Low-res two-view results

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Wz-Net-SNSev	0.03 29	0.09 65	0.07 59	0.09 53	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.09 66	0.07 57	0.01 9	0.01 9	0.01 10	0.01 10

Wz-Net-LNSev	0.06 44	0.24 119	0.20 162	0.23 146	0.01 10	0.02 19	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.23 171	0.21 172	0.02 18	0.01 9	0.01 10	0.01 10

Wz-Net-MNSev	0.06 44	0.54 207	0.10 70	0.12 80	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.12 91	0.11 95	0.01 9	0.01 9	0.01 10	0.01 10

WZ-Net	0.05 41	0.50 192	0.10 70	0.12 80	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.12 91	0.10 73	0.01 9	0.01 9	0.01 10	0.01 10

SFCPSM	0.17 134	0.78 224	0.02 14	0.02 14	0.01 10	0.02 19	0.02 20	0.02 20	0.01 10	0.02 20	0.02 20	0.02 20	0.01 9	0.02 20	0.79 373	0.02 15	0.75 346	0.76 356	0.02 20	0.02 20	0.02 20

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

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

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

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

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

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

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

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

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

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

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

test_sample7	0.09 52	1.00 265	0.11 90	0.11 74	0.02 21	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 110	0.03 38	0.03 54	0.03 43	0.03 51

tta	0.09 52	0.95 257	0.09 66	0.10 57	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 66	0.10 73	0.03 38	0.02 20	0.03 43	0.02 20

CoDeX	0.15 122	0.70 220	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.01 9	0.02 20	0.67 351	0.02 15	0.69 336	0.75 354	0.01 9	0.02 20	0.02 20

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

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

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

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

Wz-Net-LNSev-Ref	0.11 85	0.44 169	0.33 214	0.39 197	0.02 21	0.03 40	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.39 243	0.36 237	0.02 18	0.02 20	0.02 20	0.02 20

BUS	0.83 343	1.91 389	0.92 364	4.48 507	0.02 21	0.40 238	0.04 82	0.41 247	0.02 21	0.48 286	0.03 52	0.41 254	0.05 95	0.03 39	0.05 89	1.97 465	4.19 530	0.33 216	0.23 196	0.34 206	0.27 206

BSDual-CNN	0.81 335	1.91 389	0.92 364	4.48 507	0.02 21	0.42 272	0.06 106	0.41 247	0.02 21	0.48 286	0.03 52	0.02 20	0.02 21	0.03 39	0.02 20	1.97 465	4.19 530	0.33 216	0.23 196	0.34 206	0.27 206

hknet	1.10 380	1.85 382	3.49 530	4.48 507	0.02 21	0.42 272	0.06 106	0.41 247	0.02 21	0.48 286	0.03 52	0.41 254	0.03 52	0.42 269	0.03 48	4.39 516	4.19 530	0.33 216	0.23 196	0.34 206	0.27 206

psmg	0.43 246	1.91 389	0.92 364	1.91 440	0.02 21	0.02 19	0.03 50	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.03 39	0.02 20	1.97 465	1.44 458	0.04 73	0.03 54	0.02 20	0.03 51

CSP-Net	0.34 194	1.29 355	1.19 388	1.36 420	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	1.26 431	1.21 438	0.03 38	0.09 110	0.02 20	0.09 108

Syn2CoEx	0.25 160	1.31 357	0.74 343	0.92 323	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.03 42	0.02 21	0.02 20	0.02 20	0.87 352	0.75 346	0.02 18	0.02 20	0.02 20	0.02 20

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

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

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

AnyNet_C01	0.11 85	0.02 12	0.02 14	1.62 433	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.03 40	0.02 20	0.02 20	0.02 21	0.06 89	0.04 76	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.03 51

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

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

zh-sn7	0.10 63	0.98 261	0.14 126	0.15 107	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.15 123	0.13 134	0.03 38	0.03 54	0.03 43	0.03 51

zh-mn7	0.12 94	1.14 291	0.17 150	0.20 133	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.18 148	0.16 143	0.03 38	0.03 54	0.03 43	0.03 51

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

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

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

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

DualNet (step1)	0.10 63	1.05 281	0.12 101	0.12 80	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 110	0.03 38	0.03 54	0.03 43	0.03 51

test_sample9	0.10 63	1.05 281	0.12 101	0.12 80	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 110	0.03 38	0.03 54	0.03 43	0.03 51

test_sample8	0.10 63	1.05 281	0.12 101	0.12 80	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 110	0.03 38	0.03 54	0.03 43	0.03 51

test_sample6	0.09 52	0.97 260	0.10 70	0.10 57	0.03 48	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.03 52	0.03 42	0.02 21	0.03 39	0.02 20	0.10 71	0.10 73	0.03 38	0.02 20	0.03 43	0.02 20

test_sample5	0.10 63	1.07 284	0.11 90	0.10 57	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.10 71	0.10 73	0.03 38	0.03 54	0.04 77	0.03 51

test_sample4	0.10 63	1.03 277	0.12 101	0.10 57	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 107	0.13 134	0.03 38	0.03 54	0.03 43	0.03 51

test_sample3	0.09 52	0.87 238	0.10 70	0.12 80	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.10 73	0.03 38	0.02 20	0.03 43	0.02 20

test_sample2	0.09 52	1.03 277	0.11 90	0.11 74	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 66	0.09 68	0.03 38	0.02 20	0.03 43	0.02 20

test_sample1	0.09 52	0.87 238	0.12 101	0.11 74	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.04 74	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.10 71	0.10 73	0.03 38	0.02 20	0.03 43	0.02 20

SMFormer	0.09 52	1.01 271	0.09 66	0.09 53	0.03 48	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 66	0.09 68	0.03 38	0.02 20	0.03 43	0.02 20

mmm	0.14 110	1.83 380	0.12 101	0.11 74	0.03 48	0.03 40	0.03 50	0.03 42	0.04 82	0.03 40	0.03 52	0.03 42	0.03 52	0.06 89	0.04 76	0.12 91	0.11 95	0.05 86	0.04 78	0.05 92	0.04 79

DualNet	0.10 63	1.07 284	0.11 90	0.10 57	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.10 71	0.10 73	0.03 38	0.03 54	0.04 77	0.03 51

ttt	0.10 63	1.09 286	0.12 101	0.12 80	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 110	0.03 38	0.02 20	0.03 43	0.02 20

1111x	0.10 63	1.14 291	0.13 121	0.14 97	0.03 48	0.04 78	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 107	0.11 95	0.03 38	0.02 20	0.03 43	0.02 20

xxx	0.09 52	1.01 271	0.10 70	0.10 57	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.03 40	0.03 52	0.03 42	0.02 21	0.03 39	0.02 20	0.10 71	0.10 73	0.03 38	0.02 20	0.03 43	0.03 51

x	0.11 85	1.15 294	0.15 142	0.14 97	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.14 114	0.15 141	0.03 38	0.03 54	0.03 43	0.03 51

222	0.10 63	0.99 264	0.12 101	0.13 93	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 110	0.03 38	0.02 20	0.04 77	0.03 51

xxxx	0.11 85	1.16 295	0.16 143	0.12 80	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 107	0.16 143	0.03 38	0.04 78	0.04 77	0.04 79

test_xeample	0.10 63	1.09 286	0.13 121	0.12 80	0.03 48	0.03 40	0.03 50	0.04 77	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.14 114	0.14 138	0.03 38	0.03 54	0.03 43	0.03 51

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

BEATNet_4x	0.11 85	0.03 31	0.03 37	1.60 430	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.05 83	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

ADCL	0.11 85	0.03 31	0.03 37	1.60 430	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.05 83	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

ADCMid	0.08 51	0.02 12	0.02 14	1.01 340	0.03 48	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.04 72	0.09 106	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

ADCPNet	0.10 63	0.03 31	0.04 44	1.27 413	0.03 48	0.04 78	0.03 50	0.03 42	0.03 55	0.04 74	0.03 52	0.04 77	0.03 52	0.08 106	0.04 76	0.04 44	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

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

z-mn7	0.16 130	1.21 346	0.33 214	0.41 221	0.04 79	0.04 78	0.03 50	0.04 77	0.04 82	0.04 74	0.04 89	0.04 77	0.04 85	0.04 72	0.04 76	0.35 217	0.31 219	0.04 73	0.04 78	0.04 77	0.04 79

z-ln-s-r	0.21 149	1.40 362	0.53 308	0.56 275	0.04 79	0.05 90	0.04 82	0.05 89	0.05 98	0.05 92	0.04 89	0.05 91	0.04 85	0.05 83	0.05 89	0.57 310	0.44 278	0.04 73	0.04 78	0.04 77	0.04 79

w-ln-seven-2	0.14 110	1.22 351	0.28 191	0.32 175	0.04 79	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.32 201	0.27 191	0.04 73	0.03 54	0.03 43	0.03 51

w-ln-seven	0.18 137	1.47 364	0.33 214	0.40 210	0.04 79	0.04 78	0.04 82	0.04 77	0.04 82	0.04 74	0.04 89	0.04 77	0.04 85	0.04 72	0.04 76	0.38 233	0.32 222	0.05 86	0.04 78	0.04 77	0.04 79

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

qqq1	0.25 160	3.70 471	0.14 126	0.14 97	0.04 79	0.06 93	0.05 94	0.06 95	0.05 98	0.06 97	0.05 101	0.04 77	0.05 95	0.06 89	0.05 89	0.13 107	0.12 110	0.06 94	0.05 96	0.03 43	0.04 79

fff1	0.25 160	3.70 471	0.14 126	0.14 97	0.04 79	0.06 93	0.05 94	0.06 95	0.05 98	0.06 97	0.05 101	0.04 77	0.05 95	0.06 89	0.05 89	0.13 107	0.12 110	0.06 94	0.05 96	0.03 43	0.04 79

11t1	0.17 134	2.16 406	0.13 121	0.13 93	0.04 79	0.06 93	0.04 82	0.06 95	0.04 82	0.06 97	0.03 52	0.06 98	0.03 52	0.06 89	0.05 89	0.18 148	0.12 110	0.06 94	0.03 54	0.05 92	0.03 51

GASNet	0.05 41	0.04 37	0.12 101	0.04 37	0.04 79	0.04 78	0.05 94	0.04 77	0.04 82	0.12 123	0.04 89	0.06 98	0.04 85	0.04 72	0.04 76	0.04 44	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

qqq	0.16 130	2.01 397	0.12 101	0.15 107	0.04 79	0.06 93	0.05 94	0.06 95	0.04 82	0.06 97	0.03 52	0.06 98	0.03 52	0.06 89	0.03 48	0.12 91	0.14 138	0.04 73	0.04 78	0.03 43	0.03 51

APVNet	0.09 52	0.05 49	0.04 44	0.05 43	0.04 79	0.05 90	0.90 382	0.06 95	0.04 82	0.05 92	0.04 89	0.05 91	0.04 85	0.05 83	0.04 76	0.05 51	0.04 45	0.05 86	0.04 78	0.05 92	0.05 97

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

FADNet-RVC-Resample	0.12 94	0.04 37	0.04 44	0.04 37	0.04 79	0.04 78	0.04 82	0.04 77	0.04 82	0.04 74	0.04 89	0.04 77	0.04 85	0.04 72	1.57 479	0.04 44	0.04 45	0.04 73	0.05 96	0.04 77	0.06 102

FADNet_RVC	0.12 94	0.04 37	0.04 44	0.05 43	0.04 79	0.04 78	0.04 82	0.04 77	0.04 82	0.04 74	0.04 89	0.04 77	0.05 95	0.04 72	1.65 483	0.05 51	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

FADNet-RVC	0.13 101	0.04 37	0.04 44	0.04 37	0.04 79	0.04 78	0.05 94	0.04 77	0.04 82	0.04 74	0.05 101	0.04 77	0.05 95	0.04 72	1.71 488	0.04 44	0.04 45	0.04 73	0.04 78	0.07 104	0.04 79

FADNet	0.12 94	0.05 49	0.04 44	0.04 37	0.04 79	0.04 78	0.04 82	0.04 77	0.04 82	0.04 74	0.04 89	0.04 77	0.05 95	0.04 72	1.66 485	0.06 55	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

ADCRef	0.12 94	0.03 31	0.04 44	1.71 436	0.04 79	0.03 40	0.03 50	0.04 77	0.04 82	0.04 74	0.03 52	0.04 77	0.03 52	0.06 89	0.04 76	0.04 44	0.04 45	0.04 73	0.04 78	0.03 43	0.04 79

AnyNet_C32	0.14 110	0.04 37	0.03 37	2.22 451	0.04 79	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.04 77	0.02 21	0.07 103	0.04 76	0.02 15	0.02 15	0.03 38	0.03 54	0.02 20	0.03 51

ADCP+	0.15 122	0.04 37	0.04 44	2.20 450	0.04 79	0.04 78	0.04 82	0.04 77	0.04 82	0.04 74	0.05 101	0.04 77	0.04 85	0.08 106	0.04 76	0.04 44	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

NVStereoNet_ROB	0.04 38	0.04 37	0.04 44	0.04 37	0.04 79	0.04 78	0.04 82	0.04 77	0.04 82	0.04 74	0.04 89	0.04 77	0.04 85	0.04 72	0.04 76	0.04 44	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
ffm	0.25 160	3.83 477	0.12 101	0.12 80	0.05 99	0.06 93	0.05 94	0.06 95	0.05 98	0.03 40	0.03 52	0.06 98	0.05 95	0.06 89	0.05 89	0.12 91	0.12 110	0.05 86	0.04 78	0.06 96	0.04 79

ff1	0.25 160	3.83 477	0.12 101	0.12 80	0.05 99	0.06 93	0.05 94	0.06 95	0.05 98	0.03 40	0.03 52	0.06 98	0.05 95	0.06 89	0.05 89	0.12 91	0.12 110	0.05 86	0.04 78	0.06 96	0.04 79

mmx	0.25 160	3.83 477	0.12 101	0.12 80	0.05 99	0.06 93	0.05 94	0.06 95	0.05 98	0.03 40	0.03 52	0.06 98	0.05 95	0.06 89	0.05 89	0.12 91	0.12 110	0.05 86	0.04 78	0.06 96	0.04 79

NINENet	0.69 310	3.87 480	1.20 391	1.98 444	0.05 99	0.40 238	0.04 82	0.40 232	0.05 98	0.41 246	0.04 89	0.41 254	0.05 95	0.40 242	0.05 89	1.79 455	1.56 467	0.34 223	0.22 191	0.34 206	0.23 181

AASNet	0.06 44	0.08 59	0.08 61	0.08 49	0.05 99	0.06 93	0.05 94	0.05 89	0.06 107	0.06 97	0.06 107	0.05 91	0.06 107	0.06 89	0.05 89	0.08 60	0.08 59	0.08 101	0.05 96	0.06 96	0.05 97

SACVNet	0.06 44	0.08 59	0.08 61	0.08 49	0.05 99	0.06 93	0.05 94	0.05 89	0.06 107	0.06 97	0.06 107	0.05 91	0.06 107	0.06 89	0.05 89	0.08 60	0.08 59	0.08 101	0.05 96	0.06 96	0.05 97

AACVNet	0.06 44	0.08 59	0.08 61	0.08 49	0.05 99	0.06 93	0.05 94	0.05 89	0.06 107	0.06 97	0.06 107	0.05 91	0.06 107	0.06 89	0.05 89	0.08 60	0.08 59	0.08 101	0.05 96	0.06 96	0.05 97

GwcNet	0.12 94	0.07 58	0.05 58	0.08 49	0.05 99	0.08 104	1.20 410	0.07 105	0.05 98	0.05 92	0.05 101	0.08 105	0.05 95	0.08 106	0.03 48	0.07 58	0.05 56	0.06 94	0.05 96	0.07 104	0.05 97

ADCS	0.09 52	0.02 12	0.04 44	0.90 318	0.06 107	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.14 128	0.36 268	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

ISRNet	0.11 85	0.05 49	0.36 234	0.24 151	0.07 108	0.13 124	0.05 94	0.06 95	0.05 98	0.05 92	0.05 101	0.13 125	0.05 95	0.05 83	0.09 106	0.24 176	0.20 168	0.10 107	0.05 96	0.06 96	0.13 148

FINET	0.07 49	0.08 59	0.07 59	0.07 47	0.07 108	0.08 104	0.06 106	0.08 108	0.07 110	0.08 105	0.07 110	0.08 105	0.06 107	0.07 103	0.07 101	0.08 60	0.07 57	0.07 99	0.07 104	0.06 96	0.06 102

BEATNet-Init1	0.19 140	0.08 59	0.08 61	2.23 452	0.08 110	0.08 104	0.07 109	0.07 105	0.08 112	0.08 105	0.07 110	0.08 105	0.07 111	0.11 122	0.08 103	0.08 60	0.08 59	0.08 101	0.07 104	0.08 106	0.08 105

DeepPrunerF	0.19 140	0.08 59	0.08 61	2.23 452	0.08 110	0.08 104	0.07 109	0.07 105	0.08 112	0.08 105	0.07 110	0.08 105	0.07 111	0.11 122	0.08 103	0.08 60	0.08 59	0.08 101	0.07 104	0.08 106	0.08 105

SepStereo	0.09 52	0.09 65	0.10 70	0.09 53	0.09 112	0.09 108	0.09 111	0.10 110	0.08 112	0.10 109	0.09 113	0.09 109	0.09 114	0.09 109	0.08 103	0.09 66	0.08 59	0.09 106	0.08 108	0.09 109	0.08 105

SuperB	0.21 149	0.10 67	2.51 513	0.12 80	0.09 112	0.10 109	0.09 111	0.08 108	0.07 110	0.10 109	0.09 113	0.09 109	0.07 111	0.07 103	0.07 101	0.07 58	0.08 59	0.07 99	0.07 104	0.08 106	0.07 104

PASM	0.39 224	3.06 457	1.36 454	1.58 426	0.09 112	0.11 120	0.11 129	0.11 122	0.11 131	0.09 108	0.09 113	0.11 121	0.09 114	0.09 109	0.09 106	0.11 86	0.11 95	0.11 118	0.09 110	0.11 120	0.11 125

DRN-Test	0.14 110	0.13 81	0.09 66	0.14 97	0.09 112	0.15 132	0.09 111	0.14 126	0.10 116	0.14 125	0.09 113	0.14 126	0.09 114	0.13 127	0.09 106	0.12 91	0.09 68	0.12 121	0.09 110	0.12 125	0.73 364

StereoDRNet	0.15 122	0.14 85	0.10 70	0.14 97	0.09 112	0.15 132	0.09 111	0.14 126	0.09 115	0.14 125	0.10 117	0.14 126	0.09 114	0.14 128	0.09 106	0.13 107	0.10 73	0.13 124	0.09 110	0.13 127	0.82 375

ELAS	0.13 101	0.16 87	0.11 90	0.15 107	0.09 112	0.18 152	0.11 129	0.18 150	0.11 131	0.17 145	0.11 131	0.18 151	0.11 130	0.18 150	0.11 124	0.14 114	0.08 59	0.14 126	0.08 108	0.14 129	0.09 108
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
S2M2	0.12 94	0.14 85	0.10 70	0.15 107	0.10 118	0.14 125	0.10 116	0.14 126	0.10 116	0.15 131	0.10 117	0.14 126	0.10 118	0.14 128	0.10 112	0.13 107	0.10 73	0.13 124	0.09 110	0.13 127	0.09 108

AnonymousM	0.10 63	0.10 67	0.10 70	0.10 57	0.10 118	0.10 109	0.10 116	0.10 110	0.10 116	0.10 109	0.10 117	0.10 111	0.10 118	0.10 111	0.10 112	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

LRCNet_RVC	0.13 101	0.13 81	0.09 66	0.13 93	0.10 118	0.14 125	0.10 116	0.14 126	0.10 116	0.23 172	0.10 117	0.20 157	0.10 118	0.24 180	0.11 124	0.11 86	0.09 68	0.12 121	0.14 158	0.12 125	0.09 108

UNet	0.29 174	0.90 245	0.10 70	0.14 97	0.10 118	0.14 125	0.10 116	0.91 356	0.69 358	0.14 125	0.11 131	0.14 126	0.11 130	0.14 128	0.10 112	0.12 91	0.09 68	0.12 121	0.09 110	0.88 346	0.76 369

ac_64	0.22 153	0.13 81	0.19 159	0.23 146	0.10 118	0.26 191	1.02 397	0.14 126	0.10 116	0.28 191	0.14 159	0.17 147	0.19 182	0.28 200	0.09 106	0.22 160	0.16 143	0.23 178	0.17 181	0.11 120	0.12 142

PVD	0.10 63	0.10 67	0.10 70	0.10 57	0.10 118	0.10 109	0.10 116	0.10 110	0.10 116	0.10 109	0.10 117	0.10 111	0.10 118	0.10 111	0.10 112	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

SHD	0.10 63	0.10 67	0.10 70	0.10 57	0.10 118	0.10 109	0.10 116	0.10 110	0.10 116	0.10 109	0.10 117	0.10 111	0.10 118	0.10 111	0.10 112	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

SAMSARA	0.10 63	0.10 67	0.10 70	0.10 57	0.10 118	0.10 109	0.10 116	0.10 110	0.10 116	0.10 109	0.10 117	0.10 111	0.10 118	0.10 111	0.10 112	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

XQC	0.10 63	0.10 67	0.10 70	0.10 57	0.10 118	0.10 109	0.10 116	0.10 110	0.10 116	0.10 109	0.10 117	0.10 111	0.10 118	0.10 111	0.10 112	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

RTSC	0.10 63	0.10 67	0.10 70	0.10 57	0.10 118	0.10 109	0.10 116	0.10 110	0.10 116	0.10 109	0.10 117	0.10 111	0.10 118	0.10 111	0.10 112	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

RTS	0.10 63	0.10 67	0.10 70	0.10 57	0.10 118	0.10 109	0.10 116	0.10 110	0.10 116	0.10 109	0.10 117	0.10 111	0.10 118	0.10 111	0.10 112	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

RTSA	0.10 63	0.10 67	0.10 70	0.10 57	0.10 118	0.10 109	0.10 116	0.10 110	0.10 116	0.10 109	0.10 117	0.10 111	0.10 118	0.10 111	0.10 112	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

MADNet+	0.10 63	0.10 67	0.10 70	0.10 57	0.10 118	0.10 109	0.10 116	0.10 110	0.10 116	0.10 109	0.10 117	0.10 111	0.10 118	0.10 111	0.10 112	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

MADNet++	0.10 63	0.10 67	0.10 70	0.10 57	0.10 118	0.10 109	0.10 116	0.10 110	0.10 116	0.10 109	0.10 117	0.10 111	0.10 118	0.10 111	0.10 112	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

FADE	0.07 49	0.06 54	0.02 14	0.09 53	0.10 118	0.03 40	0.03 50	0.05 89	0.03 55	0.04 74	0.03 52	0.05 91	0.03 52	0.04 72	0.03 48	0.15 123	0.10 73	0.17 150	0.13 154	0.11 120	0.11 125

ELAS_RVC	0.14 110	0.16 87	0.10 70	0.15 107	0.10 118	0.18 152	0.11 129	0.19 152	0.11 131	0.19 151	0.12 142	0.18 151	0.11 130	0.19 153	0.12 139	0.14 114	0.08 59	0.14 126	0.09 110	0.15 139	0.09 108
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
S2M2_XL	0.14 110	0.17 93	0.12 101	0.17 126	0.11 134	0.17 148	0.11 129	0.17 147	0.11 131	0.17 145	0.11 131	0.17 147	0.11 130	0.17 147	0.11 124	0.16 132	0.11 95	0.16 142	0.11 129	0.16 143	0.11 125

test_for_model	0.15 122	0.23 112	0.18 156	0.21 143	0.11 134	0.16 140	0.11 129	0.16 139	0.11 131	0.16 136	0.11 131	0.16 137	0.11 130	0.16 138	0.11 124	0.21 157	0.18 165	0.14 126	0.11 129	0.14 129	0.11 125

testlalala2	0.13 101	0.16 87	0.11 90	0.15 107	0.11 134	0.16 140	0.11 129	0.16 139	0.11 131	0.16 136	0.11 131	0.16 137	0.11 130	0.16 138	0.11 124	0.14 114	0.11 95	0.14 126	0.11 129	0.14 129	0.11 125

JetRed	0.11 85	0.12 80	0.11 90	0.11 74	0.11 134	0.11 120	0.14 150	0.11 122	0.11 131	0.12 123	0.11 131	0.11 121	0.11 130	0.11 122	0.11 124	0.11 86	0.16 143	0.11 118	0.11 129	0.11 120	0.11 125

testlalala_base	0.13 101	0.16 87	0.11 90	0.15 107	0.11 134	0.15 132	0.11 129	0.16 139	0.11 131	0.16 136	0.11 131	0.16 137	0.11 130	0.16 138	0.11 124	0.14 114	0.11 95	0.14 126	0.11 129	0.14 129	0.11 125

ProNet	0.14 110	0.20 101	0.14 126	0.16 118	0.11 134	0.16 140	0.11 129	0.17 147	0.11 131	0.17 145	0.12 142	0.17 147	0.13 152	0.17 147	0.12 139	0.15 123	0.11 95	0.16 142	0.11 129	0.15 139	0.12 142

CIPLG	0.13 101	0.21 107	0.12 101	0.16 118	0.11 134	0.15 132	0.11 129	0.14 126	0.11 131	0.15 131	0.12 142	0.15 136	0.11 130	0.14 128	0.11 124	0.15 123	0.12 110	0.14 126	0.11 129	0.14 129	0.11 125

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

IPLGR_C	0.14 110	0.20 101	0.12 101	0.15 107	0.11 134	0.14 125	0.15 155	0.14 126	0.11 131	0.15 131	0.12 142	0.14 126	0.11 130	0.16 138	0.11 124	0.15 123	0.12 110	0.14 126	0.12 146	0.15 139	0.12 142

MIPNet	0.14 110	0.21 107	0.17 150	0.16 118	0.11 134	0.15 132	0.12 145	0.14 126	0.11 131	0.16 136	0.11 131	0.14 126	0.11 130	0.14 128	0.11 124	0.14 114	0.12 110	0.14 126	0.11 129	0.14 129	0.11 125

ACRE	0.13 101	0.21 107	0.14 126	0.15 107	0.11 134	0.14 125	0.11 129	0.14 126	0.11 131	0.14 125	0.12 142	0.14 126	0.11 130	0.14 128	0.11 124	0.15 123	0.12 110	0.14 126	0.11 129	0.14 129	0.11 125

ICVP	0.15 122	0.53 204	0.11 90	0.16 118	0.11 134	0.16 140	0.11 129	0.16 139	0.11 131	0.16 136	0.11 131	0.16 137	0.11 130	0.16 138	0.11 124	0.16 132	0.11 95	0.16 142	0.11 129	0.16 143	0.11 125
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
aanetorigin	0.13 101	0.11 78	0.11 90	0.11 74	0.11 134	0.11 120	0.11 129	0.11 122	0.11 131	0.11 121	0.12 142	0.11 121	0.11 130	0.11 122	0.11 124	0.11 86	0.11 95	0.14 126	0.11 129	0.49 289	0.11 125

PDISCO_ROB	0.83 343	2.80 454	3.49 530	0.14 97	0.11 134	0.17 148	0.09 111	0.15 138	0.10 116	0.15 131	0.12 142	0.16 137	0.14 156	3.30 514	0.13 145	0.14 114	2.34 505	0.16 142	0.12 146	2.62 495	0.10 113

LALA_ROB	0.15 122	0.19 97	0.12 101	0.18 128	0.11 134	0.20 160	0.12 145	0.21 164	0.12 150	0.20 156	0.12 142	0.20 157	0.12 147	0.21 168	0.13 145	0.17 140	0.10 73	0.18 160	0.11 129	0.18 153	0.11 125

SGM_RVC	0.15 122	0.17 93	0.11 90	0.18 128	0.11 134	0.19 155	0.11 129	0.19 152	0.12 150	0.19 151	0.12 142	0.20 157	0.12 147	0.19 153	0.12 139	0.16 132	0.11 95	0.17 150	0.10 117	0.17 149	0.10 113
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
IPLGR	0.14 110	0.24 119	0.14 126	0.16 118	0.12 150	0.15 132	0.12 145	0.14 126	0.11 131	0.15 131	0.12 142	0.14 126	0.11 130	0.14 128	0.11 124	0.15 123	0.12 110	0.14 126	0.11 129	0.14 129	0.11 125

cf-r	0.66 302	2.17 407	0.12 101	0.18 128	0.12 150	0.18 152	2.70 519	2.60 494	0.12 150	0.18 149	0.12 142	0.18 151	0.12 147	0.18 150	0.12 139	0.15 123	0.11 95	0.15 139	0.11 129	1.81 455	1.74 499

HSM	0.14 110	0.16 87	0.12 101	0.17 126	0.12 150	0.17 148	0.11 129	0.17 147	0.11 131	0.17 145	0.12 142	0.17 147	0.12 147	0.17 147	0.12 139	0.16 132	0.11 95	0.16 142	0.11 129	0.16 143	0.12 142

ITSA-stereo	0.15 122	0.17 93	0.13 121	0.20 133	0.13 153	0.19 155	0.13 148	0.18 150	0.13 153	0.19 151	0.13 154	0.18 151	0.14 156	0.18 150	0.14 149	0.16 132	0.11 95	0.15 139	0.14 158	0.18 153	0.11 125

DeepPruner_ROB	0.16 130	0.18 96	0.13 121	0.19 131	0.13 153	0.19 155	0.13 148	0.19 152	0.13 153	0.19 151	0.13 154	0.19 155	0.13 152	0.19 153	0.13 145	0.18 148	0.13 134	0.18 160	0.13 154	0.18 153	0.13 148

castereo++	0.54 284	3.59 468	1.15 382	1.31 416	0.14 155	0.16 140	0.14 150	0.16 139	0.14 155	0.16 136	0.14 159	0.16 137	0.13 152	0.16 138	0.14 149	1.45 443	1.16 387	0.15 139	0.14 158	0.15 139	0.13 148

DDVS	0.30 175	3.10 458	0.14 126	0.19 131	0.14 155	0.19 155	0.14 150	0.20 157	0.14 155	0.19 151	0.13 154	0.16 137	0.13 152	0.19 153	0.13 145	0.17 140	0.13 134	0.17 150	0.13 154	0.17 149	0.13 148

JetBlue	0.11 85	0.11 78	0.12 101	0.13 93	0.14 155	0.11 120	0.11 129	0.11 122	0.11 131	0.11 121	0.11 131	0.11 121	0.11 130	0.12 126	0.12 139	0.11 86	0.11 95	0.11 118	0.11 129	0.11 120	0.11 125

GMStereo	0.14 110	0.13 81	0.14 126	0.14 97	0.14 155	0.14 125	0.14 150	0.14 126	0.14 155	0.14 125	0.14 159	0.14 126	0.14 156	0.14 128	0.14 149	0.14 114	0.14 138	0.14 126	0.14 158	0.14 129	0.14 153
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
ACVNet	0.20 142	0.19 97	0.14 126	0.20 133	0.14 155	0.20 160	0.96 389	0.21 164	0.14 155	0.20 156	0.13 154	0.21 165	0.14 156	0.20 157	0.14 149	0.17 140	0.12 110	0.17 150	0.12 146	0.17 149	0.12 142

acv_ft	0.20 142	0.19 97	0.14 126	0.20 133	0.14 155	0.20 160	0.96 389	0.21 164	0.14 155	0.20 156	0.13 154	0.21 165	0.14 156	0.20 157	0.14 149	0.17 140	0.12 110	0.17 150	0.12 146	0.17 149	0.12 142

hitnet-ft	0.79 328	2.78 453	0.14 126	0.20 133	0.14 155	0.21 168	2.89 520	2.80 508	0.14 155	0.20 156	0.14 159	0.20 157	0.14 156	0.20 157	0.14 149	0.17 140	0.12 110	0.17 150	0.12 146	2.54 494	2.33 516

GANet-RSSM	0.75 319	1.91 389	0.14 126	0.47 241	0.14 155	0.21 168	3.21 536	2.30 482	0.14 155	0.46 273	0.14 159	0.23 175	0.18 177	0.21 168	0.14 149	0.18 148	0.27 191	0.37 244	0.13 154	2.13 464	2.12 509

PSMNet-RSSM	0.77 324	2.76 449	0.14 126	0.20 133	0.14 155	0.20 160	2.66 517	2.79 507	0.14 155	0.21 166	0.14 159	0.21 165	0.14 156	0.20 157	0.14 149	0.17 140	0.12 110	0.17 150	0.12 146	2.52 486	2.31 514

GwcNet-RSSM	0.77 324	2.77 451	0.14 126	0.20 133	0.14 155	0.20 160	2.67 518	2.78 506	0.14 155	0.20 156	0.14 159	0.20 157	0.14 156	0.21 168	0.14 149	0.17 140	0.12 110	0.17 150	0.12 146	2.52 486	2.31 514

CFNet-ft	0.55 288	1.57 367	0.14 126	0.20 133	0.14 155	0.20 160	2.53 516	1.61 450	0.14 155	0.20 156	0.14 159	0.20 157	0.14 156	0.20 157	0.14 149	0.17 140	0.12 110	0.17 150	0.12 146	1.56 443	1.24 464

xyz-stereo-finetune2	0.18 137	0.48 186	0.16 143	0.16 118	0.15 166	0.15 132	0.16 158	0.16 139	0.16 167	0.16 136	0.16 168	0.16 137	0.16 166	0.16 138	0.16 165	0.16 132	0.16 143	0.16 142	0.16 163	0.16 143	0.16 154

castereo	0.61 295	3.79 476	1.35 446	1.52 425	0.15 166	0.17 148	0.16 158	0.20 157	0.21 185	0.18 149	0.16 168	0.21 165	0.12 147	0.26 195	0.17 168	1.43 442	1.38 455	0.17 150	0.16 163	0.18 153	0.16 154

gwcnet-sp	0.82 339	1.72 373	1.48 464	0.39 197	0.15 166	0.31 202	0.21 182	0.20 157	0.25 201	1.61 456	0.23 198	0.28 195	0.26 213	0.20 157	0.15 159	0.24 176	1.33 447	0.32 208	0.16 163	6.75 541	0.23 181

scenet	0.82 339	1.72 373	1.48 464	0.39 197	0.15 166	0.31 202	0.21 182	0.20 157	0.25 201	1.61 456	0.23 198	0.28 195	0.26 213	0.20 157	0.15 159	0.24 176	1.33 447	0.32 208	0.16 163	6.75 541	0.23 181

ssnet	0.82 339	1.72 373	1.48 464	0.39 197	0.15 166	0.31 202	0.21 182	0.20 157	0.25 201	1.61 456	0.23 198	0.28 195	0.26 213	0.20 157	0.15 159	0.24 176	1.33 447	0.32 208	0.16 163	6.75 541	0.23 181

dd	0.23 157	0.98 261	0.16 143	0.23 146	0.15 166	0.23 176	0.15 155	0.23 172	0.15 165	0.23 172	0.15 167	0.24 179	0.17 170	0.23 176	0.15 159	0.22 160	0.15 141	0.21 167	0.15 162	0.22 166	0.16 154

dad	0.23 157	1.03 277	0.16 143	0.23 146	0.15 166	0.24 177	0.15 155	0.24 175	0.16 167	0.23 172	0.16 168	0.24 179	0.16 166	0.23 176	0.15 159	0.22 160	0.16 143	0.22 172	0.16 163	0.22 166	0.16 154

xyz-stereo-finetune	0.28 170	0.49 188	0.16 143	0.16 118	0.16 173	0.16 140	0.16 158	0.22 168	0.30 237	0.32 203	0.31 245	0.32 208	0.31 245	0.32 209	0.32 239	0.32 201	0.33 230	0.31 207	0.32 257	0.31 194	0.32 244

xyz-stereo	0.18 137	0.50 192	0.16 143	0.15 107	0.16 173	0.16 140	0.16 158	0.16 139	0.16 167	0.16 136	0.16 168	0.16 137	0.16 166	0.16 138	0.16 165	0.16 132	0.16 143	0.16 142	0.16 163	0.16 143	0.16 154

GMStereo_Zeroshot	0.16 130	0.16 87	0.16 143	0.16 118	0.16 173	0.16 140	0.16 158	0.16 139	0.16 167	0.16 136	0.16 168	0.16 137	0.16 166	0.16 138	0.16 165	0.16 132	0.16 143	0.16 142	0.16 163	0.16 143	0.16 154

DEFOM-Stereo_RVC	0.83 343	5.18 498	1.98 502	2.19 449	0.17 176	0.19 155	0.18 169	0.19 152	0.16 167	0.20 156	0.19 184	0.22 171	0.22 192	0.20 157	0.15 159	2.28 482	2.13 500	0.24 185	0.17 181	0.18 153	0.16 154

tg	0.21 149	0.25 121	0.21 166	0.26 163	0.17 176	0.24 177	0.17 163	0.24 175	0.17 172	0.24 177	0.17 173	0.24 179	0.17 170	0.24 180	0.17 168	0.24 176	0.17 159	0.23 178	0.16 163	0.23 175	0.16 154

IGEV_Zeroshot_test	0.20 142	0.19 97	0.40 250	0.30 168	0.17 176	0.22 170	0.17 163	0.21 164	0.17 172	0.20 156	0.17 173	0.21 165	0.18 177	0.21 168	0.17 168	0.20 152	0.16 143	0.20 164	0.16 163	0.20 160	0.17 166

MIM_Stereo	0.25 160	0.23 112	0.66 326	0.80 308	0.17 176	0.22 170	0.17 163	0.23 172	0.18 174	0.26 188	0.17 173	0.21 165	0.17 170	0.25 185	0.17 168	0.23 171	0.16 143	0.21 167	0.17 181	0.22 166	0.17 166

MMNet	0.44 250	1.24 353	0.17 150	0.25 156	0.17 176	0.25 184	0.18 169	1.26 438	0.93 390	0.25 181	0.17 173	0.25 184	0.18 177	0.25 185	0.17 168	0.23 171	0.16 143	0.23 178	0.16 163	1.20 384	0.99 389

delet	0.43 246	1.21 346	0.17 150	0.25 156	0.17 176	0.25 184	0.18 169	1.26 438	0.95 392	0.25 181	0.17 173	0.25 184	0.17 170	0.25 185	0.17 168	0.23 171	0.16 143	0.22 172	0.16 163	1.18 381	0.98 388

UPFNet	0.42 245	1.20 300	0.17 150	0.24 151	0.17 176	0.25 184	0.17 163	1.19 386	0.90 384	0.25 181	0.17 173	0.24 179	0.17 170	0.25 185	0.17 168	0.22 160	0.17 159	0.22 172	0.16 163	1.15 373	0.93 384

ACV-stereo	0.30 175	2.08 399	0.25 180	0.25 156	0.18 183	0.24 177	0.17 163	0.24 175	0.18 174	0.24 177	0.17 173	0.25 184	0.17 170	0.24 180	0.17 168	0.22 160	0.16 143	0.22 172	0.16 163	0.22 166	0.16 154

MSKI-zero shot	0.24 159	0.21 107	0.49 292	0.65 291	0.18 183	0.22 170	0.17 163	0.23 172	0.18 174	0.21 166	0.17 173	0.23 175	0.28 227	0.23 176	0.18 177	0.21 157	0.16 143	0.21 167	0.16 163	0.21 164	0.16 154

psm_up	0.43 246	1.19 299	0.17 150	0.25 156	0.18 183	0.25 184	0.19 173	1.26 438	0.91 385	0.26 188	0.17 173	0.25 184	0.17 170	0.25 185	0.17 168	0.22 160	0.17 159	0.23 178	0.16 163	1.18 381	0.99 389

iResNet	0.20 142	0.23 112	0.18 156	0.24 151	0.18 183	0.24 177	0.20 176	0.24 175	0.18 174	0.23 172	0.17 173	0.23 175	0.18 177	0.23 176	0.18 177	0.22 160	0.16 143	0.21 167	0.16 163	0.21 164	0.16 154

Pointernet	0.21 149	0.22 111	0.19 159	0.24 151	0.19 187	0.24 177	0.19 173	0.24 175	0.19 180	0.24 177	0.19 184	0.24 179	0.19 182	0.24 180	0.19 180	0.22 160	0.17 159	0.22 172	0.17 181	0.22 166	0.17 166

CFNet	1.37 440	5.27 501	0.19 159	5.49 529	0.19 187	0.28 195	0.19 173	0.28 188	0.19 180	0.28 191	0.19 184	0.28 195	4.35 540	0.28 200	0.19 180	0.23 171	0.17 159	0.23 178	4.21 548	4.81 525	0.17 166

ssnet_v2	0.68 307	1.96 396	1.25 442	0.29 167	0.20 189	0.30 198	0.20 176	0.29 192	0.22 188	1.50 452	0.20 188	0.31 206	0.20 186	0.27 198	0.22 188	0.24 176	1.49 461	0.26 189	0.18 185	3.90 503	0.19 172

DAS	0.20 142	0.20 101	0.20 162	0.20 133	0.20 189	0.20 160	0.20 176	0.20 157	0.20 182	0.20 156	0.20 188	0.20 157	0.20 186	0.20 157	0.20 183	0.20 152	0.20 168	0.20 164	0.20 186	0.20 160	0.20 173

GEStereo_RVC	0.86 349	4.45 488	0.20 162	0.27 165	0.20 189	0.27 194	0.20 176	0.26 185	0.18 174	5.03 542	0.20 188	0.27 194	0.19 182	0.27 198	0.21 186	0.20 152	0.19 166	0.19 163	4.02 546	0.20 160	0.18 170

ASD4	0.20 142	0.20 101	0.20 162	0.20 133	0.20 189	0.20 160	0.20 176	0.20 157	0.20 182	0.20 156	0.20 188	0.20 157	0.20 186	0.20 157	0.20 183	0.20 152	0.20 168	0.20 164	0.20 186	0.20 160	0.20 173

AANet_RVC	1.26 435	0.31 131	4.99 541	5.93 532	0.20 189	0.25 184	0.20 176	0.25 181	0.20 182	0.23 172	0.19 184	0.25 184	0.20 186	0.25 185	0.20 183	5.66 540	4.76 533	0.26 189	0.30 245	0.24 176	0.27 206

iResNetv2_ROB	0.20 142	0.23 112	0.18 156	0.24 151	0.20 189	0.24 177	0.18 169	0.24 175	0.18 174	0.24 177	0.18 183	0.23 175	0.19 182	0.24 180	0.18 177	0.21 157	0.16 143	0.21 167	0.16 163	0.22 166	0.16 154

DISCO	1.11 382	0.39 149	5.28 543	0.39 197	0.20 189	0.39 236	0.27 213	0.39 227	0.22 188	0.38 223	0.20 188	0.38 231	0.20 186	6.95 553	0.22 188	0.30 196	0.21 172	0.27 193	0.21 188	5.25 534	0.21 176

model_zeroshot	0.27 169	0.20 101	0.27 187	0.33 179	0.21 196	0.37 226	0.22 187	0.37 218	0.24 196	0.26 188	0.27 220	0.33 211	0.21 191	0.25 185	0.27 210	0.32 201	0.20 168	0.34 223	0.23 196	0.25 177	0.26 198

CAS++	0.17 134	0.27 123	0.21 166	0.10 57	0.21 196	0.15 132	0.22 187	0.10 110	0.21 185	0.22 168	0.10 117	0.19 155	0.18 177	0.10 111	0.19 180	0.20 152	0.19 166	0.18 160	0.10 117	0.19 159	0.18 170
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
DCVSM-stereo	0.36 205	1.89 386	0.22 168	0.40 210	0.22 198	0.40 238	0.22 187	0.40 232	0.22 188	0.40 233	0.22 194	0.40 242	0.22 192	0.40 242	0.22 188	0.28 188	0.21 172	0.28 195	0.21 188	0.28 184	0.20 173

WAO-6	0.22 153	0.23 112	0.22 168	0.23 146	0.22 198	0.22 170	0.22 187	0.22 168	0.22 188	0.22 168	0.22 194	0.22 171	0.22 192	0.22 172	0.22 188	0.22 160	0.22 176	0.22 172	0.22 191	0.22 166	0.22 179

IMH-64-1	0.22 153	0.23 112	0.23 171	0.22 144	0.22 198	0.22 170	0.22 187	0.22 168	0.22 188	0.22 168	0.22 194	0.22 171	0.22 192	0.22 172	0.22 188	0.22 160	0.22 176	0.23 178	0.22 191	0.22 166	0.23 181

IMH-64	0.22 153	0.23 112	0.23 171	0.22 144	0.22 198	0.22 170	0.22 187	0.22 168	0.22 188	0.22 168	0.22 194	0.22 171	0.22 192	0.22 172	0.22 188	0.22 160	0.22 176	0.23 178	0.22 191	0.22 166	0.23 181

HGLStereo	0.28 170	0.29 128	0.22 168	0.36 186	0.22 198	0.36 221	0.21 182	0.36 212	0.21 185	0.42 258	0.21 193	0.36 223	0.22 192	0.36 225	0.21 186	0.34 208	0.21 172	0.34 223	0.21 188	0.34 206	0.21 176

tt1	0.31 181	0.93 254	0.24 177	0.33 179	0.23 203	0.31 202	0.24 199	0.32 198	0.24 196	0.32 203	0.23 198	0.32 208	0.25 204	0.32 209	0.24 198	0.27 186	0.26 186	0.27 193	0.26 215	0.27 182	0.27 206

xxxxx1	0.31 181	0.91 247	0.23 171	0.31 172	0.23 203	0.31 202	0.23 194	0.33 201	0.25 201	0.31 198	0.24 204	0.33 211	0.25 204	0.32 209	0.24 198	0.28 188	0.28 197	0.28 195	0.28 226	0.29 187	0.27 206

tt_ll	0.31 181	0.91 247	0.23 171	0.31 172	0.23 203	0.31 202	0.23 194	0.33 201	0.25 201	0.31 198	0.24 204	0.33 211	0.25 204	0.32 209	0.24 198	0.28 188	0.28 197	0.28 195	0.28 226	0.29 187	0.27 206

ff	0.31 181	0.91 247	0.23 171	0.31 172	0.23 203	0.31 202	0.23 194	0.33 201	0.25 201	0.31 198	0.24 204	0.33 211	0.25 204	0.32 209	0.24 198	0.28 188	0.28 197	0.28 195	0.28 226	0.29 187	0.27 206

FENet	0.54 284	1.52 366	1.19 388	1.41 423	0.23 203	0.35 218	0.23 194	0.35 208	0.23 194	0.34 210	0.23 198	0.35 217	0.23 198	0.35 219	0.23 194	1.40 441	1.07 371	0.32 208	0.23 196	0.33 202	0.23 181

WCG-NET（raft）	0.32 189	1.24 353	0.24 177	0.32 175	0.24 208	0.32 210	0.23 194	0.32 198	0.24 196	0.32 203	0.24 204	0.32 208	0.24 201	0.32 209	0.24 198	0.30 196	0.23 180	0.30 202	0.23 196	0.30 190	0.23 181

DLNR_Zeroshot_test	0.31 181	0.28 126	0.47 279	0.79 306	0.24 208	0.30 198	0.26 210	0.30 194	0.24 196	0.32 203	0.23 198	0.31 206	0.24 201	0.30 205	0.23 194	0.29 195	0.26 186	0.29 200	0.24 204	0.33 202	0.23 181

DEFOM-Stereo	0.68 307	3.11 459	1.40 460	1.63 434	0.25 210	0.31 202	0.25 202	0.31 197	0.28 222	0.31 198	0.29 230	0.29 200	0.27 221	0.31 208	0.28 216	1.59 449	1.47 460	0.30 202	0.29 235	0.30 190	0.28 219

GCAP-BAT	0.33 192	0.78 224	0.32 209	0.38 192	0.25 210	0.34 214	0.25 202	0.34 205	0.26 214	0.34 210	0.25 210	0.35 217	0.26 213	0.35 219	0.27 210	0.36 222	0.30 214	0.32 208	0.24 204	0.32 196	0.26 198

UNDER WATER-64	0.25 160	0.26 122	0.25 180	0.26 163	0.25 210	0.25 184	0.25 202	0.25 181	0.25 201	0.25 181	0.25 210	0.25 184	0.25 204	0.26 195	0.25 204	0.25 182	0.25 183	0.25 186	0.25 209	0.25 177	0.25 192

LoS_RVC	0.30 175	1.14 291	0.25 180	0.25 156	0.25 210	0.26 191	0.25 202	0.25 181	0.25 201	0.25 181	0.25 210	0.26 193	0.26 213	0.26 195	0.25 204	0.26 183	0.26 186	0.25 186	0.25 209	0.26 179	0.26 198

CAS	0.30 175	1.17 296	0.25 180	0.25 156	0.25 210	0.26 191	0.25 202	0.25 181	0.26 214	0.25 181	0.25 210	0.25 184	0.25 204	0.25 185	0.25 204	0.26 183	0.26 186	0.26 189	0.25 209	0.26 179	0.25 192

LoS	0.25 160	0.27 123	0.25 180	0.25 156	0.25 210	0.25 184	0.25 202	0.26 185	0.25 201	0.25 181	0.25 210	0.25 184	0.25 204	0.25 185	0.25 204	0.26 183	0.25 183	0.25 186	0.26 215	0.26 179	0.25 192
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
CroCo-Stereo	0.73 317	1.22 351	0.25 180	1.22 409	0.25 210	1.22 442	0.25 202	1.22 435	0.25 201	1.22 443	0.25 210	1.22 446	0.25 204	1.22 446	0.25 204	1.22 430	0.26 186	1.21 452	0.25 209	1.22 431	0.25 192
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
iResNet_ROB	0.28 170	0.32 132	0.24 177	0.32 175	0.25 210	0.32 210	0.24 199	0.32 198	0.24 196	0.33 208	0.24 204	0.35 217	0.24 201	0.33 215	0.24 198	0.31 200	0.24 182	0.32 208	0.24 204	0.32 196	0.24 191

testlalala	0.32 189	0.81 230	0.31 205	0.39 197	0.26 218	0.33 212	0.24 199	0.33 201	0.26 214	0.32 203	0.26 216	0.33 211	0.23 198	0.33 215	0.23 194	0.35 217	0.31 219	0.30 202	0.24 204	0.31 194	0.21 176

StereoDRNet-Refined	0.33 192	0.39 149	0.26 186	0.39 197	0.26 218	0.40 238	0.26 210	0.40 232	0.26 214	0.39 228	0.26 216	0.39 235	0.26 213	0.39 239	0.26 209	0.37 226	0.25 183	0.37 244	0.25 209	0.37 227	0.37 269
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
TorneroNet-64	0.45 252	0.27 123	0.30 198	0.58 278	0.27 220	0.70 344	0.30 230	0.28 188	0.73 371	0.73 347	0.28 226	0.71 346	0.66 350	0.75 350	0.27 210	0.27 186	0.29 206	0.37 244	0.75 374	0.28 184	0.30 234

Any-RAFT	0.32 189	0.36 138	0.27 187	0.36 186	0.27 220	0.36 221	0.27 213	0.36 212	0.27 219	0.36 217	0.27 220	0.36 223	0.27 221	0.36 225	0.28 216	0.36 222	0.28 197	0.36 241	0.28 226	0.36 225	0.28 219

CRFU-Net	0.65 300	1.67 371	1.22 438	1.96 443	0.27 220	0.41 254	0.27 213	0.41 247	0.27 219	0.40 233	0.26 216	0.41 254	0.27 221	0.40 242	0.27 210	1.80 456	1.62 474	0.34 223	0.23 196	0.33 202	0.23 181

LG-Stereo_L2	0.34 194	0.37 140	0.38 240	0.47 241	0.28 223	0.39 236	0.28 218	0.39 227	0.28 222	0.39 228	0.28 226	0.39 235	0.28 227	0.38 231	0.28 216	0.42 269	0.35 234	0.36 241	0.26 215	0.35 218	0.26 198

SQANet	0.28 170	0.28 126	0.28 191	0.28 166	0.28 223	0.28 195	0.28 218	0.28 188	0.28 222	0.28 191	0.28 226	0.28 195	0.28 227	0.28 200	0.28 216	0.28 188	0.28 197	0.28 195	0.28 226	0.28 184	0.28 219

IER	0.88 351	7.04 517	2.23 507	2.75 467	0.28 223	0.43 276	0.25 202	0.39 227	0.25 201	0.41 246	0.27 220	0.39 235	0.25 204	0.40 242	0.28 216	0.37 226	0.28 197	0.37 244	0.25 209	0.37 227	0.25 192

DGSMNet	0.34 194	0.41 158	0.27 187	0.41 221	0.28 223	0.41 254	0.28 218	0.41 247	0.27 219	0.41 246	0.27 220	0.42 270	0.27 221	0.41 256	0.28 216	0.40 247	0.29 206	0.40 266	0.28 226	0.40 248	0.27 206

RAFT + AFF	0.31 181	0.45 172	0.34 224	0.39 197	0.28 223	0.38 230	0.33 245	0.29 192	0.31 242	0.30 195	0.30 241	0.29 200	0.27 221	0.29 203	0.30 233	0.28 188	0.29 206	0.29 200	0.29 235	0.27 182	0.32 244

MLCV	0.31 181	0.35 135	0.27 187	0.35 182	0.28 223	0.35 218	0.27 213	0.35 208	0.28 222	0.36 217	0.27 220	0.35 217	0.27 221	0.35 219	0.27 210	0.34 208	0.27 191	0.34 223	0.27 222	0.34 206	0.27 206

DN-CSS_ROB	0.31 181	0.35 135	0.28 191	0.35 182	0.28 223	0.34 214	0.27 213	0.34 205	0.25 201	0.35 214	0.27 220	0.36 223	0.26 213	0.34 217	0.28 216	0.35 217	0.28 197	0.34 223	0.28 226	0.34 206	0.27 206

IGEV++	0.34 194	0.43 166	0.30 198	0.40 210	0.29 230	0.40 238	0.29 225	0.40 232	0.29 227	0.40 233	0.29 230	0.40 242	0.29 233	0.40 242	0.30 233	0.38 233	0.29 206	0.37 244	0.29 235	0.37 227	0.29 224

ACVNet-DCA	0.37 210	1.00 265	0.30 198	0.40 210	0.29 230	0.40 238	0.29 225	0.40 232	0.29 227	0.40 233	0.29 230	0.40 242	0.29 233	0.39 239	0.28 216	0.33 205	0.32 222	0.33 216	0.32 257	0.33 202	0.32 244

1test111	0.37 210	1.02 275	0.30 198	0.39 197	0.29 230	0.40 238	0.28 218	0.39 227	0.29 227	0.39 228	0.29 230	0.39 235	0.28 227	0.40 242	0.29 226	0.33 205	0.32 222	0.33 216	0.31 252	0.32 196	0.31 240

cc1	0.37 210	1.02 275	0.30 198	0.39 197	0.29 230	0.40 238	0.28 218	0.39 227	0.29 227	0.39 228	0.29 230	0.39 235	0.28 227	0.40 242	0.29 226	0.33 205	0.32 222	0.33 216	0.31 252	0.32 196	0.31 240

EKT-Stereo	0.37 210	0.40 151	0.44 266	1.07 345	0.29 230	0.34 214	0.31 235	0.36 212	0.29 227	0.38 223	0.31 245	0.37 229	0.30 239	0.36 225	0.29 226	0.34 208	0.28 197	0.39 261	0.30 245	0.37 227	0.30 234

CroCo-Stereo Lap2	0.77 324	1.29 355	0.29 194	1.27 413	0.29 230	1.27 445	0.26 210	1.26 438	0.26 214	1.26 444	0.26 216	1.27 448	0.26 213	1.26 447	0.27 210	1.27 432	0.27 191	1.27 455	0.27 222	1.27 433	0.27 206

iRaft-Stereo_20w	0.34 194	0.41 158	0.31 205	0.39 197	0.29 230	0.40 238	0.32 236	0.41 247	0.32 245	0.38 223	0.30 241	0.39 235	0.30 239	0.38 231	0.32 239	0.35 217	0.27 191	0.34 223	0.27 222	0.34 206	0.29 224

GES	0.66 302	2.34 423	0.29 194	0.41 221	0.29 230	0.41 254	0.29 225	0.42 263	0.29 227	0.40 233	0.41 299	0.41 254	0.30 239	0.51 313	0.29 226	0.32 201	0.29 206	0.32 208	2.46 519	2.49 482	0.30 234

UCFNet_RVC	2.75 511	10.06 539	0.29 194	10.31 556	0.29 230	0.42 272	0.29 225	0.43 267	0.29 227	0.42 258	0.29 230	0.42 270	9.87 557	0.43 271	0.29 226	0.36 222	9.84 556	0.36 241	0.26 215	9.77 555	0.26 198

MSAF-DinoV2	0.30 175	0.30 129	0.30 198	0.30 168	0.30 239	0.30 198	0.30 230	0.30 194	0.30 237	0.30 195	0.30 241	0.30 203	0.30 239	0.30 205	0.30 233	0.30 196	0.30 214	0.30 202	0.30 245	0.30 190	0.30 234

IGEV-Stereo	0.35 201	0.44 169	0.45 268	0.49 251	0.30 239	0.37 226	0.30 230	0.36 212	0.30 237	0.36 217	0.29 230	0.36 223	0.29 233	0.36 225	0.30 233	0.46 276	0.39 252	0.32 208	0.24 204	0.32 196	0.25 192
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iRaft-Stereo_5w	0.34 194	0.42 165	0.31 205	0.39 197	0.30 239	0.38 230	0.30 230	0.40 232	0.29 227	0.40 233	0.37 280	0.41 254	0.34 259	0.38 231	0.30 233	0.34 208	0.27 191	0.34 223	0.26 215	0.34 206	0.26 198

PML	0.46 255	1.36 360	0.29 194	0.58 278	0.30 239	0.57 331	0.29 225	0.57 317	0.29 227	0.57 326	0.29 230	0.57 330	0.29 233	0.56 324	0.29 226	0.52 302	0.30 214	0.53 332	0.31 252	0.53 305	0.30 234

DANet	0.30 175	0.30 129	0.30 198	0.30 168	0.30 239	0.30 198	0.30 230	0.30 194	0.30 237	0.30 195	0.30 241	0.30 203	0.30 239	0.30 205	0.30 233	0.30 196	0.30 214	0.30 202	0.30 245	0.30 190	0.30 234
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
xx1	0.38 216	1.03 277	0.31 205	0.40 210	0.31 244	0.41 254	0.28 218	0.40 232	0.29 227	0.40 233	0.29 230	0.40 242	0.29 233	0.40 242	0.29 226	0.34 208	0.33 230	0.34 223	0.32 257	0.34 206	0.32 244

CASnet	0.35 201	0.51 199	0.44 266	0.32 175	0.31 244	0.24 177	0.34 256	0.36 212	0.25 201	0.31 198	0.37 280	0.30 203	0.33 254	0.25 185	0.45 308	0.37 226	0.37 239	0.33 216	0.35 276	0.34 206	0.37 269
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
GREAT-IGEV	0.38 216	0.43 166	0.36 234	0.48 245	0.32 246	0.45 279	0.32 236	0.45 269	0.32 245	0.45 269	0.32 247	0.45 276	0.32 247	0.45 276	0.32 239	0.44 271	0.33 230	0.41 279	0.29 235	0.41 258	0.29 224

GIP-stereo	0.36 205	0.49 188	0.39 247	0.48 245	0.32 246	0.41 254	0.28 218	0.40 232	0.30 237	0.41 246	0.28 226	0.40 242	0.28 227	0.42 269	0.28 216	0.45 273	0.32 222	0.38 251	0.30 245	0.37 227	0.27 206

PCWNet_CMD	2.80 513	9.82 537	0.32 209	10.09 555	0.32 246	0.49 300	0.33 245	3.34 514	0.33 251	0.49 293	0.33 253	0.49 297	8.73 553	0.48 293	0.33 247	0.41 255	9.22 551	0.42 290	0.29 235	9.55 554	0.31 240

CFNet_ucs	2.73 510	9.64 536	0.33 214	9.92 553	0.32 246	0.49 300	0.33 245	0.49 287	0.33 251	0.49 293	0.33 253	0.49 297	8.98 555	0.48 293	0.33 247	0.41 255	9.96 557	0.40 266	0.29 235	10.12 557	0.54 331

RAFT-Test	0.36 205	0.37 140	0.33 214	0.41 221	0.32 246	0.41 254	0.32 236	0.41 247	0.32 245	0.41 246	0.32 247	0.41 254	0.32 247	0.41 256	0.33 247	0.37 226	0.29 206	0.37 244	0.29 235	0.38 236	0.31 240

HH	0.71 313	2.54 432	0.74 343	1.10 347	0.32 246	0.41 254	0.37 273	0.69 335	0.78 374	0.73 347	0.90 386	0.75 353	1.00 383	0.84 357	0.69 359	0.69 328	0.40 255	0.35 236	0.26 215	0.35 218	0.26 198

HanStereo	0.71 313	2.54 432	0.74 343	1.10 347	0.32 246	0.41 254	0.37 273	0.69 335	0.78 374	0.73 347	0.90 386	0.75 353	1.00 383	0.84 357	0.69 359	0.69 328	0.40 255	0.35 236	0.26 215	0.35 218	0.26 198

4D-IteraStereo	0.78 327	3.13 460	0.89 357	0.69 296	0.32 246	0.40 238	0.32 236	0.76 341	0.97 395	0.52 313	0.65 358	0.89 367	0.32 247	0.76 351	0.98 391	0.83 347	0.94 363	0.35 236	0.27 222	0.70 322	0.89 380

pcwnet_v2	2.66 508	9.89 538	0.33 214	9.89 552	0.32 246	0.50 308	0.32 236	0.49 287	0.33 251	0.49 293	0.34 261	0.49 297	8.76 554	0.48 293	0.33 247	0.41 255	9.58 553	0.40 266	0.29 235	9.01 552	0.63 347

Gwc-CoAtRS	0.41 235	1.49 365	0.32 209	0.42 230	0.32 246	0.41 254	0.32 236	0.41 247	0.33 251	0.41 246	0.32 247	0.41 254	0.32 247	0.41 256	0.32 239	0.39 243	0.28 197	0.39 261	0.28 226	0.40 248	0.28 219

MSMDNet	2.65 507	10.14 540	0.33 214	9.74 551	0.32 246	0.87 359	0.33 245	2.95 510	0.68 355	0.49 293	0.34 261	0.49 297	5.70 547	0.49 299	0.33 247	0.42 269	9.57 552	0.41 279	0.31 252	8.36 549	0.65 349

water-stereo	0.41 235	0.84 233	0.46 272	0.50 258	0.33 257	0.45 279	0.33 245	0.45 269	0.32 245	0.45 269	0.32 247	0.45 276	0.32 247	0.45 276	0.32 239	0.44 271	0.41 264	0.39 261	0.31 252	0.39 243	0.32 244

DilatedVolume-Stereo	0.43 246	0.86 236	0.48 287	0.50 258	0.33 257	0.46 285	0.33 245	0.46 273	0.33 251	0.46 273	0.33 253	0.47 286	0.33 254	0.47 284	0.34 260	0.45 273	0.42 272	0.40 266	0.33 265	0.47 281	0.38 276

HART	0.38 216	0.45 172	0.34 224	0.42 230	0.33 257	0.41 254	0.34 256	0.42 263	0.33 251	0.43 264	0.34 261	0.42 270	0.34 259	0.41 256	0.38 279	0.40 247	0.32 222	0.42 290	0.32 257	0.40 248	0.32 244

fffy	0.38 216	0.43 166	0.33 214	0.46 235	0.33 257	0.45 279	0.32 236	0.45 269	0.32 245	0.45 269	0.32 247	0.45 276	0.33 254	0.45 276	0.32 239	0.38 233	0.38 245	0.38 251	0.37 284	0.37 227	0.36 265

CFNet_pseudo	2.67 509	9.36 534	0.32 209	10.99 557	0.33 257	0.85 357	0.33 245	0.49 287	0.33 251	0.49 293	0.32 247	0.49 297	7.26 551	0.49 299	0.33 247	0.41 255	9.62 554	0.41 279	0.29 235	10.03 556	0.29 224

HCRNet	1.22 433	7.11 518	3.00 515	3.55 498	0.33 257	0.29 197	0.14 150	0.19 152	0.15 165	0.33 208	0.29 230	0.25 184	0.14 156	0.22 172	0.33 247	3.64 511	3.00 508	0.76 356	0.32 257	0.18 153	0.13 148

ccnet	0.80 330	2.28 415	0.33 214	0.50 258	0.33 257	0.50 308	0.33 245	0.50 295	0.33 251	0.49 293	0.33 253	0.49 297	1.56 469	2.38 485	0.33 247	0.41 255	0.29 206	0.42 290	1.57 480	2.28 470	0.29 224

FCDSN-DC	0.41 235	0.59 212	0.64 322	0.54 269	0.33 257	0.50 308	0.37 273	0.42 263	0.40 289	0.61 331	0.43 311	0.50 311	0.49 325	0.38 231	0.32 239	0.28 188	0.23 180	0.26 189	0.22 191	0.35 218	0.28 219
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
psmorigin	0.41 235	0.46 176	0.33 214	0.49 251	0.33 257	0.49 300	0.33 245	0.49 287	0.33 251	0.49 293	0.33 253	0.49 297	0.33 254	0.51 313	0.33 247	0.41 255	0.30 214	0.41 279	0.30 245	0.79 332	0.29 224

ccs_rob	2.79 512	10.17 541	0.32 209	10.00 554	0.33 257	0.49 300	0.33 245	1.90 461	0.32 245	0.51 310	0.33 253	0.49 297	9.24 556	0.49 299	0.33 247	0.41 255	9.82 555	0.41 279	0.28 226	9.34 553	0.29 224

H2IRNET	0.34 194	0.34 134	0.34 224	0.34 181	0.34 267	0.34 214	0.34 256	0.34 205	0.34 260	0.34 210	0.34 261	0.34 216	0.34 259	0.34 217	0.34 260	0.34 208	0.34 233	0.34 223	0.34 269	0.34 206	0.34 257

LL-Strereo2	0.48 266	1.73 378	0.51 301	0.59 281	0.34 267	0.42 272	0.33 245	0.40 232	0.31 242	0.42 258	0.33 253	0.42 270	0.31 245	0.44 273	0.39 286	0.60 313	0.51 306	0.44 293	0.33 265	0.44 268	0.33 251

RCA-Stereo	0.51 279	3.22 463	0.34 224	0.44 233	0.34 267	0.44 278	0.34 256	0.43 267	0.34 260	0.43 264	0.34 261	0.44 274	0.33 254	0.43 271	0.33 247	0.38 233	0.29 206	0.38 251	0.29 235	0.38 236	0.29 224

ccccc	0.41 235	0.44 169	0.34 224	0.48 245	0.35 270	0.48 295	0.35 261	0.51 305	0.35 263	0.47 279	0.35 270	0.47 286	0.34 259	0.47 284	0.35 264	0.41 255	0.40 255	0.40 266	0.40 301	0.41 258	0.39 282

UGAM	0.51 279	2.23 412	0.39 247	0.54 269	0.35 270	0.50 308	0.35 261	0.49 287	0.35 263	0.49 293	0.35 270	0.49 297	0.36 269	0.50 306	0.36 268	0.49 288	0.37 239	0.45 297	0.34 269	0.45 272	0.34 257

GCST	0.50 274	2.08 399	0.38 240	0.53 267	0.35 270	0.49 300	0.35 261	0.50 295	0.35 263	0.49 293	0.35 270	0.49 297	0.35 266	0.49 299	0.35 264	0.48 285	0.37 239	0.45 297	0.33 265	0.44 268	0.33 251

GCAP-Stereo	0.75 319	4.15 485	0.42 263	0.75 304	0.35 270	0.78 351	0.40 289	0.79 343	0.38 279	0.78 355	0.36 274	0.78 356	0.36 269	0.79 352	0.39 286	0.75 335	0.39 252	0.76 356	0.39 300	0.75 327	0.39 282

DMCA	0.36 205	0.38 143	0.37 237	0.35 182	0.35 270	0.36 221	0.36 268	0.36 212	0.35 263	0.35 214	0.37 280	0.36 223	0.36 269	0.35 219	0.36 268	0.36 222	0.36 237	0.35 236	0.36 282	0.36 225	0.36 265

ETE_ROB	0.35 201	0.35 135	0.35 232	0.35 182	0.35 270	0.35 218	0.35 261	0.35 208	0.35 263	0.35 214	0.35 270	0.35 217	0.35 266	0.35 219	0.35 264	0.35 217	0.35 234	0.35 236	0.35 276	0.35 218	0.35 264

mms	0.40 228	0.45 172	0.35 232	0.48 245	0.36 276	0.47 290	0.34 256	0.45 269	0.38 279	0.47 279	0.33 253	0.45 276	0.32 247	0.45 276	0.32 239	0.39 243	0.38 245	0.38 251	0.37 284	0.39 243	0.39 282

UGAM-zero	0.51 279	2.17 407	0.39 247	0.53 267	0.36 276	0.50 308	0.36 268	0.50 295	0.36 274	0.49 293	0.36 274	0.50 311	0.35 266	0.50 306	0.36 268	0.49 288	0.37 239	0.47 305	0.35 276	0.46 273	0.34 257

RAFT-Stereo-weight	0.45 252	1.90 388	0.34 224	0.42 230	0.36 276	0.43 276	0.35 261	0.42 263	0.34 260	0.42 258	0.34 261	0.44 274	0.34 259	0.41 256	0.34 260	0.38 233	0.32 222	0.38 251	0.32 257	0.38 236	0.33 251

SCV_C0	0.45 252	0.88 240	0.49 292	0.54 269	0.37 279	0.48 295	0.37 273	0.48 283	0.37 275	0.48 286	0.36 274	0.48 293	0.37 273	0.49 299	0.37 276	0.50 294	0.41 264	0.44 293	0.34 269	0.44 268	0.34 257

SCV	0.46 255	0.94 256	0.45 268	0.54 269	0.37 279	0.48 295	0.38 279	0.48 283	0.37 275	0.48 286	0.39 290	0.48 293	0.37 273	0.49 299	0.37 276	0.50 294	0.46 281	0.44 293	0.34 269	0.44 268	0.34 257

CES	0.39 224	0.47 180	0.36 234	0.36 186	0.37 279	0.45 279	0.35 261	0.35 208	0.40 289	0.36 217	0.44 313	0.47 286	0.36 269	0.44 273	0.36 268	0.37 226	0.39 252	0.44 293	0.35 276	0.37 227	0.36 265

GMOStereo	0.37 210	0.45 172	0.23 171	0.30 168	0.37 279	0.41 254	0.36 268	0.41 247	0.35 263	0.43 264	0.36 274	0.41 254	0.40 284	0.41 256	0.36 268	0.34 208	0.22 176	0.47 305	0.37 284	0.39 243	0.33 251

error version	0.93 361	4.47 489	2.35 510	1.99 445	0.37 279	0.41 254	0.36 268	0.41 247	0.35 263	0.43 264	0.36 274	0.41 254	0.40 284	0.41 256	0.36 268	1.87 458	2.16 501	0.47 305	0.37 284	0.39 243	0.33 251

test_1	0.93 361	4.47 489	2.35 510	1.99 445	0.37 279	0.41 254	0.36 268	0.41 247	0.35 263	0.43 264	0.36 274	0.41 254	0.40 284	0.41 256	0.36 268	1.87 458	2.16 501	0.47 305	0.37 284	0.39 243	0.33 251

XPNet_ROB	0.37 210	0.37 140	0.37 237	0.37 189	0.37 279	0.37 226	0.37 273	0.37 218	0.37 275	0.37 222	0.37 280	0.37 229	0.37 273	0.37 229	0.37 276	0.37 226	0.37 239	0.37 244	0.37 284	0.37 227	0.37 269

GASTEREO	0.48 266	1.21 346	0.47 279	0.57 276	0.38 286	0.50 308	0.38 279	0.50 295	0.38 279	0.50 305	0.38 285	0.50 311	0.38 277	0.50 306	0.38 279	0.52 302	0.42 272	0.46 300	0.34 269	0.46 273	0.34 257

MSCF	0.51 279	1.40 362	0.49 292	0.58 278	0.38 286	0.50 308	0.38 279	0.54 311	0.41 298	0.52 313	0.41 299	0.53 319	0.42 301	0.53 318	0.41 297	0.60 313	0.47 289	0.48 313	0.37 284	0.48 285	0.38 276

WAO-8	0.38 216	0.38 143	0.38 240	0.38 192	0.38 286	0.38 230	0.38 279	0.38 223	0.38 279	0.38 223	0.38 285	0.38 231	0.38 277	0.38 231	0.38 279	0.38 233	0.38 245	0.38 251	0.37 284	0.38 236	0.38 276

WAO-7	0.38 216	0.38 143	0.38 240	0.38 192	0.38 286	0.38 230	0.38 279	0.38 223	0.38 279	0.38 223	0.38 285	0.38 231	0.38 277	0.38 231	0.38 279	0.38 233	0.38 245	0.38 251	0.38 297	0.38 236	0.38 276

Venus	0.38 216	0.38 143	0.38 240	0.38 192	0.38 286	0.37 226	0.38 279	0.37 218	0.37 275	0.41 246	0.37 280	0.39 235	0.37 273	0.38 231	0.38 279	0.37 226	0.38 245	0.38 251	0.37 284	0.37 227	0.38 276

IMH	0.38 216	0.38 143	0.38 240	0.38 192	0.38 286	0.38 230	0.38 279	0.38 223	0.38 279	0.42 258	0.38 285	0.40 242	0.38 277	0.38 231	0.38 279	0.38 233	0.38 245	0.39 261	0.38 297	0.38 236	0.38 276

iRaftStereo_RVC	0.97 365	3.17 462	2.30 509	2.42 461	0.38 286	0.54 324	0.38 279	0.54 311	0.38 279	0.54 319	0.38 285	0.54 322	0.38 277	0.54 320	0.38 279	2.38 489	2.34 505	0.49 318	0.36 282	0.49 289	0.36 265

LG-Stereo_L1	0.47 261	0.52 201	0.47 279	0.62 285	0.39 293	0.53 321	0.40 289	0.53 309	0.39 288	0.53 316	0.39 290	0.53 319	0.39 283	0.53 318	0.39 286	0.55 307	0.46 281	0.49 318	0.37 284	0.49 289	0.37 269

gcap-zeroshot	0.35 201	0.32 132	0.37 237	0.49 251	0.39 293	0.33 212	0.21 182	0.26 185	0.35 263	0.42 258	0.34 261	0.49 297	0.29 233	0.47 284	0.39 286	0.34 208	0.17 159	0.38 251	0.23 196	0.48 285	0.34 257

depthmonostereo	0.44 250	0.85 235	0.46 272	0.54 269	0.40 295	0.52 319	0.38 279	0.52 307	0.35 263	0.47 279	0.34 261	0.46 280	0.34 259	0.47 284	0.34 260	0.45 273	0.43 275	0.41 279	0.33 265	0.41 258	0.32 244

knoymous	0.40 228	0.40 151	0.40 250	0.40 210	0.40 295	0.40 238	0.40 289	0.40 232	0.40 289	0.40 233	0.40 293	0.40 242	0.40 284	0.40 242	0.40 290	0.40 247	0.40 255	0.40 266	0.40 301	0.40 248	0.40 285

anonymousa	0.40 228	0.40 151	0.40 250	0.40 210	0.40 295	0.40 238	0.40 289	0.40 232	0.40 289	0.40 233	0.40 293	0.40 242	0.40 284	0.40 242	0.40 290	0.40 247	0.40 255	0.40 266	0.40 301	0.40 248	0.40 285

riskmin	0.40 228	0.40 151	0.40 250	0.40 210	0.40 295	0.40 238	0.40 289	0.40 232	0.40 289	0.40 233	0.40 293	0.40 242	0.40 284	0.40 242	0.40 290	0.40 247	0.40 255	0.40 266	0.40 301	0.40 248	0.40 285

Anonymous_2	0.40 228	0.40 151	0.40 250	0.40 210	0.40 295	0.40 238	0.40 289	0.40 232	0.40 289	0.40 233	0.40 293	0.40 242	0.40 284	0.40 242	0.40 290	0.40 247	0.40 255	0.40 266	0.40 301	0.40 248	0.40 285

Anonymous_1	0.40 228	0.40 151	0.40 250	0.40 210	0.40 295	0.40 238	0.40 289	0.40 232	0.40 289	0.40 233	0.40 293	0.40 242	0.40 284	0.40 242	0.40 290	0.40 247	0.40 255	0.40 266	0.40 301	0.40 248	0.40 285

AdaStereo	0.40 228	0.40 151	0.40 250	0.40 210	0.40 295	0.40 238	0.40 289	0.40 232	0.40 289	0.40 233	0.40 293	0.40 242	0.40 284	0.40 242	0.40 290	0.40 247	0.40 255	0.40 266	0.40 301	0.40 248	0.40 285
Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Zhe Wang, Jianping Shi: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021.
LG-Stereo_Zeroshot	0.48 266	0.55 209	0.47 279	0.63 287	0.41 302	0.56 326	0.44 305	0.56 314	0.41 298	0.56 324	0.41 299	0.57 330	0.42 301	0.56 324	0.41 297	0.55 307	0.43 275	0.51 327	0.37 284	0.51 300	0.37 269

PAM	0.39 224	1.88 385	0.34 224	0.37 189	0.41 302	0.45 279	0.22 187	0.28 188	0.23 194	0.28 191	0.24 204	0.29 200	0.23 198	0.29 203	0.23 194	0.38 233	0.32 222	0.38 251	0.37 284	0.32 196	0.22 179

MyStereo07	0.60 292	3.72 474	0.48 287	0.49 251	0.41 302	0.36 221	0.32 236	0.49 287	0.43 306	0.51 310	0.42 309	0.49 297	0.43 304	0.51 313	0.64 346	0.49 288	0.45 279	0.34 223	0.32 257	0.35 218	0.43 300

MyStereo04	0.56 290	3.72 474	0.59 314	0.49 251	0.41 302	0.36 221	0.32 236	0.37 218	0.31 242	0.34 210	0.46 318	0.35 217	0.32 247	0.35 219	0.33 247	0.49 288	0.45 279	0.34 223	0.32 257	0.35 218	0.43 300

HanzoNet	0.39 224	0.38 143	0.40 250	0.39 197	0.41 302	0.38 230	0.38 279	0.38 223	0.38 279	0.39 228	0.39 290	0.38 231	0.38 277	0.39 239	0.40 290	0.38 233	0.38 245	0.40 266	0.38 297	0.38 236	0.40 285

GwcNet-ADL	0.41 235	0.41 158	0.41 258	0.41 221	0.41 302	0.41 254	0.41 297	0.41 247	0.41 298	0.41 246	0.41 299	0.41 254	0.41 295	0.41 256	0.41 297	0.41 255	0.41 264	0.41 279	0.41 308	0.41 258	0.41 292

PSMNet-ADL	0.41 235	0.41 158	0.41 258	0.41 221	0.41 302	0.41 254	0.41 297	0.41 247	0.41 298	0.41 246	0.41 299	0.41 254	0.41 295	0.41 256	0.41 297	0.41 255	0.41 264	0.41 279	0.41 308	0.41 258	0.41 292

GANet-ADL	0.41 235	0.41 158	0.41 258	0.41 221	0.41 302	0.41 254	0.41 297	0.41 247	0.41 298	0.41 246	0.41 299	0.41 254	0.41 295	0.41 256	0.41 297	0.41 255	0.41 264	0.41 279	0.41 308	0.41 258	0.41 292

ADLNet2	0.41 235	0.41 158	0.41 258	0.41 221	0.41 302	0.41 254	0.41 297	0.41 247	0.41 298	0.41 246	0.41 299	0.41 254	0.41 295	0.41 256	0.41 297	0.41 255	0.41 264	0.41 279	0.41 308	0.41 258	0.41 292

ADLNet	0.41 235	0.41 158	0.41 258	0.41 221	0.41 302	0.41 254	0.41 297	0.41 247	0.41 298	0.41 246	0.41 299	0.41 254	0.41 295	0.41 256	0.41 297	0.41 255	0.41 264	0.41 279	0.41 308	0.41 258	0.41 292

RSM	0.36 205	0.36 138	0.43 264	0.37 189	0.42 312	0.49 300	0.42 302	0.37 218	0.28 222	0.36 217	0.29 230	0.36 223	0.30 239	0.37 229	0.28 216	0.34 208	0.31 219	0.34 223	0.35 276	0.40 248	0.29 224

CFNet_RVC	2.38 501	8.71 529	0.38 240	9.33 548	0.42 312	0.56 326	0.42 302	0.60 324	0.38 279	0.62 334	0.42 309	0.56 329	7.29 552	0.62 332	0.42 304	0.53 304	0.37 239	0.49 318	0.34 269	8.30 548	6.87 555

PAM_32	0.64 299	2.38 427	0.51 301	0.92 323	0.43 314	0.53 321	0.44 305	0.87 350	0.43 306	0.52 313	0.45 316	0.53 319	0.40 284	0.54 320	0.46 312	0.62 320	0.56 314	0.48 313	0.45 318	0.76 328	0.44 303

MonSter	0.60 292	0.64 217	0.52 304	0.62 285	0.44 315	2.07 477	0.44 305	0.62 327	0.44 309	0.62 334	0.44 313	0.62 338	0.44 306	0.62 332	0.44 307	0.58 311	0.42 272	0.62 339	0.46 320	0.58 309	0.42 299

DispNO	1.00 368	0.63 215	0.43 264	3.45 493	0.44 315	0.65 340	0.43 304	0.64 329	0.43 306	0.64 337	0.43 311	0.64 339	3.03 513	0.64 337	0.43 306	4.55 519	0.43 275	0.63 341	0.43 316	0.63 313	0.43 300

fffft	0.48 266	0.51 199	0.45 268	0.52 266	0.45 317	0.52 319	0.45 309	0.52 307	0.48 323	0.53 316	0.45 316	0.52 318	0.45 308	0.52 316	0.46 312	0.51 300	0.41 264	0.50 322	0.41 308	0.50 294	0.41 292
1: 1. 1
Selective-IGEV	0.51 279	0.55 209	0.45 268	0.69 296	0.45 317	0.61 334	0.45 309	0.50 295	0.40 289	0.56 324	0.44 313	0.55 326	0.40 284	0.72 345	0.67 351	0.59 312	0.46 281	0.45 297	0.34 269	0.46 273	0.37 269

Former-RAFT_DAM_RVC	0.49 272	0.98 261	0.64 322	0.84 313	0.46 319	0.45 279	0.35 261	0.47 279	0.47 316	0.45 269	0.34 261	0.46 280	0.48 320	0.46 280	0.35 264	0.39 243	0.71 341	0.39 261	0.35 276	0.41 258	0.41 292

otaku	0.46 255	0.46 176	0.46 272	0.46 235	0.46 319	0.46 285	0.46 311	0.46 273	0.46 311	0.46 273	0.46 318	0.46 280	0.46 311	0.46 280	0.46 312	0.46 276	0.46 281	0.46 300	0.46 320	0.46 273	0.46 306

Ntro	0.47 261	0.47 180	0.46 272	0.46 235	0.46 319	0.47 290	0.47 316	0.46 273	0.47 316	0.46 273	0.46 318	0.47 286	0.46 311	0.47 284	0.47 318	0.47 281	0.46 281	0.46 300	0.46 320	0.46 273	0.46 306

Dean	0.46 255	0.46 176	0.46 272	0.46 235	0.46 319	0.46 285	0.46 311	0.46 273	0.46 311	0.47 279	0.46 318	0.46 280	0.46 311	0.46 280	0.46 312	0.46 276	0.46 281	0.46 300	0.46 320	0.46 273	0.46 306

ACVNet_1	0.46 255	0.47 180	0.46 272	0.46 235	0.46 319	0.46 285	0.46 311	0.46 273	0.47 316	0.46 273	0.46 318	0.46 280	0.46 311	0.46 280	0.46 312	0.46 276	0.46 281	0.47 305	0.46 320	0.46 273	0.46 306

ACVNet-4b	0.46 255	0.46 176	0.46 272	0.46 235	0.46 319	0.46 285	0.46 311	0.46 273	0.46 311	0.46 273	0.46 318	0.46 280	0.46 311	0.47 284	0.46 312	0.46 276	0.46 281	0.46 300	0.46 320	0.46 273	0.46 306

AIO-test2	0.55 288	0.59 212	0.52 304	0.67 295	0.47 325	0.61 334	0.47 316	0.61 326	0.47 316	0.61 331	0.47 326	0.61 336	0.48 320	0.62 332	0.47 318	0.64 322	0.53 310	0.58 336	0.47 327	0.58 309	0.48 315

AIO-test1	0.54 284	0.60 214	0.52 304	0.66 294	0.47 325	0.61 334	0.47 316	0.58 320	0.46 311	0.61 331	0.46 318	0.61 336	0.45 308	0.62 332	0.45 308	0.61 317	0.52 308	0.57 335	0.48 330	0.57 308	0.48 315

HaxPig	0.47 261	0.47 180	0.47 279	0.49 251	0.47 325	0.47 290	0.47 316	0.47 279	0.47 316	0.47 279	0.47 326	0.47 286	0.47 319	0.47 284	0.47 318	0.47 281	0.47 289	0.47 305	0.47 327	0.47 281	0.48 315

UNDER WATER	0.47 261	0.47 180	0.47 279	0.47 241	0.47 325	0.47 290	0.47 316	0.47 279	0.47 316	0.47 279	0.47 326	0.47 286	0.46 311	0.47 284	0.47 318	0.47 281	0.47 289	0.47 305	0.46 320	0.47 281	0.47 313

RainbowNet	0.48 266	0.48 186	0.48 287	0.48 245	0.48 329	0.48 295	0.48 325	0.48 283	0.48 323	0.48 286	0.48 330	0.48 293	0.48 320	0.48 293	0.48 324	0.48 285	0.48 293	0.48 313	0.48 330	0.48 285	0.48 315

notaker	0.48 266	0.49 188	0.48 287	0.48 245	0.48 329	0.48 295	0.48 325	0.48 283	0.49 325	0.48 286	0.48 330	0.48 293	0.48 320	0.48 293	0.48 324	0.48 285	0.48 293	0.48 313	0.48 330	0.48 285	0.49 320

MLG-Stereo	0.92 356	0.90 245	0.84 355	1.27 413	0.49 331	1.38 452	0.88 380	1.41 448	0.97 395	0.73 347	1.09 402	1.26 447	0.43 304	0.72 345	1.05 398	1.13 379	0.49 296	1.18 405	0.66 359	1.01 364	0.46 306

LVE	0.47 261	0.47 180	0.47 279	0.47 241	0.49 331	0.47 290	0.47 316	0.47 279	0.49 325	0.47 279	0.47 326	0.47 286	0.46 311	0.47 284	0.47 318	0.47 281	0.47 289	0.48 313	0.47 327	0.47 281	0.47 313

ACVNet_2	0.49 272	0.49 188	0.49 292	0.49 251	0.49 331	0.49 300	0.49 327	0.49 287	0.49 325	0.49 293	0.49 333	0.49 297	0.49 325	0.49 299	0.49 326	0.49 288	0.49 296	0.49 318	0.49 333	0.49 289	0.49 320

test_xeample3	1.10 380	1.81 379	0.61 318	0.84 313	0.49 331	0.77 349	0.66 348	0.92 359	1.40 475	0.68 343	0.46 318	0.78 356	0.54 338	1.72 460	1.48 477	1.34 436	1.52 463	1.35 460	1.67 493	1.33 435	1.55 481

FoundationStereo	0.50 274	0.50 192	0.50 296	0.50 258	0.50 335	0.50 308	0.50 329	0.50 295	0.50 328	0.50 305	0.50 335	0.50 311	0.50 328	0.50 306	0.50 327	0.50 294	0.50 302	0.50 322	0.50 335	0.50 294	0.50 323

StereoAnything_RVC	0.50 274	0.50 192	0.50 296	0.50 258	0.50 335	0.50 308	0.50 329	0.50 295	0.50 328	0.50 305	0.50 335	0.50 311	0.50 328	0.50 306	0.50 327	0.50 294	0.50 302	0.50 322	0.50 335	0.50 294	0.50 323

dual_stereo	0.50 274	0.50 192	0.50 296	0.50 258	0.50 335	0.50 308	0.50 329	0.50 295	0.50 328	0.50 305	0.50 335	0.50 311	0.50 328	0.50 306	0.50 327	0.50 294	0.50 302	0.50 322	0.50 335	0.50 294	0.50 323

Occ-G	1.12 383	0.52 201	3.72 535	3.50 497	0.50 335	0.56 326	0.47 316	0.54 311	0.46 311	0.54 319	0.41 299	0.54 322	0.42 301	0.52 316	0.42 304	3.42 510	4.02 529	0.52 330	0.45 318	0.51 300	0.44 303

SANet	0.50 274	0.50 192	0.50 296	0.50 258	0.50 335	0.50 308	0.50 329	0.50 295	0.50 328	0.50 305	0.50 335	0.50 311	0.50 328	0.50 306	0.50 327	0.50 294	0.50 302	0.50 322	0.50 335	0.50 294	0.50 323

ktn	0.72 316	0.53 204	1.08 377	1.14 353	0.51 340	1.22 442	1.36 468	0.51 305	0.59 342	0.51 310	0.51 341	0.69 345	1.20 404	0.67 341	0.51 332	0.51 300	0.49 296	0.58 336	0.66 359	0.52 302	0.53 330

MyStereo8	0.71 313	3.92 481	0.52 304	0.59 281	0.52 341	0.57 331	0.53 335	0.59 322	0.50 328	0.59 330	0.51 341	0.57 330	0.50 328	0.56 324	0.52 334	0.54 305	0.49 296	0.54 333	0.49 333	0.55 307	0.50 323

KSHMR	0.66 302	0.50 192	0.48 287	1.15 355	0.52 341	0.49 300	0.51 333	0.49 287	0.71 366	0.67 341	0.50 335	1.16 397	1.11 393	0.66 339	0.52 334	0.49 288	0.49 296	0.51 327	0.66 359	0.50 294	1.14 405

FC-DCNN	1.07 378	1.09 286	0.98 369	0.89 317	0.52 341	1.41 455	0.91 383	1.21 434	1.24 463	1.96 465	2.05 518	1.91 466	1.30 457	1.27 448	1.08 399	0.80 339	0.60 320	0.58 336	0.41 308	0.68 317	0.54 331

SMoEStereo_RVC	0.63 297	0.75 223	0.51 301	0.73 302	0.53 344	0.71 346	0.47 316	0.67 333	0.58 341	0.74 352	0.60 349	0.72 349	0.53 335	0.74 349	0.51 332	0.61 317	0.62 325	0.62 339	0.61 353	0.63 313	0.61 343

WCG-NET	0.61 295	1.21 346	0.54 309	0.61 284	0.53 344	0.67 342	0.53 335	0.66 332	0.53 336	0.64 337	0.53 344	0.65 342	0.53 335	0.59 330	0.52 334	0.65 323	0.48 293	0.64 342	0.52 339	0.58 309	0.50 323

PSMNet_ROB	0.54 284	0.54 207	0.54 309	0.54 269	0.53 344	0.54 324	0.54 337	0.53 309	0.54 338	0.54 319	0.54 345	0.54 322	0.53 335	0.54 320	0.54 337	0.54 305	0.53 310	0.54 333	0.54 340	0.54 306	0.54 331

CASS	0.57 291	0.89 243	0.56 311	0.57 276	0.56 347	0.56 326	0.56 338	0.56 314	0.53 336	0.57 326	0.57 348	0.59 334	0.48 320	0.56 324	0.57 340	0.55 307	0.56 314	0.47 305	0.56 345	0.62 312	0.56 338
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
anonymity	0.63 297	0.69 219	0.56 311	0.71 300	0.56 347	0.71 346	0.56 338	0.71 338	0.56 339	0.72 345	0.56 347	0.71 346	0.56 339	0.71 344	0.58 341	0.68 327	0.55 312	0.68 347	0.55 341	0.68 317	0.54 331

AIO-Stereo-zeroshot1	0.75 319	0.92 252	0.85 356	0.96 333	0.59 349	1.27 445	0.44 305	0.59 322	0.69 358	0.91 365	0.68 362	0.55 326	0.61 343	1.06 385	0.83 379	0.62 320	0.70 337	0.90 374	0.41 308	0.89 347	0.56 338

DDUNet	0.81 335	2.45 430	0.57 313	0.90 318	0.60 350	0.88 360	0.59 341	0.90 354	0.60 343	0.88 362	0.60 349	0.90 368	0.58 340	0.88 362	0.60 343	0.84 349	0.60 320	0.86 372	0.57 347	0.86 344	0.60 342

UDG	0.80 330	2.21 411	0.60 316	0.91 320	0.60 350	0.90 363	0.58 340	0.88 353	0.60 343	0.90 363	0.60 349	0.88 365	0.60 342	0.90 365	0.58 341	0.86 351	0.60 320	0.84 370	0.59 350	0.84 343	0.61 343

ARAFT	0.68 307	0.81 230	0.63 320	0.74 303	0.60 350	0.78 351	0.62 343	0.77 342	0.66 353	0.74 352	0.63 354	0.75 353	0.62 344	0.83 356	0.60 343	0.70 331	0.55 312	0.70 350	0.60 351	0.78 330	0.55 335

STTRV1_RVC	0.82 339	1.60 369	0.70 332	1.01 340	0.60 350	1.07 384	0.69 356	1.01 371	0.60 343	0.72 345	0.55 346	1.02 384	0.68 353	1.03 383	0.67 351	0.89 353	0.63 326	0.92 379	0.57 347	0.90 350	0.65 349

MSMD_ROB	1.19 385	1.10 289	0.70 332	1.10 347	0.60 350	1.10 388	0.70 360	1.10 377	0.70 361	1.10 385	0.70 367	1.10 391	0.70 358	7.00 554	0.70 363	1.10 373	0.70 337	1.10 395	0.70 368	1.10 369	0.70 357

MyStereo06	0.75 319	4.12 482	0.60 316	0.63 287	0.61 355	0.62 337	0.66 348	0.56 314	0.45 310	0.55 322	0.48 330	0.54 322	0.46 311	0.57 328	0.45 308	0.60 313	0.57 316	0.64 342	0.55 341	0.72 323	0.55 335

MyStereo05	0.80 330	4.12 482	0.63 320	0.63 287	0.61 355	0.62 337	0.66 348	0.65 330	0.62 347	0.67 341	0.61 352	0.65 342	0.58 340	0.67 341	0.55 339	0.60 313	0.57 316	0.64 342	0.55 341	0.72 323	0.55 335

test-3	0.98 367	4.13 484	1.85 491	1.85 437	0.61 355	0.69 343	0.37 273	0.63 328	0.61 346	0.66 340	0.51 341	0.73 351	0.44 306	0.57 328	0.54 337	1.68 453	1.81 485	0.40 266	0.43 316	0.66 315	0.50 323

RAFT-Stereo + iAFF	0.70 311	0.72 221	0.71 336	0.80 308	0.62 358	0.82 356	0.61 342	0.81 348	0.62 347	0.81 359	0.63 354	0.80 359	0.70 358	0.73 347	0.61 345	0.76 336	0.61 324	0.74 353	0.61 353	0.77 329	0.61 343

RSM++	0.76 323	0.82 232	0.66 326	0.85 315	0.64 359	0.85 357	0.71 363	0.94 363	0.64 350	0.87 361	0.67 361	0.87 364	0.65 347	0.84 357	0.65 347	0.81 342	0.70 337	0.79 359	0.71 371	0.83 342	0.70 357

TorneroNet	0.66 302	0.53 204	0.50 296	0.50 258	0.64 359	1.06 381	0.70 360	0.50 295	0.51 335	0.49 293	0.69 365	0.49 297	0.50 328	0.48 293	1.15 405	0.71 332	0.49 296	1.14 396	1.08 400	0.49 289	0.49 320

plain	1.88 454	3.16 461	0.64 322	3.10 477	0.65 361	3.10 513	0.64 345	3.12 511	0.65 351	3.10 512	0.65 358	3.11 512	0.65 347	3.12 511	0.65 347	3.12 507	0.65 330	3.13 512	0.65 357	3.13 498	0.65 349

LMCR-Stereo	0.65 300	0.63 215	0.65 325	0.65 291	0.65 361	0.66 341	0.63 344	0.58 320	0.65 351	0.63 336	0.64 356	0.65 342	0.65 347	0.66 339	0.66 350	0.66 325	0.64 328	0.65 345	0.67 363	0.68 317	0.73 364

DSFCA	0.66 302	0.73 222	0.78 348	0.65 291	0.65 361	0.64 339	0.64 345	0.65 330	0.63 349	0.64 337	0.64 356	0.64 339	0.64 345	0.65 338	0.65 347	0.65 323	0.65 330	0.65 345	0.65 357	0.66 315	0.64 348

MIF-Stereo (partial)	2.58 506	3.31 465	0.66 326	3.18 481	0.66 364	3.18 514	0.66 348	3.21 512	0.67 354	3.19 513	0.66 360	3.19 513	0.66 350	3.31 515	0.68 355	5.09 536	1.79 484	8.23 555	1.67 493	6.18 539	1.38 476

AIO-Stereo	0.84 346	0.66 218	0.70 332	0.83 312	0.67 365	0.98 371	0.82 377	1.14 378	0.72 368	1.03 381	0.74 377	1.03 385	1.09 392	0.99 377	0.45 308	1.04 368	0.73 343	0.95 383	0.74 373	0.94 357	0.46 306

R-Stereo Train	0.81 335	0.96 258	0.67 329	0.95 330	0.67 365	0.95 368	0.68 353	0.95 365	0.68 355	0.95 373	0.68 362	0.96 376	0.68 353	0.96 375	0.68 355	0.94 362	0.68 332	0.94 381	0.68 364	0.94 357	0.68 354

RAFT-Stereo	0.81 335	0.96 258	0.67 329	0.95 330	0.67 365	0.95 368	0.68 353	0.95 365	0.68 355	0.95 373	0.68 362	0.96 376	0.68 353	0.96 375	0.68 355	0.94 362	0.68 332	0.94 381	0.68 364	0.94 357	0.68 354
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
AFF-stereo	0.73 317	0.88 240	0.67 329	0.75 304	0.68 368	0.75 348	0.64 345	0.80 345	0.72 368	0.83 360	0.70 367	0.82 362	0.64 345	0.84 357	0.67 351	0.77 337	0.63 326	0.81 364	0.63 355	0.78 330	0.62 346

FlowAnything	1.02 375	1.71 372	0.72 339	1.59 427	0.69 369	1.60 459	0.69 356	1.61 450	0.70 361	1.60 453	0.69 365	1.60 458	0.69 356	1.61 457	0.69 359	0.81 342	0.58 318	0.81 364	0.56 345	0.82 340	0.56 338

AIO-Stereo-zeroshot	0.91 354	0.86 236	0.89 357	1.25 412	0.69 369	1.05 380	0.81 376	1.16 381	0.50 328	1.12 390	0.97 394	0.72 349	0.82 374	1.06 385	0.95 388	0.61 317	0.87 358	1.03 393	0.85 386	1.04 366	1.01 394

FlowAnything_test	1.02 375	1.72 373	0.71 336	1.59 427	0.70 371	1.61 460	0.69 356	1.61 450	0.70 361	1.60 453	0.70 367	1.61 461	0.69 356	1.61 457	0.70 363	0.81 342	0.58 318	0.81 364	0.55 341	0.81 338	0.56 338

DMCA-RVC	0.70 311	0.80 227	0.70 332	0.70 298	0.70 371	0.70 344	0.70 360	0.71 338	0.70 361	0.70 344	0.71 371	0.71 346	0.70 358	0.70 343	0.69 359	0.69 328	0.70 337	0.69 348	0.70 368	0.69 321	0.70 357

HSM-Net_RVC	0.95 364	1.17 296	0.78 348	1.18 362	0.71 373	1.16 395	0.75 368	1.09 376	0.80 378	1.10 385	0.75 378	1.17 398	0.74 365	1.17 398	0.80 375	1.13 379	0.73 343	1.17 402	0.77 375	1.16 375	0.72 361
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
PA-Net	11.80 557	223.51 582	0.62 319	0.59 281	0.71 373	0.59 333	0.73 366	0.67 333	0.73 371	0.55 322	0.61 352	0.60 335	0.74 365	0.63 336	0.73 367	0.66 325	0.60 320	0.69 348	0.66 359	0.72 323	0.65 349
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
DCRE	0.84 346	1.89 386	0.77 347	0.94 328	0.72 375	0.88 360	0.73 366	0.87 350	0.78 374	0.90 363	0.71 371	0.88 365	0.67 352	0.88 362	0.73 367	0.81 342	0.68 332	0.81 364	0.70 368	0.82 340	0.70 357

UniTT-Stereo	2.03 471	3.43 467	0.72 339	3.42 492	0.73 376	3.27 516	0.68 353	3.38 515	0.69 358	3.29 515	0.72 374	3.28 515	0.70 358	3.35 516	0.68 355	3.39 509	0.68 332	3.31 514	0.69 366	3.37 499	0.73 364

iGMRVC	0.84 346	2.85 455	0.72 339	0.72 301	0.73 376	0.77 349	0.79 371	0.73 340	0.74 373	0.73 347	0.72 374	0.73 351	0.76 368	0.73 347	0.73 367	0.72 333	0.73 343	0.73 352	0.72 372	0.73 326	0.72 361

LG-Stereo	0.60 292	0.58 211	0.47 279	0.64 290	0.74 378	1.00 373	0.69 356	0.57 317	0.41 298	0.57 326	0.41 299	0.57 330	0.41 295	1.00 378	0.75 370	0.91 354	0.51 306	0.52 330	0.37 284	0.52 302	0.37 269

HBP-ISP	1.24 434	1.72 373	1.65 472	1.15 355	0.76 379	1.40 454	0.88 380	1.67 456	1.02 403	1.69 460	1.38 474	1.69 462	1.21 450	1.87 467	1.21 457	1.05 369	0.79 350	0.97 386	0.80 380	1.19 383	0.75 368

MoCha-V2	2.11 478	26.97 560	0.78 348	0.92 323	0.77 380	0.96 370	0.72 365	0.90 354	0.72 368	0.94 371	0.70 367	0.90 368	0.71 362	0.91 366	0.71 365	0.85 350	0.71 341	0.88 373	0.69 366	0.87 345	0.67 353

Selective-RAFT	0.89 353	0.89 243	0.72 339	1.16 360	0.78 381	1.06 381	0.82 377	0.87 350	0.97 395	1.00 375	0.91 389	0.90 368	1.00 383	0.89 364	0.93 387	0.83 347	0.83 356	0.82 368	0.82 383	0.81 338	0.82 375

ToySt	0.92 356	2.11 402	0.90 360	0.95 330	0.79 382	0.99 372	0.78 370	0.94 363	0.81 381	0.94 371	0.78 380	0.95 375	0.77 369	0.94 371	0.86 381	0.91 354	0.79 350	0.85 371	0.77 375	0.89 347	0.73 364

G-Net	0.79 328	0.79 226	0.79 351	0.79 306	0.79 382	0.79 353	0.79 371	0.79 343	0.79 377	0.79 356	0.79 381	0.79 358	0.79 371	0.79 352	0.79 373	0.79 338	0.79 350	0.79 359	0.79 378	0.79 332	0.79 371

NaN_ROB	0.80 330	0.80 227	0.80 352	0.80 308	0.80 384	0.80 354	0.80 374	0.80 345	0.80 378	0.80 357	0.80 382	0.80 359	0.80 372	0.80 354	0.80 375	0.80 339	0.80 353	0.80 362	0.80 380	0.80 335	0.80 372

CSAN	0.80 330	0.80 227	0.80 352	0.80 308	0.80 384	0.80 354	0.80 374	0.80 345	0.80 378	0.80 357	0.80 382	0.80 359	0.80 372	0.80 354	0.80 375	0.80 339	0.80 353	0.80 362	0.80 380	0.80 335	0.80 372

RAStereo	2.23 491	3.64 470	0.76 346	3.65 501	0.86 386	3.66 520	0.76 369	3.67 519	0.81 381	3.66 516	0.76 379	3.66 517	0.77 369	3.68 518	0.77 372	3.68 512	0.77 348	3.69 519	0.77 375	3.70 501	0.77 370

AEACV	1.12 383	0.52 201	3.12 527	3.24 482	0.86 386	0.53 321	0.49 327	0.60 324	0.47 316	0.53 316	0.49 333	0.55 326	0.45 308	0.55 323	0.47 318	3.01 506	3.88 527	0.71 351	0.60 351	0.80 335	0.48 315

ff7	1.68 446	2.68 438	1.35 446	0.97 334	0.89 388	1.84 463	2.15 511	2.12 470	1.80 496	2.05 475	1.56 480	2.33 481	2.12 504	2.23 478	2.25 514	1.31 433	1.07 371	1.48 464	1.41 471	0.90 350	1.04 396

ffff	1.68 446	2.68 438	1.35 446	0.97 334	0.89 388	1.84 463	2.15 511	2.12 470	1.80 496	2.05 475	1.56 480	2.33 481	2.12 504	2.23 478	2.25 514	1.31 433	1.07 371	1.48 464	1.41 471	0.90 350	1.04 396

11t	1.27 436	2.70 441	1.34 444	1.32 417	0.89 388	1.30 447	1.34 465	1.64 453	0.57 340	1.45 451	0.72 374	1.05 386	1.29 456	1.07 388	1.29 466	1.49 444	1.02 368	0.97 386	1.15 404	1.48 440	1.31 468

ccc-4	1.68 446	2.68 438	1.35 446	0.97 334	0.89 388	1.84 463	2.15 511	2.12 470	1.80 496	2.05 475	1.56 480	2.33 481	2.12 504	2.23 478	2.25 514	1.31 433	1.07 371	1.48 464	1.41 471	0.90 350	1.04 396

DPSimNet_ROB	0.97 365	1.18 298	0.81 354	1.10 347	0.91 392	1.02 378	0.82 377	1.04 373	0.91 385	1.03 381	0.86 385	1.28 449	0.82 374	1.03 383	0.89 382	1.17 382	0.81 355	1.02 392	0.82 383	1.08 368	0.81 374

DPSM_ROB	0.92 356	0.91 247	0.91 362	0.91 320	0.92 393	0.92 365	0.92 384	0.92 359	0.91 385	0.93 369	0.91 389	0.92 371	0.90 376	0.91 366	0.92 383	0.92 357	0.91 359	0.91 377	0.92 387	0.93 355	0.93 384

DPSM	0.92 356	0.91 247	0.91 362	0.91 320	0.92 393	0.92 365	0.92 384	0.92 359	0.91 385	0.93 369	0.91 389	0.92 371	0.90 376	0.91 366	0.92 383	0.92 357	0.91 359	0.91 377	0.92 387	0.93 355	0.93 384

pmcnn	0.92 356	0.92 252	0.92 364	0.92 323	0.92 393	0.92 365	0.92 384	0.92 359	0.92 389	0.92 367	0.92 392	0.92 371	0.92 378	0.92 370	0.92 383	0.92 357	0.92 361	0.92 379	0.92 387	0.92 354	0.92 383

MM-Stereo_test2	1.20 386	1.85 382	1.05 375	1.46 424	0.94 396	1.36 450	0.99 391	1.36 443	0.95 392	1.41 449	0.98 395	1.40 454	0.96 380	1.37 450	0.95 388	1.37 440	1.06 370	1.33 457	0.93 391	1.29 434	0.89 380

DGTPSM_ROB	0.93 361	1.00 265	0.92 364	0.94 328	0.96 397	0.91 364	0.92 384	0.91 356	0.96 394	0.91 365	0.96 393	0.93 374	0.92 378	0.94 371	0.92 383	0.92 357	0.92 361	0.90 374	0.92 387	0.94 357	0.91 382

Selective-RAFT-Error	0.88 351	0.84 233	0.98 369	0.86 316	0.97 398	0.88 360	0.95 388	0.84 349	0.99 398	0.92 367	0.82 384	0.84 363	0.98 382	0.87 361	0.97 390	0.81 342	0.83 356	0.79 359	0.82 383	0.79 332	0.85 377

StereoVision	3.15 514	5.00 495	0.89 357	4.83 522	1.00 399	3.93 521	1.27 462	6.37 548	1.34 468	5.67 548	1.26 462	5.84 549	1.27 454	5.03 545	1.24 459	5.10 537	1.09 377	4.61 531	0.57 347	5.62 537	1.12 401

GANet	1.00 368	1.00 265	1.00 371	1.00 337	1.00 399	1.00 373	1.00 392	1.00 367	1.00 399	1.00 375	1.00 396	1.00 379	1.00 383	1.00 378	1.00 393	1.00 364	1.00 364	1.00 388	1.00 394	1.00 361	1.00 391

TDLM	1.00 368	1.00 265	1.00 371	1.00 337	1.00 399	1.00 373	1.00 392	1.00 367	1.00 399	1.00 375	1.00 396	1.00 379	1.00 383	1.00 378	1.00 393	1.00 364	1.00 364	1.00 388	1.00 394	1.00 361	1.00 391

CVANet_RVC	1.00 368	1.00 265	1.00 371	1.00 337	1.00 399	1.00 373	1.00 392	1.00 367	1.00 399	1.00 375	1.00 396	1.00 379	1.00 383	1.00 378	1.00 393	1.00 364	1.00 364	1.00 388	1.00 394	1.00 361	1.00 391

trnet	1.01 373	1.01 271	1.01 374	1.01 340	1.01 403	1.01 377	1.01 395	1.01 371	1.01 402	1.01 379	1.01 399	1.01 383	1.01 389	1.01 382	1.01 396	1.01 367	1.01 367	1.01 391	1.01 398	1.01 364	1.01 394

MM-Stereo_test3	1.27 436	2.07 398	1.18 386	1.60 430	1.02 404	1.45 456	1.01 395	1.40 447	1.04 404	1.44 450	1.03 400	1.46 456	1.02 390	1.44 453	1.02 397	1.51 447	1.12 384	1.32 456	0.98 392	1.38 438	0.97 387

tt45	1.04 377	0.88 240	1.36 454	0.92 323	1.03 405	1.51 458	0.79 371	0.70 337	0.88 383	0.74 352	0.90 386	1.60 458	0.72 363	1.60 455	0.75 370	0.91 354	0.78 349	1.52 467	0.79 378	1.14 371	1.32 469

GLC_STEREO	1.07 378	1.01 271	1.06 376	1.07 345	1.05 406	1.06 381	1.08 399	1.08 374	1.05 405	1.07 383	1.06 401	1.08 387	1.05 391	1.06 385	1.10 400	1.07 370	1.09 377	1.05 394	1.05 399	1.06 367	1.12 401

AdaDepth	0.86 349	0.93 254	0.71 336	1.01 340	1.07 407	1.02 378	0.71 363	1.00 367	0.71 366	1.01 379	0.71 371	1.00 379	0.72 363	1.14 395	0.71 365	0.92 357	0.64 328	0.90 374	0.64 356	0.89 347	0.69 356

CFNet-RSSM	0.91 354	4.89 494	0.34 224	0.44 233	1.07 407	1.62 462	1.40 475	0.91 356	0.35 263	1.60 453	1.39 475	0.64 339	0.34 259	0.44 273	0.33 247	0.41 255	0.35 234	0.75 354	0.30 245	0.41 258	0.29 224

ours_stereo	1.20 386	1.21 346	0.90 360	1.64 435	1.11 409	1.35 448	0.67 352	1.76 457	0.93 390	1.70 461	1.10 403	1.39 452	0.75 367	1.41 452	0.81 378	1.60 451	1.03 369	1.33 457	1.00 394	1.61 445	0.72 361

edge stereo	2.43 502	27.07 561	1.14 380	1.06 344	1.14 410	1.08 385	1.17 407	1.16 381	1.14 406	1.10 385	1.16 407	1.09 389	1.16 401	1.10 391	1.16 408	1.10 373	1.11 381	1.16 398	1.19 408	1.13 370	1.11 399

AF-Net	2.37 499	25.71 556	1.17 384	1.13 352	1.15 411	1.15 394	1.18 408	1.19 386	1.16 408	1.10 385	1.15 404	1.10 391	1.18 402	1.12 394	1.15 405	1.10 373	1.10 380	1.17 402	1.15 404	1.16 375	1.12 401

RP	2.33 495	25.00 553	1.13 379	1.15 355	1.15 411	1.10 388	1.15 404	1.15 379	1.15 407	1.12 390	1.15 404	1.09 389	1.13 394	1.10 391	1.15 405	1.11 378	1.09 377	1.16 398	1.12 402	1.16 375	1.17 410

RGC	2.36 497	25.48 554	1.19 388	1.15 355	1.15 411	1.10 388	1.16 406	1.17 383	1.16 408	1.12 390	1.16 407	1.11 394	1.13 394	1.09 389	1.18 410	1.10 373	1.15 386	1.16 398	1.12 402	1.14 371	1.12 401

Nwc_Net	2.37 499	25.95 557	1.15 382	1.14 353	1.15 411	1.08 385	1.14 403	1.17 383	1.16 408	1.14 393	1.15 404	1.08 387	1.15 397	1.11 393	1.14 404	1.10 373	1.11 381	1.16 398	1.09 401	1.16 375	1.15 406

MaDis-Stereo	3.19 515	6.02 516	1.12 378	5.61 531	1.16 415	5.43 547	1.02 397	5.15 545	0.70 361	5.43 545	1.21 457	5.03 546	0.97 381	4.85 539	0.99 392	4.53 518	1.16 387	5.53 547	1.25 461	5.37 535	1.30 467

NCC-stereo	2.36 497	25.52 555	1.17 384	1.15 355	1.17 416	1.11 391	1.11 400	1.15 379	1.16 408	1.10 385	1.16 407	1.10 391	1.15 397	1.14 395	1.13 403	1.09 371	1.11 381	1.15 397	1.16 406	1.17 380	1.17 410

Abc-Net	2.32 494	24.75 552	1.14 380	1.17 361	1.17 416	1.11 391	1.15 404	1.17 383	1.21 460	1.08 384	1.16 407	1.12 395	1.14 396	1.09 389	1.17 409	1.09 371	1.16 387	1.17 402	1.17 407	1.16 375	1.11 399
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
stereogan	2.33 495	24.38 551	1.18 386	1.18 362	1.18 418	1.14 393	1.18 408	1.19 386	1.19 414	1.14 393	1.18 411	1.14 396	1.18 402	1.14 395	1.18 410	1.14 381	1.14 385	1.19 406	1.19 408	1.15 373	1.19 414

DisPM	1.20 386	1.20 300	1.20 391	1.20 364	1.20 419	1.20 396	1.20 410	1.20 389	1.20 415	1.20 397	1.20 412	1.20 400	1.20 404	1.20 400	1.20 412	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

CrosDoStereo	1.20 386	1.20 300	1.20 391	1.20 364	1.20 419	1.20 396	1.20 410	1.20 389	1.20 415	1.20 397	1.20 412	1.20 400	1.20 404	1.20 400	1.20 412	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

PFNet+	1.20 386	1.20 300	1.20 391	1.20 364	1.20 419	1.20 396	1.20 410	1.20 389	1.20 415	1.20 397	1.20 412	1.20 400	1.20 404	1.20 400	1.20 412	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

LCNet	1.20 386	1.20 300	1.20 391	1.20 364	1.20 419	1.20 396	1.20 410	1.20 389	1.20 415	1.20 397	1.20 412	1.20 400	1.20 404	1.20 400	1.20 412	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

HHNet	1.20 386	1.20 300	1.20 391	1.20 364	1.20 419	1.20 396	1.20 410	1.20 389	1.20 415	1.20 397	1.20 412	1.20 400	1.20 404	1.20 400	1.20 412	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

Patchmatch Stereo++	1.20 386	1.20 300	1.20 391	1.20 364	1.20 419	1.20 396	1.20 410	1.20 389	1.20 415	1.20 397	1.20 412	1.20 400	1.20 404	1.20 400	1.20 412	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
AAGNet	1.20 386	1.20 300	1.20 391	1.20 364	1.20 419	1.20 396	1.20 410	1.20 389	1.20 415	1.20 397	1.20 412	1.20 400	1.20 404	1.20 400	1.20 412	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

STrans-v2	1.20 386	1.20 300	1.20 391	1.20 364	1.20 419	1.20 396	1.20 410	1.20 389	1.20 415	1.20 397	1.20 412	1.20 400	1.20 404	1.20 400	1.20 412	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

TransformOpticalFlow	1.20 386	1.20 300	1.20 391	1.20 364	1.20 419	1.20 396	1.20 410	1.20 389	1.20 415	1.20 397	1.20 412	1.20 400	1.20 404	1.20 400	1.20 412	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

OMP-Stereo	1.20 386	1.20 300	1.20 391	1.20 364	1.20 419	1.20 396	1.20 410	1.20 389	1.20 415	1.20 397	1.20 412	1.20 400	1.20 404	1.20 400	1.20 412	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

IIG-Stereo	1.20 386	1.20 300	1.20 391	1.20 364	1.20 419	1.20 396	1.20 410	1.20 389	1.20 415	1.20 397	1.20 412	1.20 400	1.20 404	1.20 400	1.20 412	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

NF-Stereo	1.20 386	1.20 300	1.20 391	1.20 364	1.20 419	1.20 396	1.20 410	1.20 389	1.20 415	1.20 397	1.20 412	1.20 400	1.20 404	1.20 400	1.20 412	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

OCTAStereo	1.20 386	1.20 300	1.20 391	1.20 364	1.20 419	1.20 396	1.20 410	1.20 389	1.20 415	1.20 397	1.20 412	1.20 400	1.20 404	1.20 400	1.20 412	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

PSM-softLoss	1.20 386	1.20 300	1.20 391	1.20 364	1.20 419	1.20 396	1.20 410	1.20 389	1.20 415	1.20 397	1.20 412	1.20 400	1.20 404	1.20 400	1.20 412	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

KMStereo	1.20 386	1.20 300	1.20 391	1.20 364	1.20 419	1.20 396	1.20 410	1.20 389	1.20 415	1.20 397	1.20 412	1.20 400	1.20 404	1.20 400	1.20 412	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

NRIStereo	1.20 386	1.20 300	1.20 391	1.20 364	1.20 419	1.20 396	1.20 410	1.20 389	1.20 415	1.20 397	1.20 412	1.20 400	1.20 404	1.20 400	1.20 412	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

PSM-adaLoss	1.20 386	1.20 300	1.20 391	1.20 364	1.20 419	1.20 396	1.20 410	1.20 389	1.20 415	1.20 397	1.20 412	1.20 400	1.20 404	1.20 400	1.20 412	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

PSM-AAD	1.20 386	1.20 300	1.20 391	1.20 364	1.20 419	1.20 396	1.20 410	1.20 389	1.20 415	1.20 397	1.20 412	1.20 400	1.20 404	1.20 400	1.20 412	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

FTStereo	1.20 386	1.20 300	1.20 391	1.20 364	1.20 419	1.20 396	1.20 410	1.20 389	1.20 415	1.20 397	1.20 412	1.20 400	1.20 404	1.20 400	1.20 412	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

ROB_FTStereo_v2	1.20 386	1.20 300	1.20 391	1.20 364	1.20 419	1.20 396	1.20 410	1.20 389	1.20 415	1.20 397	1.20 412	1.20 400	1.20 404	1.20 400	1.20 412	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

ROB_FTStereo	1.20 386	1.20 300	1.20 391	1.20 364	1.20 419	1.20 396	1.20 410	1.20 389	1.20 415	1.20 397	1.20 412	1.20 400	1.20 404	1.20 400	1.20 412	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

Consistency-Raft	1.20 386	1.20 300	1.20 391	1.20 364	1.20 419	1.20 396	1.20 410	1.20 389	1.20 415	1.20 397	1.20 412	1.20 400	1.20 404	1.20 400	1.20 412	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

KYRaft	1.20 386	1.20 300	1.20 391	1.20 364	1.20 419	1.20 396	1.20 410	1.20 389	1.20 415	1.20 397	1.20 412	1.20 400	1.20 404	1.20 400	1.20 412	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

HUI-Stereo	1.20 386	1.20 300	1.20 391	1.20 364	1.20 419	1.20 396	1.20 410	1.20 389	1.20 415	1.20 397	1.20 412	1.20 400	1.20 404	1.20 400	1.20 412	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

ASMatch	1.20 386	1.20 300	1.20 391	1.20 364	1.20 419	1.20 396	1.20 410	1.20 389	1.20 415	1.20 397	1.20 412	1.20 400	1.20 404	1.20 400	1.20 412	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

DeepStereo_LL	1.20 386	1.20 300	1.20 391	1.20 364	1.20 419	1.20 396	1.20 410	1.20 389	1.20 415	1.20 397	1.20 412	1.20 400	1.20 404	1.20 400	1.20 412	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

DEmStereo	1.20 386	1.20 300	1.20 391	1.20 364	1.20 419	1.20 396	1.20 410	1.20 389	1.20 415	1.20 397	1.20 412	1.20 400	1.20 404	1.20 400	1.20 412	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

SST-Stereo	1.20 386	1.20 300	1.20 391	1.20 364	1.20 419	1.20 396	1.20 410	1.20 389	1.20 415	1.20 397	1.20 412	1.20 400	1.20 404	1.20 400	1.20 412	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

THIR-Stereo	1.20 386	1.20 300	1.20 391	1.20 364	1.20 419	1.20 396	1.20 410	1.20 389	1.20 415	1.20 397	1.20 412	1.20 400	1.20 404	1.20 400	1.20 412	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

RAFT_R40	1.20 386	1.20 300	1.20 391	1.20 364	1.20 419	1.20 396	1.20 410	1.20 389	1.20 415	1.20 397	1.20 412	1.20 400	1.20 404	1.20 400	1.20 412	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

DRaft	1.20 386	1.20 300	1.20 391	1.20 364	1.20 419	1.20 396	1.20 410	1.20 389	1.20 415	1.20 397	1.20 412	1.20 400	1.20 404	1.20 400	1.20 412	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

PFNet	1.20 386	1.20 300	1.20 391	1.20 364	1.20 419	1.20 396	1.20 410	1.20 389	1.20 415	1.20 397	1.20 412	1.20 400	1.20 404	1.20 400	1.20 412	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

GrayStereo	1.20 386	1.20 300	1.20 391	1.20 364	1.20 419	1.20 396	1.20 410	1.20 389	1.20 415	1.20 397	1.20 412	1.20 400	1.20 404	1.20 400	1.20 412	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

RE-Stereo	1.20 386	1.20 300	1.20 391	1.20 364	1.20 419	1.20 396	1.20 410	1.20 389	1.20 415	1.20 397	1.20 412	1.20 400	1.20 404	1.20 400	1.20 412	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

Pruner-Stereo	1.20 386	1.20 300	1.20 391	1.20 364	1.20 419	1.20 396	1.20 410	1.20 389	1.20 415	1.20 397	1.20 412	1.20 400	1.20 404	1.20 400	1.20 412	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

TVStereo	1.20 386	1.20 300	1.20 391	1.20 364	1.20 419	1.20 396	1.20 410	1.20 389	1.20 415	1.20 397	1.20 412	1.20 400	1.20 404	1.20 400	1.20 412	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

DeepStereo_RVC	1.20 386	1.20 300	1.20 391	1.20 364	1.20 419	1.20 396	1.20 410	1.20 389	1.20 415	1.20 397	1.20 412	1.20 400	1.20 404	1.20 400	1.20 412	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

RAFT-RH_RVC	1.20 386	1.20 300	1.20 391	1.20 364	1.20 419	1.20 396	1.20 410	1.20 389	1.20 415	1.20 397	1.20 412	1.20 400	1.20 404	1.20 400	1.20 412	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

IRAFT_RVC	1.20 386	1.20 300	1.20 391	1.20 364	1.20 419	1.20 396	1.20 410	1.20 389	1.20 415	1.20 397	1.20 412	1.20 400	1.20 404	1.20 400	1.20 412	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

RAFT-345	1.20 386	1.20 300	1.20 391	1.20 364	1.20 419	1.20 396	1.20 410	1.20 389	1.20 415	1.20 397	1.20 412	1.20 400	1.20 404	1.20 400	1.20 412	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

iRAFT	1.20 386	1.20 300	1.20 391	1.20 364	1.20 419	1.20 396	1.20 410	1.20 389	1.20 415	1.20 397	1.20 412	1.20 400	1.20 404	1.20 400	1.20 412	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

CRE-IMP	1.20 386	1.20 300	1.20 391	1.20 364	1.20 419	1.20 396	1.20 410	1.20 389	1.20 415	1.20 397	1.20 412	1.20 400	1.20 404	1.20 400	1.20 412	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

GMM-Stereo	1.20 386	1.20 300	1.20 391	1.20 364	1.20 419	1.20 396	1.20 410	1.20 389	1.20 415	1.20 397	1.20 412	1.20 400	1.20 404	1.20 400	1.20 412	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

RAFT-IKP	1.20 386	1.20 300	1.20 391	1.20 364	1.20 419	1.20 396	1.20 410	1.20 389	1.20 415	1.20 397	1.20 412	1.20 400	1.20 404	1.20 400	1.20 412	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

Prome-Stereo	1.20 386	1.20 300	1.20 391	1.20 364	1.20 419	1.20 396	1.20 410	1.20 389	1.20 415	1.20 397	1.20 412	1.20 400	1.20 404	1.20 400	1.20 412	1.20 384	1.20 392	1.20 407	1.20 411	1.20 384	1.20 415

SPS-STEREO	1.59 444	1.91 389	1.21 437	1.94 441	1.20 419	2.00 474	1.23 457	1.99 464	1.24 463	2.00 470	1.25 461	2.03 474	1.26 453	2.00 472	1.29 466	1.90 462	1.18 391	1.89 481	1.21 456	1.89 458	1.20 415
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
999	1.00 368	1.12 290	0.59 314	1.10 347	1.21 465	1.09 387	0.52 334	1.08 374	1.43 477	1.18 395	1.35 469	0.98 378	0.52 334	0.91 366	0.85 380	0.72 333	1.46 459	0.83 369	0.98 392	0.68 317	1.41 477

GANetREF_RVC	1.55 443	1.94 395	1.22 438	1.88 438	1.21 465	1.88 466	1.22 456	1.88 459	1.22 461	1.88 462	1.22 458	1.88 464	1.22 451	1.89 468	1.22 458	1.87 458	1.22 439	1.88 480	1.22 457	1.88 457	1.22 461
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
FAT-Stereo	2.46 503	26.05 558	1.23 440	1.23 411	1.22 467	1.20 396	1.24 458	1.23 437	1.23 462	1.19 396	1.22 458	1.21 445	1.24 452	1.20 400	1.24 459	1.21 429	1.17 390	1.22 453	1.25 461	1.20 384	1.24 464

S-Stereo	2.51 504	26.86 559	1.23 440	1.22 409	1.22 467	1.24 444	1.25 459	1.22 435	1.24 463	1.21 442	1.24 460	1.19 399	1.27 454	1.19 399	1.24 459	1.19 383	1.20 392	1.25 454	1.19 408	1.24 432	1.23 463

MaskLacGwcNet_RVC	1.35 438	1.35 359	1.35 446	1.35 419	1.35 469	1.35 448	1.35 466	1.36 443	1.35 471	1.36 447	1.35 469	1.36 450	1.36 462	1.36 449	1.35 470	1.35 437	1.35 452	1.35 460	1.35 465	1.35 436	1.35 473

PS-NSSS	1.38 441	1.39 361	1.34 444	1.34 418	1.35 469	1.38 452	1.37 473	1.35 442	1.38 474	1.34 445	1.34 468	1.39 452	1.38 465	1.70 459	1.40 474	1.36 439	1.36 453	1.36 462	1.37 468	1.37 437	1.36 474

MC-Stereo	1.76 449	2.96 456	1.37 456	2.14 448	1.37 471	2.14 479	1.36 468	2.14 473	1.37 473	2.14 479	1.37 472	2.14 476	1.37 464	2.14 477	1.37 472	1.97 465	1.32 440	1.97 483	1.32 464	1.98 459	1.33 470

CC-Net-ROB	1.36 439	1.33 358	1.33 443	1.36 420	1.38 472	1.36 450	1.33 464	1.37 445	1.34 468	1.35 446	1.36 471	1.38 451	1.34 460	1.38 451	1.38 473	1.35 437	1.38 455	1.33 457	1.35 465	1.43 439	1.34 472

sCroCo_RVC	2.10 477	2.76 449	1.92 499	2.78 472	1.39 473	2.73 506	1.41 476	2.73 502	1.40 475	2.77 511	1.41 476	2.74 507	1.40 466	2.74 506	1.40 474	2.72 504	1.42 457	2.72 510	1.44 476	2.79 496	1.42 478

MM-Stereo_test1	1.80 452	3.41 466	1.52 468	2.12 447	1.41 474	2.04 475	1.41 476	2.05 468	1.46 478	2.04 474	1.41 476	2.05 475	1.42 467	2.05 473	1.43 476	2.04 469	1.54 466	1.94 482	1.38 470	1.99 460	1.33 470

4.25w-stereo	1.98 456	2.72 445	1.46 463	3.47 494	1.43 475	2.07 477	1.98 503	2.53 493	1.52 479	2.71 499	1.98 513	1.81 463	1.62 472	1.96 470	1.36 471	1.88 461	2.00 490	2.53 507	1.61 487	1.74 452	1.15 406

LL-Strereo	1.01 373	5.06 496	1.63 471	0.70 298	1.43 475	0.56 326	0.46 311	0.57 317	0.50 328	0.57 326	0.50 335	1.58 457	0.49 325	0.59 330	0.50 327	1.64 452	0.52 308	0.51 327	1.37 468	0.52 302	0.45 305

RASNet	1.49 442	1.65 370	1.45 462	1.38 422	1.43 475	1.47 457	1.36 468	1.38 446	1.36 472	1.39 448	1.60 484	1.45 455	1.45 468	1.51 454	2.21 513	1.53 448	1.36 453	1.36 462	1.36 467	1.66 448	1.36 474

3.25w_new	2.03 471	2.72 445	1.35 446	3.33 489	1.57 478	2.72 504	1.53 482	2.15 474	1.33 467	2.15 480	1.60 484	2.63 498	1.30 457	2.72 503	1.99 511	2.67 502	1.53 464	1.75 472	1.25 461	2.53 489	1.87 505

3.5w_stereo	2.03 471	2.72 445	1.35 446	3.41 491	1.57 478	2.72 504	1.49 481	2.01 466	1.34 468	2.15 480	1.61 486	2.63 498	1.36 462	2.72 503	1.99 511	2.66 500	1.58 469	1.68 471	1.24 459	2.53 489	1.87 505

4w-stereo	2.02 469	2.72 445	1.44 461	3.36 490	1.59 480	2.48 492	1.72 489	2.28 476	1.24 463	2.24 482	1.65 488	2.56 494	1.32 459	2.39 486	1.98 510	2.67 502	1.51 462	1.66 470	1.24 459	2.53 489	1.88 508

DPSMNet_ROB	1.60 445	1.59 368	1.70 474	1.59 427	1.59 480	1.61 460	1.61 483	1.60 449	1.60 480	1.62 459	1.59 483	1.60 458	1.60 470	1.60 455	1.59 480	1.59 449	1.60 473	1.59 468	1.59 485	1.59 444	1.59 486

2.75w_new	1.99 457	2.34 423	1.81 480	3.14 478	1.62 482	1.94 468	1.99 506	2.72 496	1.71 486	2.72 500	1.99 516	1.90 465	1.73 479	1.82 466	1.29 466	2.37 488	2.01 492	2.31 494	1.42 474	1.77 454	1.22 461

Anonymous3	2.55 505	3.26 464	1.65 472	3.28 484	1.63 483	3.24 515	1.68 486	3.27 513	1.66 481	3.28 514	1.67 489	3.25 514	1.66 473	3.27 513	1.64 482	3.26 508	1.65 476	3.30 513	1.65 491	4.95 530	1.65 494

3.75w	1.99 457	2.31 417	1.83 488	3.16 480	1.65 484	1.93 467	1.98 503	2.72 496	1.68 482	2.73 505	1.97 507	2.00 471	1.72 478	1.81 465	1.25 462	2.27 481	2.01 492	2.38 499	1.42 474	1.71 450	1.24 464

2w_stereo	1.99 457	2.36 426	1.81 480	3.24 482	1.67 485	1.94 468	1.98 503	2.72 496	1.68 482	2.72 500	1.94 504	1.98 470	1.74 481	1.79 464	1.27 463	1.95 464	2.00 490	2.53 507	1.60 486	1.68 449	1.15 406

4.5w-stereo	1.99 457	2.33 419	1.81 480	3.28 484	1.68 486	1.94 468	1.99 506	2.72 496	1.70 485	2.72 500	1.99 516	1.97 469	1.68 474	1.76 461	1.29 466	1.91 463	2.02 496	2.53 507	1.61 487	1.75 453	1.16 409

4.25_new	2.00 461	2.33 419	1.82 485	3.32 487	1.69 487	1.95 471	1.99 506	2.72 496	1.71 486	2.72 500	1.97 507	2.01 472	1.74 481	1.77 462	1.28 464	2.18 473	2.01 492	2.48 505	1.58 483	1.65 446	1.17 410

4.5w_new	2.00 461	2.33 419	1.82 485	3.32 487	1.69 487	1.95 471	1.99 506	2.72 496	1.71 486	2.72 500	1.97 507	2.01 472	1.74 481	1.77 462	1.28 464	2.18 473	2.01 492	2.48 505	1.58 483	1.65 446	1.17 410

UDGNet	2.23 491	5.40 506	1.72 477	2.48 463	1.69 487	2.51 496	1.69 487	2.51 492	1.72 490	2.50 494	1.69 490	2.52 489	1.69 476	2.50 491	1.68 486	2.41 491	1.70 479	2.42 501	1.69 497	2.42 476	1.64 492

MFMNet_re	1.81 453	1.91 389	1.71 476	1.95 442	1.70 490	1.95 471	1.70 488	1.96 462	1.74 493	1.97 467	1.72 491	1.95 467	1.71 477	1.97 471	1.71 488	1.86 457	1.62 474	1.85 474	1.66 492	1.86 456	1.64 492

RAFT_CTSACE	1.92 455	3.71 473	1.72 477	1.88 438	1.72 491	2.04 475	1.42 478	2.18 475	1.89 507	2.02 472	1.97 507	1.95 467	2.06 503	1.93 469	1.62 481	1.76 454	1.66 477	2.02 484	1.73 501	1.73 451	1.43 479

U	5.15 549	8.49 528	1.81 480	8.49 545	1.77 492	8.49 556	1.77 490	8.51 556	1.77 494	8.49 556	1.77 492	8.50 556	1.78 484	8.58 556	1.77 496	8.54 554	1.78 483	8.55 556	1.78 502	8.55 550	1.84 501

asda	2.17 480	2.54 432	1.81 480	3.47 494	1.78 493	2.50 495	1.86 496	2.61 495	1.68 482	2.61 497	1.83 493	2.37 485	1.73 479	2.44 490	1.88 505	2.51 497	1.84 486	2.34 496	1.62 489	2.23 466	1.77 500

FBW_ROB	2.12 479	2.46 431	1.77 479	2.49 464	1.79 494	2.38 487	1.83 491	2.46 488	1.78 495	2.48 493	1.97 507	2.40 486	1.78 484	2.42 489	1.83 498	2.31 485	1.85 487	2.38 499	1.82 503	2.35 473	1.84 501

TRStereo	2.00 461	2.13 403	1.85 491	2.27 454	1.84 495	2.28 483	1.84 492	2.29 478	1.86 501	2.30 484	1.87 496	2.30 478	1.87 487	2.08 474	1.72 490	2.08 470	1.72 480	2.08 486	1.72 498	2.08 461	1.72 496

XX-Stereo	2.00 461	2.13 403	1.85 491	2.27 454	1.84 495	2.28 483	1.84 492	2.29 478	1.86 501	2.30 484	1.87 496	2.30 478	1.87 487	2.08 474	1.72 490	2.08 470	1.72 480	2.08 486	1.72 498	2.08 461	1.72 496

EAI-Stereo	2.00 461	2.13 403	1.85 491	2.27 454	1.84 495	2.28 483	1.84 492	2.29 478	1.86 501	2.30 484	1.87 496	2.30 478	1.87 487	2.08 474	1.72 490	2.08 470	1.72 480	2.08 486	1.72 498	2.08 461	1.72 496

LGtest1	2.22 488	2.70 441	1.89 496	2.76 468	1.86 498	2.75 508	1.86 496	2.75 503	1.86 501	2.75 506	1.86 495	2.77 510	1.87 487	2.75 507	1.86 501	2.46 493	1.58 469	2.45 502	1.56 479	2.45 478	1.56 482

sAnonymous2	3.31 516	2.63 436	1.38 458	3.71 503	1.86 498	4.70 539	1.11 400	4.82 541	2.72 520	5.45 546	1.98 513	4.59 531	2.64 509	2.65 498	6.21 552	4.37 514	1.08 375	5.16 545	2.24 515	4.52 512	2.39 518

CroCo_RVC	3.31 516	2.63 436	1.38 458	3.71 503	1.86 498	4.70 539	1.11 400	4.82 541	2.72 520	5.45 546	1.98 513	4.59 531	2.64 509	2.65 498	6.21 552	4.37 514	1.08 375	5.16 545	2.24 515	4.52 512	2.39 518

LG-G_1	2.22 488	2.71 443	1.89 496	2.77 469	1.87 501	2.75 508	1.87 498	2.76 504	1.87 505	2.75 506	1.87 496	2.76 508	1.87 487	2.75 507	1.86 501	2.47 494	1.58 469	2.45 502	1.57 480	2.45 478	1.57 483

LG-G	2.22 488	2.71 443	1.89 496	2.77 469	1.87 501	2.75 508	1.87 498	2.76 504	1.87 505	2.75 506	1.87 496	2.76 508	1.87 487	2.75 507	1.86 501	2.47 494	1.58 469	2.45 502	1.57 480	2.45 478	1.57 483

qwe	2.18 481	2.60 435	1.58 469	3.83 506	1.90 503	2.53 497	1.90 501	2.48 489	1.73 491	2.37 489	1.92 503	2.53 490	1.68 474	2.56 493	1.83 498	2.52 499	1.87 488	2.07 485	1.68 495	2.32 472	1.71 495

AIO_rvc	2.18 481	2.34 423	1.87 495	2.32 458	1.94 504	2.40 488	1.89 500	2.37 484	2.07 516	2.52 495	1.95 506	2.44 488	1.99 499	2.41 487	1.89 506	2.32 486	2.09 498	2.24 490	2.18 513	2.21 465	2.23 512

asd	2.18 481	2.77 451	1.58 469	3.59 499	2.00 505	2.58 501	1.85 495	2.39 486	1.71 486	2.47 492	1.97 507	2.59 496	1.61 471	2.56 493	1.79 497	2.51 497	1.99 489	2.11 489	1.62 489	2.36 474	1.60 487

2.5w	2.01 468	2.40 428	1.37 456	3.28 484	2.01 506	2.71 503	1.43 480	1.82 458	1.83 499	1.90 464	1.41 476	2.71 501	1.35 461	2.71 501	1.85 500	2.66 500	1.53 464	1.64 469	1.23 458	2.53 489	1.87 505

1w_stereo	2.05 476	2.32 418	1.35 446	3.74 505	2.01 506	2.73 506	1.42 478	1.88 459	1.93 509	2.03 473	1.28 464	2.71 501	1.99 499	2.72 503	1.72 490	2.20 475	1.32 440	1.87 477	1.86 504	2.45 478	1.54 480

AIO_test	2.18 481	2.09 401	2.04 506	2.42 461	2.01 506	2.47 491	1.94 502	2.34 483	2.03 515	2.56 496	1.94 504	2.43 487	1.94 494	2.41 487	1.87 504	2.39 490	2.10 499	2.35 498	1.91 511	2.25 468	2.19 511

HUF	2.18 481	2.30 416	1.99 505	2.34 459	2.02 509	2.41 489	2.06 510	2.38 485	1.89 507	2.36 488	1.85 494	2.56 494	1.98 497	2.31 484	1.97 509	2.30 484	2.03 497	2.30 493	2.11 512	2.23 466	2.16 510

monsters	2.18 481	2.41 429	1.96 501	3.47 494	2.03 510	2.53 497	1.64 485	2.48 489	1.73 491	2.40 490	1.50 479	2.62 497	1.94 494	2.59 495	1.94 507	2.44 492	1.57 468	2.28 492	1.87 505	2.42 476	1.86 503

monsterstereo	2.20 487	2.33 419	1.95 500	3.65 501	2.07 511	2.49 493	1.61 483	2.48 489	1.83 499	2.45 491	1.61 486	2.67 500	1.86 486	2.64 497	1.94 507	2.48 496	1.66 477	2.34 496	1.68 495	2.40 475	1.86 503

IGEVStereo-DCA	1.77 450	4.21 486	1.84 489	2.49 464	2.11 512	2.54 499	1.36 468	1.65 454	1.17 412	2.75 506	1.90 501	2.54 492	1.15 397	0.94 371	1.11 401	1.50 445	1.32 440	0.96 384	1.46 477	1.49 441	0.88 378

rrr	1.77 450	4.21 486	1.84 489	2.49 464	2.11 512	2.54 499	1.36 468	1.65 454	1.17 412	2.75 506	1.90 501	2.54 492	1.15 397	0.94 371	1.11 401	1.50 445	1.32 440	0.96 384	1.46 477	1.49 441	0.88 378

4.5_new	2.00 461	1.84 381	1.98 502	2.77 469	2.16 514	2.27 481	1.28 463	2.09 469	1.98 511	2.01 471	1.28 464	2.71 501	1.98 497	2.51 492	1.65 483	2.26 478	1.33 447	1.87 477	1.87 505	2.49 482	1.60 487

IGEV	2.02 469	2.20 409	1.82 485	2.90 474	2.16 514	2.41 489	1.25 459	2.00 465	1.98 511	1.99 469	1.31 466	2.72 505	1.93 493	2.67 500	1.69 487	2.26 478	1.32 440	1.83 473	1.87 505	2.53 489	1.61 489

2.25w	2.00 461	1.86 384	1.98 502	2.95 475	2.17 516	2.26 480	1.35 466	2.42 487	2.00 514	2.07 478	1.27 463	2.53 490	1.99 499	2.29 482	1.49 478	2.21 476	1.32 440	1.85 474	1.87 505	2.52 486	1.62 490

3.25w	2.04 474	2.20 409	1.48 464	3.03 476	2.17 516	2.63 502	1.39 474	1.96 462	1.95 510	1.96 465	1.37 472	2.71 501	1.96 496	2.71 501	1.73 495	2.26 478	1.32 440	1.87 477	1.87 505	2.51 485	1.63 491

3w_stereo	2.04 474	2.24 413	1.70 474	3.15 479	2.18 518	2.49 493	1.26 461	2.03 467	1.98 511	1.98 468	1.33 467	2.72 505	1.99 499	2.59 495	1.72 490	2.22 477	1.33 447	1.85 474	1.88 510	2.50 484	1.58 485

RAFT+CT+SA	4.28 534	7.62 522	4.91 540	5.55 530	2.28 519	3.09 512	3.64 540	4.49 526	3.07 528	4.80 538	3.35 535	4.77 541	3.70 531	4.29 525	3.05 522	5.58 539	5.98 540	3.58 517	3.78 543	4.26 508	3.72 541

NCCL2	2.28 493	2.27 414	2.28 508	2.28 457	2.28 519	2.27 481	2.29 514	2.28 476	2.28 517	2.27 483	2.28 519	2.28 477	2.27 507	2.27 481	2.28 518	2.28 482	2.28 504	2.27 491	2.29 517	2.27 469	2.29 513

STTStereo	3.73 519	30.40 565	2.37 512	2.39 460	2.31 521	2.35 486	2.33 515	2.29 478	2.42 518	2.32 487	2.34 520	2.33 481	2.36 508	2.30 483	2.27 517	2.35 487	2.22 503	2.31 494	2.22 514	2.29 471	2.34 517

NLCA_NET_v2_RVC	5.04 547	50.87 575	2.78 514	2.87 473	2.71 522	2.78 511	0.47 316	2.88 509	2.86 522	1.89 463	2.67 521	2.79 511	2.79 512	2.78 510	2.83 519	2.82 505	2.82 507	2.83 511	2.77 520	2.83 497	2.76 521
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
test_3	5.01 546	8.86 531	7.77 554	8.09 543	2.76 523	4.13 524	4.05 547	3.88 521	3.76 542	4.33 523	4.13 546	3.71 519	3.91 535	4.21 524	4.06 544	7.93 551	7.69 548	4.53 524	3.91 544	4.17 507	4.29 549

rvit_105_1	3.83 520	5.22 499	3.01 516	4.53 510	3.01 524	4.51 527	3.01 522	4.56 528	3.04 523	4.53 527	3.03 524	4.55 529	3.03 513	4.56 528	3.04 520	4.57 520	3.05 509	4.57 526	3.05 524	4.57 514	3.05 524

rvit_0105_4	3.91 527	5.47 510	3.02 519	4.54 513	3.02 525	4.54 529	3.03 527	4.75 538	3.17 534	4.57 531	3.06 527	4.61 535	3.16 524	4.65 535	3.09 528	4.66 527	3.11 516	4.68 535	3.18 534	4.81 525	3.16 534

rvit_stereo_0081	3.83 520	5.23 500	3.01 516	4.53 510	3.03 526	4.55 533	3.02 523	4.56 528	3.04 523	4.52 525	3.02 522	4.54 527	3.03 513	4.56 528	3.04 520	4.57 520	3.05 509	4.57 526	3.05 524	4.58 515	3.05 524

rvit_stereo_0082	3.86 522	5.82 514	3.01 516	4.53 510	3.03 526	4.54 529	3.02 523	4.56 528	3.04 523	4.53 527	3.02 522	4.55 529	3.04 516	4.57 531	3.05 522	4.57 520	3.05 509	4.58 528	3.05 524	4.58 515	3.06 527

rvit_stereo_0080	3.89 525	5.70 511	3.04 521	4.54 513	3.03 526	4.56 534	3.05 529	4.60 532	3.07 528	4.58 532	3.06 527	4.59 531	3.06 518	4.61 532	3.08 526	4.63 525	3.09 514	4.64 532	3.10 529	4.65 519	3.10 529

whm_eth	3.89 525	5.70 511	3.04 521	4.54 513	3.03 526	4.56 534	3.05 529	4.60 532	3.07 528	4.58 532	3.06 527	4.59 531	3.06 518	4.61 532	3.08 526	4.63 525	3.09 514	4.64 532	3.10 529	4.65 519	3.10 529

rvit_stereo_0081_aga	3.86 522	5.33 503	3.02 519	4.55 516	3.04 530	4.54 529	3.02 523	4.64 535	3.06 527	4.54 529	3.04 526	4.62 536	3.08 520	4.62 534	3.07 525	4.58 523	3.06 513	4.60 530	3.08 528	4.63 518	3.07 528

rvit_stereo_ft	3.93 530	5.44 508	3.05 523	4.59 517	3.06 531	4.61 537	3.08 532	4.67 537	3.12 533	4.63 536	3.10 532	4.65 538	3.11 522	4.69 538	3.13 530	4.70 528	3.14 518	4.71 537	3.15 533	4.74 522	3.16 534

rvit_0105_3	3.91 527	5.33 503	3.06 524	4.60 518	3.07 532	4.60 536	3.06 531	4.62 534	3.08 531	4.60 534	3.07 530	4.62 536	3.08 520	4.67 536	3.10 529	4.70 528	3.11 516	4.77 539	3.19 535	4.77 524	3.14 533

rvit_stereo_0083	3.92 529	5.30 502	3.06 524	4.61 519	3.09 533	4.67 538	3.08 532	4.66 536	3.09 532	4.62 535	3.10 532	4.66 539	3.11 522	4.67 536	3.16 531	4.72 530	3.16 519	4.77 539	3.11 531	4.66 521	3.11 531

rvit_0105_6	3.87 524	5.73 513	3.10 526	4.69 520	3.12 534	4.54 529	3.02 523	4.56 528	3.04 523	4.54 529	3.03 524	4.54 527	3.04 516	4.56 528	3.05 522	4.58 523	3.05 509	4.58 528	3.05 524	4.58 515	3.05 524

rvit_0105_5	4.10 531	5.40 506	3.13 529	4.71 521	3.15 535	4.72 541	3.10 534	4.90 543	3.27 535	4.69 537	3.16 534	4.84 543	3.25 525	4.96 542	3.34 533	5.05 535	3.39 524	5.10 544	3.40 536	5.11 532	3.42 537

raft_robust	4.71 542	7.75 523	5.40 545	6.81 537	3.31 536	4.28 526	4.20 548	4.32 525	4.37 549	4.35 524	4.35 548	4.14 523	3.75 533	4.30 526	4.20 546	6.67 546	6.37 541	3.36 515	4.24 549	4.86 528	3.25 536

FC-DCNN v2	5.10 548	5.15 497	4.49 538	5.07 526	3.37 537	6.87 551	4.75 550	5.04 544	6.34 554	7.84 554	5.06 551	6.72 554	4.09 539	4.99 543	5.44 551	5.03 534	3.16 519	4.67 534	4.86 550	5.15 533	3.89 545

test_5	4.62 541	7.55 521	6.23 546	6.32 535	3.40 538	5.29 546	3.50 538	3.53 517	4.11 546	4.28 522	4.47 549	4.26 525	4.38 541	3.68 518	3.24 532	5.89 541	5.60 537	4.84 541	3.50 537	4.33 509	3.93 547

DispFullNet	4.61 540	4.84 492	3.12 527	5.00 525	3.57 539	4.75 542	3.03 527	7.75 554	4.17 547	4.91 541	3.09 531	6.20 550	3.95 536	6.71 550	3.51 534	5.30 538	3.67 526	5.86 551	3.63 538	5.61 536	3.46 538

MLG-Stereo_test3	4.26 533	4.85 493	3.95 536	5.35 528	3.60 540	4.75 542	3.76 542	5.49 547	3.71 539	5.39 544	3.69 540	4.82 542	3.66 529	4.85 539	3.73 540	4.93 531	3.19 522	4.69 536	2.99 523	4.84 527	2.98 523

MLG-Stereo_test1	4.25 532	5.34 505	3.61 532	5.31 527	3.63 541	5.23 545	3.57 539	5.38 546	3.65 537	5.23 543	3.47 536	4.76 540	3.74 532	4.85 539	3.71 537	4.96 532	3.18 521	4.71 537	2.92 521	4.86 528	2.90 522

DPSNet	3.66 518	3.60 469	3.62 533	3.63 500	3.64 542	3.65 519	3.65 541	3.66 518	3.67 538	3.67 517	3.65 539	3.67 518	3.66 529	3.66 517	3.68 536	3.68 512	3.66 525	3.67 518	3.68 541	3.67 500	3.67 540

MLG-Stereo_test2	4.28 534	5.46 509	3.69 534	4.86 523	3.72 543	5.58 548	3.42 537	4.81 540	3.77 543	4.85 539	3.72 541	5.55 548	3.63 528	5.58 546	3.53 535	4.41 517	3.28 523	4.99 543	2.95 522	4.75 523	3.13 532

TestStereo1	4.60 538	8.41 526	6.44 548	6.86 538	3.79 544	3.97 522	3.78 543	3.99 522	3.74 540	3.97 519	3.52 537	3.94 521	3.58 526	3.98 521	3.72 538	6.82 547	6.50 543	3.76 520	3.66 539	3.90 503	3.74 543

SA-5K	4.60 538	8.41 526	6.44 548	6.86 538	3.79 544	3.97 522	3.78 543	3.99 522	3.74 540	3.97 519	3.52 537	3.94 521	3.58 526	3.98 521	3.72 538	6.82 547	6.50 543	3.76 520	3.66 539	3.90 503	3.74 543

cross-raft	4.83 543	7.52 520	6.43 547	6.63 536	3.96 546	4.51 527	3.99 546	4.49 526	3.96 545	4.52 525	3.96 544	4.50 526	3.97 537	4.50 527	3.97 542	6.65 545	6.44 542	4.33 523	3.92 545	4.35 510	3.91 546

SA	4.33 536	7.35 519	6.85 551	5.96 533	4.09 547	3.59 518	3.15 535	3.82 520	2.64 519	3.91 518	3.85 542	3.57 516	2.72 511	3.13 512	4.03 543	7.09 550	6.86 545	3.57 516	3.12 532	3.85 502	3.51 539

SGM-Forest	5.21 550	5.92 515	4.08 537	6.18 534	4.16 548	6.31 550	4.34 549	6.50 549	4.33 548	6.14 550	4.21 547	6.61 553	4.55 542	6.67 549	4.48 547	5.94 542	3.94 528	5.85 550	4.03 547	5.79 538	4.17 548
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
test_4	4.88 544	8.13 524	6.98 552	7.46 541	4.44 549	4.25 525	3.85 545	4.04 524	3.92 544	4.13 521	3.91 543	4.18 524	3.84 534	4.14 523	4.06 544	7.01 549	7.13 546	4.53 524	3.72 542	4.09 506	3.72 541

Sa-1000	4.34 537	8.37 525	6.84 550	6.98 540	4.45 550	3.58 517	3.00 521	3.42 516	3.39 536	2.61 497	4.00 545	3.83 520	4.01 538	3.90 520	3.90 541	5.98 543	5.62 538	3.76 520	2.34 518	4.35 510	2.47 520

TestStereo	4.88 544	4.75 491	4.79 539	4.87 524	4.92 551	4.81 544	4.90 551	4.78 539	4.77 550	4.87 540	4.89 550	4.90 544	4.91 543	4.99 543	4.79 548	4.98 533	4.87 534	4.87 542	4.92 551	5.00 531	5.00 550

SGM+DAISY	7.06 554	9.15 532	5.38 544	8.84 547	5.18 552	8.80 557	5.31 553	8.79 557	5.28 552	8.89 557	5.20 552	8.93 557	5.33 545	8.95 557	5.36 550	8.70 555	5.21 535	8.74 557	5.20 552	8.89 551	5.15 551

rvit_stereo_0075_2	6.64 552	8.80 530	5.25 542	7.89 542	5.27 553	7.90 555	5.27 552	7.92 555	5.28 552	7.91 555	5.29 553	7.93 555	5.27 544	7.92 555	5.28 549	7.93 551	5.28 536	7.93 554	5.29 553	7.93 547	5.28 552

test-1	6.46 551	9.16 533	8.03 557	8.09 543	5.62 554	6.11 549	6.35 554	6.85 551	4.94 551	6.08 549	6.29 556	4.98 545	6.43 548	6.22 547	6.36 554	6.16 544	7.47 547	5.82 549	5.44 554	7.11 544	5.68 553

RAFT	6.73 553	9.36 534	7.40 553	8.51 546	6.55 555	6.88 552	6.60 555	6.79 550	6.60 555	6.80 551	6.72 557	5.31 547	5.50 546	6.61 548	6.61 555	8.42 553	5.89 539	5.73 548	5.45 555	6.61 540	6.24 554

test-v	7.53 555	11.89 542	7.98 555	9.36 549	7.14 556	7.06 553	7.09 556	7.37 552	6.91 556	7.29 552	5.71 554	6.45 551	6.93 549	6.73 551	7.27 556	8.93 556	7.85 549	6.98 552	6.80 556	7.56 545	7.34 556

test-2	7.53 555	11.89 542	7.98 555	9.36 549	7.14 556	7.06 553	7.09 556	7.37 552	6.91 556	7.29 552	5.71 554	6.45 551	6.93 549	6.73 551	7.27 556	8.93 556	7.85 549	6.98 552	6.80 556	7.56 545	7.34 556

MANE	19.05 558	23.00 550	15.00 558	23.00 564	15.00 558	24.00 564	16.00 558	24.00 564	16.00 558	22.00 564	15.00 558	23.00 564	16.00 558	23.00 564	15.00 558	22.00 564	15.00 558	22.00 564	15.00 558	22.00 564	15.00 558

rafts_anoy	20.00 559	20.00 544	20.00 559	20.00 558	20.00 559	20.00 558	20.00 559	20.00 558	20.00 559	20.00 558	20.00 559	20.00 558	20.00 559	20.00 558	20.00 559	20.00 558	20.00 559	20.00 558	20.00 559	20.00 558	20.00 559

raft+_RVC	20.00 559	20.00 544	20.00 559	20.00 558	20.00 559	20.00 558	20.00 559	20.00 558	20.00 559	20.00 558	20.00 559	20.00 558	20.00 559	20.00 558	20.00 559	20.00 558	20.00 559	20.00 558	20.00 559	20.00 558	20.00 559

raftrobust	20.00 559	20.00 544	20.00 559	20.00 558	20.00 559	20.00 558	20.00 559	20.00 558	20.00 559	20.00 558	20.00 559	20.00 558	20.00 559	20.00 558	20.00 559	20.00 558	20.00 559	20.00 558	20.00 559	20.00 558	20.00 559

CasAABBNet	20.00 559	20.00 544	20.00 559	20.00 558	20.00 559	20.00 558	20.00 559	20.00 558	20.00 559	20.00 558	20.00 559	20.00 558	20.00 559	20.00 558	20.00 559	20.00 558	20.00 559	20.00 558	20.00 559	20.00 558	20.00 559

RALCasStereoNet	20.00 559	20.00 544	20.00 559	20.00 558	20.00 559	20.00 558	20.00 559	20.00 558	20.00 559	20.00 558	20.00 559	20.00 558	20.00 559	20.00 558	20.00 559	20.00 558	20.00 559	20.00 558	20.00 559	20.00 558	20.00 559

RALAANet	20.00 559	20.00 544	20.00 559	20.00 558	20.00 559	20.00 558	20.00 559	20.00 558	20.00 559	20.00 558	20.00 559	20.00 558	20.00 559	20.00 558	20.00 559	20.00 558	20.00 559	20.00 558	20.00 559	20.00 558	20.00 559

WCMA_ROB	31.10 566	35.43 570	27.12 565	39.51 576	23.10 565	38.78 576	25.30 565	37.49 576	25.39 565	37.29 575	27.02 565	38.52 576	26.48 565	37.80 575	26.44 565	36.28 572	22.65 565	33.90 569	22.30 565	37.10 573	24.18 565

fff	1000028.16 585	29.62 562	29.72 566	32.61 565	30.02 566	35.13 567	31.83 567	32.07 566	10000000.00 585	35.27 568	29.82 567	32.45 566	30.15 566	32.35 566	30.09 566	31.04 566	29.55 567	30.64 566	30.14 566	10000000.00 585	30.77 567

csc	1000028.16 585	29.62 562	29.72 566	32.61 565	30.02 566	35.13 567	31.83 567	32.07 566	10000000.00 585	35.27 568	29.82 567	32.45 566	30.15 566	32.35 566	30.09 566	31.04 566	29.55 567	30.64 566	30.14 566	10000000.00 585	30.77 567

cscssc	1000028.16 585	29.62 562	29.72 566	32.61 565	30.02 566	35.13 567	31.83 567	32.07 566	10000000.00 585	35.27 568	29.82 567	32.45 566	30.15 566	32.35 566	30.09 566	31.04 566	29.55 567	30.64 566	30.14 566	10000000.00 585	30.77 567

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

ADStereo(finetuned)	36.13 568	36.63 571	38.07 576	36.97 570	33.25 570	35.91 570	34.45 570	36.36 572	32.99 567	38.14 576	36.71 573	36.69 572	34.13 570	38.57 576	40.79 576	37.60 576	36.58 573	35.90 573	33.36 570	35.42 568	34.04 570

tt	500032.53 583	34.60 568	29.72 566	37.47 574	34.41 571	36.85 571	35.22 571	34.71 569	33.55 568	34.50 566	35.43 570	33.81 569	10000000.00 586	33.57 569	33.13 570	33.68 569	35.00 571	34.03 570	35.26 572	30.96 566	34.63 571

DCANet	500032.53 583	34.60 568	29.72 566	37.47 574	34.41 571	36.85 571	35.22 571	34.71 569	33.55 568	34.50 566	35.43 570	33.81 569	10000000.00 586	33.57 569	33.13 570	33.68 569	35.00 571	34.03 570	35.26 572	30.96 566	34.63 571

DCANet-4	35.22 567	34.54 567	35.08 572	33.58 569	35.47 573	34.55 566	35.53 573	36.08 571	35.85 570	35.92 571	35.77 572	35.18 571	35.48 571	35.39 571	37.15 575	34.55 571	33.92 570	35.02 572	34.90 571	35.79 569	34.74 573

Reg-Stereo(zero)	37.00 569	37.00 572	37.00 573	37.00 571	37.00 574	37.00 573	37.00 574	37.00 573	37.00 571	37.00 572	37.00 574	37.00 573	37.00 572	37.00 572	37.00 572	37.00 573	37.00 574	37.00 574	37.00 574	37.00 570	37.00 574

HI	37.00 569	37.00 572	37.00 573	37.00 571	37.00 574	37.00 573	37.00 574	37.00 573	37.00 571	37.00 572	37.00 574	37.00 573	37.00 572	37.00 572	37.00 572	37.00 573	37.00 574	37.00 574	37.00 574	37.00 570	37.00 574

CoSv	37.00 569	37.00 572	37.00 573	37.00 571	37.00 574	37.00 573	37.00 574	37.00 573	37.00 571	37.00 572	37.00 574	37.00 573	37.00 572	37.00 572	37.00 572	37.00 573	37.00 574	37.00 574	37.00 574	37.00 570	37.00 574

NOSS_ROB	102.95 573	153.00 580	121.00 580	51.00 577	44.00 577	165.00 580	127.00 579	153.00 579	119.00 576	164.00 580	125.00 579	168.00 580	120.00 577	153.00 579	117.00 579	49.00 577	44.00 577	49.00 577	44.00 577	49.00 574	44.00 577

CBMV	128.50 574	1422.70 587	53.10 578	79.50 578	51.30 578	77.30 578	49.70 577	74.00 577	48.20 575	77.20 578	48.80 578	73.90 578	48.00 576	73.80 578	48.80 578	70.40 578	45.10 578	68.90 578	46.10 578	68.20 575	45.00 578
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MDST_ROB	69.83 572	87.70 576	41.95 577	113.75 579	65.62 579	75.05 577	55.25 578	75.64 578	45.04 574	71.61 577	41.75 577	72.81 577	44.06 575	68.38 577	44.63 577	101.89 579	59.57 579	107.10 579	61.05 579	104.38 576	59.38 579

MeshStereo	159.24 575	171.00 581	160.68 583	162.58 580	160.59 580	164.01 579	160.35 580	158.51 580	158.56 577	158.34 579	160.12 580	158.56 579	159.92 578	157.26 580	158.94 580	154.38 580	158.36 580	155.75 580	159.13 581	153.67 577	154.07 580
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
DLCB_ROB	284.23 579	354.61 583	207.27 584	363.24 584	206.46 581	364.72 584	210.41 581	364.72 584	210.41 578	364.81 584	208.64 582	364.81 584	208.64 580	364.72 584	210.41 582	354.70 584	205.53 582	354.70 584	205.53 583	354.70 581	205.53 582

AE-Stereo	201.80 576	123.00 577	115.00 579	219.00 581	218.00 582	223.00 581	244.00 582	217.00 581	236.00 579	202.00 581	203.00 581	205.00 581	208.00 579	225.00 581	204.00 581	210.00 581	198.00 581	197.00 581	184.00 582	204.00 578	201.00 581

MGS-Stereo	239.45 577	123.00 577	135.00 581	266.00 582	286.00 583	277.00 582	305.00 583	271.00 582	242.00 580	274.00 582	279.00 583	255.00 582	270.00 581	268.00 582	297.00 583	221.00 582	247.00 583	216.00 582	123.00 580	217.00 579	217.00 583

EGLCR-Stereo	246.90 578	129.00 579	139.00 582	266.00 582	286.00 583	277.00 582	305.00 583	271.00 582	242.00 580	274.00 582	279.00 583	255.00 582	270.00 581	268.00 582	297.00 583	230.00 583	247.00 583	216.00 582	223.00 584	237.00 580	227.00 584

LE_ROB	396.57 580	471.28 584	329.84 585	471.48 585	308.15 585	526.83 585	322.10 585	488.15 585	323.76 582	495.46 585	317.97 585	497.17 585	320.10 583	481.62 585	326.76 585	462.71 585	298.97 585	466.16 585	285.98 585	447.62 582	289.21 585

SGM-ForestM	596.69 581	677.77 585	444.52 586	699.85 586	517.25 586	732.94 586	488.29 586	770.79 586	460.11 583	750.81 586	487.98 586	792.79 586	499.41 584	730.90 586	475.81 586	720.03 586	491.16 586	663.96 586	418.60 586	674.76 583	436.05 586

CBMV_ROB	818.48 582	913.88 586	709.52 587	862.84 587	597.78 587	1073.99 587	700.52 587	1015.66 587	702.59 584	1115.65 587	760.02 587	1130.24 587	721.57 585	1037.41 587	692.65 587	814.05 587	564.29 587	843.28 587	595.31 587	915.51 584	602.92 587

111111	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 585	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 586	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 585	10000000.00 588

SGD-Stereo	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 585	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 586	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 585	10000000.00 588

IGEV-Stereo++	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 585	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 586	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 585	10000000.00 588

IGEV-BASED-STEREO-	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 585	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 586	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 585	10000000.00 588

IGEV-Stereo+	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 585	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 586	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 585	10000000.00 588

SDNR	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 585	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 586	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 585	10000000.00 588

anonymousdsp2	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 585	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 586	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 585	10000000.00 588

anonymousdsp	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 585	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 586	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 585	10000000.00 588

test_example2	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 585	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 586	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 585	10000000.00 588

DIP-Stereo	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 585	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 586	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 588	10000000.00 585	10000000.00 588
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022

Low-res two-view benchmark