.29 200	0.27 220	0.29 203	0.30 232	0.28 188	0.29 206	0.29 200	0.29 235	0.27 182	0.32 245

MLCV	0.31 181	0.35 136	0.27 186	0.35 183	0.28 223	0.35 218	0.27 212	0.35 209	0.28 222	0.36 218	0.27 219	0.35 218	0.27 220	0.35 220	0.27 209	0.34 209	0.27 191	0.34 224	0.27 222	0.34 207	0.27 206

DN-CSS_ROB	0.31 181	0.35 136	0.28 190	0.35 183	0.28 223	0.34 214	0.27 212	0.34 206	0.25 201	0.35 215	0.27 219	0.36 224	0.26 212	0.34 218	0.28 215	0.35 218	0.28 197	0.34 224	0.28 226	0.34 207	0.27 206

WCG-NET（raft）	0.32 189	1.24 354	0.24 176	0.32 176	0.24 208	0.32 210	0.23 193	0.32 199	0.24 196	0.32 204	0.24 203	0.32 209	0.24 200	0.32 210	0.24 197	0.30 196	0.23 180	0.30 202	0.23 196	0.30 190	0.23 181

testlalala	0.32 189	0.81 231	0.31 205	0.39 198	0.26 218	0.33 212	0.24 198	0.33 202	0.26 214	0.32 204	0.26 215	0.33 212	0.23 197	0.33 216	0.23 193	0.35 218	0.31 220	0.30 202	0.24 204	0.31 195	0.21 176

Any-RAFT	0.32 189	0.36 139	0.27 186	0.36 187	0.27 220	0.36 221	0.27 212	0.36 213	0.27 219	0.36 218	0.27 219	0.36 224	0.27 220	0.36 226	0.28 215	0.36 223	0.28 197	0.36 242	0.28 226	0.36 226	0.28 219

GCAP-BAT	0.33 192	0.78 225	0.32 209	0.38 193	0.25 210	0.34 214	0.25 201	0.34 206	0.26 214	0.34 211	0.25 209	0.35 218	0.26 212	0.35 220	0.27 209	0.36 223	0.30 214	0.32 209	0.24 204	0.32 197	0.26 198

StereoDRNet-Refined	0.33 192	0.39 150	0.26 185	0.39 198	0.26 218	0.40 238	0.26 209	0.40 233	0.26 214	0.39 229	0.26 215	0.39 236	0.26 212	0.39 240	0.26 208	0.37 227	0.25 183	0.37 245	0.25 209	0.37 228	0.37 270
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
LG-Stereo_L2	0.34 194	0.37 141	0.38 240	0.47 242	0.28 223	0.39 236	0.28 217	0.39 228	0.28 222	0.39 229	0.28 225	0.39 236	0.28 226	0.38 232	0.28 215	0.42 270	0.35 235	0.36 242	0.26 215	0.35 219	0.26 198

H2IRNET	0.34 194	0.34 135	0.34 224	0.34 182	0.34 268	0.34 214	0.34 256	0.34 206	0.34 261	0.34 211	0.34 261	0.34 217	0.34 259	0.34 218	0.34 260	0.34 209	0.34 234	0.34 224	0.34 270	0.34 207	0.34 258

IGEV++	0.34 194	0.43 167	0.30 197	0.40 211	0.29 230	0.40 238	0.29 224	0.40 233	0.29 227	0.40 234	0.29 229	0.40 243	0.29 232	0.40 243	0.30 232	0.38 234	0.29 206	0.37 245	0.29 235	0.37 228	0.29 224

iRaft-Stereo_5w	0.34 194	0.42 166	0.31 205	0.39 198	0.30 239	0.38 230	0.30 229	0.40 233	0.29 227	0.40 234	0.37 280	0.41 255	0.34 259	0.38 232	0.30 232	0.34 209	0.27 191	0.34 224	0.26 215	0.34 207	0.26 198

CSP-Net	0.34 194	1.29 356	1.19 388	1.36 421	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	1.26 432	1.21 439	0.03 38	0.09 110	0.02 20	0.09 108

iRaft-Stereo_20w	0.34 194	0.41 159	0.31 205	0.39 198	0.29 230	0.40 238	0.32 236	0.41 248	0.32 246	0.38 224	0.30 240	0.39 236	0.30 238	0.38 232	0.32 239	0.35 218	0.27 191	0.34 224	0.27 222	0.34 207	0.29 224

DGSMNet	0.34 194	0.41 159	0.27 186	0.41 222	0.28 223	0.41 254	0.28 217	0.41 248	0.27 219	0.41 247	0.27 219	0.42 271	0.27 220	0.41 257	0.28 215	0.40 248	0.29 206	0.40 267	0.28 226	0.40 249	0.27 206

gcap-zeroshot	0.35 201	0.32 133	0.37 237	0.49 252	0.39 294	0.33 212	0.21 181	0.26 185	0.35 264	0.42 259	0.34 261	0.49 298	0.29 232	0.47 285	0.39 286	0.34 209	0.17 159	0.38 252	0.23 196	0.48 286	0.34 258

CASnet	0.35 201	0.51 200	0.44 266	0.32 176	0.31 245	0.24 176	0.34 256	0.36 213	0.25 201	0.31 199	0.37 280	0.30 203	0.33 254	0.25 185	0.45 308	0.37 227	0.37 240	0.33 217	0.35 277	0.34 207	0.37 270
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
IGEV-Stereo	0.35 201	0.44 170	0.45 268	0.49 252	0.30 239	0.37 226	0.30 229	0.36 213	0.30 237	0.36 218	0.29 229	0.36 224	0.29 232	0.36 226	0.30 232	0.46 277	0.39 253	0.32 209	0.24 204	0.32 197	0.25 192
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
ETE_ROB	0.35 201	0.35 136	0.35 232	0.35 183	0.35 271	0.35 218	0.35 261	0.35 209	0.35 264	0.35 215	0.35 270	0.35 218	0.35 266	0.35 220	0.35 264	0.35 218	0.35 235	0.35 237	0.35 277	0.35 219	0.35 265

GIP-stereo	0.36 205	0.49 189	0.39 247	0.48 246	0.32 247	0.41 254	0.28 217	0.40 233	0.30 237	0.41 247	0.28 225	0.40 243	0.28 226	0.42 270	0.28 215	0.45 274	0.32 223	0.38 252	0.30 245	0.37 228	0.27 206

DCVSM-stereo	0.36 205	1.89 387	0.22 167	0.40 211	0.22 198	0.40 238	0.22 186	0.40 233	0.22 188	0.40 234	0.22 193	0.40 243	0.22 191	0.40 243	0.22 187	0.28 188	0.21 172	0.28 195	0.21 188	0.28 184	0.20 173

RSM	0.36 205	0.36 139	0.43 264	0.37 190	0.42 313	0.49 300	0.42 302	0.37 219	0.28 222	0.36 218	0.29 229	0.36 224	0.30 238	0.37 230	0.28 215	0.34 209	0.31 220	0.34 224	0.35 277	0.40 249	0.29 224

RAFT-Test	0.36 205	0.37 141	0.33 214	0.41 222	0.32 247	0.41 254	0.32 236	0.41 248	0.32 246	0.41 247	0.32 247	0.41 255	0.32 247	0.41 257	0.33 247	0.37 227	0.29 206	0.37 245	0.29 235	0.38 237	0.31 241

DMCA	0.36 205	0.38 144	0.37 237	0.35 183	0.35 271	0.36 221	0.36 268	0.36 213	0.35 264	0.35 215	0.37 280	0.36 224	0.36 269	0.35 220	0.36 268	0.36 223	0.36 238	0.35 237	0.36 283	0.36 226	0.36 266

ACVNet-DCA	0.37 210	1.00 266	0.30 197	0.40 211	0.29 230	0.40 238	0.29 224	0.40 233	0.29 227	0.40 234	0.29 229	0.40 243	0.29 232	0.39 240	0.28 215	0.33 206	0.32 223	0.33 217	0.32 258	0.33 203	0.32 245

1test111	0.37 210	1.02 276	0.30 197	0.39 198	0.29 230	0.40 238	0.28 217	0.39 228	0.29 227	0.39 229	0.29 229	0.39 236	0.28 226	0.40 243	0.29 225	0.33 206	0.32 223	0.33 217	0.31 253	0.32 197	0.31 241

cc1	0.37 210	1.02 276	0.30 197	0.39 198	0.29 230	0.40 238	0.28 217	0.39 228	0.29 227	0.39 229	0.29 229	0.39 236	0.28 226	0.40 243	0.29 225	0.33 206	0.32 223	0.33 217	0.31 253	0.32 197	0.31 241

EKT-Stereo	0.37 210	0.40 152	0.44 266	1.07 346	0.29 230	0.34 214	0.31 235	0.36 213	0.29 227	0.38 224	0.31 245	0.37 230	0.30 238	0.36 226	0.29 225	0.34 209	0.28 197	0.39 262	0.30 245	0.37 228	0.30 234

GMOStereo	0.37 210	0.45 173	0.23 170	0.30 168	0.37 280	0.41 254	0.36 268	0.41 248	0.35 264	0.43 265	0.36 274	0.41 255	0.40 284	0.41 257	0.36 268	0.34 209	0.22 176	0.47 306	0.37 285	0.39 244	0.33 252

XPNet_ROB	0.37 210	0.37 141	0.37 237	0.37 190	0.37 280	0.37 226	0.37 273	0.37 219	0.37 276	0.37 223	0.37 280	0.37 230	0.37 273	0.37 230	0.37 276	0.37 227	0.37 240	0.37 245	0.37 285	0.37 228	0.37 270

HART	0.38 216	0.45 173	0.34 224	0.42 231	0.33 258	0.41 254	0.34 256	0.42 264	0.33 252	0.43 265	0.34 261	0.42 271	0.34 259	0.41 257	0.38 279	0.40 248	0.32 223	0.42 291	0.32 258	0.40 249	0.32 245

GREAT-IGEV	0.38 216	0.43 167	0.36 234	0.48 246	0.32 247	0.45 279	0.32 236	0.45 270	0.32 246	0.45 270	0.32 247	0.45 277	0.32 247	0.45 277	0.32 239	0.44 272	0.33 231	0.41 280	0.29 235	0.41 259	0.29 224

fffy	0.38 216	0.43 167	0.33 214	0.46 236	0.33 258	0.45 279	0.32 236	0.45 270	0.32 246	0.45 270	0.32 247	0.45 277	0.33 254	0.45 277	0.32 239	0.38 234	0.38 246	0.38 252	0.37 285	0.37 228	0.36 266

WAO-8	0.38 216	0.38 144	0.38 240	0.38 193	0.38 287	0.38 230	0.38 279	0.38 224	0.38 280	0.38 224	0.38 285	0.38 232	0.38 277	0.38 232	0.38 279	0.38 234	0.38 246	0.38 252	0.37 285	0.38 237	0.38 277

WAO-7	0.38 216	0.38 144	0.38 240	0.38 193	0.38 287	0.38 230	0.38 279	0.38 224	0.38 280	0.38 224	0.38 285	0.38 232	0.38 277	0.38 232	0.38 279	0.38 234	0.38 246	0.38 252	0.38 298	0.38 237	0.38 277

xx1	0.38 216	1.03 278	0.31 205	0.40 211	0.31 245	0.41 254	0.28 217	0.40 233	0.29 227	0.40 234	0.29 229	0.40 243	0.29 232	0.40 243	0.29 225	0.34 209	0.33 231	0.34 224	0.32 258	0.34 207	0.32 245

Venus	0.38 216	0.38 144	0.38 240	0.38 193	0.38 287	0.37 226	0.38 279	0.37 219	0.37 276	0.41 247	0.37 280	0.39 236	0.37 273	0.38 232	0.38 279	0.37 227	0.38 246	0.38 252	0.37 285	0.37 228	0.38 277

IMH	0.38 216	0.38 144	0.38 240	0.38 193	0.38 287	0.38 230	0.38 279	0.38 224	0.38 280	0.42 259	0.38 285	0.40 243	0.38 277	0.38 232	0.38 279	0.38 234	0.38 246	0.39 262	0.38 298	0.38 237	0.38 277

PAM	0.39 224	1.88 386	0.34 224	0.37 190	0.41 303	0.45 279	0.22 186	0.28 188	0.23 194	0.28 191	0.24 203	0.29 200	0.23 197	0.29 203	0.23 193	0.38 234	0.32 223	0.38 252	0.37 285	0.32 197	0.22 179

HanzoNet	0.39 224	0.38 144	0.40 250	0.39 198	0.41 303	0.38 230	0.38 279	0.38 224	0.38 280	0.39 229	0.39 290	0.38 232	0.38 277	0.39 240	0.40 290	0.38 234	0.38 246	0.40 267	0.38 298	0.38 237	0.40 286

CES	0.39 224	0.47 181	0.36 234	0.36 187	0.37 280	0.45 279	0.35 261	0.35 209	0.40 290	0.36 218	0.44 313	0.47 287	0.36 269	0.44 274	0.36 268	0.37 227	0.39 253	0.44 294	0.35 277	0.37 228	0.36 266

PASM	0.39 224	3.06 458	1.36 454	1.58 427	0.09 112	0.11 119	0.11 128	0.11 122	0.11 131	0.09 108	0.09 112	0.11 121	0.09 113	0.09 109	0.09 105	0.11 86	0.11 95	0.11 118	0.09 110	0.11 120	0.11 125

mms	0.40 228	0.45 173	0.35 232	0.48 246	0.36 277	0.47 290	0.34 256	0.45 270	0.38 280	0.47 280	0.33 253	0.45 277	0.32 247	0.45 277	0.32 239	0.39 244	0.38 246	0.38 252	0.37 285	0.39 244	0.39 283

knoymous	0.40 228	0.40 152	0.40 250	0.40 211	0.40 296	0.40 238	0.40 289	0.40 233	0.40 290	0.40 234	0.40 293	0.40 243	0.40 284	0.40 243	0.40 290	0.40 248	0.40 256	0.40 267	0.40 302	0.40 249	0.40 286

anonymousa	0.40 228	0.40 152	0.40 250	0.40 211	0.40 296	0.40 238	0.40 289	0.40 233	0.40 290	0.40 234	0.40 293	0.40 243	0.40 284	0.40 243	0.40 290	0.40 248	0.40 256	0.40 267	0.40 302	0.40 249	0.40 286

riskmin	0.40 228	0.40 152	0.40 250	0.40 211	0.40 296	0.40 238	0.40 289	0.40 233	0.40 290	0.40 234	0.40 293	0.40 243	0.40 284	0.40 243	0.40 290	0.40 248	0.40 256	0.40 267	0.40 302	0.40 249	0.40 286

Anonymous_2	0.40 228	0.40 152	0.40 250	0.40 211	0.40 296	0.40 238	0.40 289	0.40 233	0.40 290	0.40 234	0.40 293	0.40 243	0.40 284	0.40 243	0.40 290	0.40 248	0.40 256	0.40 267	0.40 302	0.40 249	0.40 286

Anonymous_1	0.40 228	0.40 152	0.40 250	0.40 211	0.40 296	0.40 238	0.40 289	0.40 233	0.40 290	0.40 234	0.40 293	0.40 243	0.40 284	0.40 243	0.40 290	0.40 248	0.40 256	0.40 267	0.40 302	0.40 249	0.40 286

AdaStereo	0.40 228	0.40 152	0.40 250	0.40 211	0.40 296	0.40 238	0.40 289	0.40 233	0.40 290	0.40 234	0.40 293	0.40 243	0.40 284	0.40 243	0.40 290	0.40 248	0.40 256	0.40 267	0.40 302	0.40 249	0.40 286
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	0.41 235	0.84 234	0.46 272	0.50 259	0.33 258	0.45 279	0.33 245	0.45 270	0.32 246	0.45 270	0.32 247	0.45 277	0.32 247	0.45 277	0.32 239	0.44 272	0.41 265	0.39 262	0.31 253	0.39 244	0.32 245

ccccc	0.41 235	0.44 170	0.34 224	0.48 246	0.35 271	0.48 295	0.35 261	0.51 306	0.35 264	0.47 280	0.35 270	0.47 287	0.34 259	0.47 285	0.35 264	0.41 256	0.40 256	0.40 267	0.40 302	0.41 259	0.39 283

GwcNet-ADL	0.41 235	0.41 159	0.41 258	0.41 222	0.41 303	0.41 254	0.41 297	0.41 248	0.41 299	0.41 247	0.41 299	0.41 255	0.41 295	0.41 257	0.41 297	0.41 256	0.41 265	0.41 280	0.41 309	0.41 259	0.41 293

PSMNet-ADL	0.41 235	0.41 159	0.41 258	0.41 222	0.41 303	0.41 254	0.41 297	0.41 248	0.41 299	0.41 247	0.41 299	0.41 255	0.41 295	0.41 257	0.41 297	0.41 256	0.41 265	0.41 280	0.41 309	0.41 259	0.41 293

GANet-ADL	0.41 235	0.41 159	0.41 258	0.41 222	0.41 303	0.41 254	0.41 297	0.41 248	0.41 299	0.41 247	0.41 299	0.41 255	0.41 295	0.41 257	0.41 297	0.41 256	0.41 265	0.41 280	0.41 309	0.41 259	0.41 293

ADLNet2	0.41 235	0.41 159	0.41 258	0.41 222	0.41 303	0.41 254	0.41 297	0.41 248	0.41 299	0.41 247	0.41 299	0.41 255	0.41 295	0.41 257	0.41 297	0.41 256	0.41 265	0.41 280	0.41 309	0.41 259	0.41 293

ADLNet	0.41 235	0.41 159	0.41 258	0.41 222	0.41 303	0.41 254	0.41 297	0.41 248	0.41 299	0.41 247	0.41 299	0.41 255	0.41 295	0.41 257	0.41 297	0.41 256	0.41 265	0.41 280	0.41 309	0.41 259	0.41 293

FCDSN-DC	0.41 235	0.59 213	0.64 322	0.54 270	0.33 258	0.50 308	0.37 273	0.42 264	0.40 290	0.61 332	0.43 311	0.50 312	0.49 325	0.38 232	0.32 239	0.28 188	0.23 180	0.26 189	0.22 191	0.35 219	0.28 219
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
psmorigin	0.41 235	0.46 177	0.33 214	0.49 252	0.33 258	0.49 300	0.33 245	0.49 288	0.33 252	0.49 294	0.33 253	0.49 298	0.33 254	0.51 314	0.33 247	0.41 256	0.30 214	0.41 280	0.30 245	0.79 333	0.29 224

Gwc-CoAtRS	0.41 235	1.49 366	0.32 209	0.42 231	0.32 247	0.41 254	0.32 236	0.41 248	0.33 252	0.41 247	0.32 247	0.41 255	0.32 247	0.41 257	0.32 239	0.39 244	0.28 197	0.39 262	0.28 226	0.40 249	0.28 219

UPFNet	0.42 245	1.20 301	0.17 149	0.24 151	0.17 176	0.25 183	0.17 162	1.19 387	0.90 385	0.25 181	0.17 172	0.24 179	0.17 169	0.25 185	0.17 167	0.22 160	0.17 159	0.22 172	0.16 163	1.15 374	0.93 385

DilatedVolume-Stereo	0.43 246	0.86 237	0.48 287	0.50 259	0.33 258	0.46 285	0.33 245	0.46 274	0.33 252	0.46 274	0.33 253	0.47 287	0.33 254	0.47 285	0.34 260	0.45 274	0.42 273	0.40 267	0.33 266	0.47 282	0.38 277

psmg	0.43 246	1.91 390	0.92 364	1.91 441	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	1.97 466	1.44 459	0.04 73	0.03 54	0.02 20	0.03 51

delet	0.43 246	1.21 347	0.17 149	0.25 156	0.17 176	0.25 183	0.18 168	1.26 439	0.95 393	0.25 181	0.17 172	0.25 184	0.17 169	0.25 185	0.17 167	0.23 171	0.16 143	0.22 172	0.16 163	1.18 382	0.98 389

psm_up	0.43 246	1.19 300	0.17 149	0.25 156	0.18 183	0.25 183	0.19 172	1.26 439	0.91 386	0.26 188	0.17 172	0.25 184	0.17 169	0.25 185	0.17 167	0.22 160	0.17 159	0.23 178	0.16 163	1.18 382	0.99 390

depthmonostereo	0.44 250	0.85 236	0.46 272	0.54 270	0.40 296	0.52 319	0.38 279	0.52 308	0.35 264	0.47 280	0.34 261	0.46 281	0.34 259	0.47 285	0.34 260	0.45 274	0.43 276	0.41 280	0.33 266	0.41 259	0.32 245

MMNet	0.44 250	1.24 354	0.17 149	0.25 156	0.17 176	0.25 183	0.18 168	1.26 439	0.93 391	0.25 181	0.17 172	0.25 184	0.18 176	0.25 185	0.17 167	0.23 171	0.16 143	0.23 178	0.16 163	1.20 385	0.99 390

SCV_C0	0.45 252	0.88 241	0.49 292	0.54 270	0.37 280	0.48 295	0.37 273	0.48 284	0.37 276	0.48 287	0.36 274	0.48 294	0.37 273	0.49 300	0.37 276	0.50 295	0.41 265	0.44 294	0.34 270	0.44 269	0.34 258

RAFT-Stereo-weight	0.45 252	1.90 389	0.34 224	0.42 231	0.36 277	0.43 276	0.35 261	0.42 264	0.34 261	0.42 259	0.34 261	0.44 275	0.34 259	0.41 257	0.34 260	0.38 234	0.32 223	0.38 252	0.32 258	0.38 237	0.33 252

TorneroNet-64	0.45 252	0.27 123	0.30 197	0.58 279	0.27 220	0.70 344	0.30 229	0.28 188	0.73 372	0.73 348	0.28 225	0.71 347	0.66 350	0.75 351	0.27 209	0.27 186	0.29 206	0.37 245	0.75 375	0.28 184	0.30 234

SCV	0.46 255	0.94 257	0.45 268	0.54 270	0.37 280	0.48 295	0.38 279	0.48 284	0.37 276	0.48 287	0.39 290	0.48 294	0.37 273	0.49 300	0.37 276	0.50 295	0.46 282	0.44 294	0.34 270	0.44 269	0.34 258

otaku	0.46 255	0.46 177	0.46 272	0.46 236	0.46 320	0.46 285	0.46 311	0.46 274	0.46 312	0.46 274	0.46 318	0.46 281	0.46 311	0.46 281	0.46 312	0.46 277	0.46 282	0.46 301	0.46 321	0.46 274	0.46 307

Dean	0.46 255	0.46 177	0.46 272	0.46 236	0.46 320	0.46 285	0.46 311	0.46 274	0.46 312	0.47 280	0.46 318	0.46 281	0.46 311	0.46 281	0.46 312	0.46 277	0.46 282	0.46 301	0.46 321	0.46 274	0.46 307

ACVNet_1	0.46 255	0.47 181	0.46 272	0.46 236	0.46 320	0.46 285	0.46 311	0.46 274	0.47 317	0.46 274	0.46 318	0.46 281	0.46 311	0.46 281	0.46 312	0.46 277	0.46 282	0.47 306	0.46 321	0.46 274	0.46 307

ACVNet-4b	0.46 255	0.46 177	0.46 272	0.46 236	0.46 320	0.46 285	0.46 311	0.46 274	0.46 312	0.46 274	0.46 318	0.46 281	0.46 311	0.47 285	0.46 312	0.46 277	0.46 282	0.46 301	0.46 321	0.46 274	0.46 307

PML	0.46 255	1.36 361	0.29 193	0.58 279	0.30 239	0.57 331	0.29 224	0.57 318	0.29 227	0.57 327	0.29 229	0.57 331	0.29 232	0.56 325	0.29 225	0.52 303	0.30 214	0.53 333	0.31 253	0.53 306	0.30 234

LG-Stereo_L1	0.47 261	0.52 202	0.47 279	0.62 286	0.39 294	0.53 321	0.40 289	0.53 310	0.39 289	0.53 317	0.39 290	0.53 320	0.39 283	0.53 319	0.39 286	0.55 308	0.46 282	0.49 319	0.37 285	0.49 290	0.37 270

Ntro	0.47 261	0.47 181	0.46 272	0.46 236	0.46 320	0.47 290	0.47 316	0.46 274	0.47 317	0.46 274	0.46 318	0.47 287	0.46 311	0.47 285	0.47 318	0.47 282	0.46 282	0.46 301	0.46 321	0.46 274	0.46 307

HaxPig	0.47 261	0.47 181	0.47 279	0.49 252	0.47 326	0.47 290	0.47 316	0.47 280	0.47 317	0.47 280	0.47 326	0.47 287	0.47 319	0.47 285	0.47 318	0.47 282	0.47 290	0.47 306	0.47 328	0.47 282	0.48 316

UNDER WATER	0.47 261	0.47 181	0.47 279	0.47 242	0.47 326	0.47 290	0.47 316	0.47 280	0.47 317	0.47 280	0.47 326	0.47 287	0.46 311	0.47 285	0.47 318	0.47 282	0.47 290	0.47 306	0.46 321	0.47 282	0.47 314

LVE	0.47 261	0.47 181	0.47 279	0.47 242	0.49 332	0.47 290	0.47 316	0.47 280	0.49 326	0.47 280	0.47 326	0.47 287	0.46 311	0.47 285	0.47 318	0.47 282	0.47 290	0.48 314	0.47 328	0.47 282	0.47 314

GASTEREO	0.48 266	1.21 347	0.47 279	0.57 277	0.38 287	0.50 308	0.38 279	0.50 296	0.38 280	0.50 306	0.38 285	0.50 312	0.38 277	0.50 307	0.38 279	0.52 303	0.42 273	0.46 301	0.34 270	0.46 274	0.34 258

LG-Stereo_Zeroshot	0.48 266	0.55 210	0.47 279	0.63 288	0.41 303	0.56 326	0.44 305	0.56 315	0.41 299	0.56 325	0.41 299	0.57 331	0.42 301	0.56 325	0.41 297	0.55 308	0.43 276	0.51 328	0.37 285	0.51 301	0.37 270

fffft	0.48 266	0.51 200	0.45 268	0.52 267	0.45 318	0.52 319	0.45 309	0.52 308	0.48 324	0.53 317	0.45 316	0.52 319	0.45 308	0.52 317	0.46 312	0.51 301	0.41 265	0.50 323	0.41 309	0.50 295	0.41 293
1: 1. 1
RainbowNet	0.48 266	0.48 187	0.48 287	0.48 246	0.48 330	0.48 295	0.48 325	0.48 284	0.48 324	0.48 287	0.48 330	0.48 294	0.48 320	0.48 294	0.48 324	0.48 286	0.48 294	0.48 314	0.48 331	0.48 286	0.48 316

notaker	0.48 266	0.49 189	0.48 287	0.48 246	0.48 330	0.48 295	0.48 325	0.48 284	0.49 326	0.48 287	0.48 330	0.48 294	0.48 320	0.48 294	0.48 324	0.48 286	0.48 294	0.48 314	0.48 331	0.48 286	0.49 321

LL-Strereo2	0.48 266	1.73 379	0.51 301	0.59 282	0.34 268	0.42 272	0.33 245	0.40 233	0.31 243	0.42 259	0.33 253	0.42 271	0.31 245	0.44 274	0.39 286	0.60 314	0.51 307	0.44 294	0.33 266	0.44 269	0.33 252

Former-RAFT_DAM_RVC	0.49 272	0.98 262	0.64 322	0.84 314	0.46 320	0.45 279	0.35 261	0.47 280	0.47 317	0.45 270	0.34 261	0.46 281	0.48 320	0.46 281	0.35 264	0.39 244	0.71 342	0.39 262	0.35 277	0.41 259	0.41 293

ACVNet_2	0.49 272	0.49 189	0.49 292	0.49 252	0.49 332	0.49 300	0.49 327	0.49 288	0.49 326	0.49 294	0.49 333	0.49 298	0.49 325	0.49 300	0.49 326	0.49 289	0.49 297	0.49 319	0.49 334	0.49 290	0.49 321

FoundationStereo	0.50 274	0.50 193	0.50 296	0.50 259	0.50 336	0.50 308	0.50 329	0.50 296	0.50 329	0.50 306	0.50 335	0.50 312	0.50 328	0.50 307	0.50 327	0.50 295	0.50 303	0.50 323	0.50 336	0.50 295	0.50 324

StereoAnything_RVC	0.50 274	0.50 193	0.50 296	0.50 259	0.50 336	0.50 308	0.50 329	0.50 296	0.50 329	0.50 306	0.50 335	0.50 312	0.50 328	0.50 307	0.50 327	0.50 295	0.50 303	0.50 323	0.50 336	0.50 295	0.50 324

dual_stereo	0.50 274	0.50 193	0.50 296	0.50 259	0.50 336	0.50 308	0.50 329	0.50 296	0.50 329	0.50 306	0.50 335	0.50 312	0.50 328	0.50 307	0.50 327	0.50 295	0.50 303	0.50 323	0.50 336	0.50 295	0.50 324

GCST	0.50 274	2.08 400	0.38 240	0.53 268	0.35 271	0.49 300	0.35 261	0.50 296	0.35 264	0.49 294	0.35 270	0.49 298	0.35 266	0.49 300	0.35 264	0.48 286	0.37 240	0.45 298	0.33 266	0.44 269	0.33 252

SANet	0.50 274	0.50 193	0.50 296	0.50 259	0.50 336	0.50 308	0.50 329	0.50 296	0.50 329	0.50 306	0.50 335	0.50 312	0.50 328	0.50 307	0.50 327	0.50 295	0.50 303	0.50 323	0.50 336	0.50 295	0.50 324

MSCF	0.51 279	1.40 363	0.49 292	0.58 279	0.38 287	0.50 308	0.38 279	0.54 312	0.41 299	0.52 314	0.41 299	0.53 320	0.42 301	0.53 319	0.41 297	0.60 314	0.47 290	0.48 314	0.37 285	0.48 286	0.38 277

UGAM-zero	0.51 279	2.17 408	0.39 247	0.53 268	0.36 277	0.50 308	0.36 268	0.50 296	0.36 275	0.49 294	0.36 274	0.50 312	0.35 266	0.50 307	0.36 268	0.49 289	0.37 240	0.47 306	0.35 277	0.46 274	0.34 258

UGAM	0.51 279	2.23 413	0.39 247	0.54 270	0.35 271	0.50 308	0.35 261	0.49 288	0.35 264	0.49 294	0.35 270	0.49 298	0.36 269	0.50 307	0.36 268	0.49 289	0.37 240	0.45 298	0.34 270	0.45 273	0.34 258

Selective-IGEV	0.51 279	0.55 210	0.45 268	0.69 297	0.45 318	0.61 334	0.45 309	0.50 296	0.40 290	0.56 325	0.44 313	0.55 327	0.40 284	0.72 346	0.67 351	0.59 313	0.46 282	0.45 298	0.34 270	0.46 274	0.37 270

RCA-Stereo	0.51 279	3.22 464	0.34 224	0.44 234	0.34 268	0.44 278	0.34 256	0.43 268	0.34 261	0.43 265	0.34 261	0.44 275	0.33 254	0.43 272	0.33 247	0.38 234	0.29 206	0.38 252	0.29 235	0.38 237	0.29 224

AIO-test1	0.54 284	0.60 215	0.52 304	0.66 295	0.47 326	0.61 334	0.47 316	0.58 321	0.46 312	0.61 332	0.46 318	0.61 337	0.45 308	0.62 333	0.45 308	0.61 318	0.52 309	0.57 336	0.48 331	0.57 309	0.48 316

castereo++	0.54 284	3.59 469	1.15 382	1.31 417	0.14 155	0.16 139	0.14 149	0.16 139	0.14 155	0.16 136	0.14 158	0.16 137	0.13 151	0.16 138	0.14 148	1.45 444	1.16 388	0.15 139	0.14 158	0.15 139	0.13 148

FENet	0.54 284	1.52 367	1.19 388	1.41 424	0.23 203	0.35 218	0.23 193	0.35 209	0.23 194	0.34 211	0.23 197	0.35 218	0.23 197	0.35 220	0.23 193	1.40 442	1.07 372	0.32 209	0.23 196	0.33 203	0.23 181

PSMNet_ROB	0.54 284	0.54 208	0.54 309	0.54 270	0.53 345	0.54 324	0.54 337	0.53 310	0.54 339	0.54 320	0.54 345	0.54 323	0.53 335	0.54 321	0.54 337	0.54 306	0.53 311	0.54 334	0.54 341	0.54 307	0.54 332

AIO-test2	0.55 288	0.59 213	0.52 304	0.67 296	0.47 326	0.61 334	0.47 316	0.61 327	0.47 317	0.61 332	0.47 326	0.61 337	0.48 320	0.62 333	0.47 318	0.64 323	0.53 311	0.58 337	0.47 328	0.58 310	0.48 316

CFNet-ft	0.55 288	1.57 368	0.14 125	0.20 133	0.14 155	0.20 159	2.53 516	1.61 451	0.14 155	0.20 156	0.14 158	0.20 157	0.14 155	0.20 157	0.14 148	0.17 140	0.12 110	0.17 150	0.12 146	1.56 444	1.24 465

MyStereo04	0.56 290	3.72 475	0.59 314	0.49 252	0.41 303	0.36 221	0.32 236	0.37 219	0.31 243	0.34 211	0.46 318	0.35 218	0.32 247	0.35 220	0.33 247	0.49 289	0.45 280	0.34 224	0.32 258	0.35 219	0.43 301

CASS	0.57 291	0.89 244	0.56 311	0.57 277	0.56 348	0.56 326	0.56 338	0.56 315	0.53 337	0.57 327	0.57 348	0.59 335	0.48 320	0.56 325	0.57 340	0.55 308	0.56 315	0.47 306	0.56 346	0.62 313	0.56 339
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
LG-Stereo	0.60 292	0.58 212	0.47 279	0.64 291	0.74 379	1.00 373	0.69 356	0.57 318	0.41 299	0.57 327	0.41 299	0.57 331	0.41 295	1.00 379	0.75 370	0.91 355	0.51 307	0.52 331	0.37 285	0.52 303	0.37 270

MonSter	0.60 292	0.64 218	0.52 304	0.62 286	0.44 316	2.07 477	0.44 305	0.62 328	0.44 310	0.62 335	0.44 313	0.62 339	0.44 306	0.62 333	0.44 307	0.58 312	0.42 273	0.62 340	0.46 321	0.58 310	0.42 300

MyStereo07	0.60 292	3.72 475	0.48 287	0.49 252	0.41 303	0.36 221	0.32 236	0.49 288	0.43 307	0.51 311	0.42 309	0.49 298	0.43 304	0.51 314	0.64 346	0.49 289	0.45 280	0.34 224	0.32 258	0.35 219	0.43 301

castereo	0.61 295	3.79 477	1.35 446	1.52 426	0.15 166	0.17 147	0.16 157	0.20 157	0.21 185	0.18 149	0.16 167	0.21 165	0.12 146	0.26 195	0.17 167	1.43 443	1.38 456	0.17 150	0.16 163	0.18 153	0.16 154

WCG-NET	0.61 295	1.21 347	0.54 309	0.61 285	0.53 345	0.67 342	0.53 335	0.66 333	0.53 337	0.64 338	0.53 344	0.65 343	0.53 335	0.59 331	0.52 334	0.65 324	0.48 294	0.64 343	0.52 340	0.58 310	0.50 324

SMoEStereo_RVC	0.63 297	0.75 224	0.51 301	0.73 303	0.53 345	0.71 346	0.47 316	0.67 334	0.58 342	0.74 353	0.60 349	0.72 350	0.53 335	0.74 350	0.51 332	0.61 318	0.62 326	0.62 340	0.61 354	0.63 314	0.61 344

anonymity	0.63 297	0.69 220	0.56 311	0.71 301	0.56 348	0.71 346	0.56 338	0.71 339	0.56 340	0.72 346	0.56 347	0.71 347	0.56 339	0.71 345	0.58 341	0.68 328	0.55 313	0.68 348	0.55 342	0.68 318	0.54 332

PAM_32	0.64 299	2.38 428	0.51 301	0.92 324	0.43 315	0.53 321	0.44 305	0.87 351	0.43 307	0.52 314	0.45 316	0.53 320	0.40 284	0.54 321	0.46 312	0.62 321	0.56 315	0.48 314	0.45 319	0.76 329	0.44 304

CRFU-Net	0.65 300	1.67 372	1.22 438	1.96 444	0.27 220	0.41 254	0.27 212	0.41 248	0.27 219	0.40 234	0.26 215	0.41 255	0.27 220	0.40 243	0.27 209	1.80 457	1.62 475	0.34 224	0.23 196	0.33 203	0.23 181

LMCR-Stereo	0.65 300	0.63 216	0.65 325	0.65 292	0.65 362	0.66 341	0.63 344	0.58 321	0.65 352	0.63 337	0.64 356	0.65 343	0.65 347	0.66 340	0.66 350	0.66 326	0.64 329	0.65 346	0.67 364	0.68 318	0.73 365

KSHMR	0.66 302	0.50 193	0.48 287	1.15 356	0.52 342	0.49 300	0.51 333	0.49 288	0.71 367	0.67 342	0.50 335	1.16 398	1.11 393	0.66 340	0.52 334	0.49 289	0.49 297	0.51 328	0.66 360	0.50 295	1.14 406

TorneroNet	0.66 302	0.53 205	0.50 296	0.50 259	0.64 360	1.06 381	0.70 360	0.50 296	0.51 336	0.49 294	0.69 365	0.49 298	0.50 328	0.48 294	1.15 405	0.71 333	0.49 297	1.14 397	1.08 401	0.49 290	0.49 321

GES	0.66 302	2.34 424	0.29 193	0.41 222	0.29 230	0.41 254	0.29 224	0.42 264	0.29 227	0.40 234	0.41 299	0.41 255	0.30 238	0.51 314	0.29 225	0.32 202	0.29 206	0.32 209	2.46 520	2.49 483	0.30 234

cf-r	0.66 302	2.17 408	0.12 100	0.18 128	0.12 150	0.18 151	2.70 519	2.60 495	0.12 150	0.18 149	0.12 141	0.18 151	0.12 146	0.18 150	0.12 138	0.15 123	0.11 95	0.15 139	0.11 129	1.81 456	1.74 500

DSFCA	0.66 302	0.73 223	0.78 348	0.65 292	0.65 362	0.64 339	0.64 345	0.65 331	0.63 350	0.64 338	0.64 356	0.64 340	0.64 345	0.65 339	0.65 347	0.65 324	0.65 331	0.65 346	0.65 358	0.66 316	0.64 349

DEFOM-Stereo	0.68 307	3.11 460	1.40 460	1.63 435	0.25 210	0.31 202	0.25 201	0.31 198	0.28 222	0.31 199	0.29 229	0.29 200	0.27 220	0.31 209	0.28 215	1.59 450	1.47 461	0.30 202	0.29 235	0.30 190	0.28 219

ssnet_v2	0.68 307	1.96 397	1.25 442	0.29 167	0.20 189	0.30 197	0.20 175	0.29 192	0.22 188	1.50 453	0.20 187	0.31 207	0.20 185	0.27 198	0.22 187	0.24 176	1.49 462	0.26 189	0.18 185	3.90 504	0.19 172

ARAFT	0.68 307	0.81 231	0.63 320	0.74 304	0.60 351	0.78 351	0.62 343	0.77 343	0.66 354	0.74 353	0.63 354	0.75 354	0.62 344	0.83 357	0.60 343	0.70 332	0.55 313	0.70 351	0.60 352	0.78 331	0.55 336

NINENet	0.69 310	3.87 481	1.20 391	1.98 445	0.05 99	0.40 238	0.04 81	0.40 233	0.05 98	0.41 247	0.04 88	0.41 255	0.05 94	0.40 243	0.05 88	1.79 456	1.56 468	0.34 224	0.22 191	0.34 207	0.23 181

RAFT-Stereo + iAFF	0.70 311	0.72 222	0.71 336	0.80 309	0.62 359	0.82 356	0.61 342	0.81 349	0.62 348	0.81 360	0.63 354	0.80 360	0.70 358	0.73 348	0.61 345	0.76 337	0.61 325	0.74 354	0.61 354	0.77 330	0.61 344

DMCA-RVC	0.70 311	0.80 228	0.70 332	0.70 299	0.70 372	0.70 344	0.70 360	0.71 339	0.70 362	0.70 345	0.71 371	0.71 347	0.70 358	0.70 344	0.69 359	0.69 329	0.70 338	0.69 349	0.70 369	0.69 322	0.70 358

MyStereo8	0.71 313	3.92 482	0.52 304	0.59 282	0.52 342	0.57 331	0.53 335	0.59 323	0.50 329	0.59 331	0.51 341	0.57 331	0.50 328	0.56 325	0.52 334	0.54 306	0.49 297	0.54 334	0.49 334	0.55 308	0.50 324

HH	0.71 313	2.54 433	0.74 343	1.10 348	0.32 247	0.41 254	0.37 273	0.69 336	0.78 375	0.73 348	0.90 386	0.75 354	1.00 383	0.84 358	0.69 359	0.69 329	0.40 256	0.35 237	0.26 215	0.35 219	0.26 198

HanStereo	0.71 313	2.54 433	0.74 343	1.10 348	0.32 247	0.41 254	0.37 273	0.69 336	0.78 375	0.73 348	0.90 386	0.75 354	1.00 383	0.84 358	0.69 359	0.69 329	0.40 256	0.35 237	0.26 215	0.35 219	0.26 198

ktn	0.72 316	0.53 205	1.08 377	1.14 354	0.51 341	1.22 442	1.36 468	0.51 306	0.59 343	0.51 311	0.51 341	0.69 346	1.20 404	0.67 342	0.51 332	0.51 301	0.49 297	0.58 337	0.66 360	0.52 303	0.53 331

CroCo-Stereo	0.73 317	1.22 352	0.25 179	1.22 410	0.25 210	1.22 442	0.25 201	1.22 436	0.25 201	1.22 444	0.25 209	1.22 447	0.25 203	1.22 447	0.25 203	1.22 431	0.26 186	1.21 453	0.25 209	1.22 432	0.25 192
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
AFF-stereo	0.73 317	0.88 241	0.67 329	0.75 305	0.68 369	0.75 348	0.64 345	0.80 346	0.72 369	0.83 361	0.70 367	0.82 363	0.64 345	0.84 358	0.67 351	0.77 338	0.63 327	0.81 365	0.63 356	0.78 331	0.62 347

AIO-Stereo-zeroshot1	0.75 319	0.92 253	0.85 356	0.96 334	0.59 350	1.27 445	0.44 305	0.59 323	0.69 359	0.91 366	0.68 362	0.55 327	0.61 343	1.06 386	0.83 379	0.62 321	0.70 338	0.90 375	0.41 309	0.89 348	0.56 339

MyStereo06	0.75 319	4.12 483	0.60 316	0.63 288	0.61 356	0.62 337	0.66 348	0.56 315	0.45 311	0.55 323	0.48 330	0.54 323	0.46 311	0.57 329	0.45 308	0.60 314	0.57 317	0.64 343	0.55 342	0.72 324	0.55 336

GCAP-Stereo	0.75 319	4.15 486	0.42 263	0.75 305	0.35 271	0.78 351	0.40 289	0.79 344	0.38 280	0.78 356	0.36 274	0.78 357	0.36 269	0.79 353	0.39 286	0.75 336	0.39 253	0.76 357	0.39 301	0.75 328	0.39 283

GANet-RSSM	0.75 319	1.91 390	0.14 125	0.47 242	0.14 155	0.21 167	3.21 536	2.30 483	0.14 155	0.46 274	0.14 158	0.23 175	0.18 176	0.21 168	0.14 148	0.18 148	0.27 191	0.37 245	0.13 154	2.13 465	2.12 510

RSM++	0.76 323	0.82 233	0.66 326	0.85 316	0.64 360	0.85 357	0.71 363	0.94 364	0.64 351	0.87 362	0.67 361	0.87 365	0.65 347	0.84 358	0.65 347	0.81 343	0.70 338	0.79 360	0.71 372	0.83 343	0.70 358

CroCo-Stereo Lap2	0.77 324	1.29 356	0.29 193	1.27 414	0.29 230	1.27 445	0.26 209	1.26 439	0.26 214	1.26 445	0.26 215	1.27 449	0.26 212	1.26 448	0.27 209	1.27 433	0.27 191	1.27 456	0.27 222	1.27 434	0.27 206

PSMNet-RSSM	0.77 324	2.76 450	0.14 125	0.20 133	0.14 155	0.20 159	2.66 517	2.79 508	0.14 155	0.21 166	0.14 158	0.21 165	0.14 155	0.20 157	0.14 148	0.17 140	0.12 110	0.17 150	0.12 146	2.52 487	2.31 515

GwcNet-RSSM	0.77 324	2.77 452	0.14 125	0.20 133	0.14 155	0.20 159	2.67 518	2.78 507	0.14 155	0.20 156	0.14 158	0.20 157	0.14 155	0.21 168	0.14 148	0.17 140	0.12 110	0.17 150	0.12 146	2.52 487	2.31 515

4D-IteraStereo	0.78 327	3.13 461	0.89 357	0.69 297	0.32 247	0.40 238	0.32 236	0.76 342	0.97 396	0.52 314	0.65 358	0.89 368	0.32 247	0.76 352	0.98 391	0.83 348	0.94 364	0.35 237	0.27 222	0.70 323	0.89 381

hitnet-ft	0.79 328	2.78 454	0.14 125	0.20 133	0.14 155	0.21 167	2.89 520	2.80 509	0.14 155	0.20 156	0.14 158	0.20 157	0.14 155	0.20 157	0.14 148	0.17 140	0.12 110	0.17 150	0.12 146	2.54 495	2.33 517

G-Net	0.79 328	0.79 227	0.79 351	0.79 307	0.79 383	0.79 353	0.79 371	0.79 344	0.79 378	0.79 357	0.79 381	0.79 359	0.79 371	0.79 353	0.79 373	0.79 339	0.79 351	0.79 360	0.79 379	0.79 333	0.79 372

MyStereo05	0.80 330	4.12 483	0.63 320	0.63 288	0.61 356	0.62 337	0.66 348	0.65 331	0.62 348	0.67 342	0.61 352	0.65 343	0.58 340	0.67 342	0.55 339	0.60 314	0.57 317	0.64 343	0.55 342	0.72 324	0.55 336

UDG	0.80 330	2.21 412	0.60 316	0.91 321	0.60 351	0.90 363	0.58 340	0.88 354	0.60 344	0.90 364	0.60 349	0.88 366	0.60 342	0.90 366	0.58 341	0.86 352	0.60 321	0.84 371	0.59 351	0.84 344	0.61 344

ccnet	0.80 330	2.28 416	0.33 214	0.50 259	0.33 258	0.50 308	0.33 245	0.50 296	0.33 252	0.49 294	0.33 253	0.49 298	1.56 469	2.38 486	0.33 247	0.41 256	0.29 206	0.42 291	1.57 481	2.28 471	0.29 224

NaN_ROB	0.80 330	0.80 228	0.80 352	0.80 309	0.80 385	0.80 354	0.80 374	0.80 346	0.80 379	0.80 358	0.80 382	0.80 360	0.80 372	0.80 355	0.80 375	0.80 340	0.80 354	0.80 363	0.80 381	0.80 336	0.80 373

CSAN	0.80 330	0.80 228	0.80 352	0.80 309	0.80 385	0.80 354	0.80 374	0.80 346	0.80 379	0.80 358	0.80 382	0.80 360	0.80 372	0.80 355	0.80 375	0.80 340	0.80 354	0.80 363	0.80 381	0.80 336	0.80 373

BSDual-CNN	0.81 335	1.91 390	0.92 364	4.48 508	0.02 21	0.42 272	0.06 105	0.41 248	0.02 21	0.48 287	0.03 52	0.02 20	0.02 21	0.03 39	0.02 20	1.97 466	4.19 531	0.33 217	0.23 196	0.34 207	0.27 206

DDUNet	0.81 335	2.45 431	0.57 313	0.90 319	0.60 351	0.88 360	0.59 341	0.90 355	0.60 344	0.88 363	0.60 349	0.90 369	0.58 340	0.88 363	0.60 343	0.84 350	0.60 321	0.86 373	0.57 348	0.86 345	0.60 343

R-Stereo Train	0.81 335	0.96 259	0.67 329	0.95 331	0.67 366	0.95 368	0.68 353	0.95 366	0.68 356	0.95 374	0.68 362	0.96 377	0.68 353	0.96 376	0.68 355	0.94 363	0.68 333	0.94 382	0.68 365	0.94 358	0.68 355

RAFT-Stereo	0.81 335	0.96 259	0.67 329	0.95 331	0.67 366	0.95 368	0.68 353	0.95 366	0.68 356	0.95 374	0.68 362	0.96 377	0.68 353	0.96 376	0.68 355	0.94 363	0.68 333	0.94 382	0.68 365	0.94 358	0.68 355
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
gwcnet-sp	0.82 339	1.72 374	1.48 464	0.39 198	0.15 166	0.31 202	0.21 181	0.20 157	0.25 201	1.61 457	0.23 197	0.28 195	0.26 212	0.20 157	0.15 158	0.24 176	1.33 448	0.32 209	0.16 163	6.75 542	0.23 181

scenet	0.82 339	1.72 374	1.48 464	0.39 198	0.15 166	0.31 202	0.21 181	0.20 157	0.25 201	1.61 457	0.23 197	0.28 195	0.26 212	0.20 157	0.15 158	0.24 176	1.33 448	0.32 209	0.16 163	6.75 542	0.23 181

ssnet	0.82 339	1.72 374	1.48 464	0.39 198	0.15 166	0.31 202	0.21 181	0.20 157	0.25 201	1.61 457	0.23 197	0.28 195	0.26 212	0.20 157	0.15 158	0.24 176	1.33 448	0.32 209	0.16 163	6.75 542	0.23 181

STTRV1_RVC	0.82 339	1.60 370	0.70 332	1.01 341	0.60 351	1.07 384	0.69 356	1.01 372	0.60 344	0.72 346	0.55 346	1.02 385	0.68 353	1.03 384	0.67 351	0.89 354	0.63 327	0.92 380	0.57 348	0.90 351	0.65 350

DEFOM-Stereo_RVC	0.83 343	5.18 499	1.98 502	2.19 450	0.17 176	0.19 154	0.18 168	0.19 152	0.16 167	0.20 156	0.19 183	0.22 171	0.22 191	0.20 157	0.15 158	2.28 483	2.13 501	0.24 185	0.17 181	0.18 153	0.16 154

BUS	0.83 343	1.91 390	0.92 364	4.48 508	0.02 21	0.40 238	0.04 81	0.41 248	0.02 21	0.48 287	0.03 52	0.41 255	0.05 94	0.03 39	0.05 88	1.97 466	4.19 531	0.33 217	0.23 196	0.34 207	0.27 206

PDISCO_ROB	0.83 343	2.80 455	3.49 530	0.14 97	0.11 134	0.17 147	0.09 110	0.15 138	0.10 116	0.15 131	0.12 141	0.16 137	0.14 155	3.30 515	0.13 144	0.14 114	2.34 506	0.16 142	0.12 146	2.62 496	0.10 113

AIO-Stereo	0.84 346	0.66 219	0.70 332	0.83 313	0.67 366	0.98 371	0.82 377	1.14 379	0.72 369	1.03 382	0.74 377	1.03 386	1.09 392	0.99 378	0.45 308	1.04 369	0.73 344	0.95 384	0.74 374	0.94 358	0.46 307

DCRE	0.84 346	1.89 387	0.77 347	0.94 329	0.72 376	0.88 360	0.73 366	0.87 351	0.78 375	0.90 364	0.71 371	0.88 366	0.67 352	0.88 363	0.73 367	0.81 343	0.68 333	0.81 365	0.70 369	0.82 341	0.70 358

iGMRVC	0.84 346	2.85 456	0.72 339	0.72 302	0.73 377	0.77 349	0.79 371	0.73 341	0.74 374	0.73 348	0.72 374	0.73 352	0.76 368	0.73 348	0.73 367	0.72 334	0.73 344	0.73 353	0.72 373	0.73 327	0.72 362

AdaDepth	0.86 349	0.93 255	0.71 336	1.01 341	1.07 408	1.02 378	0.71 363	1.00 368	0.71 367	1.01 380	0.71 371	1.00 380	0.72 363	1.14 396	0.71 365	0.92 358	0.64 329	0.90 375	0.64 357	0.89 348	0.69 357

GEStereo_RVC	0.86 349	4.45 489	0.20 161	0.27 165	0.20 189	0.27 193	0.20 175	0.26 185	0.18 174	5.03 543	0.20 187	0.27 194	0.19 181	0.27 198	0.21 185	0.20 152	0.19 166	0.19 163	4.02 547	0.20 160	0.18 170

Selective-RAFT-Error	0.88 351	0.84 234	0.98 369	0.86 317	0.97 399	0.88 360	0.95 388	0.84 350	0.99 399	0.92 368	0.82 384	0.84 364	0.98 382	0.87 362	0.97 390	0.81 343	0.83 357	0.79 360	0.82 384	0.79 333	0.85 378

IER	0.88 351	7.04 518	2.23 507	2.75 468	0.28 223	0.43 276	0.25 201	0.39 228	0.25 201	0.41 247	0.27 219	0.39 236	0.25 203	0.40 243	0.28 215	0.37 227	0.28 197	0.37 245	0.25 209	0.37 228	0.25 192

Selective-RAFT	0.89 353	0.89 244	0.72 339	1.16 361	0.78 382	1.06 381	0.82 377	0.87 351	0.97 396	1.00 376	0.91 389	0.90 369	1.00 383	0.89 365	0.93 387	0.83 348	0.83 357	0.82 369	0.82 384	0.81 339	0.82 376

AIO-Stereo-zeroshot	0.91 354	0.86 237	0.89 357	1.25 413	0.69 370	1.05 380	0.81 376	1.16 382	0.50 329	1.12 391	0.97 394	0.72 350	0.82 374	1.06 386	0.95 388	0.61 318	0.87 359	1.03 394	0.85 387	1.04 367	1.01 395

CFNet-RSSM	0.91 354	4.89 495	0.34 224	0.44 234	1.07 408	1.62 462	1.40 475	0.91 357	0.35 264	1.60 454	1.39 475	0.64 340	0.34 259	0.44 274	0.33 247	0.41 256	0.35 235	0.75 355	0.30 245	0.41 259	0.29 224

MLG-Stereo	0.92 356	0.90 246	0.84 355	1.27 414	0.49 332	1.38 452	0.88 380	1.41 449	0.97 396	0.73 348	1.09 402	1.26 448	0.43 304	0.72 346	1.05 398	1.13 380	0.49 297	1.18 406	0.66 360	1.01 365	0.46 307

ToySt	0.92 356	2.11 403	0.90 360	0.95 331	0.79 383	0.99 372	0.78 370	0.94 364	0.81 382	0.94 372	0.78 380	0.95 376	0.77 369	0.94 372	0.86 381	0.91 355	0.79 351	0.85 372	0.77 376	0.89 348	0.73 365

DPSM_ROB	0.92 356	0.91 248	0.91 362	0.91 321	0.92 394	0.92 365	0.92 384	0.92 360	0.91 386	0.93 370	0.91 389	0.92 372	0.90 376	0.91 367	0.92 383	0.92 358	0.91 360	0.91 378	0.92 388	0.93 356	0.93 385

DPSM	0.92 356	0.91 248	0.91 362	0.91 321	0.92 394	0.92 365	0.92 384	0.92 360	0.91 386	0.93 370	0.91 389	0.92 372	0.90 376	0.91 367	0.92 383	0.92 358	0.91 360	0.91 378	0.92 388	0.93 356	0.93 385

pmcnn	0.92 356	0.92 253	0.92 364	0.92 324	0.92 394	0.92 365	0.92 384	0.92 360	0.92 390	0.92 368	0.92 392	0.92 372	0.92 378	0.92 371	0.92 383	0.92 358	0.92 362	0.92 380	0.92 388	0.92 355	0.92 384

error version	0.93 361	4.47 490	2.35 510	1.99 446	0.37 280	0.41 254	0.36 268	0.41 248	0.35 264	0.43 265	0.36 274	0.41 255	0.40 284	0.41 257	0.36 268	1.87 459	2.16 502	0.47 306	0.37 285	0.39 244	0.33 252

test_1	0.93 361	4.47 490	2.35 510	1.99 446	0.37 280	0.41 254	0.36 268	0.41 248	0.35 264	0.43 265	0.36 274	0.41 255	0.40 284	0.41 257	0.36 268	1.87 459	2.16 502	0.47 306	0.37 285	0.39 244	0.33 252

DGTPSM_ROB	0.93 361	1.00 266	0.92 364	0.94 329	0.96 398	0.91 364	0.92 384	0.91 357	0.96 395	0.91 366	0.96 393	0.93 375	0.92 378	0.94 372	0.92 383	0.92 358	0.92 362	0.90 375	0.92 388	0.94 358	0.91 383

HSM-Net_RVC	0.95 364	1.17 297	0.78 348	1.18 363	0.71 374	1.16 395	0.75 368	1.09 377	0.80 379	1.10 386	0.75 378	1.17 399	0.74 365	1.17 399	0.80 375	1.13 380	0.73 344	1.17 403	0.77 376	1.16 376	0.72 362
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
iRaftStereo_RVC	0.97 365	3.17 463	2.30 509	2.42 462	0.38 287	0.54 324	0.38 279	0.54 312	0.38 280	0.54 320	0.38 285	0.54 323	0.38 277	0.54 321	0.38 279	2.38 490	2.34 506	0.49 319	0.36 283	0.49 290	0.36 266

DPSimNet_ROB	0.97 365	1.18 299	0.81 354	1.10 348	0.91 393	1.02 378	0.82 377	1.04 374	0.91 386	1.03 382	0.86 385	1.28 450	0.82 374	1.03 384	0.89 382	1.17 383	0.81 356	1.02 393	0.82 384	1.08 369	0.81 375

test-3	0.98 367	4.13 485	1.85 491	1.85 438	0.61 356	0.69 343	0.37 273	0.63 329	0.61 347	0.66 341	0.51 341	0.73 352	0.44 306	0.57 329	0.54 337	1.68 454	1.81 486	0.40 267	0.43 317	0.66 316	0.50 324

999	1.00 368	1.12 291	0.59 314	1.10 348	1.21 466	1.09 387	0.52 334	1.08 375	1.43 478	1.18 396	1.35 469	0.98 379	0.52 334	0.91 367	0.85 380	0.72 334	1.46 460	0.83 370	0.98 393	0.68 318	1.41 478

DispNO	1.00 368	0.63 216	0.43 264	3.45 494	0.44 316	0.65 340	0.43 304	0.64 330	0.43 307	0.64 338	0.43 311	0.64 340	3.03 513	0.64 338	0.43 306	4.55 520	0.43 276	0.63 342	0.43 317	0.63 314	0.43 301

GANet	1.00 368	1.00 266	1.00 371	1.00 338	1.00 400	1.00 373	1.00 392	1.00 368	1.00 400	1.00 376	1.00 396	1.00 380	1.00 383	1.00 379	1.00 393	1.00 365	1.00 365	1.00 389	1.00 395	1.00 362	1.00 392

TDLM	1.00 368	1.00 266	1.00 371	1.00 338	1.00 400	1.00 373	1.00 392	1.00 368	1.00 400	1.00 376	1.00 396	1.00 380	1.00 383	1.00 379	1.00 393	1.00 365	1.00 365	1.00 389	1.00 395	1.00 362	1.00 392

CVANet_RVC	1.00 368	1.00 266	1.00 371	1.00 338	1.00 400	1.00 373	1.00 392	1.00 368	1.00 400	1.00 376	1.00 396	1.00 380	1.00 383	1.00 379	1.00 393	1.00 365	1.00 365	1.00 389	1.00 395	1.00 362	1.00 392

trnet	1.01 373	1.01 272	1.01 374	1.01 341	1.01 404	1.01 377	1.01 395	1.01 372	1.01 403	1.01 380	1.01 399	1.01 384	1.01 389	1.01 383	1.01 396	1.01 368	1.01 368	1.01 392	1.01 399	1.01 365	1.01 395

LL-Strereo	1.01 373	5.06 497	1.63 471	0.70 299	1.43 476	0.56 326	0.46 311	0.57 318	0.50 329	0.57 327	0.50 335	1.58 458	0.49 325	0.59 331	0.50 327	1.64 453	0.52 309	0.51 328	1.37 469	0.52 303	0.45 306

FlowAnything_test	1.02 375	1.72 374	0.71 336	1.59 428	0.70 372	1.61 460	0.69 356	1.61 451	0.70 362	1.60 454	0.70 367	1.61 462	0.69 356	1.61 458	0.70 363	0.81 343	0.58 319	0.81 365	0.55 342	0.81 339	0.56 339

FlowAnything	1.02 375	1.71 373	0.72 339	1.59 428	0.69 370	1.60 459	0.69 356	1.61 451	0.70 362	1.60 454	0.69 365	1.60 459	0.69 356	1.61 458	0.69 359	0.81 343	0.58 319	0.81 365	0.56 346	0.82 341	0.56 339

tt45	1.04 377	0.88 241	1.36 454	0.92 324	1.03 406	1.51 458	0.79 371	0.70 338	0.88 384	0.74 353	0.90 386	1.60 459	0.72 363	1.60 456	0.75 370	0.91 355	0.78 350	1.52 468	0.79 379	1.14 372	1.32 470

GLC_STEREO	1.07 378	1.01 272	1.06 376	1.07 346	1.05 407	1.06 381	1.08 399	1.08 375	1.05 406	1.07 384	1.06 401	1.08 388	1.05 391	1.06 386	1.10 400	1.07 371	1.09 378	1.05 395	1.05 400	1.06 368	1.12 402

FC-DCNN	1.07 378	1.09 287	0.98 369	0.89 318	0.52 342	1.41 455	0.91 383	1.21 435	1.24 464	1.96 466	2.05 518	1.91 467	1.30 457	1.27 449	1.08 399	0.80 340	0.60 321	0.58 337	0.41 309	0.68 318	0.54 332

hknet	1.10 380	1.85 383	3.49 530	4.48 508	0.02 21	0.42 272	0.06 105	0.41 248	0.02 21	0.48 287	0.03 52	0.41 255	0.03 52	0.42 270	0.03 48	4.39 517	4.19 531	0.33 217	0.23 196	0.34 207	0.27 206

test_xeample3	1.10 380	1.81 380	0.61 318	0.84 314	0.49 332	0.77 349	0.66 348	0.92 360	1.40 476	0.68 344	0.46 318	0.78 357	0.54 338	1.72 461	1.48 477	1.34 437	1.52 464	1.35 461	1.67 494	1.33 436	1.55 482

DISCO	1.11 382	0.39 150	5.28 543	0.39 198	0.20 189	0.39 236	0.27 212	0.39 228	0.22 188	0.38 224	0.20 187	0.38 232	0.20 185	6.95 554	0.22 187	0.30 196	0.21 172	0.27 193	0.21 188	5.25 535	0.21 176

Occ-G	1.12 383	0.52 202	3.72 535	3.50 498	0.50 336	0.56 326	0.47 316	0.54 312	0.46 312	0.54 320	0.41 299	0.54 323	0.42 301	0.52 317	0.42 304	3.42 511	4.02 530	0.52 331	0.45 319	0.51 301	0.44 304

AEACV	1.12 383	0.52 202	3.12 527	3.24 483	0.86 387	0.53 321	0.49 327	0.60 325	0.47 317	0.53 317	0.49 333	0.55 327	0.45 308	0.55 324	0.47 318	3.01 507	3.88 528	0.71 352	0.60 352	0.80 336	0.48 316

MSMD_ROB	1.19 385	1.10 290	0.70 332	1.10 348	0.60 351	1.10 388	0.70 360	1.10 378	0.70 362	1.10 386	0.70 367	1.10 392	0.70 358	7.00 555	0.70 363	1.10 374	0.70 338	1.10 396	0.70 369	1.10 370	0.70 358

MM-Stereo_test2	1.20 386	1.85 383	1.05 375	1.46 425	0.94 397	1.36 450	0.99 391	1.36 444	0.95 393	1.41 450	0.98 395	1.40 455	0.96 380	1.37 451	0.95 388	1.37 441	1.06 371	1.33 458	0.93 392	1.29 435	0.89 381

ours_stereo	1.20 386	1.21 347	0.90 360	1.64 436	1.11 410	1.35 448	0.67 352	1.76 458	0.93 391	1.70 462	1.10 403	1.39 453	0.75 367	1.41 453	0.81 378	1.60 452	1.03 370	1.33 458	1.00 395	1.61 446	0.72 362

DisPM	1.20 386	1.20 301	1.20 391	1.20 365	1.20 420	1.20 396	1.20 410	1.20 390	1.20 416	1.20 398	1.20 412	1.20 401	1.20 404	1.20 401	1.20 412	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

CrosDoStereo	1.20 386	1.20 301	1.20 391	1.20 365	1.20 420	1.20 396	1.20 410	1.20 390	1.20 416	1.20 398	1.20 412	1.20 401	1.20 404	1.20 401	1.20 412	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

PFNet+	1.20 386	1.20 301	1.20 391	1.20 365	1.20 420	1.20 396	1.20 410	1.20 390	1.20 416	1.20 398	1.20 412	1.20 401	1.20 404	1.20 401	1.20 412	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

LCNet	1.20 386	1.20 301	1.20 391	1.20 365	1.20 420	1.20 396	1.20 410	1.20 390	1.20 416	1.20 398	1.20 412	1.20 401	1.20 404	1.20 401	1.20 412	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

HHNet	1.20 386	1.20 301	1.20 391	1.20 365	1.20 420	1.20 396	1.20 410	1.20 390	1.20 416	1.20 398	1.20 412	1.20 401	1.20 404	1.20 401	1.20 412	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

Patchmatch Stereo++	1.20 386	1.20 301	1.20 391	1.20 365	1.20 420	1.20 396	1.20 410	1.20 390	1.20 416	1.20 398	1.20 412	1.20 401	1.20 404	1.20 401	1.20 412	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416
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	1.20 386	1.20 301	1.20 391	1.20 365	1.20 420	1.20 396	1.20 410	1.20 390	1.20 416	1.20 398	1.20 412	1.20 401	1.20 404	1.20 401	1.20 412	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

STrans-v2	1.20 386	1.20 301	1.20 391	1.20 365	1.20 420	1.20 396	1.20 410	1.20 390	1.20 416	1.20 398	1.20 412	1.20 401	1.20 404	1.20 401	1.20 412	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

TransformOpticalFlow	1.20 386	1.20 301	1.20 391	1.20 365	1.20 420	1.20 396	1.20 410	1.20 390	1.20 416	1.20 398	1.20 412	1.20 401	1.20 404	1.20 401	1.20 412	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

OMP-Stereo	1.20 386	1.20 301	1.20 391	1.20 365	1.20 420	1.20 396	1.20 410	1.20 390	1.20 416	1.20 398	1.20 412	1.20 401	1.20 404	1.20 401	1.20 412	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

IIG-Stereo	1.20 386	1.20 301	1.20 391	1.20 365	1.20 420	1.20 396	1.20 410	1.20 390	1.20 416	1.20 398	1.20 412	1.20 401	1.20 404	1.20 401	1.20 412	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

NF-Stereo	1.20 386	1.20 301	1.20 391	1.20 365	1.20 420	1.20 396	1.20 410	1.20 390	1.20 416	1.20 398	1.20 412	1.20 401	1.20 404	1.20 401	1.20 412	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

OCTAStereo	1.20 386	1.20 301	1.20 391	1.20 365	1.20 420	1.20 396	1.20 410	1.20 390	1.20 416	1.20 398	1.20 412	1.20 401	1.20 404	1.20 401	1.20 412	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

PSM-softLoss	1.20 386	1.20 301	1.20 391	1.20 365	1.20 420	1.20 396	1.20 410	1.20 390	1.20 416	1.20 398	1.20 412	1.20 401	1.20 404	1.20 401	1.20 412	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

KMStereo	1.20 386	1.20 301	1.20 391	1.20 365	1.20 420	1.20 396	1.20 410	1.20 390	1.20 416	1.20 398	1.20 412	1.20 401	1.20 404	1.20 401	1.20 412	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

NRIStereo	1.20 386	1.20 301	1.20 391	1.20 365	1.20 420	1.20 396	1.20 410	1.20 390	1.20 416	1.20 398	1.20 412	1.20 401	1.20 404	1.20 401	1.20 412	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

PSM-adaLoss	1.20 386	1.20 301	1.20 391	1.20 365	1.20 420	1.20 396	1.20 410	1.20 390	1.20 416	1.20 398	1.20 412	1.20 401	1.20 404	1.20 401	1.20 412	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

PSM-AAD	1.20 386	1.20 301	1.20 391	1.20 365	1.20 420	1.20 396	1.20 410	1.20 390	1.20 416	1.20 398	1.20 412	1.20 401	1.20 404	1.20 401	1.20 412	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

FTStereo	1.20 386	1.20 301	1.20 391	1.20 365	1.20 420	1.20 396	1.20 410	1.20 390	1.20 416	1.20 398	1.20 412	1.20 401	1.20 404	1.20 401	1.20 412	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

ROB_FTStereo_v2	1.20 386	1.20 301	1.20 391	1.20 365	1.20 420	1.20 396	1.20 410	1.20 390	1.20 416	1.20 398	1.20 412	1.20 401	1.20 404	1.20 401	1.20 412	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

ROB_FTStereo	1.20 386	1.20 301	1.20 391	1.20 365	1.20 420	1.20 396	1.20 410	1.20 390	1.20 416	1.20 398	1.20 412	1.20 401	1.20 404	1.20 401	1.20 412	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

Consistency-Raft	1.20 386	1.20 301	1.20 391	1.20 365	1.20 420	1.20 396	1.20 410	1.20 390	1.20 416	1.20 398	1.20 412	1.20 401	1.20 404	1.20 401	1.20 412	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

KYRaft	1.20 386	1.20 301	1.20 391	1.20 365	1.20 420	1.20 396	1.20 410	1.20 390	1.20 416	1.20 398	1.20 412	1.20 401	1.20 404	1.20 401	1.20 412	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

HUI-Stereo	1.20 386	1.20 301	1.20 391	1.20 365	1.20 420	1.20 396	1.20 410	1.20 390	1.20 416	1.20 398	1.20 412	1.20 401	1.20 404	1.20 401	1.20 412	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

ASMatch	1.20 386	1.20 301	1.20 391	1.20 365	1.20 420	1.20 396	1.20 410	1.20 390	1.20 416	1.20 398	1.20 412	1.20 401	1.20 404	1.20 401	1.20 412	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

DeepStereo_LL	1.20 386	1.20 301	1.20 391	1.20 365	1.20 420	1.20 396	1.20 410	1.20 390	1.20 416	1.20 398	1.20 412	1.20 401	1.20 404	1.20 401	1.20 412	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

DEmStereo	1.20 386	1.20 301	1.20 391	1.20 365	1.20 420	1.20 396	1.20 410	1.20 390	1.20 416	1.20 398	1.20 412	1.20 401	1.20 404	1.20 401	1.20 412	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

SST-Stereo	1.20 386	1.20 301	1.20 391	1.20 365	1.20 420	1.20 396	1.20 410	1.20 390	1.20 416	1.20 398	1.20 412	1.20 401	1.20 404	1.20 401	1.20 412	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

THIR-Stereo	1.20 386	1.20 301	1.20 391	1.20 365	1.20 420	1.20 396	1.20 410	1.20 390	1.20 416	1.20 398	1.20 412	1.20 401	1.20 404	1.20 401	1.20 412	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

RAFT_R40	1.20 386	1.20 301	1.20 391	1.20 365	1.20 420	1.20 396	1.20 410	1.20 390	1.20 416	1.20 398	1.20 412	1.20 401	1.20 404	1.20 401	1.20 412	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

DRaft	1.20 386	1.20 301	1.20 391	1.20 365	1.20 420	1.20 396	1.20 410	1.20 390	1.20 416	1.20 398	1.20 412	1.20 401	1.20 404	1.20 401	1.20 412	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

PFNet	1.20 386	1.20 301	1.20 391	1.20 365	1.20 420	1.20 396	1.20 410	1.20 390	1.20 416	1.20 398	1.20 412	1.20 401	1.20 404	1.20 401	1.20 412	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

GrayStereo	1.20 386	1.20 301	1.20 391	1.20 365	1.20 420	1.20 396	1.20 410	1.20 390	1.20 416	1.20 398	1.20 412	1.20 401	1.20 404	1.20 401	1.20 412	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

RE-Stereo	1.20 386	1.20 301	1.20 391	1.20 365	1.20 420	1.20 396	1.20 410	1.20 390	1.20 416	1.20 398	1.20 412	1.20 401	1.20 404	1.20 401	1.20 412	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

Pruner-Stereo	1.20 386	1.20 301	1.20 391	1.20 365	1.20 420	1.20 396	1.20 410	1.20 390	1.20 416	1.20 398	1.20 412	1.20 401	1.20 404	1.20 401	1.20 412	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

TVStereo	1.20 386	1.20 301	1.20 391	1.20 365	1.20 420	1.20 396	1.20 410	1.20 390	1.20 416	1.20 398	1.20 412	1.20 401	1.20 404	1.20 401	1.20 412	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

DeepStereo_RVC	1.20 386	1.20 301	1.20 391	1.20 365	1.20 420	1.20 396	1.20 410	1.20 390	1.20 416	1.20 398	1.20 412	1.20 401	1.20 404	1.20 401	1.20 412	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

RAFT-RH_RVC	1.20 386	1.20 301	1.20 391	1.20 365	1.20 420	1.20 396	1.20 410	1.20 390	1.20 416	1.20 398	1.20 412	1.20 401	1.20 404	1.20 401	1.20 412	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

IRAFT_RVC	1.20 386	1.20 301	1.20 391	1.20 365	1.20 420	1.20 396	1.20 410	1.20 390	1.20 416	1.20 398	1.20 412	1.20 401	1.20 404	1.20 401	1.20 412	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

RAFT-345	1.20 386	1.20 301	1.20 391	1.20 365	1.20 420	1.20 396	1.20 410	1.20 390	1.20 416	1.20 398	1.20 412	1.20 401	1.20 404	1.20 401	1.20 412	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

iRAFT	1.20 386	1.20 301	1.20 391	1.20 365	1.20 420	1.20 396	1.20 410	1.20 390	1.20 416	1.20 398	1.20 412	1.20 401	1.20 404	1.20 401	1.20 412	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

CRE-IMP	1.20 386	1.20 301	1.20 391	1.20 365	1.20 420	1.20 396	1.20 410	1.20 390	1.20 416	1.20 398	1.20 412	1.20 401	1.20 404	1.20 401	1.20 412	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

GMM-Stereo	1.20 386	1.20 301	1.20 391	1.20 365	1.20 420	1.20 396	1.20 410	1.20 390	1.20 416	1.20 398	1.20 412	1.20 401	1.20 404	1.20 401	1.20 412	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

RAFT-IKP	1.20 386	1.20 301	1.20 391	1.20 365	1.20 420	1.20 396	1.20 410	1.20 390	1.20 416	1.20 398	1.20 412	1.20 401	1.20 404	1.20 401	1.20 412	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

Prome-Stereo	1.20 386	1.20 301	1.20 391	1.20 365	1.20 420	1.20 396	1.20 410	1.20 390	1.20 416	1.20 398	1.20 412	1.20 401	1.20 404	1.20 401	1.20 412	1.20 385	1.20 393	1.20 408	1.20 412	1.20 385	1.20 416

HCRNet	1.22 433	7.11 519	3.00 515	3.55 499	0.33 258	0.29 196	0.14 149	0.19 152	0.15 165	0.33 209	0.29 229	0.25 184	0.14 155	0.22 172	0.33 247	3.64 512	3.00 509	0.76 357	0.32 258	0.18 153	0.13 148

HBP-ISP	1.24 434	1.72 374	1.65 472	1.15 356	0.76 380	1.40 454	0.88 380	1.67 457	1.02 404	1.69 461	1.38 474	1.69 463	1.21 450	1.87 468	1.21 457	1.05 370	0.79 351	0.97 387	0.80 381	1.19 384	0.75 369

AANet_RVC	1.26 435	0.31 132	4.99 541	5.93 533	0.20 189	0.25 183	0.20 175	0.25 181	0.20 182	0.23 172	0.19 183	0.25 184	0.20 185	0.25 185	0.20 182	5.66 541	4.76 534	0.26 189	0.30 245	0.24 176	0.27 206

MM-Stereo_test3	1.27 436	2.07 399	1.18 386	1.60 431	1.02 405	1.45 456	1.01 395	1.40 448	1.04 405	1.44 451	1.03 400	1.46 457	1.02 390	1.44 454	1.02 397	1.51 448	1.12 385	1.32 457	0.98 393	1.38 439	0.97 388

11t	1.27 436	2.70 442	1.34 444	1.32 418	0.89 389	1.30 447	1.34 465	1.64 454	0.57 341	1.45 452	0.72 374	1.05 387	1.29 456	1.07 389	1.29 466	1.49 445	1.02 369	0.97 387	1.15 405	1.48 441	1.31 469

MaskLacGwcNet_RVC	1.35 438	1.35 360	1.35 446	1.35 420	1.35 470	1.35 448	1.35 466	1.36 444	1.35 472	1.36 448	1.35 469	1.36 451	1.36 462	1.36 450	1.35 470	1.35 438	1.35 453	1.35 461	1.35 466	1.35 437	1.35 474

CC-Net-ROB	1.36 439	1.33 359	1.33 443	1.36 421	1.38 473	1.36 450	1.33 464	1.37 446	1.34 469	1.35 447	1.36 471	1.38 452	1.34 460	1.38 452	1.38 473	1.35 438	1.38 456	1.33 458	1.35 466	1.43 440	1.34 473

CFNet	1.37 440	5.27 502	0.19 158	5.49 530	0.19 187	0.28 194	0.19 172	0.28 188	0.19 180	0.28 191	0.19 183	0.28 195	4.35 540	0.28 200	0.19 179	0.23 171	0.17 159	0.23 178	4.21 549	4.81 526	0.17 166

PS-NSSS	1.38 441	1.39 362	1.34 444	1.34 419	1.35 470	1.38 452	1.37 473	1.35 443	1.38 475	1.34 446	1.34 468	1.39 453	1.38 465	1.70 460	1.40 474	1.36 440	1.36 454	1.36 463	1.37 469	1.37 438	1.36 475

RASNet	1.49 442	1.65 371	1.45 462	1.38 423	1.43 476	1.47 457	1.36 468	1.38 447	1.36 473	1.39 449	1.60 484	1.45 456	1.45 468	1.51 455	2.21 513	1.53 449	1.36 454	1.36 463	1.36 468	1.66 449	1.36 475

GANetREF_RVC	1.55 443	1.94 396	1.22 438	1.88 439	1.21 466	1.88 466	1.22 456	1.88 460	1.22 462	1.88 463	1.22 458	1.88 465	1.22 451	1.89 469	1.22 458	1.87 459	1.22 440	1.88 481	1.22 458	1.88 458	1.22 462
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
SPS-STEREO	1.59 444	1.91 390	1.21 437	1.94 442	1.20 420	2.00 474	1.23 457	1.99 465	1.24 464	2.00 471	1.25 461	2.03 475	1.26 453	2.00 473	1.29 466	1.90 463	1.18 392	1.89 482	1.21 457	1.89 459	1.20 416
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
DPSMNet_ROB	1.60 445	1.59 369	1.70 474	1.59 428	1.59 481	1.61 460	1.61 483	1.60 450	1.60 481	1.62 460	1.59 483	1.60 459	1.60 470	1.60 456	1.59 480	1.59 450	1.60 474	1.59 469	1.59 486	1.59 445	1.59 487

ff7	1.68 446	2.68 439	1.35 446	0.97 335	0.89 389	1.84 463	2.15 511	2.12 471	1.80 497	2.05 476	1.56 480	2.33 482	2.12 504	2.23 479	2.25 514	1.31 434	1.07 372	1.48 465	1.41 472	0.90 351	1.04 397

ffff	1.68 446	2.68 439	1.35 446	0.97 335	0.89 389	1.84 463	2.15 511	2.12 471	1.80 497	2.05 476	1.56 480	2.33 482	2.12 504	2.23 479	2.25 514	1.31 434	1.07 372	1.48 465	1.41 472	0.90 351	1.04 397

ccc-4	1.68 446	2.68 439	1.35 446	0.97 335	0.89 389	1.84 463	2.15 511	2.12 471	1.80 497	2.05 476	1.56 480	2.33 482	2.12 504	2.23 479	2.25 514	1.31 434	1.07 372	1.48 465	1.41 472	0.90 351	1.04 397

MC-Stereo	1.76 449	2.96 457	1.37 456	2.14 449	1.37 472	2.14 479	1.36 468	2.14 474	1.37 474	2.14 480	1.37 472	2.14 477	1.37 464	2.14 478	1.37 472	1.97 466	1.32 441	1.97 484	1.32 465	1.98 460	1.33 471

IGEVStereo-DCA	1.77 450	4.21 487	1.84 489	2.49 465	2.11 513	2.54 499	1.36 468	1.65 455	1.17 413	2.75 507	1.90 501	2.54 493	1.15 397	0.94 372	1.11 401	1.50 446	1.32 441	0.96 385	1.46 478	1.49 442	0.88 379

rrr	1.77 450	4.21 487	1.84 489	2.49 465	2.11 513	2.54 499	1.36 468	1.65 455	1.17 413	2.75 507	1.90 501	2.54 493	1.15 397	0.94 372	1.11 401	1.50 446	1.32 441	0.96 385	1.46 478	1.49 442	0.88 379

MM-Stereo_test1	1.80 452	3.41 467	1.52 468	2.12 448	1.41 475	2.04 475	1.41 476	2.05 469	1.46 479	2.04 475	1.41 476	2.05 476	1.42 467	2.05 474	1.43 476	2.04 470	1.54 467	1.94 483	1.38 471	1.99 461	1.33 471

MFMNet_re	1.81 453	1.91 390	1.71 476	1.95 443	1.70 491	1.95 471	1.70 488	1.96 463	1.74 494	1.97 468	1.72 491	1.95 468	1.71 477	1.97 472	1.71 488	1.86 458	1.62 475	1.85 475	1.66 493	1.86 457	1.64 493

plain	1.88 454	3.16 462	0.64 322	3.10 478	0.65 362	3.10 513	0.64 345	3.12 512	0.65 352	3.10 513	0.65 358	3.11 513	0.65 347	3.12 512	0.65 347	3.12 508	0.65 331	3.13 513	0.65 358	3.13 499	0.65 350

RAFT_CTSACE	1.92 455	3.71 474	1.72 477	1.88 439	1.72 492	2.04 475	1.42 478	2.18 476	1.89 508	2.02 473	1.97 507	1.95 468	2.06 503	1.93 470	1.62 481	1.76 455	1.66 478	2.02 485	1.73 502	1.73 452	1.43 480

4.25w-stereo	1.98 456	2.72 446	1.46 463	3.47 495	1.43 476	2.07 477	1.98 503	2.53 494	1.52 480	2.71 500	1.98 513	1.81 464	1.62 472	1.96 471	1.36 471	1.88 462	2.00 491	2.53 508	1.61 488	1.74 453	1.15 407

4.5w-stereo	1.99 457	2.33 420	1.81 480	3.28 485	1.68 487	1.94 468	1.99 506	2.72 497	1.70 486	2.72 501	1.99 516	1.97 470	1.68 474	1.76 462	1.29 466	1.91 464	2.02 497	2.53 508	1.61 488	1.75 454	1.16 410

2.75w_new	1.99 457	2.34 424	1.81 480	3.14 479	1.62 483	1.94 468	1.99 506	2.72 497	1.71 487	2.72 501	1.99 516	1.90 466	1.73 479	1.82 467	1.29 466	2.37 489	2.01 493	2.31 495	1.42 475	1.77 455	1.22 462

3.75w	1.99 457	2.31 418	1.83 488	3.16 481	1.65 485	1.93 467	1.98 503	2.72 497	1.68 483	2.73 506	1.97 507	2.00 472	1.72 478	1.81 466	1.25 462	2.27 482	2.01 493	2.38 500	1.42 475	1.71 451	1.24 465

2w_stereo	1.99 457	2.36 427	1.81 480	3.24 483	1.67 486	1.94 468	1.98 503	2.72 497	1.68 483	2.72 501	1.94 504	1.98 471	1.74 481	1.79 465	1.27 463	1.95 465	2.00 491	2.53 508	1.60 487	1.68 450	1.15 407

2.25w	2.00 461	1.86 385	1.98 502	2.95 476	2.17 517	2.26 480	1.35 466	2.42 488	2.00 515	2.07 479	1.27 463	2.53 491	1.99 499	2.29 483	1.49 478	2.21 477	1.32 441	1.85 475	1.87 506	2.52 487	1.62 491

4.25_new	2.00 461	2.33 420	1.82 485	3.32 488	1.69 488	1.95 471	1.99 506	2.72 497	1.71 487	2.72 501	1.97 507	2.01 473	1.74 481	1.77 463	1.28 464	2.18 474	2.01 493	2.48 506	1.58 484	1.65 447	1.17 411

4.5w_new	2.00 461	2.33 420	1.82 485	3.32 488	1.69 488	1.95 471	1.99 506	2.72 497	1.71 487	2.72 501	1.97 507	2.01 473	1.74 481	1.77 463	1.28 464	2.18 474	2.01 493	2.48 506	1.58 484	1.65 447	1.17 411

4.5_new	2.00 461	1.84 382	1.98 502	2.77 470	2.16 515	2.27 481	1.28 463	2.09 470	1.98 512	2.01 472	1.28 464	2.71 502	1.98 497	2.51 493	1.65 483	2.26 479	1.33 448	1.87 478	1.87 506	2.49 483	1.60 488

TRStereo	2.00 461	2.13 404	1.85 491	2.27 455	1.84 496	2.28 483	1.84 492	2.29 479	1.86 502	2.30 485	1.87 496	2.30 479	1.87 487	2.08 475	1.72 490	2.08 471	1.72 481	2.08 487	1.72 499	2.08 462	1.72 497

XX-Stereo	2.00 461	2.13 404	1.85 491	2.27 455	1.84 496	2.28 483	1.84 492	2.29 479	1.86 502	2.30 485	1.87 496	2.30 479	1.87 487	2.08 475	1.72 490	2.08 471	1.72 481	2.08 487	1.72 499	2.08 462	1.72 497

EAI-Stereo	2.00 461	2.13 404	1.85 491	2.27 455	1.84 496	2.28 483	1.84 492	2.29 479	1.86 502	2.30 485	1.87 496	2.30 479	1.87 487	2.08 475	1.72 490	2.08 471	1.72 481	2.08 487	1.72 499	2.08 462	1.72 497

2.5w	2.01 468	2.40 429	1.37 456	3.28 485	2.01 507	2.71 503	1.43 480	1.82 459	1.83 500	1.90 465	1.41 476	2.71 502	1.35 461	2.71 502	1.85 500	2.66 501	1.53 465	1.64 470	1.23 459	2.53 490	1.87 506

4w-stereo	2.02 469	2.72 446	1.44 461	3.36 491	1.59 481	2.48 492	1.72 489	2.28 477	1.24 464	2.24 483	1.65 488	2.56 495	1.32 459	2.39 487	1.98 510	2.67 503	1.51 463	1.66 471	1.24 460	2.53 490	1.88 509

IGEV	2.02 469	2.20 410	1.82 485	2.90 475	2.16 515	2.41 489	1.25 459	2.00 466	1.98 512	1.99 470	1.31 466	2.72 506	1.93 493	2.67 501	1.69 487	2.26 479	1.32 441	1.83 474	1.87 506	2.53 490	1.61 490

3.25w_new	2.03 471	2.72 446	1.35 446	3.33 490	1.57 479	2.72 504	1.53 482	2.15 475	1.33 468	2.15 481	1.60 484	2.63 499	1.30 457	2.72 504	1.99 511	2.67 503	1.53 465	1.75 473	1.25 462	2.53 490	1.87 506

3.5w_stereo	2.03 471	2.72 446	1.35 446	3.41 492	1.57 479	2.72 504	1.49 481	2.01 467	1.34 469	2.15 481	1.61 486	2.63 499	1.36 462	2.72 504	1.99 511	2.66 501	1.58 470	1.68 472	1.24 460	2.53 490	1.87 506

UniTT-Stereo	2.03 471	3.43 468	0.72 339	3.42 493	0.73 377	3.27 516	0.68 353	3.38 516	0.69 359	3.29 516	0.72 374	3.28 516	0.70 358	3.35 517	0.68 355	3.39 510	0.68 333	3.31 515	0.69 367	3.37 500	0.73 365

3.25w	2.04 474	2.20 410	1.48 464	3.03 477	2.17 517	2.63 502	1.39 474	1.96 463	1.95 511	1.96 466	1.37 472	2.71 502	1.96 496	2.71 502	1.73 495	2.26 479	1.32 441	1.87 478	1.87 506	2.51 486	1.63 492

3w_stereo	2.04 474	2.24 414	1.70 474	3.15 480	2.18 519	2.49 493	1.26 461	2.03 468	1.98 512	1.98 469	1.33 467	2.72 506	1.99 499	2.59 496	1.72 490	2.22 478	1.33 448	1.85 475	1.88 511	2.50 485	1.58 486

1w_stereo	2.05 476	2.32 419	1.35 446	3.74 506	2.01 507	2.73 506	1.42 478	1.88 460	1.93 510	2.03 474	1.28 464	2.71 502	1.99 499	2.72 504	1.72 490	2.20 476	1.32 441	1.87 478	1.86 505	2.45 479	1.54 481

sCroCo_RVC	2.10 477	2.76 450	1.92 499	2.78 473	1.39 474	2.73 506	1.41 476	2.73 503	1.40 476	2.77 512	1.41 476	2.74 508	1.40 466	2.74 507	1.40 474	2.72 505	1.42 458	2.72 511	1.44 477	2.79 497	1.42 479

MoCha-V2	2.11 478	26.97 561	0.78 348	0.92 324	0.77 381	0.96 370	0.72 365	0.90 355	0.72 369	0.94 372	0.70 367	0.90 369	0.71 362	0.91 367	0.71 365	0.85 351	0.71 342	0.88 374	0.69 367	0.87 346	0.67 354

FBW_ROB	2.12 479	2.46 432	1.77 479	2.49 465	1.79 495	2.38 487	1.83 491	2.46 489	1.78 496	2.48 494	1.97 507	2.40 487	1.78 484	2.42 490	1.83 498	2.31 486	1.85 488	2.38 500	1.82 504	2.35 474	1.84 502

asda	2.17 480	2.54 433	1.81 480	3.47 495	1.78 494	2.50 495	1.86 496	2.61 496	1.68 483	2.61 498	1.83 493	2.37 486	1.73 479	2.44 491	1.88 505	2.51 498	1.84 487	2.34 497	1.62 490	2.23 467	1.77 501

asd	2.18 481	2.77 452	1.58 469	3.59 500	2.00 506	2.58 501	1.85 495	2.39 487	1.71 487	2.47 493	1.97 507	2.59 497	1.61 471	2.56 494	1.79 497	2.51 498	1.99 490	2.11 490	1.62 490	2.36 475	1.60 488

qwe	2.18 481	2.60 436	1.58 469	3.83 507	1.90 504	2.53 497	1.90 501	2.48 490	1.73 492	2.37 490	1.92 503	2.53 491	1.68 474	2.56 494	1.83 498	2.52 500	1.87 489	2.07 486	1.68 496	2.32 473	1.71 496

monsters	2.18 481	2.41 430	1.96 501	3.47 495	2.03 511	2.53 497	1.64 485	2.48 490	1.73 492	2.40 491	1.50 479	2.62 498	1.94 494	2.59 496	1.94 507	2.44 493	1.57 469	2.28 493	1.87 506	2.42 477	1.86 504

AIO_rvc	2.18 481	2.34 424	1.87 495	2.32 459	1.94 505	2.40 488	1.89 500	2.37 485	2.07 517	2.52 496	1.95 506	2.44 489	1.99 499	2.41 488	1.89 506	2.32 487	2.09 499	2.24 491	2.18 514	2.21 466	2.23 513

HUF	2.18 481	2.30 417	1.99 505	2.34 460	2.02 510	2.41 489	2.06 510	2.38 486	1.89 508	2.36 489	1.85 494	2.56 495	1.98 497	2.31 485	1.97 509	2.30 485	2.03 498	2.30 494	2.11 513	2.23 467	2.16 511

AIO_test	2.18 481	2.09 402	2.04 506	2.42 462	2.01 507	2.47 491	1.94 502	2.34 484	2.03 516	2.56 497	1.94 504	2.43 488	1.94 494	2.41 488	1.87 504	2.39 491	2.10 500	2.35 499	1.91 512	2.25 469	2.19 512

monsterstereo	2.20 487	2.33 420	1.95 500	3.65 502	2.07 512	2.49 493	1.61 483	2.48 490	1.83 500	2.45 492	1.61 486	2.67 501	1.86 486	2.64 498	1.94 507	2.48 497	1.66 478	2.34 497	1.68 496	2.40 476	1.86 504

LG-G_1	2.22 488	2.71 444	1.89 496	2.77 470	1.87 502	2.75 508	1.87 498	2.76 505	1.87 506	2.75 507	1.87 496	2.76 509	1.87 487	2.75 508	1.86 501	2.47 495	1.58 470	2.45 503	1.57 481	2.45 479	1.57 484

LG-G	2.22 488	2.71 444	1.89 496	2.77 470	1.87 502	2.75 508	1.87 498	2.76 505	1.87 506	2.75 507	1.87 496	2.76 509	1.87 487	2.75 508	1.86 501	2.47 495	1.58 470	2.45 503	1.57 481	2.45 479	1.57 484

LGtest1	2.22 488	2.70 442	1.89 496	2.76 469	1.86 499	2.75 508	1.86 496	2.75 504	1.86 502	2.75 507	1.86 495	2.77 511	1.87 487	2.75 508	1.86 501	2.46 494	1.58 470	2.45 503	1.56 480	2.45 479	1.56 483

RAStereo	2.23 491	3.64 471	0.76 346	3.65 502	0.86 387	3.66 520	0.76 369	3.67 520	0.81 382	3.66 517	0.76 379	3.66 518	0.77 369	3.68 519	0.77 372	3.68 513	0.77 349	3.69 520	0.77 376	3.70 502	0.77 371

UDGNet	2.23 491	5.40 507	1.72 477	2.48 464	1.69 488	2.51 496	1.69 487	2.51 493	1.72 491	2.50 495	1.69 490	2.52 490	1.69 476	2.50 492	1.68 486	2.41 492	1.70 480	2.42 502	1.69 498	2.42 477	1.64 493

NCCL2	2.28 493	2.27 415	2.28 508	2.28 458	2.28 520	2.27 481	2.29 514	2.28 477	2.28 518	2.27 484	2.28 519	2.28 478	2.27 507	2.27 482	2.28 518	2.28 483	2.28 505	2.27 492	2.29 518	2.27 470	2.29 514

Abc-Net	2.32 494	24.75 553	1.14 380	1.17 362	1.17 417	1.11 391	1.15 404	1.17 384	1.21 461	1.08 385	1.16 407	1.12 396	1.14 396	1.09 390	1.17 409	1.09 372	1.16 388	1.17 403	1.17 408	1.16 376	1.11 400
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
RP	2.33 495	25.00 554	1.13 379	1.15 356	1.15 412	1.10 388	1.15 404	1.15 380	1.15 408	1.12 391	1.15 404	1.09 390	1.13 394	1.10 392	1.15 405	1.11 379	1.09 378	1.16 399	1.12 403	1.16 376	1.17 411

stereogan	2.33 495	24.38 552	1.18 386	1.18 363	1.18 419	1.14 393	1.18 408	1.19 387	1.19 415	1.14 394	1.18 411	1.14 397	1.18 402	1.14 396	1.18 410	1.14 382	1.14 386	1.19 407	1.19 409	1.15 374	1.19 415

RGC	2.36 497	25.48 555	1.19 388	1.15 356	1.15 412	1.10 388	1.16 406	1.17 384	1.16 409	1.12 391	1.16 407	1.11 395	1.13 394	1.09 390	1.18 410	1.10 374	1.15 387	1.16 399	1.12 403	1.14 372	1.12 402

NCC-stereo	2.36 497	25.52 556	1.17 384	1.15 356	1.17 417	1.11 391	1.11 400	1.15 380	1.16 409	1.10 386	1.16 407	1.10 392	1.15 397	1.14 396	1.13 403	1.09 372	1.11 382	1.15 398	1.16 407	1.17 381	1.17 411

AF-Net	2.37 499	25.71 557	1.17 384	1.13 353	1.15 412	1.15 394	1.18 408	1.19 387	1.16 409	1.10 386	1.15 404	1.10 392	1.18 402	1.12 395	1.15 405	1.10 374	1.10 381	1.17 403	1.15 405	1.16 376	1.12 402

Nwc_Net	2.37 499	25.95 558	1.15 382	1.14 354	1.15 412	1.08 385	1.14 403	1.17 384	1.16 409	1.14 394	1.15 404	1.08 388	1.15 397	1.11 394	1.14 404	1.10 374	1.11 382	1.16 399	1.09 402	1.16 376	1.15 407

CFNet_RVC	2.38 501	8.71 530	0.38 240	9.33 549	0.42 313	0.56 326	0.42 302	0.60 325	0.38 280	0.62 335	0.42 309	0.56 330	7.29 552	0.62 333	0.42 304	0.53 305	0.37 240	0.49 319	0.34 270	8.30 549	6.87 556

edge stereo	2.43 502	27.07 562	1.14 380	1.06 345	1.14 411	1.08 385	1.17 407	1.16 382	1.14 407	1.10 386	1.16 407	1.09 390	1.16 401	1.10 392	1.16 408	1.10 374	1.11 382	1.16 399	1.19 409	1.13 371	1.11 400

FAT-Stereo	2.46 503	26.05 559	1.23 440	1.23 412	1.22 468	1.20 396	1.24 458	1.23 438	1.23 463	1.19 397	1.22 458	1.21 446	1.24 452	1.20 401	1.24 459	1.21 430	1.17 391	1.22 454	1.25 462	1.20 385	1.24 465

S-Stereo	2.51 504	26.86 560	1.23 440	1.22 410	1.22 468	1.24 444	1.25 459	1.22 436	1.24 464	1.21 443	1.24 460	1.19 400	1.27 454	1.19 400	1.24 459	1.19 384	1.20 393	1.25 455	1.19 409	1.24 433	1.23 464

Anonymous3	2.55 505	3.26 465	1.65 472	3.28 485	1.63 484	3.24 515	1.68 486	3.27 514	1.66 482	3.28 515	1.67 489	3.25 515	1.66 473	3.27 514	1.64 482	3.26 509	1.65 477	3.30 514	1.65 492	4.95 531	1.65 495

MIF-Stereo (partial)	2.58 506	3.31 466	0.66 326	3.18 482	0.66 365	3.18 514	0.66 348	3.21 513	0.67 355	3.19 514	0.66 360	3.19 514	0.66 350	3.31 516	0.68 355	5.09 537	1.79 485	8.23 556	1.67 494	6.18 540	1.38 477

MSMDNet	2.65 507	10.14 541	0.33 214	9.74 552	0.32 247	0.87 359	0.33 245	2.95 511	0.68 356	0.49 294	0.34 261	0.49 298	5.70 547	0.49 300	0.33 247	0.42 270	9.57 553	0.41 280	0.31 253	8.36 550	0.65 350

pcwnet_v2	2.66 508	9.89 539	0.33 214	9.89 553	0.32 247	0.50 308	0.32 236	0.49 288	0.33 252	0.49 294	0.34 261	0.49 298	8.76 554	0.48 294	0.33 247	0.41 256	9.58 554	0.40 267	0.29 235	9.01 553	0.63 348

CFNet_pseudo	2.67 509	9.36 535	0.32 209	10.99 558	0.33 258	0.85 357	0.33 245	0.49 288	0.33 252	0.49 294	0.32 247	0.49 298	7.26 551	0.49 300	0.33 247	0.41 256	9.62 555	0.41 280	0.29 235	10.03 557	0.29 224

CFNet_ucs	2.73 510	9.64 537	0.33 214	9.92 554	0.32 247	0.49 300	0.33 245	0.49 288	0.33 252	0.49 294	0.33 253	0.49 298	8.98 555	0.48 294	0.33 247	0.41 256	9.96 558	0.40 267	0.29 235	10.12 558	0.54 332

UCFNet_RVC	2.75 511	10.06 540	0.29 193	10.31 557	0.29 230	0.42 272	0.29 224	0.43 268	0.29 227	0.42 259	0.29 229	0.42 271	9.87 557	0.43 272	0.29 225	0.36 223	9.84 557	0.36 242	0.26 215	9.77 556	0.26 198

ccs_rob	2.79 512	10.17 542	0.32 209	10.00 555	0.33 258	0.49 300	0.33 245	1.90 462	0.32 246	0.51 311	0.33 253	0.49 298	9.24 556	0.49 300	0.33 247	0.41 256	9.82 556	0.41 280	0.28 226	9.34 554	0.29 224

PCWNet_CMD	2.80 513	9.82 538	0.32 209	10.09 556	0.32 247	0.49 300	0.33 245	3.34 515	0.33 252	0.49 294	0.33 253	0.49 298	8.73 553	0.48 294	0.33 247	0.41 256	9.22 552	0.42 291	0.29 235	9.55 555	0.31 241

StereoVision	3.15 514	5.00 496	0.89 357	4.83 523	1.00 400	3.93 521	1.27 462	6.37 549	1.34 469	5.67 549	1.26 462	5.84 550	1.27 454	5.03 546	1.24 459	5.10 538	1.09 378	4.61 532	0.57 348	5.62 538	1.12 402

MaDis-Stereo	3.19 515	6.02 517	1.12 378	5.61 532	1.16 416	5.43 547	1.02 397	5.15 546	0.70 362	5.43 546	1.21 457	5.03 547	0.97 381	4.85 540	0.99 392	4.53 519	1.16 388	5.53 548	1.25 462	5.37 536	1.30 468

sAnonymous2	3.31 516	2.63 437	1.38 458	3.71 504	1.86 499	4.70 539	1.11 400	4.82 542	2.72 521	5.45 547	1.98 513	4.59 532	2.64 509	2.65 499	6.21 552	4.37 515	1.08 376	5.16 546	2.24 516	4.52 513	2.39 519

CroCo_RVC	3.31 516	2.63 437	1.38 458	3.71 504	1.86 499	4.70 539	1.11 400	4.82 542	2.72 521	5.45 547	1.98 513	4.59 532	2.64 509	2.65 499	6.21 552	4.37 515	1.08 376	5.16 546	2.24 516	4.52 513	2.39 519

DPSNet	3.66 518	3.60 470	3.62 533	3.63 501	3.64 543	3.65 519	3.65 541	3.66 519	3.67 539	3.67 518	3.65 539	3.67 519	3.66 529	3.66 518	3.68 536	3.68 513	3.66 526	3.67 519	3.68 542	3.67 501	3.67 541

STTStereo	3.73 519	30.40 566	2.37 512	2.39 461	2.31 522	2.35 486	2.33 515	2.29 479	2.42 519	2.32 488	2.34 520	2.33 482	2.36 508	2.30 484	2.27 517	2.35 488	2.22 504	2.31 495	2.22 515	2.29 472	2.34 518

rvit_105_1	3.83 520	5.22 500	3.01 516	4.53 511	3.01 525	4.51 527	3.01 522	4.56 529	3.04 524	4.53 528	3.03 524	4.55 530	3.03 513	4.56 529	3.04 520	4.57 521	3.05 510	4.57 527	3.05 525	4.57 515	3.05 525

rvit_stereo_0081	3.83 520	5.23 501	3.01 516	4.53 511	3.03 527	4.55 533	3.02 523	4.56 529	3.04 524	4.52 526	3.02 522	4.54 528	3.03 513	4.56 529	3.04 520	4.57 521	3.05 510	4.57 527	3.05 525	4.58 516	3.05 525

rvit_stereo_0081_aga	3.86 522	5.33 504	3.02 519	4.55 517	3.04 531	4.54 529	3.02 523	4.64 536	3.06 528	4.54 530	3.04 526	4.62 537	3.08 520	4.62 535	3.07 525	4.58 524	3.06 514	4.60 531	3.08 529	4.63 519	3.07 529

rvit_stereo_0082	3.86 522	5.82 515	3.01 516	4.53 511	3.03 527	4.54 529	3.02 523	4.56 529	3.04 524	4.53 528	3.02 522	4.55 530	3.04 516	4.57 532	3.05 522	4.57 521	3.05 510	4.58 529	3.05 525	4.58 516	3.06 528

rvit_0105_6	3.87 524	5.73 514	3.10 526	4.69 521	3.12 535	4.54 529	3.02 523	4.56 529	3.04 524	4.54 530	3.03 524	4.54 528	3.04 516	4.56 529	3.05 522	4.58 524	3.05 510	4.58 529	3.05 525	4.58 516	3.05 525

rvit_stereo_0080	3.89 525	5.70 512	3.04 521	4.54 514	3.03 527	4.56 534	3.05 529	4.60 533	3.07 529	4.58 533	3.06 527	4.59 532	3.06 518	4.61 533	3.08 526	4.63 526	3.09 515	4.64 533	3.10 530	4.65 520	3.10 530

whm_eth	3.89 525	5.70 512	3.04 521	4.54 514	3.03 527	4.56 534	3.05 529	4.60 533	3.07 529	4.58 533	3.06 527	4.59 532	3.06 518	4.61 533	3.08 526	4.63 526	3.09 515	4.64 533	3.10 530	4.65 520	3.10 530

rvit_0105_4	3.91 527	5.47 511	3.02 519	4.54 514	3.02 526	4.54 529	3.03 527	4.75 539	3.17 535	4.57 532	3.06 527	4.61 536	3.16 524	4.65 536	3.09 528	4.66 528	3.11 517	4.68 536	3.18 535	4.81 526	3.16 535

rvit_0105_3	3.91 527	5.33 504	3.06 524	4.60 519	3.07 533	4.60 536	3.06 531	4.62 535	3.08 532	4.60 535	3.07 530	4.62 537	3.08 520	4.67 537	3.10 529	4.70 529	3.11 517	4.77 540	3.19 536	4.77 525	3.14 534

rvit_stereo_0083	3.92 529	5.30 503	3.06 524	4.61 520	3.09 534	4.67 538	3.08 532	4.66 537	3.09 533	4.62 536	3.10 532	4.66 540	3.11 522	4.67 537	3.16 531	4.72 531	3.16 520	4.77 540	3.11 532	4.66 522	3.11 532

rvit_stereo_ft	3.93 530	5.44 509	3.05 523	4.59 518	3.06 532	4.61 537	3.08 532	4.67 538	3.12 534	4.63 537	3.10 532	4.65 539	3.11 522	4.69 539	3.13 530	4.70 529	3.14 519	4.71 538	3.15 534	4.74 523	3.16 535

rvit_0105_5	4.10 531	5.40 507	3.13 529	4.71 522	3.15 536	4.72 541	3.10 534	4.90 544	3.27 536	4.69 538	3.16 534	4.84 544	3.25 525	4.96 543	3.34 533	5.05 536	3.39 525	5.10 545	3.40 537	5.11 533	3.42 538

MLG-Stereo_test1	4.25 532	5.34 506	3.61 532	5.31 528	3.63 542	5.23 545	3.57 539	5.38 547	3.65 538	5.23 544	3.47 536	4.76 541	3.74 532	4.85 540	3.71 537	4.96 533	3.18 522	4.71 538	2.92 522	4.86 529	2.90 523

MLG-Stereo_test3	4.26 533	4.85 494	3.95 536	5.35 529	3.60 541	4.75 542	3.76 542	5.49 548	3.71 540	5.39 545	3.69 540	4.82 543	3.66 529	4.85 540	3.73 540	4.93 532	3.19 523	4.69 537	2.99 524	4.84 528	2.98 524

MLG-Stereo_test2	4.28 534	5.46 510	3.69 534	4.86 524	3.72 544	5.58 548	3.42 537	4.81 541	3.77 544	4.85 540	3.72 541	5.55 549	3.63 528	5.58 547	3.53 535	4.41 518	3.28 524	4.99 544	2.95 523	4.75 524	3.13 533

RAFT+CT+SA	4.28 534	7.62 523	4.91 540	5.55 531	2.28 520	3.09 512	3.64 540	4.49 527	3.07 529	4.80 539	3.35 535	4.77 542	3.70 531	4.29 526	3.05 522	5.58 540	5.98 541	3.58 518	3.78 544	4.26 509	3.72 542

SA	4.33 536	7.35 520	6.85 551	5.96 534	4.09 548	3.59 518	3.15 535	3.82 521	2.64 520	3.91 519	3.85 542	3.57 517	2.72 511	3.13 513	4.03 543	7.09 551	6.86 546	3.57 517	3.12 533	3.85 503	3.51 540

Sa-1000	4.34 537	8.37 526	6.84 550	6.98 541	4.45 551	3.58 517	3.00 521	3.42 517	3.39 537	2.61 498	4.00 545	3.83 521	4.01 538	3.90 521	3.90 541	5.98 544	5.62 539	3.76 521	2.34 519	4.35 511	2.47 521

TestStereo1	4.60 538	8.41 527	6.44 548	6.86 539	3.79 545	3.97 522	3.78 543	3.99 523	3.74 541	3.97 520	3.52 537	3.94 522	3.58 526	3.98 522	3.72 538	6.82 548	6.50 544	3.76 521	3.66 540	3.90 504	3.74 544

SA-5K	4.60 538	8.41 527	6.44 548	6.86 539	3.79 545	3.97 522	3.78 543	3.99 523	3.74 541	3.97 520	3.52 537	3.94 522	3.58 526	3.98 522	3.72 538	6.82 548	6.50 544	3.76 521	3.66 540	3.90 504	3.74 544

DispFullNet	4.61 540	4.84 493	3.12 527	5.00 526	3.57 540	4.75 542	3.03 527	7.75 555	4.17 548	4.91 542	3.09 531	6.20 551	3.95 536	6.71 551	3.51 534	5.30 539	3.67 527	5.86 552	3.63 539	5.61 537	3.46 539

test_5	4.62 541	7.55 522	6.23 546	6.32 536	3.40 539	5.29 546	3.50 538	3.53 518	4.11 547	4.28 523	4.47 549	4.26 526	4.38 541	3.68 519	3.24 532	5.89 542	5.60 538	4.84 542	3.50 538	4.33 510	3.93 548

raft_robust	4.71 542	7.75 524	5.40 545	6.81 538	3.31 537	4.28 526	4.20 548	4.32 526	4.37 550	4.35 525	4.35 548	4.14 524	3.75 533	4.30 527	4.20 546	6.67 547	6.37 542	3.36 516	4.24 550	4.86 529	3.25 537

cross-raft	4.83 543	7.52 521	6.43 547	6.63 537	3.96 547	4.51 527	3.99 546	4.49 527	3.96 546	4.52 526	3.96 544	4.50 527	3.97 537	4.50 528	3.97 542	6.65 546	6.44 543	4.33 524	3.92 546	4.35 511	3.91 547

test_4	4.88 544	8.13 525	6.98 552	7.46 542	4.44 550	4.25 525	3.85 545	4.04 525	3.92 545	4.13 522	3.91 543	4.18 525	3.84 534	4.14 524	4.06 544	7.01 550	7.13 547	4.53 525	3.72 543	4.09 507	3.72 542

TestStereo	4.88 544	4.75 492	4.79 539	4.87 525	4.92 552	4.81 544	4.90 551	4.78 540	4.77 551	4.87 541	4.89 550	4.90 545	4.91 543	4.99 544	4.79 548	4.98 534	4.87 535	4.87 543	4.92 552	5.00 532	5.00 551

test_3	5.01 546	8.86 532	7.77 554	8.09 544	2.76 524	4.13 524	4.05 547	3.88 522	3.76 543	4.33 524	4.13 546	3.71 520	3.91 535	4.21 525	4.06 544	7.93 552	7.69 549	4.53 525	3.91 545	4.17 508	4.29 550

NLCA_NET_v2_RVC	5.04 547	50.87 576	2.78 514	2.87 474	2.71 523	2.78 511	0.47 316	2.88 510	2.86 523	1.89 464	2.67 521	2.79 512	2.79 512	2.78 511	2.83 519	2.82 506	2.82 508	2.83 512	2.77 521	2.83 498	2.76 522
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
FC-DCNN v2	5.10 548	5.15 498	4.49 538	5.07 527	3.37 538	6.87 551	4.75 550	5.04 545	6.34 555	7.84 555	5.06 551	6.72 555	4.09 539	4.99 544	5.44 551	5.03 535	3.16 520	4.67 535	4.86 551	5.15 534	3.89 546

U	5.15 549	8.49 529	1.81 480	8.49 546	1.77 493	8.49 556	1.77 490	8.51 557	1.77 495	8.49 557	1.77 492	8.50 557	1.78 484	8.58 557	1.77 496	8.54 555	1.78 484	8.55 557	1.78 503	8.55 551	1.84 502

SGM-Forest	5.21 550	5.92 516	4.08 537	6.18 535	4.16 549	6.31 550	4.34 549	6.50 550	4.33 549	6.14 551	4.21 547	6.61 554	4.55 542	6.67 550	4.48 547	5.94 543	3.94 529	5.85 551	4.03 548	5.79 539	4.17 549
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
test-1	6.46 551	9.16 534	8.03 557	8.09 544	5.62 555	6.11 549	6.35 554	6.85 552	4.94 552	6.08 550	6.29 556	4.98 546	6.43 548	6.22 548	6.36 554	6.16 545	7.47 548	5.82 550	5.44 555	7.11 545	5.68 554

rvit_stereo_0075_2	6.64 552	8.80 531	5.25 542	7.89 543	5.27 554	7.90 555	5.27 552	7.92 556	5.28 553	7.91 556	5.29 553	7.93 556	5.27 544	7.92 556	5.28 549	7.93 552	5.28 537	7.93 555	5.29 554	7.93 548	5.28 553

RAFT	6.73 553	9.36 535	7.40 553	8.51 547	6.55 556	6.88 552	6.60 555	6.79 551	6.60 556	6.80 552	6.72 557	5.31 548	5.50 546	6.61 549	6.61 555	8.42 554	5.89 540	5.73 549	5.45 556	6.61 541	6.24 555

SGM+DAISY	7.06 554	9.15 533	5.38 544	8.84 548	5.18 553	8.80 557	5.31 553	8.79 558	5.28 553	8.89 558	5.20 552	8.93 558	5.33 545	8.95 558	5.36 550	8.70 556	5.21 536	8.74 558	5.20 553	8.89 552	5.15 552

test-v	7.53 555	11.89 543	7.98 555	9.36 550	7.14 557	7.06 553	7.09 556	7.37 553	6.91 557	7.29 553	5.71 554	6.45 552	6.93 549	6.73 552	7.27 556	8.93 557	7.85 550	6.98 553	6.80 557	7.56 546	7.34 557

test-2	7.53 555	11.89 543	7.98 555	9.36 550	7.14 557	7.06 553	7.09 556	7.37 553	6.91 557	7.29 553	5.71 554	6.45 552	6.93 549	6.73 552	7.27 556	8.93 557	7.85 550	6.98 553	6.80 557	7.56 546	7.34 557

PA-Net	11.80 557	223.51 583	0.62 319	0.59 282	0.71 374	0.59 333	0.73 366	0.67 334	0.73 372	0.55 323	0.61 352	0.60 336	0.74 365	0.63 337	0.73 367	0.66 326	0.60 321	0.69 349	0.66 360	0.72 324	0.65 350
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
MANE	19.05 558	23.00 551	15.00 558	23.00 565	15.00 559	24.00 564	16.00 558	24.00 565	16.00 559	22.00 565	15.00 558	23.00 565	16.00 558	23.00 565	15.00 558	22.00 565	15.00 559	22.00 565	15.00 559	22.00 565	15.00 559

rafts_anoy	20.00 559	20.00 545	20.00 559	20.00 559	20.00 560	20.00 558	20.00 559	20.00 559	20.00 560	20.00 559	20.00 559	20.00 559	20.00 559	20.00 559	20.00 559	20.00 559	20.00 560	20.00 559	20.00 560	20.00 559	20.00 560

raft+_RVC	20.00 559	20.00 545	20.00 559	20.00 559	20.00 560	20.00 558	20.00 559	20.00 559	20.00 560	20.00 559	20.00 559	20.00 559	20.00 559	20.00 559	20.00 559	20.00 559	20.00 560	20.00 559	20.00 560	20.00 559	20.00 560

raftrobust	20.00 559	20.00 545	20.00 559	20.00 559	20.00 560	20.00 558	20.00 559	20.00 559	20.00 560	20.00 559	20.00 559	20.00 559	20.00 559	20.00 559	20.00 559	20.00 559	20.00 560	20.00 559	20.00 560	20.00 559	20.00 560

CasAABBNet	20.00 559	20.00 545	20.00 559	20.00 559	20.00 560	20.00 558	20.00 559	20.00 559	20.00 560	20.00 559	20.00 559	20.00 559	20.00 559	20.00 559	20.00 559	20.00 559	20.00 560	20.00 559	20.00 560	20.00 559	20.00 560

RALCasStereoNet	20.00 559	20.00 545	20.00 559	20.00 559	20.00 560	20.00 558	20.00 559	20.00 559	20.00 560	20.00 559	20.00 559	20.00 559	20.00 559	20.00 559	20.00 559	20.00 559	20.00 560	20.00 559	20.00 560	20.00 559	20.00 560

RALAANet	20.00 559	20.00 545	20.00 559	20.00 559	20.00 560	20.00 558	20.00 559	20.00 559	20.00 560	20.00 559	20.00 559	20.00 559	20.00 559	20.00 559	20.00 559	20.00 559	20.00 560	20.00 559	20.00 560	20.00 559	20.00 560

111	30.40 565	30.94 567	29.72 566	32.61 566	30.02 567	33.57 565	30.47 566	31.50 566	29.39 567	30.98 566	29.11 566	29.78 566	30.39 569	29.45 566	30.76 569	30.08 566	29.02 567	29.92 566	30.32 570	29.86 566	30.17 567

WCMA_ROB	31.10 566	35.43 571	27.12 565	39.51 577	23.10 566	38.78 576	25.30 565	37.49 577	25.39 566	37.29 576	27.02 565	38.52 577	26.48 565	37.80 576	26.44 565	36.28 573	22.65 566	33.90 570	22.30 566	37.10 574	24.18 566

DCANet-4	35.22 567	34.54 568	35.08 572	33.58 570	35.47 574	34.55 566	35.53 573	36.08 572	35.85 571	35.92 572	35.77 572	35.18 572	35.48 571	35.39 572	37.15 575	34.55 572	33.92 571	35.02 573	34.90 572	35.79 570	34.74 574

ADStereo(finetuned)	36.13 568	36.63 572	38.07 576	36.97 571	33.25 571	35.91 570	34.45 570	36.36 573	32.99 568	38.14 577	36.71 573	36.69 573	34.13 570	38.57 577	40.79 576	37.60 577	36.58 574	35.90 574	33.36 571	35.42 569	34.04 571

Reg-Stereo(zero)	37.00 569	37.00 573	37.00 573	37.00 572	37.00 575	37.00 573	37.00 574	37.00 574	37.00 572	37.00 573	37.00 574	37.00 574	37.00 572	37.00 573	37.00 572	37.00 574	37.00 575	37.00 575	37.00 575	37.00 571	37.00 575

HI	37.00 569	37.00 573	37.00 573	37.00 572	37.00 575	37.00 573	37.00 574	37.00 574	37.00 572	37.00 573	37.00 574	37.00 574	37.00 572	37.00 573	37.00 572	37.00 574	37.00 575	37.00 575	37.00 575	37.00 571	37.00 575

CoSv	37.00 569	37.00 573	37.00 573	37.00 572	37.00 575	37.00 573	37.00 574	37.00 574	37.00 572	37.00 573	37.00 574	37.00 574	37.00 572	37.00 573	37.00 572	37.00 574	37.00 575	37.00 575	37.00 575	37.00 571	37.00 575

MDST_ROB	69.83 572	87.70 577	41.95 577	113.75 580	65.62 580	75.05 577	55.25 578	75.64 579	45.04 575	71.61 578	41.75 577	72.81 578	44.06 575	68.38 578	44.63 577	101.89 580	59.57 580	107.10 580	61.05 580	104.38 577	59.38 580

NOSS_ROB	102.95 573	153.00 581	121.00 580	51.00 578	44.00 578	165.00 580	127.00 579	153.00 580	119.00 577	164.00 581	125.00 579	168.00 581	120.00 577	153.00 580	117.00 579	49.00 578	44.00 578	49.00 578	44.00 578	49.00 575	44.00 578

CBMV	128.50 574	1422.70 588	53.10 578	79.50 579	51.30 579	77.30 578	49.70 577	74.00 578	48.20 576	77.20 579	48.80 578	73.90 579	48.00 576	73.80 579	48.80 578	70.40 579	45.10 579	68.90 579	46.10 579	68.20 576	45.00 579
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MeshStereo	159.24 575	171.00 582	160.68 583	162.58 581	160.59 581	164.01 579	160.35 580	158.51 581	158.56 578	158.34 580	160.12 580	158.56 580	159.92 578	157.26 581	158.94 580	154.38 581	158.36 581	155.75 581	159.13 582	153.67 578	154.07 581
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	201.80 576	123.00 578	115.00 579	219.00 582	218.00 583	223.00 581	244.00 582	217.00 582	236.00 580	202.00 582	203.00 581	205.00 582	208.00 579	225.00 582	204.00 581	210.00 582	198.00 582	197.00 582	184.00 583	204.00 579	201.00 582

MGS-Stereo	239.45 577	123.00 578	135.00 581	266.00 583	286.00 584	277.00 582	305.00 583	271.00 583	242.00 581	274.00 583	279.00 583	255.00 583	270.00 581	268.00 583	297.00 583	221.00 583	247.00 584	216.00 583	123.00 581	217.00 580	217.00 584

EGLCR-Stereo	246.90 578	129.00 580	139.00 582	266.00 583	286.00 584	277.00 582	305.00 583	271.00 583	242.00 581	274.00 583	279.00 583	255.00 583	270.00 581	268.00 583	297.00 583	230.00 584	247.00 584	216.00 583	223.00 585	237.00 581	227.00 585

DLCB_ROB	284.23 579	354.61 584	207.27 584	363.24 585	206.46 582	364.72 584	210.41 581	364.72 585	210.41 579	364.81 585	208.64 582	364.81 585	208.64 580	364.72 585	210.41 582	354.70 585	205.53 583	354.70 585	205.53 584	354.70 582	205.53 583

LE_ROB	396.57 580	471.28 585	329.84 585	471.48 586	308.15 586	526.83 585	322.10 585	488.15 586	323.76 583	495.46 586	317.97 585	497.17 586	320.10 583	481.62 586	326.76 585	462.71 586	298.97 586	466.16 586	285.98 586	447.62 583	289.21 586

SGM-ForestM	596.69 581	677.77 586	444.52 586	699.85 587	517.25 587	732.94 586	488.29 586	770.79 587	460.11 584	750.81 587	487.98 586	792.79 587	499.41 584	730.90 587	475.81 586	720.03 587	491.16 587	663.96 587	418.60 587	674.76 584	436.05 587

CBMV_ROB	818.48 582	913.88 587	709.52 587	862.84 588	597.78 588	1073.99 587	700.52 587	1015.66 588	702.59 585	1115.65 588	760.02 587	1130.24 588	721.57 585	1037.41 588	692.65 587	814.05 588	564.29 588	843.28 588	595.31 588	915.51 585	602.92 588

tt	500032.53 583	34.60 569	29.72 566	37.47 575	34.41 572	36.85 571	35.22 571	34.71 570	33.55 569	34.50 567	35.43 570	33.81 570	10000000.00 586	33.57 570	33.13 570	33.68 570	35.00 572	34.03 571	35.26 573	30.96 567	34.63 572

DCANet	500032.53 583	34.60 569	29.72 566	37.47 575	34.41 572	36.85 571	35.22 571	34.71 570	33.55 569	34.50 567	35.43 570	33.81 570	10000000.00 586	33.57 570	33.13 570	33.68 570	35.00 572	34.03 571	35.26 573	30.96 567	34.63 572

fff	1000028.16 585	29.62 563	29.72 566	32.61 566	30.02 567	35.13 567	31.83 567	32.07 567	10000000.00 586	35.27 569	29.82 567	32.45 567	30.15 566	32.35 567	30.09 566	31.04 567	29.55 568	30.64 567	30.14 567	10000000.00 586	30.77 568

csc	1000028.16 585	29.62 563	29.72 566	32.61 566	30.02 567	35.13 567	31.83 567	32.07 567	10000000.00 586	35.27 569	29.82 567	32.45 567	30.15 566	32.35 567	30.09 566	31.04 567	29.55 568	30.64 567	30.14 567	10000000.00 586	30.77 568

cscssc	1000028.16 585	29.62 563	29.72 566	32.61 566	30.02 567	35.13 567	31.83 567	32.07 567	10000000.00 586	35.27 569	29.82 567	32.45 567	30.15 566	32.35 567	30.09 566	31.04 567	29.55 568	30.64 567	30.14 567	10000000.00 586	30.77 568

111111	10000000.00 588	10000000.00 589	10000000.00 588	10000000.00 589	10000000.00 589	10000000.00 588	10000000.00 588	10000000.00 589	10000000.00 586	10000000.00 589	10000000.00 588	10000000.00 589	10000000.00 586	10000000.00 589	10000000.00 588	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 586	10000000.00 589

SGD-Stereo	10000000.00 588	10000000.00 589	10000000.00 588	10000000.00 589	10000000.00 589	10000000.00 588	10000000.00 588	10000000.00 589	10000000.00 586	10000000.00 589	10000000.00 588	10000000.00 589	10000000.00 586	10000000.00 589	10000000.00 588	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 586	10000000.00 589

IGEV-Stereo++	10000000.00 588	10000000.00 589	10000000.00 588	10000000.00 589	10000000.00 589	10000000.00 588	10000000.00 588	10000000.00 589	10000000.00 586	10000000.00 589	10000000.00 588	10000000.00 589	10000000.00 586	10000000.00 589	10000000.00 588	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 586	10000000.00 589

IGEV-BASED-STEREO-	10000000.00 588	10000000.00 589	10000000.00 588	10000000.00 589	10000000.00 589	10000000.00 588	10000000.00 588	10000000.00 589	10000000.00 586	10000000.00 589	10000000.00 588	10000000.00 589	10000000.00 586	10000000.00 589	10000000.00 588	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 586	10000000.00 589

IGEV-Stereo+	10000000.00 588	10000000.00 589	10000000.00 588	10000000.00 589	10000000.00 589	10000000.00 588	10000000.00 588	10000000.00 589	10000000.00 586	10000000.00 589	10000000.00 588	10000000.00 589	10000000.00 586	10000000.00 589	10000000.00 588	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 586	10000000.00 589

SDNR	10000000.00 588	10000000.00 589	10000000.00 588	10000000.00 589	10000000.00 589	10000000.00 588	10000000.00 588	10000000.00 589	10000000.00 586	10000000.00 589	10000000.00 588	10000000.00 589	10000000.00 586	10000000.00 589	10000000.00 588	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 586	10000000.00 589

anonymousdsp2	10000000.00 588	10000000.00 589	10000000.00 588	10000000.00 589	10000000.00 589	10000000.00 588	10000000.00 588	10000000.00 589	10000000.00 586	10000000.00 589	10000000.00 588	10000000.00 589	10000000.00 586	10000000.00 589	10000000.00 588	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 586	10000000.00 589

anonymousdsp	10000000.00 588	10000000.00 589	10000000.00 588	10000000.00 589	10000000.00 589	10000000.00 588	10000000.00 588	10000000.00 589	10000000.00 586	10000000.00 589	10000000.00 588	10000000.00 589	10000000.00 586	10000000.00 589	10000000.00 588	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 586	10000000.00 589

test_example2	10000000.00 588	10000000.00 589	10000000.00 588	10000000.00 589	10000000.00 589	10000000.00 588	10000000.00 588	10000000.00 589	10000000.00 586	10000000.00 589	10000000.00 588	10000000.00 589	10000000.00 586	10000000.00 589	10000000.00 588	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 586	10000000.00 589

DIP-Stereo	10000000.00 588	10000000.00 589	10000000.00 588	10000000.00 589	10000000.00 589	10000000.00 588	10000000.00 588	10000000.00 589	10000000.00 586	10000000.00 589	10000000.00 588	10000000.00 589	10000000.00 586	10000000.00 589	10000000.00 588	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 589	10000000.00 586	10000000.00 589
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
FADE		0.06 54		0.09 53	0.10 118			0.05 89	0.03 55	0.04 74		0.05 91		0.04 72		0.15 123	0.10 73	0.17 150	0.13 154	0.11 120	0.11 125

Low-res two-view benchmark