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

MLG-Stereo_test2	0.06 1	0.04 1	0.10 108	0.15 70	0.05 1	0.07 28	0.11 46	0.09 11	0.04 2	0.06 9	0.05 7	0.06 16	0.04 1	0.08 15	0.09 54	0.06 114	0.04 21	0.05 23	0.03 1	0.05 100	0.05 121

MLG-Stereo_test1	0.06 1	0.05 17	0.08 30	0.17 216	0.05 1	0.06 8	0.11 46	0.08 4	0.03 1	0.05 1	0.04 1	0.06 16	0.05 11	0.09 33	0.09 54	0.05 27	0.04 21	0.05 23	0.03 1	0.04 15	0.04 40

FoundationStereo	0.06 1	0.04 1	0.08 30	0.12 4	0.05 1	0.09 80	0.13 104	0.06 1	0.09 23	0.05 1	0.05 7	0.06 16	0.04 1	0.06 1	0.07 1	0.06 114	0.04 21	0.05 23	0.03 1	0.05 100	0.04 40

AdaDepth	0.07 4	0.06 56	0.07 6	0.18 298	0.06 13	0.11 172	0.12 63	0.09 11	0.07 8	0.06 9	0.05 7	0.07 62	0.06 36	0.09 33	0.10 123	0.04 11	0.05 182	0.05 23	0.04 34	0.04 15	0.04 40

asda	0.07 4	0.08 236	0.08 30	0.16 142	0.06 13	0.06 8	0.10 27	0.16 132	0.10 36	0.06 9	0.06 13	0.05 1	0.05 11	0.10 61	0.10 123	0.03 1	0.03 1	0.04 1	0.03 1	0.04 15	0.03 1

asd	0.07 4	0.08 236	0.07 6	0.16 142	0.07 71	0.08 51	0.08 7	0.11 28	0.08 12	0.07 30	0.07 37	0.06 16	0.06 36	0.10 61	0.09 54	0.03 1	0.03 1	0.04 1	0.04 34	0.04 15	0.03 1

qwe	0.07 4	0.08 236	0.07 6	0.15 70	0.06 13	0.07 28	0.10 27	0.18 197	0.11 62	0.07 30	0.07 37	0.06 16	0.06 36	0.10 61	0.09 54	0.03 1	0.03 1	0.04 1	0.04 34	0.04 15	0.03 1

2.25w	0.07 4	0.06 56	0.07 6	0.14 30	0.06 13	0.08 51	0.08 7	0.10 17	0.15 159	0.08 62	0.10 117	0.07 62	0.06 36	0.08 15	0.10 123	0.05 27	0.03 1	0.04 1	0.04 34	0.03 1	0.04 40

4.25_new	0.07 4	0.08 236	0.09 72	0.15 70	0.06 13	0.09 80	0.08 7	0.14 75	0.08 12	0.07 30	0.07 37	0.06 16	0.06 36	0.12 189	0.10 123	0.03 1	0.03 1	0.04 1	0.03 1	0.04 15	0.03 1

4.5w_new	0.07 4	0.08 236	0.09 72	0.15 70	0.06 13	0.09 80	0.08 7	0.14 75	0.08 12	0.07 30	0.07 37	0.06 16	0.06 36	0.12 189	0.10 123	0.03 1	0.03 1	0.04 1	0.03 1	0.04 15	0.03 1

4.5_new	0.07 4	0.09 312	0.08 30	0.15 70	0.07 71	0.06 8	0.10 27	0.14 75	0.11 62	0.06 9	0.08 70	0.06 16	0.06 36	0.08 15	0.10 123	0.03 1	0.03 1	0.04 1	0.04 34	0.04 15	0.03 1

4.5w-stereo	0.07 4	0.09 312	0.08 30	0.15 70	0.07 71	0.06 8	0.10 27	0.14 75	0.11 62	0.06 9	0.08 70	0.06 16	0.06 36	0.08 15	0.10 123	0.03 1	0.03 1	0.04 1	0.04 34	0.04 15	0.03 1

4.25w-stereo	0.07 4	0.08 236	0.09 72	0.15 70	0.06 13	0.09 80	0.08 7	0.14 75	0.08 12	0.07 30	0.07 37	0.06 16	0.06 36	0.12 189	0.10 123	0.03 1	0.03 1	0.04 1	0.03 1	0.04 15	0.03 1

4w-stereo	0.07 4	0.08 236	0.08 30	0.16 142	0.06 13	0.07 28	0.08 7	0.12 43	0.08 12	0.07 30	0.07 37	0.05 1	0.06 36	0.09 33	0.10 123	0.03 1	0.03 1	0.04 1	0.04 34	0.04 15	0.03 1

2.5w	0.07 4	0.07 139	0.07 6	0.16 142	0.06 13	0.08 51	0.12 63	0.10 17	0.10 36	0.07 30	0.06 13	0.09 123	0.06 36	0.08 15	0.09 54	0.04 11	0.03 1	0.04 1	0.04 34	0.03 1	0.03 1

2.75w_new	0.07 4	0.07 139	0.07 6	0.13 13	0.06 13	0.08 51	0.08 7	0.18 197	0.12 88	0.07 30	0.08 70	0.06 16	0.06 36	0.09 33	0.11 187	0.04 11	0.04 21	0.04 1	0.03 1	0.03 1	0.04 40

3.25w_new	0.07 4	0.06 56	0.07 6	0.15 70	0.06 13	0.10 127	0.07 3	0.12 43	0.11 62	0.08 62	0.06 13	0.07 62	0.06 36	0.11 107	0.09 54	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

3.25w	0.07 4	0.06 56	0.07 6	0.15 70	0.06 13	0.10 127	0.07 3	0.12 43	0.11 62	0.08 62	0.06 13	0.07 62	0.06 36	0.11 107	0.09 54	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

3.75w	0.07 4	0.07 139	0.08 30	0.16 142	0.07 71	0.07 28	0.09 18	0.16 132	0.09 23	0.07 30	0.06 13	0.05 1	0.06 36	0.09 33	0.10 123	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

3.5w_stereo	0.07 4	0.07 139	0.07 6	0.15 70	0.07 71	0.09 80	0.06 1	0.13 59	0.11 62	0.07 30	0.07 37	0.06 16	0.07 106	0.10 61	0.09 54	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

1w_stereo	0.07 4	0.06 56	0.07 6	0.16 142	0.06 13	0.07 28	0.10 27	0.14 75	0.14 143	0.07 30	0.08 70	0.05 1	0.06 36	0.09 33	0.09 54	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.04 40

monsterstereo	0.07 4	0.06 56	0.06 2	0.16 142	0.06 13	0.08 51	0.10 27	0.16 132	0.11 62	0.07 30	0.08 70	0.06 16	0.07 106	0.08 15	0.09 54	0.04 11	0.04 21	0.05 23	0.04 34	0.03 1	0.03 1

monsters	0.07 4	0.06 56	0.06 2	0.15 70	0.06 13	0.08 51	0.09 18	0.12 43	0.08 12	0.09 92	0.07 37	0.06 16	0.06 36	0.08 15	0.08 17	0.05 27	0.04 21	0.04 1	0.04 34	0.03 1	0.03 1

IGEV	0.07 4	0.04 1	0.08 30	0.13 13	0.06 13	0.09 80	0.12 63	0.14 75	0.10 36	0.06 9	0.09 88	0.07 62	0.05 11	0.09 33	0.09 54	0.06 114	0.04 21	0.05 23	0.04 34	0.05 100	0.04 40

111111	0.07 4	0.04 1	0.09 72	0.17 216	0.06 13	0.05 4	0.10 27	0.11 28	0.09 23	0.06 9	0.06 13	0.07 62	0.05 11	0.09 33	0.09 54	0.06 114	0.04 21	0.05 23	0.04 34	0.07 258	0.06 199

LG-Stereo_L2	0.07 4	0.05 17	0.10 108	0.14 30	0.06 13	0.07 28	0.12 63	0.09 11	0.09 23	0.06 9	0.04 1	0.05 1	0.05 11	0.08 15	0.08 17	0.05 27	0.04 21	0.05 23	0.03 1	0.04 15	0.03 1

LG-Stereo_L1	0.07 4	0.05 17	0.11 149	0.14 30	0.06 13	0.07 28	0.13 104	0.09 11	0.07 8	0.05 1	0.04 1	0.05 1	0.04 1	0.08 15	0.07 1	0.05 27	0.04 21	0.05 23	0.03 1	0.04 15	0.04 40

MLG-Stereo_test3	0.07 4	0.05 17	0.10 108	0.14 30	0.06 13	0.07 28	0.11 46	0.08 4	0.06 4	0.06 9	0.04 1	0.06 16	0.06 36	0.07 4	0.10 123	0.06 114	0.04 21	0.05 23	0.04 34	0.05 100	0.06 199

MLG-Stereo	0.07 4	0.05 17	0.08 30	0.17 216	0.05 1	0.07 28	0.11 46	0.08 4	0.04 2	0.05 1	0.04 1	0.06 16	0.05 11	0.10 61	0.09 54	0.05 27	0.04 21	0.05 23	0.03 1	0.04 15	0.04 40

LG-G_1	0.07 4	0.04 1	0.11 149	0.15 70	0.06 13	0.09 80	0.08 7	0.08 4	0.06 4	0.06 9	0.05 7	0.07 62	0.07 106	0.11 107	0.08 17	0.07 239	0.04 21	0.05 23	0.04 34	0.05 100	0.05 121

LG-G	0.07 4	0.04 1	0.11 149	0.15 70	0.06 13	0.09 80	0.08 7	0.08 4	0.06 4	0.06 9	0.05 7	0.07 62	0.07 106	0.11 107	0.08 17	0.07 239	0.04 21	0.05 23	0.04 34	0.05 100	0.05 121

LGtest1	0.07 4	0.04 1	0.10 108	0.15 70	0.06 13	0.07 28	0.09 18	0.08 4	0.06 4	0.05 1	0.04 1	0.06 16	0.06 36	0.10 61	0.09 54	0.07 239	0.04 21	0.05 23	0.04 34	0.06 192	0.06 199

LG-Stereo_Zeroshot	0.07 4	0.06 56	0.10 108	0.16 142	0.07 71	0.04 1	0.13 104	0.10 17	0.10 36	0.05 1	0.11 147	0.07 62	0.05 11	0.07 4	0.09 54	0.06 114	0.04 21	0.05 23	0.04 34	0.05 100	0.04 40

GREAT-IGEV	0.07 4	0.06 56	0.08 30	0.13 13	0.07 71	0.07 28	0.14 152	0.09 11	0.09 23	0.06 9	0.07 37	0.06 16	0.05 11	0.10 61	0.07 1	0.05 27	0.04 21	0.05 23	0.04 34	0.05 100	0.04 40

StereoAnything_RVC	0.07 4	0.15 465	0.17 377	0.11 1	0.05 1	0.05 4	0.11 46	0.08 4	0.08 12	0.06 9	0.06 13	0.05 1	0.05 11	0.09 33	0.08 17	0.08 300	0.04 21	0.05 23	0.03 1	0.05 100	0.04 40

AIO_rvc	0.07 4	0.06 56	0.08 30	0.15 70	0.06 13	0.08 51	0.14 152	0.09 11	0.08 12	0.07 30	0.08 70	0.07 62	0.04 1	0.10 61	0.08 17	0.05 27	0.04 21	0.05 23	0.04 34	0.04 15	0.03 1

AIO_test	0.07 4	0.05 17	0.07 6	0.15 70	0.07 71	0.06 8	0.14 152	0.10 17	0.10 36	0.07 30	0.07 37	0.06 16	0.05 11	0.08 15	0.10 123	0.05 27	0.04 21	0.05 23	0.04 34	0.04 15	0.03 1

MonSter	0.07 4	0.06 56	0.05 1	0.15 70	0.05 1	0.07 28	0.10 27	0.15 106	0.15 159	0.05 1	0.06 13	0.05 1	0.06 36	0.07 4	0.09 54	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

DEFOM-Stereo	0.07 4	0.05 17	0.07 6	0.14 30	0.06 13	0.10 127	0.13 104	0.07 2	0.13 119	0.06 9	0.07 37	0.06 16	0.05 11	0.10 61	0.09 54	0.04 11	0.04 21	0.05 23	0.03 1	0.04 15	0.04 40

dual_stereo	0.07 4	0.04 1	0.08 30	0.15 70	0.05 1	0.05 4	0.13 104	0.12 43	0.08 12	0.07 30	0.06 13	0.05 1	0.05 11	0.07 4	0.09 54	0.06 114	0.04 21	0.05 23	0.03 1	0.04 15	0.04 40

IGEV-Stereo++	0.07 4	0.06 56	0.08 30	0.18 298	0.06 13	0.04 1	0.10 27	0.11 28	0.11 62	0.06 9	0.07 37	0.07 62	0.06 36	0.09 33	0.09 54	0.05 27	0.04 21	0.05 23	0.04 34	0.05 100	0.04 40

IGEV-Stereo+	0.07 4	0.04 1	0.08 30	0.15 70	0.06 13	0.04 1	0.09 18	0.10 17	0.09 23	0.06 9	0.06 13	0.06 16	0.06 36	0.06 1	0.08 17	0.06 114	0.04 21	0.05 23	0.04 34	0.06 192	0.06 199

Selective-IGEV	0.07 4	0.06 56	0.08 30	0.17 216	0.06 13	0.08 51	0.12 63	0.13 59	0.07 8	0.08 62	0.07 37	0.06 16	0.04 1	0.10 61	0.09 54	0.05 27	0.04 21	0.05 23	0.04 34	0.04 15	0.03 1

GASTEREO	0.08 44	0.05 17	0.09 72	0.19 355	0.07 71	0.07 28	0.12 63	0.14 75	0.11 62	0.10 125	0.09 88	0.07 62	0.04 1	0.12 189	0.08 17	0.06 114	0.05 182	0.05 23	0.04 34	0.04 15	0.05 121

MSCF	0.08 44	0.05 17	0.08 30	0.19 355	0.08 127	0.06 8	0.12 63	0.14 75	0.11 62	0.10 125	0.09 88	0.07 62	0.04 1	0.11 107	0.08 17	0.06 114	0.05 182	0.05 23	0.04 34	0.05 100	0.05 121

S2M2_XL	0.08 44	0.06 56	0.12 184	0.12 4	0.08 127	0.09 80	0.09 18	0.07 2	0.07 8	0.08 62	0.07 37	0.07 62	0.06 36	0.09 33	0.09 54	0.08 300	0.06 307	0.07 194	0.05 107	0.08 321	0.06 199

3w_stereo	0.08 44	0.09 312	0.10 108	0.17 216	0.07 71	0.08 51	0.10 27	0.20 229	0.13 119	0.06 9	0.07 37	0.05 1	0.06 36	0.08 15	0.09 54	0.03 1	0.03 1	0.04 1	0.03 1	0.04 15	0.03 1

2w_stereo	0.08 44	0.08 236	0.09 72	0.16 142	0.06 13	0.08 51	0.10 27	0.20 229	0.15 159	0.08 62	0.07 37	0.06 16	0.06 36	0.06 1	0.09 54	0.04 11	0.03 1	0.04 1	0.04 34	0.03 1	0.03 1

LG-Stereo	0.08 44	0.07 139	0.10 108	0.18 298	0.07 71	0.10 127	0.17 318	0.11 28	0.08 12	0.05 1	0.07 37	0.05 1	0.07 106	0.09 33	0.09 54	0.04 11	0.05 182	0.07 194	0.07 272	0.04 15	0.04 40

SGD-Stereo	0.08 44	0.05 17	0.10 108	0.14 30	0.05 1	0.12 207	0.12 63	0.11 28	0.12 88	0.07 30	0.09 88	0.09 123	0.09 167	0.08 15	0.08 17	0.06 114	0.04 21	0.05 23	0.04 34	0.05 100	0.03 1

HART	0.08 44	0.07 139	0.09 72	0.17 216	0.07 71	0.10 127	0.16 284	0.13 59	0.11 62	0.08 62	0.10 117	0.07 62	0.05 11	0.10 61	0.08 17	0.05 27	0.04 21	0.06 102	0.04 34	0.05 100	0.04 40

Reg-Stereo(zero)	0.08 44	0.05 17	0.08 30	0.16 142	0.06 13	0.12 207	0.11 46	0.15 106	0.10 36	0.12 192	0.09 88	0.10 154	0.08 141	0.11 107	0.08 17	0.06 114	0.04 21	0.05 23	0.04 34	0.04 15	0.05 121

SCV_C0	0.08 44	0.07 139	0.07 6	0.16 142	0.09 239	0.08 51	0.15 219	0.11 28	0.12 88	0.08 62	0.07 37	0.06 16	0.05 11	0.11 107	0.07 1	0.05 27	0.05 182	0.05 23	0.04 34	0.06 192	0.05 121

SCV	0.08 44	0.09 312	0.08 30	0.15 70	0.08 127	0.10 127	0.13 104	0.10 17	0.12 88	0.07 30	0.07 37	0.06 16	0.04 1	0.09 33	0.08 17	0.05 27	0.04 21	0.06 102	0.04 34	0.06 192	0.04 40

DEFOM-Stereo_RVC	0.08 44	0.06 56	0.09 72	0.22 455	0.06 13	0.08 51	0.12 63	0.10 17	0.10 36	0.07 30	0.07 37	0.06 16	0.05 11	0.11 107	0.09 54	0.06 114	0.04 21	0.05 23	0.03 1	0.06 192	0.04 40

HUF	0.08 44	0.05 17	0.08 30	0.14 30	0.06 13	0.09 80	0.13 104	0.13 59	0.13 119	0.07 30	0.07 37	0.08 98	0.06 36	0.10 61	0.09 54	0.06 114	0.04 21	0.05 23	0.04 34	0.05 100	0.04 40

castereo++	0.08 44	0.05 17	0.08 30	0.15 70	0.05 1	0.14 278	0.12 63	0.11 28	0.15 159	0.07 30	0.07 37	0.07 62	0.06 36	0.08 15	0.08 17	0.06 114	0.04 21	0.05 23	0.04 34	0.04 15	0.03 1

IGEV-RUCA	0.08 44	0.06 56	0.11 149	0.14 30	0.09 239	0.10 127	0.12 63	0.10 17	0.12 88	0.06 9	0.07 37	0.07 62	0.06 36	0.09 33	0.08 17	0.06 114	0.05 182	0.05 23	0.04 34	0.05 100	0.06 199

GIP-stereo	0.08 44	0.06 56	0.11 149	0.14 30	0.06 13	0.09 80	0.13 104	0.14 75	0.11 62	0.07 30	0.08 70	0.05 1	0.04 1	0.10 61	0.07 1	0.05 27	0.04 21	0.05 23	0.04 34	0.05 100	0.04 40

SMoEStereo_RVC	0.08 44	0.06 56	0.12 184	0.16 142	0.07 71	0.09 80	0.14 152	0.11 28	0.13 119	0.09 92	0.07 37	0.07 62	0.07 106	0.12 189	0.10 123	0.05 27	0.04 21	0.06 102	0.05 107	0.04 15	0.04 40

WCG-NET	0.08 44	0.05 17	0.09 72	0.15 70	0.06 13	0.11 172	0.14 152	0.13 59	0.13 119	0.06 9	0.09 88	0.07 62	0.06 36	0.13 234	0.08 17	0.05 27	0.04 21	0.05 23	0.04 34	0.04 15	0.03 1

Occ-G	0.08 44	0.05 17	0.06 2	0.14 30	0.07 71	0.08 51	0.14 152	0.13 59	0.15 159	0.07 30	0.11 147	0.07 62	0.05 11	0.09 33	0.10 123	0.06 114	0.05 182	0.05 23	0.04 34	0.05 100	0.05 121

U	0.08 44	0.07 139	0.09 72	0.19 355	0.10 341	0.10 127	0.13 104	0.12 43	0.17 205	0.07 30	0.07 37	0.06 16	0.05 11	0.07 4	0.08 17	0.06 114	0.04 21	0.06 102	0.04 34	0.06 192	0.05 121

AIO-Stereo	0.08 44	0.06 56	0.09 72	0.18 298	0.06 13	0.08 51	0.12 63	0.15 106	0.09 23	0.08 62	0.08 70	0.07 62	0.05 11	0.11 107	0.08 17	0.05 27	0.05 182	0.05 23	0.04 34	0.04 15	0.04 40

WCG-NET（raft）	0.08 44	0.05 17	0.10 108	0.15 70	0.06 13	0.11 172	0.13 104	0.15 106	0.12 88	0.08 62	0.07 37	0.06 16	0.06 36	0.13 234	0.08 17	0.05 27	0.04 21	0.05 23	0.04 34	0.04 15	0.04 40

RSM++	0.08 44	0.06 56	0.09 72	0.17 216	0.07 71	0.09 80	0.12 63	0.11 28	0.11 62	0.08 62	0.06 13	0.07 62	0.05 11	0.10 61	0.09 54	0.04 11	0.04 21	0.06 102	0.05 107	0.05 100	0.03 1

RSM	0.08 44	0.06 56	0.09 72	0.17 216	0.06 13	0.08 51	0.12 63	0.12 43	0.10 36	0.08 62	0.07 37	0.06 16	0.05 11	0.11 107	0.09 54	0.04 11	0.04 21	0.05 23	0.04 34	0.04 15	0.03 1

trnet	0.08 44	0.05 17	0.07 6	0.12 4	0.05 1	0.12 207	0.11 46	0.13 59	0.10 36	0.08 62	0.13 174	0.09 123	0.08 141	0.11 107	0.10 123	0.08 300	0.05 182	0.05 23	0.03 1	0.06 192	0.05 121

MoCha-V2	0.08 44	0.05 17	0.10 108	0.20 411	0.07 71	0.09 80	0.14 152	0.11 28	0.08 12	0.07 30	0.08 70	0.07 62	0.06 36	0.09 33	0.08 17	0.05 27	0.04 21	0.05 23	0.04 34	0.04 15	0.04 40

IGEV++	0.08 44	0.06 56	0.08 30	0.18 298	0.07 71	0.09 80	0.13 104	0.10 17	0.09 23	0.08 62	0.08 70	0.06 16	0.06 36	0.13 234	0.09 54	0.05 27	0.04 21	0.05 23	0.04 34	0.05 100	0.04 40

testlalala	0.08 44	0.07 139	0.17 377	0.16 142	0.08 127	0.09 80	0.12 63	0.15 106	0.10 36	0.07 30	0.09 88	0.06 16	0.06 36	0.11 107	0.09 54	0.05 27	0.04 21	0.06 102	0.04 34	0.04 15	0.04 40

AEACV	0.08 44	0.05 17	0.08 30	0.14 30	0.13 443	0.14 278	0.13 104	0.14 75	0.09 23	0.07 30	0.09 88	0.07 62	0.08 141	0.10 61	0.09 54	0.06 114	0.04 21	0.06 102	0.05 107	0.05 100	0.04 40

LoS_RVC	0.08 44	0.05 17	0.07 6	0.15 70	0.07 71	0.08 51	0.15 219	0.11 28	0.10 36	0.08 62	0.09 88	0.06 16	0.09 167	0.10 61	0.09 54	0.05 27	0.04 21	0.05 23	0.03 1	0.04 15	0.03 1

CAS	0.08 44	0.04 1	0.07 6	0.17 216	0.08 127	0.10 127	0.13 104	0.12 43	0.09 23	0.09 92	0.10 117	0.08 98	0.06 36	0.09 33	0.08 17	0.08 300	0.04 21	0.05 23	0.03 1	0.05 100	0.04 40

CES	0.08 44	0.04 1	0.08 30	0.14 30	0.07 71	0.09 80	0.14 152	0.11 28	0.09 23	0.08 62	0.09 88	0.11 175	0.06 36	0.12 189	0.08 17	0.06 114	0.04 21	0.05 23	0.03 1	0.05 100	0.05 121

EGLCR-Stereo	0.08 44	0.05 17	0.08 30	0.14 30	0.06 13	0.10 127	0.12 63	0.11 28	0.16 186	0.06 9	0.05 7	0.07 62	0.05 11	0.10 61	0.11 187	0.06 114	0.04 21	0.06 102	0.05 107	0.04 15	0.04 40

MC-Stereo	0.08 44	0.06 56	0.09 72	0.17 216	0.06 13	0.10 127	0.14 152	0.12 43	0.10 36	0.09 92	0.12 160	0.09 123	0.06 36	0.11 107	0.10 123	0.06 114	0.04 21	0.06 102	0.05 107	0.04 15	0.04 40

test-3	0.08 44	0.06 56	0.09 72	0.17 216	0.07 71	0.07 28	0.14 152	0.12 43	0.15 159	0.09 92	0.08 70	0.07 62	0.08 141	0.11 107	0.10 123	0.05 27	0.04 21	0.07 194	0.05 107	0.04 15	0.04 40

test_1	0.08 44	0.06 56	0.09 72	0.17 216	0.07 71	0.07 28	0.14 152	0.12 43	0.15 159	0.09 92	0.08 70	0.07 62	0.08 141	0.11 107	0.10 123	0.05 27	0.04 21	0.07 194	0.05 107	0.04 15	0.04 40

CREStereo++_RVC	0.08 44	0.04 1	0.06 2	0.13 13	0.07 71	0.09 80	0.12 63	0.14 75	0.14 143	0.10 125	0.14 188	0.08 98	0.07 106	0.09 33	0.11 187	0.06 114	0.04 21	0.05 23	0.05 107	0.04 15	0.04 40
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
water-stereo	0.09 81	0.06 56	0.08 30	0.16 142	0.07 71	0.09 80	0.13 104	0.15 106	0.13 119	0.11 154	0.12 160	0.08 98	0.09 167	0.07 4	0.08 17	0.06 114	0.05 182	0.05 23	0.05 107	0.04 15	0.04 40

depthmonostereo	0.09 81	0.06 56	0.09 72	0.15 70	0.06 13	0.10 127	0.13 104	0.14 75	0.14 143	0.10 125	0.10 117	0.09 123	0.11 224	0.08 15	0.09 54	0.06 114	0.05 182	0.06 102	0.04 34	0.04 15	0.03 1

DilatedVolume-Stereo	0.09 81	0.05 17	0.08 30	0.15 70	0.06 13	0.11 172	0.12 63	0.14 75	0.16 186	0.11 154	0.11 147	0.09 123	0.09 167	0.11 107	0.10 123	0.06 114	0.05 182	0.05 23	0.04 34	0.03 1	0.03 1

S2M2	0.09 81	0.08 236	0.11 149	0.13 13	0.10 341	0.08 51	0.06 1	0.10 17	0.10 36	0.10 125	0.09 88	0.10 154	0.09 167	0.11 107	0.11 187	0.13 477	0.07 379	0.08 278	0.09 383	0.10 414	0.08 343

MM-Stereo_test2	0.09 81	0.06 56	0.09 72	0.19 355	0.08 127	0.12 207	0.18 363	0.15 106	0.14 143	0.07 30	0.10 117	0.07 62	0.06 36	0.12 189	0.09 54	0.05 27	0.04 21	0.06 102	0.05 107	0.05 100	0.03 1

castereo	0.09 81	0.06 56	0.11 149	0.15 70	0.06 13	0.11 172	0.15 219	0.14 75	0.18 231	0.08 62	0.10 117	0.11 175	0.08 141	0.09 33	0.10 123	0.05 27	0.04 21	0.05 23	0.04 34	0.04 15	0.03 1

fffft	0.09 81	0.06 56	0.12 184	0.16 142	0.07 71	0.09 80	0.17 318	0.12 43	0.11 62	0.08 62	0.07 37	0.09 123	0.06 36	0.11 107	0.12 236	0.05 27	0.04 21	0.06 102	0.05 107	0.04 15	0.05 121
1: 1. 1
tt45	0.09 81	0.06 56	0.11 149	0.15 70	0.07 71	0.11 172	0.16 284	0.13 59	0.11 62	0.09 92	0.06 13	0.08 98	0.06 36	0.13 234	0.10 123	0.06 114	0.04 21	0.06 102	0.05 107	0.05 100	0.06 199

999	0.09 81	0.05 17	0.13 229	0.15 70	0.08 127	0.10 127	0.14 152	0.15 106	0.11 62	0.10 125	0.08 70	0.08 98	0.08 141	0.16 316	0.10 123	0.06 114	0.04 21	0.06 102	0.05 107	0.04 15	0.05 121

mms	0.09 81	0.07 139	0.08 30	0.16 142	0.08 127	0.10 127	0.16 284	0.12 43	0.11 62	0.08 62	0.09 88	0.08 98	0.06 36	0.11 107	0.12 236	0.05 27	0.04 21	0.07 194	0.05 107	0.04 15	0.03 1

ours_stereo	0.09 81	0.07 139	0.09 72	0.17 216	0.08 127	0.11 172	0.16 284	0.11 28	0.12 88	0.08 62	0.10 117	0.08 98	0.06 36	0.12 189	0.12 236	0.05 27	0.04 21	0.06 102	0.05 107	0.04 15	0.03 1

fffy	0.09 81	0.08 236	0.09 72	0.16 142	0.07 71	0.13 246	0.17 318	0.13 59	0.12 88	0.08 62	0.09 88	0.08 98	0.09 167	0.13 234	0.11 187	0.05 27	0.05 182	0.07 194	0.05 107	0.04 15	0.05 121

PAM_32	0.09 81	0.05 17	0.17 377	0.15 70	0.08 127	0.10 127	0.15 219	0.14 75	0.15 159	0.09 92	0.08 70	0.09 123	0.07 106	0.14 260	0.08 17	0.06 114	0.05 182	0.06 102	0.06 185	0.05 100	0.06 199

UGAM-zero	0.09 81	0.05 17	0.15 315	0.15 70	0.08 127	0.09 80	0.13 104	0.19 218	0.15 159	0.11 154	0.15 205	0.07 62	0.07 106	0.09 33	0.09 54	0.06 114	0.05 182	0.06 102	0.05 107	0.05 100	0.06 199

GCAP-BAT	0.09 81	0.07 139	0.14 264	0.15 70	0.08 127	0.10 127	0.13 104	0.14 75	0.10 36	0.11 154	0.10 117	0.08 98	0.07 106	0.12 189	0.10 123	0.06 114	0.05 182	0.06 102	0.04 34	0.04 15	0.04 40

Pointernet	0.09 81	0.04 1	0.09 72	0.16 142	0.08 127	0.13 246	0.10 27	0.15 106	0.17 205	0.09 92	0.07 37	0.06 16	0.06 36	0.11 107	0.09 54	0.08 300	0.04 21	0.05 23	0.03 1	0.06 192	0.05 121

IGEV-BASED-STEREO-	0.09 81	0.10 370	0.31 483	0.15 70	0.06 13	0.08 51	0.14 152	0.10 17	0.10 36	0.07 30	0.07 37	0.06 16	0.04 1	0.11 107	0.07 1	0.12 454	0.04 21	0.07 194	0.05 107	0.05 100	0.05 121

RAFT-Stereo-weight	0.09 81	0.06 56	0.10 108	0.16 142	0.07 71	0.09 80	0.14 152	0.19 218	0.16 186	0.11 154	0.10 117	0.08 98	0.06 36	0.10 61	0.11 187	0.06 114	0.04 21	0.06 102	0.04 34	0.04 15	0.04 40

gcap-zeroshot	0.09 81	0.05 17	0.10 108	0.16 142	0.07 71	0.13 246	0.13 104	0.11 28	0.12 88	0.13 219	0.12 160	0.09 123	0.08 141	0.09 33	0.09 54	0.06 114	0.05 182	0.06 102	0.05 107	0.04 15	0.04 40

test_for_model	0.09 81	0.12 414	0.14 264	0.23 476	0.11 389	0.08 51	0.13 104	0.12 43	0.12 88	0.10 125	0.07 37	0.07 62	0.06 36	0.11 107	0.10 123	0.06 114	0.05 182	0.05 23	0.03 1	0.07 258	0.04 40

MGS-Stereo	0.09 81	0.07 139	0.12 184	0.15 70	0.08 127	0.09 80	0.15 219	0.12 43	0.12 88	0.07 30	0.10 117	0.08 98	0.06 36	0.10 61	0.09 54	0.05 27	0.04 21	0.06 102	0.05 107	0.06 192	0.05 121

ff7	0.09 81	0.07 139	0.11 149	0.16 142	0.09 239	0.11 172	0.15 219	0.16 132	0.12 88	0.10 125	0.06 13	0.06 16	0.06 36	0.11 107	0.09 54	0.05 27	0.04 21	0.06 102	0.05 107	0.05 100	0.06 199

IGEVStereo-DCA	0.09 81	0.06 56	0.11 149	0.15 70	0.10 341	0.11 172	0.15 219	0.16 132	0.12 88	0.10 125	0.06 13	0.08 98	0.06 36	0.10 61	0.08 17	0.06 114	0.05 182	0.06 102	0.05 107	0.05 100	0.06 199

ffff	0.09 81	0.07 139	0.11 149	0.16 142	0.09 239	0.11 172	0.15 219	0.16 132	0.12 88	0.10 125	0.06 13	0.06 16	0.06 36	0.11 107	0.09 54	0.05 27	0.04 21	0.06 102	0.05 107	0.05 100	0.06 199

rrr	0.09 81	0.06 56	0.12 184	0.15 70	0.10 341	0.11 172	0.16 284	0.16 132	0.15 159	0.10 125	0.06 13	0.08 98	0.06 36	0.10 61	0.08 17	0.06 114	0.05 182	0.06 102	0.05 107	0.05 100	0.06 199

11t	0.09 81	0.07 139	0.11 149	0.16 142	0.09 239	0.11 172	0.15 219	0.16 132	0.12 88	0.10 125	0.06 13	0.06 16	0.06 36	0.11 107	0.09 54	0.05 27	0.04 21	0.06 102	0.05 107	0.05 100	0.06 199

MaDis-Stereo	0.09 81	0.09 312	0.08 30	0.17 216	0.09 239	0.13 246	0.10 27	0.16 132	0.16 186	0.09 92	0.11 147	0.06 16	0.06 36	0.09 33	0.13 277	0.07 239	0.06 307	0.07 194	0.05 107	0.05 100	0.04 40

IGEV_Zeroshot_test	0.09 81	0.05 17	0.12 184	0.13 13	0.08 127	0.12 207	0.13 104	0.17 168	0.11 62	0.10 125	0.06 13	0.09 123	0.06 36	0.11 107	0.09 54	0.06 114	0.04 21	0.06 102	0.06 185	0.05 100	0.05 121

MSKI-zero shot	0.09 81	0.05 17	0.09 72	0.15 70	0.07 71	0.10 127	0.13 104	0.14 75	0.13 119	0.09 92	0.09 88	0.09 123	0.06 36	0.12 189	0.10 123	0.06 114	0.04 21	0.05 23	0.04 34	0.04 15	0.04 40

UniTT-Stereo	0.09 81	0.07 139	0.08 30	0.18 298	0.08 127	0.13 246	0.11 46	0.12 43	0.11 62	0.10 125	0.12 160	0.05 1	0.07 106	0.09 33	0.09 54	0.07 239	0.05 182	0.05 23	0.05 107	0.05 100	0.05 121

MIM_Stereo	0.09 81	0.07 139	0.11 149	0.15 70	0.07 71	0.06 8	0.12 63	0.20 229	0.14 143	0.13 219	0.13 174	0.09 123	0.05 11	0.12 189	0.08 17	0.05 27	0.06 307	0.07 194	0.06 185	0.06 192	0.05 121

CASnet	0.09 81	0.09 312	0.09 72	0.19 355	0.06 13	0.07 28	0.11 46	0.18 197	0.14 143	0.11 154	0.10 117	0.09 123	0.07 106	0.10 61	0.10 123	0.06 114	0.04 21	0.10 407	0.08 337	0.05 100	0.03 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
GCAP-Stereo	0.09 81	0.07 139	0.13 229	0.18 298	0.06 13	0.11 172	0.07 3	0.13 59	0.12 88	0.09 92	0.10 117	0.07 62	0.09 167	0.13 234	0.10 123	0.06 114	0.05 182	0.05 23	0.04 34	0.04 15	0.05 121

RAFT-Test	0.09 81	0.06 56	0.10 108	0.15 70	0.07 71	0.11 172	0.15 219	0.16 132	0.13 119	0.09 92	0.10 117	0.10 154	0.09 167	0.12 189	0.09 54	0.06 114	0.04 21	0.05 23	0.04 34	0.04 15	0.05 121

HH	0.09 81	0.06 56	0.13 229	0.17 216	0.08 127	0.10 127	0.16 284	0.14 75	0.10 36	0.08 62	0.09 88	0.08 98	0.07 106	0.10 61	0.09 54	0.06 114	0.04 21	0.06 102	0.05 107	0.05 100	0.04 40

HanStereo	0.09 81	0.06 56	0.13 229	0.17 216	0.08 127	0.10 127	0.16 284	0.14 75	0.10 36	0.08 62	0.09 88	0.08 98	0.07 106	0.10 61	0.09 54	0.06 114	0.04 21	0.06 102	0.05 107	0.05 100	0.04 40

4D-IteraStereo	0.09 81	0.07 139	0.10 108	0.18 298	0.07 71	0.09 80	0.15 219	0.17 168	0.15 159	0.10 125	0.11 147	0.10 154	0.07 106	0.11 107	0.09 54	0.05 27	0.03 1	0.08 278	0.07 272	0.06 192	0.05 121

anonymousdsp	0.09 81	0.07 139	0.11 149	0.16 142	0.09 239	0.11 172	0.15 219	0.16 132	0.12 88	0.09 92	0.06 13	0.06 16	0.06 36	0.11 107	0.09 54	0.05 27	0.04 21	0.06 102	0.05 107	0.05 100	0.06 199

LoS	0.09 81	0.05 17	0.11 149	0.13 13	0.07 71	0.14 278	0.11 46	0.15 106	0.15 159	0.09 92	0.09 88	0.12 192	0.09 167	0.15 282	0.10 123	0.07 239	0.05 182	0.05 23	0.03 1	0.05 100	0.05 121
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
ProNet	0.09 81	0.07 139	0.10 108	0.17 216	0.08 127	0.10 127	0.15 219	0.15 106	0.12 88	0.09 92	0.06 13	0.07 62	0.06 36	0.11 107	0.09 54	0.05 27	0.04 21	0.06 102	0.05 107	0.04 15	0.06 199

RCA-Stereo	0.09 81	0.06 56	0.09 72	0.16 142	0.06 13	0.09 80	0.13 104	0.18 197	0.14 143	0.09 92	0.10 117	0.08 98	0.07 106	0.12 189	0.11 187	0.06 114	0.04 21	0.06 102	0.05 107	0.05 100	0.04 40

CroCo-Stereo Lap2	0.09 81	0.09 312	0.08 30	0.22 455	0.09 239	0.09 80	0.19 402	0.16 132	0.12 88	0.09 92	0.10 117	0.05 1	0.05 11	0.08 15	0.08 17	0.06 114	0.06 307	0.07 194	0.05 107	0.05 100	0.05 121

ccc-4	0.09 81	0.07 139	0.11 149	0.16 142	0.09 239	0.11 172	0.15 219	0.16 132	0.12 88	0.10 125	0.06 13	0.06 16	0.06 36	0.11 107	0.09 54	0.05 27	0.04 21	0.06 102	0.05 107	0.05 100	0.06 199

IGEV-Stereo	0.09 81	0.07 139	0.11 149	0.16 142	0.09 239	0.11 172	0.15 219	0.16 132	0.12 88	0.09 92	0.06 13	0.06 16	0.06 36	0.11 107	0.09 54	0.05 27	0.04 21	0.06 102	0.05 107	0.05 100	0.06 199
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iRaft-Stereo_20w	0.09 81	0.05 17	0.13 229	0.14 30	0.08 127	0.12 207	0.15 219	0.18 197	0.10 36	0.11 154	0.08 70	0.08 98	0.05 11	0.10 61	0.09 54	0.06 114	0.04 21	0.06 102	0.05 107	0.06 192	0.05 121

TRStereo	0.09 81	0.05 17	0.12 184	0.15 70	0.12 420	0.10 127	0.13 104	0.18 197	0.18 231	0.09 92	0.09 88	0.09 123	0.06 36	0.10 61	0.08 17	0.07 239	0.05 182	0.07 194	0.07 272	0.04 15	0.04 40

AnonymousM	0.09 81	0.05 17	0.10 108	0.14 30	0.06 13	0.09 80	0.13 104	0.19 218	0.14 143	0.13 219	0.11 147	0.09 123	0.08 141	0.13 234	0.10 123	0.08 300	0.05 182	0.08 278	0.05 107	0.05 100	0.05 121

CroCo-Stereo	0.09 81	0.08 236	0.08 30	0.22 455	0.09 239	0.09 80	0.19 402	0.15 106	0.12 88	0.07 30	0.07 37	0.08 98	0.06 36	0.08 15	0.07 1	0.07 239	0.05 182	0.06 102	0.04 34	0.05 100	0.04 40
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
s12784h	0.09 81	0.06 56	0.07 6	0.15 70	0.05 1	0.16 334	0.18 363	0.15 106	0.15 159	0.10 125	0.11 147	0.11 175	0.11 224	0.10 61	0.12 236	0.05 27	0.04 21	0.05 23	0.04 34	0.04 15	0.04 40

TANstereo	0.09 81	0.04 1	0.08 30	0.13 13	0.06 13	0.11 172	0.14 152	0.15 106	0.19 246	0.11 154	0.15 205	0.10 154	0.06 36	0.12 189	0.09 54	0.07 239	0.05 182	0.05 23	0.04 34	0.06 192	0.05 121

XX-TBD	0.09 81	0.06 56	0.07 6	0.14 30	0.07 71	0.12 207	0.16 284	0.14 75	0.13 119	0.11 154	0.12 160	0.09 123	0.08 141	0.10 61	0.10 123	0.06 114	0.04 21	0.05 23	0.03 1	0.06 192	0.05 121

raftrobust	0.09 81	0.06 56	0.10 108	0.17 216	0.08 127	0.09 80	0.10 27	0.18 197	0.16 186	0.10 125	0.09 88	0.12 192	0.07 106	0.12 189	0.10 123	0.08 300	0.05 182	0.06 102	0.05 107	0.05 100	0.05 121

XX-Stereo	0.09 81	0.05 17	0.08 30	0.17 216	0.09 239	0.15 304	0.12 63	0.20 229	0.10 36	0.10 125	0.14 188	0.07 62	0.06 36	0.12 189	0.08 17	0.06 114	0.05 182	0.06 102	0.06 185	0.04 15	0.04 40

test_xeample3	0.09 81	0.06 56	0.12 184	0.16 142	0.09 239	0.11 172	0.15 219	0.16 132	0.13 119	0.10 125	0.06 13	0.08 98	0.06 36	0.10 61	0.09 54	0.05 27	0.04 21	0.06 102	0.05 107	0.05 100	0.06 199

RAFT-Stereo + iAFF	0.09 81	0.06 56	0.10 108	0.17 216	0.06 13	0.10 127	0.16 284	0.17 168	0.14 143	0.09 92	0.10 117	0.08 98	0.09 167	0.11 107	0.09 54	0.05 27	0.04 21	0.06 102	0.06 185	0.04 15	0.03 1

AFF-stereo	0.09 81	0.06 56	0.10 108	0.17 216	0.07 71	0.10 127	0.16 284	0.17 168	0.09 23	0.10 125	0.12 160	0.09 123	0.09 167	0.12 189	0.09 54	0.05 27	0.04 21	0.07 194	0.07 272	0.04 15	0.03 1

EAI-Stereo	0.09 81	0.07 139	0.11 149	0.15 70	0.06 13	0.10 127	0.15 219	0.16 132	0.09 23	0.08 62	0.09 88	0.08 98	0.07 106	0.09 33	0.11 187	0.05 27	0.04 21	0.05 23	0.05 107	0.05 100	0.04 40

CFNet-RSSM	0.09 81	0.07 139	0.09 72	0.16 142	0.07 71	0.09 80	0.15 219	0.16 132	0.17 205	0.08 62	0.12 160	0.10 154	0.09 167	0.11 107	0.09 54	0.06 114	0.04 21	0.06 102	0.04 34	0.04 15	0.04 40

Gwc-CoAtRS	0.09 81	0.06 56	0.10 108	0.16 142	0.07 71	0.10 127	0.14 152	0.17 168	0.17 205	0.08 62	0.10 117	0.12 192	0.09 167	0.12 189	0.09 54	0.06 114	0.04 21	0.06 102	0.04 34	0.04 15	0.04 40

CREStereo	0.09 81	0.04 1	0.08 30	0.11 1	0.06 13	0.13 246	0.14 152	0.14 75	0.10 36	0.08 62	0.13 174	0.09 123	0.08 141	0.11 107	0.10 123	0.08 300	0.04 21	0.05 23	0.03 1	0.06 192	0.06 199
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	0.09 81	0.05 17	0.09 72	0.12 4	0.06 13	0.12 207	0.14 152	0.15 106	0.11 62	0.09 92	0.13 174	0.10 154	0.07 106	0.13 234	0.10 123	0.15 494	0.04 21	0.05 23	0.03 1	0.07 258	0.06 199

MM-Stereo_test3	0.10 142	0.07 139	0.07 6	0.18 298	0.07 71	0.12 207	0.19 402	0.24 316	0.19 246	0.06 9	0.10 117	0.08 98	0.06 36	0.11 107	0.08 17	0.06 114	0.06 307	0.07 194	0.05 107	0.05 100	0.04 40

MM-Stereo_test1	0.10 142	0.07 139	0.08 30	0.18 298	0.07 71	0.12 207	0.18 363	0.21 252	0.20 269	0.09 92	0.11 147	0.08 98	0.06 36	0.10 61	0.10 123	0.06 114	0.05 182	0.07 194	0.06 185	0.05 100	0.04 40

AIO-test2	0.10 142	0.08 236	0.10 108	0.23 476	0.08 127	0.11 172	0.10 27	0.23 294	0.23 308	0.08 62	0.09 88	0.08 98	0.05 11	0.10 61	0.08 17	0.06 114	0.05 182	0.08 278	0.09 383	0.05 100	0.05 121

AIO-test1	0.10 142	0.07 139	0.10 108	0.23 476	0.07 71	0.09 80	0.13 104	0.21 252	0.14 143	0.11 154	0.12 160	0.09 123	0.07 106	0.11 107	0.09 54	0.06 114	0.05 182	0.09 359	0.10 422	0.03 1	0.06 199

tg	0.10 142	0.06 56	0.10 108	0.18 298	0.08 127	0.11 172	0.16 284	0.20 229	0.12 88	0.08 62	0.11 147	0.11 175	0.07 106	0.11 107	0.10 123	0.05 27	0.04 21	0.08 278	0.08 337	0.04 15	0.04 40

PAM	0.10 142	0.05 17	0.16 349	0.15 70	0.08 127	0.09 80	0.16 284	0.15 106	0.16 186	0.12 192	0.09 88	0.09 123	0.07 106	0.13 234	0.08 17	0.06 114	0.05 182	0.06 102	0.06 185	0.05 100	0.06 199

model_zeroshot	0.10 142	0.04 1	0.11 149	0.15 70	0.09 239	0.12 207	0.14 152	0.20 229	0.13 119	0.11 154	0.10 117	0.12 192	0.07 106	0.12 189	0.10 123	0.07 239	0.06 307	0.06 102	0.05 107	0.06 192	0.06 199

RAStereo	0.10 142	0.09 312	0.08 30	0.20 411	0.08 127	0.13 246	0.18 363	0.15 106	0.17 205	0.10 125	0.12 160	0.05 1	0.06 36	0.09 33	0.08 17	0.07 239	0.05 182	0.07 194	0.05 107	0.05 100	0.04 40

rvit_stereo_0080	0.10 142	0.08 236	0.14 264	0.15 70	0.09 239	0.07 28	0.15 219	0.16 132	0.16 186	0.11 154	0.10 117	0.14 237	0.08 141	0.12 189	0.10 123	0.09 359	0.07 379	0.07 194	0.06 185	0.07 258	0.05 121

testlalala2	0.10 142	0.06 56	0.11 149	0.20 411	0.10 341	0.10 127	0.12 63	0.17 168	0.12 88	0.12 192	0.13 174	0.09 123	0.07 106	0.11 107	0.13 277	0.06 114	0.05 182	0.05 23	0.04 34	0.05 100	0.05 121

H2IRNET	0.10 142	0.09 312	0.09 72	0.18 298	0.09 239	0.12 207	0.15 219	0.14 75	0.21 284	0.10 125	0.10 117	0.10 154	0.10 199	0.10 61	0.10 123	0.05 27	0.04 21	0.08 278	0.08 337	0.06 192	0.05 121

Former-RAFT_DAM_RVC	0.10 142	0.08 236	0.12 184	0.16 142	0.08 127	0.15 304	0.16 284	0.18 197	0.18 231	0.10 125	0.09 88	0.09 123	0.08 141	0.11 107	0.12 236	0.07 239	0.05 182	0.08 278	0.06 185	0.07 258	0.06 199

MyStereo07	0.10 142	0.07 139	0.10 108	0.17 216	0.09 239	0.14 278	0.18 363	0.15 106	0.15 159	0.09 92	0.06 13	0.06 16	0.07 106	0.12 189	0.09 54	0.06 114	0.05 182	0.08 278	0.07 272	0.06 192	0.06 199

MyStereo06	0.10 142	0.07 139	0.12 184	0.17 216	0.09 239	0.13 246	0.18 363	0.19 218	0.12 88	0.12 192	0.08 70	0.07 62	0.07 106	0.11 107	0.09 54	0.06 114	0.05 182	0.07 194	0.07 272	0.06 192	0.06 199

AE-Stereo	0.10 142	0.08 236	0.10 108	0.18 298	0.09 239	0.10 127	0.15 219	0.14 75	0.19 246	0.09 92	0.14 188	0.12 192	0.08 141	0.11 107	0.10 123	0.05 27	0.06 307	0.07 194	0.06 185	0.05 100	0.04 40

ACVNet-DCA	0.10 142	0.08 236	0.12 184	0.17 216	0.09 239	0.13 246	0.15 219	0.23 294	0.16 186	0.09 92	0.09 88	0.06 16	0.06 36	0.10 61	0.07 1	0.06 114	0.04 21	0.06 102	0.05 107	0.07 258	0.07 279

cc1	0.10 142	0.08 236	0.12 184	0.17 216	0.09 239	0.13 246	0.15 219	0.16 132	0.18 231	0.09 92	0.09 88	0.06 16	0.06 36	0.10 61	0.07 1	0.06 114	0.04 21	0.06 102	0.05 107	0.06 192	0.06 199

tt1	0.10 142	0.08 236	0.12 184	0.17 216	0.09 239	0.12 207	0.16 284	0.15 106	0.19 246	0.09 92	0.08 70	0.06 16	0.06 36	0.10 61	0.07 1	0.06 114	0.04 21	0.06 102	0.05 107	0.06 192	0.06 199

whm_eth	0.10 142	0.08 236	0.14 264	0.15 70	0.09 239	0.07 28	0.15 219	0.16 132	0.16 186	0.11 154	0.10 117	0.14 237	0.08 141	0.12 189	0.10 123	0.09 359	0.07 379	0.07 194	0.06 185	0.07 258	0.05 121

plain	0.10 142	0.08 236	0.10 108	0.19 355	0.09 239	0.10 127	0.15 219	0.14 75	0.13 119	0.13 219	0.15 205	0.09 123	0.12 255	0.13 234	0.12 236	0.07 239	0.05 182	0.09 359	0.06 185	0.06 192	0.06 199

testlalala_base	0.10 142	0.09 312	0.14 264	0.21 440	0.08 127	0.10 127	0.14 152	0.13 59	0.10 36	0.07 30	0.15 205	0.07 62	0.08 141	0.10 61	0.12 236	0.08 300	0.05 182	0.05 23	0.03 1	0.06 192	0.05 121

Any-RAFT	0.10 142	0.05 17	0.09 72	0.14 30	0.07 71	0.13 246	0.14 152	0.21 252	0.15 159	0.11 154	0.12 160	0.12 192	0.09 167	0.12 189	0.09 54	0.07 239	0.04 21	0.05 23	0.04 34	0.06 192	0.05 121

LL-Strereo2	0.10 142	0.10 370	0.15 315	0.18 298	0.08 127	0.15 304	0.09 18	0.17 168	0.14 143	0.14 240	0.10 117	0.09 123	0.07 106	0.16 316	0.10 123	0.05 27	0.05 182	0.10 407	0.07 272	0.06 192	0.05 121

DCANet-4	0.10 142	0.06 56	0.12 184	0.16 142	0.06 13	0.09 80	0.17 318	0.18 197	0.19 246	0.13 219	0.16 217	0.09 123	0.14 318	0.11 107	0.12 236	0.06 114	0.04 21	0.05 23	0.04 34	0.04 15	0.05 121

fff	0.10 142	0.06 56	0.12 184	0.15 70	0.07 71	0.09 80	0.17 318	0.16 132	0.20 269	0.13 219	0.16 217	0.10 154	0.11 224	0.11 107	0.12 236	0.06 114	0.04 21	0.05 23	0.04 34	0.04 15	0.05 121

ADStereo(finetuned)	0.10 142	0.06 56	0.12 184	0.16 142	0.06 13	0.09 80	0.17 318	0.15 106	0.19 246	0.13 219	0.17 238	0.10 154	0.12 255	0.11 107	0.12 236	0.06 114	0.04 21	0.05 23	0.04 34	0.05 100	0.04 40

test_4	0.10 142	0.10 370	0.08 30	0.19 355	0.09 239	0.08 51	0.22 450	0.15 106	0.17 205	0.12 192	0.18 263	0.12 192	0.09 167	0.08 15	0.11 187	0.04 11	0.04 21	0.08 278	0.08 337	0.04 15	0.03 1

IPLG	0.10 142	0.07 139	0.15 315	0.17 216	0.08 127	0.11 172	0.14 152	0.20 229	0.15 159	0.12 192	0.17 238	0.07 62	0.07 106	0.14 260	0.13 277	0.06 114	0.04 21	0.06 102	0.05 107	0.04 15	0.04 40

test_3	0.10 142	0.09 312	0.10 108	0.20 411	0.08 127	0.13 246	0.26 497	0.14 75	0.21 284	0.10 125	0.10 117	0.09 123	0.09 167	0.08 15	0.11 187	0.05 27	0.04 21	0.08 278	0.07 272	0.04 15	0.04 40

STrans-v2	0.10 142	0.07 139	0.12 184	0.18 298	0.07 71	0.10 127	0.14 152	0.21 252	0.11 62	0.11 154	0.15 205	0.12 192	0.10 199	0.11 107	0.12 236	0.05 27	0.04 21	0.06 102	0.06 185	0.04 15	0.04 40

TransformOpticalFlow	0.10 142	0.08 236	0.13 229	0.18 298	0.07 71	0.09 80	0.15 219	0.19 218	0.15 159	0.12 192	0.17 238	0.11 175	0.11 224	0.11 107	0.10 123	0.05 27	0.04 21	0.06 102	0.06 185	0.05 100	0.05 121

SST-Stereo	0.10 142	0.07 139	0.15 315	0.18 298	0.09 239	0.06 8	0.12 63	0.17 168	0.11 62	0.15 267	0.17 238	0.13 217	0.12 255	0.10 61	0.11 187	0.06 114	0.04 21	0.09 359	0.06 185	0.06 192	0.05 121

cross-raft	0.10 142	0.09 312	0.09 72	0.19 355	0.07 71	0.11 172	0.25 489	0.13 59	0.15 159	0.08 62	0.11 147	0.12 192	0.10 199	0.09 33	0.11 187	0.05 27	0.04 21	0.06 102	0.05 107	0.04 15	0.04 40

test-1	0.10 142	0.07 139	0.16 349	0.19 355	0.08 127	0.11 172	0.24 473	0.14 75	0.18 231	0.09 92	0.07 37	0.09 123	0.08 141	0.07 4	0.09 54	0.06 114	0.04 21	0.06 102	0.05 107	0.04 15	0.04 40

iRaftStereo_RVC	0.10 142	0.07 139	0.09 72	0.17 216	0.09 239	0.11 172	0.17 318	0.18 197	0.12 88	0.09 92	0.12 160	0.10 154	0.07 106	0.11 107	0.10 123	0.05 27	0.04 21	0.08 278	0.08 337	0.04 15	0.04 40

RALCasStereoNet	0.10 142	0.06 56	0.09 72	0.16 142	0.08 127	0.12 207	0.14 152	0.17 168	0.11 62	0.12 192	0.17 238	0.14 237	0.10 199	0.12 189	0.11 187	0.07 239	0.06 307	0.06 102	0.05 107	0.08 321	0.07 279

DCANet	0.10 142	0.06 56	0.12 184	0.16 142	0.06 13	0.09 80	0.17 318	0.15 106	0.19 246	0.13 219	0.17 238	0.10 154	0.11 224	0.11 107	0.12 236	0.06 114	0.04 21	0.05 23	0.04 34	0.05 100	0.04 40

csc	0.10 142	0.06 56	0.12 184	0.15 70	0.07 71	0.09 80	0.17 318	0.16 132	0.20 269	0.13 219	0.16 217	0.10 154	0.11 224	0.11 107	0.12 236	0.06 114	0.04 21	0.05 23	0.04 34	0.04 15	0.05 121

cscssc	0.10 142	0.06 56	0.12 184	0.15 70	0.07 71	0.09 80	0.17 318	0.16 132	0.20 269	0.13 219	0.16 217	0.10 154	0.11 224	0.11 107	0.12 236	0.06 114	0.04 21	0.05 23	0.04 34	0.04 15	0.05 121

111	0.10 142	0.06 56	0.12 184	0.15 70	0.07 71	0.10 127	0.14 152	0.21 252	0.23 308	0.11 154	0.12 160	0.14 237	0.11 224	0.13 234	0.10 123	0.06 114	0.04 21	0.06 102	0.04 34	0.05 100	0.05 121

R-Stereo Train	0.10 142	0.06 56	0.10 108	0.17 216	0.08 127	0.11 172	0.14 152	0.23 294	0.11 62	0.12 192	0.19 272	0.11 175	0.08 141	0.09 33	0.11 187	0.07 239	0.05 182	0.06 102	0.05 107	0.05 100	0.05 121

RAFT-Stereo	0.10 142	0.06 56	0.10 108	0.17 216	0.08 127	0.11 172	0.14 152	0.23 294	0.11 62	0.12 192	0.19 272	0.11 175	0.08 141	0.09 33	0.11 187	0.07 239	0.05 182	0.06 102	0.05 107	0.05 100	0.05 121
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
HITNet	0.10 142	0.06 56	0.12 184	0.14 30	0.06 13	0.11 172	0.10 27	0.18 197	0.18 231	0.13 219	0.16 217	0.14 237	0.11 224	0.15 282	0.13 277	0.06 114	0.04 21	0.04 1	0.04 34	0.06 192	0.05 121
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
FlowAnything_test	0.11 185	0.08 236	0.14 264	0.15 70	0.09 239	0.07 28	0.14 152	0.20 229	0.11 62	0.09 92	0.09 88	0.12 192	0.12 255	0.13 234	0.11 187	0.09 359	0.06 307	0.09 359	0.09 383	0.06 192	0.09 387

xyz-stereo-finetune2	0.11 185	0.07 139	0.13 229	0.13 13	0.07 71	0.11 172	0.19 402	0.17 168	0.12 88	0.15 267	0.15 205	0.17 300	0.12 255	0.13 234	0.11 187	0.05 27	0.04 21	0.07 194	0.05 107	0.04 15	0.06 199

xyz-stereo-finetune	0.11 185	0.08 236	0.13 229	0.14 30	0.06 13	0.10 127	0.19 402	0.17 168	0.19 246	0.12 192	0.14 188	0.15 266	0.10 199	0.13 234	0.11 187	0.05 27	0.04 21	0.07 194	0.05 107	0.04 15	0.05 121

HI	0.11 185	0.06 56	0.11 149	0.13 13	0.09 239	0.09 80	0.14 152	0.21 252	0.10 36	0.19 357	0.17 238	0.14 237	0.09 167	0.16 316	0.08 17	0.05 27	0.04 21	0.07 194	0.08 337	0.07 258	0.06 199

CoSv	0.11 185	0.06 56	0.11 149	0.13 13	0.09 239	0.09 80	0.14 152	0.21 252	0.10 36	0.19 357	0.17 238	0.14 237	0.09 167	0.16 316	0.08 17	0.05 27	0.04 21	0.07 194	0.08 337	0.07 258	0.06 199

rvit_stereo_0081_aga	0.11 185	0.09 312	0.14 264	0.18 298	0.09 239	0.13 246	0.14 152	0.14 75	0.19 246	0.10 125	0.18 263	0.16 280	0.09 167	0.12 189	0.09 54	0.10 400	0.06 307	0.08 278	0.07 272	0.07 258	0.06 199

rvit_stereo_0081	0.11 185	0.08 236	0.15 315	0.16 142	0.09 239	0.10 127	0.14 152	0.14 75	0.24 324	0.11 154	0.13 174	0.13 217	0.09 167	0.11 107	0.12 236	0.10 400	0.07 379	0.08 278	0.07 272	0.07 258	0.05 121

rvit_stereo_0082	0.11 185	0.08 236	0.15 315	0.16 142	0.09 239	0.10 127	0.14 152	0.14 75	0.24 324	0.11 154	0.13 174	0.13 217	0.09 167	0.11 107	0.12 236	0.10 400	0.07 379	0.08 278	0.07 272	0.07 258	0.05 121

AIO-Stereo-zeroshot1	0.11 185	0.05 17	0.14 264	0.15 70	0.20 518	0.09 80	0.17 318	0.21 252	0.15 159	0.11 154	0.14 188	0.10 154	0.07 106	0.10 61	0.08 17	0.06 114	0.05 182	0.07 194	0.07 272	0.07 258	0.09 387

AIO-Stereo-zeroshot	0.11 185	0.05 17	0.11 149	0.15 70	0.13 443	0.13 246	0.16 284	0.23 294	0.17 205	0.10 125	0.12 160	0.10 154	0.07 106	0.11 107	0.09 54	0.06 114	0.05 182	0.06 102	0.06 185	0.07 258	0.08 343

CAS++	0.11 185	0.07 139	0.11 149	0.14 30	0.09 239	0.12 207	0.14 152	0.24 316	0.14 143	0.11 154	0.09 88	0.11 175	0.07 106	0.14 260	0.09 54	0.11 429	0.09 434	0.09 359	0.07 272	0.07 258	0.08 343
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
xx1	0.11 185	0.08 236	0.12 184	0.17 216	0.09 239	0.13 246	0.15 219	0.16 132	0.18 231	0.09 92	0.09 88	0.16 280	0.16 362	0.10 61	0.07 1	0.06 114	0.04 21	0.08 278	0.08 337	0.07 258	0.07 279

1test111	0.11 185	0.08 236	0.12 184	0.17 216	0.09 239	0.13 246	0.15 219	0.23 294	0.16 186	0.09 92	0.09 88	0.06 16	0.06 36	0.15 282	0.16 358	0.06 114	0.04 21	0.06 102	0.05 107	0.07 258	0.07 279

MIF-Stereo (partial)	0.11 185	0.06 56	0.10 108	0.19 355	0.10 341	0.10 127	0.11 46	0.17 168	0.18 231	0.14 240	0.16 217	0.09 123	0.11 224	0.12 189	0.12 236	0.08 300	0.05 182	0.08 278	0.07 272	0.06 192	0.07 279

EKT-Stereo	0.11 185	0.07 139	0.14 264	0.15 70	0.10 341	0.13 246	0.14 152	0.18 197	0.21 284	0.11 154	0.08 70	0.12 192	0.09 167	0.11 107	0.12 236	0.08 300	0.06 307	0.07 194	0.06 185	0.08 321	0.07 279

anonymousdsp2	0.11 185	0.07 139	0.10 108	0.16 142	0.09 239	0.13 246	0.14 152	0.18 197	0.22 298	0.13 219	0.14 188	0.12 192	0.09 167	0.14 260	0.11 187	0.05 27	0.04 21	0.05 23	0.04 34	0.06 192	0.05 121

DCRE	0.11 185	0.07 139	0.13 229	0.16 142	0.11 389	0.11 172	0.17 318	0.18 197	0.17 205	0.11 154	0.18 263	0.10 154	0.10 199	0.15 282	0.11 187	0.06 114	0.05 182	0.06 102	0.06 185	0.05 100	0.04 40

knoymous	0.11 185	0.05 17	0.12 184	0.13 13	0.07 71	0.15 304	0.14 152	0.19 218	0.13 119	0.11 154	0.17 238	0.13 217	0.09 167	0.13 234	0.11 187	0.08 300	0.05 182	0.06 102	0.05 107	0.08 321	0.07 279

riskmin	0.11 185	0.06 56	0.13 229	0.14 30	0.08 127	0.14 278	0.14 152	0.18 197	0.14 143	0.11 154	0.14 188	0.16 280	0.11 224	0.14 260	0.12 236	0.09 359	0.05 182	0.07 194	0.05 107	0.08 321	0.08 343

Selective-RAFT	0.11 185	0.10 370	0.11 149	0.21 440	0.08 127	0.16 334	0.13 104	0.20 229	0.22 298	0.10 125	0.10 117	0.11 175	0.10 199	0.15 282	0.11 187	0.05 27	0.05 182	0.06 102	0.05 107	0.06 192	0.05 121

DisPM	0.11 185	0.07 139	0.12 184	0.16 142	0.09 239	0.06 8	0.13 104	0.17 168	0.17 205	0.14 240	0.20 284	0.12 192	0.10 199	0.11 107	0.10 123	0.06 114	0.04 21	0.07 194	0.06 185	0.06 192	0.11 440

CIPLG	0.11 185	0.08 236	0.14 264	0.17 216	0.08 127	0.12 207	0.15 219	0.17 168	0.15 159	0.14 240	0.11 147	0.16 280	0.09 167	0.16 316	0.11 187	0.07 239	0.05 182	0.06 102	0.05 107	0.05 100	0.06 199

GLC_STEREO	0.11 185	0.07 139	0.11 149	0.17 216	0.07 71	0.09 80	0.13 104	0.15 106	0.24 324	0.12 192	0.13 174	0.12 192	0.08 141	0.18 369	0.11 187	0.06 114	0.08 405	0.08 278	0.06 185	0.05 100	0.05 121

IPLGR_C	0.11 185	0.08 236	0.14 264	0.17 216	0.08 127	0.12 207	0.15 219	0.17 168	0.15 159	0.14 240	0.10 117	0.16 280	0.09 167	0.16 316	0.11 187	0.07 239	0.05 182	0.06 102	0.05 107	0.05 100	0.06 199

MIPNet	0.11 185	0.08 236	0.14 264	0.17 216	0.09 239	0.12 207	0.14 152	0.20 229	0.24 324	0.11 154	0.10 117	0.09 123	0.07 106	0.13 234	0.12 236	0.06 114	0.04 21	0.06 102	0.05 107	0.04 15	0.04 40

IPLGR	0.11 185	0.09 312	0.16 349	0.18 298	0.08 127	0.12 207	0.17 318	0.21 252	0.24 324	0.11 154	0.12 160	0.11 175	0.08 141	0.12 189	0.12 236	0.06 114	0.05 182	0.06 102	0.06 185	0.04 15	0.04 40

GMOStereo	0.11 185	0.09 312	0.07 6	0.19 355	0.08 127	0.12 207	0.28 510	0.13 59	0.17 205	0.11 154	0.17 238	0.14 237	0.12 255	0.07 4	0.07 1	0.05 27	0.05 182	0.09 359	0.07 272	0.04 15	0.04 40

error version	0.11 185	0.09 312	0.07 6	0.19 355	0.08 127	0.12 207	0.28 510	0.13 59	0.17 205	0.11 154	0.17 238	0.14 237	0.12 255	0.07 4	0.07 1	0.05 27	0.05 182	0.09 359	0.07 272	0.04 15	0.04 40

test-v	0.11 185	0.09 312	0.07 6	0.19 355	0.08 127	0.12 207	0.28 510	0.13 59	0.17 205	0.11 154	0.17 238	0.14 237	0.12 255	0.07 4	0.07 1	0.05 27	0.05 182	0.09 359	0.07 272	0.04 15	0.04 40

ACRE	0.11 185	0.08 236	0.14 264	0.17 216	0.08 127	0.12 207	0.15 219	0.17 168	0.14 143	0.14 240	0.10 117	0.16 280	0.09 167	0.16 316	0.11 187	0.07 239	0.05 182	0.06 102	0.05 107	0.05 100	0.06 199

PFNet+	0.11 185	0.06 56	0.13 229	0.16 142	0.09 239	0.05 4	0.12 63	0.17 168	0.21 284	0.16 295	0.19 272	0.14 237	0.10 199	0.11 107	0.11 187	0.08 300	0.05 182	0.09 359	0.08 337	0.06 192	0.11 440

LCNet	0.11 185	0.07 139	0.09 72	0.19 355	0.09 239	0.08 51	0.15 219	0.21 252	0.15 159	0.11 154	0.15 205	0.16 280	0.11 224	0.12 189	0.11 187	0.05 27	0.04 21	0.08 278	0.07 272	0.06 192	0.15 497

HHNet	0.11 185	0.06 56	0.16 349	0.15 70	0.14 463	0.07 28	0.13 104	0.20 229	0.17 205	0.14 240	0.25 365	0.11 175	0.08 141	0.13 234	0.10 123	0.05 27	0.04 21	0.08 278	0.06 185	0.05 100	0.09 387

Patchmatch Stereo++	0.11 185	0.09 312	0.16 349	0.18 298	0.08 127	0.06 8	0.11 46	0.16 132	0.13 119	0.15 267	0.16 217	0.14 237	0.12 255	0.11 107	0.10 123	0.06 114	0.04 21	0.08 278	0.06 185	0.08 321	0.07 279
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	0.11 185	0.07 139	0.16 349	0.19 355	0.09 239	0.08 51	0.13 104	0.18 197	0.13 119	0.16 295	0.21 305	0.13 217	0.14 318	0.11 107	0.14 314	0.06 114	0.04 21	0.09 359	0.06 185	0.06 192	0.05 121

OMP-Stereo	0.11 185	0.06 56	0.14 264	0.18 298	0.08 127	0.09 80	0.12 63	0.21 252	0.21 284	0.13 219	0.14 188	0.11 175	0.12 255	0.11 107	0.13 277	0.06 114	0.04 21	0.07 194	0.06 185	0.05 100	0.04 40

IIG-Stereo	0.11 185	0.06 56	0.13 229	0.17 216	0.08 127	0.11 172	0.12 63	0.22 274	0.17 205	0.14 240	0.17 238	0.11 175	0.12 255	0.12 189	0.12 236	0.06 114	0.05 182	0.07 194	0.06 185	0.05 100	0.04 40

NF-Stereo	0.11 185	0.07 139	0.13 229	0.17 216	0.09 239	0.10 127	0.14 152	0.23 294	0.19 246	0.12 192	0.17 238	0.12 192	0.11 224	0.11 107	0.11 187	0.06 114	0.04 21	0.07 194	0.06 185	0.06 192	0.12 453

OCTAStereo	0.11 185	0.07 139	0.13 229	0.17 216	0.09 239	0.10 127	0.14 152	0.23 294	0.19 246	0.12 192	0.17 238	0.12 192	0.11 224	0.11 107	0.11 187	0.06 114	0.04 21	0.07 194	0.06 185	0.06 192	0.12 453

NRIStereo	0.11 185	0.08 236	0.14 264	0.18 298	0.08 127	0.10 127	0.14 152	0.16 132	0.15 159	0.12 192	0.14 188	0.13 217	0.12 255	0.13 234	0.10 123	0.06 114	0.04 21	0.07 194	0.06 185	0.06 192	0.07 279

PSM-adaLoss	0.11 185	0.09 312	0.16 349	0.18 298	0.08 127	0.06 8	0.12 63	0.16 132	0.13 119	0.15 267	0.16 217	0.14 237	0.12 255	0.11 107	0.10 123	0.06 114	0.04 21	0.08 278	0.06 185	0.08 321	0.07 279

PSM-AAD	0.11 185	0.07 139	0.10 108	0.19 355	0.09 239	0.10 127	0.15 219	0.20 229	0.13 119	0.12 192	0.14 188	0.18 314	0.11 224	0.11 107	0.10 123	0.05 27	0.05 182	0.09 359	0.08 337	0.06 192	0.14 490

ROB_FTStereo_v2	0.11 185	0.09 312	0.16 349	0.19 355	0.08 127	0.06 8	0.12 63	0.16 132	0.13 119	0.15 267	0.16 217	0.14 237	0.12 255	0.11 107	0.10 123	0.06 114	0.04 21	0.08 278	0.06 185	0.08 321	0.07 279

ROB_FTStereo	0.11 185	0.09 312	0.16 349	0.19 355	0.08 127	0.06 8	0.11 46	0.16 132	0.13 119	0.15 267	0.16 217	0.14 237	0.12 255	0.11 107	0.10 123	0.06 114	0.04 21	0.08 278	0.06 185	0.08 321	0.07 279

KYRaft	0.11 185	0.07 139	0.10 108	0.19 355	0.09 239	0.08 51	0.15 219	0.22 274	0.12 88	0.13 219	0.16 217	0.20 340	0.10 199	0.12 189	0.10 123	0.05 27	0.04 21	0.08 278	0.08 337	0.06 192	0.16 508

HUI-Stereo	0.11 185	0.09 312	0.16 349	0.18 298	0.08 127	0.06 8	0.12 63	0.16 132	0.13 119	0.15 267	0.16 217	0.14 237	0.12 255	0.11 107	0.10 123	0.06 114	0.04 21	0.08 278	0.06 185	0.08 321	0.07 279

ASMatch	0.11 185	0.06 56	0.13 229	0.16 142	0.10 341	0.07 28	0.14 152	0.17 168	0.17 205	0.12 192	0.16 217	0.16 280	0.10 199	0.13 234	0.10 123	0.05 27	0.04 21	0.06 102	0.05 107	0.04 15	0.08 343

RAFT_R40	0.11 185	0.07 139	0.14 264	0.18 298	0.09 239	0.06 8	0.13 104	0.17 168	0.16 186	0.14 240	0.18 263	0.15 266	0.12 255	0.10 61	0.11 187	0.06 114	0.04 21	0.09 359	0.06 185	0.06 192	0.05 121

GrayStereo	0.11 185	0.06 56	0.11 149	0.19 355	0.09 239	0.09 80	0.16 284	0.18 197	0.17 205	0.14 240	0.17 238	0.17 300	0.11 224	0.12 189	0.11 187	0.05 27	0.05 182	0.07 194	0.06 185	0.05 100	0.10 414

RE-Stereo	0.11 185	0.07 139	0.13 229	0.17 216	0.09 239	0.10 127	0.14 152	0.23 294	0.19 246	0.12 192	0.17 238	0.12 192	0.11 224	0.11 107	0.11 187	0.06 114	0.04 21	0.07 194	0.06 185	0.06 192	0.12 453

Pruner-Stereo	0.11 185	0.07 139	0.12 184	0.17 216	0.09 239	0.06 8	0.12 63	0.17 168	0.17 205	0.13 219	0.19 272	0.13 217	0.09 167	0.11 107	0.11 187	0.06 114	0.04 21	0.07 194	0.06 185	0.06 192	0.08 343

TVStereo	0.11 185	0.07 139	0.13 229	0.17 216	0.09 239	0.10 127	0.14 152	0.23 294	0.19 246	0.12 192	0.17 238	0.12 192	0.11 224	0.11 107	0.11 187	0.06 114	0.04 21	0.07 194	0.06 185	0.06 192	0.12 453

DeepStereo_RVC	0.11 185	0.08 236	0.16 349	0.18 298	0.08 127	0.08 51	0.12 63	0.17 168	0.12 88	0.13 219	0.14 188	0.12 192	0.12 255	0.12 189	0.11 187	0.06 114	0.04 21	0.07 194	0.06 185	0.07 258	0.08 343

iGMRVC	0.11 185	0.09 312	0.16 349	0.19 355	0.08 127	0.06 8	0.12 63	0.16 132	0.13 119	0.15 267	0.16 217	0.14 237	0.12 255	0.11 107	0.10 123	0.06 114	0.04 21	0.08 278	0.06 185	0.08 321	0.07 279

RAFT-RH_RVC	0.11 185	0.06 56	0.14 264	0.16 142	0.09 239	0.12 207	0.12 63	0.17 168	0.12 88	0.13 219	0.41 495	0.11 175	0.10 199	0.13 234	0.12 236	0.05 27	0.04 21	0.08 278	0.05 107	0.04 15	0.06 199

RAFT-345	0.11 185	0.07 139	0.15 315	0.16 142	0.08 127	0.08 51	0.12 63	0.15 106	0.10 36	0.11 154	0.36 458	0.09 123	0.09 167	0.11 107	0.12 236	0.05 27	0.05 182	0.07 194	0.06 185	0.04 15	0.05 121

iRAFT	0.11 185	0.09 312	0.16 349	0.18 298	0.08 127	0.06 8	0.11 46	0.16 132	0.13 119	0.15 267	0.16 217	0.14 237	0.12 255	0.11 107	0.10 123	0.06 114	0.04 21	0.08 278	0.06 185	0.08 321	0.07 279

CRE-IMP	0.11 185	0.09 312	0.16 349	0.19 355	0.08 127	0.10 127	0.12 63	0.18 197	0.10 36	0.14 240	0.13 174	0.13 217	0.12 255	0.12 189	0.11 187	0.07 239	0.04 21	0.08 278	0.06 185	0.08 321	0.08 343

test-2	0.11 185	0.09 312	0.07 6	0.19 355	0.08 127	0.12 207	0.28 510	0.13 59	0.17 205	0.11 154	0.17 238	0.14 237	0.12 255	0.07 4	0.07 1	0.05 27	0.05 182	0.09 359	0.07 272	0.04 15	0.04 40

GMM-Stereo	0.11 185	0.07 139	0.10 108	0.18 298	0.09 239	0.08 51	0.15 219	0.23 294	0.16 186	0.11 154	0.15 205	0.13 217	0.11 224	0.11 107	0.11 187	0.05 27	0.04 21	0.08 278	0.07 272	0.06 192	0.09 387

RAFT-IKP	0.11 185	0.09 312	0.16 349	0.19 355	0.08 127	0.06 8	0.12 63	0.16 132	0.13 119	0.15 267	0.16 217	0.14 237	0.12 255	0.11 107	0.10 123	0.06 114	0.04 21	0.08 278	0.06 185	0.08 321	0.07 279

Prome-Stereo	0.11 185	0.06 56	0.10 108	0.18 298	0.08 127	0.12 207	0.15 219	0.22 274	0.13 119	0.12 192	0.17 238	0.13 217	0.08 141	0.12 189	0.10 123	0.05 27	0.04 21	0.07 194	0.06 185	0.06 192	0.09 387

rafts_anoy	0.11 185	0.06 56	0.10 108	0.17 216	0.08 127	0.10 127	0.14 152	0.17 168	0.14 143	0.13 219	0.13 174	0.12 192	0.10 199	0.11 107	0.12 236	0.07 239	0.04 21	0.09 359	0.11 454	0.07 258	0.06 199

raft+_RVC	0.11 185	0.07 139	0.09 72	0.16 142	0.07 71	0.10 127	0.11 46	0.24 316	0.20 269	0.12 192	0.15 205	0.12 192	0.08 141	0.12 189	0.13 277	0.07 239	0.04 21	0.07 194	0.06 185	0.05 100	0.05 121

RALAANet	0.11 185	0.08 236	0.10 108	0.17 216	0.09 239	0.14 278	0.10 27	0.20 229	0.15 159	0.14 240	0.13 174	0.16 280	0.09 167	0.12 189	0.11 187	0.06 114	0.05 182	0.07 194	0.06 185	0.05 100	0.04 40

DIP-Stereo	0.11 185	0.07 139	0.14 264	0.17 216	0.09 239	0.13 246	0.09 18	0.16 132	0.16 186	0.11 154	0.16 217	0.14 237	0.12 255	0.15 282	0.13 277	0.06 114	0.05 182	0.06 102	0.05 107	0.05 100	0.06 199
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
rvit_stereo_0083	0.12 251	0.08 236	0.17 377	0.16 142	0.09 239	0.11 172	0.15 219	0.14 75	0.26 359	0.11 154	0.14 188	0.13 217	0.10 199	0.12 189	0.12 236	0.10 400	0.08 405	0.09 359	0.07 272	0.07 258	0.05 121

rvit_stereo_ft	0.12 251	0.07 139	0.13 229	0.19 355	0.10 341	0.12 207	0.17 318	0.16 132	0.16 186	0.12 192	0.13 174	0.15 266	0.10 199	0.14 260	0.13 277	0.09 359	0.06 307	0.08 278	0.07 272	0.07 258	0.05 121

test_sample2	0.12 251	0.07 139	0.12 184	0.14 30	0.08 127	0.16 334	0.18 363	0.21 252	0.16 186	0.14 240	0.20 284	0.19 328	0.15 336	0.15 282	0.12 236	0.08 300	0.05 182	0.07 194	0.06 185	0.08 321	0.07 279

MyStereo8	0.12 251	0.07 139	0.15 315	0.15 70	0.09 239	0.18 374	0.14 152	0.19 218	0.22 298	0.12 192	0.18 263	0.11 175	0.10 199	0.16 316	0.18 391	0.07 239	0.05 182	0.07 194	0.05 107	0.08 321	0.09 387

CoDeX	0.12 251	0.07 139	0.12 184	0.17 216	0.08 127	0.12 207	0.15 219	0.23 294	0.27 368	0.13 219	0.17 238	0.16 280	0.11 224	0.14 260	0.11 187	0.07 239	0.05 182	0.07 194	0.06 185	0.06 192	0.05 121

11t1	0.12 251	0.06 56	0.13 229	0.14 30	0.08 127	0.17 355	0.15 219	0.18 197	0.15 159	0.15 267	0.15 205	0.16 280	0.16 362	0.15 282	0.13 277	0.08 300	0.05 182	0.06 102	0.05 107	0.08 321	0.07 279

ffm	0.12 251	0.09 312	0.14 264	0.16 142	0.08 127	0.17 355	0.17 318	0.15 106	0.19 246	0.15 267	0.25 365	0.19 328	0.13 293	0.10 61	0.07 1	0.06 114	0.04 21	0.09 359	0.08 337	0.06 192	0.06 199

RAFT_CTSACE	0.12 251	0.09 312	0.10 108	0.22 455	0.08 127	0.12 207	0.24 473	0.18 197	0.16 186	0.20 380	0.27 390	0.13 217	0.07 106	0.13 234	0.09 54	0.05 27	0.06 307	0.08 278	0.07 272	0.04 15	0.04 40

Sa-1000	0.12 251	0.08 236	0.08 30	0.18 298	0.08 127	0.14 278	0.22 450	0.22 274	0.18 231	0.15 267	0.20 284	0.17 300	0.11 224	0.10 61	0.10 123	0.06 114	0.05 182	0.09 359	0.09 383	0.05 100	0.05 121

SA	0.12 251	0.09 312	0.08 30	0.18 298	0.08 127	0.12 207	0.24 473	0.23 294	0.18 231	0.17 311	0.27 390	0.14 237	0.11 224	0.11 107	0.11 187	0.05 27	0.05 182	0.09 359	0.08 337	0.05 100	0.04 40

iRaft-Stereo_5w	0.12 251	0.09 312	0.12 184	0.19 355	0.08 127	0.09 80	0.12 63	0.21 252	0.21 284	0.19 357	0.14 188	0.11 175	0.09 167	0.20 409	0.16 358	0.05 27	0.05 182	0.07 194	0.06 185	0.05 100	0.06 199

CrosDoStereo	0.12 251	0.06 56	0.12 184	0.14 30	0.08 127	0.12 207	0.15 219	0.17 168	0.22 298	0.19 357	0.24 336	0.15 266	0.11 224	0.11 107	0.12 236	0.06 114	0.04 21	0.07 194	0.07 272	0.05 100	0.05 121

PSM-softLoss	0.12 251	0.07 139	0.15 315	0.17 216	0.09 239	0.08 51	0.13 104	0.24 316	0.17 205	0.14 240	0.19 272	0.13 217	0.11 224	0.11 107	0.11 187	0.07 239	0.05 182	0.08 278	0.07 272	0.06 192	0.12 453

KMStereo	0.12 251	0.07 139	0.15 315	0.17 216	0.09 239	0.08 51	0.13 104	0.24 316	0.17 205	0.14 240	0.19 272	0.13 217	0.11 224	0.11 107	0.11 187	0.07 239	0.05 182	0.08 278	0.07 272	0.06 192	0.12 453

FTStereo	0.12 251	0.06 56	0.14 264	0.18 298	0.09 239	0.07 28	0.15 219	0.21 252	0.18 231	0.12 192	0.24 336	0.12 192	0.12 255	0.13 234	0.13 277	0.05 27	0.05 182	0.07 194	0.06 185	0.06 192	0.10 414

DeepStereo_LL	0.12 251	0.06 56	0.12 184	0.14 30	0.08 127	0.12 207	0.15 219	0.17 168	0.22 298	0.19 357	0.24 336	0.15 266	0.11 224	0.11 107	0.12 236	0.06 114	0.04 21	0.07 194	0.07 272	0.05 100	0.05 121

DEmStereo	0.12 251	0.06 56	0.14 264	0.14 30	0.10 341	0.16 334	0.15 219	0.16 132	0.24 324	0.17 311	0.24 336	0.13 217	0.14 318	0.12 189	0.13 277	0.05 27	0.04 21	0.07 194	0.06 185	0.05 100	0.05 121

THIR-Stereo	0.12 251	0.07 139	0.11 149	0.15 70	0.08 127	0.14 278	0.16 284	0.17 168	0.25 345	0.16 295	0.24 336	0.14 237	0.12 255	0.12 189	0.14 314	0.06 114	0.04 21	0.07 194	0.07 272	0.05 100	0.05 121

DRaft	0.12 251	0.06 56	0.11 149	0.14 30	0.09 239	0.14 278	0.17 318	0.21 252	0.30 399	0.17 311	0.28 404	0.10 154	0.15 336	0.10 61	0.12 236	0.05 27	0.04 21	0.07 194	0.06 185	0.05 100	0.05 121

PFNet	0.12 251	0.06 56	0.17 377	0.17 216	0.08 127	0.09 80	0.15 219	0.26 350	0.20 269	0.16 295	0.16 217	0.14 237	0.11 224	0.12 189	0.11 187	0.06 114	0.04 21	0.07 194	0.06 185	0.05 100	0.05 121

IRAFT_RVC	0.12 251	0.08 236	0.16 349	0.19 355	0.08 127	0.07 28	0.15 219	0.24 316	0.23 308	0.14 240	0.14 188	0.15 266	0.12 255	0.12 189	0.10 123	0.06 114	0.04 21	0.09 359	0.06 185	0.06 192	0.06 199

sCroCo_RVC	0.12 251	0.09 312	0.23 446	0.24 485	0.11 389	0.19 397	0.14 152	0.17 168	0.14 143	0.10 125	0.13 174	0.12 192	0.07 106	0.14 260	0.11 187	0.08 300	0.08 405	0.08 278	0.08 337	0.05 100	0.07 279

ARAFT	0.12 251	0.08 236	0.17 377	0.19 355	0.09 239	0.14 278	0.18 363	0.20 229	0.12 88	0.12 192	0.13 174	0.14 237	0.11 224	0.15 282	0.12 236	0.06 114	0.05 182	0.10 407	0.09 383	0.05 100	0.04 40

BEATNet_4x	0.12 251	0.08 236	0.14 264	0.18 298	0.07 71	0.15 304	0.07 3	0.22 274	0.18 231	0.16 295	0.19 272	0.18 314	0.14 318	0.16 316	0.15 342	0.07 239	0.05 182	0.05 23	0.05 107	0.06 192	0.06 199

MLCV	0.12 251	0.07 139	0.16 349	0.18 298	0.06 13	0.15 304	0.17 318	0.19 218	0.21 284	0.18 341	0.25 365	0.17 300	0.13 293	0.14 260	0.13 277	0.05 27	0.04 21	0.05 23	0.04 34	0.05 100	0.04 40

G2L-ROB	0.13 276	0.06 56	0.13 229	0.13 13	0.08 127	0.14 278	0.16 284	0.25 332	0.18 231	0.19 357	0.18 263	0.20 340	0.14 318	0.17 348	0.16 358	0.08 300	0.05 182	0.06 102	0.05 107	0.08 321	0.09 387

xyz-stereo	0.13 276	0.07 139	0.20 423	0.15 70	0.05 1	0.20 412	0.15 219	0.17 168	0.31 406	0.15 267	0.29 416	0.26 414	0.16 362	0.13 234	0.12 236	0.05 27	0.05 182	0.06 102	0.05 107	0.04 15	0.04 40

DFGA-Net	0.13 276	0.11 396	0.18 400	0.17 216	0.10 341	0.12 207	0.13 104	0.22 274	0.25 345	0.16 295	0.16 217	0.13 217	0.12 255	0.16 316	0.14 314	0.07 239	0.05 182	0.08 278	0.07 272	0.05 100	0.05 121

FACV-RUCA	0.13 276	0.11 396	0.12 184	0.19 355	0.12 420	0.15 304	0.15 219	0.22 274	0.20 269	0.15 267	0.16 217	0.14 237	0.16 362	0.14 260	0.13 277	0.07 239	0.05 182	0.08 278	0.06 185	0.10 414	0.08 343

UGAM	0.13 276	0.10 370	0.09 72	0.22 455	0.08 127	0.12 207	0.20 423	0.17 168	0.23 308	0.21 394	0.16 217	0.13 217	0.13 293	0.19 384	0.12 236	0.07 239	0.05 182	0.13 472	0.11 454	0.07 258	0.05 121

test_sample1	0.13 276	0.07 139	0.14 264	0.13 13	0.08 127	0.19 397	0.16 284	0.20 229	0.15 159	0.14 240	0.22 315	0.18 314	0.16 362	0.17 348	0.14 314	0.07 239	0.06 307	0.06 102	0.06 185	0.08 321	0.07 279

qqq1	0.13 276	0.07 139	0.17 377	0.14 30	0.08 127	0.16 334	0.17 318	0.26 350	0.27 368	0.19 357	0.20 284	0.18 314	0.15 336	0.15 282	0.11 187	0.08 300	0.05 182	0.05 23	0.05 107	0.06 192	0.06 199

fff1	0.13 276	0.07 139	0.17 377	0.14 30	0.08 127	0.16 334	0.17 318	0.26 350	0.27 368	0.19 357	0.20 284	0.18 314	0.15 336	0.15 282	0.11 187	0.08 300	0.05 182	0.05 23	0.05 107	0.06 192	0.06 199

MyStereo05	0.13 276	0.07 139	0.10 108	0.17 216	0.09 239	0.13 246	0.18 363	0.27 371	0.35 441	0.17 311	0.14 188	0.15 266	0.11 224	0.15 282	0.13 277	0.06 114	0.05 182	0.07 194	0.07 272	0.06 192	0.06 199

MyStereo04	0.13 276	0.07 139	0.10 108	0.17 216	0.09 239	0.14 278	0.18 363	0.29 401	0.38 460	0.17 311	0.14 188	0.16 280	0.10 199	0.15 282	0.13 277	0.06 114	0.05 182	0.08 278	0.07 272	0.06 192	0.06 199

ff1	0.13 276	0.09 312	0.14 264	0.16 142	0.08 127	0.17 355	0.17 318	0.15 106	0.19 246	0.15 267	0.25 365	0.19 328	0.13 293	0.14 260	0.20 410	0.06 114	0.04 21	0.09 359	0.08 337	0.06 192	0.06 199

StereoVision	0.13 276	0.12 414	0.09 72	0.24 485	0.10 341	0.15 304	0.21 440	0.21 252	0.20 269	0.12 192	0.24 336	0.10 154	0.10 199	0.16 316	0.10 123	0.09 359	0.11 467	0.12 457	0.12 473	0.06 192	0.05 121

LL-Strereo	0.13 276	0.09 312	0.11 149	0.20 411	0.10 341	0.11 172	0.18 363	0.32 436	0.24 324	0.15 267	0.15 205	0.14 237	0.13 293	0.19 384	0.11 187	0.06 114	0.04 21	0.09 359	0.08 337	0.04 15	0.05 121

CASS	0.13 276	0.12 414	0.11 149	0.23 476	0.09 239	0.15 304	0.17 318	0.18 197	0.19 246	0.17 311	0.18 263	0.15 266	0.15 336	0.14 260	0.14 314	0.09 359	0.06 307	0.10 407	0.08 337	0.09 382	0.07 279
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
anonymousa	0.13 276	0.07 139	0.13 229	0.18 298	0.09 239	0.13 246	0.17 318	0.19 218	0.29 389	0.15 267	0.24 336	0.15 266	0.14 318	0.14 260	0.14 314	0.07 239	0.05 182	0.07 194	0.09 383	0.05 100	0.06 199

TestStereo1	0.13 276	0.08 236	0.08 30	0.19 355	0.08 127	0.18 374	0.29 519	0.23 294	0.16 186	0.17 311	0.20 284	0.16 280	0.10 199	0.12 189	0.13 277	0.06 114	0.06 307	0.08 278	0.06 185	0.05 100	0.05 121

qqq	0.13 276	0.09 312	0.15 315	0.16 142	0.08 127	0.13 246	0.15 219	0.23 294	0.16 186	0.15 267	0.19 272	0.16 280	0.16 362	0.15 282	0.16 358	0.07 239	0.06 307	0.08 278	0.08 337	0.07 258	0.07 279

x	0.13 276	0.07 139	0.14 264	0.14 30	0.08 127	0.18 374	0.14 152	0.22 274	0.20 269	0.15 267	0.19 272	0.19 328	0.17 385	0.18 369	0.18 391	0.07 239	0.05 182	0.06 102	0.06 185	0.07 258	0.07 279

raft_robust	0.13 276	0.10 370	0.07 6	0.18 298	0.08 127	0.13 246	0.24 473	0.28 390	0.33 420	0.20 380	0.19 272	0.14 237	0.10 199	0.11 107	0.12 236	0.05 27	0.05 182	0.07 194	0.07 272	0.05 100	0.04 40

RAFT+CT+SA	0.13 276	0.11 396	0.09 72	0.19 355	0.09 239	0.15 304	0.28 510	0.22 274	0.22 298	0.15 267	0.26 382	0.10 154	0.10 199	0.11 107	0.12 236	0.05 27	0.04 21	0.07 194	0.08 337	0.07 258	0.06 199

SA-5K	0.13 276	0.08 236	0.08 30	0.19 355	0.08 127	0.18 374	0.29 519	0.23 294	0.16 186	0.17 311	0.20 284	0.16 280	0.10 199	0.12 189	0.13 277	0.06 114	0.06 307	0.08 278	0.06 185	0.05 100	0.05 121

GwcNet-ADL	0.13 276	0.08 236	0.14 264	0.20 411	0.09 239	0.11 172	0.20 423	0.30 415	0.24 324	0.13 219	0.14 188	0.18 314	0.14 318	0.13 234	0.14 314	0.07 239	0.05 182	0.06 102	0.05 107	0.07 258	0.06 199

GANet-ADL	0.13 276	0.07 139	0.15 315	0.17 216	0.10 341	0.18 374	0.15 219	0.30 415	0.20 269	0.13 219	0.18 263	0.19 328	0.12 255	0.16 316	0.13 277	0.08 300	0.06 307	0.06 102	0.05 107	0.07 258	0.08 343

RAFT	0.13 276	0.09 312	0.11 149	0.18 298	0.08 127	0.15 304	0.24 473	0.20 229	0.19 246	0.21 394	0.21 305	0.17 300	0.12 255	0.16 316	0.09 54	0.06 114	0.07 379	0.10 407	0.09 383	0.05 100	0.05 121

TestStereo	0.13 276	0.14 455	0.11 149	0.23 476	0.08 127	0.15 304	0.21 440	0.20 229	0.23 308	0.14 240	0.24 336	0.16 280	0.12 255	0.16 316	0.14 314	0.05 27	0.06 307	0.08 278	0.06 185	0.09 382	0.05 121

sAnonymous2	0.13 276	0.12 414	0.24 450	0.20 411	0.12 420	0.17 355	0.13 104	0.26 350	0.21 284	0.11 154	0.11 147	0.13 217	0.08 141	0.10 61	0.10 123	0.09 359	0.05 182	0.08 278	0.06 185	0.15 498	0.10 414

CroCo_RVC	0.13 276	0.12 414	0.24 450	0.20 411	0.12 420	0.17 355	0.13 104	0.26 350	0.21 284	0.11 154	0.11 147	0.13 217	0.08 141	0.10 61	0.10 123	0.09 359	0.05 182	0.08 278	0.06 185	0.15 498	0.10 414

RAFT + AFF	0.13 276	0.07 139	0.20 423	0.20 411	0.10 341	0.14 278	0.24 473	0.26 350	0.20 269	0.11 154	0.10 117	0.12 192	0.10 199	0.15 282	0.12 236	0.07 239	0.06 307	0.09 359	0.08 337	0.06 192	0.08 343

GMStereo	0.13 276	0.14 455	0.14 264	0.18 298	0.09 239	0.15 304	0.16 284	0.20 229	0.24 324	0.16 295	0.17 238	0.10 154	0.10 199	0.16 316	0.13 277	0.07 239	0.06 307	0.06 102	0.06 185	0.07 258	0.06 199
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
SFCPSM	0.13 276	0.07 139	0.14 264	0.17 216	0.09 239	0.15 304	0.16 284	0.28 390	0.27 368	0.14 240	0.17 238	0.12 192	0.13 293	0.14 260	0.11 187	0.08 300	0.05 182	0.07 194	0.07 272	0.07 258	0.06 199

FENet	0.13 276	0.08 236	0.12 184	0.16 142	0.08 127	0.14 278	0.15 219	0.22 274	0.23 308	0.17 311	0.23 324	0.16 280	0.12 255	0.14 260	0.15 342	0.08 300	0.05 182	0.08 278	0.08 337	0.07 258	0.07 279

cf-r	0.13 276	0.07 139	0.12 184	0.16 142	0.08 127	0.14 278	0.19 402	0.20 229	0.25 345	0.17 311	0.25 365	0.21 349	0.16 362	0.14 260	0.14 314	0.10 400	0.05 182	0.06 102	0.08 337	0.06 192	0.06 199

iResNet	0.13 276	0.10 370	0.18 400	0.19 355	0.08 127	0.13 246	0.18 363	0.20 229	0.26 359	0.15 267	0.23 324	0.15 266	0.13 293	0.14 260	0.14 314	0.06 114	0.04 21	0.06 102	0.05 107	0.06 192	0.05 121

DN-CSS_ROB	0.13 276	0.13 443	0.16 349	0.18 298	0.10 341	0.16 334	0.08 7	0.22 274	0.18 231	0.17 311	0.22 315	0.13 217	0.13 293	0.12 189	0.13 277	0.05 27	0.05 182	0.10 407	0.10 422	0.08 321	0.06 199

G2L-Stereo_test	0.14 310	0.07 139	0.11 149	0.13 13	0.08 127	0.12 207	0.16 284	0.30 415	0.28 382	0.20 380	0.23 324	0.20 340	0.16 362	0.17 348	0.18 391	0.07 239	0.05 182	0.05 23	0.05 107	0.07 258	0.06 199

coex_refinement	0.14 310	0.07 139	0.12 184	0.17 216	0.10 341	0.15 304	0.15 219	0.26 350	0.29 389	0.18 341	0.20 284	0.22 367	0.17 385	0.16 316	0.18 391	0.08 300	0.05 182	0.06 102	0.06 185	0.09 382	0.08 343

G2L-Stereo	0.14 310	0.07 139	0.13 229	0.17 216	0.09 239	0.13 246	0.12 63	0.27 371	0.22 298	0.16 295	0.27 390	0.21 349	0.13 293	0.17 348	0.18 391	0.09 359	0.08 405	0.08 278	0.07 272	0.07 258	0.07 279

rvit_0105_6	0.14 310	0.09 312	0.18 400	0.17 216	0.10 341	0.10 127	0.16 284	0.19 218	0.26 359	0.12 192	0.18 263	0.17 300	0.12 255	0.18 369	0.12 236	0.15 494	0.11 467	0.12 457	0.10 422	0.09 382	0.06 199

rvit_0105_5	0.14 310	0.09 312	0.13 229	0.17 216	0.09 239	0.14 278	0.23 461	0.24 316	0.27 368	0.14 240	0.15 205	0.18 314	0.12 255	0.17 348	0.14 314	0.14 490	0.11 467	0.10 407	0.10 422	0.08 321	0.06 199

rvit_0105_4	0.14 310	0.09 312	0.17 377	0.17 216	0.10 341	0.12 207	0.19 402	0.23 294	0.27 368	0.14 240	0.20 284	0.17 300	0.13 293	0.17 348	0.13 277	0.15 494	0.11 467	0.11 438	0.10 422	0.09 382	0.06 199

DCVSM-stereo	0.14 310	0.09 312	0.16 349	0.16 142	0.10 341	0.15 304	0.09 18	0.19 218	0.23 308	0.20 380	0.23 324	0.26 414	0.15 336	0.18 369	0.14 314	0.09 359	0.07 379	0.09 359	0.08 337	0.10 414	0.12 453

test_sample6	0.14 310	0.08 236	0.13 229	0.16 142	0.08 127	0.17 355	0.19 402	0.25 332	0.17 205	0.17 311	0.27 390	0.19 328	0.14 318	0.15 282	0.13 277	0.08 300	0.05 182	0.08 278	0.07 272	0.08 321	0.08 343

test_sample5	0.14 310	0.08 236	0.14 264	0.16 142	0.08 127	0.18 374	0.18 363	0.25 332	0.17 205	0.17 311	0.27 390	0.18 314	0.14 318	0.16 316	0.13 277	0.08 300	0.05 182	0.08 278	0.07 272	0.08 321	0.08 343

test_sample4	0.14 310	0.08 236	0.14 264	0.15 70	0.08 127	0.19 397	0.18 363	0.26 350	0.17 205	0.16 295	0.25 365	0.18 314	0.14 318	0.16 316	0.13 277	0.08 300	0.06 307	0.08 278	0.06 185	0.08 321	0.08 343

test_sample3	0.14 310	0.08 236	0.15 315	0.14 30	0.09 239	0.19 397	0.17 318	0.26 350	0.18 231	0.16 295	0.22 315	0.19 328	0.15 336	0.17 348	0.13 277	0.08 300	0.06 307	0.07 194	0.06 185	0.09 382	0.08 343

DispNO	0.14 310	0.08 236	0.17 377	0.19 355	0.12 420	0.11 172	0.21 440	0.23 294	0.29 389	0.17 311	0.23 324	0.18 314	0.17 385	0.15 282	0.15 342	0.07 239	0.05 182	0.08 278	0.08 337	0.07 258	0.06 199

SMFormer	0.14 310	0.07 139	0.17 377	0.14 30	0.08 127	0.16 334	0.17 318	0.26 350	0.27 368	0.19 357	0.20 284	0.18 314	0.15 336	0.15 282	0.17 373	0.08 300	0.05 182	0.07 194	0.06 185	0.07 258	0.06 199

tta	0.14 310	0.07 139	0.17 377	0.14 30	0.08 127	0.16 334	0.17 318	0.26 350	0.27 368	0.19 357	0.20 284	0.18 314	0.15 336	0.15 282	0.17 373	0.08 300	0.05 182	0.07 194	0.06 185	0.06 192	0.06 199

mmm	0.14 310	0.08 236	0.17 377	0.17 216	0.09 239	0.17 355	0.18 363	0.21 252	0.15 159	0.15 267	0.23 324	0.21 349	0.16 362	0.16 316	0.17 373	0.08 300	0.05 182	0.08 278	0.07 272	0.07 258	0.07 279

DualNet	0.14 310	0.08 236	0.14 264	0.16 142	0.08 127	0.18 374	0.18 363	0.25 332	0.17 205	0.17 311	0.27 390	0.18 314	0.14 318	0.16 316	0.13 277	0.08 300	0.05 182	0.08 278	0.07 272	0.08 321	0.08 343

mmx	0.14 310	0.09 312	0.14 264	0.16 142	0.08 127	0.17 355	0.17 318	0.27 371	0.25 345	0.15 267	0.25 365	0.19 328	0.13 293	0.14 260	0.20 410	0.08 300	0.06 307	0.09 359	0.08 337	0.08 321	0.08 343

ttt	0.14 310	0.08 236	0.14 264	0.15 70	0.08 127	0.15 304	0.18 363	0.27 371	0.29 389	0.16 295	0.24 336	0.17 300	0.13 293	0.13 234	0.14 314	0.11 429	0.08 405	0.09 359	0.08 337	0.09 382	0.08 343

xxx	0.14 310	0.09 312	0.14 264	0.16 142	0.08 127	0.17 355	0.17 318	0.27 371	0.25 345	0.15 267	0.25 365	0.19 328	0.13 293	0.14 260	0.20 410	0.08 300	0.06 307	0.09 359	0.08 337	0.08 321	0.08 343

PCWNet_CMD	0.14 310	0.08 236	0.15 315	0.17 216	0.09 239	0.14 278	0.14 152	0.29 401	0.36 446	0.14 240	0.20 284	0.21 349	0.12 255	0.17 348	0.13 277	0.07 239	0.05 182	0.07 194	0.07 272	0.07 258	0.07 279

CBFPSM	0.14 310	0.06 56	0.26 458	0.17 216	0.09 239	0.13 246	0.15 219	0.22 274	0.23 308	0.20 380	0.27 390	0.24 391	0.16 362	0.16 316	0.18 391	0.06 114	0.06 307	0.06 102	0.07 272	0.07 258	0.07 279

gwcnet-sp	0.14 310	0.07 139	0.12 184	0.18 298	0.09 239	0.16 334	0.17 318	0.24 316	0.24 324	0.18 341	0.24 336	0.15 266	0.16 362	0.15 282	0.15 342	0.08 300	0.06 307	0.07 194	0.08 337	0.08 321	0.07 279

scenet	0.14 310	0.07 139	0.12 184	0.18 298	0.09 239	0.16 334	0.17 318	0.24 316	0.24 324	0.18 341	0.24 336	0.15 266	0.16 362	0.15 282	0.15 342	0.08 300	0.06 307	0.07 194	0.08 337	0.08 321	0.07 279

ssnet	0.14 310	0.07 139	0.12 184	0.18 298	0.09 239	0.16 334	0.17 318	0.24 316	0.24 324	0.18 341	0.24 336	0.15 266	0.16 362	0.15 282	0.15 342	0.08 300	0.06 307	0.07 194	0.08 337	0.08 321	0.07 279

BUS	0.14 310	0.09 312	0.14 264	0.22 455	0.10 341	0.19 397	0.14 152	0.34 464	0.19 246	0.17 311	0.22 315	0.16 280	0.13 293	0.15 282	0.13 277	0.08 300	0.06 307	0.10 407	0.09 383	0.07 258	0.07 279

IER	0.14 310	0.07 139	0.13 229	0.17 216	0.09 239	0.14 278	0.16 284	0.25 332	0.26 359	0.18 341	0.25 365	0.17 300	0.20 427	0.16 316	0.14 314	0.08 300	0.05 182	0.07 194	0.06 185	0.08 321	0.07 279

test_5	0.14 310	0.12 414	0.08 30	0.20 411	0.10 341	0.14 278	0.29 519	0.21 252	0.24 324	0.18 341	0.28 404	0.11 175	0.15 336	0.12 189	0.13 277	0.06 114	0.05 182	0.07 194	0.08 337	0.08 321	0.07 279

psmg	0.14 310	0.09 312	0.14 264	0.17 216	0.10 341	0.15 304	0.17 318	0.29 401	0.19 246	0.17 311	0.21 305	0.25 405	0.16 362	0.15 282	0.14 314	0.08 300	0.06 307	0.08 278	0.08 337	0.07 258	0.06 199

UDGNet	0.14 310	0.13 443	0.16 349	0.17 216	0.10 341	0.12 207	0.16 284	0.21 252	0.27 368	0.20 380	0.20 284	0.16 280	0.13 293	0.16 316	0.13 277	0.10 400	0.06 307	0.09 359	0.07 272	0.06 192	0.07 279

CFNet_pseudo	0.14 310	0.08 236	0.15 315	0.16 142	0.09 239	0.13 246	0.14 152	0.27 371	0.34 432	0.14 240	0.21 305	0.22 367	0.13 293	0.18 369	0.14 314	0.07 239	0.05 182	0.08 278	0.06 185	0.07 258	0.07 279

GES	0.14 310	0.08 236	0.16 349	0.15 70	0.10 341	0.13 246	0.13 104	0.28 390	0.25 345	0.16 295	0.23 324	0.18 314	0.13 293	0.16 316	0.13 277	0.08 300	0.07 379	0.07 194	0.06 185	0.08 321	0.09 387

GANet-RSSM	0.14 310	0.07 139	0.13 229	0.13 13	0.08 127	0.14 278	0.17 318	0.22 274	0.21 284	0.17 311	0.24 336	0.23 385	0.15 336	0.16 316	0.15 342	0.10 400	0.06 307	0.07 194	0.08 337	0.08 321	0.07 279

PSMNet-RSSM	0.14 310	0.07 139	0.13 229	0.15 70	0.08 127	0.13 246	0.16 284	0.24 316	0.24 324	0.16 295	0.28 404	0.22 367	0.14 318	0.15 282	0.13 277	0.11 429	0.06 307	0.09 359	0.12 473	0.08 321	0.07 279

GwcNet-RSSM	0.14 310	0.07 139	0.12 184	0.15 70	0.08 127	0.15 304	0.20 423	0.21 252	0.27 368	0.18 341	0.27 390	0.22 367	0.16 362	0.14 260	0.15 342	0.10 400	0.05 182	0.07 194	0.09 383	0.07 258	0.07 279

CFNet-ft	0.14 310	0.07 139	0.15 315	0.12 4	0.09 239	0.16 334	0.18 363	0.22 274	0.24 324	0.17 311	0.26 382	0.24 391	0.14 318	0.16 316	0.14 314	0.11 429	0.06 307	0.08 278	0.09 383	0.09 382	0.08 343

DMCA	0.14 310	0.09 312	0.16 349	0.19 355	0.09 239	0.15 304	0.17 318	0.23 294	0.27 368	0.14 240	0.19 272	0.17 300	0.18 399	0.15 282	0.17 373	0.10 400	0.06 307	0.08 278	0.06 185	0.09 382	0.10 414

RASNet	0.14 310	0.07 139	0.14 264	0.16 142	0.08 127	0.18 374	0.14 152	0.29 401	0.20 269	0.17 311	0.25 365	0.21 349	0.18 399	0.20 409	0.19 404	0.07 239	0.06 307	0.06 102	0.08 337	0.06 192	0.06 199

MSMDNet	0.14 310	0.08 236	0.15 315	0.17 216	0.09 239	0.14 278	0.14 152	0.29 401	0.36 446	0.14 240	0.21 305	0.21 349	0.12 255	0.17 348	0.14 314	0.07 239	0.05 182	0.07 194	0.07 272	0.07 258	0.07 279

HSM-Net_RVC	0.14 310	0.08 236	0.11 149	0.15 70	0.08 127	0.15 304	0.15 219	0.27 371	0.29 389	0.19 357	0.21 305	0.29 440	0.14 318	0.17 348	0.13 277	0.06 114	0.06 307	0.06 102	0.06 185	0.07 258	0.06 199
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
CFNet_RVC	0.14 310	0.07 139	0.15 315	0.12 4	0.09 239	0.16 334	0.18 363	0.22 274	0.24 324	0.17 311	0.26 382	0.24 391	0.14 318	0.16 316	0.14 314	0.11 429	0.06 307	0.08 278	0.09 383	0.09 382	0.08 343

ccs_rob	0.14 310	0.08 236	0.15 315	0.16 142	0.09 239	0.12 207	0.14 152	0.27 371	0.34 432	0.14 240	0.21 305	0.22 367	0.13 293	0.18 369	0.14 314	0.07 239	0.05 182	0.08 278	0.07 272	0.07 258	0.07 279

UCFNet_RVC	0.14 310	0.08 236	0.13 229	0.11 1	0.10 341	0.20 412	0.10 27	0.24 316	0.22 298	0.17 311	0.20 284	0.23 385	0.15 336	0.17 348	0.15 342	0.12 454	0.07 379	0.10 407	0.13 483	0.11 437	0.10 414

iResNetv2_ROB	0.14 310	0.08 236	0.15 315	0.16 142	0.08 127	0.16 334	0.12 63	0.25 332	0.35 441	0.21 394	0.29 416	0.24 391	0.13 293	0.14 260	0.14 314	0.06 114	0.05 182	0.06 102	0.04 34	0.09 382	0.08 343

iResNet_ROB	0.14 310	0.07 139	0.13 229	0.14 30	0.07 71	0.18 374	0.14 152	0.26 350	0.31 406	0.22 410	0.25 365	0.23 385	0.15 336	0.15 282	0.13 277	0.07 239	0.05 182	0.05 23	0.04 34	0.08 321	0.08 343

DDVS	0.15 354	0.10 370	0.21 431	0.16 142	0.12 420	0.15 304	0.14 152	0.25 332	0.19 246	0.18 341	0.29 416	0.27 422	0.12 255	0.19 384	0.15 342	0.09 359	0.06 307	0.09 359	0.07 272	0.11 437	0.11 440

rvit_0105_3	0.15 354	0.09 312	0.14 264	0.19 355	0.12 420	0.15 304	0.25 489	0.25 332	0.29 389	0.15 267	0.17 238	0.20 340	0.13 293	0.17 348	0.14 314	0.13 477	0.11 467	0.12 457	0.14 486	0.07 258	0.06 199

ACV-stereo	0.15 354	0.10 370	0.28 470	0.18 298	0.12 420	0.14 278	0.12 63	0.23 294	0.21 284	0.19 357	0.23 324	0.22 367	0.15 336	0.23 450	0.17 373	0.07 239	0.06 307	0.07 194	0.07 272	0.07 258	0.07 279

ITSA-stereo	0.15 354	0.10 370	0.14 264	0.19 355	0.08 127	0.12 207	0.14 152	0.30 415	0.49 504	0.17 311	0.19 272	0.22 367	0.15 336	0.17 348	0.16 358	0.10 400	0.06 307	0.08 278	0.08 337	0.08 321	0.08 343

test_sample7	0.15 354	0.10 370	0.16 349	0.14 30	0.11 389	0.16 334	0.16 284	0.27 371	0.23 308	0.20 380	0.20 284	0.24 391	0.19 415	0.16 316	0.16 358	0.12 454	0.06 307	0.10 407	0.09 383	0.10 414	0.10 414

1111x	0.15 354	0.08 236	0.12 184	0.18 298	0.07 71	0.18 374	0.25 489	0.31 425	0.24 324	0.17 311	0.24 336	0.26 414	0.15 336	0.13 234	0.23 451	0.07 239	0.07 379	0.08 278	0.09 383	0.07 258	0.06 199

CFNet_ucs	0.15 354	0.08 236	0.16 349	0.16 142	0.11 389	0.14 278	0.14 152	0.30 415	0.34 432	0.16 295	0.24 336	0.23 385	0.14 318	0.18 369	0.15 342	0.09 359	0.06 307	0.08 278	0.07 272	0.09 382	0.09 387

BSDual-CNN	0.15 354	0.09 312	0.14 264	0.22 455	0.10 341	0.14 278	0.15 219	0.34 464	0.19 246	0.17 311	0.22 315	0.25 405	0.16 362	0.15 282	0.14 314	0.08 300	0.06 307	0.10 407	0.09 383	0.07 258	0.07 279

hknet	0.15 354	0.11 396	0.13 229	0.22 455	0.11 389	0.14 278	0.15 219	0.34 464	0.25 345	0.17 311	0.22 315	0.22 367	0.18 399	0.17 348	0.12 236	0.07 239	0.06 307	0.10 407	0.09 383	0.07 258	0.07 279

dd	0.15 354	0.16 473	0.16 349	0.19 355	0.09 239	0.15 304	0.18 363	0.21 252	0.25 345	0.23 422	0.20 284	0.21 349	0.09 167	0.21 426	0.16 358	0.10 400	0.06 307	0.08 278	0.06 185	0.08 321	0.06 199

DAS	0.15 354	0.08 236	0.18 400	0.19 355	0.10 341	0.19 397	0.17 318	0.27 371	0.29 389	0.18 341	0.25 365	0.21 349	0.15 336	0.16 316	0.12 236	0.08 300	0.06 307	0.06 102	0.06 185	0.07 258	0.07 279

SepStereo	0.15 354	0.08 236	0.18 400	0.19 355	0.10 341	0.19 397	0.17 318	0.27 371	0.29 389	0.18 341	0.25 365	0.21 349	0.15 336	0.25 464	0.12 236	0.08 300	0.06 307	0.06 102	0.06 185	0.07 258	0.07 279

PSMNet-ADL	0.15 354	0.12 414	0.13 229	0.22 455	0.09 239	0.13 246	0.20 423	0.26 350	0.23 308	0.18 341	0.20 284	0.24 391	0.16 362	0.18 369	0.17 373	0.08 300	0.08 405	0.08 278	0.11 454	0.08 321	0.07 279

LMCR-Stereo	0.15 354	0.08 236	0.13 229	0.21 440	0.09 239	0.17 355	0.20 423	0.27 371	0.19 246	0.24 431	0.24 336	0.23 385	0.17 385	0.20 409	0.17 373	0.07 239	0.06 307	0.08 278	0.06 185	0.10 414	0.08 343

ICVP	0.15 354	0.09 312	0.12 184	0.22 455	0.09 239	0.17 355	0.21 440	0.25 332	0.23 308	0.18 341	0.30 422	0.26 414	0.18 399	0.17 348	0.14 314	0.09 359	0.07 379	0.08 278	0.07 272	0.07 258	0.07 279
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
xxxx	0.15 354	0.07 139	0.14 264	0.14 30	0.08 127	0.23 450	0.18 363	0.31 425	0.19 246	0.14 240	0.28 404	0.22 367	0.14 318	0.15 282	0.26 485	0.09 359	0.05 182	0.07 194	0.07 272	0.08 321	0.07 279

test_xeample	0.15 354	0.06 56	0.13 229	0.14 30	0.08 127	0.21 429	0.20 423	0.28 390	0.20 269	0.16 295	0.29 416	0.19 328	0.16 362	0.15 282	0.26 485	0.09 359	0.05 182	0.07 194	0.07 272	0.07 258	0.07 279

ACVNet	0.15 354	0.09 312	0.15 315	0.13 13	0.12 420	0.14 278	0.20 423	0.22 274	0.33 420	0.17 311	0.26 382	0.21 349	0.16 362	0.17 348	0.21 430	0.07 239	0.06 307	0.06 102	0.06 185	0.08 321	0.06 199

acv_ft	0.15 354	0.09 312	0.15 315	0.19 355	0.10 341	0.16 334	0.17 318	0.25 332	0.33 420	0.19 357	0.26 382	0.21 349	0.17 385	0.17 348	0.18 391	0.07 239	0.06 307	0.06 102	0.06 185	0.08 321	0.06 199

CFNet	0.15 354	0.10 370	0.17 377	0.17 216	0.08 127	0.18 374	0.09 18	0.28 390	0.25 345	0.19 357	0.24 336	0.24 391	0.17 385	0.17 348	0.14 314	0.08 300	0.06 307	0.09 359	0.10 422	0.07 258	0.06 199

AdaStereo	0.15 354	0.11 396	0.15 315	0.18 298	0.09 239	0.20 412	0.11 46	0.32 436	0.28 382	0.20 380	0.23 324	0.20 340	0.13 293	0.19 384	0.14 314	0.12 454	0.05 182	0.10 407	0.07 272	0.09 382	0.07 279
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.
HSM	0.15 354	0.08 236	0.14 264	0.16 142	0.09 239	0.16 334	0.14 152	0.28 390	0.25 345	0.19 357	0.23 324	0.37 492	0.16 362	0.20 409	0.15 342	0.07 239	0.05 182	0.07 194	0.06 185	0.07 258	0.06 199

pmcnn	0.15 354	0.07 139	0.19 411	0.15 70	0.07 71	0.20 412	0.15 219	0.24 316	0.26 359	0.21 394	0.34 450	0.28 432	0.18 399	0.18 369	0.17 373	0.07 239	0.05 182	0.05 23	0.04 34	0.07 258	0.06 199

DualNet (step1)	0.16 377	0.12 414	0.20 423	0.12 4	0.14 463	0.17 355	0.13 104	0.27 371	0.23 308	0.20 380	0.20 284	0.24 391	0.19 415	0.16 316	0.16 358	0.15 494	0.06 307	0.14 484	0.14 486	0.14 483	0.12 453

GMStereo_Zeroshot	0.16 377	0.13 443	0.24 450	0.20 411	0.10 341	0.17 355	0.13 104	0.29 401	0.25 345	0.23 422	0.32 434	0.25 405	0.11 224	0.19 384	0.14 314	0.09 359	0.06 307	0.11 438	0.06 185	0.12 452	0.08 343

iinet-f	0.16 377	0.06 56	0.45 514	0.14 30	0.10 341	0.21 429	0.14 152	0.27 371	0.23 308	0.21 394	0.24 336	0.21 349	0.15 336	0.18 369	0.21 430	0.09 359	0.07 379	0.07 194	0.06 185	0.09 382	0.10 414

CRFU-Net	0.16 377	0.08 236	0.14 264	0.17 216	0.09 239	0.19 397	0.14 152	0.26 350	0.20 269	0.28 470	0.27 390	0.29 440	0.17 385	0.19 384	0.17 373	0.09 359	0.09 434	0.07 194	0.07 272	0.08 321	0.08 343

NINENet	0.16 377	0.10 370	0.15 315	0.17 216	0.11 389	0.19 397	0.14 152	0.40 509	0.36 446	0.18 341	0.21 305	0.16 280	0.13 293	0.15 282	0.13 277	0.08 300	0.08 405	0.10 407	0.07 272	0.10 414	0.09 387

CSP-Net	0.16 377	0.09 312	0.14 264	0.16 142	0.09 239	0.19 397	0.17 318	0.25 332	0.32 413	0.25 444	0.30 422	0.24 391	0.15 336	0.21 426	0.18 391	0.09 359	0.06 307	0.07 194	0.07 272	0.08 321	0.07 279

AASNet	0.16 377	0.08 236	0.12 184	0.19 355	0.09 239	0.18 374	0.15 219	0.37 493	0.37 453	0.19 357	0.23 324	0.20 340	0.16 362	0.17 348	0.20 410	0.10 400	0.08 405	0.08 278	0.07 272	0.09 382	0.09 387

AACVNet	0.16 377	0.08 236	0.14 264	0.15 70	0.10 341	0.18 374	0.15 219	0.23 294	0.24 324	0.27 455	0.27 390	0.28 432	0.17 385	0.19 384	0.16 358	0.09 359	0.07 379	0.09 359	0.07 272	0.10 414	0.09 387

ADLNet2	0.16 377	0.09 312	0.13 229	0.16 142	0.09 239	0.20 412	0.16 284	0.31 425	0.39 463	0.16 295	0.20 284	0.20 340	0.18 399	0.21 426	0.22 439	0.08 300	0.06 307	0.07 194	0.07 272	0.09 382	0.07 279

Anonymous3	0.16 377	0.13 443	0.33 489	0.26 501	0.14 463	0.27 485	0.17 318	0.28 390	0.28 382	0.15 267	0.17 238	0.14 237	0.10 199	0.15 282	0.12 236	0.08 300	0.08 405	0.08 278	0.08 337	0.08 321	0.11 440

ADLNet	0.16 377	0.08 236	0.15 315	0.16 142	0.10 341	0.16 334	0.17 318	0.32 436	0.27 368	0.22 410	0.27 390	0.24 391	0.16 362	0.18 369	0.21 430	0.10 400	0.06 307	0.10 407	0.10 422	0.08 321	0.09 387

HCRNet	0.16 377	0.24 516	0.12 184	0.35 533	0.11 389	0.15 304	0.17 318	0.26 350	0.22 298	0.19 357	0.24 336	0.21 349	0.14 318	0.15 282	0.13 277	0.11 429	0.07 379	0.11 438	0.10 422	0.09 382	0.07 279

222	0.16 377	0.07 139	0.14 264	0.14 30	0.08 127	0.24 455	0.18 363	0.30 415	0.20 269	0.17 311	0.28 404	0.17 300	0.16 362	0.15 282	0.40 535	0.10 400	0.05 182	0.07 194	0.06 185	0.07 258	0.08 343

UPFNet	0.16 377	0.08 236	0.12 184	0.20 411	0.12 420	0.20 412	0.23 461	0.28 390	0.26 359	0.17 311	0.24 336	0.22 367	0.19 415	0.19 384	0.21 430	0.09 359	0.07 379	0.08 278	0.09 383	0.08 321	0.06 199

ac_64	0.16 377	0.08 236	0.15 315	0.18 298	0.10 341	0.22 437	0.18 363	0.24 316	0.21 284	0.18 341	0.24 336	0.29 440	0.18 399	0.19 384	0.22 439	0.09 359	0.07 379	0.08 278	0.09 383	0.07 258	0.06 199

DSFCA	0.16 377	0.09 312	0.14 264	0.16 142	0.10 341	0.20 412	0.19 402	0.28 390	0.31 406	0.23 422	0.24 336	0.22 367	0.15 336	0.19 384	0.20 410	0.10 400	0.07 379	0.09 359	0.09 383	0.08 321	0.08 343

FADNet-RVC-Resample	0.16 377	0.11 396	0.31 483	0.22 455	0.11 389	0.19 397	0.14 152	0.25 332	0.24 324	0.24 431	0.27 390	0.20 340	0.15 336	0.16 316	0.15 342	0.07 239	0.08 405	0.12 457	0.10 422	0.09 382	0.10 414

FADNet_RVC	0.16 377	0.14 455	0.40 507	0.20 411	0.11 389	0.13 246	0.13 104	0.26 350	0.22 298	0.21 394	0.23 324	0.20 340	0.17 385	0.14 260	0.16 358	0.08 300	0.08 405	0.12 457	0.09 383	0.11 437	0.10 414

AANet_RVC	0.16 377	0.10 370	0.10 108	0.18 298	0.09 239	0.18 374	0.19 402	0.26 350	0.31 406	0.22 410	0.35 455	0.21 349	0.21 431	0.22 439	0.16 358	0.06 114	0.05 182	0.06 102	0.06 185	0.07 258	0.06 199

DeepPruner_ROB	0.16 377	0.11 396	0.15 315	0.17 216	0.10 341	0.17 355	0.15 219	0.32 436	0.21 284	0.19 357	0.21 305	0.22 367	0.18 399	0.20 409	0.15 342	0.13 477	0.09 434	0.09 359	0.09 383	0.11 437	0.10 414

z-ln-s-r	0.17 397	0.10 370	0.40 507	0.19 355	0.08 127	0.17 355	0.18 363	0.22 274	0.33 420	0.18 341	0.40 484	0.22 367	0.17 385	0.20 409	0.23 451	0.07 239	0.05 182	0.07 194	0.07 272	0.07 258	0.05 121

rvit_stereo_0075_2	0.17 397	0.12 414	0.25 455	0.23 476	0.16 491	0.13 246	0.10 27	0.30 415	0.27 368	0.20 380	0.28 404	0.22 367	0.15 336	0.18 369	0.13 277	0.16 510	0.10 454	0.17 505	0.10 422	0.10 414	0.09 387

ToySt	0.17 397	0.11 396	0.18 400	0.17 216	0.11 389	0.16 334	0.25 489	0.24 316	0.33 420	0.19 357	0.24 336	0.26 414	0.24 454	0.19 384	0.20 410	0.07 239	0.08 405	0.09 359	0.10 422	0.09 382	0.08 343

ssnet_v2	0.17 397	0.10 370	0.17 377	0.17 216	0.11 389	0.21 429	0.21 440	0.33 455	0.25 345	0.22 410	0.22 315	0.27 422	0.18 399	0.22 439	0.20 410	0.11 429	0.09 434	0.09 359	0.09 383	0.08 321	0.08 343

dad	0.17 397	0.20 502	0.20 423	0.16 142	0.11 389	0.20 412	0.18 363	0.21 252	0.28 382	0.30 482	0.24 336	0.29 440	0.13 293	0.19 384	0.16 358	0.18 517	0.09 434	0.11 438	0.09 383	0.11 437	0.07 279

GEStereo_RVC	0.17 397	0.12 414	0.15 315	0.22 455	0.11 389	0.19 397	0.17 318	0.32 436	0.48 498	0.20 380	0.25 365	0.17 300	0.13 293	0.21 426	0.16 358	0.10 400	0.06 307	0.08 278	0.07 272	0.09 382	0.08 343

MMNet	0.17 397	0.09 312	0.16 349	0.20 411	0.11 389	0.27 485	0.20 423	0.25 332	0.41 472	0.22 410	0.30 422	0.21 349	0.20 427	0.17 348	0.20 410	0.06 114	0.06 307	0.07 194	0.07 272	0.08 321	0.07 279

delet	0.17 397	0.08 236	0.17 377	0.19 355	0.11 389	0.20 412	0.21 440	0.30 415	0.37 453	0.17 311	0.26 382	0.19 328	0.19 415	0.19 384	0.21 430	0.08 300	0.08 405	0.09 359	0.11 454	0.06 192	0.06 199

UNet	0.17 397	0.09 312	0.18 400	0.19 355	0.12 420	0.27 485	0.19 402	0.33 455	0.29 389	0.21 394	0.24 336	0.23 385	0.19 415	0.19 384	0.18 391	0.07 239	0.06 307	0.08 278	0.07 272	0.08 321	0.06 199

HGLStereo	0.17 397	0.08 236	0.19 411	0.17 216	0.12 420	0.18 374	0.18 363	0.31 425	0.32 413	0.21 394	0.32 434	0.25 405	0.18 399	0.19 384	0.20 410	0.09 359	0.09 434	0.07 194	0.07 272	0.09 382	0.10 414

DMCA-RVC	0.17 397	0.10 370	0.15 315	0.24 485	0.11 389	0.18 374	0.18 363	0.25 332	0.24 324	0.21 394	0.26 382	0.25 405	0.27 477	0.18 369	0.20 410	0.12 454	0.08 405	0.13 472	0.10 422	0.10 414	0.08 343

TDLM	0.17 397	0.12 414	0.13 229	0.24 485	0.10 341	0.18 374	0.18 363	0.36 487	0.30 399	0.21 394	0.28 404	0.28 432	0.18 399	0.23 450	0.18 391	0.11 429	0.07 379	0.10 407	0.10 422	0.08 321	0.08 343

NLCA_NET_v2_RVC	0.17 397	0.10 370	0.22 437	0.20 411	0.10 341	0.15 304	0.18 363	0.31 425	0.25 345	0.21 394	0.30 422	0.25 405	0.17 385	0.21 426	0.20 410	0.09 359	0.06 307	0.08 278	0.08 337	0.07 258	0.08 343
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
StereoDRNet-Refined	0.17 397	0.12 414	0.15 315	0.20 411	0.09 239	0.18 374	0.18 363	0.26 350	0.23 308	0.26 449	0.40 484	0.22 367	0.17 385	0.21 426	0.20 410	0.08 300	0.05 182	0.09 359	0.10 422	0.07 258	0.07 279
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
ISRNet	0.18 411	0.08 236	0.19 411	0.19 355	0.13 443	0.15 304	0.12 63	0.30 415	0.32 413	0.21 394	0.25 365	0.27 422	0.17 385	0.17 348	0.20 410	0.20 524	0.08 405	0.14 484	0.14 486	0.14 483	0.17 516

test_sample9	0.18 411	0.12 414	0.20 423	0.12 4	0.14 463	0.17 355	0.13 104	0.27 371	0.23 308	0.20 380	0.20 284	0.24 391	0.19 415	0.19 384	0.17 373	0.15 494	0.30 543	0.14 484	0.14 486	0.14 483	0.12 453

fast-acv-ft	0.18 411	0.11 396	0.19 411	0.19 355	0.12 420	0.24 455	0.21 440	0.25 332	0.34 432	0.22 410	0.34 450	0.27 422	0.20 427	0.21 426	0.23 451	0.09 359	0.09 434	0.08 278	0.10 422	0.08 321	0.07 279

HBP-ISP	0.18 411	0.13 443	0.16 349	0.15 70	0.11 389	0.08 51	0.13 104	0.28 390	0.29 389	0.22 410	0.33 446	0.21 349	0.25 463	0.23 450	0.17 373	0.14 490	0.16 512	0.21 519	0.17 513	0.10 414	0.08 343

Wz-Net-LNSev-Ref	0.18 411	0.09 312	0.29 478	0.15 70	0.10 341	0.22 437	0.20 423	0.26 350	0.39 463	0.25 444	0.42 502	0.24 391	0.15 336	0.20 409	0.19 404	0.07 239	0.05 182	0.06 102	0.05 107	0.10 414	0.09 387

SACVNet	0.18 411	0.12 414	0.14 264	0.17 216	0.13 443	0.22 437	0.18 363	0.31 425	0.30 399	0.23 422	0.31 430	0.30 449	0.22 440	0.22 439	0.17 373	0.11 429	0.08 405	0.10 407	0.10 422	0.12 452	0.14 490

psm_up	0.18 411	0.10 370	0.18 400	0.20 411	0.11 389	0.17 355	0.19 402	0.37 493	0.34 432	0.21 394	0.28 404	0.29 440	0.24 454	0.20 409	0.22 439	0.09 359	0.10 454	0.11 438	0.11 454	0.08 321	0.08 343

hitnet-ft	0.18 411	0.09 312	0.17 377	0.14 30	0.09 239	0.26 475	0.20 423	0.25 332	0.26 359	0.24 431	0.32 434	0.31 462	0.22 440	0.24 459	0.21 430	0.12 454	0.07 379	0.10 407	0.08 337	0.12 452	0.11 440

STTStereo	0.18 411	0.12 414	0.27 465	0.20 411	0.11 389	0.16 334	0.21 440	0.29 401	0.23 308	0.21 394	0.30 422	0.29 440	0.18 399	0.20 409	0.19 404	0.12 454	0.11 467	0.11 438	0.14 486	0.09 382	0.08 343

CVANet_RVC	0.18 411	0.10 370	0.14 264	0.21 440	0.10 341	0.18 374	0.17 318	0.34 464	0.33 420	0.22 410	0.31 430	0.28 432	0.18 399	0.23 450	0.17 373	0.12 454	0.08 405	0.12 457	0.11 454	0.09 382	0.07 279

StereoDRNet	0.18 411	0.11 396	0.17 377	0.22 455	0.11 389	0.21 429	0.22 450	0.37 493	0.33 420	0.24 431	0.28 404	0.30 449	0.19 415	0.20 409	0.20 410	0.09 359	0.08 405	0.11 438	0.09 383	0.09 382	0.07 279

DLCB_ROB	0.18 411	0.10 370	0.15 315	0.23 476	0.11 389	0.24 455	0.18 363	0.29 401	0.28 382	0.27 455	0.28 404	0.28 432	0.24 454	0.19 384	0.20 410	0.08 300	0.08 405	0.09 359	0.09 383	0.07 258	0.07 279

TCMNet	0.19 423	0.12 414	0.19 411	0.20 411	0.18 512	0.20 412	0.24 473	0.27 371	0.36 446	0.23 422	0.26 382	0.25 405	0.19 415	0.19 384	0.23 451	0.13 477	0.11 467	0.11 438	0.12 473	0.13 470	0.12 453

rvit_105_1	0.19 423	0.11 396	0.25 455	0.21 440	0.16 491	0.21 429	0.27 504	0.31 425	0.41 472	0.19 357	0.20 284	0.22 367	0.17 385	0.19 384	0.17 373	0.12 454	0.12 481	0.13 472	0.15 502	0.08 321	0.07 279

test_sample8	0.19 423	0.12 414	0.20 423	0.12 4	0.14 463	0.17 355	0.13 104	0.31 425	0.21 284	0.27 455	0.22 315	0.36 487	0.25 463	0.19 384	0.17 373	0.15 494	0.30 543	0.14 484	0.14 486	0.14 483	0.12 453

SDNR	0.19 423	0.08 236	0.19 411	0.16 142	0.12 420	0.77 558	0.14 152	0.25 332	0.32 413	0.19 357	0.24 336	0.19 328	0.13 293	0.19 384	0.15 342	0.16 510	0.18 519	0.14 484	0.11 454	0.08 321	0.11 440

pcwnet_v2	0.19 423	0.10 370	0.26 458	0.17 216	0.14 463	0.18 374	0.15 219	0.37 493	0.46 496	0.19 357	0.24 336	0.21 349	0.19 415	0.20 409	0.19 404	0.13 477	0.10 454	0.10 407	0.10 422	0.11 437	0.13 473

ADCRef	0.19 423	0.12 414	0.41 510	0.20 411	0.12 420	0.22 437	0.18 363	0.32 436	0.36 446	0.26 449	0.32 434	0.17 300	0.23 448	0.24 459	0.24 464	0.07 239	0.06 307	0.09 359	0.09 383	0.08 321	0.08 343

NVstereo2D	0.19 423	0.10 370	0.15 315	0.17 216	0.15 481	0.28 492	0.23 461	0.44 526	0.42 479	0.15 267	0.27 390	0.25 405	0.19 415	0.22 439	0.17 373	0.09 359	0.06 307	0.10 407	0.08 337	0.15 498	0.09 387

DRN-Test	0.19 423	0.11 396	0.20 423	0.22 455	0.10 341	0.22 437	0.22 450	0.39 505	0.37 453	0.24 431	0.32 434	0.26 414	0.21 431	0.22 439	0.24 464	0.11 429	0.07 379	0.11 438	0.10 422	0.09 382	0.07 279

DISCO	0.19 423	0.09 312	0.22 437	0.17 216	0.10 341	0.25 466	0.18 363	0.27 371	0.44 489	0.22 410	0.31 430	0.33 475	0.26 469	0.28 480	0.28 500	0.08 300	0.06 307	0.07 194	0.07 272	0.09 382	0.09 387

CBMV_ROB	0.19 423	0.13 443	0.17 377	0.16 142	0.11 389	0.15 304	0.13 104	0.26 350	0.28 382	0.27 455	0.30 422	0.27 422	0.24 454	0.23 450	0.16 358	0.15 494	0.17 517	0.22 523	0.20 519	0.10 414	0.11 440

NOSS_ROB	0.19 423	0.12 414	0.18 400	0.16 142	0.12 420	0.15 304	0.12 63	0.30 415	0.32 413	0.20 380	0.22 315	0.27 422	0.23 448	0.21 426	0.16 358	0.16 510	0.18 519	0.23 524	0.21 521	0.12 452	0.13 473

CBMV	0.19 423	0.14 455	0.17 377	0.18 298	0.10 341	0.20 412	0.11 46	0.29 401	0.30 399	0.29 478	0.30 422	0.30 449	0.23 448	0.27 469	0.19 404	0.13 477	0.15 509	0.17 505	0.16 506	0.10 414	0.10 414
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
w-ln-seven-2	0.20 435	0.14 455	0.37 502	0.22 455	0.12 420	0.20 412	0.21 440	0.28 390	0.37 453	0.25 444	0.37 464	0.27 422	0.22 440	0.21 426	0.23 451	0.08 300	0.08 405	0.09 359	0.09 383	0.10 414	0.09 387

YMNet	0.20 435	0.12 414	0.19 411	0.20 411	0.14 463	0.26 475	0.23 461	0.32 436	0.34 432	0.27 455	0.34 450	0.30 449	0.18 399	0.18 369	0.22 439	0.10 400	0.13 494	0.10 407	0.10 422	0.08 321	0.09 387

YMNet_1	0.20 435	0.12 414	0.19 411	0.20 411	0.14 463	0.26 475	0.23 461	0.32 436	0.34 432	0.27 455	0.34 450	0.30 449	0.18 399	0.18 369	0.22 439	0.10 400	0.13 494	0.10 407	0.10 422	0.08 321	0.09 387

GwcNet	0.20 435	0.13 443	0.19 411	0.18 298	0.12 420	0.24 455	0.19 402	0.35 480	0.43 484	0.20 380	0.32 434	0.33 475	0.20 427	0.22 439	0.24 464	0.11 429	0.09 434	0.09 359	0.09 383	0.09 382	0.10 414

FAT-Stereo	0.20 435	0.12 414	0.22 437	0.21 440	0.12 420	0.17 355	0.18 363	0.34 464	0.39 463	0.27 455	0.37 464	0.34 481	0.32 507	0.21 426	0.20 410	0.09 359	0.11 467	0.10 407	0.09 383	0.11 437	0.14 490

FADNet-RVC	0.20 435	0.20 502	0.38 503	0.21 440	0.16 491	0.20 412	0.15 219	0.26 350	0.26 359	0.26 449	0.32 434	0.26 414	0.21 431	0.22 439	0.19 404	0.12 454	0.13 494	0.12 457	0.14 486	0.13 470	0.18 519

S-Stereo	0.20 435	0.12 414	0.25 455	0.21 440	0.13 443	0.20 412	0.18 363	0.32 436	0.43 484	0.23 422	0.36 458	0.28 432	0.30 498	0.19 384	0.22 439	0.09 359	0.12 481	0.10 407	0.10 422	0.13 470	0.13 473

SuperB	0.20 435	0.10 370	0.56 530	0.16 142	0.09 239	0.18 374	0.18 363	0.24 316	0.50 507	0.26 449	0.39 478	0.17 300	0.21 431	0.22 439	0.21 430	0.08 300	0.06 307	0.06 102	0.06 185	0.12 452	0.10 414

ADCP+	0.20 435	0.10 370	0.33 489	0.20 411	0.12 420	0.22 437	0.26 497	0.31 425	0.34 432	0.26 449	0.37 464	0.22 367	0.22 440	0.27 469	0.27 493	0.09 359	0.06 307	0.08 278	0.08 337	0.09 382	0.10 414

PS-NSSS	0.20 435	0.21 508	0.23 446	0.20 411	0.10 341	0.19 397	0.17 318	0.36 487	0.25 345	0.27 455	0.33 446	0.27 422	0.24 454	0.20 409	0.20 410	0.15 494	0.12 481	0.17 505	0.14 486	0.10 414	0.08 343

PWCDC_ROB	0.20 435	0.13 443	0.22 437	0.24 485	0.11 389	0.19 397	0.15 219	0.33 455	0.54 516	0.29 478	0.50 517	0.21 349	0.15 336	0.27 469	0.20 410	0.11 429	0.09 434	0.10 407	0.08 337	0.11 437	0.09 387

SGM-Forest	0.20 435	0.14 455	0.18 400	0.19 355	0.13 443	0.20 412	0.22 450	0.33 455	0.30 399	0.24 431	0.29 416	0.28 432	0.19 415	0.23 450	0.17 373	0.15 494	0.16 512	0.15 496	0.14 486	0.12 452	0.12 453
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
UDG	0.21 447	0.17 484	0.19 411	0.23 476	0.15 481	0.30 499	0.20 423	0.33 455	0.35 441	0.23 422	0.28 404	0.31 462	0.27 477	0.20 409	0.22 439	0.15 494	0.12 481	0.13 472	0.09 383	0.14 483	0.14 490

FINET	0.21 447	0.18 495	0.26 458	0.18 298	0.16 491	0.23 450	0.23 461	0.32 436	0.48 498	0.25 444	0.32 434	0.22 367	0.22 440	0.22 439	0.17 373	0.18 517	0.16 512	0.11 438	0.10 422	0.15 498	0.13 473

Syn2CoEx	0.21 447	0.16 473	0.27 465	0.29 523	0.14 463	0.26 475	0.20 423	0.33 455	0.31 406	0.28 470	0.36 458	0.27 422	0.25 463	0.19 384	0.24 464	0.16 510	0.12 481	0.14 484	0.11 454	0.09 382	0.08 343

FADNet	0.21 447	0.22 512	0.36 498	0.18 298	0.17 506	0.24 455	0.13 104	0.31 425	0.31 406	0.23 422	0.25 365	0.27 422	0.21 431	0.19 384	0.15 342	0.13 477	0.15 509	0.12 457	0.15 502	0.16 505	0.18 519

RP	0.21 447	0.13 443	0.21 431	0.23 476	0.11 389	0.21 429	0.20 423	0.25 332	0.44 489	0.21 394	0.38 470	0.36 487	0.24 454	0.27 469	0.25 473	0.11 429	0.12 481	0.13 472	0.12 473	0.12 452	0.14 490

DANet	0.21 447	0.15 465	0.28 470	0.25 496	0.13 443	0.22 437	0.19 402	0.27 371	0.27 368	0.28 470	0.32 434	0.35 485	0.31 502	0.31 491	0.23 451	0.11 429	0.09 434	0.11 438	0.10 422	0.13 470	0.11 440
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
GANet	0.21 447	0.12 414	0.21 431	0.24 485	0.13 443	0.22 437	0.22 450	0.41 515	0.26 359	0.31 488	0.42 502	0.37 492	0.28 486	0.23 450	0.22 439	0.10 400	0.12 481	0.10 407	0.09 383	0.10 414	0.08 343

PWC_ROB	0.21 447	0.16 473	0.26 458	0.18 298	0.11 389	0.22 437	0.13 104	0.32 436	0.49 504	0.30 482	0.40 484	0.32 472	0.24 454	0.31 491	0.22 439	0.10 400	0.07 379	0.11 438	0.08 337	0.11 437	0.10 414

PSMNet_ROB	0.21 447	0.11 396	0.15 315	0.27 513	0.15 481	0.24 455	0.35 537	0.43 524	0.37 453	0.27 455	0.32 434	0.32 472	0.22 440	0.21 426	0.26 485	0.12 454	0.08 405	0.13 472	0.11 454	0.09 382	0.09 387

MSAF-DinoV2	0.22 456	0.11 396	0.23 446	0.17 216	0.10 341	0.27 485	0.16 284	0.37 493	0.55 517	0.21 394	0.27 390	0.47 526	0.27 477	0.35 510	0.39 532	0.09 359	0.06 307	0.07 194	0.09 383	0.12 452	0.10 414

GASNet	0.22 456	0.23 513	0.33 489	0.26 501	0.17 506	0.26 475	0.16 284	0.44 526	0.42 479	0.27 455	0.24 336	0.30 449	0.15 336	0.27 469	0.18 391	0.12 454	0.08 405	0.12 457	0.11 454	0.16 505	0.07 279

Anonymous_2	0.22 456	0.17 484	0.28 470	0.15 70	0.16 491	0.32 502	0.22 450	0.22 274	0.17 205	0.23 422	0.24 336	0.26 414	0.27 477	0.27 469	0.23 451	0.22 532	0.25 539	0.17 505	0.17 513	0.17 512	0.17 516

Wz-Net-LNSev	0.22 456	0.16 473	0.38 503	0.21 440	0.13 443	0.25 466	0.23 461	0.32 436	0.43 484	0.30 482	0.41 495	0.31 462	0.18 399	0.22 439	0.25 473	0.10 400	0.09 434	0.08 278	0.08 337	0.12 452	0.11 440

Wz-Net-MNSev	0.22 456	0.13 443	0.31 483	0.20 411	0.14 463	0.36 521	0.24 473	0.33 455	0.44 489	0.28 470	0.40 484	0.38 496	0.19 415	0.24 459	0.25 473	0.09 359	0.07 379	0.09 359	0.09 383	0.12 452	0.10 414

DDUNet	0.22 456	0.17 484	0.21 431	0.22 455	0.15 481	0.25 466	0.24 473	0.29 401	0.30 399	0.31 488	0.36 458	0.33 475	0.25 463	0.24 459	0.20 410	0.18 517	0.13 494	0.17 505	0.11 454	0.16 505	0.16 508

APVNet	0.22 456	0.12 414	0.19 411	0.18 298	0.14 463	0.32 502	0.31 533	0.39 505	0.32 413	0.27 455	0.40 484	0.30 449	0.29 494	0.26 466	0.25 473	0.11 429	0.12 481	0.11 438	0.14 486	0.12 452	0.12 453

aanetorigin	0.22 456	0.17 484	0.56 530	0.17 216	0.10 341	0.15 304	0.19 402	0.20 229	0.33 420	0.49 532	0.48 512	0.29 440	0.27 477	0.20 409	0.23 451	0.08 300	0.07 379	0.08 278	0.07 272	0.10 414	0.09 387

MaskLacGwcNet_RVC	0.22 456	0.21 508	0.24 450	0.26 501	0.11 389	0.23 450	0.14 152	0.39 505	0.24 324	0.32 494	0.36 458	0.30 449	0.21 431	0.19 384	0.21 430	0.17 515	0.14 503	0.21 519	0.16 506	0.12 452	0.12 453

AF-Net	0.22 456	0.17 484	0.17 377	0.26 501	0.13 443	0.25 466	0.24 473	0.32 436	0.50 507	0.25 444	0.33 446	0.38 496	0.26 469	0.28 480	0.25 473	0.11 429	0.10 454	0.16 502	0.11 454	0.11 437	0.10 414

stereogan	0.22 456	0.11 396	0.21 431	0.20 411	0.12 420	0.31 501	0.19 402	0.35 480	0.44 489	0.22 410	0.39 478	0.35 485	0.27 477	0.33 501	0.22 439	0.10 400	0.12 481	0.10 407	0.10 422	0.14 483	0.13 473

edge stereo	0.22 456	0.13 443	0.20 423	0.21 440	0.13 443	0.23 450	0.16 284	0.32 436	0.42 479	0.32 494	0.40 484	0.38 496	0.35 514	0.25 464	0.24 464	0.13 477	0.11 467	0.14 484	0.11 454	0.12 452	0.13 473

RYNet	0.22 456	0.12 414	0.22 437	0.19 355	0.17 506	0.46 529	0.26 497	0.38 501	0.48 498	0.24 431	0.28 404	0.34 481	0.23 448	0.20 409	0.30 508	0.10 400	0.06 307	0.09 359	0.09 383	0.13 470	0.15 497

NaN_ROB	0.22 456	0.19 498	0.24 450	0.25 496	0.13 443	0.29 496	0.26 497	0.33 455	0.41 472	0.31 488	0.31 430	0.32 472	0.23 448	0.30 490	0.21 430	0.11 429	0.17 517	0.10 407	0.10 422	0.08 321	0.09 387

MDST_ROB	0.22 456	0.10 370	0.17 377	0.18 298	0.11 389	0.37 522	0.19 402	0.43 524	0.41 472	0.39 512	0.39 478	0.29 440	0.21 431	0.26 466	0.18 391	0.11 429	0.10 454	0.14 484	0.11 454	0.10 414	0.08 343

XPNet_ROB	0.22 456	0.11 396	0.19 411	0.22 455	0.13 443	0.22 437	0.19 402	0.34 464	0.40 469	0.30 482	0.39 478	0.39 504	0.26 469	0.26 466	0.28 500	0.15 494	0.10 454	0.10 407	0.10 422	0.13 470	0.12 453

SQANet	0.23 472	0.23 513	0.30 481	0.30 525	0.19 515	0.27 485	0.13 104	0.29 401	0.33 420	0.24 431	0.37 464	0.31 462	0.22 440	0.27 469	0.23 451	0.15 494	0.10 454	0.21 519	0.16 506	0.21 521	0.15 497

Nwc_Net	0.23 472	0.16 473	0.21 431	0.25 496	0.14 463	0.24 455	0.26 497	0.37 493	0.38 460	0.22 410	0.41 495	0.30 449	0.28 486	0.28 480	0.25 473	0.11 429	0.10 454	0.17 505	0.20 519	0.10 414	0.10 414

RTSC	0.23 472	0.12 414	0.28 470	0.21 440	0.13 443	0.28 492	0.16 284	0.35 480	0.66 539	0.27 455	0.33 446	0.30 449	0.21 431	0.31 491	0.29 503	0.10 400	0.08 405	0.09 359	0.10 422	0.13 470	0.13 473

PA-Net	0.23 472	0.18 495	0.33 489	0.28 516	0.22 523	0.21 429	0.38 542	0.29 401	0.39 463	0.22 410	0.32 434	0.25 405	0.26 469	0.20 409	0.25 473	0.09 359	0.23 537	0.15 496	0.22 524	0.09 382	0.13 473
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
NCCL2	0.23 472	0.15 465	0.17 377	0.34 531	0.18 512	0.24 455	0.23 461	0.34 464	0.28 382	0.31 488	0.38 470	0.38 496	0.28 486	0.23 450	0.24 464	0.15 494	0.12 481	0.18 514	0.21 521	0.13 470	0.13 473

ETE_ROB	0.23 472	0.17 484	0.22 437	0.25 496	0.13 443	0.26 475	0.29 519	0.31 425	0.36 446	0.28 470	0.36 458	0.45 519	0.26 469	0.27 469	0.26 485	0.11 429	0.08 405	0.12 457	0.09 383	0.14 483	0.13 473

SGM_RVC	0.23 472	0.12 414	0.15 315	0.15 70	0.09 239	0.33 508	0.18 363	0.34 464	0.31 406	0.44 527	0.37 464	0.53 534	0.35 514	0.35 510	0.24 464	0.13 477	0.13 494	0.13 472	0.13 483	0.10 414	0.11 440
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
z-mn7	0.24 479	0.14 455	0.45 514	0.19 355	0.13 443	0.28 492	0.25 489	0.34 464	0.62 532	0.27 455	0.56 528	0.29 440	0.24 454	0.32 498	0.25 473	0.08 300	0.08 405	0.08 278	0.08 337	0.10 414	0.10 414

w-ln-seven	0.24 479	0.14 455	0.55 527	0.19 355	0.14 463	0.26 475	0.22 450	0.35 480	0.60 529	0.29 478	0.39 478	0.30 449	0.22 440	0.21 426	0.26 485	0.09 359	0.09 434	0.11 438	0.10 422	0.11 437	0.10 414

DGSMNet	0.24 479	0.19 498	0.33 489	0.21 440	0.24 527	0.24 455	0.20 423	0.35 480	0.41 472	0.24 431	0.32 434	0.38 496	0.21 431	0.29 487	0.23 451	0.12 454	0.11 467	0.14 484	0.16 506	0.23 525	0.23 531

G-Net	0.24 479	0.16 473	0.36 498	0.22 455	0.16 491	0.51 535	0.23 461	0.29 401	0.34 432	0.36 504	0.38 470	0.31 462	0.29 494	0.27 469	0.26 485	0.11 429	0.09 434	0.12 457	0.09 383	0.16 505	0.13 473

NCC-stereo	0.24 479	0.15 465	0.31 483	0.26 501	0.16 491	0.20 412	0.30 527	0.40 509	0.40 469	0.24 431	0.38 470	0.33 475	0.28 486	0.36 516	0.27 493	0.12 454	0.11 467	0.15 496	0.22 524	0.13 470	0.13 473

Abc-Net	0.24 479	0.15 465	0.31 483	0.26 501	0.16 491	0.20 412	0.30 527	0.40 509	0.40 469	0.24 431	0.38 470	0.33 475	0.28 486	0.36 516	0.27 493	0.12 454	0.11 467	0.15 496	0.22 524	0.13 470	0.13 473
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
ADCL	0.24 479	0.11 396	0.47 519	0.22 455	0.12 420	0.34 511	0.29 519	0.29 401	0.56 520	0.24 431	0.46 509	0.30 449	0.30 498	0.29 487	0.29 503	0.08 300	0.07 379	0.09 359	0.09 383	0.10 414	0.10 414

DeepPrunerF	0.24 479	0.17 484	0.42 512	0.26 501	0.16 491	0.22 437	0.28 510	0.37 493	0.50 507	0.26 449	0.29 416	0.24 391	0.28 486	0.21 426	0.22 439	0.15 494	0.11 467	0.20 518	0.18 517	0.12 452	0.13 473

FBW_ROB	0.24 479	0.17 484	0.22 437	0.26 501	0.14 463	0.25 466	0.22 450	0.41 515	0.41 472	0.41 519	0.41 495	0.42 511	0.27 477	0.31 491	0.23 451	0.09 359	0.14 503	0.14 484	0.12 473	0.11 437	0.09 387

SANet	0.24 479	0.14 455	0.28 470	0.21 440	0.11 389	0.27 485	0.24 473	0.38 501	0.64 536	0.36 504	0.40 484	0.43 515	0.26 469	0.27 469	0.24 464	0.12 454	0.09 434	0.10 407	0.09 383	0.13 470	0.11 440

WCMA_ROB	0.24 479	0.11 396	0.22 437	0.17 216	0.14 463	0.32 502	0.15 219	0.32 436	0.32 413	0.38 510	0.53 519	0.40 508	0.34 512	0.34 504	0.25 473	0.11 429	0.12 481	0.12 457	0.10 422	0.14 483	0.14 490

zh-sn7	0.25 490	0.17 484	0.50 521	0.24 485	0.13 443	0.25 466	0.24 473	0.34 464	0.48 498	0.28 470	0.54 521	0.28 432	0.31 502	0.36 516	0.32 516	0.10 400	0.10 454	0.11 438	0.10 422	0.12 452	0.12 453

zh-mn7	0.25 490	0.14 455	0.56 530	0.19 355	0.14 463	0.24 455	0.22 450	0.34 464	0.62 532	0.35 501	0.65 536	0.31 462	0.25 463	0.31 491	0.25 473	0.09 359	0.08 405	0.09 359	0.09 383	0.09 382	0.11 440

Wz-Net-SNSev	0.25 490	0.17 484	0.44 513	0.25 496	0.14 463	0.26 475	0.23 461	0.38 501	0.56 520	0.30 482	0.55 523	0.39 504	0.26 469	0.23 450	0.30 508	0.10 400	0.09 434	0.09 359	0.10 422	0.11 437	0.11 440

psmorigin	0.25 490	0.15 465	0.34 497	0.17 216	0.13 443	0.23 450	0.14 152	0.34 464	0.33 420	0.41 519	0.55 523	0.41 510	0.37 518	0.34 504	0.27 493	0.11 429	0.15 509	0.11 438	0.11 454	0.12 452	0.16 508

RGC	0.25 490	0.20 502	0.29 478	0.28 516	0.16 491	0.22 437	0.23 461	0.32 436	0.44 489	0.27 455	0.40 484	0.38 496	0.27 477	0.36 516	0.22 439	0.11 429	0.13 494	0.17 505	0.17 513	0.14 483	0.16 508

ADCMid	0.25 490	0.15 465	0.40 507	0.20 411	0.14 463	0.25 466	0.26 497	0.34 464	0.38 460	0.36 504	0.44 507	0.34 481	0.40 524	0.35 510	0.33 520	0.10 400	0.09 434	0.11 438	0.11 454	0.13 470	0.12 453

ADCPNet	0.25 490	0.16 473	0.61 535	0.21 440	0.15 481	0.35 519	0.25 489	0.32 436	0.35 441	0.30 482	0.40 484	0.36 487	0.28 486	0.28 480	0.32 516	0.12 454	0.10 454	0.11 438	0.12 473	0.14 483	0.13 473

STTRV1_RVC	0.25 490	0.26 522	0.39 505	0.19 355	0.26 534	0.30 499	0.24 473	0.34 464	0.35 441	0.36 504	0.34 450	0.31 462	0.31 502	0.28 480	0.25 473	0.17 515	0.10 454	0.16 502	0.14 486	0.17 512	0.12 453

LALA_ROB	0.25 490	0.16 473	0.22 437	0.26 501	0.17 506	0.27 485	0.27 504	0.42 520	0.37 453	0.33 498	0.38 470	0.51 530	0.26 469	0.28 480	0.27 493	0.16 510	0.09 434	0.12 457	0.11 454	0.13 470	0.12 453

SHD	0.26 499	0.15 465	0.30 481	0.24 485	0.18 512	0.22 437	0.15 219	0.38 501	0.71 543	0.32 494	0.41 495	0.36 487	0.28 486	0.32 498	0.29 503	0.12 454	0.11 467	0.14 484	0.13 483	0.16 505	0.20 525

AnyNet_C32	0.26 499	0.16 473	0.36 498	0.20 411	0.16 491	0.25 466	0.30 527	0.32 436	0.44 489	0.31 488	0.49 513	0.30 449	0.33 508	0.40 531	0.33 520	0.12 454	0.12 481	0.12 457	0.14 486	0.14 483	0.15 497

PSMNet-RUCA	0.27 501	0.33 535	0.41 510	0.36 535	0.32 542	0.18 374	0.19 402	0.42 520	0.30 399	0.33 498	0.41 495	0.39 504	0.25 463	0.31 491	0.20 410	0.18 517	0.10 454	0.25 526	0.15 502	0.21 521	0.16 508

PDISCO_ROB	0.27 501	0.16 473	0.26 458	0.28 516	0.20 518	0.32 502	0.26 497	0.44 526	0.57 522	0.28 470	0.40 484	0.45 519	0.29 494	0.33 501	0.34 522	0.12 454	0.09 434	0.17 505	0.16 506	0.17 512	0.13 473

DispFullNet	0.27 501	0.21 508	0.65 538	0.28 516	0.16 491	0.26 475	0.17 318	0.33 455	0.58 525	0.27 455	0.38 470	0.43 515	0.23 448	0.38 523	0.23 451	0.12 454	0.06 307	0.19 516	0.11 454	0.21 521	0.15 497

MeshStereo	0.27 501	0.13 443	0.18 400	0.15 70	0.11 389	0.32 502	0.24 473	0.40 509	0.36 446	0.52 534	0.57 531	0.67 545	0.40 524	0.35 510	0.26 485	0.14 490	0.13 494	0.13 472	0.11 454	0.11 437	0.10 414
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
WZ-Net	0.28 505	0.17 484	0.78 552	0.22 455	0.16 491	0.34 511	0.29 519	0.39 505	0.57 522	0.24 431	0.55 523	0.37 492	0.24 454	0.33 501	0.35 523	0.09 359	0.08 405	0.09 359	0.10 422	0.14 483	0.16 508

XQC	0.28 505	0.23 513	0.51 522	0.28 516	0.19 515	0.34 511	0.27 504	0.36 487	0.57 522	0.31 488	0.30 422	0.37 492	0.30 498	0.38 523	0.38 530	0.13 477	0.09 434	0.15 496	0.12 473	0.17 512	0.18 519

CC-Net-ROB	0.28 505	0.31 533	0.36 498	0.29 523	0.15 481	0.25 466	0.19 402	0.45 529	0.33 420	0.39 512	0.37 464	0.39 504	0.31 502	0.27 469	0.26 485	0.24 538	0.19 522	0.30 539	0.23 528	0.18 516	0.15 497

DPSNet	0.28 505	0.16 473	0.31 483	0.18 298	0.13 443	0.54 537	0.42 546	0.51 538	0.67 540	0.29 478	0.38 470	0.38 496	0.29 494	0.31 491	0.23 451	0.11 429	0.10 454	0.11 438	0.08 337	0.20 520	0.16 508

MultiAttention	0.29 509	0.08 236	0.14 264	0.19 355	0.12 420	1.45 573	1.33 574	0.36 487	0.37 453	0.19 357	0.21 305	0.24 391	0.11 224	0.38 523	0.18 391	0.06 114	0.05 182	0.08 278	0.08 337	0.10 414	0.09 387

Wz-Net-TNSev	0.29 509	0.20 502	0.65 538	0.19 355	0.15 481	0.38 525	0.27 504	0.35 480	0.55 517	0.34 500	0.42 502	0.45 519	0.38 519	0.32 498	0.30 508	0.12 454	0.13 494	0.10 407	0.12 473	0.15 498	0.14 490

ccnet	0.29 509	0.28 528	0.23 446	0.20 411	0.28 536	0.41 528	0.21 440	0.45 529	0.33 420	0.36 504	0.46 509	0.36 487	0.30 498	0.39 527	0.42 539	0.23 536	0.14 503	0.21 519	0.17 513	0.23 525	0.18 519

EDNetEfficient	0.29 509	0.24 516	1.13 562	0.18 298	0.10 341	0.19 397	0.20 423	0.20 229	0.60 529	0.74 551	0.56 528	0.31 462	0.39 521	0.22 439	0.30 508	0.09 359	0.07 379	0.08 278	0.07 272	0.11 437	0.09 387

ADCS	0.29 509	0.18 495	0.45 514	0.21 440	0.17 506	0.28 492	0.23 461	0.41 515	0.63 535	0.40 515	0.49 513	0.40 508	0.36 516	0.39 527	0.40 535	0.13 477	0.12 481	0.13 472	0.14 486	0.16 505	0.16 508

CSAN	0.29 509	0.24 516	0.27 465	0.34 531	0.19 515	0.33 508	0.42 546	0.37 493	0.50 507	0.38 510	0.40 484	0.44 517	0.33 508	0.28 480	0.30 508	0.20 524	0.16 512	0.19 516	0.19 518	0.14 483	0.15 497

MFN_U_SF_DS_RVC	0.30 515	0.24 516	0.29 478	0.36 535	0.16 491	0.34 511	0.30 527	0.32 436	0.42 479	0.40 515	0.46 509	0.38 496	0.31 502	0.34 504	0.28 500	0.19 522	0.20 525	0.26 527	0.29 537	0.18 516	0.19 524

GANetREF_RVC	0.31 516	0.34 537	0.27 465	0.35 533	0.16 491	0.32 502	0.41 543	0.48 533	0.51 514	0.35 501	0.35 455	0.34 481	0.33 508	0.39 527	0.32 516	0.27 540	0.20 525	0.29 537	0.15 502	0.18 516	0.17 516
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
MSMD_ROB	0.31 516	0.26 522	0.26 458	0.24 485	0.21 521	0.34 511	0.25 489	0.34 464	0.39 463	0.40 515	0.69 540	0.45 519	0.40 524	0.34 504	0.27 493	0.20 524	0.19 522	0.26 527	0.25 530	0.23 525	0.22 529

MFN_U_SF_RVC	0.32 518	0.21 508	0.55 527	0.30 525	0.15 481	0.34 511	0.17 318	0.52 539	0.46 496	0.46 531	0.55 523	0.59 537	0.39 521	0.35 510	0.37 528	0.15 494	0.14 503	0.18 514	0.21 521	0.16 505	0.15 497

PASM	0.32 518	0.24 516	0.48 520	0.28 516	0.27 535	0.29 496	0.30 527	0.34 464	0.49 504	0.35 501	0.39 478	0.46 523	0.34 512	0.34 504	0.35 523	0.23 536	0.25 539	0.26 527	0.28 536	0.23 525	0.21 527

SGM-ForestM	0.32 518	0.12 414	0.16 349	0.16 142	0.11 389	0.39 526	0.19 402	0.41 515	0.50 507	0.52 534	0.54 521	1.32 564	0.42 532	0.40 531	0.27 493	0.14 490	0.16 512	0.16 502	0.16 506	0.12 452	0.12 453

FC-DCNN v2	0.33 521	0.27 524	0.28 470	0.26 501	0.23 525	0.37 522	0.28 510	0.40 509	0.43 484	0.45 528	0.56 528	0.51 530	0.40 524	0.37 521	0.29 503	0.21 528	0.20 525	0.27 530	0.26 531	0.25 533	0.24 532

FCDSN-DC	0.33 521	0.28 528	0.28 470	0.30 525	0.24 527	0.39 526	0.28 510	0.42 520	0.42 479	0.43 525	0.53 519	0.51 530	0.41 529	0.36 516	0.30 508	0.21 528	0.20 525	0.27 530	0.26 531	0.25 533	0.24 532
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
FC-DCNN	0.33 521	0.27 524	0.28 470	0.26 501	0.23 525	0.37 522	0.28 510	0.40 509	0.43 484	0.45 528	0.55 523	0.51 530	0.40 524	0.37 521	0.30 508	0.21 528	0.20 525	0.27 530	0.26 531	0.25 533	0.24 532

LSM	0.33 521	0.20 502	0.58 533	0.26 501	0.60 559	0.34 511	0.25 489	0.42 520	0.48 498	0.45 528	0.58 533	0.42 511	0.36 516	0.35 510	0.25 473	0.12 454	0.20 525	0.14 484	0.16 506	0.19 519	0.33 546

AnyNet_C01	0.36 525	0.25 521	1.37 565	0.22 455	0.17 506	0.48 533	0.27 504	0.35 480	0.39 463	0.39 512	0.74 546	0.46 523	0.38 519	0.45 535	0.47 544	0.13 477	0.13 494	0.13 472	0.14 486	0.14 483	0.15 497

GCST	0.37 526	0.42 544	0.26 458	1.02 568	0.39 543	0.18 374	0.08 7	0.20 229	0.17 205	0.28 470	0.25 365	0.15 266	0.12 255	0.16 316	0.14 314	0.64 561	0.43 550	0.75 558	0.65 561	0.63 555	0.46 554

otaku	0.39 527	0.37 540	0.52 523	0.44 542	0.28 536	0.58 539	0.24 473	0.41 515	0.62 532	0.40 515	0.49 513	0.46 523	0.33 508	0.40 531	0.32 516	0.30 541	0.30 543	0.39 543	0.33 542	0.29 539	0.28 540

ACVNet-4b	0.39 527	0.53 547	0.55 527	0.45 543	0.24 527	0.47 531	0.18 363	0.49 535	0.64 536	0.42 522	0.45 508	0.60 538	0.27 477	0.34 504	0.24 464	0.33 544	0.14 503	0.48 547	0.42 547	0.30 540	0.26 539

PVD	0.39 527	0.20 502	0.39 505	0.31 529	0.22 523	0.29 496	0.43 548	0.52 539	0.96 557	0.55 537	0.79 550	0.53 534	0.59 548	0.52 541	0.38 530	0.19 522	0.14 503	0.17 505	0.14 486	0.24 532	0.31 544

Ntro	0.40 530	0.40 542	0.53 524	0.46 546	0.30 540	0.65 545	0.24 473	0.46 531	0.68 541	0.41 519	0.49 513	0.48 528	0.42 532	0.39 527	0.31 515	0.32 543	0.28 541	0.37 542	0.30 539	0.32 544	0.29 541

SAMSARA	0.40 530	0.28 528	0.33 489	0.55 549	0.39 543	0.82 559	1.23 573	0.47 532	0.51 514	0.36 504	0.35 455	0.55 536	0.39 521	0.38 523	0.39 532	0.15 494	0.20 525	0.15 496	0.14 486	0.23 525	0.20 525

ELAS_RVC	0.41 532	0.29 531	0.33 489	0.28 516	0.24 527	0.54 537	0.36 538	0.49 535	0.59 526	0.72 547	0.74 546	0.65 543	0.54 542	0.54 545	0.40 535	0.22 532	0.20 525	0.27 530	0.26 531	0.26 537	0.25 537
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.41 532	0.29 531	0.33 489	0.27 513	0.24 527	0.60 542	0.36 538	0.50 537	0.50 507	0.71 545	0.79 550	0.67 545	0.54 542	0.51 539	0.42 539	0.22 532	0.20 525	0.27 530	0.26 531	0.26 537	0.25 537
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
MSC_U_SF_DS_RVC	0.43 534	0.39 541	0.54 525	0.40 538	0.20 518	0.64 544	0.32 535	0.53 541	0.72 544	0.71 545	0.72 543	0.61 539	0.54 542	0.51 539	0.46 543	0.20 524	0.19 522	0.29 537	0.30 539	0.23 525	0.18 519

ACVNet_1	0.44 535	0.49 546	0.60 534	0.45 543	0.28 536	0.49 534	0.27 504	0.57 546	0.72 544	0.62 540	0.58 533	0.74 549	0.49 538	0.50 538	0.35 523	0.26 539	0.24 538	0.39 543	0.29 537	0.31 543	0.24 532

Consistency-Raft	0.44 535	0.40 542	0.45 514	0.37 537	0.43 547	0.46 529	0.41 543	0.57 546	0.55 517	0.32 494	0.73 544	0.33 475	0.48 537	0.42 534	0.49 546	0.39 546	0.35 547	0.45 546	0.51 554	0.42 546	0.29 541

RTS	0.45 537	0.19 498	3.26 572	0.24 485	0.15 481	0.74 552	0.20 423	0.36 487	0.76 550	0.42 522	0.43 505	0.31 462	0.41 529	0.53 543	0.35 523	0.10 400	0.08 405	0.13 472	0.12 473	0.15 498	0.15 497

RTSA	0.45 537	0.19 498	3.26 572	0.24 485	0.15 481	0.74 552	0.20 423	0.36 487	0.76 550	0.42 522	0.43 505	0.31 462	0.41 529	0.53 543	0.35 523	0.10 400	0.08 405	0.13 472	0.12 473	0.15 498	0.15 497

MANE	0.45 537	0.27 524	0.27 465	0.27 513	0.24 527	0.47 531	0.31 533	0.55 543	0.59 526	0.72 547	1.13 566	1.15 558	0.61 549	0.52 541	0.37 528	0.21 528	0.20 525	0.27 530	0.31 541	0.25 533	0.24 532

FADE	0.45 537	0.33 535	1.03 561	0.33 530	0.25 533	0.35 519	0.29 519	0.64 550	1.07 558	0.43 525	0.41 495	0.42 511	0.53 540	0.70 553	0.51 550	0.30 541	0.21 536	0.41 545	0.38 545	0.23 525	0.22 529

NVStereoNet_ROB	0.46 541	0.36 539	0.46 518	0.41 540	0.28 536	0.34 511	0.34 536	0.48 533	0.60 529	0.72 547	0.93 555	0.70 548	0.66 552	0.47 536	0.60 554	0.22 532	0.33 546	0.34 541	0.34 544	0.30 540	0.30 543
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
LE_ROB	0.50 542	0.07 139	0.14 264	0.15 70	0.08 127	0.24 455	0.16 284	0.22 274	1.81 574	4.63 578	0.67 538	0.47 526	0.44 534	0.20 409	0.29 503	0.07 239	0.06 307	0.06 102	0.06 185	0.08 321	0.06 199

BEATNet-Init1	0.52 543	0.27 524	0.62 536	0.30 525	0.21 521	0.76 556	0.29 519	0.54 542	0.65 538	0.86 556	0.95 557	2.07 574	0.62 551	0.56 547	0.42 539	0.18 517	0.18 519	0.23 524	0.22 524	0.22 524	0.21 527

anonymity	0.53 544	0.58 549	0.65 538	0.41 540	0.61 560	0.53 536	0.41 543	0.56 544	0.41 472	0.55 537	0.50 517	0.49 529	0.55 545	0.58 548	0.50 549	0.58 557	0.50 560	0.51 549	0.51 554	0.51 548	0.57 556

RainbowNet	0.54 545	0.61 551	0.70 550	0.57 550	0.43 547	0.65 545	0.37 541	0.60 548	0.87 554	0.50 533	0.66 537	0.64 541	0.47 536	0.49 537	0.43 542	0.47 552	0.48 556	0.52 551	0.41 546	0.52 549	0.40 551

SGM+DAISY	0.56 546	0.57 548	0.65 538	0.40 538	0.54 552	0.66 547	0.49 550	0.56 544	0.45 495	0.66 541	0.69 540	0.67 545	0.56 546	0.63 550	0.56 552	0.59 558	0.48 556	0.50 548	0.50 553	0.52 549	0.58 557

SPS-STEREO	0.57 547	0.58 549	0.65 538	0.45 543	0.55 554	0.62 543	0.44 549	0.62 549	0.50 507	0.68 543	0.64 535	0.66 544	0.57 547	0.61 549	0.60 554	0.62 560	0.47 555	0.51 549	0.49 551	0.55 553	0.58 557
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MFMNet_re	0.64 548	0.66 555	0.65 538	0.51 547	0.69 564	0.69 548	0.57 556	0.64 550	0.73 548	0.60 539	0.73 544	0.62 540	0.67 553	0.65 551	0.60 554	0.66 562	0.58 569	0.63 553	0.59 557	0.68 560	0.69 566

IMH-64-1	0.65 549	0.61 551	0.68 546	0.71 553	0.51 550	0.59 540	0.49 550	0.91 558	0.85 552	0.74 551	1.02 559	0.81 550	0.78 557	0.79 555	0.49 546	0.42 548	0.46 551	0.71 555	0.47 549	0.52 549	0.39 549

IMH-64	0.65 549	0.61 551	0.68 546	0.71 553	0.51 550	0.59 540	0.49 550	0.91 558	0.85 552	0.74 551	1.02 559	0.81 550	0.78 557	0.79 555	0.49 546	0.42 548	0.46 551	0.71 555	0.47 549	0.52 549	0.39 549

ACVNet_2	0.66 551	0.66 555	0.68 546	0.63 551	0.41 545	0.71 550	0.49 550	0.96 562	1.39 567	0.89 557	1.09 562	1.04 554	0.73 555	0.54 545	0.47 544	0.43 550	0.40 549	0.53 552	0.44 548	0.47 547	0.35 548

JetBlue	0.71 552	0.45 545	1.14 563	0.51 547	0.47 549	2.02 574	0.64 560	0.75 553	0.70 542	0.69 544	0.77 549	1.22 560	0.83 559	1.03 570	1.01 570	0.40 547	0.28 541	0.33 540	0.33 542	0.30 540	0.34 547

IMH	0.71 552	0.64 554	0.68 546	0.76 555	0.54 552	0.69 548	0.54 554	0.98 564	1.10 560	0.82 555	1.09 562	0.89 552	0.88 562	0.87 563	0.52 551	0.44 551	0.50 560	0.75 558	0.51 554	0.56 554	0.41 552

PWCK	0.71 552	0.94 566	0.95 559	0.76 555	0.31 541	0.74 552	0.36 538	0.90 557	0.90 555	0.96 560	0.75 548	0.95 553	0.61 549	0.87 563	0.66 557	0.72 563	0.46 551	0.75 558	0.49 551	0.69 562	0.44 553

MADNet+	0.75 555	0.71 557	3.70 575	0.66 552	0.41 545	0.98 564	0.97 571	0.69 552	0.73 548	0.52 534	0.57 531	0.64 541	0.68 554	0.86 562	1.01 570	0.34 545	0.36 548	0.28 536	0.23 528	0.36 545	0.31 544

TorneroNet-64	0.76 556	0.72 558	0.74 551	0.78 557	0.58 558	0.91 563	0.56 555	0.84 556	1.29 564	0.66 541	0.90 553	1.40 566	0.75 556	0.85 561	0.67 560	0.49 553	0.46 551	0.72 557	0.59 557	0.67 559	0.53 555

WAO-7	0.79 557	0.78 560	0.54 525	0.85 561	0.67 563	0.74 552	0.68 564	1.05 567	1.32 565	0.90 558	1.20 569	1.04 554	0.92 563	0.69 552	0.66 557	0.60 559	0.62 570	0.67 554	0.68 563	0.64 556	0.58 557

WAO-6	0.81 558	0.80 561	0.62 536	0.86 562	0.63 561	0.76 556	0.58 557	0.98 564	1.54 572	0.90 558	0.96 558	1.07 556	1.03 567	0.70 553	0.66 557	0.72 563	0.49 558	0.90 566	0.71 564	0.68 560	0.58 557

TorneroNet	0.82 559	0.74 559	0.81 556	0.84 560	0.63 561	0.99 565	0.63 558	0.96 562	1.16 561	0.80 554	1.11 564	1.36 565	0.86 561	0.93 566	0.80 565	0.56 555	0.49 558	0.78 563	0.66 562	0.73 565	0.63 565

LVE	0.83 560	0.85 564	0.85 557	0.80 558	0.56 555	1.04 569	0.65 561	1.05 567	1.47 570	0.96 560	1.22 570	1.10 557	0.85 560	0.83 558	0.71 562	0.49 553	0.55 566	0.76 561	0.60 559	0.65 557	0.59 562

Dean	0.87 561	0.86 565	0.79 554	0.81 559	0.56 555	0.90 560	0.63 558	1.15 573	1.73 573	1.15 568	1.15 567	1.31 563	0.99 566	0.81 557	0.81 566	0.57 556	0.56 567	0.77 562	0.64 560	0.66 558	0.58 557

WAO-8	0.91 562	0.81 562	0.65 538	0.94 565	0.69 564	0.90 560	0.67 562	1.07 570	1.83 575	1.06 565	1.45 572	1.30 561	1.07 568	0.84 559	0.78 563	0.74 565	0.53 563	0.86 564	0.75 565	0.69 562	0.62 563

Venus	0.91 562	0.81 562	0.65 538	0.94 565	0.69 564	0.90 560	0.67 562	1.07 570	1.83 575	1.06 565	1.45 572	1.30 561	1.07 568	0.84 559	0.78 563	0.74 565	0.53 563	0.86 564	0.75 565	0.69 562	0.62 563

UNDER WATER-64	0.95 564	0.94 566	1.43 567	0.87 563	0.56 555	1.18 572	0.87 568	0.77 554	0.94 556	1.04 563	0.85 552	1.58 571	1.21 573	0.94 567	0.96 568	0.87 569	0.57 568	1.03 569	0.88 570	0.78 566	0.73 567

UNDER WATER	0.97 565	0.97 568	1.42 566	0.99 567	0.70 567	1.12 571	0.84 567	0.80 555	1.08 559	1.01 562	0.90 553	1.55 570	1.22 574	1.03 570	1.00 569	0.78 567	0.53 563	1.02 568	0.87 569	0.80 567	0.74 568

notaker	0.97 565	1.11 569	0.98 560	1.13 570	0.81 568	0.73 551	0.68 564	0.93 560	1.16 561	1.18 570	1.18 568	1.41 567	1.16 572	1.08 572	0.69 561	0.81 568	0.64 571	1.17 571	0.79 567	0.98 569	0.80 570

ktn	1.01 567	1.21 571	0.80 555	1.23 572	0.86 570	1.01 567	0.87 568	0.94 561	1.39 567	1.04 563	1.12 565	1.15 558	1.07 568	0.94 567	0.59 553	1.28 575	0.71 572	1.38 575	0.83 568	1.02 571	0.75 569

KSHMR	1.09 568	1.17 570	0.88 558	1.25 573	1.00 572	0.99 565	0.96 570	1.13 572	1.37 566	1.16 569	1.29 571	1.41 567	0.96 565	1.01 569	0.92 567	1.03 572	1.08 574	1.20 572	1.03 573	1.01 570	0.97 572

DPSimNet_ROB	1.11 569	1.23 572	0.78 552	1.13 570	0.88 571	1.10 570	1.13 572	1.16 574	1.23 563	1.43 572	1.02 559	1.41 567	1.10 571	0.90 565	1.60 572	1.46 576	0.51 562	1.21 573	1.03 573	0.90 568	1.01 574

HanzoNet	1.29 570	1.26 573	1.19 564	1.12 569	0.85 569	1.02 568	0.83 566	1.03 566	1.48 571	1.64 573	1.61 574	2.50 576	1.72 575	1.61 574	1.61 573	1.26 574	0.80 573	1.31 574	1.01 572	1.02 571	0.86 571

JetRed	1.62 571	1.46 574	2.98 570	0.92 564	1.21 573	4.99 577	1.53 576	1.27 575	1.39 567	1.83 574	1.74 575	1.60 572	0.95 564	1.41 573	2.45 577	0.90 571	1.60 576	0.93 567	0.90 571	1.35 573	0.99 573

MADNet++	1.95 572	1.75 575	1.59 568	1.82 575	1.69 575	2.33 575	1.40 575	2.35 577	2.09 577	2.57 577	2.36 577	2.24 575	2.17 576	2.28 575	2.34 575	1.87 577	1.66 577	1.54 576	1.34 576	1.92 575	1.77 577

coex-ft	3.30 573	0.34 537	59.09 596	0.18 298	0.13 443	0.26 475	0.22 450	0.27 371	0.72 544	1.90 575	0.70 542	0.44 517	0.45 535	0.29 487	0.41 538	0.09 359	0.09 434	0.12 457	0.09 383	0.14 483	0.13 473

ASD4	3.54 574	3.38 578	2.05 569	1.72 574	2.51 577	9.03 581	17.71 582	2.25 576	5.51 579	2.46 576	2.81 578	2.03 573	3.36 577	2.73 576	5.06 578	1.22 573	1.34 575	1.13 570	1.33 575	1.68 574	1.49 576

TCMNet-wrong-test	3.67 575	5.48 584	3.89 576	12.18 587	11.75 588	4.65 576	3.88 577	1.06 569	0.72 544	1.09 567	2.15 576	6.30 581	0.53 540	3.43 578	2.36 576	0.89 570	0.20 525	1.87 578	1.69 577	5.57 583	3.62 583

tt	4.67 576	0.06 56	3.55 574	2.02 576	1.55 574	10.25 582	16.71 581	8.91 586	5.03 578	1.31 571	0.94 556	4.71 577	4.76 578	3.33 577	5.87 580	6.06 585	10.30 589	1.88 579	2.11 579	2.75 577	1.21 575

USTest	6.22 577	2.73 577	3.00 571	6.57 583	7.29 582	14.37 584	21.57 583	7.00 585	9.56 584	5.34 581	6.10 579	5.72 580	7.64 581	6.41 582	6.96 581	1.97 578	3.42 583	1.64 577	2.15 580	2.66 576	2.36 578

xxxxx1	7.79 578	5.02 581	7.31 579	3.12 577	3.85 578	16.35 586	22.88 584	5.86 582	8.69 581	7.97 582	8.54 580	9.12 584	8.27 582	10.18 584	10.92 582	2.42 579	2.45 579	3.56 582	12.37 586	3.77 578	3.06 580

tt_ll	7.79 578	5.02 581	7.31 579	3.12 577	3.85 578	16.35 586	22.88 584	5.86 582	8.69 581	7.97 582	8.54 580	9.12 584	8.27 582	10.18 584	10.92 582	2.42 579	2.45 579	3.56 582	12.37 586	3.77 578	3.06 580

ff	7.79 578	5.02 581	7.31 579	3.12 577	3.85 578	16.35 586	22.88 584	5.86 582	8.69 581	7.97 582	8.54 580	9.12 584	8.27 582	10.18 584	10.92 582	2.42 579	2.45 579	3.56 582	12.37 586	3.77 578	3.06 580

EDNetEfficientorigin	7.91 581	0.31 533	153.02 597	0.19 355	0.09 239	0.21 429	0.16 284	0.22 274	0.59 526	0.72 547	0.67 538	0.42 511	0.50 539	0.24 459	0.39 532	0.08 300	0.07 379	0.08 278	0.07 272	0.12 452	0.10 414

DPSMNet_ROB	8.06 582	4.48 579	8.63 585	5.37 582	10.74 585	8.32 579	22.98 588	5.46 579	13.36 587	5.12 579	9.92 583	5.08 578	10.40 585	5.53 581	12.58 585	3.80 583	8.00 584	3.50 580	7.02 583	3.83 581	7.14 585

DGTPSM_ROB	8.06 582	4.48 579	8.63 585	5.35 580	10.72 584	8.32 579	22.97 587	5.46 579	13.35 586	5.12 579	9.92 583	5.08 578	10.40 585	5.52 580	12.58 585	3.79 582	8.00 584	3.50 580	7.02 583	3.83 581	7.14 585

PML	8.91 584	9.34 588	6.13 577	5.35 580	6.41 581	14.99 585	23.38 589	5.27 578	6.83 580	18.04 590	28.19 596	7.67 582	6.83 580	7.85 583	5.75 579	5.35 584	1.83 578	5.95 588	1.93 578	8.64 586	2.52 579

DLNR_Zeroshot_test	10.40 585	1.82 576	19.49 592	120.77 597	13.11 589	0.06 8	0.13 104	0.23 294	0.10 36	0.07 30	0.10 117	0.09 123	0.06 36	0.10 61	0.09 54	0.13 477	0.04 21	0.06 102	0.04 34	51.54 596	0.04 40

LRCNet_RVC	10.62 586	13.42 589	7.30 578	18.92 589	2.07 576	0.33 508	0.30 527	5.59 581	0.48 498	13.03 588	17.94 589	8.87 583	5.65 579	4.79 579	1.89 574	23.51 594	2.73 582	27.55 595	25.71 595	16.07 592	16.33 593

Anonymous_1	10.96 587	7.92 585	7.46 582	10.33 584	10.06 583	18.65 590	26.34 590	11.06 587	13.44 588	9.40 585	10.05 585	9.67 587	11.23 587	10.73 587	12.72 587	6.42 586	8.38 586	5.77 585	10.61 585	12.12 587	6.77 584

DPSM_ROB	11.15 588	8.58 586	8.00 583	10.88 585	11.58 586	19.10 591	26.71 591	12.05 588	14.07 589	10.36 586	10.84 586	10.33 588	11.86 588	11.70 588	13.54 588	6.99 587	8.79 587	5.89 586	6.95 581	7.29 584	7.42 587

DPSM	11.15 588	8.58 586	8.00 583	10.88 585	11.58 586	19.10 591	26.71 591	12.05 588	14.07 589	10.36 586	10.84 586	10.33 588	11.86 588	11.70 588	13.54 588	6.99 587	8.79 587	5.89 586	6.95 581	7.29 584	7.42 587

HaxPig	15.71 590	18.52 594	19.18 591	16.89 588	15.89 590	7.73 578	7.60 578	13.31 590	10.82 585	15.42 589	14.91 588	15.98 590	14.92 590	15.58 590	15.98 590	18.95 593	16.73 590	19.46 593	18.08 593	19.26 593	19.05 594

MEDIAN_ROB	20.38 591	24.04 595	23.31 593	21.23 590	21.71 591	10.40 583	7.92 579	17.64 591	15.50 591	20.12 591	19.70 590	20.34 591	20.32 591	21.19 591	21.13 591	23.81 595	21.81 595	24.98 594	23.76 594	24.71 594	23.93 595

CasAABBNet	22.42 592	17.33 591	16.01 587	22.01 591	23.28 593	38.32 593	53.80 595	24.14 593	28.41 594	20.60 592	21.77 592	20.89 594	23.91 594	23.43 592	27.36 594	14.07 590	17.69 592	11.83 591	14.01 590	14.67 589	14.95 591

FlowAnything	22.44 593	17.35 592	16.14 589	22.07 593	23.23 592	38.39 594	53.77 594	24.25 594	28.44 595	20.96 595	21.82 593	20.70 592	23.84 592	23.49 593	27.14 593	14.04 589	17.79 594	11.75 589	14.15 592	14.65 588	14.89 589

Selective-RAFT-Error	22.47 594	17.37 593	16.09 588	22.06 592	23.34 594	38.39 594	53.83 596	24.29 596	28.47 596	20.74 593	21.83 594	20.81 593	23.90 593	23.54 595	27.53 596	14.08 591	17.69 592	11.82 590	14.00 589	14.69 590	15.00 592

LSM0	22.87 595	17.28 590	18.96 590	22.19 594	29.04 596	38.42 596	53.71 593	24.28 595	28.31 593	20.78 594	21.00 591	21.43 595	24.16 595	23.50 594	27.39 595	14.09 592	17.38 591	11.84 592	14.04 591	14.73 591	14.89 589

AVERAGE_ROB	24.90 596	29.20 596	28.14 594	24.89 595	24.64 595	17.75 589	11.12 580	21.45 592	19.93 592	25.12 596	24.46 595	25.12 596	25.46 596	24.69 596	22.83 592	29.76 596	27.13 596	28.97 596	27.95 596	29.91 595	29.47 596

test_example2	98.32 597	94.13 597	45.89 595	96.35 596	109.85 597	88.61 597	95.45 597	25.75 597	94.37 597	130.00 598	126.06 598	58.17 597	74.63 597	88.51 597	79.96 597	150.23 597	221.02 597	77.62 597	99.10 597	113.75 597	96.94 597

ccccc	245.47 598	285.66 598	306.18 598	368.85 598	370.60 598	123.16 598	145.33 598	115.05 598	110.08 598	126.68 597	110.87 597	122.83 598	165.88 598	252.94 598	276.56 598	384.56 598	353.86 598	254.69 598	223.00 598	425.87 598	386.83 598

Low-res two-view benchmark