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

StereoAnything_RVC	0.07 4	0.15 471	0.17 383	0.11 1	0.05 1	0.05 4	0.11 49	0.08 4	0.08 13	0.06 11	0.06 13	0.05 1	0.05 11	0.09 35	0.08 17	0.08 306	0.04 22	0.05 25	0.03 1	0.05 102	0.04 42

CREStereo	0.09 87	0.04 1	0.08 33	0.11 1	0.06 14	0.13 252	0.14 157	0.14 80	0.10 37	0.08 66	0.13 180	0.09 127	0.08 146	0.11 112	0.10 125	0.08 306	0.04 22	0.05 25	0.03 1	0.06 197	0.06 205
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
UCFNet_RVC	0.14 316	0.08 242	0.13 235	0.11 1	0.10 346	0.20 418	0.10 29	0.24 322	0.22 304	0.17 317	0.20 290	0.23 391	0.15 342	0.17 354	0.15 348	0.12 460	0.07 385	0.10 413	0.13 489	0.11 443	0.10 420

S2M2_XL	0.08 47	0.06 59	0.12 190	0.12 4	0.08 130	0.09 84	0.09 18	0.07 2	0.07 8	0.08 66	0.07 40	0.07 65	0.06 36	0.09 35	0.09 54	0.08 306	0.06 313	0.07 200	0.05 113	0.08 326	0.06 205
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
FoundationStereo	0.06 1	0.04 1	0.08 33	0.12 4	0.05 1	0.09 84	0.13 108	0.06 1	0.09 24	0.05 1	0.05 7	0.06 18	0.04 1	0.06 1	0.07 1	0.06 118	0.04 22	0.05 25	0.03 1	0.05 102	0.04 42

DualNet (step1)	0.16 383	0.12 420	0.20 429	0.12 4	0.14 469	0.17 361	0.13 108	0.27 377	0.23 314	0.20 386	0.20 290	0.24 397	0.19 421	0.16 322	0.16 364	0.15 500	0.06 313	0.14 490	0.14 492	0.14 489	0.12 459

test_sample9	0.18 417	0.12 420	0.20 429	0.12 4	0.14 469	0.17 361	0.13 108	0.27 377	0.23 314	0.20 386	0.20 290	0.24 397	0.19 421	0.19 390	0.17 379	0.15 500	0.30 550	0.14 490	0.14 492	0.14 489	0.12 459

test_sample8	0.19 429	0.12 420	0.20 429	0.12 4	0.14 469	0.17 361	0.13 108	0.31 432	0.21 290	0.27 462	0.22 321	0.36 494	0.25 469	0.19 390	0.17 379	0.15 500	0.30 550	0.14 490	0.14 492	0.14 489	0.12 459

trnet	0.08 47	0.05 19	0.07 8	0.12 4	0.05 1	0.12 213	0.11 49	0.13 61	0.10 37	0.08 66	0.13 180	0.09 127	0.08 146	0.11 112	0.10 125	0.08 306	0.05 188	0.05 25	0.03 1	0.06 197	0.05 125

CFNet-ft	0.14 316	0.07 143	0.15 321	0.12 4	0.09 244	0.16 340	0.18 369	0.22 280	0.24 330	0.17 317	0.26 388	0.24 397	0.14 324	0.16 322	0.14 320	0.11 435	0.06 313	0.08 284	0.09 389	0.09 388	0.08 349

PMTNet	0.09 87	0.05 19	0.09 75	0.12 4	0.06 14	0.12 213	0.14 157	0.15 111	0.11 63	0.09 97	0.13 180	0.10 159	0.07 110	0.13 240	0.10 125	0.15 500	0.04 22	0.05 25	0.03 1	0.07 263	0.06 205

CFNet_RVC	0.14 316	0.07 143	0.15 321	0.12 4	0.09 244	0.16 340	0.18 369	0.22 280	0.24 330	0.17 317	0.26 388	0.24 397	0.14 324	0.16 322	0.14 320	0.11 435	0.06 313	0.08 284	0.09 389	0.09 388	0.08 349

Monster-pub-mixall	0.07 4	0.04 1	0.09 75	0.13 13	0.06 14	0.05 4	0.09 18	0.11 29	0.07 8	0.06 11	0.06 13	0.05 1	0.06 36	0.09 35	0.09 54	0.06 118	0.04 22	0.04 1	0.03 1	0.05 102	0.05 125

2.75w_new	0.07 4	0.07 143	0.07 8	0.13 13	0.06 14	0.08 53	0.08 7	0.18 203	0.12 90	0.07 33	0.08 74	0.06 18	0.06 36	0.09 35	0.11 193	0.04 11	0.04 22	0.04 1	0.03 1	0.03 1	0.04 42

G2L-ROB	0.13 282	0.06 59	0.13 235	0.13 13	0.08 130	0.14 284	0.16 290	0.25 338	0.18 237	0.19 363	0.18 269	0.20 346	0.14 324	0.17 354	0.16 364	0.08 306	0.05 188	0.06 105	0.05 113	0.08 326	0.09 393

IGEV	0.07 4	0.04 1	0.08 33	0.13 13	0.06 14	0.09 84	0.12 66	0.14 80	0.10 37	0.06 11	0.09 92	0.07 65	0.05 11	0.09 35	0.09 54	0.06 118	0.04 22	0.05 25	0.04 37	0.05 102	0.04 42

xyz-stereo-finetune2	0.11 191	0.07 143	0.13 235	0.13 13	0.07 74	0.11 178	0.19 408	0.17 174	0.12 90	0.15 273	0.15 211	0.17 306	0.12 261	0.13 240	0.11 193	0.05 28	0.04 22	0.07 200	0.05 113	0.04 16	0.06 205

G2L-Stereo_test	0.14 316	0.07 143	0.11 155	0.13 13	0.08 130	0.12 213	0.16 290	0.30 422	0.28 389	0.20 386	0.23 330	0.20 346	0.16 368	0.17 354	0.18 397	0.07 245	0.05 188	0.05 25	0.05 113	0.07 263	0.06 205

S2M2_L	0.09 87	0.08 242	0.11 155	0.13 13	0.10 346	0.08 53	0.06 1	0.10 18	0.10 37	0.10 131	0.09 92	0.10 159	0.09 173	0.11 112	0.11 193	0.13 483	0.07 385	0.08 284	0.09 389	0.10 420	0.08 349
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
GREAT-IGEV	0.07 4	0.06 59	0.08 33	0.13 13	0.07 74	0.07 30	0.14 157	0.09 11	0.09 24	0.06 11	0.07 40	0.06 18	0.05 11	0.10 66	0.07 1	0.05 28	0.04 22	0.05 25	0.04 37	0.05 102	0.04 42

HI	0.11 191	0.06 59	0.11 155	0.13 13	0.09 244	0.09 84	0.14 157	0.21 258	0.10 37	0.19 363	0.17 244	0.14 243	0.09 173	0.16 322	0.08 17	0.05 28	0.04 22	0.07 200	0.08 343	0.07 263	0.06 205

CoSv	0.11 191	0.06 59	0.11 155	0.13 13	0.09 244	0.09 84	0.14 157	0.21 258	0.10 37	0.19 363	0.17 244	0.14 243	0.09 173	0.16 322	0.08 17	0.05 28	0.04 22	0.07 200	0.08 343	0.07 263	0.06 205

test_sample1	0.13 282	0.07 143	0.14 270	0.13 13	0.08 130	0.19 403	0.16 290	0.20 235	0.15 164	0.14 246	0.22 321	0.18 320	0.16 368	0.17 354	0.14 320	0.07 245	0.06 313	0.06 105	0.06 191	0.08 326	0.07 285

IGEV_Zeroshot_test	0.09 87	0.05 19	0.12 190	0.13 13	0.08 130	0.12 213	0.13 108	0.17 174	0.11 63	0.10 131	0.06 13	0.09 127	0.06 36	0.11 112	0.09 54	0.06 118	0.04 22	0.06 105	0.06 191	0.05 102	0.05 125

LoS	0.09 87	0.05 19	0.11 155	0.13 13	0.07 74	0.14 284	0.11 49	0.15 111	0.15 164	0.09 97	0.09 92	0.12 198	0.09 173	0.15 288	0.10 125	0.07 245	0.05 188	0.05 25	0.03 1	0.05 102	0.05 125
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
knoymous	0.11 191	0.05 19	0.12 190	0.13 13	0.07 74	0.15 310	0.14 157	0.19 224	0.13 122	0.11 160	0.17 244	0.13 223	0.09 173	0.13 240	0.11 193	0.08 306	0.05 188	0.06 105	0.05 113	0.08 326	0.07 285

CREStereo++_RVC	0.08 47	0.04 1	0.06 3	0.13 13	0.07 74	0.09 84	0.12 66	0.14 80	0.14 147	0.10 131	0.14 194	0.08 102	0.07 110	0.09 35	0.11 193	0.06 118	0.04 22	0.05 25	0.05 113	0.04 16	0.04 42
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
TANstereo	0.09 87	0.04 1	0.08 33	0.13 13	0.06 14	0.11 178	0.14 157	0.15 111	0.19 252	0.11 160	0.15 211	0.10 159	0.06 36	0.12 195	0.09 54	0.07 245	0.05 188	0.05 25	0.04 37	0.06 197	0.05 125

ACVNet	0.15 360	0.09 318	0.15 321	0.13 13	0.12 426	0.14 284	0.20 429	0.22 280	0.33 427	0.17 317	0.26 388	0.21 355	0.16 368	0.17 354	0.21 436	0.07 245	0.06 313	0.06 105	0.06 191	0.08 326	0.06 205

GANet-RSSM	0.14 316	0.07 143	0.13 235	0.13 13	0.08 130	0.14 284	0.17 324	0.22 280	0.21 290	0.17 317	0.24 342	0.23 391	0.15 342	0.16 322	0.15 348	0.10 406	0.06 313	0.07 200	0.08 343	0.08 326	0.07 285

Replicate-Monster	0.07 4	0.05 19	0.09 75	0.14 31	0.06 14	0.08 53	0.09 18	0.13 61	0.13 122	0.05 1	0.07 40	0.06 18	0.06 36	0.08 16	0.10 125	0.05 28	0.04 22	0.05 25	0.03 1	0.04 16	0.04 42

2.25w	0.07 4	0.06 59	0.07 8	0.14 31	0.06 14	0.08 53	0.08 7	0.10 18	0.15 164	0.08 66	0.10 121	0.07 65	0.06 36	0.08 16	0.10 125	0.05 28	0.03 1	0.04 1	0.04 37	0.03 1	0.04 42

xyz-stereo-finetune	0.11 191	0.08 242	0.13 235	0.14 31	0.06 14	0.10 132	0.19 408	0.17 174	0.19 252	0.12 198	0.14 194	0.15 272	0.10 205	0.13 240	0.11 193	0.05 28	0.04 22	0.07 200	0.05 113	0.04 16	0.05 125

LG-Stereo_L2	0.07 4	0.05 19	0.10 114	0.14 31	0.06 14	0.07 30	0.12 66	0.09 11	0.09 24	0.06 11	0.04 1	0.05 1	0.05 11	0.08 16	0.08 17	0.05 28	0.04 22	0.05 25	0.03 1	0.04 16	0.03 1

LG-Stereo_L1	0.07 4	0.05 19	0.11 155	0.14 31	0.06 14	0.07 30	0.13 108	0.09 11	0.07 8	0.05 1	0.04 1	0.05 1	0.04 1	0.08 16	0.07 1	0.05 28	0.04 22	0.05 25	0.03 1	0.04 16	0.04 42

MLG-Stereo_test3	0.07 4	0.05 19	0.10 114	0.14 31	0.06 14	0.07 30	0.11 49	0.08 4	0.06 4	0.06 11	0.04 1	0.06 18	0.06 36	0.07 4	0.10 125	0.06 118	0.04 22	0.05 25	0.04 37	0.05 102	0.06 205

SGD-Stereo	0.08 47	0.05 19	0.10 114	0.14 31	0.05 1	0.12 213	0.12 66	0.11 29	0.12 90	0.07 33	0.09 92	0.09 127	0.09 173	0.08 16	0.08 17	0.06 118	0.04 22	0.05 25	0.04 37	0.05 102	0.03 1

HUF	0.08 47	0.05 19	0.08 33	0.14 31	0.06 14	0.09 84	0.13 108	0.13 61	0.13 122	0.07 33	0.07 40	0.08 102	0.06 36	0.10 66	0.09 54	0.06 118	0.04 22	0.05 25	0.04 37	0.05 102	0.04 42

IGEV-RUCA	0.08 47	0.06 59	0.11 155	0.14 31	0.09 244	0.10 132	0.12 66	0.10 18	0.12 90	0.06 11	0.07 40	0.07 65	0.06 36	0.09 35	0.08 17	0.06 118	0.05 188	0.05 25	0.04 37	0.05 102	0.06 205

GIP-stereo	0.08 47	0.06 59	0.11 155	0.14 31	0.06 14	0.09 84	0.13 108	0.14 80	0.11 63	0.07 33	0.08 74	0.05 1	0.04 1	0.10 66	0.07 1	0.05 28	0.04 22	0.05 25	0.04 37	0.05 102	0.04 42

DEFOM-Stereo	0.07 4	0.05 19	0.07 8	0.14 31	0.06 14	0.10 132	0.13 108	0.07 2	0.13 122	0.06 11	0.07 40	0.06 18	0.05 11	0.10 66	0.09 54	0.04 11	0.04 22	0.05 25	0.03 1	0.04 16	0.04 42

Occ-G	0.08 47	0.05 19	0.06 3	0.14 31	0.07 74	0.08 53	0.14 157	0.13 61	0.15 164	0.07 33	0.11 153	0.07 65	0.05 11	0.09 35	0.10 125	0.06 118	0.05 188	0.05 25	0.04 37	0.05 102	0.05 125

test_sample7	0.15 360	0.10 376	0.16 355	0.14 31	0.11 395	0.16 340	0.16 290	0.27 377	0.23 314	0.20 386	0.20 290	0.24 397	0.19 421	0.16 322	0.16 364	0.12 460	0.06 313	0.10 413	0.09 389	0.10 420	0.10 420

test_sample3	0.14 316	0.08 242	0.15 321	0.14 31	0.09 244	0.19 403	0.17 324	0.26 356	0.18 237	0.16 301	0.22 321	0.19 334	0.15 342	0.17 354	0.13 283	0.08 306	0.06 313	0.07 200	0.06 191	0.09 388	0.08 349

test_sample2	0.12 257	0.07 143	0.12 190	0.14 31	0.08 130	0.16 340	0.18 369	0.21 258	0.16 192	0.14 246	0.20 290	0.19 334	0.15 342	0.15 288	0.12 242	0.08 306	0.05 188	0.07 200	0.06 191	0.08 326	0.07 285

CAS++	0.11 191	0.07 143	0.11 155	0.14 31	0.09 244	0.12 213	0.14 157	0.24 322	0.14 147	0.11 160	0.09 92	0.11 181	0.07 110	0.14 266	0.09 54	0.11 435	0.09 440	0.09 365	0.07 278	0.07 263	0.08 349
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
SMFormer	0.14 316	0.07 143	0.17 383	0.14 31	0.08 130	0.16 340	0.17 324	0.26 356	0.27 375	0.19 363	0.20 290	0.18 320	0.15 342	0.15 288	0.17 379	0.08 306	0.05 188	0.07 200	0.06 191	0.07 263	0.06 205

tta	0.14 316	0.07 143	0.17 383	0.14 31	0.08 130	0.16 340	0.17 324	0.26 356	0.27 375	0.19 363	0.20 290	0.18 320	0.15 342	0.15 288	0.17 379	0.08 306	0.05 188	0.07 200	0.06 191	0.06 197	0.06 205

qqq1	0.13 282	0.07 143	0.17 383	0.14 31	0.08 130	0.16 340	0.17 324	0.26 356	0.27 375	0.19 363	0.20 290	0.18 320	0.15 342	0.15 288	0.11 193	0.08 306	0.05 188	0.05 25	0.05 113	0.06 197	0.06 205

fff1	0.13 282	0.07 143	0.17 383	0.14 31	0.08 130	0.16 340	0.17 324	0.26 356	0.27 375	0.19 363	0.20 290	0.18 320	0.15 342	0.15 288	0.11 193	0.08 306	0.05 188	0.05 25	0.05 113	0.06 197	0.06 205

11t1	0.12 257	0.06 59	0.13 235	0.14 31	0.08 130	0.17 361	0.15 225	0.18 203	0.15 164	0.15 273	0.15 211	0.16 286	0.16 368	0.15 288	0.13 283	0.08 306	0.05 188	0.06 105	0.05 113	0.08 326	0.07 285

AEACV	0.08 47	0.05 19	0.08 33	0.14 31	0.13 449	0.14 284	0.13 108	0.14 80	0.09 24	0.07 33	0.09 92	0.07 65	0.08 146	0.10 66	0.09 54	0.06 118	0.04 22	0.06 105	0.05 113	0.05 102	0.04 42

Any-RAFT	0.10 148	0.05 19	0.09 75	0.14 31	0.07 74	0.13 252	0.14 157	0.21 258	0.15 164	0.11 160	0.12 166	0.12 198	0.09 173	0.12 195	0.09 54	0.07 245	0.04 22	0.05 25	0.04 37	0.06 197	0.05 125

iinet-f	0.16 383	0.06 59	0.45 521	0.14 31	0.10 346	0.21 435	0.14 157	0.27 377	0.23 314	0.21 400	0.24 342	0.21 355	0.15 342	0.18 375	0.21 436	0.09 365	0.07 385	0.07 200	0.06 191	0.09 388	0.10 420

CES	0.08 47	0.04 1	0.08 33	0.14 31	0.07 74	0.09 84	0.14 157	0.11 29	0.09 24	0.08 66	0.09 92	0.11 181	0.06 36	0.12 195	0.08 17	0.06 118	0.04 22	0.05 25	0.03 1	0.05 102	0.05 125

EGLCR-Stereo	0.08 47	0.05 19	0.08 33	0.14 31	0.06 14	0.10 132	0.12 66	0.11 29	0.16 192	0.06 11	0.05 7	0.07 65	0.05 11	0.10 66	0.11 193	0.06 118	0.04 22	0.06 105	0.05 113	0.04 16	0.04 42

riskmin	0.11 191	0.06 59	0.13 235	0.14 31	0.08 130	0.14 284	0.14 157	0.18 203	0.14 147	0.11 160	0.14 194	0.16 286	0.11 230	0.14 266	0.12 242	0.09 365	0.05 188	0.07 200	0.05 113	0.08 326	0.08 349

x	0.13 282	0.07 143	0.14 270	0.14 31	0.08 130	0.18 380	0.14 157	0.22 280	0.20 275	0.15 273	0.19 278	0.19 334	0.17 391	0.18 375	0.18 397	0.07 245	0.05 188	0.06 105	0.06 191	0.07 263	0.07 285

iRaft-Stereo_20w	0.09 87	0.05 19	0.13 235	0.14 31	0.08 130	0.12 213	0.15 225	0.18 203	0.10 37	0.11 160	0.08 74	0.08 102	0.05 11	0.10 66	0.09 54	0.06 118	0.04 22	0.06 105	0.05 113	0.06 197	0.05 125

CrosDoStereo	0.12 257	0.06 59	0.12 190	0.14 31	0.08 130	0.12 213	0.15 225	0.17 174	0.22 304	0.19 363	0.24 342	0.15 272	0.11 230	0.11 112	0.12 242	0.06 118	0.04 22	0.07 200	0.07 278	0.05 102	0.05 125

DeepStereo_LL	0.12 257	0.06 59	0.12 190	0.14 31	0.08 130	0.12 213	0.15 225	0.17 174	0.22 304	0.19 363	0.24 342	0.15 272	0.11 230	0.11 112	0.12 242	0.06 118	0.04 22	0.07 200	0.07 278	0.05 102	0.05 125

DEmStereo	0.12 257	0.06 59	0.14 270	0.14 31	0.10 346	0.16 340	0.15 225	0.16 138	0.24 330	0.17 317	0.24 342	0.13 223	0.14 324	0.12 195	0.13 283	0.05 28	0.04 22	0.07 200	0.06 191	0.05 102	0.05 125

DRaft	0.12 257	0.06 59	0.11 155	0.14 31	0.09 244	0.14 284	0.17 324	0.21 258	0.30 406	0.17 317	0.28 411	0.10 159	0.15 342	0.10 66	0.12 242	0.05 28	0.04 22	0.07 200	0.06 191	0.05 102	0.05 125

AnonymousM	0.09 87	0.05 19	0.10 114	0.14 31	0.06 14	0.09 84	0.13 108	0.19 224	0.14 147	0.13 225	0.11 153	0.09 127	0.08 146	0.13 240	0.10 125	0.08 306	0.05 188	0.08 284	0.05 113	0.05 102	0.05 125

XX-TBD	0.09 87	0.06 59	0.07 8	0.14 31	0.07 74	0.12 213	0.16 290	0.14 80	0.13 122	0.11 160	0.12 166	0.09 127	0.08 146	0.10 66	0.10 125	0.06 118	0.04 22	0.05 25	0.03 1	0.06 197	0.05 125

222	0.16 383	0.07 143	0.14 270	0.14 31	0.08 130	0.24 461	0.18 369	0.30 422	0.20 275	0.17 317	0.28 411	0.17 306	0.16 368	0.15 288	0.40 542	0.10 406	0.05 188	0.07 200	0.06 191	0.07 263	0.08 349

xxxx	0.15 360	0.07 143	0.14 270	0.14 31	0.08 130	0.23 456	0.18 369	0.31 432	0.19 252	0.14 246	0.28 411	0.22 373	0.14 324	0.15 288	0.26 492	0.09 365	0.05 188	0.07 200	0.07 278	0.08 326	0.07 285

test_xeample	0.15 360	0.06 59	0.13 235	0.14 31	0.08 130	0.21 435	0.20 429	0.28 397	0.20 275	0.16 301	0.29 423	0.19 334	0.16 368	0.15 288	0.26 492	0.09 365	0.05 188	0.07 200	0.07 278	0.07 263	0.07 285

hitnet-ft	0.18 417	0.09 318	0.17 383	0.14 31	0.09 244	0.26 482	0.20 429	0.25 338	0.26 365	0.24 437	0.32 441	0.31 469	0.22 446	0.24 465	0.21 436	0.12 460	0.07 385	0.10 413	0.08 343	0.12 458	0.11 446

HITNet	0.10 148	0.06 59	0.12 190	0.14 31	0.06 14	0.11 178	0.10 29	0.18 203	0.18 237	0.13 225	0.16 223	0.14 243	0.11 230	0.15 288	0.13 283	0.06 118	0.04 22	0.04 1	0.04 37	0.06 197	0.05 125
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
iResNet_ROB	0.14 316	0.07 143	0.13 235	0.14 31	0.07 74	0.18 380	0.14 157	0.26 356	0.31 413	0.22 416	0.25 371	0.23 391	0.15 342	0.15 288	0.13 283	0.07 245	0.05 188	0.05 25	0.04 37	0.08 326	0.08 349

Monster-pub-eth3d	0.07 4	0.06 59	0.05 1	0.15 72	0.05 1	0.08 53	0.10 29	0.15 111	0.15 164	0.05 1	0.06 13	0.05 1	0.06 36	0.07 4	0.09 54	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

zero-FE	0.08 47	0.04 1	0.09 75	0.15 72	0.10 346	0.05 4	0.14 157	0.09 11	0.14 147	0.07 33	0.06 13	0.07 65	0.06 36	0.09 35	0.10 125	0.06 118	0.04 22	0.06 105	0.04 37	0.08 326	0.05 125

FlowAnything_test	0.11 191	0.08 242	0.14 270	0.15 72	0.09 244	0.07 30	0.14 157	0.20 235	0.11 63	0.09 97	0.09 92	0.12 198	0.12 261	0.13 240	0.11 193	0.09 365	0.06 313	0.09 365	0.09 389	0.06 197	0.09 393

qwe	0.07 4	0.08 242	0.07 8	0.15 72	0.06 14	0.07 30	0.10 29	0.18 203	0.11 63	0.07 33	0.07 40	0.06 18	0.06 36	0.10 66	0.09 54	0.03 1	0.03 1	0.04 1	0.04 37	0.04 16	0.03 1

depthmonostereo	0.09 87	0.06 59	0.09 75	0.15 72	0.06 14	0.10 132	0.13 108	0.14 80	0.14 147	0.10 131	0.10 121	0.09 127	0.11 230	0.08 16	0.09 54	0.06 118	0.05 188	0.06 105	0.04 37	0.04 16	0.03 1

DilatedVolume-Stereo	0.09 87	0.05 19	0.08 33	0.15 72	0.06 14	0.11 178	0.12 66	0.14 80	0.16 192	0.11 160	0.11 153	0.09 127	0.09 173	0.11 112	0.10 125	0.06 118	0.05 188	0.05 25	0.04 37	0.03 1	0.03 1

4.25_new	0.07 4	0.08 242	0.09 75	0.15 72	0.06 14	0.09 84	0.08 7	0.14 80	0.08 13	0.07 33	0.07 40	0.06 18	0.06 36	0.12 195	0.10 125	0.03 1	0.03 1	0.04 1	0.03 1	0.04 16	0.03 1

4.5w_new	0.07 4	0.08 242	0.09 75	0.15 72	0.06 14	0.09 84	0.08 7	0.14 80	0.08 13	0.07 33	0.07 40	0.06 18	0.06 36	0.12 195	0.10 125	0.03 1	0.03 1	0.04 1	0.03 1	0.04 16	0.03 1

4.5_new	0.07 4	0.09 318	0.08 33	0.15 72	0.07 74	0.06 10	0.10 29	0.14 80	0.11 63	0.06 11	0.08 74	0.06 18	0.06 36	0.08 16	0.10 125	0.03 1	0.03 1	0.04 1	0.04 37	0.04 16	0.03 1

4.5w-stereo	0.07 4	0.09 318	0.08 33	0.15 72	0.07 74	0.06 10	0.10 29	0.14 80	0.11 63	0.06 11	0.08 74	0.06 18	0.06 36	0.08 16	0.10 125	0.03 1	0.03 1	0.04 1	0.04 37	0.04 16	0.03 1

4.25w-stereo	0.07 4	0.08 242	0.09 75	0.15 72	0.06 14	0.09 84	0.08 7	0.14 80	0.08 13	0.07 33	0.07 40	0.06 18	0.06 36	0.12 195	0.10 125	0.03 1	0.03 1	0.04 1	0.03 1	0.04 16	0.03 1

3.25w_new	0.07 4	0.06 59	0.07 8	0.15 72	0.06 14	0.10 132	0.07 3	0.12 45	0.11 63	0.08 66	0.06 13	0.07 65	0.06 36	0.11 112	0.09 54	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

3.25w	0.07 4	0.06 59	0.07 8	0.15 72	0.06 14	0.10 132	0.07 3	0.12 45	0.11 63	0.08 66	0.06 13	0.07 65	0.06 36	0.11 112	0.09 54	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

3.5w_stereo	0.07 4	0.07 143	0.07 8	0.15 72	0.07 74	0.09 84	0.06 1	0.13 61	0.11 63	0.07 33	0.07 40	0.06 18	0.07 110	0.10 66	0.09 54	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

monsters	0.07 4	0.06 59	0.06 3	0.15 72	0.06 14	0.08 53	0.09 18	0.12 45	0.08 13	0.09 97	0.07 40	0.06 18	0.06 36	0.08 16	0.08 17	0.05 28	0.04 22	0.04 1	0.04 37	0.03 1	0.03 1

xyz-stereo	0.13 282	0.07 143	0.20 429	0.15 72	0.05 1	0.20 418	0.15 225	0.17 174	0.31 413	0.15 273	0.29 423	0.26 421	0.16 368	0.13 240	0.12 242	0.05 28	0.05 188	0.06 105	0.05 113	0.04 16	0.04 42

MLG-Stereo_test2	0.06 1	0.04 1	0.10 114	0.15 72	0.05 1	0.07 30	0.11 49	0.09 11	0.04 2	0.06 11	0.05 7	0.06 18	0.04 1	0.08 16	0.09 54	0.06 118	0.04 22	0.05 25	0.03 1	0.05 102	0.05 125

LG-G_1	0.07 4	0.04 1	0.11 155	0.15 72	0.06 14	0.09 84	0.08 7	0.08 4	0.06 4	0.06 11	0.05 7	0.07 65	0.07 110	0.11 112	0.08 17	0.07 245	0.04 22	0.05 25	0.04 37	0.05 102	0.05 125

LG-G	0.07 4	0.04 1	0.11 155	0.15 72	0.06 14	0.09 84	0.08 7	0.08 4	0.06 4	0.06 11	0.05 7	0.07 65	0.07 110	0.11 112	0.08 17	0.07 245	0.04 22	0.05 25	0.04 37	0.05 102	0.05 125

LGtest1	0.07 4	0.04 1	0.10 114	0.15 72	0.06 14	0.07 30	0.09 18	0.08 4	0.06 4	0.05 1	0.04 1	0.06 18	0.06 36	0.10 66	0.09 54	0.07 245	0.04 22	0.05 25	0.04 37	0.06 197	0.06 205

SCV	0.08 47	0.09 318	0.08 33	0.15 72	0.08 130	0.10 132	0.13 108	0.10 18	0.12 90	0.07 33	0.07 40	0.06 18	0.04 1	0.09 35	0.08 17	0.05 28	0.04 22	0.06 105	0.04 37	0.06 197	0.04 42

AIO_rvc	0.07 4	0.06 59	0.08 33	0.15 72	0.06 14	0.08 53	0.14 157	0.09 11	0.08 13	0.07 33	0.08 74	0.07 65	0.04 1	0.10 66	0.08 17	0.05 28	0.04 22	0.05 25	0.04 37	0.04 16	0.03 1

AIO_test	0.07 4	0.05 19	0.07 8	0.15 72	0.07 74	0.06 10	0.14 157	0.10 18	0.10 37	0.07 33	0.07 40	0.06 18	0.05 11	0.08 16	0.10 125	0.05 28	0.04 22	0.05 25	0.04 37	0.04 16	0.03 1

castereo++	0.08 47	0.05 19	0.08 33	0.15 72	0.05 1	0.14 284	0.12 66	0.11 29	0.15 164	0.07 33	0.07 40	0.07 65	0.06 36	0.08 16	0.08 17	0.06 118	0.04 22	0.05 25	0.04 37	0.04 16	0.03 1

castereo	0.09 87	0.06 59	0.11 155	0.15 72	0.06 14	0.11 178	0.15 225	0.14 80	0.18 237	0.08 66	0.10 121	0.11 181	0.08 146	0.09 35	0.10 125	0.05 28	0.04 22	0.05 25	0.04 37	0.04 16	0.03 1

MonSter	0.07 4	0.06 59	0.05 1	0.15 72	0.05 1	0.07 30	0.10 29	0.15 111	0.15 164	0.05 1	0.06 13	0.05 1	0.06 36	0.07 4	0.09 54	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

tt45	0.09 87	0.06 59	0.11 155	0.15 72	0.07 74	0.11 178	0.16 290	0.13 61	0.11 63	0.09 97	0.06 13	0.08 102	0.06 36	0.13 240	0.10 125	0.06 118	0.04 22	0.06 105	0.05 113	0.05 102	0.06 205

999	0.09 87	0.05 19	0.13 235	0.15 72	0.08 130	0.10 132	0.14 157	0.15 111	0.11 63	0.10 131	0.08 74	0.08 102	0.08 146	0.16 322	0.10 125	0.06 118	0.04 22	0.06 105	0.05 113	0.04 16	0.05 125

PAM_32	0.09 87	0.05 19	0.17 383	0.15 72	0.08 130	0.10 132	0.15 225	0.14 80	0.15 164	0.09 97	0.08 74	0.09 127	0.07 110	0.14 266	0.08 17	0.06 118	0.05 188	0.06 105	0.06 191	0.05 102	0.06 205

PAM	0.10 148	0.05 19	0.16 355	0.15 72	0.08 130	0.09 84	0.16 290	0.15 111	0.16 192	0.12 198	0.09 92	0.09 127	0.07 110	0.13 240	0.08 17	0.06 118	0.05 188	0.06 105	0.06 191	0.05 102	0.06 205

dual_stereo	0.07 4	0.04 1	0.08 33	0.15 72	0.05 1	0.05 4	0.13 108	0.12 45	0.08 13	0.07 33	0.06 13	0.05 1	0.05 11	0.07 4	0.09 54	0.06 118	0.04 22	0.05 25	0.03 1	0.04 16	0.04 42

UGAM-zero	0.09 87	0.05 19	0.15 321	0.15 72	0.08 130	0.09 84	0.13 108	0.19 224	0.15 164	0.11 160	0.15 211	0.07 65	0.07 110	0.09 35	0.09 54	0.06 118	0.05 188	0.06 105	0.05 113	0.05 102	0.06 205

WCG-NET	0.08 47	0.05 19	0.09 75	0.15 72	0.06 14	0.11 178	0.14 157	0.13 61	0.13 122	0.06 11	0.09 92	0.07 65	0.06 36	0.13 240	0.08 17	0.05 28	0.04 22	0.05 25	0.04 37	0.04 16	0.03 1

model_zeroshot	0.10 148	0.04 1	0.11 155	0.15 72	0.09 244	0.12 213	0.14 157	0.20 235	0.13 122	0.11 160	0.10 121	0.12 198	0.07 110	0.12 195	0.10 125	0.07 245	0.06 313	0.06 105	0.05 113	0.06 197	0.06 205

GCAP-BAT	0.09 87	0.07 143	0.14 270	0.15 72	0.08 130	0.10 132	0.13 108	0.14 80	0.10 37	0.11 160	0.10 121	0.08 102	0.07 110	0.12 195	0.10 125	0.06 118	0.05 188	0.06 105	0.04 37	0.04 16	0.04 42

AIO-Stereo-zeroshot1	0.11 191	0.05 19	0.14 270	0.15 72	0.20 524	0.09 84	0.17 324	0.21 258	0.15 164	0.11 160	0.14 194	0.10 159	0.07 110	0.10 66	0.08 17	0.06 118	0.05 188	0.07 200	0.07 278	0.07 263	0.09 393

AIO-Stereo-zeroshot	0.11 191	0.05 19	0.11 155	0.15 72	0.13 449	0.13 252	0.16 290	0.23 300	0.17 211	0.10 131	0.12 166	0.10 159	0.07 110	0.11 112	0.09 54	0.06 118	0.05 188	0.06 105	0.06 191	0.07 263	0.08 349

rvit_stereo_0080	0.10 148	0.08 242	0.14 270	0.15 72	0.09 244	0.07 30	0.15 225	0.16 138	0.16 192	0.11 160	0.10 121	0.14 243	0.08 146	0.12 195	0.10 125	0.09 365	0.07 385	0.07 200	0.06 191	0.07 263	0.05 125

IGEV-BASED-STEREO-	0.09 87	0.10 376	0.31 490	0.15 72	0.06 14	0.08 53	0.14 157	0.10 18	0.10 37	0.07 33	0.07 40	0.06 18	0.04 1	0.11 112	0.07 1	0.12 460	0.04 22	0.07 200	0.05 113	0.05 102	0.05 125

IGEV-Stereo+	0.07 4	0.04 1	0.08 33	0.15 72	0.06 14	0.04 1	0.09 18	0.10 18	0.09 24	0.06 11	0.06 13	0.06 18	0.06 36	0.06 1	0.08 17	0.06 118	0.04 22	0.05 25	0.04 37	0.06 197	0.06 205

WCG-NET（raft）	0.08 47	0.05 19	0.10 114	0.15 72	0.06 14	0.11 178	0.13 108	0.15 111	0.12 90	0.08 66	0.07 40	0.06 18	0.06 36	0.13 240	0.08 17	0.05 28	0.04 22	0.05 25	0.04 37	0.04 16	0.04 42

test_sample4	0.14 316	0.08 242	0.14 270	0.15 72	0.08 130	0.19 403	0.18 369	0.26 356	0.17 211	0.16 301	0.25 371	0.18 320	0.14 324	0.16 322	0.13 283	0.08 306	0.06 313	0.08 284	0.06 191	0.08 326	0.08 349

MGS-Stereo	0.09 87	0.07 143	0.12 190	0.15 72	0.08 130	0.09 84	0.15 225	0.12 45	0.12 90	0.07 33	0.10 121	0.08 102	0.06 36	0.10 66	0.09 54	0.05 28	0.04 22	0.06 105	0.05 113	0.06 197	0.05 125

MyStereo8	0.12 257	0.07 143	0.15 321	0.15 72	0.09 244	0.18 380	0.14 157	0.19 224	0.22 304	0.12 198	0.18 269	0.11 181	0.10 205	0.16 322	0.18 397	0.07 245	0.05 188	0.07 200	0.05 113	0.08 326	0.09 393

IGEVStereo-DCA	0.09 87	0.06 59	0.11 155	0.15 72	0.10 346	0.11 178	0.15 225	0.16 138	0.12 90	0.10 131	0.06 13	0.08 102	0.06 36	0.10 66	0.08 17	0.06 118	0.05 188	0.06 105	0.05 113	0.05 102	0.06 205

rrr	0.09 87	0.06 59	0.12 190	0.15 72	0.10 346	0.11 178	0.16 290	0.16 138	0.15 164	0.10 131	0.06 13	0.08 102	0.06 36	0.10 66	0.08 17	0.06 118	0.05 188	0.06 105	0.05 113	0.05 102	0.06 205

ttt	0.14 316	0.08 242	0.14 270	0.15 72	0.08 130	0.15 310	0.18 369	0.27 377	0.29 396	0.16 301	0.24 342	0.17 306	0.13 299	0.13 240	0.14 320	0.11 435	0.08 411	0.09 365	0.08 343	0.09 388	0.08 349

whm_eth	0.10 148	0.08 242	0.14 270	0.15 72	0.09 244	0.07 30	0.15 225	0.16 138	0.16 192	0.11 160	0.10 121	0.14 243	0.08 146	0.12 195	0.10 125	0.09 365	0.07 385	0.07 200	0.06 191	0.07 263	0.05 125

MSKI-zero shot	0.09 87	0.05 19	0.09 75	0.15 72	0.07 74	0.10 132	0.13 108	0.14 80	0.13 122	0.09 97	0.09 92	0.09 127	0.06 36	0.12 195	0.10 125	0.06 118	0.04 22	0.05 25	0.04 37	0.04 16	0.04 42

EKT-Stereo	0.11 191	0.07 143	0.14 270	0.15 72	0.10 346	0.13 252	0.14 157	0.18 203	0.21 290	0.11 160	0.08 74	0.12 198	0.09 173	0.11 112	0.12 242	0.08 306	0.06 313	0.07 200	0.06 191	0.08 326	0.07 285

MIM_Stereo	0.09 87	0.07 143	0.11 155	0.15 72	0.07 74	0.06 10	0.12 66	0.20 235	0.14 147	0.13 225	0.13 180	0.09 127	0.05 11	0.12 195	0.08 17	0.05 28	0.06 313	0.07 200	0.06 191	0.06 197	0.05 125

RAFT-Test	0.09 87	0.06 59	0.10 114	0.15 72	0.07 74	0.11 178	0.15 225	0.16 138	0.13 122	0.09 97	0.10 121	0.10 159	0.09 173	0.12 195	0.09 54	0.06 118	0.04 22	0.05 25	0.04 37	0.04 16	0.05 125

LoS_RVC	0.08 47	0.05 19	0.07 8	0.15 72	0.07 74	0.08 53	0.15 225	0.11 29	0.10 37	0.08 66	0.09 92	0.06 18	0.09 173	0.10 66	0.09 54	0.05 28	0.04 22	0.05 25	0.03 1	0.04 16	0.03 1

Anonymous_2	0.22 462	0.17 490	0.28 477	0.15 72	0.16 497	0.32 509	0.22 456	0.22 280	0.17 211	0.23 428	0.24 342	0.26 421	0.27 483	0.27 475	0.23 457	0.22 539	0.25 546	0.17 511	0.17 519	0.17 518	0.17 522

HBP-ISP	0.18 417	0.13 449	0.16 355	0.15 72	0.11 395	0.08 53	0.13 108	0.28 397	0.29 396	0.22 416	0.33 453	0.21 355	0.25 469	0.23 456	0.17 379	0.14 496	0.16 518	0.21 525	0.17 519	0.10 420	0.08 349

fff	0.10 148	0.06 59	0.12 190	0.15 72	0.07 74	0.09 84	0.17 324	0.16 138	0.20 275	0.13 225	0.16 223	0.10 159	0.11 230	0.11 112	0.12 242	0.06 118	0.04 22	0.05 25	0.04 37	0.04 16	0.05 125

Wz-Net-LNSev-Ref	0.18 417	0.09 318	0.29 485	0.15 72	0.10 346	0.22 443	0.20 429	0.26 356	0.39 470	0.25 450	0.42 509	0.24 397	0.15 342	0.20 415	0.19 410	0.07 245	0.05 188	0.06 105	0.05 113	0.10 420	0.09 393

AACVNet	0.16 383	0.08 242	0.14 270	0.15 72	0.10 346	0.18 380	0.15 225	0.23 300	0.24 330	0.27 462	0.27 397	0.28 439	0.17 391	0.19 390	0.16 364	0.09 365	0.07 385	0.09 365	0.07 278	0.10 420	0.09 393

TRStereo	0.09 87	0.05 19	0.12 190	0.15 72	0.12 426	0.10 132	0.13 108	0.18 203	0.18 237	0.09 97	0.09 92	0.09 127	0.06 36	0.10 66	0.08 17	0.07 245	0.05 188	0.07 200	0.07 278	0.04 16	0.04 42

HHNet	0.11 191	0.06 59	0.16 355	0.15 72	0.14 469	0.07 30	0.13 108	0.20 235	0.17 211	0.14 246	0.25 371	0.11 181	0.08 146	0.13 240	0.10 125	0.05 28	0.04 22	0.08 284	0.06 191	0.05 102	0.09 393

THIR-Stereo	0.12 257	0.07 143	0.11 155	0.15 72	0.08 130	0.14 284	0.16 290	0.17 174	0.25 351	0.16 301	0.24 342	0.14 243	0.12 261	0.12 195	0.14 320	0.06 118	0.04 22	0.07 200	0.07 278	0.05 102	0.05 125

s12784h	0.09 87	0.06 59	0.07 8	0.15 72	0.05 1	0.16 340	0.18 369	0.15 111	0.15 164	0.10 131	0.11 153	0.11 181	0.11 230	0.10 66	0.12 242	0.05 28	0.04 22	0.05 25	0.04 37	0.04 16	0.04 42

GES	0.14 316	0.08 242	0.16 355	0.15 72	0.10 346	0.13 252	0.13 108	0.28 397	0.25 351	0.16 301	0.23 330	0.18 320	0.13 299	0.16 322	0.13 283	0.08 306	0.07 385	0.07 200	0.06 191	0.08 326	0.09 393

csc	0.10 148	0.06 59	0.12 190	0.15 72	0.07 74	0.09 84	0.17 324	0.16 138	0.20 275	0.13 225	0.16 223	0.10 159	0.11 230	0.11 112	0.12 242	0.06 118	0.04 22	0.05 25	0.04 37	0.04 16	0.05 125

cscssc	0.10 148	0.06 59	0.12 190	0.15 72	0.07 74	0.09 84	0.17 324	0.16 138	0.20 275	0.13 225	0.16 223	0.10 159	0.11 230	0.11 112	0.12 242	0.06 118	0.04 22	0.05 25	0.04 37	0.04 16	0.05 125

111	0.10 148	0.06 59	0.12 190	0.15 72	0.07 74	0.10 132	0.14 157	0.21 258	0.23 314	0.11 160	0.12 166	0.14 243	0.11 230	0.13 240	0.10 125	0.06 118	0.04 22	0.06 105	0.04 37	0.05 102	0.05 125

EAI-Stereo	0.09 87	0.07 143	0.11 155	0.15 72	0.06 14	0.10 132	0.15 225	0.16 138	0.09 24	0.08 66	0.09 92	0.08 102	0.07 110	0.09 35	0.11 193	0.05 28	0.04 22	0.05 25	0.05 113	0.05 102	0.04 42

PSMNet-RSSM	0.14 316	0.07 143	0.13 235	0.15 72	0.08 130	0.13 252	0.16 290	0.24 322	0.24 330	0.16 301	0.28 411	0.22 373	0.14 324	0.15 288	0.13 283	0.11 435	0.06 313	0.09 365	0.12 479	0.08 326	0.07 285

GwcNet-RSSM	0.14 316	0.07 143	0.12 190	0.15 72	0.08 130	0.15 310	0.20 429	0.21 258	0.27 375	0.18 347	0.27 397	0.22 373	0.16 368	0.14 266	0.15 348	0.10 406	0.05 188	0.07 200	0.09 389	0.07 263	0.07 285

HSM-Net_RVC	0.14 316	0.08 242	0.11 155	0.15 72	0.08 130	0.15 310	0.15 225	0.27 377	0.29 396	0.19 363	0.21 311	0.29 447	0.14 324	0.17 354	0.13 283	0.06 118	0.06 313	0.06 105	0.06 191	0.07 263	0.06 205
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
LE_ROB	0.50 549	0.07 143	0.14 270	0.15 72	0.08 130	0.24 461	0.16 290	0.22 280	1.81 581	4.63 585	0.67 545	0.47 533	0.44 541	0.20 415	0.29 510	0.07 245	0.06 313	0.06 105	0.06 191	0.08 326	0.06 205

SGM_RVC	0.23 478	0.12 420	0.15 321	0.15 72	0.09 244	0.33 515	0.18 369	0.34 471	0.31 413	0.44 534	0.37 471	0.53 541	0.35 521	0.35 517	0.24 470	0.13 483	0.13 500	0.13 478	0.13 489	0.10 420	0.11 446
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
pmcnn	0.15 360	0.07 143	0.19 417	0.15 72	0.07 74	0.20 418	0.15 225	0.24 322	0.26 365	0.21 400	0.34 457	0.28 439	0.18 405	0.18 375	0.17 379	0.07 245	0.05 188	0.05 25	0.04 37	0.07 263	0.06 205

MeshStereo	0.27 508	0.13 449	0.18 406	0.15 72	0.11 395	0.32 509	0.24 479	0.40 516	0.36 453	0.52 541	0.57 538	0.67 552	0.40 531	0.35 517	0.26 492	0.14 496	0.13 500	0.13 478	0.11 460	0.11 443	0.10 420
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
water-stereo	0.09 87	0.06 59	0.08 33	0.16 146	0.07 74	0.09 84	0.13 108	0.15 111	0.13 122	0.11 160	0.12 166	0.08 102	0.09 173	0.07 4	0.08 17	0.06 118	0.05 188	0.05 25	0.05 113	0.04 16	0.04 42

asda	0.07 4	0.08 242	0.08 33	0.16 146	0.06 14	0.06 10	0.10 29	0.16 138	0.10 37	0.06 11	0.06 13	0.05 1	0.05 11	0.10 66	0.10 125	0.03 1	0.03 1	0.04 1	0.03 1	0.04 16	0.03 1

asd	0.07 4	0.08 242	0.07 8	0.16 146	0.07 74	0.08 53	0.08 7	0.11 29	0.08 13	0.07 33	0.07 40	0.06 18	0.06 36	0.10 66	0.09 54	0.03 1	0.03 1	0.04 1	0.04 37	0.04 16	0.03 1

4w-stereo	0.07 4	0.08 242	0.08 33	0.16 146	0.06 14	0.07 30	0.08 7	0.12 45	0.08 13	0.07 33	0.07 40	0.05 1	0.06 36	0.09 35	0.10 125	0.03 1	0.03 1	0.04 1	0.04 37	0.04 16	0.03 1

2.5w	0.07 4	0.07 143	0.07 8	0.16 146	0.06 14	0.08 53	0.12 66	0.10 18	0.10 37	0.07 33	0.06 13	0.09 127	0.06 36	0.08 16	0.09 54	0.04 11	0.03 1	0.04 1	0.04 37	0.03 1	0.03 1

3.75w	0.07 4	0.07 143	0.08 33	0.16 146	0.07 74	0.07 30	0.09 18	0.16 138	0.09 24	0.07 33	0.06 13	0.05 1	0.06 36	0.09 35	0.10 125	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

2w_stereo	0.08 47	0.08 242	0.09 75	0.16 146	0.06 14	0.08 53	0.10 29	0.20 235	0.15 164	0.08 66	0.07 40	0.06 18	0.06 36	0.06 1	0.09 54	0.04 11	0.03 1	0.04 1	0.04 37	0.03 1	0.03 1

1w_stereo	0.07 4	0.06 59	0.07 8	0.16 146	0.06 14	0.07 30	0.10 29	0.14 80	0.14 147	0.07 33	0.08 74	0.05 1	0.06 36	0.09 35	0.09 54	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.04 42

monsterstereo	0.07 4	0.06 59	0.06 3	0.16 146	0.06 14	0.08 53	0.10 29	0.16 138	0.11 63	0.07 33	0.08 74	0.06 18	0.07 110	0.08 16	0.09 54	0.04 11	0.04 22	0.05 25	0.04 37	0.03 1	0.03 1

LG-Stereo_Zeroshot	0.07 4	0.06 59	0.10 114	0.16 146	0.07 74	0.04 1	0.13 108	0.10 18	0.10 37	0.05 1	0.11 153	0.07 65	0.05 11	0.07 4	0.09 54	0.06 118	0.04 22	0.05 25	0.04 37	0.05 102	0.04 42

Reg-Stereo(zero)	0.08 47	0.05 19	0.08 33	0.16 146	0.06 14	0.12 213	0.11 49	0.15 111	0.10 37	0.12 198	0.09 92	0.10 159	0.08 146	0.11 112	0.08 17	0.06 118	0.04 22	0.05 25	0.04 37	0.04 16	0.05 125

SCV_C0	0.08 47	0.07 143	0.07 8	0.16 146	0.09 244	0.08 53	0.15 225	0.11 29	0.12 90	0.08 66	0.07 40	0.06 18	0.05 11	0.11 112	0.07 1	0.05 28	0.05 188	0.05 25	0.04 37	0.06 197	0.05 125

fffft	0.09 87	0.06 59	0.12 190	0.16 146	0.07 74	0.09 84	0.17 324	0.12 45	0.11 63	0.08 66	0.07 40	0.09 127	0.06 36	0.11 112	0.12 242	0.05 28	0.04 22	0.06 105	0.05 113	0.04 16	0.05 125
1: 1. 1
SMoEStereo_RVC	0.08 47	0.06 59	0.12 190	0.16 146	0.07 74	0.09 84	0.14 157	0.11 29	0.13 122	0.09 97	0.07 40	0.07 65	0.07 110	0.12 195	0.10 125	0.05 28	0.04 22	0.06 105	0.05 113	0.04 16	0.04 42

mms	0.09 87	0.07 143	0.08 33	0.16 146	0.08 130	0.10 132	0.16 290	0.12 45	0.11 63	0.08 66	0.09 92	0.08 102	0.06 36	0.11 112	0.12 242	0.05 28	0.04 22	0.07 200	0.05 113	0.04 16	0.03 1

fffy	0.09 87	0.08 242	0.09 75	0.16 146	0.07 74	0.13 252	0.17 324	0.13 61	0.12 90	0.08 66	0.09 92	0.08 102	0.09 173	0.13 240	0.11 193	0.05 28	0.05 188	0.07 200	0.05 113	0.04 16	0.05 125

DDVS	0.15 360	0.10 376	0.21 437	0.16 146	0.12 426	0.15 310	0.14 157	0.25 338	0.19 252	0.18 347	0.29 423	0.27 429	0.12 261	0.19 390	0.15 348	0.09 365	0.06 313	0.09 365	0.07 278	0.11 443	0.11 446

rvit_stereo_0083	0.12 257	0.08 242	0.17 383	0.16 146	0.09 244	0.11 178	0.15 225	0.14 80	0.26 365	0.11 160	0.14 194	0.13 223	0.10 205	0.12 195	0.12 242	0.10 406	0.08 411	0.09 365	0.07 278	0.07 263	0.05 125

rvit_stereo_0081	0.11 191	0.08 242	0.15 321	0.16 146	0.09 244	0.10 132	0.14 157	0.14 80	0.24 330	0.11 160	0.13 180	0.13 223	0.09 173	0.11 112	0.12 242	0.10 406	0.07 385	0.08 284	0.07 278	0.07 263	0.05 125

DCVSM-stereo	0.14 316	0.09 318	0.16 355	0.16 146	0.10 346	0.15 310	0.09 18	0.19 224	0.23 314	0.20 386	0.23 330	0.26 421	0.15 342	0.18 375	0.14 320	0.09 365	0.07 385	0.09 365	0.08 343	0.10 420	0.12 459

rvit_stereo_0082	0.11 191	0.08 242	0.15 321	0.16 146	0.09 244	0.10 132	0.14 157	0.14 80	0.24 330	0.11 160	0.13 180	0.13 223	0.09 173	0.11 112	0.12 242	0.10 406	0.07 385	0.08 284	0.07 278	0.07 263	0.05 125

Pointernet	0.09 87	0.04 1	0.09 75	0.16 146	0.08 130	0.13 252	0.10 29	0.15 111	0.17 211	0.09 97	0.07 40	0.06 18	0.06 36	0.11 112	0.09 54	0.08 306	0.04 22	0.05 25	0.03 1	0.06 197	0.05 125

RAFT-Stereo-weight	0.09 87	0.06 59	0.10 114	0.16 146	0.07 74	0.09 84	0.14 157	0.19 224	0.16 192	0.11 160	0.10 121	0.08 102	0.06 36	0.10 66	0.11 193	0.06 118	0.04 22	0.06 105	0.04 37	0.04 16	0.04 42

test_sample6	0.14 316	0.08 242	0.13 235	0.16 146	0.08 130	0.17 361	0.19 408	0.25 338	0.17 211	0.17 317	0.27 397	0.19 334	0.14 324	0.15 288	0.13 283	0.08 306	0.05 188	0.08 284	0.07 278	0.08 326	0.08 349

test_sample5	0.14 316	0.08 242	0.14 270	0.16 146	0.08 130	0.18 380	0.18 369	0.25 338	0.17 211	0.17 317	0.27 397	0.18 320	0.14 324	0.16 322	0.13 283	0.08 306	0.05 188	0.08 284	0.07 278	0.08 326	0.08 349

gcap-zeroshot	0.09 87	0.05 19	0.10 114	0.16 146	0.07 74	0.13 252	0.13 108	0.11 29	0.12 90	0.13 225	0.12 166	0.09 127	0.08 146	0.09 35	0.09 54	0.06 118	0.05 188	0.06 105	0.05 113	0.04 16	0.04 42

Former-RAFT_DAM_RVC	0.10 148	0.08 242	0.12 190	0.16 146	0.08 130	0.15 310	0.16 290	0.18 203	0.18 237	0.10 131	0.09 92	0.09 127	0.08 146	0.11 112	0.12 242	0.07 245	0.05 188	0.08 284	0.06 191	0.07 263	0.06 205

ff7	0.09 87	0.07 143	0.11 155	0.16 146	0.09 244	0.11 178	0.15 225	0.16 138	0.12 90	0.10 131	0.06 13	0.06 18	0.06 36	0.11 112	0.09 54	0.05 28	0.04 22	0.06 105	0.05 113	0.05 102	0.06 205

ffff	0.09 87	0.07 143	0.11 155	0.16 146	0.09 244	0.11 178	0.15 225	0.16 138	0.12 90	0.10 131	0.06 13	0.06 18	0.06 36	0.11 112	0.09 54	0.05 28	0.04 22	0.06 105	0.05 113	0.05 102	0.06 205

DualNet	0.14 316	0.08 242	0.14 270	0.16 146	0.08 130	0.18 380	0.18 369	0.25 338	0.17 211	0.17 317	0.27 397	0.18 320	0.14 324	0.16 322	0.13 283	0.08 306	0.05 188	0.08 284	0.07 278	0.08 326	0.08 349

ffm	0.12 257	0.09 318	0.14 270	0.16 146	0.08 130	0.17 361	0.17 324	0.15 111	0.19 252	0.15 273	0.25 371	0.19 334	0.13 299	0.10 66	0.07 1	0.06 118	0.04 22	0.09 365	0.08 343	0.06 197	0.06 205

ff1	0.13 282	0.09 318	0.14 270	0.16 146	0.08 130	0.17 361	0.17 324	0.15 111	0.19 252	0.15 273	0.25 371	0.19 334	0.13 299	0.14 266	0.20 416	0.06 118	0.04 22	0.09 365	0.08 343	0.06 197	0.06 205

mmx	0.14 316	0.09 318	0.14 270	0.16 146	0.08 130	0.17 361	0.17 324	0.27 377	0.25 351	0.15 273	0.25 371	0.19 334	0.13 299	0.14 266	0.20 416	0.08 306	0.06 313	0.09 365	0.08 343	0.08 326	0.08 349

11t	0.09 87	0.07 143	0.11 155	0.16 146	0.09 244	0.11 178	0.15 225	0.16 138	0.12 90	0.10 131	0.06 13	0.06 18	0.06 36	0.11 112	0.09 54	0.05 28	0.04 22	0.06 105	0.05 113	0.05 102	0.06 205

xxx	0.14 316	0.09 318	0.14 270	0.16 146	0.08 130	0.17 361	0.17 324	0.27 377	0.25 351	0.15 273	0.25 371	0.19 334	0.13 299	0.14 266	0.20 416	0.08 306	0.06 313	0.09 365	0.08 343	0.08 326	0.08 349

CFNet_ucs	0.15 360	0.08 242	0.16 355	0.16 146	0.11 395	0.14 284	0.14 157	0.30 422	0.34 439	0.16 301	0.24 342	0.23 391	0.14 324	0.18 375	0.15 348	0.09 365	0.06 313	0.08 284	0.07 278	0.09 388	0.09 393

testlalala	0.08 47	0.07 143	0.17 383	0.16 146	0.08 130	0.09 84	0.12 66	0.15 111	0.10 37	0.07 33	0.09 92	0.06 18	0.06 36	0.11 112	0.09 54	0.05 28	0.04 22	0.06 105	0.04 37	0.04 16	0.04 42

SDNR	0.19 429	0.08 242	0.19 417	0.16 146	0.12 426	0.77 565	0.14 157	0.25 338	0.32 420	0.19 363	0.24 342	0.19 334	0.13 299	0.19 390	0.15 348	0.16 516	0.18 525	0.14 490	0.11 460	0.08 326	0.11 446

anonymousdsp2	0.11 191	0.07 143	0.10 114	0.16 146	0.09 244	0.13 252	0.14 157	0.18 203	0.22 304	0.13 225	0.14 194	0.12 198	0.09 173	0.14 266	0.11 193	0.05 28	0.04 22	0.05 25	0.04 37	0.06 197	0.05 125

anonymousdsp	0.09 87	0.07 143	0.11 155	0.16 146	0.09 244	0.11 178	0.15 225	0.16 138	0.12 90	0.09 97	0.06 13	0.06 18	0.06 36	0.11 112	0.09 54	0.05 28	0.04 22	0.06 105	0.05 113	0.05 102	0.06 205

DCRE	0.11 191	0.07 143	0.13 235	0.16 146	0.11 395	0.11 178	0.17 324	0.18 203	0.17 211	0.11 160	0.18 269	0.10 159	0.10 205	0.15 288	0.11 193	0.06 118	0.05 188	0.06 105	0.06 191	0.05 102	0.04 42

RCA-Stereo	0.09 87	0.06 59	0.09 75	0.16 146	0.06 14	0.09 84	0.13 108	0.18 203	0.14 147	0.09 97	0.10 121	0.08 102	0.07 110	0.12 195	0.11 193	0.06 118	0.04 22	0.06 105	0.05 113	0.05 102	0.04 42

DCANet-4	0.10 148	0.06 59	0.12 190	0.16 146	0.06 14	0.09 84	0.17 324	0.18 203	0.19 252	0.13 225	0.16 223	0.09 127	0.14 324	0.11 112	0.12 242	0.06 118	0.04 22	0.05 25	0.04 37	0.04 16	0.05 125

qqq	0.13 282	0.09 318	0.15 321	0.16 146	0.08 130	0.13 252	0.15 225	0.23 300	0.16 192	0.15 273	0.19 278	0.16 286	0.16 368	0.15 288	0.16 364	0.07 245	0.06 313	0.08 284	0.08 343	0.07 263	0.07 285

ccc-4	0.09 87	0.07 143	0.11 155	0.16 146	0.09 244	0.11 178	0.15 225	0.16 138	0.12 90	0.10 131	0.06 13	0.06 18	0.06 36	0.11 112	0.09 54	0.05 28	0.04 22	0.06 105	0.05 113	0.05 102	0.06 205

ADStereo(finetuned)	0.10 148	0.06 59	0.12 190	0.16 146	0.06 14	0.09 84	0.17 324	0.15 111	0.19 252	0.13 225	0.17 244	0.10 159	0.12 261	0.11 112	0.12 242	0.06 118	0.04 22	0.05 25	0.04 37	0.05 102	0.04 42

DisPM	0.11 191	0.07 143	0.12 190	0.16 146	0.09 244	0.06 10	0.13 108	0.17 174	0.17 211	0.14 246	0.20 290	0.12 198	0.10 205	0.11 112	0.10 125	0.06 118	0.04 22	0.07 200	0.06 191	0.06 197	0.11 446

IGEV-Stereo	0.09 87	0.07 143	0.11 155	0.16 146	0.09 244	0.11 178	0.15 225	0.16 138	0.12 90	0.09 97	0.06 13	0.06 18	0.06 36	0.11 112	0.09 54	0.05 28	0.04 22	0.06 105	0.05 113	0.05 102	0.06 205
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
CSP-Net	0.16 383	0.09 318	0.14 270	0.16 146	0.09 244	0.19 403	0.17 324	0.25 338	0.32 420	0.25 450	0.30 429	0.24 397	0.15 342	0.21 432	0.18 397	0.09 365	0.06 313	0.07 200	0.07 278	0.08 326	0.07 285

dad	0.17 403	0.20 508	0.20 429	0.16 146	0.11 395	0.20 418	0.18 369	0.21 258	0.28 389	0.30 489	0.24 342	0.29 447	0.13 299	0.19 390	0.16 364	0.18 523	0.09 440	0.11 444	0.09 389	0.11 443	0.07 285

ADLNet2	0.16 383	0.09 318	0.13 235	0.16 146	0.09 244	0.20 418	0.16 290	0.31 432	0.39 470	0.16 301	0.20 290	0.20 346	0.18 405	0.21 432	0.22 445	0.08 306	0.06 313	0.07 200	0.07 278	0.09 388	0.07 285

PFNet+	0.11 191	0.06 59	0.13 235	0.16 146	0.09 244	0.05 4	0.12 66	0.17 174	0.21 290	0.16 301	0.19 278	0.14 243	0.10 205	0.11 112	0.11 193	0.08 306	0.05 188	0.09 365	0.08 343	0.06 197	0.11 446

ASMatch	0.11 191	0.06 59	0.13 235	0.16 146	0.10 346	0.07 30	0.14 157	0.17 174	0.17 211	0.12 198	0.16 223	0.16 286	0.10 205	0.13 240	0.10 125	0.05 28	0.04 22	0.06 105	0.05 113	0.04 16	0.08 349

RAFT-RH_RVC	0.11 191	0.06 59	0.14 270	0.16 146	0.09 244	0.12 213	0.12 66	0.17 174	0.12 90	0.13 225	0.41 502	0.11 181	0.10 205	0.13 240	0.12 242	0.05 28	0.04 22	0.08 284	0.05 113	0.04 16	0.06 205

RAFT-345	0.11 191	0.07 143	0.15 321	0.16 146	0.08 130	0.08 53	0.12 66	0.15 111	0.10 37	0.11 160	0.36 465	0.09 127	0.09 173	0.11 112	0.12 242	0.05 28	0.05 188	0.07 200	0.06 191	0.04 16	0.05 125

raft+_RVC	0.11 191	0.07 143	0.09 75	0.16 146	0.07 74	0.10 132	0.11 49	0.24 322	0.20 275	0.12 198	0.15 211	0.12 198	0.08 146	0.12 195	0.13 283	0.07 245	0.04 22	0.07 200	0.06 191	0.05 102	0.05 125

CFNet_pseudo	0.14 316	0.08 242	0.15 321	0.16 146	0.09 244	0.13 252	0.14 157	0.27 377	0.34 439	0.14 246	0.21 311	0.22 373	0.13 299	0.18 375	0.14 320	0.07 245	0.05 188	0.08 284	0.06 191	0.07 263	0.07 285

RALCasStereoNet	0.10 148	0.06 59	0.09 75	0.16 146	0.08 130	0.12 213	0.14 157	0.17 174	0.11 63	0.12 198	0.17 244	0.14 243	0.10 205	0.12 195	0.11 193	0.07 245	0.06 313	0.06 105	0.05 113	0.08 326	0.07 285

ADLNet	0.16 383	0.08 242	0.15 321	0.16 146	0.10 346	0.16 340	0.17 324	0.32 443	0.27 375	0.22 416	0.27 397	0.24 397	0.16 368	0.18 375	0.21 436	0.10 406	0.06 313	0.10 413	0.10 428	0.08 326	0.09 393

DCANet	0.10 148	0.06 59	0.12 190	0.16 146	0.06 14	0.09 84	0.17 324	0.15 111	0.19 252	0.13 225	0.17 244	0.10 159	0.11 230	0.11 112	0.12 242	0.06 118	0.04 22	0.05 25	0.04 37	0.05 102	0.04 42

test_xeample3	0.09 87	0.06 59	0.12 190	0.16 146	0.09 244	0.11 178	0.15 225	0.16 138	0.13 122	0.10 131	0.06 13	0.08 102	0.06 36	0.10 66	0.09 54	0.05 28	0.04 22	0.06 105	0.05 113	0.05 102	0.06 205

CFNet-RSSM	0.09 87	0.07 143	0.09 75	0.16 146	0.07 74	0.09 84	0.15 225	0.16 138	0.17 211	0.08 66	0.12 166	0.10 159	0.09 173	0.11 112	0.09 54	0.06 118	0.04 22	0.06 105	0.04 37	0.04 16	0.04 42

Gwc-CoAtRS	0.09 87	0.06 59	0.10 114	0.16 146	0.07 74	0.10 132	0.14 157	0.17 174	0.17 211	0.08 66	0.10 121	0.12 198	0.09 173	0.12 195	0.09 54	0.06 118	0.04 22	0.06 105	0.04 37	0.04 16	0.04 42

FENet	0.13 282	0.08 242	0.12 190	0.16 146	0.08 130	0.14 284	0.15 225	0.22 280	0.23 314	0.17 317	0.23 330	0.16 286	0.12 261	0.14 266	0.15 348	0.08 306	0.05 188	0.08 284	0.08 343	0.07 263	0.07 285

cf-r	0.13 282	0.07 143	0.12 190	0.16 146	0.08 130	0.14 284	0.19 408	0.20 235	0.25 351	0.17 317	0.25 371	0.21 355	0.16 368	0.14 266	0.14 320	0.10 406	0.05 188	0.06 105	0.08 343	0.06 197	0.06 205

DSFCA	0.16 383	0.09 318	0.14 270	0.16 146	0.10 346	0.20 418	0.19 408	0.28 397	0.31 413	0.23 428	0.24 342	0.22 373	0.15 342	0.19 390	0.20 416	0.10 406	0.07 385	0.09 365	0.09 389	0.08 326	0.08 349

SuperB	0.20 441	0.10 376	0.56 537	0.16 146	0.09 244	0.18 380	0.18 369	0.24 322	0.50 514	0.26 456	0.39 485	0.17 306	0.21 437	0.22 445	0.21 436	0.08 306	0.06 313	0.06 105	0.06 191	0.12 458	0.10 420

RASNet	0.14 316	0.07 143	0.14 270	0.16 146	0.08 130	0.18 380	0.14 157	0.29 408	0.20 275	0.17 317	0.25 371	0.21 355	0.18 405	0.20 415	0.19 410	0.07 245	0.06 313	0.06 105	0.08 343	0.06 197	0.06 205

ccs_rob	0.14 316	0.08 242	0.15 321	0.16 146	0.09 244	0.12 213	0.14 157	0.27 377	0.34 439	0.14 246	0.21 311	0.22 373	0.13 299	0.18 375	0.14 320	0.07 245	0.05 188	0.08 284	0.07 278	0.07 263	0.07 285

SGM-ForestM	0.32 525	0.12 420	0.16 355	0.16 146	0.11 395	0.39 533	0.19 408	0.41 522	0.50 514	0.52 541	0.54 528	1.32 571	0.42 539	0.40 538	0.27 500	0.14 496	0.16 518	0.16 508	0.16 512	0.12 458	0.12 459

iResNetv2_ROB	0.14 316	0.08 242	0.15 321	0.16 146	0.08 130	0.16 340	0.12 66	0.25 338	0.35 448	0.21 400	0.29 423	0.24 397	0.13 299	0.14 266	0.14 320	0.06 118	0.05 188	0.06 105	0.04 37	0.09 388	0.08 349

HSM	0.15 360	0.08 242	0.14 270	0.16 146	0.09 244	0.16 340	0.14 157	0.28 397	0.25 351	0.19 363	0.23 330	0.37 499	0.16 368	0.20 415	0.15 348	0.07 245	0.05 188	0.07 200	0.06 191	0.07 263	0.06 205

CBMV_ROB	0.19 429	0.13 449	0.17 383	0.16 146	0.11 395	0.15 310	0.13 108	0.26 356	0.28 389	0.27 462	0.30 429	0.27 429	0.24 460	0.23 456	0.16 364	0.15 500	0.17 523	0.22 529	0.20 525	0.10 420	0.11 446

NOSS_ROB	0.19 429	0.12 420	0.18 406	0.16 146	0.12 426	0.15 310	0.12 66	0.30 422	0.32 420	0.20 386	0.22 321	0.27 429	0.23 454	0.21 432	0.16 364	0.16 516	0.18 525	0.23 530	0.21 527	0.12 458	0.13 479

MSAF-DinoV2	0.22 462	0.11 402	0.23 452	0.17 220	0.10 346	0.27 492	0.16 290	0.37 500	0.55 524	0.21 400	0.27 397	0.47 533	0.27 483	0.35 517	0.39 539	0.09 365	0.06 313	0.07 200	0.09 389	0.12 458	0.10 420

3w_stereo	0.08 47	0.09 318	0.10 114	0.17 220	0.07 74	0.08 53	0.10 29	0.20 235	0.13 122	0.06 11	0.07 40	0.05 1	0.06 36	0.08 16	0.09 54	0.03 1	0.03 1	0.04 1	0.03 1	0.04 16	0.03 1

111111	0.07 4	0.04 1	0.09 75	0.17 220	0.06 14	0.05 4	0.10 29	0.11 29	0.09 24	0.06 11	0.06 13	0.07 65	0.05 11	0.09 35	0.09 54	0.06 118	0.04 22	0.05 25	0.04 37	0.07 263	0.06 205

MLG-Stereo_test1	0.06 1	0.05 19	0.08 33	0.17 220	0.05 1	0.06 10	0.11 49	0.08 4	0.03 1	0.05 1	0.04 1	0.06 18	0.05 11	0.09 35	0.09 54	0.05 28	0.04 22	0.05 25	0.03 1	0.04 16	0.04 42

MLG-Stereo	0.07 4	0.05 19	0.08 33	0.17 220	0.05 1	0.07 30	0.11 49	0.08 4	0.04 2	0.05 1	0.04 1	0.06 18	0.05 11	0.10 66	0.09 54	0.05 28	0.04 22	0.05 25	0.03 1	0.04 16	0.04 42

DFGA-Net	0.13 282	0.11 402	0.18 406	0.17 220	0.10 346	0.12 213	0.13 108	0.22 280	0.25 351	0.16 301	0.16 223	0.13 223	0.12 261	0.16 322	0.14 320	0.07 245	0.05 188	0.08 284	0.07 278	0.05 102	0.05 125

coex_refinement	0.14 316	0.07 143	0.12 190	0.17 220	0.10 346	0.15 310	0.15 225	0.26 356	0.29 396	0.18 347	0.20 290	0.22 373	0.17 391	0.16 322	0.18 397	0.08 306	0.05 188	0.06 105	0.06 191	0.09 388	0.08 349

G2L-Stereo	0.14 316	0.07 143	0.13 235	0.17 220	0.09 244	0.13 252	0.12 66	0.27 377	0.22 304	0.16 301	0.27 397	0.21 355	0.13 299	0.17 354	0.18 397	0.09 365	0.08 411	0.08 284	0.07 278	0.07 263	0.07 285

HART	0.08 47	0.07 143	0.09 75	0.17 220	0.07 74	0.10 132	0.16 290	0.13 61	0.11 63	0.08 66	0.10 121	0.07 65	0.05 11	0.10 66	0.08 17	0.05 28	0.04 22	0.06 105	0.04 37	0.05 102	0.04 42

ours_stereo	0.09 87	0.07 143	0.09 75	0.17 220	0.08 130	0.11 178	0.16 290	0.11 29	0.12 90	0.08 66	0.10 121	0.08 102	0.06 36	0.12 195	0.12 242	0.05 28	0.04 22	0.06 105	0.05 113	0.04 16	0.03 1

rvit_0105_6	0.14 316	0.09 318	0.18 406	0.17 220	0.10 346	0.10 132	0.16 290	0.19 224	0.26 365	0.12 198	0.18 269	0.17 306	0.12 261	0.18 375	0.12 242	0.15 500	0.11 473	0.12 463	0.10 428	0.09 388	0.06 205

rvit_0105_5	0.14 316	0.09 318	0.13 235	0.17 220	0.09 244	0.14 284	0.23 467	0.24 322	0.27 375	0.14 246	0.15 211	0.18 320	0.12 261	0.17 354	0.14 320	0.14 496	0.11 473	0.10 413	0.10 428	0.08 326	0.06 205

rvit_0105_4	0.14 316	0.09 318	0.17 383	0.17 220	0.10 346	0.12 213	0.19 408	0.23 300	0.27 375	0.14 246	0.20 290	0.17 306	0.13 299	0.17 354	0.13 283	0.15 500	0.11 473	0.11 444	0.10 428	0.09 388	0.06 205

RSM++	0.08 47	0.06 59	0.09 75	0.17 220	0.07 74	0.09 84	0.12 66	0.11 29	0.11 63	0.08 66	0.06 13	0.07 65	0.05 11	0.10 66	0.09 54	0.04 11	0.04 22	0.06 105	0.05 113	0.05 102	0.03 1

RSM	0.08 47	0.06 59	0.09 75	0.17 220	0.06 14	0.08 53	0.12 66	0.12 45	0.10 37	0.08 66	0.07 40	0.06 18	0.05 11	0.11 112	0.09 54	0.04 11	0.04 22	0.05 25	0.04 37	0.04 16	0.03 1

MyStereo07	0.10 148	0.07 143	0.10 114	0.17 220	0.09 244	0.14 284	0.18 369	0.15 111	0.15 164	0.09 97	0.06 13	0.06 18	0.07 110	0.12 195	0.09 54	0.06 118	0.05 188	0.08 284	0.07 278	0.06 197	0.06 205

MyStereo06	0.10 148	0.07 143	0.12 190	0.17 220	0.09 244	0.13 252	0.18 369	0.19 224	0.12 90	0.12 198	0.08 74	0.07 65	0.07 110	0.11 112	0.09 54	0.06 118	0.05 188	0.07 200	0.07 278	0.06 197	0.06 205

MyStereo05	0.13 282	0.07 143	0.10 114	0.17 220	0.09 244	0.13 252	0.18 369	0.27 377	0.35 448	0.17 317	0.14 194	0.15 272	0.11 230	0.15 288	0.13 283	0.06 118	0.05 188	0.07 200	0.07 278	0.06 197	0.06 205

MyStereo04	0.13 282	0.07 143	0.10 114	0.17 220	0.09 244	0.14 284	0.18 369	0.29 408	0.38 467	0.17 317	0.14 194	0.16 286	0.10 205	0.15 288	0.13 283	0.06 118	0.05 188	0.08 284	0.07 278	0.06 197	0.06 205

CoDeX	0.12 257	0.07 143	0.12 190	0.17 220	0.08 130	0.12 213	0.15 225	0.23 300	0.27 375	0.13 225	0.17 244	0.16 286	0.11 230	0.14 266	0.11 193	0.07 245	0.05 188	0.07 200	0.06 191	0.06 197	0.05 125

ACVNet-DCA	0.10 148	0.08 242	0.12 190	0.17 220	0.09 244	0.13 252	0.15 225	0.23 300	0.16 192	0.09 97	0.09 92	0.06 18	0.06 36	0.10 66	0.07 1	0.06 118	0.04 22	0.06 105	0.05 113	0.07 263	0.07 285

xx1	0.11 191	0.08 242	0.12 190	0.17 220	0.09 244	0.13 252	0.15 225	0.16 138	0.18 237	0.09 97	0.09 92	0.16 286	0.16 368	0.10 66	0.07 1	0.06 118	0.04 22	0.08 284	0.08 343	0.07 263	0.07 285

1test111	0.11 191	0.08 242	0.12 190	0.17 220	0.09 244	0.13 252	0.15 225	0.23 300	0.16 192	0.09 97	0.09 92	0.06 18	0.06 36	0.15 288	0.16 364	0.06 118	0.04 22	0.06 105	0.05 113	0.07 263	0.07 285

cc1	0.10 148	0.08 242	0.12 190	0.17 220	0.09 244	0.13 252	0.15 225	0.16 138	0.18 237	0.09 97	0.09 92	0.06 18	0.06 36	0.10 66	0.07 1	0.06 118	0.04 22	0.06 105	0.05 113	0.06 197	0.06 205

mmm	0.14 316	0.08 242	0.17 383	0.17 220	0.09 244	0.17 361	0.18 369	0.21 258	0.15 164	0.15 273	0.23 330	0.21 355	0.16 368	0.16 322	0.17 379	0.08 306	0.05 188	0.08 284	0.07 278	0.07 263	0.07 285

tt1	0.10 148	0.08 242	0.12 190	0.17 220	0.09 244	0.12 213	0.16 290	0.15 111	0.19 252	0.09 97	0.08 74	0.06 18	0.06 36	0.10 66	0.07 1	0.06 118	0.04 22	0.06 105	0.05 113	0.06 197	0.06 205

MaDis-Stereo	0.09 87	0.09 318	0.08 33	0.17 220	0.09 244	0.13 252	0.10 29	0.16 138	0.16 192	0.09 97	0.11 153	0.06 18	0.06 36	0.09 35	0.13 283	0.07 245	0.06 313	0.07 200	0.05 113	0.05 102	0.04 42

PCWNet_CMD	0.14 316	0.08 242	0.15 321	0.17 220	0.09 244	0.14 284	0.14 157	0.29 408	0.36 453	0.14 246	0.20 290	0.21 355	0.12 261	0.17 354	0.13 283	0.07 245	0.05 188	0.07 200	0.07 278	0.07 263	0.07 285

HH	0.09 87	0.06 59	0.13 235	0.17 220	0.08 130	0.10 132	0.16 290	0.14 80	0.10 37	0.08 66	0.09 92	0.08 102	0.07 110	0.10 66	0.09 54	0.06 118	0.04 22	0.06 105	0.05 113	0.05 102	0.04 42

HanStereo	0.09 87	0.06 59	0.13 235	0.17 220	0.08 130	0.10 132	0.16 290	0.14 80	0.10 37	0.08 66	0.09 92	0.08 102	0.07 110	0.10 66	0.09 54	0.06 118	0.04 22	0.06 105	0.05 113	0.05 102	0.04 42

CAS	0.08 47	0.04 1	0.07 8	0.17 220	0.08 130	0.10 132	0.13 108	0.12 45	0.09 24	0.09 97	0.10 121	0.08 102	0.06 36	0.09 35	0.08 17	0.08 306	0.04 22	0.05 25	0.03 1	0.05 102	0.04 42

CBFPSM	0.14 316	0.06 59	0.26 464	0.17 220	0.09 244	0.13 252	0.15 225	0.22 280	0.23 314	0.20 386	0.27 397	0.24 397	0.16 368	0.16 322	0.18 397	0.06 118	0.06 313	0.06 105	0.07 278	0.07 263	0.07 285

Selective-IGEV	0.07 4	0.06 59	0.08 33	0.17 220	0.06 14	0.08 53	0.12 66	0.13 61	0.07 8	0.08 66	0.07 40	0.06 18	0.04 1	0.10 66	0.09 54	0.05 28	0.04 22	0.05 25	0.04 37	0.04 16	0.03 1

ToySt	0.17 403	0.11 402	0.18 406	0.17 220	0.11 395	0.16 340	0.25 495	0.24 322	0.33 427	0.19 363	0.24 342	0.26 421	0.24 460	0.19 390	0.20 416	0.07 245	0.08 411	0.09 365	0.10 428	0.09 388	0.08 349

ProNet	0.09 87	0.07 143	0.10 114	0.17 220	0.08 130	0.10 132	0.15 225	0.15 111	0.12 90	0.09 97	0.06 13	0.07 65	0.06 36	0.11 112	0.09 54	0.05 28	0.04 22	0.06 105	0.05 113	0.04 16	0.06 205

ssnet_v2	0.17 403	0.10 376	0.17 383	0.17 220	0.11 395	0.21 435	0.21 446	0.33 462	0.25 351	0.22 416	0.22 321	0.27 429	0.18 405	0.22 445	0.20 416	0.11 435	0.09 440	0.09 365	0.09 389	0.08 326	0.08 349

MC-Stereo	0.08 47	0.06 59	0.09 75	0.17 220	0.06 14	0.10 132	0.14 157	0.12 45	0.10 37	0.09 97	0.12 166	0.09 127	0.06 36	0.11 112	0.10 125	0.06 118	0.04 22	0.06 105	0.05 113	0.04 16	0.04 42

IER	0.14 316	0.07 143	0.13 235	0.17 220	0.09 244	0.14 284	0.16 290	0.25 338	0.26 365	0.18 347	0.25 371	0.17 306	0.20 433	0.16 322	0.14 320	0.08 306	0.05 188	0.07 200	0.06 191	0.08 326	0.07 285

CRFU-Net	0.16 383	0.08 242	0.14 270	0.17 220	0.09 244	0.19 403	0.14 157	0.26 356	0.20 275	0.28 477	0.27 397	0.29 447	0.17 391	0.19 390	0.17 379	0.09 365	0.09 440	0.07 200	0.07 278	0.08 326	0.08 349

NINENet	0.16 383	0.10 376	0.15 321	0.17 220	0.11 395	0.19 403	0.14 157	0.40 516	0.36 453	0.18 347	0.21 311	0.16 286	0.13 299	0.15 288	0.13 283	0.08 306	0.08 411	0.10 413	0.07 278	0.10 420	0.09 393

psmg	0.14 316	0.09 318	0.14 270	0.17 220	0.10 346	0.15 310	0.17 324	0.29 408	0.19 252	0.17 317	0.21 311	0.25 411	0.16 368	0.15 288	0.14 320	0.08 306	0.06 313	0.08 284	0.08 343	0.07 263	0.06 205

CIPLG	0.11 191	0.08 242	0.14 270	0.17 220	0.08 130	0.12 213	0.15 225	0.17 174	0.15 164	0.14 246	0.11 153	0.16 286	0.09 173	0.16 322	0.11 193	0.07 245	0.05 188	0.06 105	0.05 113	0.05 102	0.06 205

UDGNet	0.14 316	0.13 449	0.16 355	0.17 220	0.10 346	0.12 213	0.16 290	0.21 258	0.27 375	0.20 386	0.20 290	0.16 286	0.13 299	0.16 322	0.13 283	0.10 406	0.06 313	0.09 365	0.07 278	0.06 197	0.07 285

GLC_STEREO	0.11 191	0.07 143	0.11 155	0.17 220	0.07 74	0.09 84	0.13 108	0.15 111	0.24 330	0.12 198	0.13 180	0.12 198	0.08 146	0.18 375	0.11 193	0.06 118	0.08 411	0.08 284	0.06 191	0.05 102	0.05 125

IPLG	0.10 148	0.07 143	0.15 321	0.17 220	0.08 130	0.11 178	0.14 157	0.20 235	0.15 164	0.12 198	0.17 244	0.07 65	0.07 110	0.14 266	0.13 283	0.06 118	0.04 22	0.06 105	0.05 113	0.04 16	0.04 42

IPLGR_C	0.11 191	0.08 242	0.14 270	0.17 220	0.08 130	0.12 213	0.15 225	0.17 174	0.15 164	0.14 246	0.10 121	0.16 286	0.09 173	0.16 322	0.11 193	0.07 245	0.05 188	0.06 105	0.05 113	0.05 102	0.06 205

MIPNet	0.11 191	0.08 242	0.14 270	0.17 220	0.09 244	0.12 213	0.14 157	0.20 235	0.24 330	0.11 160	0.10 121	0.09 127	0.07 110	0.13 240	0.12 242	0.06 118	0.04 22	0.06 105	0.05 113	0.04 16	0.04 42

test-3	0.08 47	0.06 59	0.09 75	0.17 220	0.07 74	0.07 30	0.14 157	0.12 45	0.15 164	0.09 97	0.08 74	0.07 65	0.08 146	0.11 112	0.10 125	0.05 28	0.04 22	0.07 200	0.05 113	0.04 16	0.04 42

test_1	0.08 47	0.06 59	0.09 75	0.17 220	0.07 74	0.07 30	0.14 157	0.12 45	0.15 164	0.09 97	0.08 74	0.07 65	0.08 146	0.11 112	0.10 125	0.05 28	0.04 22	0.07 200	0.05 113	0.04 16	0.04 42

ACRE	0.11 191	0.08 242	0.14 270	0.17 220	0.08 130	0.12 213	0.15 225	0.17 174	0.14 147	0.14 246	0.10 121	0.16 286	0.09 173	0.16 322	0.11 193	0.07 245	0.05 188	0.06 105	0.05 113	0.05 102	0.06 205

SACVNet	0.18 417	0.12 420	0.14 270	0.17 220	0.13 449	0.22 443	0.18 369	0.31 432	0.30 406	0.23 428	0.31 437	0.30 456	0.22 446	0.22 445	0.17 379	0.11 435	0.08 411	0.10 413	0.10 428	0.12 458	0.14 496

GANet-ADL	0.13 282	0.07 143	0.15 321	0.17 220	0.10 346	0.18 380	0.15 225	0.30 422	0.20 275	0.13 225	0.18 269	0.19 334	0.12 261	0.16 322	0.13 283	0.08 306	0.06 313	0.06 105	0.05 113	0.07 263	0.08 349

IIG-Stereo	0.11 191	0.06 59	0.13 235	0.17 220	0.08 130	0.11 178	0.12 66	0.22 280	0.17 211	0.14 246	0.17 244	0.11 181	0.12 261	0.12 195	0.12 242	0.06 118	0.05 188	0.07 200	0.06 191	0.05 102	0.04 42

NF-Stereo	0.11 191	0.07 143	0.13 235	0.17 220	0.09 244	0.10 132	0.14 157	0.23 300	0.19 252	0.12 198	0.17 244	0.12 198	0.11 230	0.11 112	0.11 193	0.06 118	0.04 22	0.07 200	0.06 191	0.06 197	0.12 459

OCTAStereo	0.11 191	0.07 143	0.13 235	0.17 220	0.09 244	0.10 132	0.14 157	0.23 300	0.19 252	0.12 198	0.17 244	0.12 198	0.11 230	0.11 112	0.11 193	0.06 118	0.04 22	0.07 200	0.06 191	0.06 197	0.12 459

PSM-softLoss	0.12 257	0.07 143	0.15 321	0.17 220	0.09 244	0.08 53	0.13 108	0.24 322	0.17 211	0.14 246	0.19 278	0.13 223	0.11 230	0.11 112	0.11 193	0.07 245	0.05 188	0.08 284	0.07 278	0.06 197	0.12 459

KMStereo	0.12 257	0.07 143	0.15 321	0.17 220	0.09 244	0.08 53	0.13 108	0.24 322	0.17 211	0.14 246	0.19 278	0.13 223	0.11 230	0.11 112	0.11 193	0.07 245	0.05 188	0.08 284	0.07 278	0.06 197	0.12 459

PFNet	0.12 257	0.06 59	0.17 383	0.17 220	0.08 130	0.09 84	0.15 225	0.26 356	0.20 275	0.16 301	0.16 223	0.14 243	0.11 230	0.12 195	0.11 193	0.06 118	0.04 22	0.07 200	0.06 191	0.05 102	0.05 125

RE-Stereo	0.11 191	0.07 143	0.13 235	0.17 220	0.09 244	0.10 132	0.14 157	0.23 300	0.19 252	0.12 198	0.17 244	0.12 198	0.11 230	0.11 112	0.11 193	0.06 118	0.04 22	0.07 200	0.06 191	0.06 197	0.12 459

Pruner-Stereo	0.11 191	0.07 143	0.12 190	0.17 220	0.09 244	0.06 10	0.12 66	0.17 174	0.17 211	0.13 225	0.19 278	0.13 223	0.09 173	0.11 112	0.11 193	0.06 118	0.04 22	0.07 200	0.06 191	0.06 197	0.08 349

TVStereo	0.11 191	0.07 143	0.13 235	0.17 220	0.09 244	0.10 132	0.14 157	0.23 300	0.19 252	0.12 198	0.17 244	0.12 198	0.11 230	0.11 112	0.11 193	0.06 118	0.04 22	0.07 200	0.06 191	0.06 197	0.12 459

rafts_anoy	0.11 191	0.06 59	0.10 114	0.17 220	0.08 130	0.10 132	0.14 157	0.17 174	0.14 147	0.13 225	0.13 180	0.12 198	0.10 205	0.11 112	0.12 242	0.07 245	0.04 22	0.09 365	0.11 460	0.07 263	0.06 205

iRaftStereo_RVC	0.10 148	0.07 143	0.09 75	0.17 220	0.09 244	0.11 178	0.17 324	0.18 203	0.12 90	0.09 97	0.12 166	0.10 159	0.07 110	0.11 112	0.10 125	0.05 28	0.04 22	0.08 284	0.08 343	0.04 16	0.04 42

raftrobust	0.09 87	0.06 59	0.10 114	0.17 220	0.08 130	0.09 84	0.10 29	0.18 203	0.16 192	0.10 131	0.09 92	0.12 198	0.07 110	0.12 195	0.10 125	0.08 306	0.05 188	0.06 105	0.05 113	0.05 102	0.05 125

pcwnet_v2	0.19 429	0.10 376	0.26 464	0.17 220	0.14 469	0.18 380	0.15 225	0.37 500	0.46 503	0.19 363	0.24 342	0.21 355	0.19 421	0.20 415	0.19 410	0.13 483	0.10 460	0.10 413	0.10 428	0.11 443	0.13 479

RALAANet	0.11 191	0.08 242	0.10 114	0.17 220	0.09 244	0.14 284	0.10 29	0.20 235	0.15 164	0.14 246	0.13 180	0.16 286	0.09 173	0.12 195	0.11 193	0.06 118	0.05 188	0.07 200	0.06 191	0.05 102	0.04 42

XX-Stereo	0.09 87	0.05 19	0.08 33	0.17 220	0.09 244	0.15 310	0.12 66	0.20 235	0.10 37	0.10 131	0.14 194	0.07 65	0.06 36	0.12 195	0.08 17	0.06 118	0.05 188	0.06 105	0.06 191	0.04 16	0.04 42

RAFT-Stereo + iAFF	0.09 87	0.06 59	0.10 114	0.17 220	0.06 14	0.10 132	0.16 290	0.17 174	0.14 147	0.09 97	0.10 121	0.08 102	0.09 173	0.11 112	0.09 54	0.05 28	0.04 22	0.06 105	0.06 191	0.04 16	0.03 1

AFF-stereo	0.09 87	0.06 59	0.10 114	0.17 220	0.07 74	0.10 132	0.16 290	0.17 174	0.09 24	0.10 131	0.12 166	0.09 127	0.09 173	0.12 195	0.09 54	0.05 28	0.04 22	0.07 200	0.07 278	0.04 16	0.03 1

SFCPSM	0.13 282	0.07 143	0.14 270	0.17 220	0.09 244	0.15 310	0.16 290	0.28 397	0.27 375	0.14 246	0.17 244	0.12 198	0.13 299	0.14 266	0.11 193	0.08 306	0.05 188	0.07 200	0.07 278	0.07 263	0.06 205

psmorigin	0.25 496	0.15 471	0.34 504	0.17 220	0.13 449	0.23 456	0.14 157	0.34 471	0.33 427	0.41 526	0.55 530	0.41 517	0.37 525	0.34 511	0.27 500	0.11 435	0.15 515	0.11 444	0.11 460	0.12 458	0.16 514

aanetorigin	0.22 462	0.17 490	0.56 537	0.17 220	0.10 346	0.15 310	0.19 408	0.20 235	0.33 427	0.49 539	0.48 519	0.29 447	0.27 483	0.20 415	0.23 457	0.08 306	0.07 385	0.08 284	0.07 278	0.10 420	0.09 393

HGLStereo	0.17 403	0.08 242	0.19 417	0.17 220	0.12 426	0.18 380	0.18 369	0.31 432	0.32 420	0.21 400	0.32 441	0.25 411	0.18 405	0.19 390	0.20 416	0.09 365	0.09 440	0.07 200	0.07 278	0.09 388	0.10 420

DIP-Stereo	0.11 191	0.07 143	0.14 270	0.17 220	0.09 244	0.13 252	0.09 18	0.16 138	0.16 192	0.11 160	0.16 223	0.14 243	0.12 261	0.15 288	0.13 283	0.06 118	0.05 188	0.06 105	0.05 113	0.05 102	0.06 205
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
R-Stereo Train	0.10 148	0.06 59	0.10 114	0.17 220	0.08 130	0.11 178	0.14 157	0.23 300	0.11 63	0.12 198	0.19 278	0.11 181	0.08 146	0.09 35	0.11 193	0.07 245	0.05 188	0.06 105	0.05 113	0.05 102	0.05 125

RAFT-Stereo	0.10 148	0.06 59	0.10 114	0.17 220	0.08 130	0.11 178	0.14 157	0.23 300	0.11 63	0.12 198	0.19 278	0.11 181	0.08 146	0.09 35	0.11 193	0.07 245	0.05 188	0.06 105	0.05 113	0.05 102	0.05 125
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
MSMDNet	0.14 316	0.08 242	0.15 321	0.17 220	0.09 244	0.14 284	0.14 157	0.29 408	0.36 453	0.14 246	0.21 311	0.21 355	0.12 261	0.17 354	0.14 320	0.07 245	0.05 188	0.07 200	0.07 278	0.07 263	0.07 285

CFNet	0.15 360	0.10 376	0.17 383	0.17 220	0.08 130	0.18 380	0.09 18	0.28 397	0.25 351	0.19 363	0.24 342	0.24 397	0.17 391	0.17 354	0.14 320	0.08 306	0.06 313	0.09 365	0.10 428	0.07 263	0.06 205

NVstereo2D	0.19 429	0.10 376	0.15 321	0.17 220	0.15 487	0.28 499	0.23 467	0.44 533	0.42 486	0.15 273	0.27 397	0.25 411	0.19 421	0.22 445	0.17 379	0.09 365	0.06 313	0.10 413	0.08 343	0.15 504	0.09 393

DeepPruner_ROB	0.16 383	0.11 402	0.15 321	0.17 220	0.10 346	0.17 361	0.15 225	0.32 443	0.21 290	0.19 363	0.21 311	0.22 373	0.18 405	0.20 415	0.15 348	0.13 483	0.09 440	0.09 365	0.09 389	0.11 443	0.10 420

DISCO	0.19 429	0.09 318	0.22 443	0.17 220	0.10 346	0.25 472	0.18 369	0.27 377	0.44 496	0.22 416	0.31 437	0.33 482	0.26 475	0.28 487	0.28 507	0.08 306	0.06 313	0.07 200	0.07 278	0.09 388	0.09 393

WCMA_ROB	0.24 485	0.11 402	0.22 443	0.17 220	0.14 469	0.32 509	0.15 225	0.32 443	0.32 420	0.38 517	0.53 526	0.40 515	0.34 519	0.34 511	0.25 480	0.11 435	0.12 487	0.12 463	0.10 428	0.14 489	0.14 496

GGEV	0.08 47	0.07 143	0.06 3	0.18 302	0.08 130	0.10 132	0.13 108	0.13 61	0.11 63	0.09 97	0.10 121	0.09 127	0.07 110	0.11 112	0.10 125	0.05 28	0.04 22	0.06 105	0.04 37	0.05 102	0.04 42

AdaDepth	0.07 4	0.06 59	0.07 8	0.18 302	0.06 14	0.11 178	0.12 66	0.09 11	0.07 8	0.06 11	0.05 7	0.07 65	0.06 36	0.09 35	0.10 125	0.04 11	0.05 188	0.05 25	0.04 37	0.04 16	0.04 42

LG-Stereo	0.08 47	0.07 143	0.10 114	0.18 302	0.07 74	0.10 132	0.17 324	0.11 29	0.08 13	0.05 1	0.07 40	0.05 1	0.07 110	0.09 35	0.09 54	0.04 11	0.05 188	0.07 200	0.07 278	0.04 16	0.04 42

MM-Stereo_test3	0.10 148	0.07 143	0.07 8	0.18 302	0.07 74	0.12 213	0.19 408	0.24 322	0.19 252	0.06 11	0.10 121	0.08 102	0.06 36	0.11 112	0.08 17	0.06 118	0.06 313	0.07 200	0.05 113	0.05 102	0.04 42

MM-Stereo_test1	0.10 148	0.07 143	0.08 33	0.18 302	0.07 74	0.12 213	0.18 369	0.21 258	0.20 275	0.09 97	0.11 153	0.08 102	0.06 36	0.10 66	0.10 125	0.06 118	0.05 188	0.07 200	0.06 191	0.05 102	0.04 42

tg	0.10 148	0.06 59	0.10 114	0.18 302	0.08 130	0.11 178	0.16 290	0.20 235	0.12 90	0.08 66	0.11 153	0.11 181	0.07 110	0.11 112	0.10 125	0.05 28	0.04 22	0.08 284	0.08 343	0.04 16	0.04 42

rvit_stereo_0081_aga	0.11 191	0.09 318	0.14 270	0.18 302	0.09 244	0.13 252	0.14 157	0.14 80	0.19 252	0.10 131	0.18 269	0.16 286	0.09 173	0.12 195	0.09 54	0.10 406	0.06 313	0.08 284	0.07 278	0.07 263	0.06 205

ACV-stereo	0.15 360	0.10 376	0.28 477	0.18 302	0.12 426	0.14 284	0.12 66	0.23 300	0.21 290	0.19 363	0.23 330	0.22 373	0.15 342	0.23 456	0.17 379	0.07 245	0.06 313	0.07 200	0.07 278	0.07 263	0.07 285

IGEV-Stereo++	0.07 4	0.06 59	0.08 33	0.18 302	0.06 14	0.04 1	0.10 29	0.11 29	0.11 63	0.06 11	0.07 40	0.07 65	0.06 36	0.09 35	0.09 54	0.05 28	0.04 22	0.05 25	0.04 37	0.05 102	0.04 42

AIO-Stereo	0.08 47	0.06 59	0.09 75	0.18 302	0.06 14	0.08 53	0.12 66	0.15 111	0.09 24	0.08 66	0.08 74	0.07 65	0.05 11	0.11 112	0.08 17	0.05 28	0.05 188	0.05 25	0.04 37	0.04 16	0.04 42

H2IRNET	0.10 148	0.09 318	0.09 75	0.18 302	0.09 244	0.12 213	0.15 225	0.14 80	0.21 290	0.10 131	0.10 121	0.10 159	0.10 205	0.10 66	0.10 125	0.05 28	0.04 22	0.08 284	0.08 343	0.06 197	0.05 125

IGEV++	0.08 47	0.06 59	0.08 33	0.18 302	0.07 74	0.09 84	0.13 108	0.10 18	0.09 24	0.08 66	0.08 74	0.06 18	0.06 36	0.13 240	0.09 54	0.05 28	0.04 22	0.05 25	0.04 37	0.05 102	0.04 42

AE-Stereo	0.10 148	0.08 242	0.10 114	0.18 302	0.09 244	0.10 132	0.15 225	0.14 80	0.19 252	0.09 97	0.14 194	0.12 198	0.08 146	0.11 112	0.10 125	0.05 28	0.06 313	0.07 200	0.06 191	0.05 102	0.04 42

1111x	0.15 360	0.08 242	0.12 190	0.18 302	0.07 74	0.18 380	0.25 495	0.31 432	0.24 330	0.17 317	0.24 342	0.26 421	0.15 342	0.13 240	0.23 457	0.07 245	0.07 385	0.08 284	0.09 389	0.07 263	0.06 205

UniTT-Stereo	0.09 87	0.07 143	0.08 33	0.18 302	0.08 130	0.13 252	0.11 49	0.12 45	0.11 63	0.10 131	0.12 166	0.05 1	0.07 110	0.09 35	0.09 54	0.07 245	0.05 188	0.05 25	0.05 113	0.05 102	0.05 125

GCAP-Stereo	0.09 87	0.07 143	0.13 235	0.18 302	0.06 14	0.11 178	0.07 3	0.13 61	0.12 90	0.09 97	0.10 121	0.07 65	0.09 173	0.13 240	0.10 125	0.06 118	0.05 188	0.05 25	0.04 37	0.04 16	0.05 125

LL-Strereo2	0.10 148	0.10 376	0.15 321	0.18 302	0.08 130	0.15 310	0.09 18	0.17 174	0.14 147	0.14 246	0.10 121	0.09 127	0.07 110	0.16 322	0.10 125	0.05 28	0.05 188	0.10 413	0.07 278	0.06 197	0.05 125

4D-IteraStereo	0.09 87	0.07 143	0.10 114	0.18 302	0.07 74	0.09 84	0.15 225	0.17 174	0.15 164	0.10 131	0.11 153	0.10 159	0.07 110	0.11 112	0.09 54	0.05 28	0.03 1	0.08 284	0.07 278	0.06 197	0.05 125

coex-ft	3.30 580	0.34 544	59.09 603	0.18 302	0.13 449	0.26 482	0.22 456	0.27 377	0.72 551	1.90 582	0.70 549	0.44 524	0.45 542	0.29 494	0.41 545	0.09 365	0.09 440	0.12 463	0.09 389	0.14 489	0.13 479

gwcnet-sp	0.14 316	0.07 143	0.12 190	0.18 302	0.09 244	0.16 340	0.17 324	0.24 322	0.24 330	0.18 347	0.24 342	0.15 272	0.16 368	0.15 288	0.15 348	0.08 306	0.06 313	0.07 200	0.08 343	0.08 326	0.07 285

scenet	0.14 316	0.07 143	0.12 190	0.18 302	0.09 244	0.16 340	0.17 324	0.24 322	0.24 330	0.18 347	0.24 342	0.15 272	0.16 368	0.15 288	0.15 348	0.08 306	0.06 313	0.07 200	0.08 343	0.08 326	0.07 285

anonymousa	0.13 282	0.07 143	0.13 235	0.18 302	0.09 244	0.13 252	0.17 324	0.19 224	0.29 396	0.15 273	0.24 342	0.15 272	0.14 324	0.14 266	0.14 320	0.07 245	0.05 188	0.07 200	0.09 389	0.05 102	0.06 205

ssnet	0.14 316	0.07 143	0.12 190	0.18 302	0.09 244	0.16 340	0.17 324	0.24 322	0.24 330	0.18 347	0.24 342	0.15 272	0.16 368	0.15 288	0.15 348	0.08 306	0.06 313	0.07 200	0.08 343	0.08 326	0.07 285

raft_robust	0.13 282	0.10 376	0.07 8	0.18 302	0.08 130	0.13 252	0.24 479	0.28 397	0.33 427	0.20 386	0.19 278	0.14 243	0.10 205	0.11 112	0.12 242	0.05 28	0.05 188	0.07 200	0.07 278	0.05 102	0.04 42

Sa-1000	0.12 257	0.08 242	0.08 33	0.18 302	0.08 130	0.14 284	0.22 456	0.22 280	0.18 237	0.15 273	0.20 290	0.17 306	0.11 230	0.10 66	0.10 125	0.06 118	0.05 188	0.09 365	0.09 389	0.05 102	0.05 125

SA	0.12 257	0.09 318	0.08 33	0.18 302	0.08 130	0.12 213	0.24 479	0.23 300	0.18 237	0.17 317	0.27 397	0.14 243	0.11 230	0.11 112	0.11 193	0.05 28	0.05 188	0.09 365	0.08 343	0.05 102	0.04 42

IPLGR	0.11 191	0.09 318	0.16 355	0.18 302	0.08 130	0.12 213	0.17 324	0.21 258	0.24 330	0.11 160	0.12 166	0.11 181	0.08 146	0.12 195	0.12 242	0.06 118	0.05 188	0.06 105	0.06 191	0.04 16	0.04 42

Patchmatch Stereo++	0.11 191	0.09 318	0.16 355	0.18 302	0.08 130	0.06 10	0.11 49	0.16 138	0.13 122	0.15 273	0.16 223	0.14 243	0.12 261	0.11 112	0.10 125	0.06 118	0.04 22	0.08 284	0.06 191	0.08 326	0.07 285
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
STrans-v2	0.10 148	0.07 143	0.12 190	0.18 302	0.07 74	0.10 132	0.14 157	0.21 258	0.11 63	0.11 160	0.15 211	0.12 198	0.10 205	0.11 112	0.12 242	0.05 28	0.04 22	0.06 105	0.06 191	0.04 16	0.04 42

TransformOpticalFlow	0.10 148	0.08 242	0.13 235	0.18 302	0.07 74	0.09 84	0.15 225	0.19 224	0.15 164	0.12 198	0.17 244	0.11 181	0.11 230	0.11 112	0.10 125	0.05 28	0.04 22	0.06 105	0.06 191	0.05 102	0.05 125

OMP-Stereo	0.11 191	0.06 59	0.14 270	0.18 302	0.08 130	0.09 84	0.12 66	0.21 258	0.21 290	0.13 225	0.14 194	0.11 181	0.12 261	0.11 112	0.13 283	0.06 118	0.04 22	0.07 200	0.06 191	0.05 102	0.04 42

NRIStereo	0.11 191	0.08 242	0.14 270	0.18 302	0.08 130	0.10 132	0.14 157	0.16 138	0.15 164	0.12 198	0.14 194	0.13 223	0.12 261	0.13 240	0.10 125	0.06 118	0.04 22	0.07 200	0.06 191	0.06 197	0.07 285

PSM-adaLoss	0.11 191	0.09 318	0.16 355	0.18 302	0.08 130	0.06 10	0.12 66	0.16 138	0.13 122	0.15 273	0.16 223	0.14 243	0.12 261	0.11 112	0.10 125	0.06 118	0.04 22	0.08 284	0.06 191	0.08 326	0.07 285

FTStereo	0.12 257	0.06 59	0.14 270	0.18 302	0.09 244	0.07 30	0.15 225	0.21 258	0.18 237	0.12 198	0.24 342	0.12 198	0.12 261	0.13 240	0.13 283	0.05 28	0.05 188	0.07 200	0.06 191	0.06 197	0.10 420

HUI-Stereo	0.11 191	0.09 318	0.16 355	0.18 302	0.08 130	0.06 10	0.12 66	0.16 138	0.13 122	0.15 273	0.16 223	0.14 243	0.12 261	0.11 112	0.10 125	0.06 118	0.04 22	0.08 284	0.06 191	0.08 326	0.07 285

SST-Stereo	0.10 148	0.07 143	0.15 321	0.18 302	0.09 244	0.06 10	0.12 66	0.17 174	0.11 63	0.15 273	0.17 244	0.13 223	0.12 261	0.10 66	0.11 193	0.06 118	0.04 22	0.09 365	0.06 191	0.06 197	0.05 125

RAFT_R40	0.11 191	0.07 143	0.14 270	0.18 302	0.09 244	0.06 10	0.13 108	0.17 174	0.16 192	0.14 246	0.18 269	0.15 272	0.12 261	0.10 66	0.11 193	0.06 118	0.04 22	0.09 365	0.06 191	0.06 197	0.05 125

DeepStereo_RVC	0.11 191	0.08 242	0.16 355	0.18 302	0.08 130	0.08 53	0.12 66	0.17 174	0.12 90	0.13 225	0.14 194	0.12 198	0.12 261	0.12 195	0.11 193	0.06 118	0.04 22	0.07 200	0.06 191	0.07 263	0.08 349

iRAFT	0.11 191	0.09 318	0.16 355	0.18 302	0.08 130	0.06 10	0.11 49	0.16 138	0.13 122	0.15 273	0.16 223	0.14 243	0.12 261	0.11 112	0.10 125	0.06 118	0.04 22	0.08 284	0.06 191	0.08 326	0.07 285

RAFT	0.13 282	0.09 318	0.11 155	0.18 302	0.08 130	0.15 310	0.24 479	0.20 235	0.19 252	0.21 400	0.21 311	0.17 306	0.12 261	0.16 322	0.09 54	0.06 118	0.07 385	0.10 413	0.09 389	0.05 102	0.05 125

GMM-Stereo	0.11 191	0.07 143	0.10 114	0.18 302	0.09 244	0.08 53	0.15 225	0.23 300	0.16 192	0.11 160	0.15 211	0.13 223	0.11 230	0.11 112	0.11 193	0.05 28	0.04 22	0.08 284	0.07 278	0.06 197	0.09 393

Prome-Stereo	0.11 191	0.06 59	0.10 114	0.18 302	0.08 130	0.12 213	0.15 225	0.22 280	0.13 122	0.12 198	0.17 244	0.13 223	0.08 146	0.12 195	0.10 125	0.05 28	0.04 22	0.07 200	0.06 191	0.06 197	0.09 393

GMStereo	0.13 282	0.14 461	0.14 270	0.18 302	0.09 244	0.15 310	0.16 290	0.20 235	0.24 330	0.16 301	0.17 244	0.10 159	0.10 205	0.16 322	0.13 283	0.07 245	0.06 313	0.06 105	0.06 191	0.07 263	0.06 205
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
FINET	0.21 453	0.18 501	0.26 464	0.18 302	0.16 497	0.23 456	0.23 467	0.32 443	0.48 505	0.25 450	0.32 441	0.22 373	0.22 446	0.22 445	0.17 379	0.18 523	0.16 518	0.11 444	0.10 428	0.15 504	0.13 479

APVNet	0.22 462	0.12 420	0.19 417	0.18 302	0.14 469	0.32 509	0.31 540	0.39 512	0.32 420	0.27 462	0.40 491	0.30 456	0.29 501	0.26 472	0.25 480	0.11 435	0.12 487	0.11 444	0.14 492	0.12 458	0.12 459

EDNetEfficient	0.29 516	0.24 522	1.13 569	0.18 302	0.10 346	0.19 403	0.20 429	0.20 235	0.60 536	0.74 558	0.56 535	0.31 469	0.39 528	0.22 445	0.30 515	0.09 365	0.07 385	0.08 284	0.07 278	0.11 443	0.09 393

GwcNet	0.20 441	0.13 449	0.19 417	0.18 302	0.12 426	0.24 461	0.19 408	0.35 487	0.43 491	0.20 386	0.32 441	0.33 482	0.20 433	0.22 445	0.24 470	0.11 435	0.09 440	0.09 365	0.09 389	0.09 388	0.10 420

ac_64	0.16 383	0.08 242	0.15 321	0.18 302	0.10 346	0.22 443	0.18 369	0.24 322	0.21 290	0.18 347	0.24 342	0.29 447	0.18 405	0.19 390	0.22 445	0.09 365	0.07 385	0.08 284	0.09 389	0.07 263	0.06 205

FADNet	0.21 453	0.22 518	0.36 505	0.18 302	0.17 512	0.24 461	0.13 108	0.31 432	0.31 413	0.23 428	0.25 371	0.27 429	0.21 437	0.19 390	0.15 348	0.13 483	0.15 515	0.12 463	0.15 508	0.16 511	0.18 525

BEATNet_4x	0.12 257	0.08 242	0.14 270	0.18 302	0.07 74	0.15 310	0.07 3	0.22 280	0.18 237	0.16 301	0.19 278	0.18 320	0.14 324	0.16 322	0.15 348	0.07 245	0.05 188	0.05 25	0.05 113	0.06 197	0.06 205

AANet_RVC	0.16 383	0.10 376	0.10 114	0.18 302	0.09 244	0.18 380	0.19 408	0.26 356	0.31 413	0.22 416	0.35 462	0.21 355	0.21 437	0.22 445	0.16 364	0.06 118	0.05 188	0.06 105	0.06 191	0.07 263	0.06 205

AdaStereo	0.15 360	0.11 402	0.15 321	0.18 302	0.09 244	0.20 418	0.11 49	0.32 443	0.28 389	0.20 386	0.23 330	0.20 346	0.13 299	0.19 390	0.14 320	0.12 460	0.05 188	0.10 413	0.07 278	0.09 388	0.07 285
Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Zhe Wang, Jianping Shi: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021.
MLCV	0.12 257	0.07 143	0.16 355	0.18 302	0.06 14	0.15 310	0.17 324	0.19 224	0.21 290	0.18 347	0.25 371	0.17 306	0.13 299	0.14 266	0.13 283	0.05 28	0.04 22	0.05 25	0.04 37	0.05 102	0.04 42

DPSNet	0.28 512	0.16 479	0.31 490	0.18 302	0.13 449	0.54 544	0.42 553	0.51 545	0.67 547	0.29 485	0.38 477	0.38 503	0.29 501	0.31 498	0.23 457	0.11 435	0.10 460	0.11 444	0.08 343	0.20 526	0.16 514

MDST_ROB	0.22 462	0.10 376	0.17 383	0.18 302	0.11 395	0.37 529	0.19 408	0.43 531	0.41 479	0.39 519	0.39 485	0.29 447	0.21 437	0.26 472	0.18 397	0.11 435	0.10 460	0.14 490	0.11 460	0.10 420	0.08 349

DN-CSS_ROB	0.13 282	0.13 449	0.16 355	0.18 302	0.10 346	0.16 340	0.08 7	0.22 280	0.18 237	0.17 317	0.22 321	0.13 223	0.13 299	0.12 195	0.13 283	0.05 28	0.05 188	0.10 413	0.10 428	0.08 326	0.06 205

PWC_ROB	0.21 453	0.16 479	0.26 464	0.18 302	0.11 395	0.22 443	0.13 108	0.32 443	0.49 511	0.30 489	0.40 491	0.32 479	0.24 460	0.31 498	0.22 445	0.10 406	0.07 385	0.11 444	0.08 343	0.11 443	0.10 420

CBMV	0.19 429	0.14 461	0.17 383	0.18 302	0.10 346	0.20 418	0.11 49	0.29 408	0.30 406	0.29 485	0.30 429	0.30 456	0.23 454	0.27 475	0.19 410	0.13 483	0.15 515	0.17 511	0.16 512	0.10 420	0.10 420
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
DA2	0.08 47	0.07 143	0.07 8	0.19 360	0.08 130	0.09 84	0.12 66	0.13 61	0.12 90	0.08 66	0.10 121	0.10 159	0.08 146	0.09 35	0.10 125	0.05 28	0.04 22	0.06 105	0.04 37	0.05 102	0.03 1

MultiAttention	0.29 516	0.08 242	0.14 270	0.19 360	0.12 426	1.45 580	1.33 581	0.36 494	0.37 460	0.19 363	0.21 311	0.24 397	0.11 230	0.38 530	0.18 397	0.06 118	0.05 188	0.08 284	0.08 343	0.10 420	0.09 393

GASTEREO	0.08 47	0.05 19	0.09 75	0.19 360	0.07 74	0.07 30	0.12 66	0.14 80	0.11 63	0.10 131	0.09 92	0.07 65	0.04 1	0.12 195	0.08 17	0.06 118	0.05 188	0.05 25	0.04 37	0.04 16	0.05 125

MSCF	0.08 47	0.05 19	0.08 33	0.19 360	0.08 130	0.06 10	0.12 66	0.14 80	0.11 63	0.10 131	0.09 92	0.07 65	0.04 1	0.11 112	0.08 17	0.06 118	0.05 188	0.05 25	0.04 37	0.05 102	0.05 125

zh-mn7	0.25 496	0.14 461	0.56 537	0.19 360	0.14 469	0.24 461	0.22 456	0.34 471	0.62 539	0.35 508	0.65 543	0.31 469	0.25 469	0.31 498	0.25 480	0.09 365	0.08 411	0.09 365	0.09 389	0.09 388	0.11 446

z-mn7	0.24 485	0.14 461	0.45 521	0.19 360	0.13 449	0.28 499	0.25 495	0.34 471	0.62 539	0.27 462	0.56 535	0.29 447	0.24 460	0.32 505	0.25 480	0.08 306	0.08 411	0.08 284	0.08 343	0.10 420	0.10 420

z-ln-s-r	0.17 403	0.10 376	0.40 514	0.19 360	0.08 130	0.17 361	0.18 369	0.22 280	0.33 427	0.18 347	0.40 491	0.22 373	0.17 391	0.20 415	0.23 457	0.07 245	0.05 188	0.07 200	0.07 278	0.07 263	0.05 125

w-ln-seven	0.24 485	0.14 461	0.55 534	0.19 360	0.14 469	0.26 482	0.22 456	0.35 487	0.60 536	0.29 485	0.39 485	0.30 456	0.22 446	0.21 432	0.26 492	0.09 365	0.09 440	0.11 444	0.10 428	0.11 443	0.10 420

MM-Stereo_test2	0.09 87	0.06 59	0.09 75	0.19 360	0.08 130	0.12 213	0.18 369	0.15 111	0.14 147	0.07 33	0.10 121	0.07 65	0.06 36	0.12 195	0.09 54	0.05 28	0.04 22	0.06 105	0.05 113	0.05 102	0.03 1

ISRNet	0.18 417	0.08 242	0.19 417	0.19 360	0.13 449	0.15 310	0.12 66	0.30 422	0.32 420	0.21 400	0.25 371	0.27 429	0.17 391	0.17 354	0.20 416	0.20 530	0.08 411	0.14 490	0.14 492	0.14 489	0.17 522

FACV-RUCA	0.13 282	0.11 402	0.12 190	0.19 360	0.12 426	0.15 310	0.15 225	0.22 280	0.20 275	0.15 273	0.16 223	0.14 243	0.16 368	0.14 266	0.13 283	0.07 245	0.05 188	0.08 284	0.06 191	0.10 420	0.08 349

rvit_0105_3	0.15 360	0.09 318	0.14 270	0.19 360	0.12 426	0.15 310	0.25 495	0.25 338	0.29 396	0.15 273	0.17 244	0.20 346	0.13 299	0.17 354	0.14 320	0.13 483	0.11 473	0.12 463	0.14 492	0.07 263	0.06 205

ITSA-stereo	0.15 360	0.10 376	0.14 270	0.19 360	0.08 130	0.12 213	0.14 157	0.30 422	0.49 511	0.17 317	0.19 278	0.22 373	0.15 342	0.17 354	0.16 364	0.10 406	0.06 313	0.08 284	0.08 343	0.08 326	0.08 349

U	0.08 47	0.07 143	0.09 75	0.19 360	0.10 346	0.10 132	0.13 108	0.12 45	0.17 211	0.07 33	0.07 40	0.06 18	0.05 11	0.07 4	0.08 17	0.06 118	0.04 22	0.06 105	0.04 37	0.06 197	0.05 125

rvit_stereo_ft	0.12 257	0.07 143	0.13 235	0.19 360	0.10 346	0.12 213	0.17 324	0.16 138	0.16 192	0.12 198	0.13 180	0.15 272	0.10 205	0.14 266	0.13 283	0.09 365	0.06 313	0.08 284	0.07 278	0.07 263	0.05 125

DispNO	0.14 316	0.08 242	0.17 383	0.19 360	0.12 426	0.11 178	0.21 446	0.23 300	0.29 396	0.17 317	0.23 330	0.18 320	0.17 391	0.15 288	0.15 348	0.07 245	0.05 188	0.08 284	0.08 343	0.07 263	0.06 205

plain	0.10 148	0.08 242	0.10 114	0.19 360	0.09 244	0.10 132	0.15 225	0.14 80	0.13 122	0.13 225	0.15 211	0.09 127	0.12 261	0.13 240	0.12 242	0.07 245	0.05 188	0.09 365	0.06 191	0.06 197	0.06 205

MIF-Stereo (partial)	0.11 191	0.06 59	0.10 114	0.19 360	0.10 346	0.10 132	0.11 49	0.17 174	0.18 237	0.14 246	0.16 223	0.09 127	0.11 230	0.12 195	0.12 242	0.08 306	0.05 188	0.08 284	0.07 278	0.06 197	0.07 285

CASnet	0.09 87	0.09 318	0.09 75	0.19 360	0.06 14	0.07 30	0.11 49	0.18 203	0.14 147	0.11 160	0.10 121	0.09 127	0.07 110	0.10 66	0.10 125	0.06 118	0.04 22	0.10 413	0.08 343	0.05 102	0.03 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
fast-acv-ft	0.18 417	0.11 402	0.19 417	0.19 360	0.12 426	0.24 461	0.21 446	0.25 338	0.34 439	0.22 416	0.34 457	0.27 429	0.20 433	0.21 432	0.23 457	0.09 365	0.09 440	0.08 284	0.10 428	0.08 326	0.07 285

Wz-Net-TNSev	0.29 516	0.20 508	0.65 545	0.19 360	0.15 487	0.38 532	0.27 511	0.35 487	0.55 524	0.34 507	0.42 509	0.45 526	0.38 526	0.32 505	0.30 515	0.12 460	0.13 500	0.10 413	0.12 479	0.15 504	0.14 496

TestStereo1	0.13 282	0.08 242	0.08 33	0.19 360	0.08 130	0.18 380	0.29 526	0.23 300	0.16 192	0.17 317	0.20 290	0.16 286	0.10 205	0.12 195	0.13 283	0.06 118	0.06 313	0.08 284	0.06 191	0.05 102	0.05 125

RAFT+CT+SA	0.13 282	0.11 402	0.09 75	0.19 360	0.09 244	0.15 310	0.28 517	0.22 280	0.22 304	0.15 273	0.26 388	0.10 159	0.10 205	0.11 112	0.12 242	0.05 28	0.04 22	0.07 200	0.08 343	0.07 263	0.06 205

SA-5K	0.13 282	0.08 242	0.08 33	0.19 360	0.08 130	0.18 380	0.29 526	0.23 300	0.16 192	0.17 317	0.20 290	0.16 286	0.10 205	0.12 195	0.13 283	0.06 118	0.06 313	0.08 284	0.06 191	0.05 102	0.05 125

test_4	0.10 148	0.10 376	0.08 33	0.19 360	0.09 244	0.08 53	0.22 456	0.15 111	0.17 211	0.12 198	0.18 269	0.12 198	0.09 173	0.08 16	0.11 193	0.04 11	0.04 22	0.08 284	0.08 343	0.04 16	0.03 1

iRaft-Stereo_5w	0.12 257	0.09 318	0.12 190	0.19 360	0.08 130	0.09 84	0.12 66	0.21 258	0.21 290	0.19 363	0.14 194	0.11 181	0.09 173	0.20 415	0.16 364	0.05 28	0.05 188	0.07 200	0.06 191	0.05 102	0.06 205

dd	0.15 360	0.16 479	0.16 355	0.19 360	0.09 244	0.15 310	0.18 369	0.21 258	0.25 351	0.23 428	0.20 290	0.21 355	0.09 173	0.21 432	0.16 364	0.10 406	0.06 313	0.08 284	0.06 191	0.08 326	0.06 205

DAS	0.15 360	0.08 242	0.18 406	0.19 360	0.10 346	0.19 403	0.17 324	0.27 377	0.29 396	0.18 347	0.25 371	0.21 355	0.15 342	0.16 322	0.12 242	0.08 306	0.06 313	0.06 105	0.06 191	0.07 263	0.07 285

SepStereo	0.15 360	0.08 242	0.18 406	0.19 360	0.10 346	0.19 403	0.17 324	0.27 377	0.29 396	0.18 347	0.25 371	0.21 355	0.15 342	0.25 470	0.12 242	0.08 306	0.06 313	0.06 105	0.06 191	0.07 263	0.07 285

AASNet	0.16 383	0.08 242	0.12 190	0.19 360	0.09 244	0.18 380	0.15 225	0.37 500	0.37 460	0.19 363	0.23 330	0.20 346	0.16 368	0.17 354	0.20 416	0.10 406	0.08 411	0.08 284	0.07 278	0.09 388	0.09 393

GMOStereo	0.11 191	0.09 318	0.07 8	0.19 360	0.08 130	0.12 213	0.28 517	0.13 61	0.17 211	0.11 160	0.17 244	0.14 243	0.12 261	0.07 4	0.07 1	0.05 28	0.05 188	0.09 365	0.07 278	0.04 16	0.04 42

error version	0.11 191	0.09 318	0.07 8	0.19 360	0.08 130	0.12 213	0.28 517	0.13 61	0.17 211	0.11 160	0.17 244	0.14 243	0.12 261	0.07 4	0.07 1	0.05 28	0.05 188	0.09 365	0.07 278	0.04 16	0.04 42

test-v	0.11 191	0.09 318	0.07 8	0.19 360	0.08 130	0.12 213	0.28 517	0.13 61	0.17 211	0.11 160	0.17 244	0.14 243	0.12 261	0.07 4	0.07 1	0.05 28	0.05 188	0.09 365	0.07 278	0.04 16	0.04 42

LCNet	0.11 191	0.07 143	0.09 75	0.19 360	0.09 244	0.08 53	0.15 225	0.21 258	0.15 164	0.11 160	0.15 211	0.16 286	0.11 230	0.12 195	0.11 193	0.05 28	0.04 22	0.08 284	0.07 278	0.06 197	0.15 503

AAGNet	0.11 191	0.07 143	0.16 355	0.19 360	0.09 244	0.08 53	0.13 108	0.18 203	0.13 122	0.16 301	0.21 311	0.13 223	0.14 324	0.11 112	0.14 320	0.06 118	0.04 22	0.09 365	0.06 191	0.06 197	0.05 125

PSM-AAD	0.11 191	0.07 143	0.10 114	0.19 360	0.09 244	0.10 132	0.15 225	0.20 235	0.13 122	0.12 198	0.14 194	0.18 320	0.11 230	0.11 112	0.10 125	0.05 28	0.05 188	0.09 365	0.08 343	0.06 197	0.14 496

ROB_FTStereo_v2	0.11 191	0.09 318	0.16 355	0.19 360	0.08 130	0.06 10	0.12 66	0.16 138	0.13 122	0.15 273	0.16 223	0.14 243	0.12 261	0.11 112	0.10 125	0.06 118	0.04 22	0.08 284	0.06 191	0.08 326	0.07 285

ROB_FTStereo	0.11 191	0.09 318	0.16 355	0.19 360	0.08 130	0.06 10	0.11 49	0.16 138	0.13 122	0.15 273	0.16 223	0.14 243	0.12 261	0.11 112	0.10 125	0.06 118	0.04 22	0.08 284	0.06 191	0.08 326	0.07 285

KYRaft	0.11 191	0.07 143	0.10 114	0.19 360	0.09 244	0.08 53	0.15 225	0.22 280	0.12 90	0.13 225	0.16 223	0.20 346	0.10 205	0.12 195	0.10 125	0.05 28	0.04 22	0.08 284	0.08 343	0.06 197	0.16 514

GrayStereo	0.11 191	0.06 59	0.11 155	0.19 360	0.09 244	0.09 84	0.16 290	0.18 203	0.17 211	0.14 246	0.17 244	0.17 306	0.11 230	0.12 195	0.11 193	0.05 28	0.05 188	0.07 200	0.06 191	0.05 102	0.10 420

iGMRVC	0.11 191	0.09 318	0.16 355	0.19 360	0.08 130	0.06 10	0.12 66	0.16 138	0.13 122	0.15 273	0.16 223	0.14 243	0.12 261	0.11 112	0.10 125	0.06 118	0.04 22	0.08 284	0.06 191	0.08 326	0.07 285

IRAFT_RVC	0.12 257	0.08 242	0.16 355	0.19 360	0.08 130	0.07 30	0.15 225	0.24 322	0.23 314	0.14 246	0.14 194	0.15 272	0.12 261	0.12 195	0.10 125	0.06 118	0.04 22	0.09 365	0.06 191	0.06 197	0.06 205

CRE-IMP	0.11 191	0.09 318	0.16 355	0.19 360	0.08 130	0.10 132	0.12 66	0.18 203	0.10 37	0.14 246	0.13 180	0.13 223	0.12 261	0.12 195	0.11 193	0.07 245	0.04 22	0.08 284	0.06 191	0.08 326	0.08 349

test-2	0.11 191	0.09 318	0.07 8	0.19 360	0.08 130	0.12 213	0.28 517	0.13 61	0.17 211	0.11 160	0.17 244	0.14 243	0.12 261	0.07 4	0.07 1	0.05 28	0.05 188	0.09 365	0.07 278	0.04 16	0.04 42

cross-raft	0.10 148	0.09 318	0.09 75	0.19 360	0.07 74	0.11 178	0.25 495	0.13 61	0.15 164	0.08 66	0.11 153	0.12 198	0.10 205	0.09 35	0.11 193	0.05 28	0.04 22	0.06 105	0.05 113	0.04 16	0.04 42

test-1	0.10 148	0.07 143	0.16 355	0.19 360	0.08 130	0.11 178	0.24 479	0.14 80	0.18 237	0.09 97	0.07 40	0.09 127	0.08 146	0.07 4	0.09 54	0.06 118	0.04 22	0.06 105	0.05 113	0.04 16	0.04 42

RAFT-IKP	0.11 191	0.09 318	0.16 355	0.19 360	0.08 130	0.06 10	0.12 66	0.16 138	0.13 122	0.15 273	0.16 223	0.14 243	0.12 261	0.11 112	0.10 125	0.06 118	0.04 22	0.08 284	0.06 191	0.08 326	0.07 285

ARAFT	0.12 257	0.08 242	0.17 383	0.19 360	0.09 244	0.14 284	0.18 369	0.20 235	0.12 90	0.12 198	0.13 180	0.14 243	0.11 230	0.15 288	0.12 242	0.06 118	0.05 188	0.10 413	0.09 389	0.05 102	0.04 42

delet	0.17 403	0.08 242	0.17 383	0.19 360	0.11 395	0.20 418	0.21 446	0.30 422	0.37 460	0.17 317	0.26 388	0.19 334	0.19 421	0.19 390	0.21 436	0.08 306	0.08 411	0.09 365	0.11 460	0.06 197	0.06 205

UNet	0.17 403	0.09 318	0.18 406	0.19 360	0.12 426	0.27 492	0.19 408	0.33 462	0.29 396	0.21 400	0.24 342	0.23 391	0.19 421	0.19 390	0.18 397	0.07 245	0.06 313	0.08 284	0.07 278	0.08 326	0.06 205

EDNetEfficientorigin	7.91 588	0.31 540	153.02 604	0.19 360	0.09 244	0.21 435	0.16 290	0.22 280	0.59 533	0.72 554	0.67 545	0.42 518	0.50 546	0.24 465	0.39 539	0.08 306	0.07 385	0.08 284	0.07 278	0.12 458	0.10 420

acv_ft	0.15 360	0.09 318	0.15 321	0.19 360	0.10 346	0.16 340	0.17 324	0.25 338	0.33 427	0.19 363	0.26 388	0.21 355	0.17 391	0.17 354	0.18 397	0.07 245	0.06 313	0.06 105	0.06 191	0.08 326	0.06 205

DMCA	0.14 316	0.09 318	0.16 355	0.19 360	0.09 244	0.15 310	0.17 324	0.23 300	0.27 375	0.14 246	0.19 278	0.17 306	0.18 405	0.15 288	0.17 379	0.10 406	0.06 313	0.08 284	0.06 191	0.09 388	0.10 420

STTRV1_RVC	0.25 496	0.26 528	0.39 512	0.19 360	0.26 541	0.30 506	0.24 479	0.34 471	0.35 448	0.36 511	0.34 457	0.31 469	0.31 509	0.28 487	0.25 480	0.17 521	0.10 460	0.16 508	0.14 492	0.17 518	0.12 459

RYNet	0.22 462	0.12 420	0.22 443	0.19 360	0.17 512	0.46 536	0.26 504	0.38 508	0.48 505	0.24 437	0.28 411	0.34 488	0.23 454	0.20 415	0.30 515	0.10 406	0.06 313	0.09 365	0.09 389	0.13 476	0.15 503

iResNet	0.13 282	0.10 376	0.18 406	0.19 360	0.08 130	0.13 252	0.18 369	0.20 235	0.26 365	0.15 273	0.23 330	0.15 272	0.13 299	0.14 266	0.14 320	0.06 118	0.04 22	0.06 105	0.05 113	0.06 197	0.05 125

SGM-Forest	0.20 441	0.14 461	0.18 406	0.19 360	0.13 449	0.20 418	0.22 456	0.33 462	0.30 406	0.24 437	0.29 423	0.28 439	0.19 421	0.23 456	0.17 379	0.15 500	0.16 518	0.15 502	0.14 492	0.12 458	0.12 459
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
TCMNet	0.19 429	0.12 420	0.19 417	0.20 417	0.18 518	0.20 418	0.24 479	0.27 377	0.36 453	0.23 428	0.26 388	0.25 411	0.19 421	0.19 390	0.23 457	0.13 483	0.11 473	0.11 444	0.12 479	0.13 476	0.12 459

YMNet	0.20 441	0.12 420	0.19 417	0.20 417	0.14 469	0.26 482	0.23 467	0.32 443	0.34 439	0.27 462	0.34 457	0.30 456	0.18 405	0.18 375	0.22 445	0.10 406	0.13 500	0.10 413	0.10 428	0.08 326	0.09 393

YMNet_1	0.20 441	0.12 420	0.19 417	0.20 417	0.14 469	0.26 482	0.23 467	0.32 443	0.34 439	0.27 462	0.34 457	0.30 456	0.18 405	0.18 375	0.22 445	0.10 406	0.13 500	0.10 413	0.10 428	0.08 326	0.09 393

RAStereo	0.10 148	0.09 318	0.08 33	0.20 417	0.08 130	0.13 252	0.18 369	0.15 111	0.17 211	0.10 131	0.12 166	0.05 1	0.06 36	0.09 35	0.08 17	0.07 245	0.05 188	0.07 200	0.05 113	0.05 102	0.04 42

testlalala2	0.10 148	0.06 59	0.11 155	0.20 417	0.10 346	0.10 132	0.12 66	0.17 174	0.12 90	0.12 198	0.13 180	0.09 127	0.07 110	0.11 112	0.13 283	0.06 118	0.05 188	0.05 25	0.04 37	0.05 102	0.05 125

MoCha-V2	0.08 47	0.05 19	0.10 114	0.20 417	0.07 74	0.09 84	0.14 157	0.11 29	0.08 13	0.07 33	0.08 74	0.07 65	0.06 36	0.09 35	0.08 17	0.05 28	0.04 22	0.05 25	0.04 37	0.04 16	0.04 42

GMStereo_Zeroshot	0.16 383	0.13 449	0.24 456	0.20 417	0.10 346	0.17 361	0.13 108	0.29 408	0.25 351	0.23 428	0.32 441	0.25 411	0.11 230	0.19 390	0.14 320	0.09 365	0.06 313	0.11 444	0.06 191	0.12 458	0.08 349

LL-Strereo	0.13 282	0.09 318	0.11 155	0.20 417	0.10 346	0.11 178	0.18 369	0.32 443	0.24 330	0.15 273	0.15 211	0.14 243	0.13 299	0.19 390	0.11 193	0.06 118	0.04 22	0.09 365	0.08 343	0.04 16	0.05 125

Wz-Net-MNSev	0.22 462	0.13 449	0.31 490	0.20 417	0.14 469	0.36 528	0.24 479	0.33 462	0.44 496	0.28 477	0.40 491	0.38 503	0.19 421	0.24 465	0.25 480	0.09 365	0.07 385	0.09 365	0.09 389	0.12 458	0.10 420

test_5	0.14 316	0.12 420	0.08 33	0.20 417	0.10 346	0.14 284	0.29 526	0.21 258	0.24 330	0.18 347	0.28 411	0.11 181	0.15 342	0.12 195	0.13 283	0.06 118	0.05 188	0.07 200	0.08 343	0.08 326	0.07 285

test_3	0.10 148	0.09 318	0.10 114	0.20 417	0.08 130	0.13 252	0.26 504	0.14 80	0.21 290	0.10 131	0.10 121	0.09 127	0.09 173	0.08 16	0.11 193	0.05 28	0.04 22	0.08 284	0.07 278	0.04 16	0.04 42

GwcNet-ADL	0.13 282	0.08 242	0.14 270	0.20 417	0.09 244	0.11 178	0.20 429	0.30 422	0.24 330	0.13 225	0.14 194	0.18 320	0.14 324	0.13 240	0.14 320	0.07 245	0.05 188	0.06 105	0.05 113	0.07 263	0.06 205

sAnonymous2	0.13 282	0.12 420	0.24 456	0.20 417	0.12 426	0.17 361	0.13 108	0.26 356	0.21 290	0.11 160	0.11 153	0.13 223	0.08 146	0.10 66	0.10 125	0.09 365	0.05 188	0.08 284	0.06 191	0.15 504	0.10 420

CroCo_RVC	0.13 282	0.12 420	0.24 456	0.20 417	0.12 426	0.17 361	0.13 108	0.26 356	0.21 290	0.11 160	0.11 153	0.13 223	0.08 146	0.10 66	0.10 125	0.09 365	0.05 188	0.08 284	0.06 191	0.15 504	0.10 420

RAFT + AFF	0.13 282	0.07 143	0.20 429	0.20 417	0.10 346	0.14 284	0.24 479	0.26 356	0.20 275	0.11 160	0.10 121	0.12 198	0.10 205	0.15 288	0.12 242	0.07 245	0.06 313	0.09 365	0.08 343	0.06 197	0.08 349

ccnet	0.29 516	0.28 535	0.23 452	0.20 417	0.28 543	0.41 535	0.21 446	0.45 536	0.33 427	0.36 511	0.46 516	0.36 494	0.30 505	0.39 534	0.42 546	0.23 543	0.14 509	0.21 525	0.17 519	0.23 531	0.18 525

MMNet	0.17 403	0.09 318	0.16 355	0.20 417	0.11 395	0.27 492	0.20 429	0.25 338	0.41 479	0.22 416	0.30 429	0.21 355	0.20 433	0.17 354	0.20 416	0.06 118	0.06 313	0.07 200	0.07 278	0.08 326	0.07 285

psm_up	0.18 417	0.10 376	0.18 406	0.20 417	0.11 395	0.17 361	0.19 408	0.37 500	0.34 439	0.21 400	0.28 411	0.29 447	0.24 460	0.20 415	0.22 445	0.09 365	0.10 460	0.11 444	0.11 460	0.08 326	0.08 349

UPFNet	0.16 383	0.08 242	0.12 190	0.20 417	0.12 426	0.20 418	0.23 467	0.28 397	0.26 365	0.17 317	0.24 342	0.22 373	0.19 421	0.19 390	0.21 436	0.09 365	0.07 385	0.08 284	0.09 389	0.08 326	0.06 205

FADNet_RVC	0.16 383	0.14 461	0.40 514	0.20 417	0.11 395	0.13 252	0.13 108	0.26 356	0.22 304	0.21 400	0.23 330	0.20 346	0.17 391	0.14 266	0.16 364	0.08 306	0.08 411	0.12 463	0.09 389	0.11 443	0.10 420

STTStereo	0.18 417	0.12 420	0.27 472	0.20 417	0.11 395	0.16 340	0.21 446	0.29 408	0.23 314	0.21 400	0.30 429	0.29 447	0.18 405	0.20 415	0.19 410	0.12 460	0.11 473	0.11 444	0.14 492	0.09 388	0.08 349

stereogan	0.22 462	0.11 402	0.21 437	0.20 417	0.12 426	0.31 508	0.19 408	0.35 487	0.44 496	0.22 416	0.39 485	0.35 492	0.27 483	0.33 508	0.22 445	0.10 406	0.12 487	0.10 413	0.10 428	0.14 489	0.13 479

ADCMid	0.25 496	0.15 471	0.40 514	0.20 417	0.14 469	0.25 472	0.26 504	0.34 471	0.38 467	0.36 511	0.44 514	0.34 488	0.40 531	0.35 517	0.33 527	0.10 406	0.09 440	0.11 444	0.11 460	0.13 476	0.12 459

ADCRef	0.19 429	0.12 420	0.41 517	0.20 417	0.12 426	0.22 443	0.18 369	0.32 443	0.36 453	0.26 456	0.32 441	0.17 306	0.23 454	0.24 465	0.24 470	0.07 245	0.06 313	0.09 365	0.09 389	0.08 326	0.08 349

AnyNet_C32	0.26 506	0.16 479	0.36 505	0.20 417	0.16 497	0.25 472	0.30 534	0.32 443	0.44 496	0.31 495	0.49 520	0.30 456	0.33 515	0.40 538	0.33 527	0.12 460	0.12 487	0.12 463	0.14 492	0.14 489	0.15 503

ADCP+	0.20 441	0.10 376	0.33 496	0.20 417	0.12 426	0.22 443	0.26 504	0.31 432	0.34 439	0.26 456	0.37 471	0.22 373	0.22 446	0.27 475	0.27 500	0.09 365	0.06 313	0.08 284	0.08 343	0.09 388	0.10 420

NLCA_NET_v2_RVC	0.17 403	0.10 376	0.22 443	0.20 417	0.10 346	0.15 310	0.18 369	0.31 432	0.25 351	0.21 400	0.30 429	0.25 411	0.17 391	0.21 432	0.20 416	0.09 365	0.06 313	0.08 284	0.08 343	0.07 263	0.08 349
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
PS-NSSS	0.20 441	0.21 514	0.23 452	0.20 417	0.10 346	0.19 403	0.17 324	0.36 494	0.25 351	0.27 462	0.33 453	0.27 429	0.24 460	0.20 415	0.20 416	0.15 500	0.12 487	0.17 511	0.14 492	0.10 420	0.08 349

StereoDRNet-Refined	0.17 403	0.12 420	0.15 321	0.20 417	0.09 244	0.18 380	0.18 369	0.26 356	0.23 314	0.26 456	0.40 491	0.22 373	0.17 391	0.21 432	0.20 416	0.08 306	0.05 188	0.09 365	0.10 428	0.07 263	0.07 285
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
rvit_105_1	0.19 429	0.11 402	0.25 461	0.21 446	0.16 497	0.21 435	0.27 511	0.31 432	0.41 479	0.19 363	0.20 290	0.22 373	0.17 391	0.19 390	0.17 379	0.12 460	0.12 487	0.13 478	0.15 508	0.08 326	0.07 285

testlalala_base	0.10 148	0.09 318	0.14 270	0.21 446	0.08 130	0.10 132	0.14 157	0.13 61	0.10 37	0.07 33	0.15 211	0.07 65	0.08 146	0.10 66	0.12 242	0.08 306	0.05 188	0.05 25	0.03 1	0.06 197	0.05 125

Selective-RAFT	0.11 191	0.10 376	0.11 155	0.21 446	0.08 130	0.16 340	0.13 108	0.20 235	0.22 304	0.10 131	0.10 121	0.11 181	0.10 205	0.15 288	0.11 193	0.05 28	0.05 188	0.06 105	0.05 113	0.06 197	0.05 125

Wz-Net-LNSev	0.22 462	0.16 479	0.38 510	0.21 446	0.13 449	0.25 472	0.23 467	0.32 443	0.43 491	0.30 489	0.41 502	0.31 469	0.18 405	0.22 445	0.25 480	0.10 406	0.09 440	0.08 284	0.08 343	0.12 458	0.11 446

LMCR-Stereo	0.15 360	0.08 242	0.13 235	0.21 446	0.09 244	0.17 361	0.20 429	0.27 377	0.19 252	0.24 437	0.24 342	0.23 391	0.17 391	0.20 415	0.17 379	0.07 245	0.06 313	0.08 284	0.06 191	0.10 420	0.08 349

DGSMNet	0.24 485	0.19 504	0.33 496	0.21 446	0.24 534	0.24 461	0.20 429	0.35 487	0.41 479	0.24 437	0.32 441	0.38 503	0.21 437	0.29 494	0.23 457	0.12 460	0.11 473	0.14 490	0.16 512	0.23 531	0.23 537

FAT-Stereo	0.20 441	0.12 420	0.22 443	0.21 446	0.12 426	0.17 361	0.18 369	0.34 471	0.39 470	0.27 462	0.37 471	0.34 488	0.32 514	0.21 432	0.20 416	0.09 365	0.11 473	0.10 413	0.09 389	0.11 443	0.14 496

FADNet-RVC	0.20 441	0.20 508	0.38 510	0.21 446	0.16 497	0.20 418	0.15 225	0.26 356	0.26 365	0.26 456	0.32 441	0.26 421	0.21 437	0.22 445	0.19 410	0.12 460	0.13 500	0.12 463	0.14 492	0.13 476	0.18 525

S-Stereo	0.20 441	0.12 420	0.25 461	0.21 446	0.13 449	0.20 418	0.18 369	0.32 443	0.43 491	0.23 428	0.36 465	0.28 439	0.30 505	0.19 390	0.22 445	0.09 365	0.12 487	0.10 413	0.10 428	0.13 476	0.13 479

edge stereo	0.22 462	0.13 449	0.20 429	0.21 446	0.13 449	0.23 456	0.16 290	0.32 443	0.42 486	0.32 501	0.40 491	0.38 503	0.35 521	0.25 470	0.24 470	0.13 483	0.11 473	0.14 490	0.11 460	0.12 458	0.13 479

RTSC	0.23 478	0.12 420	0.28 477	0.21 446	0.13 449	0.28 499	0.16 290	0.35 487	0.66 546	0.27 462	0.33 453	0.30 456	0.21 437	0.31 498	0.29 510	0.10 406	0.08 411	0.09 365	0.10 428	0.13 476	0.13 479

ADCS	0.29 516	0.18 501	0.45 521	0.21 446	0.17 512	0.28 499	0.23 467	0.41 522	0.63 542	0.40 522	0.49 520	0.40 515	0.36 523	0.39 534	0.40 542	0.13 483	0.12 487	0.13 478	0.14 492	0.16 511	0.16 514

ADCPNet	0.25 496	0.16 479	0.61 542	0.21 446	0.15 487	0.35 526	0.25 495	0.32 443	0.35 448	0.30 489	0.40 491	0.36 494	0.28 493	0.28 487	0.32 523	0.12 460	0.10 460	0.11 444	0.12 479	0.14 489	0.13 479

CVANet_RVC	0.18 417	0.10 376	0.14 270	0.21 446	0.10 346	0.18 380	0.17 324	0.34 471	0.33 427	0.22 416	0.31 437	0.28 439	0.18 405	0.23 456	0.17 379	0.12 460	0.08 411	0.12 463	0.11 460	0.09 388	0.07 285

SANet	0.24 485	0.14 461	0.28 477	0.21 446	0.11 395	0.27 492	0.24 479	0.38 508	0.64 543	0.36 511	0.40 491	0.43 522	0.26 475	0.27 475	0.24 470	0.12 460	0.09 440	0.10 413	0.09 389	0.13 476	0.11 446

w-ln-seven-2	0.20 441	0.14 461	0.37 509	0.22 461	0.12 426	0.20 418	0.21 446	0.28 397	0.37 460	0.25 450	0.37 471	0.27 429	0.22 446	0.21 432	0.23 457	0.08 306	0.08 411	0.09 365	0.09 389	0.10 420	0.09 393

DEFOM-Stereo_RVC	0.08 47	0.06 59	0.09 75	0.22 461	0.06 14	0.08 53	0.12 66	0.10 18	0.10 37	0.07 33	0.07 40	0.06 18	0.05 11	0.11 112	0.09 54	0.06 118	0.04 22	0.05 25	0.03 1	0.06 197	0.04 42

UGAM	0.13 282	0.10 376	0.09 75	0.22 461	0.08 130	0.12 213	0.20 429	0.17 174	0.23 314	0.21 400	0.16 223	0.13 223	0.13 299	0.19 390	0.12 242	0.07 245	0.05 188	0.13 478	0.11 460	0.07 263	0.05 125

CroCo-Stereo Lap2	0.09 87	0.09 318	0.08 33	0.22 461	0.09 244	0.09 84	0.19 408	0.16 138	0.12 90	0.09 97	0.10 121	0.05 1	0.05 11	0.08 16	0.08 17	0.06 118	0.06 313	0.07 200	0.05 113	0.05 102	0.05 125

BUS	0.14 316	0.09 318	0.14 270	0.22 461	0.10 346	0.19 403	0.14 157	0.34 471	0.19 252	0.17 317	0.22 321	0.16 286	0.13 299	0.15 288	0.13 283	0.08 306	0.06 313	0.10 413	0.09 389	0.07 263	0.07 285

RAFT_CTSACE	0.12 257	0.09 318	0.10 114	0.22 461	0.08 130	0.12 213	0.24 479	0.18 203	0.16 192	0.20 386	0.27 397	0.13 223	0.07 110	0.13 240	0.09 54	0.05 28	0.06 313	0.08 284	0.07 278	0.04 16	0.04 42

BSDual-CNN	0.15 360	0.09 318	0.14 270	0.22 461	0.10 346	0.14 284	0.15 225	0.34 471	0.19 252	0.17 317	0.22 321	0.25 411	0.16 368	0.15 288	0.14 320	0.08 306	0.06 313	0.10 413	0.09 389	0.07 263	0.07 285

hknet	0.15 360	0.11 402	0.13 235	0.22 461	0.11 395	0.14 284	0.15 225	0.34 471	0.25 351	0.17 317	0.22 321	0.22 373	0.18 405	0.17 354	0.12 242	0.07 245	0.06 313	0.10 413	0.09 389	0.07 263	0.07 285

WZ-Net	0.28 512	0.17 490	0.78 559	0.22 461	0.16 497	0.34 518	0.29 526	0.39 512	0.57 529	0.24 437	0.55 530	0.37 499	0.24 460	0.33 508	0.35 530	0.09 365	0.08 411	0.09 365	0.10 428	0.14 489	0.16 514

DDUNet	0.22 462	0.17 490	0.21 437	0.22 461	0.15 487	0.25 472	0.24 479	0.29 408	0.30 406	0.31 495	0.36 465	0.33 482	0.25 469	0.24 465	0.20 416	0.18 523	0.13 500	0.17 511	0.11 460	0.16 511	0.16 514

PSMNet-ADL	0.15 360	0.12 420	0.13 235	0.22 461	0.09 244	0.13 252	0.20 429	0.26 356	0.23 314	0.18 347	0.20 290	0.24 397	0.16 368	0.18 375	0.17 379	0.08 306	0.08 411	0.08 284	0.11 460	0.08 326	0.07 285

CroCo-Stereo	0.09 87	0.08 242	0.08 33	0.22 461	0.09 244	0.09 84	0.19 408	0.15 111	0.12 90	0.07 33	0.07 40	0.08 102	0.06 36	0.08 16	0.07 1	0.07 245	0.05 188	0.06 105	0.04 37	0.05 102	0.04 42
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
ICVP	0.15 360	0.09 318	0.12 190	0.22 461	0.09 244	0.17 361	0.21 446	0.25 338	0.23 314	0.18 347	0.30 429	0.26 421	0.18 405	0.17 354	0.14 320	0.09 365	0.07 385	0.08 284	0.07 278	0.07 263	0.07 285
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
GEStereo_RVC	0.17 403	0.12 420	0.15 321	0.22 461	0.11 395	0.19 403	0.17 324	0.32 443	0.48 505	0.20 386	0.25 371	0.17 306	0.13 299	0.21 432	0.16 364	0.10 406	0.06 313	0.08 284	0.07 278	0.09 388	0.08 349

FADNet-RVC-Resample	0.16 383	0.11 402	0.31 490	0.22 461	0.11 395	0.19 403	0.14 157	0.25 338	0.24 330	0.24 437	0.27 397	0.20 346	0.15 342	0.16 322	0.15 348	0.07 245	0.08 411	0.12 463	0.10 428	0.09 388	0.10 420

G-Net	0.24 485	0.16 479	0.36 505	0.22 461	0.16 497	0.51 542	0.23 467	0.29 408	0.34 439	0.36 511	0.38 477	0.31 469	0.29 501	0.27 475	0.26 492	0.11 435	0.09 440	0.12 463	0.09 389	0.16 511	0.13 479

ADCL	0.24 485	0.11 402	0.47 526	0.22 461	0.12 426	0.34 518	0.29 526	0.29 408	0.56 527	0.24 437	0.46 516	0.30 456	0.30 505	0.29 494	0.29 510	0.08 306	0.07 385	0.09 365	0.09 389	0.10 420	0.10 420

AnyNet_C01	0.36 532	0.25 527	1.37 572	0.22 461	0.17 512	0.48 540	0.27 511	0.35 487	0.39 470	0.39 519	0.74 553	0.46 530	0.38 526	0.45 542	0.47 551	0.13 483	0.13 500	0.13 478	0.14 492	0.14 489	0.15 503

DRN-Test	0.19 429	0.11 402	0.20 429	0.22 461	0.10 346	0.22 443	0.22 456	0.39 512	0.37 460	0.24 437	0.32 441	0.26 421	0.21 437	0.22 445	0.24 470	0.11 435	0.07 385	0.11 444	0.10 428	0.09 388	0.07 285

StereoDRNet	0.18 417	0.11 402	0.17 383	0.22 461	0.11 395	0.21 435	0.22 456	0.37 500	0.33 427	0.24 437	0.28 411	0.30 456	0.19 421	0.20 415	0.20 416	0.09 365	0.08 411	0.11 444	0.09 389	0.09 388	0.07 285

XPNet_ROB	0.22 462	0.11 402	0.19 417	0.22 461	0.13 449	0.22 443	0.19 408	0.34 471	0.40 476	0.30 489	0.39 485	0.39 511	0.26 475	0.26 472	0.28 507	0.15 500	0.10 460	0.10 413	0.10 428	0.13 476	0.12 459

AIO-test2	0.10 148	0.08 242	0.10 114	0.23 482	0.08 130	0.11 178	0.10 29	0.23 300	0.23 314	0.08 66	0.09 92	0.08 102	0.05 11	0.10 66	0.08 17	0.06 118	0.05 188	0.08 284	0.09 389	0.05 102	0.05 125

AIO-test1	0.10 148	0.07 143	0.10 114	0.23 482	0.07 74	0.09 84	0.13 108	0.21 258	0.14 147	0.11 160	0.12 166	0.09 127	0.07 110	0.11 112	0.09 54	0.06 118	0.05 188	0.09 365	0.10 428	0.03 1	0.06 205

rvit_stereo_0075_2	0.17 403	0.12 420	0.25 461	0.23 482	0.16 497	0.13 252	0.10 29	0.30 422	0.27 375	0.20 386	0.28 411	0.22 373	0.15 342	0.18 375	0.13 283	0.16 516	0.10 460	0.17 511	0.10 428	0.10 420	0.09 393

test_for_model	0.09 87	0.12 420	0.14 270	0.23 482	0.11 395	0.08 53	0.13 108	0.12 45	0.12 90	0.10 131	0.07 40	0.07 65	0.06 36	0.11 112	0.10 125	0.06 118	0.05 188	0.05 25	0.03 1	0.07 263	0.04 42

CASS	0.13 282	0.12 420	0.11 155	0.23 482	0.09 244	0.15 310	0.17 324	0.18 203	0.19 252	0.17 317	0.18 269	0.15 272	0.15 342	0.14 266	0.14 320	0.09 365	0.06 313	0.10 413	0.08 343	0.09 388	0.07 285
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
UDG	0.21 453	0.17 490	0.19 417	0.23 482	0.15 487	0.30 506	0.20 429	0.33 462	0.35 448	0.23 428	0.28 411	0.31 469	0.27 483	0.20 415	0.22 445	0.15 500	0.12 487	0.13 478	0.09 389	0.14 489	0.14 496

TestStereo	0.13 282	0.14 461	0.11 155	0.23 482	0.08 130	0.15 310	0.21 446	0.20 235	0.23 314	0.14 246	0.24 342	0.16 286	0.12 261	0.16 322	0.14 320	0.05 28	0.06 313	0.08 284	0.06 191	0.09 388	0.05 125

RP	0.21 453	0.13 449	0.21 437	0.23 482	0.11 395	0.21 435	0.20 429	0.25 338	0.44 496	0.21 400	0.38 477	0.36 494	0.24 460	0.27 475	0.25 480	0.11 435	0.12 487	0.13 478	0.12 479	0.12 458	0.14 496

DLCB_ROB	0.18 417	0.10 376	0.15 321	0.23 482	0.11 395	0.24 461	0.18 369	0.29 408	0.28 389	0.27 462	0.28 411	0.28 439	0.24 460	0.19 390	0.20 416	0.08 306	0.08 411	0.09 365	0.09 389	0.07 263	0.07 285

FSD	0.25 496	0.27 530	0.26 464	0.24 491	0.22 529	0.25 472	0.25 495	0.27 377	0.26 365	0.25 450	0.26 388	0.25 411	0.27 483	0.27 475	0.24 470	0.21 534	0.20 531	0.27 536	0.26 537	0.25 539	0.24 538

zh-sn7	0.25 496	0.17 490	0.50 528	0.24 491	0.13 449	0.25 472	0.24 479	0.34 471	0.48 505	0.28 477	0.54 528	0.28 439	0.31 509	0.36 523	0.32 523	0.10 406	0.10 460	0.11 444	0.10 428	0.12 458	0.12 459

StereoVision	0.13 282	0.12 420	0.09 75	0.24 491	0.10 346	0.15 310	0.21 446	0.21 258	0.20 275	0.12 198	0.24 342	0.10 159	0.10 205	0.16 322	0.10 125	0.09 365	0.11 473	0.12 463	0.12 479	0.06 197	0.05 125

sCroCo_RVC	0.12 257	0.09 318	0.23 452	0.24 491	0.11 395	0.19 403	0.14 157	0.17 174	0.14 147	0.10 131	0.13 180	0.12 198	0.07 110	0.14 266	0.11 193	0.08 306	0.08 411	0.08 284	0.08 343	0.05 102	0.07 285

DMCA-RVC	0.17 403	0.10 376	0.15 321	0.24 491	0.11 395	0.18 380	0.18 369	0.25 338	0.24 330	0.21 400	0.26 388	0.25 411	0.27 483	0.18 375	0.20 416	0.12 460	0.08 411	0.13 478	0.10 428	0.10 420	0.08 349

SHD	0.26 506	0.15 471	0.30 488	0.24 491	0.18 518	0.22 443	0.15 225	0.38 508	0.71 550	0.32 501	0.41 502	0.36 494	0.28 493	0.32 505	0.29 510	0.12 460	0.11 473	0.14 490	0.13 489	0.16 511	0.20 531

RTS	0.45 544	0.19 504	3.26 579	0.24 491	0.15 487	0.74 559	0.20 429	0.36 494	0.76 557	0.42 529	0.43 512	0.31 469	0.41 536	0.53 550	0.35 530	0.10 406	0.08 411	0.13 478	0.12 479	0.15 504	0.15 503

RTSA	0.45 544	0.19 504	3.26 579	0.24 491	0.15 487	0.74 559	0.20 429	0.36 494	0.76 557	0.42 529	0.43 512	0.31 469	0.41 536	0.53 550	0.35 530	0.10 406	0.08 411	0.13 478	0.12 479	0.15 504	0.15 503

GANet	0.21 453	0.12 420	0.21 437	0.24 491	0.13 449	0.22 443	0.22 456	0.41 522	0.26 365	0.31 495	0.42 509	0.37 499	0.28 493	0.23 456	0.22 445	0.10 406	0.12 487	0.10 413	0.09 389	0.10 420	0.08 349

TDLM	0.17 403	0.12 420	0.13 235	0.24 491	0.10 346	0.18 380	0.18 369	0.36 494	0.30 406	0.21 400	0.28 411	0.28 439	0.18 405	0.23 456	0.18 397	0.11 435	0.07 385	0.10 413	0.10 428	0.08 326	0.08 349

MSMD_ROB	0.31 523	0.26 528	0.26 464	0.24 491	0.21 527	0.34 518	0.25 495	0.34 471	0.39 470	0.40 522	0.69 547	0.45 526	0.40 531	0.34 511	0.27 500	0.20 530	0.19 528	0.26 533	0.25 536	0.23 531	0.22 535

PWCDC_ROB	0.20 441	0.13 449	0.22 443	0.24 491	0.11 395	0.19 403	0.15 225	0.33 462	0.54 523	0.29 485	0.50 524	0.21 355	0.15 342	0.27 475	0.20 416	0.11 435	0.09 440	0.10 413	0.08 343	0.11 443	0.09 393

Wz-Net-SNSev	0.25 496	0.17 490	0.44 520	0.25 503	0.14 469	0.26 482	0.23 467	0.38 508	0.56 527	0.30 489	0.55 530	0.39 511	0.26 475	0.23 456	0.30 515	0.10 406	0.09 440	0.09 365	0.10 428	0.11 443	0.11 446

Nwc_Net	0.23 478	0.16 479	0.21 437	0.25 503	0.14 469	0.24 461	0.26 504	0.37 500	0.38 467	0.22 416	0.41 502	0.30 456	0.28 493	0.28 487	0.25 480	0.11 435	0.10 460	0.17 511	0.20 525	0.10 420	0.10 420

DANet	0.21 453	0.15 471	0.28 477	0.25 503	0.13 449	0.22 443	0.19 408	0.27 377	0.27 375	0.28 477	0.32 441	0.35 492	0.31 509	0.31 498	0.23 457	0.11 435	0.09 440	0.11 444	0.10 428	0.13 476	0.11 446
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
NaN_ROB	0.22 462	0.19 504	0.24 456	0.25 503	0.13 449	0.29 503	0.26 504	0.33 462	0.41 479	0.31 495	0.31 437	0.32 479	0.23 454	0.30 497	0.21 436	0.11 435	0.17 523	0.10 413	0.10 428	0.08 326	0.09 393

ETE_ROB	0.23 478	0.17 490	0.22 443	0.25 503	0.13 449	0.26 482	0.29 526	0.31 432	0.36 453	0.28 477	0.36 465	0.45 526	0.26 475	0.27 475	0.26 492	0.11 435	0.08 411	0.12 463	0.09 389	0.14 489	0.13 479

FC-DCNN v2	0.33 528	0.27 530	0.28 477	0.26 508	0.23 532	0.37 529	0.28 517	0.40 516	0.43 491	0.45 535	0.56 535	0.51 537	0.40 531	0.37 528	0.29 510	0.21 534	0.20 531	0.27 536	0.26 537	0.25 539	0.24 538

GASNet	0.22 462	0.23 519	0.33 496	0.26 508	0.17 512	0.26 482	0.16 290	0.44 533	0.42 486	0.27 462	0.24 342	0.30 456	0.15 342	0.27 475	0.18 397	0.12 460	0.08 411	0.12 463	0.11 460	0.16 511	0.07 285

Anonymous3	0.16 383	0.13 449	0.33 496	0.26 508	0.14 469	0.27 492	0.17 324	0.28 397	0.28 389	0.15 273	0.17 244	0.14 243	0.10 205	0.15 288	0.12 242	0.08 306	0.08 411	0.08 284	0.08 343	0.08 326	0.11 446

MaskLacGwcNet_RVC	0.22 462	0.21 514	0.24 456	0.26 508	0.11 395	0.23 456	0.14 157	0.39 512	0.24 330	0.32 501	0.36 465	0.30 456	0.21 437	0.19 390	0.21 436	0.17 521	0.14 509	0.21 525	0.16 512	0.12 458	0.12 459

AF-Net	0.22 462	0.17 490	0.17 383	0.26 508	0.13 449	0.25 472	0.24 479	0.32 443	0.50 514	0.25 450	0.33 453	0.38 503	0.26 475	0.28 487	0.25 480	0.11 435	0.10 460	0.16 508	0.11 460	0.11 443	0.10 420

NCC-stereo	0.24 485	0.15 471	0.31 490	0.26 508	0.16 497	0.20 418	0.30 534	0.40 516	0.40 476	0.24 437	0.38 477	0.33 482	0.28 493	0.36 523	0.27 500	0.12 460	0.11 473	0.15 502	0.22 530	0.13 476	0.13 479

Abc-Net	0.24 485	0.15 471	0.31 490	0.26 508	0.16 497	0.20 418	0.30 534	0.40 516	0.40 476	0.24 437	0.38 477	0.33 482	0.28 493	0.36 523	0.27 500	0.12 460	0.11 473	0.15 502	0.22 530	0.13 476	0.13 479
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
DeepPrunerF	0.24 485	0.17 490	0.42 519	0.26 508	0.16 497	0.22 443	0.28 517	0.37 500	0.50 514	0.26 456	0.29 423	0.24 397	0.28 493	0.21 432	0.22 445	0.15 500	0.11 473	0.20 524	0.18 523	0.12 458	0.13 479

FC-DCNN	0.33 528	0.27 530	0.28 477	0.26 508	0.23 532	0.37 529	0.28 517	0.40 516	0.43 491	0.45 535	0.55 530	0.51 537	0.40 531	0.37 528	0.30 515	0.21 534	0.20 531	0.27 536	0.26 537	0.25 539	0.24 538

LSM	0.33 528	0.20 508	0.58 540	0.26 508	0.60 566	0.34 518	0.25 495	0.42 527	0.48 505	0.45 535	0.58 540	0.42 518	0.36 523	0.35 517	0.25 480	0.12 460	0.20 531	0.14 490	0.16 512	0.19 525	0.33 553

FBW_ROB	0.24 485	0.17 490	0.22 443	0.26 508	0.14 469	0.25 472	0.22 456	0.41 522	0.41 479	0.41 526	0.41 502	0.42 518	0.27 483	0.31 498	0.23 457	0.09 365	0.14 509	0.14 490	0.12 479	0.11 443	0.09 393

LALA_ROB	0.25 496	0.16 479	0.22 443	0.26 508	0.17 512	0.27 492	0.27 511	0.42 527	0.37 460	0.33 505	0.38 477	0.51 537	0.26 475	0.28 487	0.27 500	0.16 516	0.09 440	0.12 463	0.11 460	0.13 476	0.12 459

MANE	0.45 544	0.27 530	0.27 472	0.27 520	0.24 534	0.47 538	0.31 540	0.55 550	0.59 533	0.72 554	1.13 573	1.15 565	0.61 556	0.52 548	0.37 535	0.21 534	0.20 531	0.27 536	0.31 548	0.25 539	0.24 538

PSMNet_ROB	0.21 453	0.11 402	0.15 321	0.27 520	0.15 487	0.24 461	0.35 544	0.43 531	0.37 460	0.27 462	0.32 441	0.32 479	0.22 446	0.21 432	0.26 492	0.12 460	0.08 411	0.13 478	0.11 460	0.09 388	0.09 393

ELAS	0.41 539	0.29 538	0.33 496	0.27 520	0.24 534	0.60 549	0.36 545	0.50 544	0.50 514	0.71 552	0.79 557	0.67 552	0.54 549	0.51 546	0.42 546	0.22 539	0.20 531	0.27 536	0.26 537	0.26 544	0.25 544
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
RGC	0.25 496	0.20 508	0.29 485	0.28 523	0.16 497	0.22 443	0.23 467	0.32 443	0.44 496	0.27 462	0.40 491	0.38 503	0.27 483	0.36 523	0.22 445	0.11 435	0.13 500	0.17 511	0.17 519	0.14 489	0.16 514

XQC	0.28 512	0.23 519	0.51 529	0.28 523	0.19 521	0.34 518	0.27 511	0.36 494	0.57 529	0.31 495	0.30 429	0.37 499	0.30 505	0.38 530	0.38 537	0.13 483	0.09 440	0.15 502	0.12 479	0.17 518	0.18 525

PA-Net	0.23 478	0.18 501	0.33 496	0.28 523	0.22 529	0.21 435	0.38 549	0.29 408	0.39 470	0.22 416	0.32 441	0.25 411	0.26 475	0.20 415	0.25 480	0.09 365	0.23 544	0.15 502	0.22 530	0.09 388	0.13 479
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
PASM	0.32 525	0.24 522	0.48 527	0.28 523	0.27 542	0.29 503	0.30 534	0.34 471	0.49 511	0.35 508	0.39 485	0.46 530	0.34 519	0.34 511	0.35 530	0.23 543	0.25 546	0.26 533	0.28 543	0.23 531	0.21 533

PDISCO_ROB	0.27 508	0.16 479	0.26 464	0.28 523	0.20 524	0.32 509	0.26 504	0.44 533	0.57 529	0.28 477	0.40 491	0.45 526	0.29 501	0.33 508	0.34 529	0.12 460	0.09 440	0.17 511	0.16 512	0.17 518	0.13 479

DispFullNet	0.27 508	0.21 514	0.65 545	0.28 523	0.16 497	0.26 482	0.17 324	0.33 462	0.58 532	0.27 462	0.38 477	0.43 522	0.23 454	0.38 530	0.23 457	0.12 460	0.06 313	0.19 522	0.11 460	0.21 527	0.15 503

ELAS_RVC	0.41 539	0.29 538	0.33 496	0.28 523	0.24 534	0.54 544	0.36 545	0.49 542	0.59 533	0.72 554	0.74 553	0.65 550	0.54 549	0.54 552	0.40 542	0.22 539	0.20 531	0.27 536	0.26 537	0.26 544	0.25 544
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
Syn2CoEx	0.21 453	0.16 479	0.27 472	0.29 530	0.14 469	0.26 482	0.20 429	0.33 462	0.31 413	0.28 477	0.36 465	0.27 429	0.25 469	0.19 390	0.24 470	0.16 516	0.12 487	0.14 490	0.11 460	0.09 388	0.08 349

CC-Net-ROB	0.28 512	0.31 540	0.36 505	0.29 530	0.15 487	0.25 472	0.19 408	0.45 536	0.33 427	0.39 519	0.37 471	0.39 511	0.31 509	0.27 475	0.26 492	0.24 545	0.19 528	0.30 546	0.23 534	0.18 522	0.15 503

SQANet	0.23 478	0.23 519	0.30 488	0.30 532	0.19 521	0.27 492	0.13 108	0.29 408	0.33 427	0.24 437	0.37 471	0.31 469	0.22 446	0.27 475	0.23 457	0.15 500	0.10 460	0.21 525	0.16 512	0.21 527	0.15 503

FCDSN-DC	0.33 528	0.28 535	0.28 477	0.30 532	0.24 534	0.39 533	0.28 517	0.42 527	0.42 486	0.43 532	0.53 526	0.51 537	0.41 536	0.36 523	0.30 515	0.21 534	0.20 531	0.27 536	0.26 537	0.25 539	0.24 538
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
MFN_U_SF_RVC	0.32 525	0.21 514	0.55 534	0.30 532	0.15 487	0.34 518	0.17 324	0.52 546	0.46 503	0.46 538	0.55 530	0.59 544	0.39 528	0.35 517	0.37 535	0.15 500	0.14 509	0.18 520	0.21 527	0.16 511	0.15 503

BEATNet-Init1	0.52 550	0.27 530	0.62 543	0.30 532	0.21 527	0.76 563	0.29 526	0.54 549	0.65 545	0.86 563	0.95 564	2.07 581	0.62 558	0.56 554	0.42 546	0.18 523	0.18 525	0.23 530	0.22 530	0.22 530	0.21 533

PVD	0.39 534	0.20 508	0.39 512	0.31 536	0.22 529	0.29 503	0.43 555	0.52 546	0.96 564	0.55 544	0.79 557	0.53 541	0.59 555	0.52 548	0.38 537	0.19 528	0.14 509	0.17 511	0.14 492	0.24 538	0.31 551

FADE	0.45 544	0.33 542	1.03 568	0.33 537	0.25 540	0.35 526	0.29 526	0.64 557	1.07 565	0.43 532	0.41 502	0.42 518	0.53 547	0.70 560	0.51 557	0.30 548	0.21 543	0.41 552	0.38 552	0.23 531	0.22 535

NCCL2	0.23 478	0.15 471	0.17 383	0.34 538	0.18 518	0.24 461	0.23 467	0.34 471	0.28 389	0.31 495	0.38 477	0.38 503	0.28 493	0.23 456	0.24 470	0.15 500	0.12 487	0.18 520	0.21 527	0.13 476	0.13 479

CSAN	0.29 516	0.24 522	0.27 472	0.34 538	0.19 521	0.33 515	0.42 553	0.37 500	0.50 514	0.38 517	0.40 491	0.44 524	0.33 515	0.28 487	0.30 515	0.20 530	0.16 518	0.19 522	0.19 524	0.14 489	0.15 503

HCRNet	0.16 383	0.24 522	0.12 190	0.35 540	0.11 395	0.15 310	0.17 324	0.26 356	0.22 304	0.19 363	0.24 342	0.21 355	0.14 324	0.15 288	0.13 283	0.11 435	0.07 385	0.11 444	0.10 428	0.09 388	0.07 285

GANetREF_RVC	0.31 523	0.34 544	0.27 472	0.35 540	0.16 497	0.32 509	0.41 550	0.48 540	0.51 521	0.35 508	0.35 462	0.34 488	0.33 515	0.39 534	0.32 523	0.27 547	0.20 531	0.29 544	0.15 508	0.18 522	0.17 522
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
PSMNet-RUCA	0.27 508	0.33 542	0.41 517	0.36 542	0.32 549	0.18 380	0.19 408	0.42 527	0.30 406	0.33 505	0.41 502	0.39 511	0.25 469	0.31 498	0.20 416	0.18 523	0.10 460	0.25 532	0.15 508	0.21 527	0.16 514

MFN_U_SF_DS_RVC	0.30 522	0.24 522	0.29 485	0.36 542	0.16 497	0.34 518	0.30 534	0.32 443	0.42 486	0.40 522	0.46 516	0.38 503	0.31 509	0.34 511	0.28 507	0.19 528	0.20 531	0.26 533	0.29 544	0.18 522	0.19 530

Consistency-Raft	0.44 542	0.40 549	0.45 521	0.37 544	0.43 554	0.46 536	0.41 550	0.57 553	0.55 524	0.32 501	0.73 551	0.33 482	0.48 544	0.42 541	0.49 553	0.39 553	0.35 554	0.45 553	0.51 561	0.42 553	0.29 548

MSC_U_SF_DS_RVC	0.43 541	0.39 548	0.54 532	0.40 545	0.20 524	0.64 551	0.32 542	0.53 548	0.72 551	0.71 552	0.72 550	0.61 546	0.54 549	0.51 546	0.46 550	0.20 530	0.19 528	0.29 544	0.30 546	0.23 531	0.18 525

SGM+DAISY	0.56 553	0.57 555	0.65 545	0.40 545	0.54 559	0.66 554	0.49 557	0.56 551	0.45 502	0.66 548	0.69 547	0.67 552	0.56 553	0.63 557	0.56 559	0.59 565	0.48 563	0.50 555	0.50 560	0.52 556	0.58 564

anonymity	0.53 551	0.58 556	0.65 545	0.41 547	0.61 567	0.53 543	0.41 550	0.56 551	0.41 479	0.55 544	0.50 524	0.49 536	0.55 552	0.58 555	0.50 556	0.58 564	0.50 567	0.51 556	0.51 561	0.51 555	0.57 563

NVStereoNet_ROB	0.46 548	0.36 546	0.46 525	0.41 547	0.28 543	0.34 518	0.34 543	0.48 540	0.60 536	0.72 554	0.93 562	0.70 555	0.66 559	0.47 543	0.60 561	0.22 539	0.33 553	0.34 548	0.34 551	0.30 547	0.30 550
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
otaku	0.39 534	0.37 547	0.52 530	0.44 549	0.28 543	0.58 546	0.24 479	0.41 522	0.62 539	0.40 522	0.49 520	0.46 530	0.33 515	0.40 538	0.32 523	0.30 548	0.30 550	0.39 550	0.33 549	0.29 546	0.28 547

ACVNet_1	0.44 542	0.49 553	0.60 541	0.45 550	0.28 543	0.49 541	0.27 511	0.57 553	0.72 551	0.62 547	0.58 540	0.74 556	0.49 545	0.50 545	0.35 530	0.26 546	0.24 545	0.39 550	0.29 544	0.31 550	0.24 538

ACVNet-4b	0.39 534	0.53 554	0.55 534	0.45 550	0.24 534	0.47 538	0.18 369	0.49 542	0.64 543	0.42 529	0.45 515	0.60 545	0.27 483	0.34 511	0.24 470	0.33 551	0.14 509	0.48 554	0.42 554	0.30 547	0.26 546

SPS-STEREO	0.57 554	0.58 556	0.65 545	0.45 550	0.55 561	0.62 550	0.44 556	0.62 556	0.50 514	0.68 550	0.64 542	0.66 551	0.57 554	0.61 556	0.60 561	0.62 567	0.47 562	0.51 556	0.49 558	0.55 560	0.58 564
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
Ntro	0.40 537	0.40 549	0.53 531	0.46 553	0.30 547	0.65 552	0.24 479	0.46 538	0.68 548	0.41 526	0.49 520	0.48 535	0.42 539	0.39 534	0.31 522	0.32 550	0.28 548	0.37 549	0.30 546	0.32 551	0.29 548

JetBlue	0.71 559	0.45 552	1.14 570	0.51 554	0.47 556	2.02 581	0.64 567	0.75 560	0.70 549	0.69 551	0.77 556	1.22 567	0.83 566	1.03 577	1.01 577	0.40 554	0.28 548	0.33 547	0.33 549	0.30 547	0.34 554

MFMNet_re	0.64 555	0.66 562	0.65 545	0.51 554	0.69 571	0.69 555	0.57 563	0.64 557	0.73 555	0.60 546	0.73 551	0.62 547	0.67 560	0.65 558	0.60 561	0.66 569	0.58 576	0.63 560	0.59 564	0.68 567	0.69 573

SAMSARA	0.40 537	0.28 535	0.33 496	0.55 556	0.39 550	0.82 566	1.23 580	0.47 539	0.51 521	0.36 511	0.35 462	0.55 543	0.39 528	0.38 530	0.39 539	0.15 500	0.20 531	0.15 502	0.14 492	0.23 531	0.20 531

RainbowNet	0.54 552	0.61 558	0.70 557	0.57 557	0.43 554	0.65 552	0.37 548	0.60 555	0.87 561	0.50 540	0.66 544	0.64 548	0.47 543	0.49 544	0.43 549	0.47 559	0.48 563	0.52 558	0.41 553	0.52 556	0.40 558

ACVNet_2	0.66 558	0.66 562	0.68 553	0.63 558	0.41 552	0.71 557	0.49 557	0.96 569	1.39 574	0.89 564	1.09 569	1.04 561	0.73 562	0.54 552	0.47 551	0.43 557	0.40 556	0.53 559	0.44 555	0.47 554	0.35 555

MADNet+	0.75 562	0.71 564	3.70 582	0.66 559	0.41 552	0.98 571	0.97 578	0.69 559	0.73 555	0.52 541	0.57 538	0.64 548	0.68 561	0.86 569	1.01 577	0.34 552	0.36 555	0.28 543	0.23 534	0.36 552	0.31 551

IMH-64-1	0.65 556	0.61 558	0.68 553	0.71 560	0.51 557	0.59 547	0.49 557	0.91 565	0.85 559	0.74 558	1.02 566	0.81 557	0.78 564	0.79 562	0.49 553	0.42 555	0.46 558	0.71 562	0.47 556	0.52 556	0.39 556

IMH-64	0.65 556	0.61 558	0.68 553	0.71 560	0.51 557	0.59 547	0.49 557	0.91 565	0.85 559	0.74 558	1.02 566	0.81 557	0.78 564	0.79 562	0.49 553	0.42 555	0.46 558	0.71 562	0.47 556	0.52 556	0.39 556

IMH	0.71 559	0.64 561	0.68 553	0.76 562	0.54 559	0.69 555	0.54 561	0.98 571	1.10 567	0.82 562	1.09 569	0.89 559	0.88 569	0.87 570	0.52 558	0.44 558	0.50 567	0.75 565	0.51 561	0.56 561	0.41 559

PWCK	0.71 559	0.94 573	0.95 566	0.76 562	0.31 548	0.74 559	0.36 545	0.90 564	0.90 562	0.96 567	0.75 555	0.95 560	0.61 556	0.87 570	0.66 564	0.72 570	0.46 558	0.75 565	0.49 558	0.69 569	0.44 560

TorneroNet-64	0.76 563	0.72 565	0.74 558	0.78 564	0.58 565	0.91 570	0.56 562	0.84 563	1.29 571	0.66 548	0.90 560	1.40 573	0.75 563	0.85 568	0.67 567	0.49 560	0.46 558	0.72 564	0.59 564	0.67 566	0.53 562

LVE	0.83 567	0.85 571	0.85 564	0.80 565	0.56 562	1.04 576	0.65 568	1.05 574	1.47 577	0.96 567	1.22 577	1.10 564	0.85 567	0.83 565	0.71 569	0.49 560	0.55 573	0.76 568	0.60 566	0.65 564	0.59 569

Dean	0.87 568	0.86 572	0.79 561	0.81 566	0.56 562	0.90 567	0.63 565	1.15 580	1.73 580	1.15 575	1.15 574	1.31 570	0.99 573	0.81 564	0.81 573	0.57 563	0.56 574	0.77 569	0.64 567	0.66 565	0.58 564

TorneroNet	0.82 566	0.74 566	0.81 563	0.84 567	0.63 568	0.99 572	0.63 565	0.96 569	1.16 568	0.80 561	1.11 571	1.36 572	0.86 568	0.93 573	0.80 572	0.56 562	0.49 565	0.78 570	0.66 569	0.73 572	0.63 572

WAO-7	0.79 564	0.78 567	0.54 532	0.85 568	0.67 570	0.74 559	0.68 571	1.05 574	1.32 572	0.90 565	1.20 576	1.04 561	0.92 570	0.69 559	0.66 564	0.60 566	0.62 577	0.67 561	0.68 570	0.64 563	0.58 564

WAO-6	0.81 565	0.80 568	0.62 543	0.86 569	0.63 568	0.76 563	0.58 564	0.98 571	1.54 579	0.90 565	0.96 565	1.07 563	1.03 574	0.70 560	0.66 564	0.72 570	0.49 565	0.90 573	0.71 571	0.68 567	0.58 564

UNDER WATER-64	0.95 571	0.94 573	1.43 574	0.87 570	0.56 562	1.18 579	0.87 575	0.77 561	0.94 563	1.04 570	0.85 559	1.58 578	1.21 580	0.94 574	0.96 575	0.87 576	0.57 575	1.03 576	0.88 577	0.78 573	0.73 574

JetRed	1.62 578	1.46 581	2.98 577	0.92 571	1.21 580	4.99 584	1.53 583	1.27 582	1.39 574	1.83 581	1.74 582	1.60 579	0.95 571	1.41 580	2.45 584	0.90 578	1.60 583	0.93 574	0.90 578	1.35 580	0.99 580

WAO-8	0.91 569	0.81 569	0.65 545	0.94 572	0.69 571	0.90 567	0.67 569	1.07 577	1.83 582	1.06 572	1.45 579	1.30 568	1.07 575	0.84 566	0.78 570	0.74 572	0.53 570	0.86 571	0.75 572	0.69 569	0.62 570

Venus	0.91 569	0.81 569	0.65 545	0.94 572	0.69 571	0.90 567	0.67 569	1.07 577	1.83 582	1.06 572	1.45 579	1.30 568	1.07 575	0.84 566	0.78 570	0.74 572	0.53 570	0.86 571	0.75 572	0.69 569	0.62 570

UNDER WATER	0.97 572	0.97 575	1.42 573	0.99 574	0.70 574	1.12 578	0.84 574	0.80 562	1.08 566	1.01 569	0.90 560	1.55 577	1.22 581	1.03 577	1.00 576	0.78 574	0.53 570	1.02 575	0.87 576	0.80 574	0.74 575

GCST	0.37 533	0.42 551	0.26 464	1.02 575	0.39 550	0.18 380	0.08 7	0.20 235	0.17 211	0.28 477	0.25 371	0.15 272	0.12 261	0.16 322	0.14 320	0.64 568	0.43 557	0.75 565	0.65 568	0.63 562	0.46 561

HanzoNet	1.29 577	1.26 580	1.19 571	1.12 576	0.85 576	1.02 575	0.83 573	1.03 573	1.48 578	1.64 580	1.61 581	2.50 583	1.72 582	1.61 581	1.61 580	1.26 581	0.80 580	1.31 581	1.01 579	1.02 578	0.86 578

notaker	0.97 572	1.11 576	0.98 567	1.13 577	0.81 575	0.73 558	0.68 571	0.93 567	1.16 568	1.18 577	1.18 575	1.41 574	1.16 579	1.08 579	0.69 568	0.81 575	0.64 578	1.17 578	0.79 574	0.98 576	0.80 577

DPSimNet_ROB	1.11 576	1.23 579	0.78 559	1.13 577	0.88 578	1.10 577	1.13 579	1.16 581	1.23 570	1.43 579	1.02 566	1.41 574	1.10 578	0.90 572	1.60 579	1.46 583	0.51 569	1.21 580	1.03 580	0.90 575	1.01 581

ktn	1.01 574	1.21 578	0.80 562	1.23 579	0.86 577	1.01 574	0.87 575	0.94 568	1.39 574	1.04 570	1.12 572	1.15 565	1.07 575	0.94 574	0.59 560	1.28 582	0.71 579	1.38 582	0.83 575	1.02 578	0.75 576

KSHMR	1.09 575	1.17 577	0.88 565	1.25 580	1.00 579	0.99 572	0.96 577	1.13 579	1.37 573	1.16 576	1.29 578	1.41 574	0.96 572	1.01 576	0.92 574	1.03 579	1.08 581	1.20 579	1.03 580	1.01 577	0.97 579

ASD4	3.54 581	3.38 585	2.05 576	1.72 581	2.51 584	9.03 588	17.71 589	2.25 583	5.51 586	2.46 583	2.81 585	2.03 580	3.36 584	2.73 583	5.06 585	1.22 580	1.34 582	1.13 577	1.33 582	1.68 581	1.49 583

MADNet++	1.95 579	1.75 582	1.59 575	1.82 582	1.69 582	2.33 582	1.40 582	2.35 584	2.09 584	2.57 584	2.36 584	2.24 582	2.17 583	2.28 582	2.34 582	1.87 584	1.66 584	1.54 583	1.34 583	1.92 582	1.77 584

tt	4.67 583	0.06 59	3.55 581	2.02 583	1.55 581	10.25 589	16.71 588	8.91 593	5.03 585	1.31 578	0.94 563	4.71 584	4.76 585	3.33 584	5.87 587	6.06 592	10.30 596	1.88 586	2.11 586	2.75 584	1.21 582

xxxxx1	7.79 585	5.02 588	7.31 586	3.12 584	3.85 585	16.35 593	22.88 591	5.86 589	8.69 588	7.97 589	8.54 587	9.12 591	8.27 589	10.18 591	10.92 589	2.42 586	2.45 586	3.56 589	12.37 593	3.77 585	3.06 587

tt_ll	7.79 585	5.02 588	7.31 586	3.12 584	3.85 585	16.35 593	22.88 591	5.86 589	8.69 588	7.97 589	8.54 587	9.12 591	8.27 589	10.18 591	10.92 589	2.42 586	2.45 586	3.56 589	12.37 593	3.77 585	3.06 587

ff	7.79 585	5.02 588	7.31 586	3.12 584	3.85 585	16.35 593	22.88 591	5.86 589	8.69 588	7.97 589	8.54 587	9.12 591	8.27 589	10.18 591	10.92 589	2.42 586	2.45 586	3.56 589	12.37 593	3.77 585	3.06 587

PML	8.91 591	9.34 595	6.13 584	5.35 587	6.41 588	14.99 592	23.38 596	5.27 585	6.83 587	18.04 597	28.19 603	7.67 589	6.83 587	7.85 590	5.75 586	5.35 591	1.83 585	5.95 595	1.93 585	8.64 593	2.52 586

DGTPSM_ROB	8.06 589	4.48 586	8.63 592	5.35 587	10.72 591	8.32 586	22.97 594	5.46 586	13.35 593	5.12 586	9.92 590	5.08 585	10.40 592	5.52 587	12.58 592	3.79 589	8.00 591	3.50 587	7.02 590	3.83 588	7.14 592

DPSMNet_ROB	8.06 589	4.48 586	8.63 592	5.37 589	10.74 592	8.32 586	22.98 595	5.46 586	13.36 594	5.12 586	9.92 590	5.08 585	10.40 592	5.53 588	12.58 592	3.80 590	8.00 591	3.50 587	7.02 590	3.83 588	7.14 592

USTest	6.22 584	2.73 584	3.00 578	6.57 590	7.29 589	14.37 591	21.57 590	7.00 592	9.56 591	5.34 588	6.10 586	5.72 587	7.64 588	6.41 589	6.96 588	1.97 585	3.42 590	1.64 584	2.15 587	2.66 583	2.36 585

Anonymous_1	10.96 594	7.92 592	7.46 589	10.33 591	10.06 590	18.65 597	26.34 597	11.06 594	13.44 595	9.40 592	10.05 592	9.67 594	11.23 594	10.73 594	12.72 594	6.42 593	8.38 593	5.77 592	10.61 592	12.12 594	6.77 591

DPSM_ROB	11.15 595	8.58 593	8.00 590	10.88 592	11.58 593	19.10 598	26.71 598	12.05 595	14.07 596	10.36 593	10.84 593	10.33 595	11.86 595	11.70 595	13.54 595	6.99 594	8.79 594	5.89 593	6.95 588	7.29 591	7.42 594

DPSM	11.15 595	8.58 593	8.00 590	10.88 592	11.58 593	19.10 598	26.71 598	12.05 595	14.07 596	10.36 593	10.84 593	10.33 595	11.86 595	11.70 595	13.54 595	6.99 594	8.79 594	5.89 593	6.95 588	7.29 591	7.42 594

TCMNet-wrong-test	3.67 582	5.48 591	3.89 583	12.18 594	11.75 595	4.65 583	3.88 584	1.06 576	0.72 551	1.09 574	2.15 583	6.30 588	0.53 547	3.43 585	2.36 583	0.89 577	0.20 531	1.87 585	1.69 584	5.57 590	3.62 590

HaxPig	15.71 597	18.52 601	19.18 598	16.89 595	15.89 597	7.73 585	7.60 585	13.31 597	10.82 592	15.42 596	14.91 595	15.98 597	14.92 597	15.58 597	15.98 597	18.95 600	16.73 597	19.46 600	18.08 600	19.26 600	19.05 601

LRCNet_RVC	10.62 593	13.42 596	7.30 585	18.92 596	2.07 583	0.33 515	0.30 534	5.59 588	0.48 505	13.03 595	17.94 596	8.87 590	5.65 586	4.79 586	1.89 581	23.51 601	2.73 589	27.55 602	25.71 602	16.07 599	16.33 600

MEDIAN_ROB	20.38 598	24.04 602	23.31 600	21.23 597	21.71 598	10.40 590	7.92 586	17.64 598	15.50 598	20.12 598	19.70 597	20.34 598	20.32 598	21.19 598	21.13 598	23.81 602	21.81 602	24.98 601	23.76 601	24.71 601	23.93 602

CasAABBNet	22.42 599	17.33 598	16.01 594	22.01 598	23.28 600	38.32 600	53.80 602	24.14 600	28.41 601	20.60 599	21.77 599	20.89 601	23.91 601	23.43 599	27.36 601	14.07 597	17.69 599	11.83 598	14.01 597	14.67 596	14.95 598

Selective-RAFT-Error	22.47 601	17.37 600	16.09 595	22.06 599	23.34 601	38.39 601	53.83 603	24.29 603	28.47 603	20.74 600	21.83 601	20.81 600	23.90 600	23.54 602	27.53 603	14.08 598	17.69 599	11.82 597	14.00 596	14.69 597	15.00 599

FlowAnything	22.44 600	17.35 599	16.14 596	22.07 600	23.23 599	38.39 601	53.77 601	24.25 601	28.44 602	20.96 602	21.82 600	20.70 599	23.84 599	23.49 600	27.14 600	14.04 596	17.79 601	11.75 596	14.15 599	14.65 595	14.89 596

LSM0	22.87 602	17.28 597	18.96 597	22.19 601	29.04 603	38.42 603	53.71 600	24.28 602	28.31 600	20.78 601	21.00 598	21.43 602	24.16 602	23.50 601	27.39 602	14.09 599	17.38 598	11.84 599	14.04 598	14.73 598	14.89 596

AVERAGE_ROB	24.90 603	29.20 603	28.14 601	24.89 602	24.64 602	17.75 596	11.12 587	21.45 599	19.93 599	25.12 603	24.46 602	25.12 603	25.46 603	24.69 603	22.83 599	29.76 603	27.13 603	28.97 603	27.95 603	29.91 602	29.47 603

test_example2	98.32 604	94.13 604	45.89 602	96.35 603	109.85 604	88.61 604	95.45 604	25.75 604	94.37 604	130.00 605	126.06 605	58.17 604	74.63 604	88.51 604	79.96 604	150.23 604	221.02 604	77.62 604	99.10 604	113.75 604	96.94 604

DLNR_Zeroshot_test	10.40 592	1.82 583	19.49 599	120.77 604	13.11 596	0.06 10	0.13 108	0.23 300	0.10 37	0.07 33	0.10 121	0.09 127	0.06 36	0.10 66	0.09 54	0.13 483	0.04 22	0.06 105	0.04 37	51.54 603	0.04 42

ccccc	245.47 605	285.66 605	306.18 605	368.85 605	370.60 605	123.16 605	145.33 605	115.05 605	110.08 605	126.68 604	110.87 604	122.83 605	165.88 605	252.94 605	276.56 605	384.56 605	353.86 605	254.69 605	223.00 605	425.87 605	386.83 605

Low-res two-view benchmark