Low-res two-view results

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

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

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

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

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

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

USTest	0.01 9	0.02 12	0.00 1	0.14 100	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.02 21	0.00 1	0.00 1	0.00 1	0.00 1	0.02 18	0.02 20	0.00 1	0.00 1

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

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

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

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

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

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

Wz-Net-TNSev	0.02 15	0.05 49	0.04 44	0.07 47	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.06 55	0.04 45	0.01 9	0.01 9	0.01 10	0.01 10

Wz-Net-SNSev	0.03 29	0.09 66	0.07 59	0.09 55	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.09 68	0.07 59	0.01 9	0.01 9	0.01 10	0.01 10

Wz-Net-MNSev	0.06 44	0.54 269	0.10 70	0.12 83	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.12 93	0.11 97	0.01 9	0.01 9	0.01 10	0.01 10

WZ-Net	0.05 41	0.50 253	0.10 70	0.12 83	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.12 93	0.10 75	0.01 9	0.01 9	0.01 10	0.01 10

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

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

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

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

PSMNet-RUCA	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

FACV-RUCA	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

IGEV-RUCA	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

CoDeX	0.15 125	0.70 286	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.01 9	0.02 20	0.67 411	0.02 15	0.69 413	0.75 431	0.01 9	0.02 20	0.02 20

coex-ft	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

fast-acv-ft	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

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

iinet-f	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

Wz-Net-LNSev	0.06 44	0.24 127	0.20 191	0.23 164	0.01 10	0.02 19	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.23 194	0.21 203	0.02 18	0.01 9	0.01 10	0.01 10

psmg	0.43 309	1.91 464	0.92 442	1.91 515	0.02 21	0.02 19	0.03 50	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.03 39	0.02 20	1.97 546	1.44 539	0.04 73	0.03 54	0.02 20	0.03 51

CSP-Net	0.34 224	1.29 428	1.19 466	1.36 495	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	1.26 506	1.21 517	0.03 38	0.09 111	0.02 20	0.09 111

SFCPSM	0.17 137	0.78 294	0.02 14	0.02 14	0.01 10	0.02 19	0.02 20	0.02 20	0.01 10	0.02 20	0.02 20	0.02 20	0.01 9	0.02 20	0.79 452	0.02 15	0.75 423	0.76 433	0.02 20	0.02 20	0.02 20

Syn2CoEx	0.25 188	1.31 430	0.74 410	0.92 397	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.03 42	0.02 21	0.02 20	0.02 20	0.87 426	0.75 423	0.02 18	0.02 20	0.02 20	0.02 20

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

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

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

ADCMid	0.08 51	0.02 12	0.02 14	1.01 415	0.03 48	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.04 72	0.09 109	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

ADCS	0.09 53	0.02 12	0.04 44	0.90 392	0.06 110	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.14 131	0.36 291	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

AnyNet_C01	0.11 88	0.02 12	0.02 14	1.62 508	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.03 40	0.02 20	0.02 20	0.02 21	0.06 89	0.04 76	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.03 51

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

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

zh-sn7	0.10 66	0.98 332	0.14 127	0.15 110	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.15 125	0.13 137	0.03 38	0.03 54	0.03 43	0.03 51

zh-mn7	0.12 97	1.14 362	0.17 168	0.20 137	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.18 151	0.16 146	0.03 38	0.03 54	0.03 43	0.03 51

w-ln-seven-2	0.14 113	1.22 424	0.28 221	0.32 208	0.04 79	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.32 234	0.27 225	0.04 73	0.03 54	0.03 43	0.03 51

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

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

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

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

TCMNet	0.03 29	0.04 37	0.03 37	0.03 28	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

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

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

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

DualNet (step1)	0.10 66	1.05 352	0.12 102	0.12 83	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.12 93	0.12 113	0.03 38	0.03 54	0.03 43	0.03 51

test_sample9	0.10 66	1.05 352	0.12 102	0.12 83	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.12 93	0.12 113	0.03 38	0.03 54	0.03 43	0.03 51

test_sample8	0.10 66	1.05 352	0.12 102	0.12 83	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 93	0.12 113	0.03 38	0.03 54	0.03 43	0.03 51

test_sample7	0.09 53	1.00 336	0.11 90	0.11 76	0.02 21	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 93	0.12 113	0.03 38	0.03 54	0.03 43	0.03 51

test_sample6	0.09 53	0.97 331	0.10 70	0.10 59	0.03 48	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.03 52	0.03 42	0.02 21	0.03 39	0.02 20	0.10 73	0.10 75	0.03 38	0.02 20	0.03 43	0.02 20

test_sample5	0.10 66	1.07 355	0.11 90	0.10 59	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.10 73	0.10 75	0.03 38	0.03 54	0.04 77	0.03 51

test_sample4	0.10 66	1.03 348	0.12 102	0.10 59	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 109	0.13 137	0.03 38	0.03 54	0.03 43	0.03 51

test_sample3	0.09 53	0.87 308	0.10 70	0.12 83	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 93	0.10 75	0.03 38	0.02 20	0.03 43	0.02 20

test_sample2	0.09 53	1.03 348	0.11 90	0.11 76	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 68	0.09 70	0.03 38	0.02 20	0.03 43	0.02 20

test_sample1	0.09 53	0.87 308	0.12 102	0.11 76	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.04 74	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.10 73	0.10 75	0.03 38	0.02 20	0.03 43	0.02 20

SMFormer	0.09 53	1.01 342	0.09 66	0.09 55	0.03 48	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 68	0.09 70	0.03 38	0.02 20	0.03 43	0.02 20

tta	0.09 53	0.95 328	0.09 66	0.10 59	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 68	0.10 75	0.03 38	0.02 20	0.03 43	0.02 20

mmm	0.14 113	1.83 455	0.12 102	0.11 76	0.03 48	0.03 40	0.03 50	0.03 42	0.04 82	0.03 40	0.03 52	0.03 42	0.03 52	0.06 89	0.04 76	0.12 93	0.11 97	0.05 86	0.04 78	0.05 92	0.04 79

DualNet	0.10 66	1.07 355	0.11 90	0.10 59	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.10 73	0.10 75	0.03 38	0.03 54	0.04 77	0.03 51

ttt	0.10 66	1.09 357	0.12 102	0.12 83	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 93	0.12 113	0.03 38	0.02 20	0.03 43	0.02 20

xxx	0.09 53	1.01 342	0.10 70	0.10 59	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.03 40	0.03 52	0.03 42	0.02 21	0.03 39	0.02 20	0.10 73	0.10 75	0.03 38	0.02 20	0.03 43	0.03 51

x	0.11 88	1.15 365	0.15 148	0.14 100	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.14 116	0.15 144	0.03 38	0.03 54	0.03 43	0.03 51

Wz-Net-LNSev-Ref	0.11 88	0.44 208	0.33 265	0.39 232	0.02 21	0.03 40	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.39 291	0.36 303	0.02 18	0.02 20	0.02 20	0.02 20

222	0.10 66	0.99 335	0.12 102	0.13 96	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 93	0.12 113	0.03 38	0.02 20	0.04 77	0.03 51

xxxx	0.11 88	1.16 367	0.16 156	0.12 83	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 109	0.16 146	0.03 38	0.04 78	0.04 77	0.04 79

test_xeample	0.10 66	1.09 357	0.13 122	0.12 83	0.03 48	0.03 40	0.03 50	0.04 77	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.14 116	0.14 141	0.03 38	0.03 54	0.03 43	0.03 51

BEATNet_4x	0.11 88	0.03 31	0.03 37	1.60 505	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.05 83	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

ADCL	0.11 88	0.03 31	0.03 37	1.60 505	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.05 83	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

ADCRef	0.12 97	0.03 31	0.04 44	1.71 511	0.04 79	0.03 40	0.03 50	0.04 77	0.04 82	0.04 74	0.03 52	0.04 77	0.03 52	0.06 89	0.04 76	0.04 44	0.04 45	0.04 73	0.04 78	0.03 43	0.04 79

AnyNet_C32	0.14 113	0.04 37	0.03 37	2.22 527	0.04 79	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.04 77	0.02 21	0.07 105	0.04 76	0.02 15	0.02 15	0.03 38	0.03 54	0.02 20	0.03 51

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

FADE	0.07 49	0.06 54	0.02 14	0.09 55	0.10 121	0.03 40	0.03 50	0.05 89	0.03 55	0.04 74	0.03 52	0.05 91	0.03 52	0.04 72	0.03 48	0.15 125	0.10 75	0.17 153	0.13 155	0.11 123	0.11 128

z-mn7	0.16 133	1.21 418	0.33 265	0.41 258	0.04 79	0.04 78	0.03 50	0.04 77	0.04 82	0.04 74	0.04 89	0.04 77	0.04 85	0.04 72	0.04 76	0.35 251	0.31 265	0.04 73	0.04 78	0.04 77	0.04 79

w-ln-seven	0.18 140	1.47 439	0.33 265	0.40 246	0.04 79	0.04 78	0.04 82	0.04 77	0.04 82	0.04 74	0.04 89	0.04 77	0.04 85	0.04 72	0.04 76	0.38 269	0.32 269	0.05 86	0.04 78	0.04 77	0.04 79

1111x	0.10 66	1.14 362	0.13 122	0.14 100	0.03 48	0.04 78	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 109	0.11 97	0.03 38	0.02 20	0.03 43	0.02 20

GASNet	0.05 41	0.04 37	0.12 102	0.04 37	0.04 79	0.04 78	0.05 94	0.04 77	0.04 82	0.12 126	0.04 89	0.06 98	0.04 85	0.04 72	0.04 76	0.04 44	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

EDNetEfficient	0.04 38	0.05 49	0.04 44	0.04 37	0.03 48	0.04 78	0.03 50	0.04 77	0.03 55	0.04 74	0.03 52	0.04 77	0.03 52	0.04 72	0.03 48	0.05 51	0.03 36	0.05 86	0.03 54	0.04 77	0.03 51

FADNet-RVC-Resample	0.12 97	0.04 37	0.04 44	0.04 37	0.04 79	0.04 78	0.04 82	0.04 77	0.04 82	0.04 74	0.04 89	0.04 77	0.04 85	0.04 72	1.57 560	0.04 44	0.04 45	0.04 73	0.05 96	0.04 77	0.06 104

FADNet_RVC	0.12 97	0.04 37	0.04 44	0.05 43	0.04 79	0.04 78	0.04 82	0.04 77	0.04 82	0.04 74	0.04 89	0.04 77	0.05 95	0.04 72	1.65 564	0.05 51	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

FADNet-RVC	0.13 104	0.04 37	0.04 44	0.04 37	0.04 79	0.04 78	0.05 94	0.04 77	0.04 82	0.04 74	0.05 101	0.04 77	0.05 95	0.04 72	1.71 569	0.04 44	0.04 45	0.04 73	0.04 78	0.07 106	0.04 79

FADNet	0.12 97	0.05 49	0.04 44	0.04 37	0.04 79	0.04 78	0.04 82	0.04 77	0.04 82	0.04 74	0.04 89	0.04 77	0.05 95	0.04 72	1.66 566	0.06 55	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

ADCP+	0.15 125	0.04 37	0.04 44	2.20 526	0.04 79	0.04 78	0.04 82	0.04 77	0.04 82	0.04 74	0.05 101	0.04 77	0.04 85	0.08 108	0.04 76	0.04 44	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

ADCPNet	0.10 66	0.03 31	0.04 44	1.27 488	0.03 48	0.04 78	0.03 50	0.03 42	0.03 55	0.04 74	0.03 52	0.04 77	0.03 52	0.08 108	0.04 76	0.04 44	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

NVStereoNet_ROB	0.04 38	0.04 37	0.04 44	0.04 37	0.04 79	0.04 78	0.04 82	0.04 77	0.04 82	0.04 74	0.04 89	0.04 77	0.04 85	0.04 72	0.04 76	0.04 44	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
z-ln-s-r	0.21 164	1.40 437	0.53 367	0.56 343	0.04 79	0.05 90	0.04 82	0.05 89	0.05 98	0.05 92	0.04 89	0.05 91	0.04 85	0.05 83	0.05 89	0.57 379	0.44 350	0.04 73	0.04 78	0.04 77	0.04 79

APVNet	0.09 53	0.05 49	0.04 44	0.05 43	0.04 79	0.05 90	0.90 461	0.06 95	0.04 82	0.05 92	0.04 89	0.05 91	0.04 85	0.05 83	0.04 76	0.05 51	0.04 45	0.05 86	0.04 78	0.05 92	0.05 97

EDNetEfficientorigin	0.04 38	0.06 54	0.04 44	0.05 43	0.04 79	0.05 90	0.04 82	0.05 89	0.04 82	0.05 92	0.04 89	0.05 91	0.04 85	0.05 83	0.04 76	0.05 51	0.03 36	0.06 94	0.03 54	0.04 77	0.03 51

DFGA-Net	0.05 41	0.06 54	0.04 44	0.06 46	0.04 79	0.06 93	0.04 82	0.06 95	0.04 82	0.06 97	0.04 89	0.06 98	0.04 85	0.06 89	0.04 76	0.06 55	0.04 45	0.05 86	0.04 78	0.05 92	0.04 79

qqq1	0.25 188	3.70 549	0.14 127	0.14 100	0.04 79	0.06 93	0.05 94	0.06 95	0.05 98	0.06 97	0.05 101	0.04 77	0.05 95	0.06 89	0.05 89	0.13 109	0.12 113	0.06 94	0.05 96	0.03 43	0.04 79

fff1	0.25 188	3.70 549	0.14 127	0.14 100	0.04 79	0.06 93	0.05 94	0.06 95	0.05 98	0.06 97	0.05 101	0.04 77	0.05 95	0.06 89	0.05 89	0.13 109	0.12 113	0.06 94	0.05 96	0.03 43	0.04 79

11t1	0.17 137	2.16 481	0.13 122	0.13 96	0.04 79	0.06 93	0.04 82	0.06 95	0.04 82	0.06 97	0.03 52	0.06 98	0.03 52	0.06 89	0.05 89	0.18 151	0.12 113	0.06 94	0.03 54	0.05 92	0.03 51

ffm	0.25 188	3.83 555	0.12 102	0.12 83	0.05 99	0.06 93	0.05 94	0.06 95	0.05 98	0.03 40	0.03 52	0.06 98	0.05 95	0.06 89	0.05 89	0.12 93	0.12 113	0.05 86	0.04 78	0.06 96	0.04 79

ff1	0.25 188	3.83 555	0.12 102	0.12 83	0.05 99	0.06 93	0.05 94	0.06 95	0.05 98	0.03 40	0.03 52	0.06 98	0.05 95	0.06 89	0.05 89	0.12 93	0.12 113	0.05 86	0.04 78	0.06 96	0.04 79

mmx	0.25 188	3.83 555	0.12 102	0.12 83	0.05 99	0.06 93	0.05 94	0.06 95	0.05 98	0.03 40	0.03 52	0.06 98	0.05 95	0.06 89	0.05 89	0.12 93	0.12 113	0.05 86	0.04 78	0.06 96	0.04 79

qqq	0.16 133	2.01 472	0.12 102	0.15 110	0.04 79	0.06 93	0.05 94	0.06 95	0.04 82	0.06 97	0.03 52	0.06 98	0.03 52	0.06 89	0.03 48	0.12 93	0.14 141	0.04 73	0.04 78	0.03 43	0.03 51

AASNet	0.06 44	0.08 59	0.08 61	0.08 49	0.05 99	0.06 93	0.05 94	0.05 89	0.06 109	0.06 97	0.06 110	0.05 91	0.06 110	0.06 89	0.05 89	0.08 62	0.08 61	0.08 102	0.05 96	0.06 96	0.05 97

SACVNet	0.06 44	0.08 59	0.08 61	0.08 49	0.05 99	0.06 93	0.05 94	0.05 89	0.06 109	0.06 97	0.06 110	0.05 91	0.06 110	0.06 89	0.05 89	0.08 62	0.08 61	0.08 102	0.05 96	0.06 96	0.05 97

AACVNet	0.06 44	0.08 59	0.08 61	0.08 49	0.05 99	0.06 93	0.05 94	0.05 89	0.06 109	0.06 97	0.06 110	0.05 91	0.06 110	0.06 89	0.05 89	0.08 62	0.08 61	0.08 102	0.05 96	0.06 96	0.05 97

DA	0.09 53	0.13 82	0.39 299	0.08 49	0.05 99	0.07 104	0.05 94	0.13 127	0.05 98	0.06 97	0.05 101	0.06 98	0.05 95	0.06 89	0.05 89	0.06 55	0.05 56	0.14 127	0.13 155	0.06 96	0.05 97

GGEV	0.09 53	0.13 82	0.39 299	0.08 49	0.05 99	0.07 104	0.05 94	0.13 127	0.05 98	0.06 97	0.05 101	0.06 98	0.05 95	0.06 89	0.05 89	0.06 55	0.05 56	0.14 127	0.13 155	0.06 96	0.05 97

OmniDepth	0.08 51	0.08 59	0.11 90	0.11 76	0.05 99	0.08 106	0.05 94	0.08 108	0.07 112	0.08 107	0.05 101	0.08 107	0.05 95	0.09 111	0.08 105	0.15 125	0.11 97	0.07 99	0.05 96	0.07 106	0.06 104

FINET	0.07 49	0.08 59	0.07 59	0.07 47	0.07 111	0.08 106	0.06 109	0.08 108	0.07 112	0.08 107	0.07 113	0.08 107	0.06 110	0.07 105	0.07 103	0.08 62	0.07 59	0.07 99	0.07 105	0.06 96	0.06 104

GwcNet	0.12 97	0.07 58	0.05 58	0.08 49	0.05 99	0.08 106	1.20 490	0.07 105	0.05 98	0.05 92	0.05 101	0.08 107	0.05 95	0.08 108	0.03 48	0.07 60	0.05 56	0.06 94	0.05 96	0.07 106	0.05 97

BEATNet-Init1	0.19 143	0.08 59	0.08 61	2.23 528	0.08 113	0.08 106	0.07 112	0.07 105	0.08 115	0.08 107	0.07 113	0.08 107	0.07 114	0.11 125	0.08 105	0.08 62	0.08 61	0.08 102	0.07 105	0.08 109	0.08 108

DeepPrunerF	0.19 143	0.08 59	0.08 61	2.23 528	0.08 113	0.08 106	0.07 112	0.07 105	0.08 115	0.08 107	0.07 113	0.08 107	0.07 114	0.11 125	0.08 105	0.08 62	0.08 61	0.08 102	0.07 105	0.08 109	0.08 108

SepStereo	0.09 53	0.09 66	0.10 70	0.09 55	0.09 115	0.09 111	0.09 114	0.10 111	0.08 115	0.10 112	0.09 116	0.09 112	0.09 117	0.09 111	0.08 105	0.09 68	0.08 61	0.09 107	0.08 109	0.09 112	0.08 108

AnonymousM	0.10 66	0.10 68	0.10 70	0.10 59	0.10 121	0.10 112	0.10 119	0.10 111	0.10 119	0.10 112	0.10 120	0.10 114	0.10 121	0.10 114	0.10 115	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

SuperB	0.21 164	0.10 68	2.51 594	0.12 83	0.09 115	0.10 112	0.09 114	0.08 108	0.07 112	0.10 112	0.09 116	0.09 112	0.07 114	0.07 105	0.07 103	0.07 60	0.08 61	0.07 99	0.07 105	0.08 109	0.07 107

PVD	0.10 66	0.10 68	0.10 70	0.10 59	0.10 121	0.10 112	0.10 119	0.10 111	0.10 119	0.10 112	0.10 120	0.10 114	0.10 121	0.10 114	0.10 115	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

SHD	0.10 66	0.10 68	0.10 70	0.10 59	0.10 121	0.10 112	0.10 119	0.10 111	0.10 119	0.10 112	0.10 120	0.10 114	0.10 121	0.10 114	0.10 115	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

SAMSARA	0.10 66	0.10 68	0.10 70	0.10 59	0.10 121	0.10 112	0.10 119	0.10 111	0.10 119	0.10 112	0.10 120	0.10 114	0.10 121	0.10 114	0.10 115	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

XQC	0.10 66	0.10 68	0.10 70	0.10 59	0.10 121	0.10 112	0.10 119	0.10 111	0.10 119	0.10 112	0.10 120	0.10 114	0.10 121	0.10 114	0.10 115	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

RTSC	0.10 66	0.10 68	0.10 70	0.10 59	0.10 121	0.10 112	0.10 119	0.10 111	0.10 119	0.10 112	0.10 120	0.10 114	0.10 121	0.10 114	0.10 115	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

RTS	0.10 66	0.10 68	0.10 70	0.10 59	0.10 121	0.10 112	0.10 119	0.10 111	0.10 119	0.10 112	0.10 120	0.10 114	0.10 121	0.10 114	0.10 115	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

RTSA	0.10 66	0.10 68	0.10 70	0.10 59	0.10 121	0.10 112	0.10 119	0.10 111	0.10 119	0.10 112	0.10 120	0.10 114	0.10 121	0.10 114	0.10 115	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

MADNet+	0.10 66	0.10 68	0.10 70	0.10 59	0.10 121	0.10 112	0.10 119	0.10 111	0.10 119	0.10 112	0.10 120	0.10 114	0.10 121	0.10 114	0.10 115	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

MADNet++	0.10 66	0.10 68	0.10 70	0.10 59	0.10 121	0.10 112	0.10 119	0.10 111	0.10 119	0.10 112	0.10 120	0.10 114	0.10 121	0.10 114	0.10 115	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

JetRed	0.11 88	0.12 81	0.11 90	0.11 76	0.11 137	0.11 123	0.14 153	0.11 123	0.11 134	0.12 126	0.11 134	0.11 124	0.11 133	0.11 125	0.11 127	0.11 88	0.16 146	0.11 119	0.11 130	0.11 123	0.11 128

JetBlue	0.11 88	0.11 79	0.12 102	0.13 96	0.14 158	0.11 123	0.11 132	0.11 123	0.11 134	0.11 124	0.11 134	0.11 124	0.11 133	0.12 129	0.12 142	0.11 88	0.11 97	0.11 119	0.11 130	0.11 123	0.11 128

aanetorigin	0.13 104	0.11 79	0.11 90	0.11 76	0.11 137	0.11 123	0.11 132	0.11 123	0.11 134	0.11 124	0.12 145	0.11 124	0.11 133	0.11 125	0.11 127	0.11 88	0.11 97	0.14 127	0.11 130	0.49 361	0.11 128

PASM	0.39 271	3.06 535	1.36 532	1.58 501	0.09 115	0.11 123	0.11 132	0.11 123	0.11 134	0.09 111	0.09 116	0.11 124	0.09 117	0.09 111	0.09 109	0.11 88	0.11 97	0.11 119	0.09 111	0.11 123	0.11 128

ISRNet	0.11 88	0.05 49	0.36 285	0.24 169	0.07 111	0.13 127	0.05 94	0.06 95	0.05 98	0.05 92	0.05 101	0.13 128	0.05 95	0.05 83	0.09 109	0.24 199	0.20 191	0.10 108	0.05 96	0.06 96	0.13 151

S2M2_L	0.12 97	0.14 88	0.10 70	0.15 110	0.10 121	0.14 128	0.10 119	0.14 129	0.10 119	0.15 134	0.10 120	0.14 129	0.10 121	0.14 131	0.10 115	0.13 109	0.10 75	0.13 125	0.09 111	0.13 130	0.09 111
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
IPLG	0.13 104	0.20 104	0.14 127	0.15 110	0.11 137	0.14 128	0.11 132	0.14 129	0.11 134	0.14 128	0.11 134	0.14 129	0.11 133	0.14 131	0.11 127	0.15 125	0.12 113	0.14 127	0.11 130	0.14 132	0.11 128

IPLGR_C	0.14 113	0.20 104	0.12 102	0.15 110	0.11 137	0.14 128	0.15 163	0.14 129	0.11 134	0.15 134	0.12 145	0.14 129	0.11 133	0.16 141	0.11 127	0.15 125	0.12 113	0.14 127	0.12 147	0.15 142	0.12 145

ACRE	0.13 104	0.21 110	0.14 127	0.15 110	0.11 137	0.14 128	0.11 132	0.14 129	0.11 134	0.14 128	0.12 145	0.14 129	0.11 133	0.14 131	0.11 127	0.15 125	0.12 113	0.14 127	0.11 130	0.14 132	0.11 128

LRCNet_RVC	0.13 104	0.13 82	0.09 66	0.13 96	0.10 121	0.14 128	0.10 119	0.14 129	0.10 119	0.23 178	0.10 120	0.20 161	0.10 121	0.24 195	0.11 127	0.11 88	0.09 70	0.12 122	0.14 166	0.12 128	0.09 111

GMStereo	0.14 113	0.13 82	0.14 127	0.14 100	0.14 158	0.14 128	0.14 153	0.14 129	0.14 158	0.14 128	0.14 162	0.14 129	0.14 159	0.14 131	0.14 152	0.14 116	0.14 141	0.14 127	0.14 166	0.14 132	0.14 161
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
UNet	0.29 203	0.90 316	0.10 70	0.14 100	0.10 121	0.14 128	0.10 119	0.91 434	0.69 436	0.14 128	0.11 134	0.14 129	0.11 133	0.14 131	0.10 115	0.12 93	0.09 70	0.12 122	0.09 111	0.88 424	0.76 444

xyz-stereo-finetune2	0.18 140	0.48 247	0.16 156	0.16 121	0.15 174	0.15 135	0.16 173	0.16 142	0.16 182	0.16 139	0.16 183	0.16 140	0.16 181	0.16 141	0.16 168	0.16 135	0.16 146	0.16 145	0.16 184	0.16 146	0.16 175

CAS++	0.17 137	0.27 145	0.21 195	0.10 59	0.21 229	0.15 135	0.22 220	0.10 111	0.21 218	0.22 174	0.10 120	0.19 158	0.18 201	0.10 114	0.19 184	0.20 163	0.19 189	0.18 163	0.10 118	0.19 162	0.18 199
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
testlalala_base	0.13 104	0.16 90	0.11 90	0.15 110	0.11 137	0.15 135	0.11 132	0.16 142	0.11 134	0.16 139	0.11 134	0.16 140	0.11 133	0.16 141	0.11 127	0.14 116	0.11 97	0.14 127	0.11 130	0.14 132	0.11 128

CIPLG	0.13 104	0.21 110	0.12 102	0.16 121	0.11 137	0.15 135	0.11 132	0.14 129	0.11 134	0.15 134	0.12 145	0.15 139	0.11 133	0.14 131	0.11 127	0.15 125	0.12 113	0.14 127	0.11 130	0.14 132	0.11 128

MIPNet	0.14 113	0.21 110	0.17 168	0.16 121	0.11 137	0.15 135	0.12 148	0.14 129	0.11 134	0.16 139	0.11 134	0.14 129	0.11 133	0.14 131	0.11 127	0.14 116	0.12 113	0.14 127	0.11 130	0.14 132	0.11 128

IPLGR	0.14 113	0.24 127	0.14 127	0.16 121	0.12 153	0.15 135	0.12 148	0.14 129	0.11 134	0.15 134	0.12 145	0.14 129	0.11 133	0.14 131	0.11 127	0.15 125	0.12 113	0.14 127	0.11 130	0.14 132	0.11 128

DRN-Test	0.14 113	0.13 82	0.09 66	0.14 100	0.09 115	0.15 135	0.09 114	0.14 129	0.10 119	0.14 128	0.09 116	0.14 129	0.09 117	0.13 130	0.09 109	0.12 93	0.09 70	0.12 122	0.09 111	0.12 128	0.73 438

StereoDRNet	0.15 125	0.14 88	0.10 70	0.14 100	0.09 115	0.15 135	0.09 114	0.14 129	0.09 118	0.14 128	0.10 120	0.14 129	0.09 117	0.14 131	0.09 109	0.13 109	0.10 75	0.13 125	0.09 111	0.13 130	0.82 450

xyz-stereo-finetune	0.28 198	0.49 249	0.16 156	0.16 121	0.16 188	0.16 143	0.16 173	0.22 179	0.30 275	0.32 238	0.31 291	0.32 243	0.31 297	0.32 242	0.32 261	0.32 234	0.33 284	0.31 242	0.32 325	0.31 227	0.32 296

xyz-stereo	0.18 140	0.50 253	0.16 156	0.15 110	0.16 188	0.16 143	0.16 173	0.16 142	0.16 182	0.16 139	0.16 183	0.16 140	0.16 181	0.16 141	0.16 168	0.16 135	0.16 146	0.16 145	0.16 184	0.16 146	0.16 175

castereo++	0.54 352	3.59 546	1.15 460	1.31 491	0.14 158	0.16 143	0.14 153	0.16 142	0.14 158	0.16 139	0.14 162	0.16 140	0.13 155	0.16 141	0.14 152	1.45 521	1.16 466	0.15 142	0.14 166	0.15 142	0.13 151

test_for_model	0.15 125	0.23 120	0.18 177	0.21 147	0.11 137	0.16 143	0.11 132	0.16 142	0.11 134	0.16 139	0.11 134	0.16 140	0.11 133	0.16 141	0.11 127	0.21 168	0.18 183	0.14 127	0.11 130	0.14 132	0.11 128

testlalala2	0.13 104	0.16 90	0.11 90	0.15 110	0.11 137	0.16 143	0.11 132	0.16 142	0.11 134	0.16 139	0.11 134	0.16 140	0.11 133	0.16 141	0.11 127	0.14 116	0.11 97	0.14 127	0.11 130	0.14 132	0.11 128

GMStereo_Zeroshot	0.16 133	0.16 90	0.16 156	0.16 121	0.16 188	0.16 143	0.16 173	0.16 142	0.16 182	0.16 139	0.16 183	0.16 140	0.16 181	0.16 141	0.16 168	0.16 135	0.16 146	0.16 145	0.16 184	0.16 146	0.16 175

ProNet	0.14 113	0.20 104	0.14 127	0.16 121	0.11 137	0.16 143	0.11 132	0.17 150	0.11 134	0.17 148	0.12 145	0.17 150	0.13 155	0.17 150	0.12 142	0.15 125	0.11 97	0.16 145	0.11 130	0.15 142	0.12 145

ICVP	0.15 125	0.53 266	0.11 90	0.16 121	0.11 137	0.16 143	0.11 132	0.16 142	0.11 134	0.16 139	0.11 134	0.16 140	0.11 133	0.16 141	0.11 127	0.16 135	0.11 97	0.16 145	0.11 130	0.16 146	0.11 128
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
S2M2_XL	0.14 113	0.17 96	0.12 102	0.17 129	0.11 137	0.17 151	0.11 132	0.17 150	0.11 134	0.17 148	0.11 134	0.17 150	0.11 133	0.17 150	0.11 127	0.16 135	0.11 97	0.16 145	0.11 130	0.16 146	0.11 128
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
castereo	0.61 363	3.79 554	1.35 524	1.52 500	0.15 174	0.17 151	0.16 173	0.20 161	0.21 218	0.18 152	0.16 183	0.21 169	0.12 150	0.26 215	0.17 172	1.43 520	1.38 536	0.17 153	0.16 184	0.18 156	0.16 175

HSM	0.14 113	0.16 90	0.12 102	0.17 129	0.12 153	0.17 151	0.11 132	0.17 150	0.11 134	0.17 148	0.12 145	0.17 150	0.12 150	0.17 150	0.12 142	0.16 135	0.11 97	0.16 145	0.11 130	0.16 146	0.12 145

PDISCO_ROB	0.83 420	2.80 531	3.49 611	0.14 100	0.11 137	0.17 151	0.09 114	0.15 141	0.10 119	0.15 134	0.12 145	0.16 140	0.14 159	3.30 596	0.13 148	0.14 116	2.34 587	0.16 145	0.12 147	2.62 576	0.10 116

cf-r	0.66 373	2.17 482	0.12 102	0.18 131	0.12 153	0.18 155	2.70 601	2.60 576	0.12 153	0.18 152	0.12 145	0.18 154	0.12 150	0.18 153	0.12 142	0.15 125	0.11 97	0.15 142	0.11 130	1.81 535	1.74 577

ELAS_RVC	0.14 113	0.16 90	0.10 70	0.15 110	0.10 121	0.18 155	0.11 132	0.19 155	0.11 134	0.19 154	0.12 145	0.18 154	0.11 133	0.19 156	0.12 142	0.14 116	0.08 61	0.14 127	0.09 111	0.15 142	0.09 111
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.13 104	0.16 90	0.11 90	0.15 110	0.09 115	0.18 155	0.11 132	0.18 153	0.11 134	0.17 148	0.11 134	0.18 154	0.11 133	0.18 153	0.11 127	0.14 116	0.08 61	0.14 127	0.08 109	0.14 132	0.09 111
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
DEFOM-Stereo_RVC	0.83 420	5.18 579	1.98 582	2.19 525	0.17 197	0.19 158	0.18 193	0.19 155	0.16 182	0.20 160	0.19 216	0.22 182	0.22 225	0.20 160	0.15 162	2.28 563	2.13 582	0.24 197	0.17 204	0.18 156	0.16 175

DDVS	0.30 204	3.10 536	0.14 127	0.19 134	0.14 158	0.19 158	0.14 153	0.20 161	0.14 158	0.19 154	0.13 157	0.16 140	0.13 155	0.19 156	0.13 148	0.17 143	0.13 137	0.17 153	0.13 155	0.17 152	0.13 151

ITSA-stereo	0.15 125	0.17 96	0.13 122	0.20 137	0.13 156	0.19 158	0.13 151	0.18 153	0.13 156	0.19 154	0.13 157	0.18 154	0.14 159	0.18 153	0.14 152	0.16 135	0.11 97	0.15 142	0.14 166	0.18 156	0.11 128

DeepPruner_ROB	0.16 133	0.18 99	0.13 122	0.19 134	0.13 156	0.19 158	0.13 151	0.19 155	0.13 156	0.19 154	0.13 157	0.19 158	0.13 155	0.19 156	0.13 148	0.18 151	0.13 137	0.18 163	0.13 155	0.18 156	0.13 151

SGM_RVC	0.15 125	0.17 96	0.11 90	0.18 131	0.11 137	0.19 158	0.11 132	0.19 155	0.12 153	0.19 154	0.12 145	0.20 161	0.12 150	0.19 156	0.12 142	0.16 135	0.11 97	0.17 153	0.10 118	0.17 152	0.10 116
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
RAFT-FEzeroshot	0.34 224	0.26 142	0.17 168	0.21 147	0.17 197	0.20 163	0.16 173	0.20 161	0.16 182	0.20 160	0.17 193	0.21 169	0.16 181	0.27 219	0.24 203	0.19 155	0.16 146	0.19 166	0.16 184	0.26 209	3.08 609

RAFT-FE	0.34 224	0.26 142	0.17 168	0.21 147	0.17 197	0.20 163	0.16 173	0.20 161	0.16 182	0.20 160	0.17 193	0.21 169	0.16 181	0.27 219	0.24 203	0.19 155	0.16 146	0.19 166	0.16 184	0.26 209	3.08 609

IGEV-FE	0.35 233	0.37 171	0.17 168	0.19 134	0.17 197	0.20 163	0.17 186	0.19 155	0.17 195	0.19 154	0.17 193	0.19 158	0.17 193	0.37 263	0.36 291	0.19 155	0.17 169	0.19 166	0.17 204	0.38 275	2.84 600

DAS	0.20 150	0.20 104	0.20 191	0.20 137	0.20 222	0.20 163	0.20 209	0.20 161	0.20 214	0.20 160	0.20 220	0.20 161	0.20 218	0.20 160	0.20 187	0.20 163	0.20 191	0.20 170	0.20 219	0.20 168	0.20 203

ASD4	0.20 150	0.20 104	0.20 191	0.20 137	0.20 222	0.20 163	0.20 209	0.20 161	0.20 214	0.20 160	0.20 220	0.20 161	0.20 218	0.20 160	0.20 187	0.20 163	0.20 191	0.20 170	0.20 219	0.20 168	0.20 203

ACVNet	0.20 150	0.19 100	0.14 127	0.20 137	0.14 158	0.20 163	0.96 469	0.21 170	0.14 158	0.20 160	0.13 157	0.21 169	0.14 159	0.20 160	0.14 152	0.17 143	0.12 113	0.17 153	0.12 147	0.17 152	0.12 145

acv_ft	0.20 150	0.19 100	0.14 127	0.20 137	0.14 158	0.20 163	0.96 469	0.21 170	0.14 158	0.20 160	0.13 157	0.21 169	0.14 159	0.20 160	0.14 152	0.17 143	0.12 113	0.17 153	0.12 147	0.17 152	0.12 145

PSMNet-RSSM	0.77 400	2.76 525	0.14 127	0.20 137	0.14 158	0.20 163	2.66 599	2.79 589	0.14 158	0.21 172	0.14 162	0.21 169	0.14 159	0.20 160	0.14 152	0.17 143	0.12 113	0.17 153	0.12 147	2.52 567	2.31 592

GwcNet-RSSM	0.77 400	2.77 527	0.14 127	0.20 137	0.14 158	0.20 163	2.67 600	2.78 588	0.14 158	0.20 160	0.14 162	0.20 161	0.14 159	0.21 171	0.14 152	0.17 143	0.12 113	0.17 153	0.12 147	2.52 567	2.31 592

CFNet-ft	0.55 356	1.57 442	0.14 127	0.20 137	0.14 158	0.20 163	2.53 598	1.61 530	0.14 158	0.20 160	0.14 162	0.20 161	0.14 159	0.20 160	0.14 152	0.17 143	0.12 113	0.17 153	0.12 147	1.56 523	1.24 540

LALA_ROB	0.15 125	0.19 100	0.12 102	0.18 131	0.11 137	0.20 163	0.12 148	0.21 170	0.12 153	0.20 160	0.12 145	0.20 161	0.12 150	0.21 171	0.13 148	0.17 143	0.10 75	0.18 163	0.11 130	0.18 156	0.11 128

oiu110	0.19 143	0.22 114	0.14 127	0.21 147	0.14 158	0.21 174	0.14 153	0.21 170	0.14 158	0.23 178	0.14 162	0.21 169	0.14 159	0.21 171	0.48 355	0.19 155	0.16 146	0.22 178	0.13 155	0.19 162	0.13 151

dddd17k	0.19 143	0.22 114	0.14 127	0.21 147	0.14 158	0.21 174	0.14 153	0.21 170	0.14 158	0.23 178	0.14 162	0.21 169	0.14 159	0.21 171	0.48 355	0.19 155	0.16 146	0.22 178	0.13 155	0.19 162	0.13 151

ITERv10	0.19 143	0.22 114	0.14 127	0.21 147	0.14 158	0.21 174	0.14 153	0.21 170	0.14 158	0.23 178	0.14 162	0.21 169	0.14 159	0.21 171	0.48 355	0.19 155	0.16 146	0.22 178	0.13 155	0.19 162	0.13 151

ITERv8	0.19 143	0.22 114	0.14 127	0.21 147	0.14 158	0.21 174	0.14 153	0.21 170	0.14 158	0.23 178	0.14 162	0.21 169	0.14 159	0.21 171	0.48 355	0.19 155	0.16 146	0.22 178	0.13 155	0.19 162	0.13 151

ITERv4	0.19 143	0.22 114	0.14 127	0.21 147	0.14 158	0.21 174	0.14 153	0.21 170	0.14 158	0.23 178	0.14 162	0.21 169	0.14 159	0.21 171	0.48 355	0.19 155	0.16 146	0.22 178	0.13 155	0.19 162	0.13 151

hitnet-ft	0.79 404	2.78 530	0.14 127	0.20 137	0.14 158	0.21 174	2.89 602	2.80 590	0.14 158	0.20 160	0.14 162	0.20 161	0.14 159	0.20 160	0.14 152	0.17 143	0.12 113	0.17 153	0.12 147	2.54 575	2.33 594

GANet-RSSM	0.75 395	1.91 464	0.14 127	0.47 306	0.14 158	0.21 174	3.21 618	2.30 562	0.14 158	0.46 335	0.14 162	0.23 193	0.18 201	0.21 171	0.14 152	0.18 151	0.27 225	0.37 283	0.13 155	2.13 545	2.12 587

ITERv28	0.20 150	0.24 127	0.15 148	0.22 155	0.15 174	0.22 181	0.15 163	0.22 179	0.15 173	0.24 188	0.15 175	0.22 182	0.15 174	0.22 180	0.50 363	0.21 168	0.17 169	0.24 197	0.14 166	0.20 168	0.14 161

ITERv24	0.20 150	0.24 127	0.15 148	0.22 155	0.15 174	0.22 181	0.15 163	0.22 179	0.15 173	0.24 188	0.15 175	0.22 182	0.15 174	0.22 180	0.50 363	0.21 168	0.17 169	0.24 197	0.14 166	0.20 168	0.14 161

dd23bbn	0.20 150	0.24 127	0.15 148	0.22 155	0.15 174	0.22 181	0.15 163	0.22 179	0.15 173	0.24 188	0.15 175	0.22 182	0.15 174	0.22 180	0.50 363	0.21 168	0.17 169	0.24 197	0.14 166	0.20 168	0.14 161

ITERv21	0.20 150	0.24 127	0.15 148	0.22 155	0.15 174	0.22 181	0.15 163	0.22 179	0.15 173	0.24 188	0.15 175	0.22 182	0.15 174	0.22 180	0.50 363	0.21 168	0.17 169	0.24 197	0.14 166	0.20 168	0.14 161

zxcv128	0.20 150	0.24 127	0.15 148	0.22 155	0.15 174	0.22 181	0.15 163	0.22 179	0.15 173	0.24 188	0.15 175	0.22 182	0.15 174	0.22 180	0.50 363	0.21 168	0.17 169	0.24 197	0.14 166	0.20 168	0.14 161

ITERv12	0.20 150	0.24 127	0.15 148	0.22 155	0.15 174	0.22 181	0.15 163	0.22 179	0.15 173	0.24 188	0.15 175	0.22 182	0.15 174	0.22 180	0.50 363	0.21 168	0.17 169	0.24 197	0.14 166	0.20 168	0.14 161

s6wercc	0.20 150	0.24 127	0.15 148	0.22 155	0.15 174	0.22 181	0.15 163	0.22 179	0.15 173	0.24 188	0.15 175	0.22 182	0.15 174	0.22 180	0.50 363	0.21 168	0.17 169	0.24 197	0.14 166	0.20 168	0.14 161

WAO-6	0.22 168	0.23 120	0.22 197	0.23 164	0.22 231	0.22 181	0.22 220	0.22 179	0.22 221	0.22 174	0.22 227	0.22 182	0.22 225	0.22 180	0.22 193	0.22 178	0.22 207	0.22 178	0.22 224	0.22 181	0.22 209

IMH-64-1	0.22 168	0.23 120	0.23 200	0.22 155	0.22 231	0.22 181	0.22 220	0.22 179	0.22 221	0.22 174	0.22 227	0.22 182	0.22 225	0.22 180	0.22 193	0.22 178	0.22 207	0.23 189	0.22 224	0.22 181	0.23 211

IMH-64	0.22 168	0.23 120	0.23 200	0.22 155	0.22 231	0.22 181	0.22 220	0.22 179	0.22 221	0.22 174	0.22 227	0.22 182	0.22 225	0.22 180	0.22 193	0.22 178	0.22 207	0.23 189	0.22 224	0.22 181	0.23 211

IGEV_Zeroshot_test	0.20 150	0.19 100	0.40 304	0.30 200	0.17 197	0.22 181	0.17 186	0.21 170	0.17 195	0.20 160	0.17 193	0.21 169	0.18 201	0.21 171	0.17 172	0.20 163	0.16 146	0.20 170	0.16 184	0.20 168	0.17 187

MSKI-zero shot	0.24 179	0.21 110	0.49 349	0.65 360	0.18 207	0.22 181	0.17 186	0.23 190	0.18 198	0.21 172	0.17 193	0.23 193	0.28 262	0.23 191	0.18 181	0.21 168	0.16 146	0.21 173	0.16 184	0.21 179	0.16 175

MIM_Stereo	0.25 188	0.23 120	0.66 392	0.80 382	0.17 197	0.22 181	0.17 186	0.23 190	0.18 198	0.26 207	0.17 193	0.21 169	0.17 193	0.25 205	0.17 172	0.23 194	0.16 146	0.21 173	0.17 204	0.22 181	0.17 187

dd	0.23 177	0.98 332	0.16 156	0.23 164	0.15 174	0.23 194	0.15 163	0.23 190	0.15 173	0.23 178	0.15 175	0.24 197	0.17 193	0.23 191	0.15 162	0.22 178	0.15 144	0.21 173	0.15 177	0.22 181	0.16 175

hj116sk	0.22 168	0.25 136	0.16 156	0.24 169	0.16 188	0.24 195	0.16 173	0.24 193	0.16 182	0.26 207	0.16 183	0.24 197	0.16 181	0.24 195	0.52 377	0.22 178	0.18 183	0.25 205	0.15 177	0.22 181	0.15 169

iked130	0.22 168	0.25 136	0.16 156	0.24 169	0.16 188	0.24 195	0.16 173	0.24 193	0.16 182	0.26 207	0.16 183	0.24 197	0.16 181	0.24 195	0.52 377	0.22 178	0.18 183	0.25 205	0.15 177	0.22 181	0.15 169

vnu138km	0.22 168	0.25 136	0.16 156	0.24 169	0.16 188	0.24 195	0.16 173	0.24 193	0.16 182	0.26 207	0.16 183	0.24 197	0.16 181	0.24 195	0.52 377	0.22 178	0.18 183	0.25 205	0.15 177	0.22 181	0.15 169

99wein	0.22 168	0.25 136	0.16 156	0.24 169	0.16 188	0.24 195	0.16 173	0.24 193	0.16 182	0.26 207	0.16 183	0.24 197	0.16 181	0.24 195	0.52 377	0.22 178	0.18 183	0.25 205	0.15 177	0.22 181	0.15 169

a5sdf	0.22 168	0.25 136	0.16 156	0.24 169	0.16 188	0.24 195	0.16 173	0.24 193	0.16 182	0.26 207	0.16 183	0.24 197	0.16 181	0.24 195	0.52 377	0.22 178	0.18 183	0.25 205	0.15 177	0.22 181	0.15 169

tg	0.21 164	0.25 136	0.21 195	0.26 186	0.17 197	0.24 195	0.17 186	0.24 193	0.17 195	0.24 188	0.17 193	0.24 197	0.17 193	0.24 195	0.17 172	0.24 199	0.17 169	0.23 189	0.16 184	0.23 195	0.16 175

ACV-stereo	0.30 204	2.08 474	0.25 210	0.25 179	0.18 207	0.24 195	0.17 186	0.24 193	0.18 198	0.24 188	0.17 193	0.25 207	0.17 193	0.24 195	0.17 172	0.22 178	0.16 146	0.22 178	0.16 184	0.22 181	0.16 175

Pointernet	0.21 164	0.22 114	0.19 188	0.24 169	0.19 219	0.24 195	0.19 205	0.24 193	0.19 212	0.24 188	0.19 216	0.24 197	0.19 214	0.24 195	0.19 184	0.22 178	0.17 169	0.22 178	0.17 204	0.22 181	0.17 187

CASnet	0.35 233	0.51 261	0.44 321	0.32 208	0.31 301	0.24 195	0.34 324	0.36 248	0.25 235	0.31 233	0.37 349	0.30 237	0.33 322	0.25 205	0.45 338	0.37 260	0.37 305	0.33 251	0.35 349	0.34 240	0.37 333
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
dad	0.23 177	1.03 348	0.16 156	0.23 164	0.15 174	0.24 195	0.15 163	0.24 193	0.16 182	0.23 178	0.16 183	0.24 197	0.16 181	0.23 191	0.15 162	0.22 178	0.16 146	0.22 178	0.16 184	0.22 181	0.16 175

iResNetv2_ROB	0.20 150	0.23 120	0.18 177	0.24 169	0.20 222	0.24 195	0.18 193	0.24 193	0.18 198	0.24 188	0.18 206	0.23 193	0.19 214	0.24 195	0.18 181	0.21 168	0.16 146	0.21 173	0.16 184	0.22 181	0.16 175

iResNet	0.20 150	0.23 120	0.18 177	0.24 169	0.18 207	0.24 195	0.20 209	0.24 193	0.18 198	0.23 178	0.17 193	0.23 193	0.18 201	0.23 191	0.18 181	0.22 178	0.16 146	0.21 173	0.16 184	0.21 179	0.16 175

VIP-Stereo	0.70 383	2.97 534	2.43 593	2.49 540	0.16 188	0.25 207	0.16 173	0.25 204	0.16 182	0.25 199	0.18 206	0.25 207	0.16 181	0.26 215	0.16 168	1.86 536	1.26 519	0.23 189	0.15 177	0.23 195	0.15 169

UNDER WATER-64	0.25 188	0.26 142	0.25 210	0.26 186	0.25 244	0.25 207	0.25 236	0.25 204	0.25 235	0.25 199	0.25 244	0.25 207	0.25 238	0.26 215	0.25 211	0.25 213	0.25 215	0.25 205	0.25 243	0.25 207	0.25 222

LoS	0.25 188	0.27 145	0.25 210	0.25 179	0.25 244	0.25 207	0.25 236	0.26 209	0.25 235	0.25 199	0.25 244	0.25 207	0.25 238	0.25 205	0.25 211	0.26 215	0.25 215	0.25 205	0.26 249	0.26 209	0.25 222
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
MMNet	0.44 314	1.24 426	0.17 168	0.25 179	0.17 197	0.25 207	0.18 193	1.26 517	0.93 470	0.25 199	0.17 193	0.25 207	0.18 201	0.25 205	0.17 172	0.23 194	0.16 146	0.23 189	0.16 184	1.20 463	0.99 465

delet	0.43 309	1.21 418	0.17 168	0.25 179	0.17 197	0.25 207	0.18 193	1.26 517	0.95 472	0.25 199	0.17 193	0.25 207	0.17 193	0.25 205	0.17 172	0.23 194	0.16 146	0.22 178	0.16 184	1.18 460	0.98 464

psm_up	0.43 309	1.19 371	0.17 168	0.25 179	0.18 207	0.25 207	0.19 205	1.26 517	0.91 465	0.26 207	0.17 193	0.25 207	0.17 193	0.25 205	0.17 172	0.22 178	0.17 169	0.23 189	0.16 184	1.18 460	0.99 465

UPFNet	0.42 308	1.20 372	0.17 168	0.24 169	0.17 197	0.25 207	0.17 186	1.19 465	0.90 463	0.25 199	0.17 193	0.24 197	0.17 193	0.25 205	0.17 172	0.22 178	0.17 169	0.22 178	0.16 184	1.15 452	0.93 460

AANet_RVC	1.26 513	0.31 162	4.99 622	5.93 612	0.20 222	0.25 207	0.20 209	0.25 204	0.20 214	0.23 178	0.19 216	0.25 207	0.20 218	0.25 205	0.20 187	5.66 622	4.76 615	0.26 215	0.30 291	0.24 197	0.27 236

Select-FE	0.41 297	0.44 208	0.23 200	0.26 186	0.22 231	0.26 215	0.22 220	0.26 209	0.23 227	0.26 207	0.23 231	0.26 217	0.23 231	0.45 340	0.42 333	0.25 213	0.22 207	0.25 205	0.22 224	0.45 338	2.90 601

LoS_RVC	0.30 204	1.14 362	0.25 210	0.25 179	0.25 244	0.26 215	0.25 236	0.25 204	0.25 235	0.25 199	0.25 244	0.26 217	0.26 247	0.26 215	0.25 211	0.26 215	0.26 218	0.25 205	0.25 243	0.26 209	0.26 228

CAS	0.30 204	1.17 368	0.25 210	0.25 179	0.25 244	0.26 215	0.25 236	0.25 204	0.26 248	0.25 199	0.25 244	0.25 207	0.25 238	0.25 205	0.25 211	0.26 215	0.26 218	0.26 215	0.25 243	0.26 209	0.25 222

ac_64	0.22 168	0.13 82	0.19 188	0.23 164	0.10 121	0.26 215	1.02 477	0.14 129	0.10 119	0.28 216	0.14 162	0.17 150	0.19 214	0.28 231	0.09 109	0.22 178	0.16 146	0.23 189	0.17 204	0.11 123	0.12 145

ITERv30	0.24 179	0.28 148	0.18 177	0.27 189	0.18 207	0.27 219	0.18 193	0.27 213	0.18 198	0.28 216	0.18 206	0.27 219	0.18 201	0.27 219	0.53 385	0.24 199	0.20 191	0.27 219	0.17 204	0.24 197	0.17 187

qyd29nn	0.24 179	0.28 148	0.18 177	0.27 189	0.18 207	0.27 219	0.18 193	0.27 213	0.18 198	0.28 216	0.18 206	0.27 219	0.18 201	0.27 219	0.53 385	0.24 199	0.20 191	0.27 219	0.17 204	0.24 197	0.17 187

yuret106	0.24 179	0.28 148	0.18 177	0.27 189	0.18 207	0.27 219	0.18 193	0.27 213	0.18 198	0.28 216	0.18 206	0.27 219	0.18 201	0.27 219	0.53 385	0.24 199	0.20 191	0.27 219	0.17 204	0.24 197	0.17 187

uio108cc	0.24 179	0.28 148	0.18 177	0.27 189	0.18 207	0.27 219	0.18 193	0.27 213	0.18 198	0.28 216	0.18 206	0.27 219	0.18 201	0.27 219	0.53 385	0.24 199	0.20 191	0.27 219	0.17 204	0.24 197	0.17 187

v20iiwwt	0.24 179	0.28 148	0.18 177	0.27 189	0.18 207	0.27 219	0.18 193	0.27 213	0.18 198	0.28 216	0.18 206	0.27 219	0.18 201	0.27 219	0.53 385	0.24 199	0.20 191	0.27 219	0.17 204	0.24 197	0.17 187

ITERv14	0.24 179	0.28 148	0.18 177	0.27 189	0.18 207	0.27 219	0.18 193	0.27 213	0.18 198	0.28 216	0.18 206	0.27 219	0.18 201	0.27 219	0.53 385	0.24 199	0.20 191	0.27 219	0.17 204	0.24 197	0.17 187

v134_o9	0.24 179	0.28 148	0.18 177	0.27 189	0.18 207	0.27 219	0.18 193	0.27 213	0.18 198	0.28 216	0.18 206	0.27 219	0.18 201	0.27 219	0.53 385	0.24 199	0.20 191	0.27 219	0.17 204	0.24 197	0.17 187

ITERv7	0.24 179	0.28 148	0.18 177	0.27 189	0.18 207	0.27 219	0.18 193	0.27 213	0.18 198	0.28 216	0.18 206	0.27 219	0.18 201	0.27 219	0.53 385	0.24 199	0.20 191	0.27 219	0.17 204	0.24 197	0.17 187

GEStereo_RVC	0.86 426	4.45 569	0.20 191	0.27 189	0.20 222	0.27 219	0.20 209	0.26 209	0.18 198	5.03 624	0.20 220	0.27 219	0.19 214	0.27 219	0.21 191	0.20 163	0.19 189	0.19 166	4.02 628	0.20 168	0.18 199

DLNR-FE	0.28 198	0.89 313	0.30 229	0.34 214	0.19 219	0.28 228	0.19 205	0.28 221	0.20 214	0.28 216	0.20 220	0.28 228	0.20 218	0.28 231	0.20 187	0.33 238	0.28 231	0.25 205	0.19 218	0.24 197	0.19 201

SQANet	0.28 198	0.28 148	0.28 221	0.28 198	0.28 259	0.28 228	0.28 255	0.28 221	0.28 257	0.28 216	0.28 262	0.28 228	0.28 262	0.28 231	0.28 227	0.28 220	0.28 231	0.28 229	0.28 263	0.28 216	0.28 249

CFNet	1.37 518	5.27 582	0.19 188	5.49 609	0.19 219	0.28 228	0.19 205	0.28 221	0.19 212	0.28 216	0.19 216	0.28 228	4.35 622	0.28 231	0.19 184	0.23 194	0.17 169	0.23 189	4.21 630	4.81 607	0.17 187

HCRNet	1.22 511	7.11 599	3.00 596	3.55 577	0.33 325	0.29 231	0.14 153	0.19 155	0.15 173	0.33 243	0.29 267	0.25 207	0.14 159	0.22 180	0.33 270	3.64 593	3.00 590	0.76 433	0.32 325	0.18 156	0.13 151

MultiAttention	0.30 204	0.30 159	0.30 229	0.30 200	0.30 279	0.30 232	0.30 269	0.30 228	0.30 275	0.30 229	0.30 279	0.30 237	0.30 277	0.30 237	0.30 244	0.30 228	0.30 257	0.30 236	0.30 291	0.30 222	0.30 266

MSAF-DinoV2	0.30 204	0.30 159	0.30 229	0.30 200	0.30 279	0.30 232	0.30 269	0.30 228	0.30 275	0.30 229	0.30 279	0.30 237	0.30 277	0.30 237	0.30 244	0.30 228	0.30 257	0.30 236	0.30 291	0.30 222	0.30 266

DLNR_Zeroshot_test	0.31 211	0.28 148	0.47 334	0.79 379	0.24 242	0.30 232	0.26 244	0.30 228	0.24 230	0.32 238	0.23 231	0.31 241	0.24 235	0.30 237	0.23 199	0.29 227	0.26 218	0.29 234	0.24 238	0.33 236	0.23 211

ssnet_v2	0.68 378	1.96 471	1.25 520	0.29 199	0.20 222	0.30 232	0.20 209	0.29 226	0.22 221	1.50 532	0.20 220	0.31 241	0.20 218	0.27 219	0.22 193	0.24 199	1.49 542	0.26 215	0.18 217	3.90 585	0.19 201

DANet	0.30 204	0.30 159	0.30 229	0.30 200	0.30 279	0.30 232	0.30 269	0.30 228	0.30 275	0.30 229	0.30 279	0.30 237	0.30 277	0.30 237	0.30 244	0.30 228	0.30 257	0.30 236	0.30 291	0.30 222	0.30 266
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
DEFOM-Stereo	0.68 378	3.11 537	1.40 538	1.63 509	0.25 244	0.31 237	0.25 236	0.31 232	0.28 257	0.31 233	0.29 267	0.29 234	0.27 255	0.31 241	0.28 227	1.59 528	1.47 541	0.30 236	0.29 278	0.30 222	0.28 249

tt1	0.31 211	0.93 325	0.24 207	0.33 212	0.23 237	0.31 237	0.24 233	0.32 233	0.24 230	0.32 238	0.23 231	0.32 243	0.25 238	0.32 242	0.24 203	0.27 218	0.26 218	0.27 219	0.26 249	0.27 214	0.27 236

xxxxx1	0.31 211	0.91 318	0.23 200	0.31 205	0.23 237	0.31 237	0.23 228	0.33 236	0.25 235	0.31 233	0.24 238	0.33 246	0.25 238	0.32 242	0.24 203	0.28 220	0.28 231	0.28 229	0.28 263	0.29 219	0.27 236

tt_ll	0.31 211	0.91 318	0.23 200	0.31 205	0.23 237	0.31 237	0.23 228	0.33 236	0.25 235	0.31 233	0.24 238	0.33 246	0.25 238	0.32 242	0.24 203	0.28 220	0.28 231	0.28 229	0.28 263	0.29 219	0.27 236

gwcnet-sp	0.82 416	1.72 448	1.48 542	0.39 232	0.15 174	0.31 237	0.21 215	0.20 161	0.25 235	1.61 536	0.23 231	0.28 228	0.26 247	0.20 160	0.15 162	0.24 199	1.33 527	0.32 243	0.16 184	6.75 623	0.23 211

scenet	0.82 416	1.72 448	1.48 542	0.39 232	0.15 174	0.31 237	0.21 215	0.20 161	0.25 235	1.61 536	0.23 231	0.28 228	0.26 247	0.20 160	0.15 162	0.24 199	1.33 527	0.32 243	0.16 184	6.75 623	0.23 211

ssnet	0.82 416	1.72 448	1.48 542	0.39 232	0.15 174	0.31 237	0.21 215	0.20 161	0.25 235	1.61 536	0.23 231	0.28 228	0.26 247	0.20 160	0.15 162	0.24 199	1.33 527	0.32 243	0.16 184	6.75 623	0.23 211

ff	0.31 211	0.91 318	0.23 200	0.31 205	0.23 237	0.31 237	0.23 228	0.33 236	0.25 235	0.31 233	0.24 238	0.33 246	0.25 238	0.32 242	0.24 203	0.28 220	0.28 231	0.28 229	0.28 263	0.29 219	0.27 236

WCG-NET（raft）	0.32 219	1.24 426	0.24 207	0.32 208	0.24 242	0.32 245	0.23 228	0.32 233	0.24 230	0.32 238	0.24 238	0.32 243	0.24 235	0.32 242	0.24 203	0.30 228	0.23 212	0.30 236	0.23 230	0.30 222	0.23 211

iResNet_ROB	0.28 198	0.32 163	0.24 207	0.32 208	0.25 244	0.32 245	0.24 233	0.32 233	0.24 230	0.33 243	0.24 238	0.35 253	0.24 235	0.33 248	0.24 203	0.31 233	0.24 214	0.32 243	0.24 238	0.32 229	0.24 221

gcap-zeroshot	0.35 233	0.32 163	0.37 289	0.49 317	0.39 364	0.33 247	0.21 215	0.26 209	0.35 331	0.42 302	0.34 329	0.49 365	0.29 269	0.47 349	0.39 314	0.34 242	0.17 169	0.38 291	0.23 230	0.48 357	0.34 317

testlalala	0.32 219	0.81 300	0.31 243	0.39 232	0.26 252	0.33 247	0.24 233	0.33 236	0.26 248	0.32 238	0.26 250	0.33 246	0.23 231	0.33 248	0.23 199	0.35 251	0.31 265	0.30 236	0.24 238	0.31 227	0.21 206

FE-Mocha	0.35 233	0.71 287	0.40 304	0.47 306	0.27 254	0.34 249	0.27 247	0.34 240	0.26 248	0.34 245	0.26 250	0.34 251	0.27 255	0.34 250	0.27 217	0.44 333	0.41 330	0.33 251	0.29 278	0.32 229	0.29 254

GCAP-BAT	0.33 222	0.78 294	0.32 259	0.38 226	0.25 244	0.34 249	0.25 236	0.34 240	0.26 248	0.34 245	0.25 244	0.35 253	0.26 247	0.35 253	0.27 217	0.36 256	0.30 257	0.32 243	0.24 238	0.32 229	0.26 228

H2IRNET	0.34 224	0.34 165	0.34 275	0.34 214	0.34 335	0.34 249	0.34 324	0.34 240	0.34 328	0.34 245	0.34 329	0.34 251	0.34 327	0.34 250	0.34 283	0.34 242	0.34 292	0.34 259	0.34 337	0.34 240	0.34 317

EKT-Stereo	0.37 245	0.40 183	0.44 321	1.07 420	0.29 268	0.34 249	0.31 285	0.36 248	0.29 263	0.38 259	0.31 291	0.37 265	0.30 277	0.36 259	0.29 237	0.34 242	0.28 231	0.39 302	0.30 291	0.37 263	0.30 266

DN-CSS_ROB	0.31 211	0.35 166	0.28 221	0.35 216	0.28 259	0.34 249	0.27 247	0.34 240	0.25 235	0.35 250	0.27 255	0.36 259	0.26 247	0.34 250	0.28 227	0.35 251	0.28 231	0.34 259	0.28 263	0.34 240	0.27 236

FENet	0.54 352	1.52 441	1.19 466	1.41 498	0.23 237	0.35 254	0.23 228	0.35 244	0.23 227	0.34 245	0.23 231	0.35 253	0.23 231	0.35 253	0.23 199	1.40 518	1.07 450	0.32 243	0.23 230	0.33 236	0.23 211

MLCV	0.31 211	0.35 166	0.27 217	0.35 216	0.28 259	0.35 254	0.27 247	0.35 244	0.28 257	0.36 253	0.27 255	0.35 253	0.27 255	0.35 253	0.27 217	0.34 242	0.27 225	0.34 259	0.27 257	0.34 240	0.27 236

ETE_ROB	0.35 233	0.35 166	0.35 283	0.35 216	0.35 338	0.35 254	0.35 329	0.35 244	0.35 331	0.35 250	0.35 338	0.35 253	0.35 334	0.35 253	0.35 287	0.35 251	0.35 300	0.35 275	0.35 349	0.35 252	0.35 326

MyStereo07	0.60 360	3.72 552	0.48 342	0.49 317	0.41 374	0.36 257	0.32 300	0.49 355	0.43 379	0.51 381	0.42 382	0.49 365	0.43 375	0.51 380	0.64 406	0.49 352	0.45 351	0.34 259	0.32 325	0.35 252	0.43 364

MyStereo04	0.56 358	3.72 552	0.59 377	0.49 317	0.41 374	0.36 257	0.32 300	0.37 254	0.31 294	0.34 245	0.46 392	0.35 253	0.32 314	0.35 253	0.33 270	0.49 352	0.45 351	0.34 259	0.32 325	0.35 252	0.43 364

Any-RAFT	0.32 219	0.36 169	0.27 217	0.36 220	0.27 254	0.36 257	0.27 247	0.36 248	0.27 254	0.36 253	0.27 255	0.36 259	0.27 255	0.36 259	0.28 227	0.36 256	0.28 231	0.36 280	0.28 263	0.36 259	0.28 249

HGLStereo	0.28 198	0.29 158	0.22 197	0.36 220	0.22 231	0.36 257	0.21 215	0.36 248	0.21 218	0.42 302	0.21 226	0.36 259	0.22 225	0.36 259	0.21 191	0.34 242	0.21 203	0.34 259	0.21 221	0.34 240	0.21 206

DMCA	0.36 239	0.38 175	0.37 289	0.35 216	0.35 338	0.36 257	0.36 336	0.36 248	0.35 331	0.35 250	0.37 349	0.36 259	0.36 337	0.35 253	0.36 291	0.36 256	0.36 303	0.35 275	0.36 355	0.36 259	0.36 329

Monster-pub-eth3d	0.45 317	0.57 274	0.60 379	0.39 232	0.28 259	0.37 262	0.28 255	0.37 254	0.30 275	0.39 265	0.29 267	0.39 272	0.30 277	0.92 446	0.27 217	1.42 519	0.28 231	0.34 259	0.28 263	0.37 263	0.53 399

Monster-pub-mixall	0.44 314	0.56 273	0.60 379	0.38 226	0.27 254	0.37 262	0.27 247	0.37 254	0.29 263	0.38 259	0.27 255	0.38 267	0.29 269	0.85 436	0.27 217	1.46 522	0.26 218	0.34 259	0.26 249	0.36 259	0.53 399

Replicate-Monster	0.45 317	0.57 274	0.60 379	0.40 246	0.29 268	0.37 262	0.27 247	0.37 254	0.30 275	0.40 271	0.31 291	0.40 280	0.30 277	0.99 454	0.27 217	1.36 515	0.31 265	0.34 259	0.30 291	0.36 259	0.54 402

model_zeroshot	0.27 197	0.20 104	0.27 217	0.33 212	0.21 229	0.37 262	0.22 220	0.37 254	0.24 230	0.26 207	0.27 255	0.33 246	0.21 224	0.25 205	0.27 217	0.32 234	0.20 191	0.34 259	0.23 230	0.25 207	0.26 228

Venus	0.38 251	0.38 175	0.38 292	0.38 226	0.38 355	0.37 262	0.38 348	0.37 254	0.37 344	0.41 285	0.37 349	0.39 272	0.37 342	0.38 266	0.38 303	0.37 260	0.38 311	0.38 291	0.37 357	0.37 263	0.38 340

IGEV-Stereo	0.35 233	0.44 208	0.45 323	0.49 317	0.30 279	0.37 262	0.30 269	0.36 248	0.30 275	0.36 253	0.29 267	0.36 259	0.29 269	0.36 259	0.30 244	0.46 340	0.39 318	0.32 243	0.24 238	0.32 229	0.25 222
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
XPNet_ROB	0.37 245	0.37 171	0.37 289	0.37 223	0.37 348	0.37 262	0.37 342	0.37 254	0.37 344	0.37 258	0.37 349	0.37 265	0.37 342	0.37 263	0.37 300	0.37 260	0.37 305	0.37 283	0.37 357	0.37 263	0.37 333

WAO-8	0.38 251	0.38 175	0.38 292	0.38 226	0.38 355	0.38 269	0.38 348	0.38 262	0.38 348	0.38 259	0.38 354	0.38 267	0.38 346	0.38 266	0.38 303	0.38 269	0.38 311	0.38 291	0.37 357	0.38 275	0.38 340

WAO-7	0.38 251	0.38 175	0.38 292	0.38 226	0.38 355	0.38 269	0.38 348	0.38 262	0.38 348	0.38 259	0.38 354	0.38 267	0.38 346	0.38 266	0.38 303	0.38 269	0.38 311	0.38 291	0.38 370	0.38 275	0.38 340

HanzoNet	0.39 271	0.38 175	0.40 304	0.39 232	0.41 374	0.38 269	0.38 348	0.38 262	0.38 348	0.39 265	0.39 363	0.38 267	0.38 346	0.39 274	0.40 318	0.38 269	0.38 311	0.40 307	0.38 370	0.38 275	0.40 349

IMH	0.38 251	0.38 175	0.38 292	0.38 226	0.38 355	0.38 269	0.38 348	0.38 262	0.38 348	0.42 302	0.38 354	0.40 280	0.38 346	0.38 266	0.38 303	0.38 269	0.38 311	0.39 302	0.38 370	0.38 275	0.38 340

iRaft-Stereo_5w	0.34 224	0.42 198	0.31 243	0.39 232	0.30 279	0.38 269	0.30 269	0.40 271	0.29 263	0.40 271	0.37 349	0.41 293	0.34 327	0.38 266	0.30 244	0.34 242	0.27 225	0.34 259	0.26 249	0.34 240	0.26 228

RAFT + AFF	0.31 211	0.45 226	0.34 275	0.39 232	0.28 259	0.38 269	0.33 313	0.29 226	0.31 294	0.30 229	0.30 279	0.29 234	0.27 255	0.29 235	0.30 244	0.28 220	0.29 244	0.29 234	0.29 278	0.27 214	0.32 296

LG-Stereo_L2	0.34 224	0.37 171	0.38 292	0.47 306	0.28 259	0.39 275	0.28 255	0.39 266	0.28 257	0.39 265	0.28 262	0.39 272	0.28 262	0.38 266	0.28 227	0.42 331	0.35 300	0.36 280	0.26 249	0.35 252	0.26 228

DISCO	1.11 460	0.39 181	5.28 624	0.39 232	0.20 222	0.39 275	0.27 247	0.39 266	0.22 221	0.38 259	0.20 220	0.38 267	0.20 218	6.95 635	0.22 193	0.30 228	0.21 203	0.27 219	0.21 221	5.25 616	0.21 206

DCVSM-stereo	0.36 239	1.89 461	0.22 197	0.40 246	0.22 231	0.40 277	0.22 220	0.40 271	0.22 221	0.40 271	0.22 227	0.40 280	0.22 225	0.40 277	0.22 193	0.28 220	0.21 203	0.28 229	0.21 221	0.28 216	0.20 203

IGEV++	0.34 224	0.43 202	0.30 229	0.40 246	0.29 268	0.40 277	0.29 264	0.40 271	0.29 263	0.40 271	0.29 267	0.40 280	0.29 269	0.40 277	0.30 244	0.38 269	0.29 244	0.37 283	0.29 278	0.37 263	0.29 254

ACVNet-DCA	0.37 245	1.00 336	0.30 229	0.40 246	0.29 268	0.40 277	0.29 264	0.40 271	0.29 263	0.40 271	0.29 267	0.40 280	0.29 269	0.39 274	0.28 227	0.33 238	0.32 269	0.33 251	0.32 325	0.33 236	0.32 296

1test111	0.37 245	1.02 346	0.30 229	0.39 232	0.29 268	0.40 277	0.28 255	0.39 266	0.29 263	0.39 265	0.29 267	0.39 272	0.28 262	0.40 277	0.29 237	0.33 238	0.32 269	0.33 251	0.31 317	0.32 229	0.31 288

cc1	0.37 245	1.02 346	0.30 229	0.39 232	0.29 268	0.40 277	0.28 255	0.39 266	0.29 263	0.39 265	0.29 267	0.39 272	0.28 262	0.40 277	0.29 237	0.33 238	0.32 269	0.33 251	0.31 317	0.32 229	0.31 288

4D-IteraStereo	0.78 403	3.13 538	0.89 428	0.69 365	0.32 312	0.40 277	0.32 300	0.76 415	0.97 475	0.52 384	0.65 436	0.89 445	0.32 314	0.76 422	0.98 471	0.83 421	0.94 442	0.35 275	0.27 257	0.70 398	0.89 456

knoymous	0.40 290	0.40 183	0.40 304	0.40 246	0.40 366	0.40 277	0.40 362	0.40 271	0.40 362	0.40 271	0.40 366	0.40 280	0.40 355	0.40 277	0.40 318	0.40 302	0.40 321	0.40 307	0.40 374	0.40 307	0.40 349

anonymousa	0.40 290	0.40 183	0.40 304	0.40 246	0.40 366	0.40 277	0.40 362	0.40 271	0.40 362	0.40 271	0.40 366	0.40 280	0.40 355	0.40 277	0.40 318	0.40 302	0.40 321	0.40 307	0.40 374	0.40 307	0.40 349

riskmin	0.40 290	0.40 183	0.40 304	0.40 246	0.40 366	0.40 277	0.40 362	0.40 271	0.40 362	0.40 271	0.40 366	0.40 280	0.40 355	0.40 277	0.40 318	0.40 302	0.40 321	0.40 307	0.40 374	0.40 307	0.40 349

Anonymous_2	0.40 290	0.40 183	0.40 304	0.40 246	0.40 366	0.40 277	0.40 362	0.40 271	0.40 362	0.40 271	0.40 366	0.40 280	0.40 355	0.40 277	0.40 318	0.40 302	0.40 321	0.40 307	0.40 374	0.40 307	0.40 349

Anonymous_1	0.40 290	0.40 183	0.40 304	0.40 246	0.40 366	0.40 277	0.40 362	0.40 271	0.40 362	0.40 271	0.40 366	0.40 280	0.40 355	0.40 277	0.40 318	0.40 302	0.40 321	0.40 307	0.40 374	0.40 307	0.40 349

BUS	0.83 420	1.91 464	0.92 442	4.48 587	0.02 21	0.40 277	0.04 82	0.41 286	0.02 21	0.48 354	0.03 52	0.41 293	0.05 95	0.03 39	0.05 89	1.97 546	4.19 612	0.33 251	0.23 230	0.34 240	0.27 236

NINENet	0.69 382	3.87 558	1.20 469	1.98 520	0.05 99	0.40 277	0.04 82	0.40 271	0.05 98	0.41 285	0.04 89	0.41 293	0.05 95	0.40 277	0.05 89	1.79 534	1.56 548	0.34 259	0.22 224	0.34 240	0.23 211

iRaft-Stereo_20w	0.34 224	0.41 191	0.31 243	0.39 232	0.29 268	0.40 277	0.32 300	0.41 286	0.32 312	0.38 259	0.30 279	0.39 272	0.30 277	0.38 266	0.32 261	0.35 251	0.27 225	0.34 259	0.27 257	0.34 240	0.29 254

AdaStereo	0.40 290	0.40 183	0.40 304	0.40 246	0.40 366	0.40 277	0.40 362	0.40 271	0.40 362	0.40 271	0.40 366	0.40 280	0.40 355	0.40 277	0.40 318	0.40 302	0.40 321	0.40 307	0.40 374	0.40 307	0.40 349
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.
StereoDRNet-Refined	0.33 222	0.39 181	0.26 216	0.39 232	0.26 252	0.40 277	0.26 244	0.40 271	0.26 248	0.39 265	0.26 250	0.39 272	0.26 247	0.39 274	0.26 216	0.37 260	0.25 215	0.37 283	0.25 243	0.37 263	0.37 333
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
tim_s	0.39 271	0.44 208	0.90 433	0.41 258	0.30 279	0.41 293	0.30 269	0.44 323	0.30 275	0.41 285	0.31 291	0.42 313	0.30 277	0.41 292	0.31 256	0.41 315	0.30 257	0.41 330	0.29 278	0.40 307	0.32 296

xxxad45	0.39 271	0.44 208	0.90 433	0.41 258	0.30 279	0.41 293	0.31 285	0.44 323	0.30 275	0.43 312	0.30 279	0.43 320	0.31 297	0.41 292	0.31 256	0.40 302	0.29 244	0.41 330	0.30 291	0.40 307	0.32 296

DDF-Stereo	0.43 309	1.15 365	0.57 375	0.53 334	0.32 312	0.41 293	0.32 300	0.41 286	0.32 312	0.41 285	0.32 312	0.41 293	0.32 314	0.40 277	0.32 261	0.52 366	0.50 376	0.38 291	0.31 317	0.39 293	0.31 288

Zero-FE251	0.36 239	0.40 183	0.28 221	0.41 258	0.28 259	0.41 293	0.28 255	0.41 286	0.28 257	0.41 285	0.28 262	0.41 293	0.28 262	0.42 307	0.30 244	0.37 260	0.26 218	0.37 283	0.27 257	0.45 338	0.56 410

HART	0.38 251	0.45 226	0.34 275	0.42 271	0.33 325	0.41 293	0.34 324	0.42 304	0.33 319	0.43 312	0.34 329	0.42 313	0.34 327	0.41 292	0.38 303	0.40 302	0.32 269	0.42 352	0.32 325	0.40 307	0.32 296

GIP-stereo	0.36 239	0.49 249	0.39 299	0.48 311	0.32 312	0.41 293	0.28 255	0.40 271	0.30 275	0.41 285	0.28 262	0.40 280	0.28 262	0.42 307	0.28 227	0.45 336	0.32 269	0.38 291	0.30 291	0.37 263	0.27 236

xx1	0.38 251	1.03 348	0.31 243	0.40 246	0.31 301	0.41 293	0.28 255	0.40 271	0.29 263	0.40 271	0.29 267	0.40 280	0.29 269	0.40 277	0.29 237	0.34 242	0.33 284	0.34 259	0.32 325	0.34 240	0.32 296

RAFT-Test	0.36 239	0.37 171	0.33 265	0.41 258	0.32 312	0.41 293	0.32 300	0.41 286	0.32 312	0.41 285	0.32 312	0.41 293	0.32 314	0.41 292	0.33 270	0.37 260	0.29 244	0.37 283	0.29 278	0.38 275	0.31 288

HH	0.71 387	2.54 508	0.74 410	1.10 422	0.32 312	0.41 293	0.37 342	0.69 409	0.78 453	0.73 421	0.90 465	0.75 427	1.00 461	0.84 432	0.69 420	0.69 398	0.40 321	0.35 275	0.26 249	0.35 252	0.26 228

HanStereo	0.71 387	2.54 508	0.74 410	1.10 422	0.32 312	0.41 293	0.37 342	0.69 409	0.78 453	0.73 421	0.90 465	0.75 427	1.00 461	0.84 432	0.69 420	0.69 398	0.40 321	0.35 275	0.26 249	0.35 252	0.26 228

CRFU-Net	0.65 371	1.67 446	1.22 516	1.96 519	0.27 254	0.41 293	0.27 247	0.41 286	0.27 254	0.40 271	0.26 250	0.41 293	0.27 255	0.40 277	0.27 217	1.80 535	1.62 555	0.34 259	0.23 230	0.33 236	0.23 211

GMOStereo	0.37 245	0.45 226	0.23 200	0.30 200	0.37 348	0.41 293	0.36 336	0.41 286	0.35 331	0.43 312	0.36 342	0.41 293	0.40 355	0.41 292	0.36 291	0.34 242	0.22 207	0.47 378	0.37 357	0.39 293	0.33 309

error version	0.93 438	4.47 570	2.35 590	1.99 521	0.37 348	0.41 293	0.36 336	0.41 286	0.35 331	0.43 312	0.36 342	0.41 293	0.40 355	0.41 292	0.36 291	1.87 538	2.16 583	0.47 378	0.37 357	0.39 293	0.33 309

test_1	0.93 438	4.47 570	2.35 590	1.99 521	0.37 348	0.41 293	0.36 336	0.41 286	0.35 331	0.43 312	0.36 342	0.41 293	0.40 355	0.41 292	0.36 291	1.87 538	2.16 583	0.47 378	0.37 357	0.39 293	0.33 309

GwcNet-ADL	0.41 297	0.41 191	0.41 313	0.41 258	0.41 374	0.41 293	0.41 370	0.41 286	0.41 371	0.41 285	0.41 372	0.41 293	0.41 366	0.41 292	0.41 325	0.41 315	0.41 330	0.41 330	0.41 381	0.41 324	0.41 356

PSMNet-ADL	0.41 297	0.41 191	0.41 313	0.41 258	0.41 374	0.41 293	0.41 370	0.41 286	0.41 371	0.41 285	0.41 372	0.41 293	0.41 366	0.41 292	0.41 325	0.41 315	0.41 330	0.41 330	0.41 381	0.41 324	0.41 356

GANet-ADL	0.41 297	0.41 191	0.41 313	0.41 258	0.41 374	0.41 293	0.41 370	0.41 286	0.41 371	0.41 285	0.41 372	0.41 293	0.41 366	0.41 292	0.41 325	0.41 315	0.41 330	0.41 330	0.41 381	0.41 324	0.41 356

ADLNet2	0.41 297	0.41 191	0.41 313	0.41 258	0.41 374	0.41 293	0.41 370	0.41 286	0.41 371	0.41 285	0.41 372	0.41 293	0.41 366	0.41 292	0.41 325	0.41 315	0.41 330	0.41 330	0.41 381	0.41 324	0.41 356

ADLNet	0.41 297	0.41 191	0.41 313	0.41 258	0.41 374	0.41 293	0.41 370	0.41 286	0.41 371	0.41 285	0.41 372	0.41 293	0.41 366	0.41 292	0.41 325	0.41 315	0.41 330	0.41 330	0.41 381	0.41 324	0.41 356

GES	0.66 373	2.34 498	0.29 225	0.41 258	0.29 268	0.41 293	0.29 264	0.42 304	0.29 263	0.40 271	0.41 372	0.41 293	0.30 277	0.51 380	0.29 237	0.32 234	0.29 244	0.32 243	2.46 601	2.49 563	0.30 266

DGSMNet	0.34 224	0.41 191	0.27 217	0.41 258	0.28 259	0.41 293	0.28 255	0.41 286	0.27 254	0.41 285	0.27 255	0.42 313	0.27 255	0.41 292	0.28 227	0.40 302	0.29 244	0.40 307	0.28 263	0.40 307	0.27 236

Gwc-CoAtRS	0.41 297	1.49 440	0.32 259	0.42 271	0.32 312	0.41 293	0.32 300	0.41 286	0.33 319	0.41 285	0.32 312	0.41 293	0.32 314	0.41 292	0.32 261	0.39 291	0.28 231	0.39 302	0.28 263	0.40 307	0.28 249

4.5w_L	0.39 271	0.43 202	0.89 428	0.42 271	0.29 268	0.42 315	0.30 269	0.43 309	0.30 275	0.42 302	0.31 291	0.41 293	0.31 297	0.43 317	0.31 256	0.40 302	0.28 231	0.41 330	0.28 263	0.39 293	0.33 309

StePilot	0.39 271	0.44 208	0.87 425	0.41 258	0.30 279	0.42 315	0.32 300	0.45 333	0.29 263	0.43 312	0.30 279	0.43 320	0.30 277	0.42 307	0.30 244	0.40 302	0.29 244	0.43 360	0.27 257	0.40 307	0.31 288

SteFusion	0.39 271	0.42 198	0.90 433	0.43 280	0.30 279	0.42 315	0.31 285	0.45 333	0.31 294	0.41 285	0.30 279	0.43 320	0.30 277	0.42 307	0.31 256	0.39 291	0.30 257	0.42 352	0.28 263	0.39 293	0.33 309

PyraSte	0.39 271	0.43 202	0.87 425	0.42 271	0.31 301	0.42 315	0.31 285	0.44 323	0.30 275	0.41 285	0.31 291	0.42 313	0.30 277	0.42 307	0.31 256	0.38 269	0.29 244	0.42 352	0.29 278	0.40 307	0.32 296

ACW_4w	0.39 271	0.42 198	0.88 427	0.42 271	0.30 279	0.42 315	0.30 269	0.45 333	0.31 294	0.42 302	0.31 291	0.42 313	0.30 277	0.42 307	0.30 244	0.40 302	0.28 231	0.42 352	0.28 263	0.40 307	0.32 296

ITER124	0.38 251	0.44 208	0.30 229	0.42 271	0.30 279	0.42 315	0.30 269	0.42 304	0.30 275	0.44 319	0.30 279	0.43 320	0.30 277	0.42 307	0.69 420	0.37 260	0.32 269	0.40 307	0.30 291	0.37 263	0.29 254

LL-Strereo2	0.48 334	1.73 453	0.51 360	0.59 349	0.34 335	0.42 315	0.33 313	0.40 271	0.31 294	0.42 302	0.33 321	0.42 313	0.31 297	0.44 330	0.39 314	0.60 382	0.51 382	0.44 361	0.33 333	0.44 334	0.33 309

BSDual-CNN	0.81 411	1.91 464	0.92 442	4.48 587	0.02 21	0.42 315	0.06 109	0.41 286	0.02 21	0.48 354	0.03 52	0.02 20	0.02 21	0.03 39	0.02 20	1.97 546	4.19 612	0.33 251	0.23 230	0.34 240	0.27 236

hknet	1.10 458	1.85 457	3.49 611	4.48 587	0.02 21	0.42 315	0.06 109	0.41 286	0.02 21	0.48 354	0.03 52	0.41 293	0.03 52	0.42 307	0.03 48	4.39 598	4.19 612	0.33 251	0.23 230	0.34 240	0.27 236

UCFNet_RVC	2.75 592	10.06 620	0.29 225	10.31 636	0.29 268	0.42 315	0.29 264	0.43 309	0.29 263	0.42 302	0.29 267	0.42 313	9.87 639	0.43 317	0.29 237	0.36 256	9.84 638	0.36 280	0.26 249	9.77 637	0.26 228

4k_L	0.38 251	0.44 208	0.30 229	0.43 280	0.31 301	0.43 325	0.30 269	0.43 309	0.30 275	0.45 320	0.31 291	0.43 320	0.30 277	0.43 317	0.69 420	0.38 269	0.32 269	0.40 307	0.30 291	0.38 275	0.30 266

aaa3	0.38 251	0.44 208	0.31 243	0.43 280	0.30 279	0.43 325	0.31 285	0.43 309	0.30 275	0.45 320	0.31 291	0.43 320	0.31 297	0.43 317	0.69 420	0.38 269	0.33 284	0.40 307	0.30 291	0.38 275	0.30 266

gc-stereo	0.38 251	0.44 208	0.30 229	0.43 280	0.30 279	0.43 325	0.31 285	0.43 309	0.31 294	0.45 320	0.31 291	0.43 320	0.30 277	0.43 317	0.69 420	0.38 269	0.32 269	0.41 330	0.30 291	0.38 275	0.30 266

mfccc	0.38 251	0.44 208	0.30 229	0.43 280	0.30 279	0.43 325	0.31 285	0.43 309	0.30 275	0.45 320	0.31 291	0.43 320	0.31 297	0.43 317	0.69 420	0.38 269	0.32 269	0.41 330	0.30 291	0.38 275	0.30 266

ss10	0.38 251	0.44 208	0.31 243	0.43 280	0.30 279	0.43 325	0.30 269	0.43 309	0.30 275	0.45 320	0.31 291	0.43 320	0.31 297	0.43 317	0.69 420	0.38 269	0.33 284	0.40 307	0.30 291	0.38 275	0.30 266

5k_new	0.38 251	0.44 208	0.31 243	0.43 280	0.30 279	0.43 325	0.31 285	0.43 309	0.31 294	0.45 320	0.31 291	0.43 320	0.30 277	0.43 317	0.69 420	0.38 269	0.33 284	0.40 307	0.30 291	0.38 275	0.30 266

SX	0.38 251	0.44 208	0.31 243	0.43 280	0.31 301	0.43 325	0.31 285	0.43 309	0.31 294	0.45 320	0.32 312	0.43 320	0.31 297	0.43 317	0.69 420	0.38 269	0.33 284	0.40 307	0.30 291	0.38 275	0.30 266

USM	0.38 251	0.44 208	0.31 243	0.43 280	0.30 279	0.43 325	0.30 269	0.43 309	0.30 275	0.45 320	0.30 279	0.43 320	0.31 297	0.43 317	0.68 415	0.38 269	0.32 269	0.40 307	0.30 291	0.38 275	0.30 266

weee2	0.38 251	0.44 208	0.31 243	0.43 280	0.30 279	0.43 325	0.31 285	0.43 309	0.31 294	0.45 320	0.31 291	0.43 320	0.31 297	0.43 317	0.69 420	0.38 269	0.33 284	0.40 307	0.30 291	0.38 275	0.30 266

ACM	0.38 251	0.44 208	0.30 229	0.43 280	0.30 279	0.43 325	0.30 269	0.43 309	0.30 275	0.45 320	0.31 291	0.43 320	0.30 277	0.43 317	0.73 443	0.38 269	0.32 269	0.40 307	0.30 291	0.37 263	0.30 266

uiiii_40	0.39 271	0.42 198	0.89 428	0.42 271	0.31 301	0.43 325	0.30 269	0.44 323	0.31 294	0.42 302	0.31 291	0.43 320	0.30 277	0.42 307	0.30 244	0.41 315	0.29 244	0.42 352	0.28 263	0.40 307	0.32 296

5w_v4	0.39 271	0.43 202	0.91 439	0.42 271	0.30 279	0.43 325	0.31 285	0.45 333	0.31 294	0.42 302	0.30 279	0.41 293	0.29 269	0.44 330	0.30 244	0.40 302	0.29 244	0.42 352	0.28 263	0.40 307	0.32 296

ITERv19	0.38 251	0.45 226	0.31 243	0.43 280	0.30 279	0.43 325	0.30 269	0.43 309	0.31 294	0.45 320	0.30 279	0.43 320	0.31 297	0.42 307	0.69 420	0.38 269	0.32 269	0.40 307	0.30 291	0.38 275	0.30 266

RAFT-Stereo-weight	0.45 317	1.90 463	0.34 275	0.42 271	0.36 344	0.43 325	0.35 329	0.42 304	0.34 328	0.42 302	0.34 329	0.44 336	0.34 327	0.41 292	0.34 283	0.38 269	0.32 269	0.38 291	0.32 325	0.38 275	0.33 309

IER	0.88 428	7.04 598	2.23 587	2.75 546	0.28 259	0.43 325	0.25 236	0.39 266	0.25 235	0.41 285	0.27 255	0.39 272	0.25 238	0.40 277	0.28 227	0.37 260	0.28 231	0.37 283	0.25 243	0.37 263	0.25 222

SX1w	0.39 271	0.45 226	0.31 243	0.44 292	0.31 301	0.44 340	0.31 285	0.44 323	0.31 294	0.46 335	0.31 291	0.44 336	0.31 297	0.44 330	0.70 435	0.39 291	0.34 292	0.41 330	0.30 291	0.39 293	0.30 266

5k_stereo	0.39 271	0.45 226	0.31 243	0.44 292	0.31 301	0.44 340	0.31 285	0.44 323	0.31 294	0.46 335	0.31 291	0.44 336	0.31 297	0.44 330	0.71 440	0.39 291	0.34 292	0.41 330	0.30 291	0.39 293	0.30 266

mnv4	0.39 271	0.45 226	0.32 259	0.44 292	0.31 301	0.44 340	0.32 300	0.44 323	0.31 294	0.46 335	0.32 312	0.44 336	0.31 297	0.44 330	0.69 420	0.39 291	0.34 292	0.41 330	0.31 317	0.39 293	0.31 288

wo013ll	0.39 271	0.45 226	0.31 243	0.44 292	0.31 301	0.44 340	0.31 285	0.44 323	0.31 294	0.46 335	0.31 291	0.44 336	0.31 297	0.44 330	0.70 435	0.39 291	0.34 292	0.41 330	0.30 291	0.39 293	0.30 266

2k_new	0.39 271	0.45 226	0.31 243	0.44 292	0.31 301	0.44 340	0.32 300	0.44 323	0.31 294	0.46 335	0.31 291	0.44 336	0.31 297	0.44 330	0.70 435	0.39 291	0.34 292	0.41 330	0.31 317	0.39 293	0.31 288

CNT	0.39 271	0.45 226	0.31 243	0.44 292	0.32 312	0.44 340	0.31 285	0.44 323	0.31 294	0.46 335	0.31 291	0.44 336	0.31 297	0.44 330	0.73 443	0.39 291	0.34 292	0.41 330	0.30 291	0.39 293	0.30 266

RCA-Stereo	0.51 347	3.22 541	0.34 275	0.44 292	0.34 335	0.44 340	0.34 324	0.43 309	0.34 328	0.43 312	0.34 329	0.44 336	0.33 322	0.43 317	0.33 270	0.38 269	0.29 244	0.38 291	0.29 278	0.38 275	0.29 254

water-stereo	0.41 297	0.84 303	0.46 327	0.50 324	0.33 325	0.45 347	0.33 313	0.45 333	0.32 312	0.45 320	0.32 312	0.45 344	0.32 314	0.45 340	0.32 261	0.44 333	0.41 330	0.39 302	0.31 317	0.39 293	0.32 296

GREAT-IGEV	0.38 251	0.43 202	0.36 285	0.48 311	0.32 312	0.45 347	0.32 300	0.45 333	0.32 312	0.45 320	0.32 312	0.45 344	0.32 314	0.45 340	0.32 261	0.44 333	0.33 284	0.41 330	0.29 278	0.41 324	0.29 254

fffy	0.38 251	0.43 202	0.33 265	0.46 300	0.33 325	0.45 347	0.32 300	0.45 333	0.32 312	0.45 320	0.32 312	0.45 344	0.33 322	0.45 340	0.32 261	0.38 269	0.38 311	0.38 291	0.37 357	0.37 263	0.36 329

PAM	0.39 271	1.88 460	0.34 275	0.37 223	0.41 374	0.45 347	0.22 220	0.28 221	0.23 227	0.28 216	0.24 238	0.29 234	0.23 231	0.29 235	0.23 199	0.38 269	0.32 269	0.38 291	0.37 357	0.32 229	0.22 209

Former-RAFT_DAM_RVC	0.49 340	0.98 332	0.64 388	0.84 387	0.46 392	0.45 347	0.35 329	0.47 347	0.47 390	0.45 320	0.34 329	0.46 348	0.48 392	0.46 345	0.35 287	0.39 291	0.71 418	0.39 302	0.35 349	0.41 324	0.41 356

CES	0.39 271	0.47 241	0.36 285	0.36 220	0.37 348	0.45 347	0.35 329	0.35 244	0.40 362	0.36 253	0.44 386	0.47 354	0.36 337	0.44 330	0.36 291	0.37 260	0.39 318	0.44 361	0.35 349	0.37 263	0.36 329

DilatedVolume-Stereo	0.43 309	0.86 306	0.48 342	0.50 324	0.33 325	0.46 353	0.33 313	0.46 341	0.33 319	0.46 335	0.33 321	0.47 354	0.33 322	0.47 349	0.34 283	0.45 336	0.42 339	0.40 307	0.33 333	0.47 353	0.38 340

otaku	0.46 323	0.46 237	0.46 327	0.46 300	0.46 392	0.46 353	0.46 385	0.46 341	0.46 385	0.46 335	0.46 392	0.46 348	0.46 383	0.46 345	0.46 342	0.46 340	0.46 353	0.46 369	0.46 394	0.46 341	0.46 370

Dean	0.46 323	0.46 237	0.46 327	0.46 300	0.46 392	0.46 353	0.46 385	0.46 341	0.46 385	0.47 347	0.46 392	0.46 348	0.46 383	0.46 345	0.46 342	0.46 340	0.46 353	0.46 369	0.46 394	0.46 341	0.46 370

ACVNet_1	0.46 323	0.47 241	0.46 327	0.46 300	0.46 392	0.46 353	0.46 385	0.46 341	0.47 390	0.46 335	0.46 392	0.46 348	0.46 383	0.46 345	0.46 342	0.46 340	0.46 353	0.47 378	0.46 394	0.46 341	0.46 370

ACVNet-4b	0.46 323	0.46 237	0.46 327	0.46 300	0.46 392	0.46 353	0.46 385	0.46 341	0.46 385	0.46 335	0.46 392	0.46 348	0.46 383	0.47 349	0.46 342	0.46 340	0.46 353	0.46 369	0.46 394	0.46 341	0.46 370

mms	0.40 290	0.45 226	0.35 283	0.48 311	0.36 344	0.47 358	0.34 324	0.45 333	0.38 348	0.47 347	0.33 321	0.45 344	0.32 314	0.45 340	0.32 261	0.39 291	0.38 311	0.38 291	0.37 357	0.39 293	0.39 346

Ntro	0.47 329	0.47 241	0.46 327	0.46 300	0.46 392	0.47 358	0.47 390	0.46 341	0.47 390	0.46 335	0.46 392	0.47 354	0.46 383	0.47 349	0.47 349	0.47 345	0.46 353	0.46 369	0.46 394	0.46 341	0.46 370

HaxPig	0.47 329	0.47 241	0.47 334	0.49 317	0.47 398	0.47 358	0.47 390	0.47 347	0.47 390	0.47 347	0.47 400	0.47 354	0.47 391	0.47 349	0.47 349	0.47 345	0.47 361	0.47 378	0.47 401	0.47 353	0.48 379

UNDER WATER	0.47 329	0.47 241	0.47 334	0.47 306	0.47 398	0.47 358	0.47 390	0.47 347	0.47 390	0.47 347	0.47 400	0.47 354	0.46 383	0.47 349	0.47 349	0.47 345	0.47 361	0.47 378	0.46 394	0.47 353	0.47 377

LVE	0.47 329	0.47 241	0.47 334	0.47 306	0.49 404	0.47 358	0.47 390	0.47 347	0.49 399	0.47 347	0.47 400	0.47 354	0.46 383	0.47 349	0.47 349	0.47 345	0.47 361	0.48 386	0.47 401	0.47 353	0.47 377

SCV_C0	0.45 317	0.88 310	0.49 349	0.54 337	0.37 348	0.48 363	0.37 342	0.48 351	0.37 344	0.48 354	0.36 342	0.48 361	0.37 342	0.49 364	0.37 300	0.50 358	0.41 330	0.44 361	0.34 337	0.44 334	0.34 317

SCV	0.46 323	0.94 327	0.45 323	0.54 337	0.37 348	0.48 363	0.38 348	0.48 351	0.37 344	0.48 354	0.39 363	0.48 361	0.37 342	0.49 364	0.37 300	0.50 358	0.46 353	0.44 361	0.34 337	0.44 334	0.34 317

ccccc	0.41 297	0.44 208	0.34 275	0.48 311	0.35 338	0.48 363	0.35 329	0.51 376	0.35 331	0.47 347	0.35 338	0.47 354	0.34 327	0.47 349	0.35 287	0.41 315	0.40 321	0.40 307	0.40 374	0.41 324	0.39 346

RainbowNet	0.48 334	0.48 247	0.48 342	0.48 311	0.48 402	0.48 363	0.48 399	0.48 351	0.48 397	0.48 354	0.48 404	0.48 361	0.48 392	0.48 358	0.48 355	0.48 349	0.48 365	0.48 386	0.48 404	0.48 357	0.48 379

notaker	0.48 334	0.49 249	0.48 342	0.48 311	0.48 402	0.48 363	0.48 399	0.48 351	0.49 399	0.48 354	0.48 404	0.48 361	0.48 392	0.48 358	0.48 355	0.48 349	0.48 365	0.48 386	0.48 404	0.48 357	0.49 384

RSM	0.36 239	0.36 169	0.43 319	0.37 223	0.42 384	0.49 368	0.42 375	0.37 254	0.28 257	0.36 253	0.29 267	0.36 259	0.30 277	0.37 263	0.28 227	0.34 242	0.31 265	0.34 259	0.35 349	0.40 307	0.29 254

GCST	0.50 342	2.08 474	0.38 292	0.53 334	0.35 338	0.49 368	0.35 329	0.50 363	0.35 331	0.49 361	0.35 338	0.49 365	0.35 334	0.49 364	0.35 287	0.48 349	0.37 305	0.45 365	0.33 333	0.44 334	0.33 309

KSHMR	0.66 373	0.50 253	0.48 342	1.15 430	0.52 414	0.49 368	0.51 407	0.49 355	0.71 444	0.67 415	0.50 409	1.16 476	1.11 471	0.66 410	0.52 377	0.49 352	0.49 368	0.51 400	0.66 434	0.50 366	1.14 481

ACVNet_2	0.49 340	0.49 249	0.49 349	0.49 317	0.49 404	0.49 368	0.49 401	0.49 355	0.49 399	0.49 361	0.49 407	0.49 365	0.49 397	0.49 364	0.49 362	0.49 352	0.49 368	0.49 391	0.49 407	0.49 361	0.49 384

PCWNet_CMD	2.80 594	9.82 618	0.32 259	10.09 635	0.32 312	0.49 368	0.33 313	3.34 596	0.33 319	0.49 361	0.33 321	0.49 365	8.73 635	0.48 358	0.33 270	0.41 315	9.22 633	0.42 352	0.29 278	9.55 636	0.31 288

CFNet_ucs	2.73 591	9.64 617	0.33 265	9.92 633	0.32 312	0.49 368	0.33 313	0.49 355	0.33 319	0.49 361	0.33 321	0.49 365	8.98 637	0.48 358	0.33 270	0.41 315	9.96 639	0.40 307	0.29 278	10.12 639	0.54 402

psmorigin	0.41 297	0.46 237	0.33 265	0.49 317	0.33 325	0.49 368	0.33 313	0.49 355	0.33 319	0.49 361	0.33 321	0.49 365	0.33 322	0.51 380	0.33 270	0.41 315	0.30 257	0.41 330	0.30 291	0.79 410	0.29 254

ccs_rob	2.79 593	10.17 622	0.32 259	10.00 634	0.33 325	0.49 368	0.33 313	1.90 541	0.32 312	0.51 381	0.33 321	0.49 365	9.24 638	0.49 364	0.33 270	0.41 315	9.82 637	0.41 330	0.28 263	9.34 635	0.29 254

252Zero-FE	0.45 317	0.50 253	0.36 285	0.50 324	0.36 344	0.50 376	0.36 336	0.50 363	0.36 342	0.49 361	0.36 342	0.49 365	0.36 337	0.54 389	0.41 325	0.45 336	0.34 292	0.45 365	0.34 337	0.55 380	0.75 442

GASTEREO	0.48 334	1.21 418	0.47 334	0.57 344	0.38 355	0.50 376	0.38 348	0.50 363	0.38 348	0.50 374	0.38 354	0.50 380	0.38 346	0.50 371	0.38 303	0.52 366	0.42 339	0.46 369	0.34 337	0.46 341	0.34 317

MSCF	0.51 347	1.40 437	0.49 349	0.58 346	0.38 355	0.50 376	0.38 348	0.54 384	0.41 371	0.52 384	0.41 372	0.53 392	0.42 372	0.53 387	0.41 325	0.60 382	0.47 361	0.48 386	0.37 357	0.48 357	0.38 340

FoundationStereo	0.50 342	0.50 253	0.50 353	0.50 324	0.50 408	0.50 376	0.50 403	0.50 363	0.50 402	0.50 374	0.50 409	0.50 380	0.50 400	0.50 371	0.50 363	0.50 358	0.50 376	0.50 395	0.50 409	0.50 366	0.50 390

StereoAnything_RVC	0.50 342	0.50 253	0.50 353	0.50 324	0.50 408	0.50 376	0.50 403	0.50 363	0.50 402	0.50 374	0.50 409	0.50 380	0.50 400	0.50 371	0.50 363	0.50 358	0.50 376	0.50 395	0.50 409	0.50 366	0.50 390

dual_stereo	0.50 342	0.50 253	0.50 353	0.50 324	0.50 408	0.50 376	0.50 403	0.50 363	0.50 402	0.50 374	0.50 409	0.50 380	0.50 400	0.50 371	0.50 363	0.50 358	0.50 376	0.50 395	0.50 409	0.50 366	0.50 390

UGAM-zero	0.51 347	2.17 482	0.39 299	0.53 334	0.36 344	0.50 376	0.36 336	0.50 363	0.36 342	0.49 361	0.36 342	0.50 380	0.35 334	0.50 371	0.36 291	0.49 352	0.37 305	0.47 378	0.35 349	0.46 341	0.34 317

UGAM	0.51 347	2.23 487	0.39 299	0.54 337	0.35 338	0.50 376	0.35 329	0.49 355	0.35 331	0.49 361	0.35 338	0.49 365	0.36 337	0.50 371	0.36 291	0.49 352	0.37 305	0.45 365	0.34 337	0.45 338	0.34 317

pcwnet_v2	2.66 589	9.89 619	0.33 265	9.89 632	0.32 312	0.50 376	0.32 300	0.49 355	0.33 319	0.49 361	0.34 329	0.49 365	8.76 636	0.48 358	0.33 270	0.41 315	9.58 635	0.40 307	0.29 278	9.01 634	0.63 420

ccnet	0.80 406	2.28 490	0.33 265	0.50 324	0.33 325	0.50 376	0.33 313	0.50 363	0.33 319	0.49 361	0.33 321	0.49 365	1.56 547	2.38 566	0.33 270	0.41 315	0.29 244	0.42 352	1.57 560	2.28 551	0.29 254

FCDSN-DC	0.41 297	0.59 277	0.64 388	0.54 337	0.33 325	0.50 376	0.37 342	0.42 304	0.40 362	0.61 405	0.43 384	0.50 380	0.49 397	0.38 266	0.32 261	0.28 220	0.23 212	0.26 215	0.22 224	0.35 252	0.28 249
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
SANet	0.50 342	0.50 253	0.50 353	0.50 324	0.50 408	0.50 376	0.50 403	0.50 363	0.50 402	0.50 374	0.50 409	0.50 380	0.50 400	0.50 371	0.50 363	0.50 358	0.50 376	0.50 395	0.50 409	0.50 366	0.50 390

GEAStereo	0.62 366	3.91 559	0.48 342	0.69 365	0.38 355	0.51 388	0.38 348	0.51 376	0.38 348	0.53 387	0.38 354	0.50 380	0.38 346	0.51 380	0.38 303	0.54 370	0.43 343	0.46 369	0.34 337	0.46 341	0.34 317

GSStereo	0.81 411	4.28 568	0.50 353	0.59 349	0.40 366	0.51 388	0.38 348	0.50 363	0.38 348	0.50 374	0.38 354	0.50 380	3.79 614	0.50 371	0.38 303	0.54 370	0.43 343	0.46 369	0.34 337	0.46 341	0.35 326

gasm-f	0.62 366	3.91 559	0.48 342	0.69 365	0.38 355	0.51 388	0.38 348	0.51 376	0.38 348	0.53 387	0.38 354	0.50 380	0.38 346	0.51 380	0.38 303	0.54 370	0.43 343	0.46 369	0.34 337	0.46 341	0.34 317

depthmonostereo	0.44 314	0.85 305	0.46 327	0.54 337	0.40 366	0.52 391	0.38 348	0.52 380	0.35 331	0.47 347	0.34 329	0.46 348	0.34 327	0.47 349	0.34 283	0.45 336	0.43 343	0.41 330	0.33 333	0.41 324	0.32 296

fffft	0.48 334	0.51 261	0.45 323	0.52 333	0.45 390	0.52 391	0.45 383	0.52 380	0.48 397	0.53 387	0.45 390	0.52 391	0.45 380	0.52 385	0.46 342	0.51 364	0.41 330	0.50 395	0.41 381	0.50 366	0.41 356
1: 1. 1
LG-Stereo_L1	0.47 329	0.52 263	0.47 334	0.62 354	0.39 364	0.53 393	0.40 362	0.53 382	0.39 361	0.53 387	0.39 363	0.53 392	0.39 354	0.53 387	0.39 314	0.55 376	0.46 353	0.49 391	0.37 357	0.49 361	0.37 333

PAM_32	0.64 370	2.38 502	0.51 360	0.92 397	0.43 386	0.53 393	0.44 378	0.87 428	0.43 379	0.52 384	0.45 390	0.53 392	0.40 355	0.54 389	0.46 342	0.62 390	0.56 390	0.48 386	0.45 392	0.76 405	0.44 367

AEACV	1.12 461	0.52 263	3.12 608	3.24 561	0.86 463	0.53 393	0.49 401	0.60 398	0.47 390	0.53 387	0.49 407	0.55 399	0.45 380	0.55 393	0.47 349	3.01 588	3.88 609	0.71 425	0.60 426	0.80 413	0.48 379

iRaftStereo_RVC	0.97 442	3.17 540	2.30 589	2.42 537	0.38 355	0.54 396	0.38 348	0.54 384	0.38 348	0.54 392	0.38 354	0.54 395	0.38 346	0.54 389	0.38 303	2.38 571	2.34 587	0.49 391	0.36 355	0.49 361	0.36 329

PSMNet_ROB	0.54 352	0.54 269	0.54 368	0.54 337	0.53 417	0.54 396	0.54 411	0.53 382	0.54 412	0.54 392	0.54 419	0.54 395	0.53 407	0.54 389	0.54 393	0.54 370	0.53 386	0.54 407	0.54 415	0.54 379	0.54 402

FSD	0.61 363	0.59 277	0.50 353	2.58 544	0.44 387	0.56 398	0.44 378	0.55 387	0.44 382	0.56 397	0.44 386	0.56 402	0.44 377	0.56 394	0.46 342	0.61 386	0.42 339	0.52 403	0.42 389	0.52 374	0.51 397

LG-Stereo_Zeroshot	0.48 334	0.55 271	0.47 334	0.63 356	0.41 374	0.56 398	0.44 378	0.56 388	0.41 371	0.56 397	0.41 372	0.57 404	0.42 372	0.56 394	0.41 325	0.55 376	0.43 343	0.51 400	0.37 357	0.51 372	0.37 333

Occ-G	1.12 461	0.52 263	3.72 616	3.50 576	0.50 408	0.56 398	0.47 390	0.54 384	0.46 385	0.54 392	0.41 372	0.54 395	0.42 372	0.52 385	0.42 333	3.42 592	4.02 611	0.52 403	0.45 392	0.51 372	0.44 367

LL-Strereo	1.01 451	5.06 577	1.63 551	0.70 369	1.43 554	0.56 398	0.46 385	0.57 391	0.50 402	0.57 400	0.50 409	1.58 537	0.49 397	0.59 401	0.50 363	1.64 531	0.52 384	0.51 400	1.37 547	0.52 374	0.45 369

CASS	0.57 359	0.89 313	0.56 373	0.57 344	0.56 422	0.56 398	0.56 415	0.56 388	0.53 410	0.57 400	0.57 424	0.59 408	0.48 392	0.56 394	0.57 399	0.55 376	0.56 390	0.47 378	0.56 420	0.62 386	0.56 410
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
CFNet_RVC	2.38 582	8.71 610	0.38 292	9.33 628	0.42 384	0.56 398	0.42 375	0.60 398	0.38 348	0.62 408	0.42 382	0.56 402	7.29 634	0.62 403	0.42 333	0.53 369	0.37 305	0.49 391	0.34 337	8.30 630	6.87 637

MyStereo8	0.71 387	3.92 561	0.52 363	0.59 349	0.52 414	0.57 404	0.53 409	0.59 396	0.50 402	0.59 404	0.51 415	0.57 404	0.50 400	0.56 394	0.52 377	0.54 370	0.49 368	0.54 407	0.49 407	0.55 380	0.50 390

PML	0.46 323	1.36 434	0.29 225	0.58 346	0.30 279	0.57 404	0.29 264	0.57 391	0.29 263	0.57 400	0.29 267	0.57 404	0.29 269	0.56 394	0.29 237	0.52 366	0.30 257	0.53 406	0.31 317	0.53 378	0.30 266

PA-Net	11.80 638	223.51 663	0.62 385	0.59 349	0.71 450	0.59 406	0.73 444	0.67 407	0.73 449	0.55 395	0.61 430	0.60 409	0.74 441	0.63 407	0.73 443	0.66 395	0.60 397	0.69 422	0.66 434	0.72 400	0.65 422
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
AIO-test2	0.55 356	0.59 277	0.52 363	0.67 364	0.47 398	0.61 407	0.47 390	0.61 400	0.47 390	0.61 405	0.47 400	0.61 410	0.48 392	0.62 403	0.47 349	0.64 392	0.53 386	0.58 410	0.47 401	0.58 383	0.48 379

AIO-test1	0.54 352	0.60 280	0.52 363	0.66 363	0.47 398	0.61 407	0.47 390	0.58 394	0.46 385	0.61 405	0.46 392	0.61 410	0.45 380	0.62 403	0.45 338	0.61 386	0.52 384	0.57 409	0.48 404	0.57 382	0.48 379

Selective-IGEV	0.51 347	0.55 271	0.45 323	0.69 365	0.45 390	0.61 407	0.45 383	0.50 363	0.40 362	0.56 397	0.44 386	0.55 399	0.40 355	0.72 416	0.67 411	0.59 381	0.46 353	0.45 365	0.34 337	0.46 341	0.37 333

MyStereo06	0.75 395	4.12 562	0.60 379	0.63 356	0.61 432	0.62 410	0.66 426	0.56 388	0.45 384	0.55 395	0.48 404	0.54 395	0.46 383	0.57 399	0.45 338	0.60 382	0.57 392	0.64 416	0.55 416	0.72 400	0.55 407

MyStereo05	0.80 406	4.12 562	0.63 386	0.63 356	0.61 432	0.62 410	0.66 426	0.65 404	0.62 425	0.67 415	0.61 430	0.65 416	0.58 412	0.67 412	0.55 395	0.60 382	0.57 392	0.64 416	0.55 416	0.72 400	0.55 407

DSFCA	0.66 373	0.73 289	0.78 416	0.65 360	0.65 438	0.64 412	0.64 423	0.65 404	0.63 427	0.64 411	0.64 434	0.64 413	0.64 420	0.65 409	0.65 407	0.65 393	0.65 407	0.65 419	0.65 432	0.66 389	0.64 421

DispNO	1.00 445	0.63 281	0.43 319	3.45 572	0.44 387	0.65 413	0.43 377	0.64 403	0.43 379	0.64 411	0.43 384	0.64 413	3.03 593	0.64 408	0.43 336	4.55 601	0.43 343	0.63 415	0.43 390	0.63 387	0.43 364

LMCR-Stereo	0.65 371	0.63 281	0.65 391	0.65 360	0.65 438	0.66 414	0.63 422	0.58 394	0.65 429	0.63 410	0.64 434	0.65 416	0.65 422	0.66 410	0.66 410	0.66 395	0.64 405	0.65 419	0.67 438	0.68 391	0.73 438

WCG-NET	0.61 363	1.21 418	0.54 368	0.61 353	0.53 417	0.67 415	0.53 409	0.66 406	0.53 410	0.64 411	0.53 418	0.65 416	0.53 407	0.59 401	0.52 377	0.65 393	0.48 365	0.64 416	0.52 413	0.58 383	0.50 390

test-3	0.98 444	4.13 564	1.85 571	1.85 512	0.61 432	0.69 416	0.37 342	0.63 402	0.61 424	0.66 414	0.51 415	0.73 425	0.44 377	0.57 399	0.54 393	1.68 532	1.81 567	0.40 307	0.43 390	0.66 389	0.50 390

TorneroNet-64	0.45 317	0.27 145	0.30 229	0.58 346	0.27 254	0.70 417	0.30 269	0.28 221	0.73 449	0.73 421	0.28 262	0.71 420	0.66 425	0.75 421	0.27 217	0.27 218	0.29 244	0.37 283	0.75 450	0.28 216	0.30 266

DMCA-RVC	0.70 383	0.80 297	0.70 399	0.70 369	0.70 448	0.70 417	0.70 438	0.71 412	0.70 439	0.70 418	0.71 449	0.71 420	0.70 434	0.70 414	0.69 420	0.69 398	0.70 414	0.69 422	0.70 443	0.69 395	0.70 430

SMoEStereo_RVC	0.63 368	0.75 292	0.51 360	0.73 373	0.53 417	0.71 419	0.47 390	0.67 407	0.58 418	0.74 426	0.60 426	0.72 423	0.53 407	0.74 420	0.51 375	0.61 386	0.62 402	0.62 413	0.61 428	0.63 387	0.61 416

anonymity	0.63 368	0.69 285	0.56 373	0.71 371	0.56 422	0.71 419	0.56 415	0.71 412	0.56 414	0.72 419	0.56 423	0.71 420	0.56 411	0.71 415	0.58 400	0.68 397	0.55 388	0.68 421	0.55 416	0.68 391	0.54 402

AFF-stereo	0.73 393	0.88 310	0.67 396	0.75 375	0.68 445	0.75 421	0.64 423	0.80 422	0.72 446	0.83 438	0.70 445	0.82 440	0.64 420	0.84 432	0.67 411	0.77 411	0.63 403	0.81 441	0.63 430	0.78 408	0.62 419

iGMRVC	0.84 423	2.85 532	0.72 406	0.72 372	0.73 453	0.77 422	0.79 450	0.73 414	0.74 451	0.73 421	0.72 452	0.73 425	0.76 444	0.73 418	0.73 443	0.72 406	0.73 420	0.73 426	0.72 448	0.73 403	0.72 435

test_xeample3	1.10 458	1.81 454	0.61 384	0.84 387	0.49 404	0.77 422	0.66 426	0.92 437	1.40 555	0.68 417	0.46 392	0.78 430	0.54 410	1.72 540	1.48 557	1.34 512	1.52 544	1.35 540	1.67 574	1.33 515	1.55 558

ITERv2	0.70 383	0.74 290	0.55 370	0.77 377	0.55 420	0.78 424	0.55 412	0.77 416	0.55 413	0.77 429	0.55 420	0.78 430	0.62 417	0.79 423	0.55 395	0.69 398	0.49 368	0.73 426	1.50 558	0.69 395	0.49 384

ITER	0.72 390	0.77 293	0.55 370	0.77 377	0.57 424	0.78 424	0.55 412	0.77 416	0.56 414	0.79 432	0.55 420	0.78 430	0.67 427	0.80 426	0.55 395	0.70 403	0.50 376	0.81 441	1.66 572	0.69 395	0.49 384

GCAP-Stereo	0.75 395	4.15 565	0.42 318	0.75 375	0.35 338	0.78 424	0.40 362	0.79 419	0.38 348	0.78 431	0.36 342	0.78 430	0.36 337	0.79 423	0.39 314	0.75 409	0.39 318	0.76 433	0.39 373	0.75 404	0.39 346

ARAFT	0.68 378	0.81 300	0.63 386	0.74 374	0.60 426	0.78 424	0.62 421	0.77 416	0.66 431	0.74 426	0.63 432	0.75 427	0.62 417	0.83 431	0.60 403	0.70 403	0.55 388	0.70 424	0.60 426	0.78 408	0.55 407

zaero_v3	0.68 378	0.74 290	0.55 370	0.79 379	0.55 420	0.79 428	0.55 412	0.79 419	0.57 416	0.77 429	0.59 425	0.79 434	0.62 417	0.80 426	0.55 395	0.69 398	0.49 368	0.74 429	1.04 476	0.71 399	0.49 384

G-Net	0.79 404	0.79 296	0.79 419	0.79 379	0.79 459	0.79 428	0.79 450	0.79 419	0.79 456	0.79 432	0.79 460	0.79 434	0.79 448	0.79 423	0.79 452	0.79 412	0.79 427	0.79 436	0.79 454	0.79 410	0.79 446

NaN_ROB	0.80 406	0.80 297	0.80 420	0.80 382	0.80 461	0.80 430	0.80 453	0.80 422	0.80 457	0.80 434	0.80 461	0.80 436	0.80 449	0.80 426	0.80 454	0.80 413	0.80 430	0.80 439	0.80 456	0.80 413	0.80 447

CSAN	0.80 406	0.80 297	0.80 420	0.80 382	0.80 461	0.80 430	0.80 453	0.80 422	0.80 457	0.80 434	0.80 461	0.80 436	0.80 449	0.80 426	0.80 454	0.80 413	0.80 430	0.80 439	0.80 456	0.80 413	0.80 447

zero-FE	0.72 390	1.31 430	0.66 392	0.92 397	0.60 426	0.82 432	0.58 417	0.82 426	0.58 418	0.81 436	0.60 426	0.81 439	0.60 414	0.82 430	0.58 400	0.74 408	0.59 396	0.73 426	0.52 413	0.76 405	0.51 397

RAFT-Stereo + iAFF	0.70 383	0.72 288	0.71 403	0.80 382	0.62 435	0.82 432	0.61 420	0.81 425	0.62 425	0.81 436	0.63 432	0.80 436	0.70 434	0.73 418	0.61 405	0.76 410	0.61 401	0.74 429	0.61 428	0.77 407	0.61 416

RSM++	0.76 399	0.82 302	0.66 392	0.85 389	0.64 436	0.85 434	0.71 441	0.94 441	0.64 428	0.87 439	0.67 439	0.87 442	0.65 422	0.84 432	0.65 407	0.81 416	0.70 414	0.79 436	0.71 446	0.83 420	0.70 430

CFNet_pseudo	2.67 590	9.36 615	0.32 259	10.99 637	0.33 325	0.85 434	0.33 313	0.49 355	0.33 319	0.49 361	0.32 312	0.49 365	7.26 633	0.49 364	0.33 270	0.41 315	9.62 636	0.41 330	0.29 278	10.03 638	0.29 254

MSMDNet	2.65 588	10.14 621	0.33 265	9.74 631	0.32 312	0.87 436	0.33 313	2.95 592	0.68 433	0.49 361	0.34 329	0.49 365	5.70 629	0.49 364	0.33 270	0.42 331	9.57 634	0.41 330	0.31 317	8.36 631	0.65 422

Selective-RAFT-Error	0.88 428	0.84 303	0.98 447	0.86 390	0.97 475	0.88 437	0.95 468	0.84 427	0.99 478	0.92 445	0.82 463	0.84 441	0.98 460	0.87 437	0.97 470	0.81 416	0.83 433	0.79 436	0.82 459	0.79 410	0.85 452

DCRE	0.84 423	1.89 461	0.77 415	0.94 403	0.72 452	0.88 437	0.73 444	0.87 428	0.78 453	0.90 441	0.71 449	0.88 443	0.67 427	0.88 438	0.73 443	0.81 416	0.68 409	0.81 441	0.70 443	0.82 418	0.70 430

DDUNet	0.81 411	2.45 506	0.57 375	0.90 392	0.60 426	0.88 437	0.59 419	0.90 432	0.60 421	0.88 440	0.60 426	0.90 446	0.58 412	0.88 438	0.60 403	0.84 423	0.60 397	0.86 450	0.57 422	0.86 422	0.60 415

UDG	0.80 406	2.21 486	0.60 379	0.91 394	0.60 426	0.90 440	0.58 417	0.88 431	0.60 421	0.90 441	0.60 426	0.88 443	0.60 414	0.90 441	0.58 400	0.86 425	0.60 397	0.84 448	0.59 425	0.84 421	0.61 416

DGTPSM_ROB	0.93 438	1.00 336	0.92 442	0.94 403	0.96 474	0.91 441	0.92 464	0.91 434	0.96 474	0.91 443	0.96 473	0.93 452	0.92 456	0.94 448	0.92 463	0.92 431	0.92 440	0.90 452	0.92 464	0.94 435	0.91 458

DPSM_ROB	0.92 433	0.91 318	0.91 439	0.91 394	0.92 470	0.92 442	0.92 464	0.92 437	0.91 465	0.93 447	0.91 468	0.92 449	0.90 453	0.91 442	0.92 463	0.92 431	0.91 438	0.91 455	0.92 464	0.93 433	0.93 460

DPSM	0.92 433	0.91 318	0.91 439	0.91 394	0.92 470	0.92 442	0.92 464	0.92 437	0.91 465	0.93 447	0.91 468	0.92 449	0.90 453	0.91 442	0.92 463	0.92 431	0.91 438	0.91 455	0.92 464	0.93 433	0.93 460

pmcnn	0.92 433	0.92 323	0.92 442	0.92 397	0.92 470	0.92 442	0.92 464	0.92 437	0.92 469	0.92 445	0.92 472	0.92 449	0.92 456	0.92 446	0.92 463	0.92 431	0.92 440	0.92 457	0.92 464	0.92 432	0.92 459

R-Stereo Train	0.81 411	0.96 329	0.67 396	0.95 405	0.67 442	0.95 445	0.68 431	0.95 443	0.68 433	0.95 451	0.68 440	0.96 454	0.68 429	0.96 452	0.68 415	0.94 436	0.68 409	0.94 459	0.68 439	0.94 435	0.68 427

RAFT-Stereo	0.81 411	0.96 329	0.67 396	0.95 405	0.67 442	0.95 445	0.68 431	0.95 443	0.68 433	0.95 451	0.68 440	0.96 454	0.68 429	0.96 452	0.68 415	0.94 436	0.68 409	0.94 459	0.68 439	0.94 435	0.68 427
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
MoCha-V2	2.11 558	26.97 641	0.78 416	0.92 397	0.77 457	0.96 447	0.72 443	0.90 432	0.72 446	0.94 449	0.70 445	0.90 446	0.71 438	0.91 442	0.71 440	0.85 424	0.71 418	0.88 451	0.69 441	0.87 423	0.67 426

AIO-Stereo	0.84 423	0.66 284	0.70 399	0.83 386	0.67 442	0.98 448	0.82 456	1.14 456	0.72 446	1.03 459	0.74 455	1.03 463	1.09 470	0.99 454	0.45 338	1.04 442	0.73 420	0.95 461	0.74 449	0.94 435	0.46 370

ToySt	0.92 433	2.11 477	0.90 433	0.95 405	0.79 459	0.99 449	0.78 449	0.94 441	0.81 460	0.94 449	0.78 459	0.95 453	0.77 446	0.94 448	0.86 460	0.91 428	0.79 427	0.85 449	0.77 451	0.89 425	0.73 438

LG-Stereo	0.60 360	0.58 276	0.47 334	0.64 359	0.74 455	1.00 450	0.69 434	0.57 391	0.41 371	0.57 400	0.41 372	0.57 404	0.41 366	1.00 456	0.75 448	0.91 428	0.51 382	0.52 403	0.37 357	0.52 374	0.37 333

GANet	1.00 445	1.00 336	1.00 449	1.00 412	1.00 476	1.00 450	1.00 472	1.00 445	1.00 479	1.00 453	1.00 476	1.00 457	1.00 461	1.00 456	1.00 473	1.00 438	1.00 443	1.00 466	1.00 471	1.00 439	1.00 467

TDLM	1.00 445	1.00 336	1.00 449	1.00 412	1.00 476	1.00 450	1.00 472	1.00 445	1.00 479	1.00 453	1.00 476	1.00 457	1.00 461	1.00 456	1.00 473	1.00 438	1.00 443	1.00 466	1.00 471	1.00 439	1.00 467

CVANet_RVC	1.00 445	1.00 336	1.00 449	1.00 412	1.00 476	1.00 450	1.00 472	1.00 445	1.00 479	1.00 453	1.00 476	1.00 457	1.00 461	1.00 456	1.00 473	1.00 438	1.00 443	1.00 466	1.00 471	1.00 439	1.00 467

trnet	1.01 451	1.01 342	1.01 452	1.01 415	1.01 480	1.01 454	1.01 475	1.01 449	1.01 482	1.01 457	1.01 479	1.01 461	1.01 467	1.01 460	1.01 476	1.01 441	1.01 446	1.01 469	1.01 475	1.01 442	1.01 470

AdaDepth	0.86 426	0.93 325	0.71 403	1.01 415	1.07 485	1.02 455	0.71 441	1.00 445	0.71 444	1.01 457	0.71 449	1.00 457	0.72 439	1.14 474	0.71 440	0.92 431	0.64 405	0.90 452	0.64 431	0.89 425	0.69 429

DPSimNet_ROB	0.97 442	1.18 370	0.81 422	1.10 422	0.91 469	1.02 455	0.82 456	1.04 451	0.91 465	1.03 459	0.86 464	1.28 528	0.82 451	1.03 461	0.89 461	1.17 456	0.81 432	1.02 470	0.82 459	1.08 447	0.81 449

AIO-Stereo-zeroshot	0.91 431	0.86 306	0.89 428	1.25 487	0.69 446	1.05 457	0.81 455	1.16 460	0.50 402	1.12 469	0.97 474	0.72 423	0.82 451	1.06 463	0.95 468	0.61 386	0.87 435	1.03 472	0.85 462	1.04 445	1.01 470

TorneroNet	0.66 373	0.53 266	0.50 353	0.50 324	0.64 436	1.06 458	0.70 438	0.50 363	0.51 409	0.49 361	0.69 443	0.49 365	0.50 400	0.48 358	1.15 485	0.71 405	0.49 368	1.14 475	1.08 478	0.49 361	0.49 384

Selective-RAFT	0.89 430	0.89 313	0.72 406	1.16 435	0.78 458	1.06 458	0.82 456	0.87 428	0.97 475	1.00 453	0.91 468	0.90 446	1.00 461	0.89 440	0.93 467	0.83 421	0.83 433	0.82 446	0.82 459	0.81 416	0.82 450

GLC_STEREO	1.07 456	1.01 342	1.06 454	1.07 420	1.05 484	1.06 458	1.08 479	1.08 452	1.05 485	1.07 461	1.06 481	1.08 465	1.05 469	1.06 463	1.10 480	1.07 444	1.09 456	1.05 473	1.05 477	1.06 446	1.12 477

STTRV1_RVC	0.82 416	1.60 444	0.70 399	1.01 415	0.60 426	1.07 461	0.69 434	1.01 449	0.60 421	0.72 419	0.55 420	1.02 462	0.68 429	1.03 461	0.67 411	0.89 427	0.63 403	0.92 457	0.57 422	0.90 428	0.65 422

edge stereo	2.43 583	27.07 642	1.14 458	1.06 419	1.14 488	1.08 462	1.17 487	1.16 460	1.14 486	1.10 463	1.16 487	1.09 467	1.16 479	1.10 469	1.16 488	1.10 447	1.11 460	1.16 477	1.19 486	1.13 449	1.11 475

Nwc_Net	2.37 580	25.95 638	1.15 460	1.14 428	1.15 489	1.08 462	1.14 483	1.17 462	1.16 488	1.14 472	1.15 484	1.08 465	1.15 475	1.11 471	1.14 484	1.10 447	1.11 460	1.16 477	1.09 479	1.16 454	1.15 482

999	1.00 445	1.12 361	0.59 377	1.10 422	1.21 544	1.09 464	0.52 408	1.08 452	1.43 557	1.18 474	1.35 549	0.98 456	0.52 406	0.91 442	0.85 459	0.72 406	1.46 540	0.83 447	0.98 469	0.68 391	1.41 553

RP	2.33 576	25.00 634	1.13 457	1.15 430	1.15 489	1.10 465	1.15 484	1.15 457	1.15 487	1.12 469	1.15 484	1.09 467	1.13 472	1.10 469	1.15 485	1.11 452	1.09 456	1.16 477	1.12 480	1.16 454	1.17 486

RGC	2.36 578	25.48 635	1.19 466	1.15 430	1.15 489	1.10 465	1.16 486	1.17 462	1.16 488	1.12 469	1.16 487	1.11 472	1.13 472	1.09 467	1.18 490	1.10 447	1.15 465	1.16 477	1.12 480	1.14 450	1.12 477

MSMD_ROB	1.19 463	1.10 360	0.70 399	1.10 422	0.60 426	1.10 465	0.70 438	1.10 455	0.70 439	1.10 463	0.70 445	1.10 469	0.70 434	7.00 636	0.70 435	1.10 447	0.70 414	1.10 474	0.70 443	1.10 448	0.70 430

Wavelet-MonSter	1.00 445	1.21 418	0.76 413	1.94 516	1.01 480	1.11 468	0.76 447	1.15 457	0.76 452	1.11 468	0.76 457	1.14 474	0.76 444	1.11 471	0.76 450	1.21 503	0.90 436	1.02 470	0.71 446	1.02 444	0.71 434

NCC-stereo	2.36 578	25.52 636	1.17 462	1.15 430	1.17 494	1.11 468	1.11 480	1.15 457	1.16 488	1.10 463	1.16 487	1.10 469	1.15 475	1.14 474	1.13 483	1.09 445	1.11 460	1.15 476	1.16 484	1.17 459	1.17 486

Abc-Net	2.32 575	24.75 633	1.14 458	1.17 436	1.17 494	1.11 468	1.15 484	1.17 462	1.21 540	1.08 462	1.16 487	1.12 473	1.14 474	1.09 467	1.17 489	1.09 445	1.16 466	1.17 481	1.17 485	1.16 454	1.11 475
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
stereogan	2.33 576	24.38 632	1.18 464	1.18 437	1.18 496	1.14 471	1.18 488	1.19 465	1.19 494	1.14 472	1.18 491	1.14 474	1.18 480	1.14 474	1.18 490	1.14 455	1.14 464	1.19 485	1.19 486	1.15 452	1.19 490

AF-Net	2.37 580	25.71 637	1.17 462	1.13 427	1.15 489	1.15 472	1.18 488	1.19 465	1.16 488	1.10 463	1.15 484	1.10 469	1.18 480	1.12 473	1.15 485	1.10 447	1.10 459	1.17 481	1.15 482	1.16 454	1.12 477

HSM-Net_RVC	0.95 441	1.17 368	0.78 416	1.18 437	0.71 450	1.16 473	0.75 446	1.09 454	0.80 457	1.10 463	0.75 456	1.17 477	0.74 441	1.17 477	0.80 454	1.13 453	0.73 420	1.17 481	0.77 451	1.16 454	0.72 435
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
DisPM	1.20 464	1.20 372	1.20 469	1.20 439	1.20 498	1.20 474	1.20 490	1.20 468	1.20 495	1.20 476	1.20 492	1.20 479	1.20 482	1.20 479	1.20 492	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

CrosDoStereo	1.20 464	1.20 372	1.20 469	1.20 439	1.20 498	1.20 474	1.20 490	1.20 468	1.20 495	1.20 476	1.20 492	1.20 479	1.20 482	1.20 479	1.20 492	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

PFNet+	1.20 464	1.20 372	1.20 469	1.20 439	1.20 498	1.20 474	1.20 490	1.20 468	1.20 495	1.20 476	1.20 492	1.20 479	1.20 482	1.20 479	1.20 492	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

LCNet	1.20 464	1.20 372	1.20 469	1.20 439	1.20 498	1.20 474	1.20 490	1.20 468	1.20 495	1.20 476	1.20 492	1.20 479	1.20 482	1.20 479	1.20 492	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

HHNet	1.20 464	1.20 372	1.20 469	1.20 439	1.20 498	1.20 474	1.20 490	1.20 468	1.20 495	1.20 476	1.20 492	1.20 479	1.20 482	1.20 479	1.20 492	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

Patchmatch Stereo++	1.20 464	1.20 372	1.20 469	1.20 439	1.20 498	1.20 474	1.20 490	1.20 468	1.20 495	1.20 476	1.20 492	1.20 479	1.20 482	1.20 479	1.20 492	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
AAGNet	1.20 464	1.20 372	1.20 469	1.20 439	1.20 498	1.20 474	1.20 490	1.20 468	1.20 495	1.20 476	1.20 492	1.20 479	1.20 482	1.20 479	1.20 492	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

STrans-v2	1.20 464	1.20 372	1.20 469	1.20 439	1.20 498	1.20 474	1.20 490	1.20 468	1.20 495	1.20 476	1.20 492	1.20 479	1.20 482	1.20 479	1.20 492	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

TransformOpticalFlow	1.20 464	1.20 372	1.20 469	1.20 439	1.20 498	1.20 474	1.20 490	1.20 468	1.20 495	1.20 476	1.20 492	1.20 479	1.20 482	1.20 479	1.20 492	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

OMP-Stereo	1.20 464	1.20 372	1.20 469	1.20 439	1.20 498	1.20 474	1.20 490	1.20 468	1.20 495	1.20 476	1.20 492	1.20 479	1.20 482	1.20 479	1.20 492	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

IIG-Stereo	1.20 464	1.20 372	1.20 469	1.20 439	1.20 498	1.20 474	1.20 490	1.20 468	1.20 495	1.20 476	1.20 492	1.20 479	1.20 482	1.20 479	1.20 492	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

NF-Stereo	1.20 464	1.20 372	1.20 469	1.20 439	1.20 498	1.20 474	1.20 490	1.20 468	1.20 495	1.20 476	1.20 492	1.20 479	1.20 482	1.20 479	1.20 492	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

OCTAStereo	1.20 464	1.20 372	1.20 469	1.20 439	1.20 498	1.20 474	1.20 490	1.20 468	1.20 495	1.20 476	1.20 492	1.20 479	1.20 482	1.20 479	1.20 492	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

PSM-softLoss	1.20 464	1.20 372	1.20 469	1.20 439	1.20 498	1.20 474	1.20 490	1.20 468	1.20 495	1.20 476	1.20 492	1.20 479	1.20 482	1.20 479	1.20 492	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

KMStereo	1.20 464	1.20 372	1.20 469	1.20 439	1.20 498	1.20 474	1.20 490	1.20 468	1.20 495	1.20 476	1.20 492	1.20 479	1.20 482	1.20 479	1.20 492	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

NRIStereo	1.20 464	1.20 372	1.20 469	1.20 439	1.20 498	1.20 474	1.20 490	1.20 468	1.20 495	1.20 476	1.20 492	1.20 479	1.20 482	1.20 479	1.20 492	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

PSM-adaLoss	1.20 464	1.20 372	1.20 469	1.20 439	1.20 498	1.20 474	1.20 490	1.20 468	1.20 495	1.20 476	1.20 492	1.20 479	1.20 482	1.20 479	1.20 492	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

PSM-AAD	1.20 464	1.20 372	1.20 469	1.20 439	1.20 498	1.20 474	1.20 490	1.20 468	1.20 495	1.20 476	1.20 492	1.20 479	1.20 482	1.20 479	1.20 492	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

FTStereo	1.20 464	1.20 372	1.20 469	1.20 439	1.20 498	1.20 474	1.20 490	1.20 468	1.20 495	1.20 476	1.20 492	1.20 479	1.20 482	1.20 479	1.20 492	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

ROB_FTStereo_v2	1.20 464	1.20 372	1.20 469	1.20 439	1.20 498	1.20 474	1.20 490	1.20 468	1.20 495	1.20 476	1.20 492	1.20 479	1.20 482	1.20 479	1.20 492	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

ROB_FTStereo	1.20 464	1.20 372	1.20 469	1.20 439	1.20 498	1.20 474	1.20 490	1.20 468	1.20 495	1.20 476	1.20 492	1.20 479	1.20 482	1.20 479	1.20 492	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

Consistency-Raft	1.20 464	1.20 372	1.20 469	1.20 439	1.20 498	1.20 474	1.20 490	1.20 468	1.20 495	1.20 476	1.20 492	1.20 479	1.20 482	1.20 479	1.20 492	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

KYRaft	1.20 464	1.20 372	1.20 469	1.20 439	1.20 498	1.20 474	1.20 490	1.20 468	1.20 495	1.20 476	1.20 492	1.20 479	1.20 482	1.20 479	1.20 492	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

HUI-Stereo	1.20 464	1.20 372	1.20 469	1.20 439	1.20 498	1.20 474	1.20 490	1.20 468	1.20 495	1.20 476	1.20 492	1.20 479	1.20 482	1.20 479	1.20 492	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

ASMatch	1.20 464	1.20 372	1.20 469	1.20 439	1.20 498	1.20 474	1.20 490	1.20 468	1.20 495	1.20 476	1.20 492	1.20 479	1.20 482	1.20 479	1.20 492	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

DeepStereo_LL	1.20 464	1.20 372	1.20 469	1.20 439	1.20 498	1.20 474	1.20 490	1.20 468	1.20 495	1.20 476	1.20 492	1.20 479	1.20 482	1.20 479	1.20 492	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

DEmStereo	1.20 464	1.20 372	1.20 469	1.20 439	1.20 498	1.20 474	1.20 490	1.20 468	1.20 495	1.20 476	1.20 492	1.20 479	1.20 482	1.20 479	1.20 492	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

SST-Stereo	1.20 464	1.20 372	1.20 469	1.20 439	1.20 498	1.20 474	1.20 490	1.20 468	1.20 495	1.20 476	1.20 492	1.20 479	1.20 482	1.20 479	1.20 492	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

THIR-Stereo	1.20 464	1.20 372	1.20 469	1.20 439	1.20 498	1.20 474	1.20 490	1.20 468	1.20 495	1.20 476	1.20 492	1.20 479	1.20 482	1.20 479	1.20 492	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

RAFT_R40	1.20 464	1.20 372	1.20 469	1.20 439	1.20 498	1.20 474	1.20 490	1.20 468	1.20 495	1.20 476	1.20 492	1.20 479	1.20 482	1.20 479	1.20 492	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

DRaft	1.20 464	1.20 372	1.20 469	1.20 439	1.20 498	1.20 474	1.20 490	1.20 468	1.20 495	1.20 476	1.20 492	1.20 479	1.20 482	1.20 479	1.20 492	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

PFNet	1.20 464	1.20 372	1.20 469	1.20 439	1.20 498	1.20 474	1.20 490	1.20 468	1.20 495	1.20 476	1.20 492	1.20 479	1.20 482	1.20 479	1.20 492	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

GrayStereo	1.20 464	1.20 372	1.20 469	1.20 439	1.20 498	1.20 474	1.20 490	1.20 468	1.20 495	1.20 476	1.20 492	1.20 479	1.20 482	1.20 479	1.20 492	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

RE-Stereo	1.20 464	1.20 372	1.20 469	1.20 439	1.20 498	1.20 474	1.20 490	1.20 468	1.20 495	1.20 476	1.20 492	1.20 479	1.20 482	1.20 479	1.20 492	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

Pruner-Stereo	1.20 464	1.20 372	1.20 469	1.20 439	1.20 498	1.20 474	1.20 490	1.20 468	1.20 495	1.20 476	1.20 492	1.20 479	1.20 482	1.20 479	1.20 492	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

TVStereo	1.20 464	1.20 372	1.20 469	1.20 439	1.20 498	1.20 474	1.20 490	1.20 468	1.20 495	1.20 476	1.20 492	1.20 479	1.20 482	1.20 479	1.20 492	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

DeepStereo_RVC	1.20 464	1.20 372	1.20 469	1.20 439	1.20 498	1.20 474	1.20 490	1.20 468	1.20 495	1.20 476	1.20 492	1.20 479	1.20 482	1.20 479	1.20 492	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

RAFT-RH_RVC	1.20 464	1.20 372	1.20 469	1.20 439	1.20 498	1.20 474	1.20 490	1.20 468	1.20 495	1.20 476	1.20 492	1.20 479	1.20 482	1.20 479	1.20 492	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

IRAFT_RVC	1.20 464	1.20 372	1.20 469	1.20 439	1.20 498	1.20 474	1.20 490	1.20 468	1.20 495	1.20 476	1.20 492	1.20 479	1.20 482	1.20 479	1.20 492	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

RAFT-345	1.20 464	1.20 372	1.20 469	1.20 439	1.20 498	1.20 474	1.20 490	1.20 468	1.20 495	1.20 476	1.20 492	1.20 479	1.20 482	1.20 479	1.20 492	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

iRAFT	1.20 464	1.20 372	1.20 469	1.20 439	1.20 498	1.20 474	1.20 490	1.20 468	1.20 495	1.20 476	1.20 492	1.20 479	1.20 482	1.20 479	1.20 492	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

CRE-IMP	1.20 464	1.20 372	1.20 469	1.20 439	1.20 498	1.20 474	1.20 490	1.20 468	1.20 495	1.20 476	1.20 492	1.20 479	1.20 482	1.20 479	1.20 492	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

GMM-Stereo	1.20 464	1.20 372	1.20 469	1.20 439	1.20 498	1.20 474	1.20 490	1.20 468	1.20 495	1.20 476	1.20 492	1.20 479	1.20 482	1.20 479	1.20 492	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

RAFT-IKP	1.20 464	1.20 372	1.20 469	1.20 439	1.20 498	1.20 474	1.20 490	1.20 468	1.20 495	1.20 476	1.20 492	1.20 479	1.20 482	1.20 479	1.20 492	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

Prome-Stereo	1.20 464	1.20 372	1.20 469	1.20 439	1.20 498	1.20 474	1.20 490	1.20 468	1.20 495	1.20 476	1.20 492	1.20 479	1.20 482	1.20 479	1.20 492	1.20 458	1.20 471	1.20 486	1.20 489	1.20 463	1.20 491

FAT-Stereo	2.46 584	26.05 639	1.23 518	1.23 486	1.22 546	1.20 474	1.24 538	1.23 516	1.23 542	1.19 475	1.22 538	1.21 524	1.24 530	1.20 479	1.24 539	1.21 503	1.17 469	1.22 532	1.25 539	1.20 463	1.24 540

ktn	0.72 390	0.53 266	1.08 455	1.14 428	0.51 413	1.22 520	1.36 548	0.51 376	0.59 420	0.51 381	0.51 415	0.69 419	1.20 482	0.67 412	0.51 375	0.51 364	0.49 368	0.58 410	0.66 434	0.52 374	0.53 399

CroCo-Stereo	0.73 393	1.22 424	0.25 210	1.22 484	0.25 244	1.22 520	0.25 236	1.22 514	0.25 235	1.22 522	0.25 244	1.22 525	0.25 238	1.22 525	0.25 211	1.22 505	0.26 218	1.21 531	0.25 243	1.22 510	0.25 222
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
S-Stereo	2.51 585	26.86 640	1.23 518	1.22 484	1.22 546	1.24 522	1.25 539	1.22 514	1.24 543	1.21 521	1.24 540	1.19 478	1.27 532	1.19 478	1.24 539	1.19 457	1.20 471	1.25 533	1.19 486	1.24 511	1.23 539

AIO-Stereo-zeroshot1	0.75 395	0.92 323	0.85 424	0.96 408	0.59 425	1.27 523	0.44 378	0.59 396	0.69 436	0.91 443	0.68 440	0.55 399	0.61 416	1.06 463	0.83 458	0.62 390	0.70 414	0.90 452	0.41 381	0.89 425	0.56 410

CroCo-Stereo Lap2	0.77 400	1.29 428	0.29 225	1.27 488	0.29 268	1.27 523	0.26 244	1.26 517	0.26 248	1.26 523	0.26 250	1.27 527	0.26 247	1.26 526	0.27 217	1.27 507	0.27 225	1.27 535	0.27 257	1.27 513	0.27 236

11t	1.27 514	2.70 517	1.34 522	1.32 492	0.89 465	1.30 525	1.34 545	1.64 533	0.57 416	1.45 531	0.72 452	1.05 464	1.29 534	1.07 466	1.29 546	1.49 523	1.02 447	0.97 464	1.15 482	1.48 520	1.31 544

ours_stereo	1.20 464	1.21 418	0.90 433	1.64 510	1.11 487	1.35 526	0.67 430	1.76 537	0.93 470	1.70 541	1.10 483	1.39 532	0.75 443	1.41 532	0.81 457	1.60 530	1.03 448	1.33 537	1.00 471	1.61 525	0.72 435

MaskLacGwcNet_RVC	1.35 516	1.35 433	1.35 524	1.35 494	1.35 548	1.35 526	1.35 546	1.36 522	1.35 551	1.36 526	1.35 549	1.36 529	1.36 540	1.36 528	1.35 550	1.35 513	1.35 532	1.35 540	1.35 544	1.35 516	1.35 549

MM-Stereo_test2	1.20 464	1.85 457	1.05 453	1.46 499	0.94 473	1.36 528	0.99 471	1.36 522	0.95 472	1.41 529	0.98 475	1.40 534	0.96 458	1.37 529	0.95 468	1.37 517	1.06 449	1.33 537	0.93 468	1.29 514	0.89 456

CC-Net-ROB	1.36 517	1.33 432	1.33 521	1.36 495	1.38 551	1.36 528	1.33 544	1.37 524	1.34 548	1.35 525	1.36 551	1.38 530	1.34 538	1.38 531	1.38 553	1.35 513	1.38 536	1.33 537	1.35 544	1.43 519	1.34 548

MLG-Stereo	0.92 433	0.90 316	0.84 423	1.27 488	0.49 404	1.38 530	0.88 459	1.41 528	0.97 475	0.73 421	1.09 482	1.26 526	0.43 375	0.72 416	1.05 478	1.13 453	0.49 368	1.18 484	0.66 434	1.01 442	0.46 370

PS-NSSS	1.38 519	1.39 436	1.34 522	1.34 493	1.35 548	1.38 530	1.37 553	1.35 521	1.38 554	1.34 524	1.34 548	1.39 532	1.38 543	1.70 539	1.40 554	1.36 515	1.36 533	1.36 542	1.37 547	1.37 517	1.36 550

NLCSM	1.94 534	1.36 434	0.90 433	17.57 638	1.19 497	1.40 532	0.90 461	1.37 524	0.90 463	1.37 527	0.91 468	1.38 530	0.91 455	1.37 529	0.90 462	1.28 508	0.90 436	1.25 533	0.85 462	1.24 511	0.85 452

HBP-ISP	1.24 512	1.72 448	1.65 552	1.15 430	0.76 456	1.40 532	0.88 459	1.67 536	1.02 483	1.69 540	1.38 554	1.69 542	1.21 528	1.87 547	1.21 537	1.05 443	0.79 427	0.97 464	0.80 456	1.19 462	0.75 442

FC-DCNN	1.07 456	1.09 357	0.98 447	0.89 391	0.52 414	1.41 534	0.91 463	1.21 513	1.24 543	1.96 545	2.05 600	1.91 546	1.30 535	1.27 527	1.08 479	0.80 413	0.60 397	0.58 410	0.41 381	0.68 391	0.54 402

MM-Stereo_test3	1.27 514	2.07 473	1.18 464	1.60 505	1.02 482	1.45 535	1.01 475	1.40 527	1.04 484	1.44 530	1.03 480	1.46 536	1.02 468	1.44 533	1.02 477	1.51 526	1.12 463	1.32 536	0.98 469	1.38 518	0.97 463

RASNet	1.49 520	1.65 445	1.45 540	1.38 497	1.43 554	1.47 536	1.36 548	1.38 526	1.36 552	1.39 528	1.60 565	1.45 535	1.45 546	1.51 534	2.21 595	1.53 527	1.36 533	1.36 542	1.36 546	1.66 528	1.36 550

tt45	1.04 455	0.88 310	1.36 532	0.92 397	1.03 483	1.51 537	0.79 450	0.70 411	0.88 462	0.74 426	0.90 465	1.60 538	0.72 439	1.60 535	0.75 448	0.91 428	0.78 426	1.52 547	0.79 454	1.14 450	1.32 545

FlowAnything	1.02 453	1.71 447	0.72 406	1.59 502	0.69 446	1.60 538	0.69 434	1.61 530	0.70 439	1.60 533	0.69 443	1.60 538	0.69 432	1.61 537	0.69 420	0.81 416	0.58 394	0.81 441	0.56 420	0.82 418	0.56 410

FlowAnything_test	1.02 453	1.72 448	0.71 403	1.59 502	0.70 448	1.61 539	0.69 434	1.61 530	0.70 439	1.60 533	0.70 445	1.61 541	0.69 432	1.61 537	0.70 435	0.81 416	0.58 394	0.81 441	0.55 416	0.81 416	0.56 410

DPSMNet_ROB	1.60 523	1.59 443	1.70 554	1.59 502	1.59 560	1.61 539	1.61 564	1.60 529	1.60 561	1.62 539	1.59 564	1.60 538	1.60 549	1.60 535	1.59 561	1.59 528	1.60 554	1.59 548	1.59 565	1.59 524	1.59 563

CFNet-RSSM	0.91 431	4.89 575	0.34 275	0.44 292	1.07 485	1.62 541	1.40 555	0.91 434	0.35 331	1.60 533	1.39 555	0.64 413	0.34 327	0.44 330	0.33 270	0.41 315	0.35 300	0.75 431	0.30 291	0.41 324	0.29 254

ff7	1.68 524	2.68 514	1.35 524	0.97 409	0.89 465	1.84 542	2.15 593	2.12 550	1.80 578	2.05 555	1.56 561	2.33 561	2.12 584	2.23 558	2.25 596	1.31 509	1.07 450	1.48 544	1.41 550	0.90 428	1.04 472

ffff	1.68 524	2.68 514	1.35 524	0.97 409	0.89 465	1.84 542	2.15 593	2.12 550	1.80 578	2.05 555	1.56 561	2.33 561	2.12 584	2.23 558	2.25 596	1.31 509	1.07 450	1.48 544	1.41 550	0.90 428	1.04 472

ccc-4	1.68 524	2.68 514	1.35 524	0.97 409	0.89 465	1.84 542	2.15 593	2.12 550	1.80 578	2.05 555	1.56 561	2.33 561	2.12 584	2.23 558	2.25 596	1.31 509	1.07 450	1.48 544	1.41 550	0.90 428	1.04 472

GANetREF_RVC	1.55 521	1.94 470	1.22 516	1.88 513	1.21 544	1.88 545	1.22 536	1.88 539	1.22 541	1.88 542	1.22 538	1.88 544	1.22 529	1.89 548	1.22 538	1.87 538	1.22 518	1.88 561	1.22 535	1.88 537	1.22 537
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
3.75w	1.99 537	2.31 492	1.83 568	3.16 559	1.65 564	1.93 546	1.98 584	2.72 578	1.68 563	2.73 587	1.97 589	2.00 551	1.72 558	1.81 545	1.25 542	2.27 562	2.01 574	2.38 580	1.42 553	1.71 530	1.24 540

4.5w-stereo	1.99 537	2.33 494	1.81 560	3.28 563	1.68 567	1.94 547	1.99 587	2.72 578	1.70 566	2.72 582	1.99 598	1.97 549	1.68 553	1.76 541	1.29 546	1.91 543	2.02 578	2.53 588	1.61 567	1.75 533	1.16 485

2.75w_new	1.99 537	2.34 498	1.81 560	3.14 557	1.62 562	1.94 547	1.99 587	2.72 578	1.71 567	2.72 582	1.99 598	1.90 545	1.73 559	1.82 546	1.29 546	2.37 570	2.01 574	2.31 575	1.42 553	1.77 534	1.22 537

2w_stereo	1.99 537	2.36 501	1.81 560	3.24 561	1.67 565	1.94 547	1.98 584	2.72 578	1.68 563	2.72 582	1.94 586	1.98 550	1.74 561	1.79 544	1.27 543	1.95 545	2.00 572	2.53 588	1.60 566	1.68 529	1.15 482

4.25_new	2.00 541	2.33 494	1.82 565	3.32 566	1.69 568	1.95 550	1.99 587	2.72 578	1.71 567	2.72 582	1.97 589	2.01 552	1.74 561	1.77 542	1.28 544	2.18 554	2.01 574	2.48 586	1.58 563	1.65 526	1.17 486

4.5w_new	2.00 541	2.33 494	1.82 565	3.32 566	1.69 568	1.95 550	1.99 587	2.72 578	1.71 567	2.72 582	1.97 589	2.01 552	1.74 561	1.77 542	1.28 544	2.18 554	2.01 574	2.48 586	1.58 563	1.65 526	1.17 486

MFMNet_re	1.81 531	1.91 464	1.71 556	1.95 518	1.70 571	1.95 550	1.70 569	1.96 542	1.74 574	1.97 547	1.72 573	1.95 547	1.71 557	1.97 551	1.71 569	1.86 536	1.62 555	1.85 554	1.66 572	1.86 536	1.64 569

SPS-STEREO	1.59 522	1.91 464	1.21 515	1.94 516	1.20 498	2.00 553	1.23 537	1.99 544	1.24 543	2.00 550	1.25 541	2.03 554	1.26 531	2.00 552	1.29 546	1.90 542	1.18 470	1.89 562	1.21 534	1.89 538	1.20 491
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MM-Stereo_test1	1.80 530	3.41 544	1.52 547	2.12 523	1.41 553	2.04 554	1.41 556	2.05 548	1.46 558	2.04 554	1.41 556	2.05 555	1.42 545	2.05 553	1.43 556	2.04 550	1.54 547	1.94 563	1.38 549	1.99 540	1.33 546

RAFT_CTSACE	1.92 533	3.71 551	1.72 557	1.88 513	1.72 572	2.04 554	1.42 558	2.18 555	1.89 589	2.02 552	1.97 589	1.95 547	2.06 583	1.93 549	1.62 562	1.76 533	1.66 558	2.02 565	1.73 582	1.73 531	1.43 555

4.25w-stereo	1.98 536	2.72 521	1.46 541	3.47 573	1.43 554	2.07 556	1.98 584	2.53 575	1.52 559	2.71 581	1.98 595	1.81 543	1.62 551	1.96 550	1.36 551	1.88 541	2.00 572	2.53 588	1.61 567	1.74 532	1.15 482

MonSter	0.60 360	0.64 283	0.52 363	0.62 354	0.44 387	2.07 556	0.44 378	0.62 401	0.44 382	0.62 408	0.44 386	0.62 412	0.44 377	0.62 403	0.44 337	0.58 380	0.42 339	0.62 413	0.46 394	0.58 383	0.42 363

MonStereo1	1.94 534	2.77 527	1.52 547	3.73 584	1.51 557	2.13 558	1.42 558	2.32 563	1.52 559	2.31 567	1.50 559	2.53 571	1.59 548	2.34 565	1.56 559	1.91 543	1.36 533	1.86 557	1.31 542	2.07 541	1.53 556

MC-Stereo	1.76 527	2.96 533	1.37 534	2.14 524	1.37 550	2.14 559	1.36 548	2.14 553	1.37 553	2.14 559	1.37 552	2.14 556	1.37 542	2.14 557	1.37 552	1.97 546	1.32 520	1.97 564	1.32 543	1.98 539	1.33 546

2.25w	2.00 541	1.86 459	1.98 582	2.95 554	2.17 597	2.26 560	1.35 546	2.42 569	2.00 596	2.07 558	1.27 543	2.53 571	1.99 579	2.29 562	1.49 558	2.21 557	1.32 520	1.85 554	1.87 586	2.52 567	1.62 567

4.5_new	2.00 541	1.84 456	1.98 582	2.77 548	2.16 595	2.27 561	1.28 543	2.09 549	1.98 593	2.01 551	1.28 544	2.71 583	1.98 577	2.51 574	1.65 564	2.26 559	1.33 527	1.87 558	1.87 586	2.49 563	1.60 564

NCCL2	2.28 574	2.27 489	2.28 588	2.28 533	2.28 600	2.27 561	2.29 596	2.28 556	2.28 599	2.27 563	2.28 601	2.28 557	2.27 587	2.27 561	2.28 600	2.28 563	2.28 586	2.27 572	2.29 599	2.27 550	2.29 591

TRStereo	2.00 541	2.13 478	1.85 571	2.27 530	1.84 576	2.28 563	1.84 573	2.29 558	1.86 583	2.30 564	1.87 578	2.30 558	1.87 567	2.08 554	1.72 571	2.08 551	1.72 561	2.08 567	1.72 579	2.08 542	1.72 574

XX-Stereo	2.00 541	2.13 478	1.85 571	2.27 530	1.84 576	2.28 563	1.84 573	2.29 558	1.86 583	2.30 564	1.87 578	2.30 558	1.87 567	2.08 554	1.72 571	2.08 551	1.72 561	2.08 567	1.72 579	2.08 542	1.72 574

EAI-Stereo	2.00 541	2.13 478	1.85 571	2.27 530	1.84 576	2.28 563	1.84 573	2.29 558	1.86 583	2.30 564	1.87 578	2.30 558	1.87 567	2.08 554	1.72 571	2.08 551	1.72 561	2.08 567	1.72 579	2.08 542	1.72 574

STTStereo	3.73 600	30.40 646	2.37 592	2.39 536	2.31 602	2.35 566	2.33 597	2.29 558	2.42 600	2.32 568	2.34 602	2.33 561	2.36 588	2.30 563	2.27 599	2.35 569	2.22 585	2.31 575	2.22 596	2.29 552	2.34 595

FBW_ROB	2.12 559	2.46 507	1.77 559	2.49 540	1.79 575	2.38 567	1.83 572	2.46 570	1.78 577	2.48 575	1.97 589	2.40 566	1.78 564	2.42 571	1.83 580	2.31 567	1.85 569	2.38 580	1.82 584	2.35 554	1.84 579

AIO_rvc	2.18 562	2.34 498	1.87 575	2.32 534	1.94 585	2.40 568	1.89 581	2.37 566	2.07 598	2.52 577	1.95 588	2.44 568	1.99 579	2.41 569	1.89 588	2.32 568	2.09 580	2.24 571	2.18 595	2.21 546	2.23 590

IGEV	2.02 549	2.20 484	1.82 565	2.90 553	2.16 595	2.41 569	1.25 539	2.00 545	1.98 593	1.99 549	1.31 546	2.72 587	1.93 573	2.67 582	1.69 568	2.26 559	1.32 520	1.83 553	1.87 586	2.53 570	1.61 566

HUF	2.18 562	2.30 491	1.99 585	2.34 535	2.02 590	2.41 569	2.06 592	2.38 567	1.89 589	2.36 569	1.85 576	2.56 576	1.98 577	2.31 564	1.97 591	2.30 566	2.03 579	2.30 574	2.11 593	2.23 547	2.16 588

AIO_test	2.18 562	2.09 476	2.04 586	2.42 537	2.01 587	2.47 571	1.94 583	2.34 565	2.03 597	2.56 578	1.94 586	2.43 567	1.94 574	2.41 569	1.87 586	2.39 572	2.10 581	2.35 579	1.91 592	2.25 549	2.19 589

4w-stereo	2.02 549	2.72 521	1.44 539	3.36 569	1.59 560	2.48 572	1.72 570	2.28 556	1.24 543	2.24 562	1.65 569	2.56 576	1.32 537	2.39 568	1.98 592	2.67 584	1.51 543	1.66 550	1.24 537	2.53 570	1.88 586

3w_stereo	2.04 554	2.24 488	1.70 554	3.15 558	2.18 599	2.49 573	1.26 541	2.03 547	1.98 593	1.98 548	1.33 547	2.72 587	1.99 579	2.59 577	1.72 571	2.22 558	1.33 527	1.85 554	1.88 591	2.50 565	1.58 562

monsterstereo	2.20 568	2.33 494	1.95 580	3.65 580	2.07 592	2.49 573	1.61 564	2.48 571	1.83 581	2.45 573	1.61 567	2.67 582	1.86 566	2.64 579	1.94 589	2.48 578	1.66 558	2.34 577	1.68 576	2.40 556	1.86 581

asda	2.17 560	2.54 508	1.81 560	3.47 573	1.78 574	2.50 575	1.86 577	2.61 577	1.68 563	2.61 579	1.83 575	2.37 565	1.73 559	2.44 572	1.88 587	2.51 579	1.84 568	2.34 577	1.62 569	2.23 547	1.77 578

UDGNet	2.23 572	5.40 587	1.72 557	2.48 539	1.69 568	2.51 576	1.69 568	2.51 574	1.72 571	2.50 576	1.69 572	2.52 570	1.69 555	2.50 573	1.68 567	2.41 573	1.70 560	2.42 582	1.69 578	2.42 557	1.64 569

qwe	2.18 562	2.60 511	1.58 549	3.83 586	1.90 584	2.53 577	1.90 582	2.48 571	1.73 572	2.37 570	1.92 585	2.53 571	1.68 553	2.56 575	1.83 580	2.52 581	1.87 570	2.07 566	1.68 576	2.32 553	1.71 573

monsters	2.18 562	2.41 504	1.96 581	3.47 573	2.03 591	2.53 577	1.64 566	2.48 571	1.73 572	2.40 571	1.50 559	2.62 579	1.94 574	2.59 577	1.94 589	2.44 574	1.57 549	2.28 573	1.87 586	2.42 557	1.86 581

IGEVStereo-DCA	1.77 528	4.21 566	1.84 569	2.49 540	2.11 593	2.54 579	1.36 548	1.65 534	1.17 492	2.75 588	1.90 583	2.54 574	1.15 475	0.94 448	1.11 481	1.50 524	1.32 520	0.96 462	1.46 556	1.49 521	0.88 454

rrr	1.77 528	4.21 566	1.84 569	2.49 540	2.11 593	2.54 579	1.36 548	1.65 534	1.17 492	2.75 588	1.90 583	2.54 574	1.15 475	0.94 448	1.11 481	1.50 524	1.32 520	0.96 462	1.46 556	1.49 521	0.88 454

asd	2.18 562	2.77 527	1.58 549	3.59 578	2.00 586	2.58 581	1.85 576	2.39 568	1.71 567	2.47 574	1.97 589	2.59 578	1.61 550	2.56 575	1.79 578	2.51 579	1.99 571	2.11 570	1.62 569	2.36 555	1.60 564

MonStereo	2.17 560	2.41 504	1.49 546	2.67 545	1.67 565	2.60 582	2.04 591	2.32 563	1.76 575	2.44 572	1.68 571	2.50 569	1.69 555	2.38 566	1.80 579	2.28 563	1.78 564	2.63 591	2.14 594	3.47 581	1.68 572

3.25w	2.04 554	2.20 484	1.48 542	3.03 555	2.17 597	2.63 583	1.39 554	1.96 542	1.95 592	1.96 545	1.37 552	2.71 583	1.96 576	2.71 583	1.73 576	2.26 559	1.32 520	1.87 558	1.87 586	2.51 566	1.63 568

2.5w	2.01 548	2.40 503	1.37 534	3.28 563	2.01 587	2.71 584	1.43 561	1.82 538	1.83 581	1.90 544	1.41 556	2.71 583	1.35 539	2.71 583	1.85 582	2.66 582	1.53 545	1.64 549	1.23 536	2.53 570	1.87 583

3.25w_new	2.03 551	2.72 521	1.35 524	3.33 568	1.57 558	2.72 585	1.53 563	2.15 554	1.33 547	2.15 560	1.60 565	2.63 580	1.30 535	2.72 585	1.99 593	2.67 584	1.53 545	1.75 552	1.25 539	2.53 570	1.87 583

3.5w_stereo	2.03 551	2.72 521	1.35 524	3.41 570	1.57 558	2.72 585	1.49 562	2.01 546	1.34 548	2.15 560	1.61 567	2.63 580	1.36 540	2.72 585	1.99 593	2.66 582	1.58 550	1.68 551	1.24 537	2.53 570	1.87 583

1w_stereo	2.05 556	2.32 493	1.35 524	3.74 585	2.01 587	2.73 587	1.42 558	1.88 539	1.93 591	2.03 553	1.28 544	2.71 583	1.99 579	2.72 585	1.72 571	2.20 556	1.32 520	1.87 558	1.86 585	2.45 559	1.54 557

sCroCo_RVC	2.10 557	2.76 525	1.92 579	2.78 551	1.39 552	2.73 587	1.41 556	2.73 584	1.40 555	2.77 593	1.41 556	2.74 589	1.40 544	2.74 588	1.40 554	2.72 586	1.42 538	2.72 592	1.44 555	2.79 577	1.42 554

LG-G_1	2.22 569	2.71 519	1.89 576	2.77 548	1.87 582	2.75 589	1.87 579	2.76 586	1.87 587	2.75 588	1.87 578	2.76 590	1.87 567	2.75 589	1.86 583	2.47 576	1.58 550	2.45 583	1.57 560	2.45 559	1.57 560

LG-G	2.22 569	2.71 519	1.89 576	2.77 548	1.87 582	2.75 589	1.87 579	2.76 586	1.87 587	2.75 588	1.87 578	2.76 590	1.87 567	2.75 589	1.86 583	2.47 576	1.58 550	2.45 583	1.57 560	2.45 559	1.57 560

LGtest1	2.22 569	2.70 517	1.89 576	2.76 547	1.86 579	2.75 589	1.86 577	2.75 585	1.86 583	2.75 588	1.86 577	2.77 592	1.87 567	2.75 589	1.86 583	2.46 575	1.58 550	2.45 583	1.56 559	2.45 559	1.56 559

NLCA_NET_v2_RVC	5.04 628	50.87 656	2.78 595	2.87 552	2.71 603	2.78 592	0.47 390	2.88 591	2.86 604	1.89 543	2.67 603	2.79 593	2.79 592	2.78 592	2.83 601	2.82 587	2.82 589	2.83 593	2.77 602	2.83 578	2.76 599
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
RAFT+CT+SA	4.28 615	7.62 603	4.91 621	5.55 610	2.28 600	3.09 593	3.64 622	4.49 608	3.07 610	4.80 620	3.35 617	4.77 623	3.70 611	4.29 607	3.05 604	5.58 621	5.98 622	3.58 599	3.78 625	4.26 590	3.72 623

plain	1.88 532	3.16 539	0.64 388	3.10 556	0.65 438	3.10 594	0.64 423	3.12 593	0.65 429	3.10 594	0.65 436	3.11 594	0.65 422	3.12 593	0.65 407	3.12 589	0.65 407	3.13 594	0.65 432	3.13 579	0.65 422

MIF-Stereo (partial)	2.58 587	3.31 543	0.66 392	3.18 560	0.66 441	3.18 595	0.66 426	3.21 594	0.67 432	3.19 595	0.66 438	3.19 595	0.66 425	3.31 597	0.68 415	5.09 618	1.79 566	8.23 637	1.67 574	6.18 621	1.38 552

Anonymous3	2.55 586	3.26 542	1.65 552	3.28 563	1.63 563	3.24 596	1.68 567	3.27 595	1.66 562	3.28 596	1.67 570	3.25 596	1.66 552	3.27 595	1.64 563	3.26 590	1.65 557	3.30 595	1.65 571	4.95 612	1.65 571

UniTT-Stereo	2.03 551	3.43 545	0.72 406	3.42 571	0.73 453	3.27 597	0.68 431	3.38 597	0.69 436	3.29 597	0.72 452	3.28 597	0.70 434	3.35 598	0.68 415	3.39 591	0.68 409	3.31 596	0.69 441	3.37 580	0.73 438

Sa-1000	4.34 618	8.37 606	6.84 631	6.98 620	4.45 631	3.58 598	3.00 603	3.42 598	3.39 618	2.61 579	4.00 627	3.83 602	4.01 620	3.90 602	3.90 623	5.98 625	5.62 620	3.76 602	2.34 600	4.35 592	2.47 598

SA	4.33 617	7.35 600	6.85 632	5.96 613	4.09 628	3.59 599	3.15 617	3.82 602	2.64 601	3.91 600	3.85 624	3.57 598	2.72 591	3.13 594	4.03 625	7.09 632	6.86 627	3.57 598	3.12 614	3.85 584	3.51 621

DPSNet	3.66 599	3.60 547	3.62 614	3.63 579	3.64 623	3.65 600	3.65 623	3.66 600	3.67 620	3.67 599	3.65 621	3.67 600	3.66 609	3.66 599	3.68 618	3.68 594	3.66 607	3.67 600	3.68 623	3.67 582	3.67 622

RAStereo	2.23 572	3.64 548	0.76 413	3.65 580	0.86 463	3.66 601	0.76 447	3.67 601	0.81 460	3.66 598	0.76 457	3.66 599	0.77 446	3.68 600	0.77 451	3.68 594	0.77 425	3.69 601	0.77 451	3.70 583	0.77 445

StereoVision	3.15 595	5.00 576	0.89 428	4.83 602	1.00 476	3.93 602	1.27 542	6.37 630	1.34 548	5.67 630	1.26 542	5.84 631	1.27 532	5.03 627	1.24 539	5.10 619	1.09 456	4.61 613	0.57 422	5.62 619	1.12 477

TestStereo1	4.60 619	8.41 607	6.44 629	6.86 618	3.79 625	3.97 603	3.78 625	3.99 604	3.74 622	3.97 601	3.52 619	3.94 603	3.58 606	3.98 603	3.72 620	6.82 629	6.50 625	3.76 602	3.66 621	3.90 585	3.74 625

SA-5K	4.60 619	8.41 607	6.44 629	6.86 618	3.79 625	3.97 603	3.78 625	3.99 604	3.74 622	3.97 601	3.52 619	3.94 603	3.58 606	3.98 603	3.72 620	6.82 629	6.50 625	3.76 602	3.66 621	3.90 585	3.74 625

test_3	5.01 627	8.86 612	7.77 635	8.09 623	2.76 604	4.13 605	4.05 629	3.88 603	3.76 624	4.33 605	4.13 628	3.71 601	3.91 617	4.21 606	4.06 626	7.93 633	7.69 630	4.53 606	3.91 626	4.17 589	4.29 631

test_4	4.88 625	8.13 605	6.98 633	7.46 621	4.44 630	4.25 606	3.85 627	4.04 606	3.92 626	4.13 603	3.91 625	4.18 606	3.84 616	4.14 605	4.06 626	7.01 631	7.13 628	4.53 606	3.72 624	4.09 588	3.72 623

raft_robust	4.71 623	7.75 604	5.40 626	6.81 617	3.31 617	4.28 607	4.20 630	4.32 607	4.37 631	4.35 606	4.35 630	4.14 605	3.75 613	4.30 608	4.20 628	6.67 628	6.37 623	3.36 597	4.24 631	4.86 610	3.25 618

rvit_105_1	3.83 601	5.22 580	3.01 597	4.53 590	3.01 605	4.51 608	3.01 604	4.56 610	3.04 605	4.53 609	3.03 606	4.55 611	3.03 593	4.56 610	3.04 602	4.57 602	3.05 591	4.57 608	3.05 606	4.57 596	3.05 604

cross-raft	4.83 624	7.52 601	6.43 628	6.63 616	3.96 627	4.51 608	3.99 628	4.49 608	3.96 627	4.52 607	3.96 626	4.50 608	3.97 619	4.50 609	3.97 624	6.65 627	6.44 624	4.33 605	3.92 627	4.35 592	3.91 628

rvit_0105_6	3.87 605	5.73 594	3.10 607	4.69 600	3.12 615	4.54 610	3.02 605	4.56 610	3.04 605	4.54 611	3.03 606	4.54 609	3.04 596	4.56 610	3.05 604	4.58 605	3.05 591	4.58 610	3.05 606	4.58 597	3.05 604

rvit_0105_4	3.91 608	5.47 591	3.02 600	4.54 593	3.02 606	4.54 610	3.03 609	4.75 620	3.17 616	4.57 613	3.06 609	4.61 617	3.16 604	4.65 617	3.09 610	4.66 609	3.11 598	4.68 617	3.18 616	4.81 607	3.16 616

rvit_stereo_0081_aga	3.86 603	5.33 584	3.02 600	4.55 596	3.04 611	4.54 610	3.02 605	4.64 617	3.06 609	4.54 611	3.04 608	4.62 618	3.08 600	4.62 616	3.07 607	4.58 605	3.06 595	4.60 612	3.08 610	4.63 600	3.07 608

rvit_stereo_0082	3.86 603	5.82 595	3.01 597	4.53 590	3.03 607	4.54 610	3.02 605	4.56 610	3.04 605	4.53 609	3.02 604	4.55 611	3.04 596	4.57 613	3.05 604	4.57 602	3.05 591	4.58 610	3.05 606	4.58 597	3.06 607

rvit_stereo_0081	3.83 601	5.23 581	3.01 597	4.53 590	3.03 607	4.55 614	3.02 605	4.56 610	3.04 605	4.52 607	3.02 604	4.54 609	3.03 593	4.56 610	3.04 602	4.57 602	3.05 591	4.57 608	3.05 606	4.58 597	3.05 604

rvit_stereo_0080	3.89 606	5.70 592	3.04 602	4.54 593	3.03 607	4.56 615	3.05 611	4.60 614	3.07 610	4.58 614	3.06 609	4.59 613	3.06 598	4.61 614	3.08 608	4.63 607	3.09 596	4.64 614	3.10 611	4.65 601	3.10 611

whm_eth	3.89 606	5.70 592	3.04 602	4.54 593	3.03 607	4.56 615	3.05 611	4.60 614	3.07 610	4.58 614	3.06 609	4.59 613	3.06 598	4.61 614	3.08 608	4.63 607	3.09 596	4.64 614	3.10 611	4.65 601	3.10 611

rvit_0105_3	3.91 608	5.33 584	3.06 605	4.60 598	3.07 613	4.60 617	3.06 613	4.62 616	3.08 613	4.60 616	3.07 612	4.62 618	3.08 600	4.67 618	3.10 611	4.70 610	3.11 598	4.77 621	3.19 617	4.77 606	3.14 615

rvit_stereo_ft	3.93 611	5.44 589	3.05 604	4.59 597	3.06 612	4.61 618	3.08 614	4.67 619	3.12 615	4.63 618	3.10 614	4.65 620	3.11 602	4.69 620	3.13 612	4.70 610	3.14 600	4.71 619	3.15 615	4.74 604	3.16 616

rvit_stereo_0083	3.92 610	5.30 583	3.06 605	4.61 599	3.09 614	4.67 619	3.08 614	4.66 618	3.09 614	4.62 617	3.10 614	4.66 621	3.11 602	4.67 618	3.16 613	4.72 612	3.16 601	4.77 621	3.11 613	4.66 603	3.11 613

sAnonymous2	3.31 597	2.63 512	1.38 536	3.71 582	1.86 579	4.70 620	1.11 480	4.82 623	2.72 602	5.45 628	1.98 595	4.59 613	2.64 589	2.65 580	6.21 634	4.37 596	1.08 454	5.16 627	2.24 597	4.52 594	2.39 596

CroCo_RVC	3.31 597	2.63 512	1.38 536	3.71 582	1.86 579	4.70 620	1.11 480	4.82 623	2.72 602	5.45 628	1.98 595	4.59 613	2.64 589	2.65 580	6.21 634	4.37 596	1.08 454	5.16 627	2.24 597	4.52 594	2.39 596

rvit_0105_5	4.10 612	5.40 587	3.13 610	4.71 601	3.15 616	4.72 622	3.10 616	4.90 625	3.27 617	4.69 619	3.16 616	4.84 625	3.25 605	4.96 624	3.34 615	5.05 617	3.39 606	5.10 626	3.40 618	5.11 614	3.42 619

MLG-Stereo_test3	4.26 614	4.85 574	3.95 617	5.35 608	3.60 621	4.75 623	3.76 624	5.49 629	3.71 621	5.39 626	3.69 622	4.82 624	3.66 609	4.85 621	3.73 622	4.93 613	3.19 604	4.69 618	2.99 605	4.84 609	2.98 603

DispFullNet	4.61 621	4.84 573	3.12 608	5.00 605	3.57 620	4.75 623	3.03 609	7.75 636	4.17 629	4.91 623	3.09 613	6.20 632	3.95 618	6.71 632	3.51 616	5.30 620	3.67 608	5.86 633	3.63 620	5.61 618	3.46 620

TestStereo	4.88 625	4.75 572	4.79 620	4.87 604	4.92 632	4.81 625	4.90 633	4.78 621	4.77 632	4.87 622	4.89 632	4.90 626	4.91 625	4.99 625	4.79 630	4.98 615	4.87 616	4.87 624	4.92 633	5.00 613	5.00 632

MLG-Stereo_test1	4.25 613	5.34 586	3.61 613	5.31 607	3.63 622	5.23 626	3.57 621	5.38 628	3.65 619	5.23 625	3.47 618	4.76 622	3.74 612	4.85 621	3.71 619	4.96 614	3.18 603	4.71 619	2.92 603	4.86 610	2.90 601

test_5	4.62 622	7.55 602	6.23 627	6.32 615	3.40 619	5.29 627	3.50 620	3.53 599	4.11 628	4.28 604	4.47 631	4.26 607	4.38 623	3.68 600	3.24 614	5.89 623	5.60 619	4.84 623	3.50 619	4.33 591	3.93 629

MaDis-Stereo	3.19 596	6.02 597	1.12 456	5.61 611	1.16 493	5.43 628	1.02 477	5.15 627	0.70 439	5.43 627	1.21 537	5.03 628	0.97 459	4.85 621	0.99 472	4.53 600	1.16 466	5.53 629	1.25 539	5.37 617	1.30 543

MLG-Stereo_test2	4.28 615	5.46 590	3.69 615	4.86 603	3.72 624	5.58 629	3.42 619	4.81 622	3.77 625	4.85 621	3.72 623	5.55 630	3.63 608	5.58 628	3.53 617	4.41 599	3.28 605	4.99 625	2.95 604	4.75 605	3.13 614

test-1	6.46 632	9.16 614	8.03 638	8.09 623	5.62 635	6.11 630	6.35 636	6.85 633	4.94 633	6.08 631	6.29 638	4.98 627	6.43 630	6.22 629	6.36 636	6.16 626	7.47 629	5.82 631	5.44 636	7.11 626	5.68 635

SGM-Forest	5.21 631	5.92 596	4.08 618	6.18 614	4.16 629	6.31 631	4.34 631	6.50 631	4.33 630	6.14 632	4.21 629	6.61 635	4.55 624	6.67 631	4.48 629	5.94 624	3.94 610	5.85 632	4.03 629	5.79 620	4.17 630
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
FC-DCNN v2	5.10 629	5.15 578	4.49 619	5.07 606	3.37 618	6.87 632	4.75 632	5.04 626	6.34 636	7.84 636	5.06 633	6.72 636	4.09 621	4.99 625	5.44 633	5.03 616	3.16 601	4.67 616	4.86 632	5.15 615	3.89 627

RAFT	6.73 634	9.36 615	7.40 634	8.51 626	6.55 636	6.88 633	6.60 637	6.79 632	6.60 637	6.80 633	6.72 639	5.31 629	5.50 628	6.61 630	6.61 637	8.42 635	5.89 621	5.73 630	5.45 637	6.61 622	6.24 636

test-v	7.53 636	11.89 623	7.98 636	9.36 629	7.14 637	7.06 634	7.09 638	7.37 634	6.91 638	7.29 634	5.71 636	6.45 633	6.93 631	6.73 633	7.27 638	8.93 638	7.85 631	6.98 634	6.80 638	7.56 627	7.34 638

test-2	7.53 636	11.89 623	7.98 636	9.36 629	7.14 637	7.06 634	7.09 638	7.37 634	6.91 638	7.29 634	5.71 636	6.45 633	6.93 631	6.73 633	7.27 638	8.93 638	7.85 631	6.98 634	6.80 638	7.56 627	7.34 638

rvit_stereo_0075_2	6.64 633	8.80 611	5.25 623	7.89 622	5.27 634	7.90 636	5.27 634	7.92 637	5.28 634	7.91 637	5.29 635	7.93 637	5.27 626	7.92 637	5.28 631	7.93 633	5.28 618	7.93 636	5.29 635	7.93 629	5.28 634

U	5.15 630	8.49 609	1.81 560	8.49 625	1.77 573	8.49 637	1.77 571	8.51 638	1.77 576	8.49 638	1.77 574	8.50 638	1.78 564	8.58 638	1.77 577	8.54 636	1.78 564	8.55 638	1.78 583	8.55 632	1.84 579

SGM+DAISY	7.06 635	9.15 613	5.38 625	8.84 627	5.18 633	8.80 638	5.31 635	8.79 639	5.28 634	8.89 639	5.20 634	8.93 639	5.33 627	8.95 639	5.36 632	8.70 637	5.21 617	8.74 639	5.20 634	8.89 633	5.15 633

rafts_anoy	20.00 640	20.00 625	20.00 640	20.00 639	20.00 640	20.00 639	20.00 641	20.00 640	20.00 641	20.00 640	20.00 641	20.00 640	20.00 641	20.00 640	20.00 641	20.00 640	20.00 641	20.00 640	20.00 641	20.00 640	20.00 641

raft+_RVC	20.00 640	20.00 625	20.00 640	20.00 639	20.00 640	20.00 639	20.00 641	20.00 640	20.00 641	20.00 640	20.00 641	20.00 640	20.00 641	20.00 640	20.00 641	20.00 640	20.00 641	20.00 640	20.00 641	20.00 640	20.00 641

raftrobust	20.00 640	20.00 625	20.00 640	20.00 639	20.00 640	20.00 639	20.00 641	20.00 640	20.00 641	20.00 640	20.00 641	20.00 640	20.00 641	20.00 640	20.00 641	20.00 640	20.00 641	20.00 640	20.00 641	20.00 640	20.00 641

CasAABBNet	20.00 640	20.00 625	20.00 640	20.00 639	20.00 640	20.00 639	20.00 641	20.00 640	20.00 641	20.00 640	20.00 641	20.00 640	20.00 641	20.00 640	20.00 641	20.00 640	20.00 641	20.00 640	20.00 641	20.00 640	20.00 641

RALCasStereoNet	20.00 640	20.00 625	20.00 640	20.00 639	20.00 640	20.00 639	20.00 641	20.00 640	20.00 641	20.00 640	20.00 641	20.00 640	20.00 641	20.00 640	20.00 641	20.00 640	20.00 641	20.00 640	20.00 641	20.00 640	20.00 641

RALAANet	20.00 640	20.00 625	20.00 640	20.00 639	20.00 640	20.00 639	20.00 641	20.00 640	20.00 641	20.00 640	20.00 641	20.00 640	20.00 641	20.00 640	20.00 641	20.00 640	20.00 641	20.00 640	20.00 641	20.00 640	20.00 641

MANE	19.05 639	23.00 631	15.00 639	23.00 645	15.00 639	24.00 645	16.00 640	24.00 646	16.00 640	22.00 646	15.00 640	23.00 646	16.00 640	23.00 646	15.00 640	22.00 646	15.00 640	22.00 646	15.00 640	22.00 646	15.00 640

111	30.40 646	30.94 647	29.72 647	32.61 646	30.02 647	33.57 646	30.47 648	31.50 647	29.39 648	30.98 647	29.11 648	29.78 647	30.39 651	29.45 647	30.76 651	30.08 647	29.02 648	29.92 647	30.32 651	29.86 647	30.17 648

DCANet-4	35.22 648	34.54 648	35.08 653	33.58 650	35.47 654	34.55 647	35.53 655	36.08 653	35.85 652	35.92 653	35.77 654	35.18 653	35.48 653	35.39 653	37.15 657	34.55 653	33.92 652	35.02 654	34.90 653	35.79 651	34.74 655

fff	1000028.16 666	29.62 643	29.72 647	32.61 646	30.02 647	35.13 648	31.83 649	32.07 648	10000000.00 667	35.27 650	29.82 649	32.45 648	30.15 648	32.35 648	30.09 648	31.04 648	29.55 649	30.64 648	30.14 648	10000000.00 667	30.77 649

csc	1000028.16 666	29.62 643	29.72 647	32.61 646	30.02 647	35.13 648	31.83 649	32.07 648	10000000.00 667	35.27 650	29.82 649	32.45 648	30.15 648	32.35 648	30.09 648	31.04 648	29.55 649	30.64 648	30.14 648	10000000.00 667	30.77 649

cscssc	1000028.16 666	29.62 643	29.72 647	32.61 646	30.02 647	35.13 648	31.83 649	32.07 648	10000000.00 667	35.27 650	29.82 649	32.45 648	30.15 648	32.35 648	30.09 648	31.04 648	29.55 649	30.64 648	30.14 648	10000000.00 667	30.77 649

ADStereo(finetuned)	36.13 649	36.63 652	38.07 657	36.97 651	33.25 651	35.91 651	34.45 652	36.36 654	32.99 649	38.14 658	36.71 655	36.69 654	34.13 652	38.57 658	40.79 658	37.60 658	36.58 655	35.90 655	33.36 652	35.42 650	34.04 652

tt	500032.53 664	34.60 649	29.72 647	37.47 655	34.41 652	36.85 652	35.22 653	34.71 651	33.55 650	34.50 648	35.43 652	33.81 651	10000000.00 668	33.57 651	33.13 652	33.68 651	35.00 653	34.03 652	35.26 654	30.96 648	34.63 653

DCANet	500032.53 664	34.60 649	29.72 647	37.47 655	34.41 652	36.85 652	35.22 653	34.71 651	33.55 650	34.50 648	35.43 652	33.81 651	10000000.00 668	33.57 651	33.13 652	33.68 651	35.00 653	34.03 652	35.26 654	30.96 648	34.63 653

Reg-Stereo(zero)	37.00 650	37.00 653	37.00 654	37.00 652	37.00 655	37.00 654	37.00 656	37.00 655	37.00 653	37.00 654	37.00 656	37.00 655	37.00 654	37.00 654	37.00 654	37.00 655	37.00 656	37.00 656	37.00 656	37.00 652	37.00 656

HI	37.00 650	37.00 653	37.00 654	37.00 652	37.00 655	37.00 654	37.00 656	37.00 655	37.00 653	37.00 654	37.00 656	37.00 655	37.00 654	37.00 654	37.00 654	37.00 655	37.00 656	37.00 656	37.00 656	37.00 652	37.00 656

CoSv	37.00 650	37.00 653	37.00 654	37.00 652	37.00 655	37.00 654	37.00 656	37.00 655	37.00 653	37.00 654	37.00 656	37.00 655	37.00 654	37.00 654	37.00 654	37.00 655	37.00 656	37.00 656	37.00 656	37.00 652	37.00 656

WCMA_ROB	31.10 647	35.43 651	27.12 646	39.51 657	23.10 646	38.78 657	25.30 647	37.49 658	25.39 647	37.29 657	27.02 647	38.52 658	26.48 647	37.80 657	26.44 647	36.28 654	22.65 647	33.90 651	22.30 647	37.10 655	24.18 647

MDST_ROB	69.83 653	87.70 657	41.95 658	113.75 660	65.62 660	75.05 658	55.25 660	75.64 660	45.04 656	71.61 659	41.75 659	72.81 659	44.06 657	68.38 659	44.63 659	101.89 661	59.57 661	107.10 661	61.05 661	104.38 658	59.38 661

CBMV	128.50 655	1422.70 668	53.10 659	79.50 659	51.30 659	77.30 659	49.70 659	74.00 659	48.20 657	77.20 660	48.80 660	73.90 660	48.00 658	73.80 660	48.80 660	70.40 660	45.10 660	68.90 660	46.10 660	68.20 657	45.00 660
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MeshStereo	159.24 656	171.00 662	160.68 664	162.58 661	160.59 661	164.01 660	160.35 662	158.51 662	158.56 659	158.34 661	160.12 662	158.56 661	159.92 660	157.26 662	158.94 662	154.38 662	158.36 662	155.75 662	159.13 663	153.67 659	154.07 662
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
NOSS_ROB	102.95 654	153.00 661	121.00 661	51.00 658	44.00 658	165.00 661	127.00 661	153.00 661	119.00 658	164.00 662	125.00 661	168.00 662	120.00 659	153.00 661	117.00 661	49.00 659	44.00 659	49.00 659	44.00 659	49.00 656	44.00 659

AE-Stereo	201.80 657	123.00 658	115.00 660	219.00 662	218.00 663	223.00 662	244.00 664	217.00 663	236.00 661	202.00 663	203.00 663	205.00 663	208.00 661	225.00 663	204.00 663	210.00 663	198.00 663	197.00 663	184.00 664	204.00 660	201.00 663

MGS-Stereo	239.45 658	123.00 658	135.00 662	266.00 663	286.00 664	277.00 663	305.00 665	271.00 664	242.00 662	274.00 664	279.00 665	255.00 664	270.00 663	268.00 664	297.00 665	221.00 664	247.00 665	216.00 664	123.00 662	217.00 661	217.00 665

EGLCR-Stereo	246.90 659	129.00 660	139.00 663	266.00 663	286.00 664	277.00 663	305.00 665	271.00 664	242.00 662	274.00 664	279.00 665	255.00 664	270.00 663	268.00 664	297.00 665	230.00 665	247.00 665	216.00 664	223.00 666	237.00 662	227.00 666

DLCB_ROB	284.23 660	354.61 664	207.27 665	363.24 665	206.46 662	364.72 665	210.41 663	364.72 666	210.41 660	364.81 666	208.64 664	364.81 666	208.64 662	364.72 666	210.41 664	354.70 666	205.53 664	354.70 666	205.53 665	354.70 663	205.53 664

LE_ROB	396.57 661	471.28 665	329.84 666	471.48 666	308.15 666	526.83 666	322.10 667	488.15 667	323.76 664	495.46 667	317.97 667	497.17 667	320.10 665	481.62 667	326.76 667	462.71 667	298.97 667	466.16 667	285.98 667	447.62 664	289.21 667

SGM-ForestM	596.69 662	677.77 666	444.52 667	699.85 667	517.25 667	732.94 667	488.29 668	770.79 668	460.11 665	750.81 668	487.98 668	792.79 668	499.41 666	730.90 668	475.81 668	720.03 668	491.16 668	663.96 668	418.60 668	674.76 665	436.05 668

CBMV_ROB	818.48 663	913.88 667	709.52 668	862.84 668	597.78 668	1073.99 668	700.52 669	1015.66 669	702.59 666	1115.65 669	760.02 669	1130.24 669	721.57 667	1037.41 669	692.65 669	814.05 669	564.29 669	843.28 669	595.31 669	915.51 666	602.92 669

111111	10000000.00 669	10000000.00 669	10000000.00 669	10000000.00 669	10000000.00 669	10000000.00 669	10000000.00 670	10000000.00 670	10000000.00 667	10000000.00 670	10000000.00 670	10000000.00 670	10000000.00 668	10000000.00 670	10000000.00 670	10000000.00 670	10000000.00 670	10000000.00 670	10000000.00 670	10000000.00 667	10000000.00 670

SGD-Stereo	10000000.00 669	10000000.00 669	10000000.00 669	10000000.00 669	10000000.00 669	10000000.00 669	10000000.00 670	10000000.00 670	10000000.00 667	10000000.00 670	10000000.00 670	10000000.00 670	10000000.00 668	10000000.00 670	10000000.00 670	10000000.00 670	10000000.00 670	10000000.00 670	10000000.00 670	10000000.00 667	10000000.00 670

IGEV-Stereo++	10000000.00 669	10000000.00 669	10000000.00 669	10000000.00 669	10000000.00 669	10000000.00 669	10000000.00 670	10000000.00 670	10000000.00 667	10000000.00 670	10000000.00 670	10000000.00 670	10000000.00 668	10000000.00 670	10000000.00 670	10000000.00 670	10000000.00 670	10000000.00 670	10000000.00 670	10000000.00 667	10000000.00 670

IGEV-BASED-STEREO-	10000000.00 669	10000000.00 669	10000000.00 669	10000000.00 669	10000000.00 669	10000000.00 669	10000000.00 670	10000000.00 670	10000000.00 667	10000000.00 670	10000000.00 670	10000000.00 670	10000000.00 668	10000000.00 670	10000000.00 670	10000000.00 670	10000000.00 670	10000000.00 670	10000000.00 670	10000000.00 667	10000000.00 670

IGEV-Stereo+	10000000.00 669	10000000.00 669	10000000.00 669	10000000.00 669	10000000.00 669	10000000.00 669	10000000.00 670	10000000.00 670	10000000.00 667	10000000.00 670	10000000.00 670	10000000.00 670	10000000.00 668	10000000.00 670	10000000.00 670	10000000.00 670	10000000.00 670	10000000.00 670	10000000.00 670	10000000.00 667	10000000.00 670

SDNR	10000000.00 669	10000000.00 669	10000000.00 669	10000000.00 669	10000000.00 669	10000000.00 669	10000000.00 670	10000000.00 670	10000000.00 667	10000000.00 670	10000000.00 670	10000000.00 670	10000000.00 668	10000000.00 670	10000000.00 670	10000000.00 670	10000000.00 670	10000000.00 670	10000000.00 670	10000000.00 667	10000000.00 670

anonymousdsp2	10000000.00 669	10000000.00 669	10000000.00 669	10000000.00 669	10000000.00 669	10000000.00 669	10000000.00 670	10000000.00 670	10000000.00 667	10000000.00 670	10000000.00 670	10000000.00 670	10000000.00 668	10000000.00 670	10000000.00 670	10000000.00 670	10000000.00 670	10000000.00 670	10000000.00 670	10000000.00 667	10000000.00 670

anonymousdsp	10000000.00 669	10000000.00 669	10000000.00 669	10000000.00 669	10000000.00 669	10000000.00 669	10000000.00 670	10000000.00 670	10000000.00 667	10000000.00 670	10000000.00 670	10000000.00 670	10000000.00 668	10000000.00 670	10000000.00 670	10000000.00 670	10000000.00 670	10000000.00 670	10000000.00 670	10000000.00 667	10000000.00 670

test_example2	10000000.00 669	10000000.00 669	10000000.00 669	10000000.00 669	10000000.00 669	10000000.00 669	10000000.00 670	10000000.00 670	10000000.00 667	10000000.00 670	10000000.00 670	10000000.00 670	10000000.00 668	10000000.00 670	10000000.00 670	10000000.00 670	10000000.00 670	10000000.00 670	10000000.00 670	10000000.00 667	10000000.00 670

DIP-Stereo	10000000.00 669	10000000.00 669	10000000.00 669	10000000.00 669	10000000.00 669	10000000.00 669	10000000.00 670	10000000.00 670	10000000.00 667	10000000.00 670	10000000.00 670	10000000.00 670	10000000.00 668	10000000.00 670	10000000.00 670	10000000.00 670	10000000.00 670	10000000.00 670	10000000.00 670	10000000.00 667	10000000.00 670
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
GS-Stereo							0.38 348	0.50 363	0.38 348	0.50 374	0.38 354	0.50 380	3.79 614	0.50 371	0.38 303	0.54 370	0.43 343	0.46 369	0.34 337	0.46 341	0.35 326

Low-res two-view benchmark