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	0.20 160	0.23 144	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	0.23 169	0.21 170	0.02 18	0.01 9	0.01 10	0.01 10

Wz-Net-MNSev	0.06 44	0.54 206	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	0.50 191	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

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

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

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

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

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

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

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

CoDeX	0.15 119	0.70 219	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	0.67 342	0.02 15	0.69 324	0.75 345	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 84	0.44 168	0.33 210	0.39 193	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	0.39 237	0.36 231	0.02 18	0.02 20	0.02 20	0.02 20

psmg	0.43 239	1.91 384	0.92 357	1.91 430	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	1.97 458	1.44 453	0.04 71	0.03 54	0.02 20	0.03 51

CSP-Net	0.34 187	1.29 351	1.19 381	1.36 410	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	1.26 424	1.21 431	0.03 38	0.09 104	0.02 20	0.09 102

SFCPSM	0.17 130	0.78 223	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	0.79 366	0.02 15	0.75 334	0.76 347	0.02 20	0.02 20	0.02 20

Syn2CoEx	0.25 154	1.31 354	0.74 331	0.92 314	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	0.87 341	0.75 334	0.02 18	0.02 20	0.02 20	0.02 20

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

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

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

ADCMid	0.08 51	0.02 12	0.02 14	1.01 331	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 69	0.09 100	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

ADCS	0.09 52	0.02 12	0.04 44	0.90 309	0.06 101	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.14 122	0.36 261	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

AnyNet_C01	0.11 84	0.02 12	0.02 14	1.62 421	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 83	0.04 73	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.03 51

AnyNet_C32	0.14 108	0.04 37	0.03 37	2.22 443	0.04 77	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.04 74	0.02 21	0.07 97	0.04 73	0.02 15	0.02 15	0.03 38	0.03 54	0.02 20	0.03 51

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

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

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

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

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

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

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

TCMNet	0.03 29	0.04 37	0.03 37	0.03 28	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 71	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	1.05 278	0.12 101	0.12 80	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 71	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	1.05 278	0.12 101	0.12 80	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 71	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	1.05 278	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_sample7	0.09 52	1.00 262	0.11 90	0.11 74	0.02 21	0.03 40	0.03 50	0.03 42	0.03 55	0.04 71	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	0.97 258	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_sample4	0.10 63	1.03 274	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	0.87 237	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	1.03 274	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	0.87 237	0.12 101	0.11 74	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.04 71	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	1.01 268	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

tta	0.09 52	0.95 255	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

qqq1	0.25 154	3.70 467	0.14 126	0.14 97	0.04 77	0.06 87	0.05 88	0.06 89	0.05 93	0.06 91	0.05 95	0.04 74	0.05 89	0.06 83	0.05 84	0.13 107	0.12 110	0.06 88	0.05 90	0.03 43	0.04 76

fff1	0.25 154	3.70 467	0.14 126	0.14 97	0.04 77	0.06 87	0.05 88	0.06 89	0.05 93	0.06 91	0.05 95	0.04 74	0.05 89	0.06 83	0.05 84	0.13 107	0.12 110	0.06 88	0.05 90	0.03 43	0.04 76

ttt	0.10 63	1.09 283	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	1.14 288	0.13 121	0.14 97	0.03 48	0.04 75	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	1.01 268	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

qqq	0.16 127	2.01 392	0.12 101	0.15 107	0.04 77	0.06 87	0.05 88	0.06 89	0.04 79	0.06 91	0.03 52	0.06 92	0.03 52	0.06 83	0.03 48	0.12 91	0.14 137	0.04 71	0.04 75	0.03 43	0.03 51

x	0.11 84	1.15 290	0.15 141	0.14 97	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 71	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.14 114	0.15 140	0.03 38	0.03 54	0.03 43	0.03 51

test_xeample	0.10 63	1.09 283	0.13 121	0.12 80	0.03 48	0.03 40	0.03 50	0.04 74	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.14 114	0.14 137	0.03 38	0.03 54	0.03 43	0.03 51

BEATNet_4x	0.11 84	0.03 31	0.03 37	1.60 418	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 78	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

ADCL	0.11 84	0.03 31	0.03 37	1.60 418	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 78	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

ADCRef	0.12 93	0.03 31	0.04 44	1.71 424	0.04 77	0.03 40	0.03 50	0.04 74	0.04 79	0.04 71	0.03 52	0.04 74	0.03 52	0.06 83	0.04 73	0.04 44	0.04 45	0.04 71	0.04 75	0.03 43	0.04 76

ADCPNet	0.10 63	0.03 31	0.04 44	1.27 403	0.03 48	0.04 75	0.03 50	0.03 42	0.03 55	0.04 71	0.03 52	0.04 74	0.03 52	0.08 100	0.04 73	0.04 44	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

test_sample5	0.10 63	1.07 281	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 74	0.03 51

DualNet	0.10 63	1.07 281	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 74	0.03 51

GASNet	0.05 41	0.04 37	0.12 101	0.04 37	0.04 77	0.04 75	0.05 88	0.04 74	0.04 79	0.12 117	0.04 86	0.06 92	0.04 82	0.04 69	0.04 73	0.04 44	0.04 45	0.04 71	0.04 75	0.04 74	0.04 76

222	0.10 63	0.99 261	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 74	0.03 51

xxxx	0.11 84	1.16 291	0.16 142	0.12 80	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 107	0.16 142	0.03 38	0.04 75	0.04 74	0.04 76

EDNetEfficientorigin	0.04 38	0.06 54	0.04 44	0.05 43	0.04 77	0.05 85	0.04 78	0.05 84	0.04 79	0.05 87	0.04 86	0.05 86	0.04 82	0.05 78	0.04 73	0.05 51	0.03 36	0.06 88	0.03 54	0.04 74	0.03 51

EDNetEfficient	0.04 38	0.05 49	0.04 44	0.04 37	0.03 48	0.04 75	0.03 50	0.04 74	0.03 55	0.04 71	0.03 52	0.04 74	0.03 52	0.04 69	0.03 48	0.05 51	0.03 36	0.05 81	0.03 54	0.04 74	0.03 51

FADNet-RVC-Resample	0.12 93	0.04 37	0.04 44	0.04 37	0.04 77	0.04 75	0.04 78	0.04 74	0.04 79	0.04 71	0.04 86	0.04 74	0.04 82	0.04 69	1.57 474	0.04 44	0.04 45	0.04 71	0.05 90	0.04 74	0.06 96

FADNet_RVC	0.12 93	0.04 37	0.04 44	0.05 43	0.04 77	0.04 75	0.04 78	0.04 74	0.04 79	0.04 71	0.04 86	0.04 74	0.05 89	0.04 69	1.65 478	0.05 51	0.04 45	0.04 71	0.04 75	0.04 74	0.04 76

FADNet	0.12 93	0.05 49	0.04 44	0.04 37	0.04 77	0.04 75	0.04 78	0.04 74	0.04 79	0.04 71	0.04 86	0.04 74	0.05 89	0.04 69	1.66 480	0.06 55	0.04 45	0.04 71	0.04 75	0.04 74	0.04 76

ADCP+	0.15 119	0.04 37	0.04 44	2.20 442	0.04 77	0.04 75	0.04 78	0.04 74	0.04 79	0.04 71	0.05 95	0.04 74	0.04 82	0.08 100	0.04 73	0.04 44	0.04 45	0.04 71	0.04 75	0.04 74	0.04 76

NVStereoNet_ROB	0.04 38	0.04 37	0.04 44	0.04 37	0.04 77	0.04 75	0.04 78	0.04 74	0.04 79	0.04 71	0.04 86	0.04 74	0.04 82	0.04 69	0.04 73	0.04 44	0.04 45	0.04 71	0.04 75	0.04 74	0.04 76
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
DFGA-Net	0.05 41	0.06 54	0.04 44	0.06 46	0.04 77	0.06 87	0.04 78	0.06 89	0.04 79	0.06 91	0.04 86	0.06 92	0.04 82	0.06 83	0.04 73	0.06 55	0.04 45	0.05 81	0.04 75	0.05 86	0.04 76

mmm	0.14 108	1.83 373	0.12 101	0.11 74	0.03 48	0.03 40	0.03 50	0.03 42	0.04 79	0.03 40	0.03 52	0.03 42	0.03 52	0.06 83	0.04 73	0.12 91	0.11 95	0.05 81	0.04 75	0.05 86	0.04 76

11t1	0.17 130	2.16 401	0.13 121	0.13 93	0.04 77	0.06 87	0.04 78	0.06 89	0.04 79	0.06 91	0.03 52	0.06 92	0.03 52	0.06 83	0.05 84	0.18 147	0.12 110	0.06 88	0.03 54	0.05 86	0.03 51

APVNet	0.09 52	0.05 49	0.04 44	0.05 43	0.04 77	0.05 85	0.90 375	0.06 89	0.04 79	0.05 87	0.04 86	0.05 86	0.04 82	0.05 78	0.04 73	0.05 51	0.04 45	0.05 81	0.04 75	0.05 86	0.05 91

ISRNet	0.11 84	0.05 49	0.36 228	0.24 149	0.07 102	0.13 118	0.05 88	0.06 89	0.05 93	0.05 87	0.05 95	0.13 119	0.05 89	0.05 78	0.09 100	0.24 174	0.20 166	0.10 101	0.05 90	0.06 90	0.13 142

ffm	0.25 154	3.83 473	0.12 101	0.12 80	0.05 93	0.06 87	0.05 88	0.06 89	0.05 93	0.03 40	0.03 52	0.06 92	0.05 89	0.06 83	0.05 84	0.12 91	0.12 110	0.05 81	0.04 75	0.06 90	0.04 76

ff1	0.25 154	3.83 473	0.12 101	0.12 80	0.05 93	0.06 87	0.05 88	0.06 89	0.05 93	0.03 40	0.03 52	0.06 92	0.05 89	0.06 83	0.05 84	0.12 91	0.12 110	0.05 81	0.04 75	0.06 90	0.04 76

mmx	0.25 154	3.83 473	0.12 101	0.12 80	0.05 93	0.06 87	0.05 88	0.06 89	0.05 93	0.03 40	0.03 52	0.06 92	0.05 89	0.06 83	0.05 84	0.12 91	0.12 110	0.05 81	0.04 75	0.06 90	0.04 76

AASNet	0.06 44	0.08 59	0.08 61	0.08 49	0.05 93	0.06 87	0.05 88	0.05 84	0.06 101	0.06 91	0.06 101	0.05 86	0.06 101	0.06 83	0.05 84	0.08 60	0.08 59	0.08 95	0.05 90	0.06 90	0.05 91

SACVNet	0.06 44	0.08 59	0.08 61	0.08 49	0.05 93	0.06 87	0.05 88	0.05 84	0.06 101	0.06 91	0.06 101	0.05 86	0.06 101	0.06 83	0.05 84	0.08 60	0.08 59	0.08 95	0.05 90	0.06 90	0.05 91

AACVNet	0.06 44	0.08 59	0.08 61	0.08 49	0.05 93	0.06 87	0.05 88	0.05 84	0.06 101	0.06 91	0.06 101	0.05 86	0.06 101	0.06 83	0.05 84	0.08 60	0.08 59	0.08 95	0.05 90	0.06 90	0.05 91

FINET	0.07 49	0.08 59	0.07 59	0.07 47	0.07 102	0.08 98	0.06 100	0.08 102	0.07 104	0.08 99	0.07 104	0.08 99	0.06 101	0.07 97	0.07 95	0.08 60	0.07 57	0.07 93	0.07 98	0.06 90	0.06 96

GwcNet	0.12 93	0.07 58	0.05 58	0.08 49	0.05 93	0.08 98	1.20 403	0.07 99	0.05 93	0.05 87	0.05 95	0.08 99	0.05 89	0.08 100	0.03 48	0.07 58	0.05 56	0.06 88	0.05 90	0.07 98	0.05 91

FADNet-RVC	0.13 99	0.04 37	0.04 44	0.04 37	0.04 77	0.04 75	0.05 88	0.04 74	0.04 79	0.04 71	0.05 95	0.04 74	0.05 89	0.04 69	1.71 483	0.04 44	0.04 45	0.04 71	0.04 75	0.07 98	0.04 76

BEATNet-Init1	0.19 135	0.08 59	0.08 61	2.23 444	0.08 104	0.08 98	0.07 103	0.07 99	0.08 106	0.08 99	0.07 104	0.08 99	0.07 105	0.11 116	0.08 97	0.08 60	0.08 59	0.08 95	0.07 98	0.08 100	0.08 99

SuperB	0.21 144	0.10 67	2.51 509	0.12 80	0.09 106	0.10 103	0.09 105	0.08 102	0.07 104	0.10 103	0.09 107	0.09 103	0.07 105	0.07 97	0.07 95	0.07 58	0.08 59	0.07 93	0.07 98	0.08 100	0.07 98

DeepPrunerF	0.19 135	0.08 59	0.08 61	2.23 444	0.08 104	0.08 98	0.07 103	0.07 99	0.08 106	0.08 99	0.07 104	0.08 99	0.07 105	0.11 116	0.08 97	0.08 60	0.08 59	0.08 95	0.07 98	0.08 100	0.08 99

SepStereo	0.09 52	0.09 65	0.10 70	0.09 53	0.09 106	0.09 102	0.09 105	0.10 104	0.08 106	0.10 103	0.09 107	0.09 103	0.09 108	0.09 103	0.08 97	0.09 66	0.08 59	0.09 100	0.08 102	0.09 103	0.08 99

AnonymousM	0.10 63	0.10 67	0.10 70	0.10 57	0.10 112	0.10 103	0.10 110	0.10 104	0.10 110	0.10 103	0.10 111	0.10 105	0.10 112	0.10 105	0.10 106	0.10 71	0.10 73	0.10 101	0.10 111	0.10 104	0.10 107

PVD	0.10 63	0.10 67	0.10 70	0.10 57	0.10 112	0.10 103	0.10 110	0.10 104	0.10 110	0.10 103	0.10 111	0.10 105	0.10 112	0.10 105	0.10 106	0.10 71	0.10 73	0.10 101	0.10 111	0.10 104	0.10 107

SHD	0.10 63	0.10 67	0.10 70	0.10 57	0.10 112	0.10 103	0.10 110	0.10 104	0.10 110	0.10 103	0.10 111	0.10 105	0.10 112	0.10 105	0.10 106	0.10 71	0.10 73	0.10 101	0.10 111	0.10 104	0.10 107

SAMSARA	0.10 63	0.10 67	0.10 70	0.10 57	0.10 112	0.10 103	0.10 110	0.10 104	0.10 110	0.10 103	0.10 111	0.10 105	0.10 112	0.10 105	0.10 106	0.10 71	0.10 73	0.10 101	0.10 111	0.10 104	0.10 107

XQC	0.10 63	0.10 67	0.10 70	0.10 57	0.10 112	0.10 103	0.10 110	0.10 104	0.10 110	0.10 103	0.10 111	0.10 105	0.10 112	0.10 105	0.10 106	0.10 71	0.10 73	0.10 101	0.10 111	0.10 104	0.10 107

RTSC	0.10 63	0.10 67	0.10 70	0.10 57	0.10 112	0.10 103	0.10 110	0.10 104	0.10 110	0.10 103	0.10 111	0.10 105	0.10 112	0.10 105	0.10 106	0.10 71	0.10 73	0.10 101	0.10 111	0.10 104	0.10 107

RTS	0.10 63	0.10 67	0.10 70	0.10 57	0.10 112	0.10 103	0.10 110	0.10 104	0.10 110	0.10 103	0.10 111	0.10 105	0.10 112	0.10 105	0.10 106	0.10 71	0.10 73	0.10 101	0.10 111	0.10 104	0.10 107

RTSA	0.10 63	0.10 67	0.10 70	0.10 57	0.10 112	0.10 103	0.10 110	0.10 104	0.10 110	0.10 103	0.10 111	0.10 105	0.10 112	0.10 105	0.10 106	0.10 71	0.10 73	0.10 101	0.10 111	0.10 104	0.10 107

MADNet+	0.10 63	0.10 67	0.10 70	0.10 57	0.10 112	0.10 103	0.10 110	0.10 104	0.10 110	0.10 103	0.10 111	0.10 105	0.10 112	0.10 105	0.10 106	0.10 71	0.10 73	0.10 101	0.10 111	0.10 104	0.10 107

MADNet++	0.10 63	0.10 67	0.10 70	0.10 57	0.10 112	0.10 103	0.10 110	0.10 104	0.10 110	0.10 103	0.10 111	0.10 105	0.10 112	0.10 105	0.10 106	0.10 71	0.10 73	0.10 101	0.10 111	0.10 104	0.10 107

JetRed	0.11 84	0.12 80	0.11 90	0.11 74	0.11 128	0.11 114	0.14 144	0.11 116	0.11 125	0.12 117	0.11 125	0.11 115	0.11 124	0.11 116	0.11 118	0.11 86	0.16 142	0.11 112	0.11 123	0.11 114	0.11 119

JetBlue	0.11 84	0.11 78	0.12 101	0.13 93	0.14 149	0.11 114	0.11 123	0.11 116	0.11 125	0.11 115	0.11 125	0.11 115	0.11 124	0.12 120	0.12 133	0.11 86	0.11 95	0.11 112	0.11 123	0.11 114	0.11 119

ac_64	0.22 147	0.13 81	0.19 157	0.23 144	0.10 112	0.26 185	1.02 390	0.14 120	0.10 110	0.28 185	0.14 153	0.17 141	0.19 176	0.28 194	0.09 100	0.22 158	0.16 142	0.23 172	0.17 175	0.11 114	0.12 136

PASM	0.39 217	3.06 453	1.36 448	1.58 416	0.09 106	0.11 114	0.11 123	0.11 116	0.11 125	0.09 102	0.09 107	0.11 115	0.09 108	0.09 103	0.09 100	0.11 86	0.11 95	0.11 112	0.09 104	0.11 114	0.11 119

FADE	0.07 49	0.06 54	0.02 14	0.09 53	0.10 112	0.03 40	0.03 50	0.05 84	0.03 55	0.04 71	0.03 52	0.05 86	0.03 52	0.04 69	0.03 48	0.15 123	0.10 73	0.17 144	0.13 148	0.11 114	0.11 119

LRCNet_RVC	0.13 99	0.13 81	0.09 66	0.13 93	0.10 112	0.14 119	0.10 110	0.14 120	0.10 110	0.23 166	0.10 111	0.20 151	0.10 112	0.24 174	0.11 118	0.11 86	0.09 68	0.12 115	0.14 152	0.12 119	0.09 102

DRN-Test	0.14 108	0.13 81	0.09 66	0.14 97	0.09 106	0.15 126	0.09 105	0.14 120	0.10 110	0.14 119	0.09 107	0.14 120	0.09 108	0.13 121	0.09 100	0.12 91	0.09 68	0.12 115	0.09 104	0.12 119	0.73 357

S2M2	0.12 93	0.14 85	0.10 70	0.15 107	0.10 112	0.14 119	0.10 110	0.14 120	0.10 110	0.15 125	0.10 111	0.14 120	0.10 112	0.14 122	0.10 106	0.13 107	0.10 73	0.13 118	0.09 104	0.13 121	0.09 102

StereoDRNet	0.15 119	0.14 85	0.10 70	0.14 97	0.09 106	0.15 126	0.09 105	0.14 120	0.09 109	0.14 119	0.10 111	0.14 120	0.09 108	0.14 122	0.09 100	0.13 107	0.10 73	0.13 118	0.09 104	0.13 121	0.82 368

test_for_model	0.15 119	0.23 112	0.18 154	0.21 141	0.11 128	0.16 134	0.11 123	0.16 133	0.11 125	0.16 130	0.11 125	0.16 131	0.11 124	0.16 132	0.11 118	0.21 155	0.18 163	0.14 120	0.11 123	0.14 123	0.11 119

testlalala2	0.13 99	0.16 87	0.11 90	0.15 107	0.11 128	0.16 134	0.11 123	0.16 133	0.11 125	0.16 130	0.11 125	0.16 131	0.11 124	0.16 132	0.11 118	0.14 114	0.11 95	0.14 120	0.11 123	0.14 123	0.11 119

testlalala_base	0.13 99	0.16 87	0.11 90	0.15 107	0.11 128	0.15 126	0.11 123	0.16 133	0.11 125	0.16 130	0.11 125	0.16 131	0.11 124	0.16 132	0.11 118	0.14 114	0.11 95	0.14 120	0.11 123	0.14 123	0.11 119

CIPLG	0.13 99	0.21 107	0.12 101	0.16 117	0.11 128	0.15 126	0.11 123	0.14 120	0.11 125	0.15 125	0.12 136	0.15 130	0.11 124	0.14 122	0.11 118	0.15 123	0.12 110	0.14 120	0.11 123	0.14 123	0.11 119

IPLG	0.13 99	0.20 101	0.14 126	0.15 107	0.11 128	0.14 119	0.11 123	0.14 120	0.11 125	0.14 119	0.11 125	0.14 120	0.11 124	0.14 122	0.11 118	0.15 123	0.12 110	0.14 120	0.11 123	0.14 123	0.11 119

MIPNet	0.14 108	0.21 107	0.17 149	0.16 117	0.11 128	0.15 126	0.12 139	0.14 120	0.11 125	0.16 130	0.11 125	0.14 120	0.11 124	0.14 122	0.11 118	0.14 114	0.12 110	0.14 120	0.11 123	0.14 123	0.11 119

IPLGR	0.14 108	0.24 119	0.14 126	0.16 117	0.12 144	0.15 126	0.12 139	0.14 120	0.11 125	0.15 125	0.12 136	0.14 120	0.11 124	0.14 122	0.11 118	0.15 123	0.12 110	0.14 120	0.11 123	0.14 123	0.11 119

ACRE	0.13 99	0.21 107	0.14 126	0.15 107	0.11 128	0.14 119	0.11 123	0.14 120	0.11 125	0.14 119	0.12 136	0.14 120	0.11 124	0.14 122	0.11 118	0.15 123	0.12 110	0.14 120	0.11 123	0.14 123	0.11 119

GMStereo	0.14 108	0.13 81	0.14 126	0.14 97	0.14 149	0.14 119	0.14 144	0.14 120	0.14 149	0.14 119	0.14 153	0.14 120	0.14 150	0.14 122	0.14 143	0.14 114	0.14 137	0.14 120	0.14 152	0.14 123	0.14 147
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
ELAS	0.13 99	0.16 87	0.11 90	0.15 107	0.09 106	0.18 146	0.11 123	0.18 144	0.11 125	0.17 139	0.11 125	0.18 145	0.11 124	0.18 144	0.11 118	0.14 114	0.08 59	0.14 120	0.08 102	0.14 123	0.09 102
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
castereo++	0.54 275	3.59 464	1.15 375	1.31 406	0.14 149	0.16 134	0.14 144	0.16 133	0.14 149	0.16 130	0.14 153	0.16 131	0.13 146	0.16 132	0.14 143	1.45 436	1.16 380	0.15 133	0.14 152	0.15 133	0.13 142

ProNet	0.14 108	0.20 101	0.14 126	0.16 117	0.11 128	0.16 134	0.11 123	0.17 141	0.11 125	0.17 139	0.12 136	0.17 141	0.13 146	0.17 141	0.12 133	0.15 123	0.11 95	0.16 136	0.11 123	0.15 133	0.12 136

IPLGR_C	0.14 108	0.20 101	0.12 101	0.15 107	0.11 128	0.14 119	0.15 149	0.14 120	0.11 125	0.15 125	0.12 136	0.14 120	0.11 124	0.16 132	0.11 118	0.15 123	0.12 110	0.14 120	0.12 140	0.15 133	0.12 136

ELAS_RVC	0.14 108	0.16 87	0.10 70	0.15 107	0.10 112	0.18 146	0.11 123	0.19 146	0.11 125	0.19 145	0.12 136	0.18 145	0.11 124	0.19 147	0.12 133	0.14 114	0.08 59	0.14 120	0.09 104	0.15 133	0.09 102
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
S2M2_XL	0.14 108	0.17 93	0.12 101	0.17 125	0.11 128	0.17 142	0.11 123	0.17 141	0.11 125	0.17 139	0.11 125	0.17 141	0.11 124	0.17 141	0.11 118	0.16 131	0.11 95	0.16 136	0.11 123	0.16 137	0.11 119

xyz-stereo-finetune2	0.18 133	0.48 185	0.16 142	0.16 117	0.15 160	0.15 126	0.16 152	0.16 133	0.16 161	0.16 130	0.16 162	0.16 131	0.16 160	0.16 132	0.16 159	0.16 131	0.16 142	0.16 136	0.16 157	0.16 137	0.16 148

xyz-stereo	0.18 133	0.50 191	0.16 142	0.15 107	0.16 167	0.16 134	0.16 152	0.16 133	0.16 161	0.16 130	0.16 162	0.16 131	0.16 160	0.16 132	0.16 159	0.16 131	0.16 142	0.16 136	0.16 157	0.16 137	0.16 148

GMStereo_Zeroshot	0.16 127	0.16 87	0.16 142	0.16 117	0.16 167	0.16 134	0.16 152	0.16 133	0.16 161	0.16 130	0.16 162	0.16 131	0.16 160	0.16 132	0.16 159	0.16 131	0.16 142	0.16 136	0.16 157	0.16 137	0.16 148

ICVP	0.15 119	0.53 203	0.11 90	0.16 117	0.11 128	0.16 134	0.11 123	0.16 133	0.11 125	0.16 130	0.11 125	0.16 131	0.11 124	0.16 132	0.11 118	0.16 131	0.11 95	0.16 136	0.11 123	0.16 137	0.11 119
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
HSM	0.14 108	0.16 87	0.12 101	0.17 125	0.12 144	0.17 142	0.11 123	0.17 141	0.11 125	0.17 139	0.12 136	0.17 141	0.12 141	0.17 141	0.12 133	0.16 131	0.11 95	0.16 136	0.11 123	0.16 137	0.12 136

DDVS	0.30 169	3.10 454	0.14 126	0.19 130	0.14 149	0.19 149	0.14 144	0.20 151	0.14 149	0.19 145	0.13 148	0.16 131	0.13 146	0.19 147	0.13 139	0.17 139	0.13 134	0.17 144	0.13 148	0.17 143	0.13 142

ACVNet	0.20 137	0.19 97	0.14 126	0.20 132	0.14 149	0.20 154	0.96 382	0.21 158	0.14 149	0.20 150	0.13 148	0.21 159	0.14 150	0.20 151	0.14 143	0.17 139	0.12 110	0.17 144	0.12 140	0.17 143	0.12 136

acv_ft	0.20 137	0.19 97	0.14 126	0.20 132	0.14 149	0.20 154	0.96 382	0.21 158	0.14 149	0.20 150	0.13 148	0.21 159	0.14 150	0.20 151	0.14 143	0.17 139	0.12 110	0.17 144	0.12 140	0.17 143	0.12 136

SGM_RVC	0.15 119	0.17 93	0.11 90	0.18 127	0.11 128	0.19 149	0.11 123	0.19 146	0.12 144	0.19 145	0.12 136	0.20 151	0.12 141	0.19 147	0.12 133	0.16 131	0.11 95	0.17 144	0.10 111	0.17 143	0.10 107
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DEFOM-Stereo_RVC	0.83 334	5.18 494	1.98 496	2.19 441	0.17 170	0.19 149	0.18 163	0.19 146	0.16 161	0.20 150	0.19 178	0.22 165	0.22 186	0.20 151	0.15 153	2.28 477	2.13 496	0.24 179	0.17 175	0.18 147	0.16 148

castereo	0.61 286	3.79 472	1.35 439	1.52 415	0.15 160	0.17 142	0.16 152	0.20 151	0.21 179	0.18 143	0.16 162	0.21 159	0.12 141	0.26 189	0.17 162	1.43 435	1.38 450	0.17 144	0.16 157	0.18 147	0.16 148

ITSA-stereo	0.15 119	0.17 93	0.13 121	0.20 132	0.13 147	0.19 149	0.13 142	0.18 144	0.13 147	0.19 145	0.13 148	0.18 145	0.14 150	0.18 144	0.14 143	0.16 131	0.11 95	0.15 133	0.14 152	0.18 147	0.11 119

HCRNet	1.22 426	7.11 514	3.00 511	3.55 494	0.33 250	0.29 191	0.14 144	0.19 146	0.15 159	0.33 201	0.29 224	0.25 178	0.14 150	0.22 166	0.33 240	3.64 507	3.00 504	0.76 347	0.32 250	0.18 147	0.13 142

DeepPruner_ROB	0.16 127	0.18 96	0.13 121	0.19 130	0.13 147	0.19 149	0.13 142	0.19 146	0.13 147	0.19 145	0.13 148	0.19 149	0.13 146	0.19 147	0.13 139	0.18 147	0.13 134	0.18 154	0.13 148	0.18 147	0.13 142

LALA_ROB	0.15 119	0.19 97	0.12 101	0.18 127	0.11 128	0.20 154	0.12 139	0.21 158	0.12 144	0.20 150	0.12 136	0.20 151	0.12 141	0.21 162	0.13 139	0.17 139	0.10 73	0.18 154	0.11 123	0.18 147	0.11 119

CAS++	0.17 130	0.27 123	0.21 164	0.10 57	0.21 190	0.15 126	0.22 181	0.10 104	0.21 179	0.22 162	0.10 111	0.19 149	0.18 171	0.10 105	0.19 174	0.20 150	0.19 164	0.18 154	0.10 111	0.19 153	0.18 164
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
IGEV_Zeroshot_test	0.20 137	0.19 97	0.40 244	0.30 166	0.17 170	0.22 164	0.17 157	0.21 158	0.17 166	0.20 150	0.17 167	0.21 159	0.18 171	0.21 162	0.17 162	0.20 150	0.16 142	0.20 158	0.16 157	0.20 154	0.17 160

DAS	0.20 137	0.20 101	0.20 160	0.20 132	0.20 183	0.20 154	0.20 170	0.20 151	0.20 176	0.20 150	0.20 182	0.20 151	0.20 180	0.20 151	0.20 177	0.20 150	0.20 166	0.20 158	0.20 180	0.20 154	0.20 167

GEStereo_RVC	0.86 340	4.45 484	0.20 160	0.27 163	0.20 183	0.27 188	0.20 170	0.26 179	0.18 168	5.03 538	0.20 182	0.27 188	0.19 176	0.27 192	0.21 180	0.20 150	0.19 164	0.19 157	4.02 542	0.20 154	0.18 164

ASD4	0.20 137	0.20 101	0.20 160	0.20 132	0.20 183	0.20 154	0.20 170	0.20 151	0.20 176	0.20 150	0.20 182	0.20 151	0.20 180	0.20 151	0.20 177	0.20 150	0.20 166	0.20 158	0.20 180	0.20 154	0.20 167

MSKI-zero shot	0.24 153	0.21 107	0.49 285	0.65 282	0.18 177	0.22 164	0.17 157	0.23 166	0.18 168	0.21 160	0.17 167	0.23 169	0.28 221	0.23 170	0.18 171	0.21 155	0.16 142	0.21 161	0.16 157	0.21 158	0.16 148

iResNet	0.20 137	0.23 112	0.18 154	0.24 149	0.18 177	0.24 171	0.20 170	0.24 169	0.18 168	0.23 166	0.17 167	0.23 169	0.18 171	0.23 170	0.18 171	0.22 158	0.16 142	0.21 161	0.16 157	0.21 158	0.16 148

ACV-stereo	0.30 169	2.08 394	0.25 178	0.25 154	0.18 177	0.24 171	0.17 157	0.24 169	0.18 168	0.24 171	0.17 167	0.25 178	0.17 164	0.24 174	0.17 162	0.22 158	0.16 142	0.22 166	0.16 157	0.22 160	0.16 148

Pointernet	0.21 144	0.22 111	0.19 157	0.24 149	0.19 181	0.24 171	0.19 167	0.24 169	0.19 174	0.24 171	0.19 178	0.24 173	0.19 176	0.24 174	0.19 174	0.22 158	0.17 157	0.22 166	0.17 175	0.22 160	0.17 160

WAO-6	0.22 147	0.23 112	0.22 166	0.23 144	0.22 192	0.22 164	0.22 181	0.22 162	0.22 182	0.22 162	0.22 188	0.22 165	0.22 186	0.22 166	0.22 182	0.22 158	0.22 174	0.22 166	0.22 185	0.22 160	0.22 173

IMH-64-1	0.22 147	0.23 112	0.23 169	0.22 142	0.22 192	0.22 164	0.22 181	0.22 162	0.22 182	0.22 162	0.22 188	0.22 165	0.22 186	0.22 166	0.22 182	0.22 158	0.22 174	0.23 172	0.22 185	0.22 160	0.23 175

IMH-64	0.22 147	0.23 112	0.23 169	0.22 142	0.22 192	0.22 164	0.22 181	0.22 162	0.22 182	0.22 162	0.22 188	0.22 165	0.22 186	0.22 166	0.22 182	0.22 158	0.22 174	0.23 172	0.22 185	0.22 160	0.23 175

MIM_Stereo	0.25 154	0.23 112	0.66 317	0.80 299	0.17 170	0.22 164	0.17 157	0.23 166	0.18 168	0.26 182	0.17 167	0.21 159	0.17 164	0.25 179	0.17 162	0.23 169	0.16 142	0.21 161	0.17 175	0.22 160	0.17 160

dd	0.23 151	0.98 259	0.16 142	0.23 144	0.15 160	0.23 170	0.15 149	0.23 166	0.15 159	0.23 166	0.15 161	0.24 173	0.17 164	0.23 170	0.15 153	0.22 158	0.15 140	0.21 161	0.15 156	0.22 160	0.16 148

dad	0.23 151	1.03 274	0.16 142	0.23 144	0.15 160	0.24 171	0.15 149	0.24 169	0.16 161	0.23 166	0.16 162	0.24 173	0.16 160	0.23 170	0.15 153	0.22 158	0.16 142	0.22 166	0.16 157	0.22 160	0.16 148

iResNetv2_ROB	0.20 137	0.23 112	0.18 154	0.24 149	0.20 183	0.24 171	0.18 163	0.24 169	0.18 168	0.24 171	0.18 177	0.23 169	0.19 176	0.24 174	0.18 171	0.21 155	0.16 142	0.21 161	0.16 157	0.22 160	0.16 148

tg	0.21 144	0.25 121	0.21 164	0.26 161	0.17 170	0.24 171	0.17 157	0.24 169	0.17 166	0.24 171	0.17 167	0.24 173	0.17 164	0.24 174	0.17 162	0.24 174	0.17 157	0.23 172	0.16 157	0.23 169	0.16 148

AANet_RVC	1.26 428	0.31 130	4.99 537	5.93 528	0.20 183	0.25 178	0.20 170	0.25 175	0.20 176	0.23 166	0.19 178	0.25 178	0.20 180	0.25 179	0.20 177	5.66 536	4.76 529	0.26 183	0.30 239	0.24 170	0.27 200

model_zeroshot	0.27 163	0.20 101	0.27 185	0.33 175	0.21 190	0.37 219	0.22 181	0.37 211	0.24 190	0.26 182	0.27 214	0.33 204	0.21 185	0.25 179	0.27 204	0.32 198	0.20 166	0.34 216	0.23 190	0.25 171	0.26 192

UNDER WATER-64	0.25 154	0.26 122	0.25 178	0.26 161	0.25 204	0.25 178	0.25 196	0.25 175	0.25 195	0.25 175	0.25 204	0.25 178	0.25 198	0.26 189	0.25 198	0.25 180	0.25 181	0.25 180	0.25 203	0.25 171	0.25 186

LoS_RVC	0.30 169	1.14 288	0.25 178	0.25 154	0.25 204	0.26 185	0.25 196	0.25 175	0.25 195	0.25 175	0.25 204	0.26 187	0.26 207	0.26 189	0.25 198	0.26 181	0.26 184	0.25 180	0.25 203	0.26 173	0.26 192

CAS	0.30 169	1.17 292	0.25 178	0.25 154	0.25 204	0.26 185	0.25 196	0.25 175	0.26 208	0.25 175	0.25 204	0.25 178	0.25 198	0.25 179	0.25 198	0.26 181	0.26 184	0.26 183	0.25 203	0.26 173	0.25 186

LoS	0.25 154	0.27 123	0.25 178	0.25 154	0.25 204	0.25 178	0.25 196	0.26 179	0.25 195	0.25 175	0.25 204	0.25 178	0.25 198	0.25 179	0.25 198	0.26 181	0.25 181	0.25 180	0.26 209	0.26 173	0.25 186
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
tt1	0.31 174	0.93 253	0.24 175	0.33 175	0.23 197	0.31 195	0.24 193	0.32 191	0.24 190	0.32 196	0.23 192	0.32 201	0.25 198	0.32 202	0.24 192	0.27 184	0.26 184	0.27 187	0.26 209	0.27 176	0.27 200

RAFT + AFF	0.31 174	0.45 171	0.34 218	0.39 193	0.28 217	0.38 223	0.33 238	0.29 186	0.31 235	0.30 189	0.30 235	0.29 194	0.27 215	0.29 197	0.30 227	0.28 186	0.29 203	0.29 194	0.29 229	0.27 176	0.32 237

DCVSM-stereo	0.36 198	1.89 381	0.22 166	0.40 206	0.22 192	0.40 231	0.22 181	0.40 225	0.22 182	0.40 226	0.22 188	0.40 235	0.22 186	0.40 235	0.22 182	0.28 186	0.21 170	0.28 189	0.21 182	0.28 178	0.20 167

TorneroNet-64	0.45 245	0.27 123	0.30 195	0.58 270	0.27 214	0.70 335	0.30 224	0.28 182	0.73 359	0.73 338	0.28 220	0.71 337	0.66 341	0.75 341	0.27 204	0.27 184	0.29 203	0.37 237	0.75 367	0.28 178	0.30 228

SQANet	0.28 164	0.28 126	0.28 189	0.28 164	0.28 217	0.28 189	0.28 212	0.28 182	0.28 216	0.28 185	0.28 220	0.28 189	0.28 221	0.28 194	0.28 210	0.28 186	0.28 194	0.28 189	0.28 220	0.28 178	0.28 213

xxxxx1	0.31 174	0.91 246	0.23 169	0.31 169	0.23 197	0.31 195	0.23 188	0.33 194	0.25 195	0.31 191	0.24 198	0.33 204	0.25 198	0.32 202	0.24 192	0.28 186	0.28 194	0.28 189	0.28 220	0.29 181	0.27 200

tt_ll	0.31 174	0.91 246	0.23 169	0.31 169	0.23 197	0.31 195	0.23 188	0.33 194	0.25 195	0.31 191	0.24 198	0.33 204	0.25 198	0.32 202	0.24 192	0.28 186	0.28 194	0.28 189	0.28 220	0.29 181	0.27 200

ff	0.31 174	0.91 246	0.23 169	0.31 169	0.23 197	0.31 195	0.23 188	0.33 194	0.25 195	0.31 191	0.24 198	0.33 204	0.25 198	0.32 202	0.24 192	0.28 186	0.28 194	0.28 189	0.28 220	0.29 181	0.27 200

DEFOM-Stereo	0.68 298	3.11 455	1.40 454	1.63 422	0.25 204	0.31 195	0.25 196	0.31 190	0.28 216	0.31 191	0.29 224	0.29 194	0.27 215	0.31 201	0.28 210	1.59 442	1.47 455	0.30 196	0.29 229	0.30 184	0.28 213

WCG-NET（raft）	0.32 182	1.24 347	0.24 175	0.32 172	0.24 202	0.32 203	0.23 188	0.32 191	0.24 190	0.32 196	0.24 198	0.32 201	0.24 195	0.32 202	0.24 192	0.30 194	0.23 178	0.30 196	0.23 190	0.30 184	0.23 175

DANet	0.30 169	0.30 129	0.30 195	0.30 166	0.30 233	0.30 192	0.30 224	0.30 188	0.30 231	0.30 189	0.30 235	0.30 197	0.30 233	0.30 199	0.30 227	0.30 194	0.30 211	0.30 196	0.30 239	0.30 184	0.30 228
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
xyz-stereo-finetune	0.28 164	0.49 187	0.16 142	0.16 117	0.16 167	0.16 134	0.16 152	0.22 162	0.30 231	0.32 196	0.31 238	0.32 201	0.31 238	0.32 202	0.32 232	0.32 198	0.33 224	0.31 200	0.32 250	0.31 187	0.32 237

testlalala	0.32 182	0.81 229	0.31 201	0.39 193	0.26 212	0.33 205	0.24 193	0.33 194	0.26 208	0.32 196	0.26 210	0.33 204	0.23 192	0.33 208	0.23 188	0.35 213	0.31 215	0.30 196	0.24 198	0.31 187	0.21 170

PAM	0.39 217	1.88 380	0.34 218	0.37 185	0.41 293	0.45 272	0.22 181	0.28 182	0.23 188	0.28 185	0.24 198	0.29 194	0.23 192	0.29 197	0.23 188	0.38 228	0.32 217	0.38 244	0.37 276	0.32 189	0.22 173

GCAP-BAT	0.33 185	0.78 223	0.32 205	0.38 188	0.25 204	0.34 207	0.25 196	0.34 198	0.26 208	0.34 203	0.25 204	0.35 210	0.26 207	0.35 212	0.27 204	0.36 217	0.30 211	0.32 201	0.24 198	0.32 189	0.26 192

1test111	0.37 203	1.02 272	0.30 195	0.39 193	0.29 224	0.40 231	0.28 212	0.39 220	0.29 221	0.39 221	0.29 224	0.39 228	0.28 221	0.40 235	0.29 220	0.33 201	0.32 217	0.33 209	0.31 245	0.32 189	0.31 233

cc1	0.37 203	1.02 272	0.30 195	0.39 193	0.29 224	0.40 231	0.28 212	0.39 220	0.29 221	0.39 221	0.29 224	0.39 228	0.28 221	0.40 235	0.29 220	0.33 201	0.32 217	0.33 209	0.31 245	0.32 189	0.31 233

IGEV-Stereo	0.35 194	0.44 168	0.45 262	0.49 245	0.30 233	0.37 219	0.30 224	0.36 205	0.30 231	0.36 210	0.29 224	0.36 216	0.29 227	0.36 218	0.30 227	0.46 270	0.39 246	0.32 201	0.24 198	0.32 189	0.25 186
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iResNet_ROB	0.28 164	0.32 131	0.24 175	0.32 172	0.25 204	0.32 203	0.24 193	0.32 191	0.24 190	0.33 201	0.24 198	0.35 210	0.24 195	0.33 208	0.24 192	0.31 197	0.24 180	0.32 201	0.24 198	0.32 189	0.24 185

ACVNet-DCA	0.37 203	1.00 262	0.30 195	0.40 206	0.29 224	0.40 231	0.29 219	0.40 225	0.29 221	0.40 226	0.29 224	0.40 235	0.29 227	0.39 232	0.28 210	0.33 201	0.32 217	0.33 209	0.32 250	0.33 195	0.32 237

DLNR_Zeroshot_test	0.31 174	0.28 126	0.47 273	0.79 297	0.24 202	0.30 192	0.26 204	0.30 188	0.24 190	0.32 196	0.23 192	0.31 199	0.24 195	0.30 199	0.23 188	0.29 193	0.26 184	0.29 194	0.24 198	0.33 195	0.23 175

CRFU-Net	0.65 291	1.67 366	1.22 431	1.96 435	0.27 214	0.41 247	0.27 207	0.41 240	0.27 213	0.40 226	0.26 210	0.41 247	0.27 215	0.40 235	0.27 204	1.80 449	1.62 470	0.34 216	0.23 190	0.33 195	0.23 175

FENet	0.54 275	1.52 361	1.19 381	1.41 413	0.23 197	0.35 211	0.23 188	0.35 201	0.23 188	0.34 203	0.23 192	0.35 210	0.23 192	0.35 212	0.23 188	1.40 434	1.07 364	0.32 201	0.23 190	0.33 195	0.23 175

H2IRNET	0.34 187	0.34 133	0.34 218	0.34 177	0.34 260	0.34 207	0.34 249	0.34 198	0.34 253	0.34 203	0.34 254	0.34 209	0.34 252	0.34 210	0.34 253	0.34 204	0.34 227	0.34 216	0.34 262	0.34 199	0.34 250

xx1	0.38 209	1.03 274	0.31 201	0.40 206	0.31 237	0.41 247	0.28 212	0.40 225	0.29 221	0.40 226	0.29 224	0.40 235	0.29 227	0.40 235	0.29 220	0.34 204	0.33 224	0.34 216	0.32 250	0.34 199	0.32 237

CASnet	0.35 194	0.51 198	0.44 260	0.32 172	0.31 237	0.24 171	0.34 249	0.36 205	0.25 195	0.31 191	0.37 273	0.30 197	0.33 247	0.25 179	0.45 299	0.37 221	0.37 233	0.33 209	0.35 268	0.34 199	0.37 261
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
BUS	0.83 334	1.91 384	0.92 357	4.48 503	0.02 21	0.40 231	0.04 78	0.41 240	0.02 21	0.48 279	0.03 52	0.41 247	0.05 89	0.03 39	0.05 84	1.97 458	4.19 526	0.33 209	0.23 190	0.34 199	0.27 200

NINENet	0.69 301	3.87 476	1.20 384	1.98 436	0.05 93	0.40 231	0.04 78	0.40 225	0.05 93	0.41 239	0.04 86	0.41 247	0.05 89	0.40 235	0.05 84	1.79 448	1.56 463	0.34 216	0.22 185	0.34 199	0.23 175

BSDual-CNN	0.81 326	1.91 384	0.92 357	4.48 503	0.02 21	0.42 265	0.06 100	0.41 240	0.02 21	0.48 279	0.03 52	0.02 20	0.02 21	0.03 39	0.02 20	1.97 458	4.19 526	0.33 209	0.23 190	0.34 199	0.27 200

hknet	1.10 373	1.85 375	3.49 526	4.48 503	0.02 21	0.42 265	0.06 100	0.41 240	0.02 21	0.48 279	0.03 52	0.41 247	0.03 52	0.42 262	0.03 48	4.39 512	4.19 526	0.33 209	0.23 190	0.34 199	0.27 200

iRaft-Stereo_5w	0.34 187	0.42 164	0.31 201	0.39 193	0.30 233	0.38 223	0.30 224	0.40 225	0.29 221	0.40 226	0.37 273	0.41 247	0.34 252	0.38 224	0.30 227	0.34 204	0.27 189	0.34 216	0.26 209	0.34 199	0.26 192

iRaft-Stereo_20w	0.34 187	0.41 157	0.31 201	0.39 193	0.29 224	0.40 231	0.32 229	0.41 240	0.32 238	0.38 216	0.30 235	0.39 228	0.30 233	0.38 224	0.32 232	0.35 213	0.27 189	0.34 216	0.27 216	0.34 199	0.29 218

HGLStereo	0.28 164	0.29 128	0.22 166	0.36 182	0.22 192	0.36 214	0.21 176	0.36 205	0.21 179	0.42 251	0.21 187	0.36 216	0.22 186	0.36 218	0.21 180	0.34 204	0.21 170	0.34 216	0.21 182	0.34 199	0.21 170

MLCV	0.31 174	0.35 134	0.27 185	0.35 178	0.28 217	0.35 211	0.27 207	0.35 201	0.28 216	0.36 210	0.27 214	0.35 210	0.27 215	0.35 212	0.27 204	0.34 204	0.27 189	0.34 216	0.27 216	0.34 199	0.27 200

DN-CSS_ROB	0.31 174	0.35 134	0.28 189	0.35 178	0.28 217	0.34 207	0.27 207	0.34 198	0.25 195	0.35 207	0.27 214	0.36 216	0.26 207	0.34 210	0.28 210	0.35 213	0.28 194	0.34 216	0.28 220	0.34 199	0.27 200

LG-Stereo_L2	0.34 187	0.37 139	0.38 234	0.47 235	0.28 217	0.39 229	0.28 212	0.39 220	0.28 216	0.39 221	0.28 220	0.39 228	0.28 221	0.38 224	0.28 210	0.42 263	0.35 228	0.36 234	0.26 209	0.35 211	0.26 192

MyStereo07	0.60 283	3.72 470	0.48 280	0.49 245	0.41 293	0.36 214	0.32 229	0.49 280	0.43 297	0.51 302	0.42 300	0.49 290	0.43 295	0.51 305	0.64 337	0.49 282	0.45 271	0.34 216	0.32 250	0.35 211	0.43 291

MyStereo04	0.56 281	3.72 470	0.59 305	0.49 245	0.41 293	0.36 214	0.32 229	0.37 211	0.31 235	0.34 203	0.46 309	0.35 210	0.32 240	0.35 212	0.33 240	0.49 282	0.45 271	0.34 216	0.32 250	0.35 211	0.43 291

HH	0.71 304	2.54 427	0.74 331	1.10 337	0.32 239	0.41 247	0.37 266	0.69 326	0.78 367	0.73 338	0.90 379	0.75 344	1.00 376	0.84 348	0.69 350	0.69 319	0.40 249	0.35 229	0.26 209	0.35 211	0.26 192

HanStereo	0.71 304	2.54 427	0.74 331	1.10 337	0.32 239	0.41 247	0.37 266	0.69 326	0.78 367	0.73 338	0.90 379	0.75 344	1.00 376	0.84 348	0.69 350	0.69 319	0.40 249	0.35 229	0.26 209	0.35 211	0.26 192

FCDSN-DC	0.41 228	0.59 211	0.64 313	0.54 263	0.33 250	0.50 301	0.37 266	0.42 256	0.40 281	0.61 322	0.43 302	0.50 304	0.49 316	0.38 224	0.32 232	0.28 186	0.23 178	0.26 183	0.22 185	0.35 211	0.28 213
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
ETE_ROB	0.35 194	0.35 134	0.35 226	0.35 178	0.35 263	0.35 211	0.35 254	0.35 201	0.35 256	0.35 207	0.35 263	0.35 210	0.35 259	0.35 212	0.35 257	0.35 213	0.35 228	0.35 229	0.35 268	0.35 211	0.35 256

Any-RAFT	0.32 182	0.36 137	0.27 185	0.36 182	0.27 214	0.36 214	0.27 207	0.36 205	0.27 213	0.36 210	0.27 214	0.36 216	0.27 215	0.36 218	0.28 210	0.36 217	0.28 194	0.36 234	0.28 220	0.36 218	0.28 213

DMCA	0.36 198	0.38 142	0.37 231	0.35 178	0.35 263	0.36 214	0.36 261	0.36 205	0.35 256	0.35 207	0.37 273	0.36 216	0.36 262	0.35 212	0.36 261	0.36 217	0.36 231	0.35 229	0.36 274	0.36 218	0.36 257

GIP-stereo	0.36 198	0.49 187	0.39 241	0.48 239	0.32 239	0.41 247	0.28 212	0.40 225	0.30 231	0.41 239	0.28 220	0.40 235	0.28 221	0.42 262	0.28 210	0.45 267	0.32 217	0.38 244	0.30 239	0.37 220	0.27 200

fffy	0.38 209	0.43 165	0.33 210	0.46 229	0.33 250	0.45 272	0.32 229	0.45 262	0.32 238	0.45 262	0.32 240	0.45 269	0.33 247	0.45 269	0.32 232	0.38 228	0.38 239	0.38 244	0.37 276	0.37 220	0.36 257

IGEV++	0.34 187	0.43 165	0.30 195	0.40 206	0.29 224	0.40 231	0.29 219	0.40 225	0.29 221	0.40 226	0.29 224	0.40 235	0.29 227	0.40 235	0.30 227	0.38 228	0.29 203	0.37 237	0.29 229	0.37 220	0.29 218

Venus	0.38 209	0.38 142	0.38 234	0.38 188	0.38 279	0.37 219	0.38 272	0.37 211	0.37 268	0.41 239	0.37 273	0.39 228	0.37 266	0.38 224	0.38 272	0.37 221	0.38 239	0.38 244	0.37 276	0.37 220	0.38 268

EKT-Stereo	0.37 203	0.40 150	0.44 260	1.07 335	0.29 224	0.34 207	0.31 228	0.36 205	0.29 221	0.38 216	0.31 238	0.37 222	0.30 233	0.36 218	0.29 220	0.34 204	0.28 194	0.39 254	0.30 239	0.37 220	0.30 228

CES	0.39 217	0.47 179	0.36 228	0.36 182	0.37 272	0.45 272	0.35 254	0.35 201	0.40 281	0.36 210	0.44 304	0.47 279	0.36 262	0.44 266	0.36 261	0.37 221	0.39 246	0.44 286	0.35 268	0.37 220	0.36 257

IER	0.88 341	7.04 513	2.23 503	2.75 460	0.28 217	0.43 269	0.25 196	0.39 220	0.25 195	0.41 239	0.27 214	0.39 228	0.25 198	0.40 235	0.28 210	0.37 221	0.28 194	0.37 237	0.25 203	0.37 220	0.25 186

StereoDRNet-Refined	0.33 185	0.39 148	0.26 184	0.39 193	0.26 212	0.40 231	0.26 204	0.40 225	0.26 208	0.39 221	0.26 210	0.39 228	0.26 207	0.39 232	0.26 203	0.37 221	0.25 181	0.37 237	0.25 203	0.37 220	0.37 261
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
XPNet_ROB	0.37 203	0.37 139	0.37 231	0.37 185	0.37 272	0.37 219	0.37 266	0.37 211	0.37 268	0.37 215	0.37 273	0.37 222	0.37 266	0.37 222	0.37 269	0.37 221	0.37 233	0.37 237	0.37 276	0.37 220	0.37 261

RAFT-Stereo-weight	0.45 245	1.90 383	0.34 218	0.42 224	0.36 269	0.43 269	0.35 254	0.42 256	0.34 253	0.42 251	0.34 254	0.44 267	0.34 252	0.41 249	0.34 253	0.38 228	0.32 217	0.38 244	0.32 250	0.38 229	0.33 244

WAO-8	0.38 209	0.38 142	0.38 234	0.38 188	0.38 279	0.38 223	0.38 272	0.38 216	0.38 272	0.38 216	0.38 278	0.38 224	0.38 270	0.38 224	0.38 272	0.38 228	0.38 239	0.38 244	0.37 276	0.38 229	0.38 268

WAO-7	0.38 209	0.38 142	0.38 234	0.38 188	0.38 279	0.38 223	0.38 272	0.38 216	0.38 272	0.38 216	0.38 278	0.38 224	0.38 270	0.38 224	0.38 272	0.38 228	0.38 239	0.38 244	0.38 288	0.38 229	0.38 268

HanzoNet	0.39 217	0.38 142	0.40 244	0.39 193	0.41 293	0.38 223	0.38 272	0.38 216	0.38 272	0.39 221	0.39 282	0.38 224	0.38 270	0.39 232	0.40 282	0.38 228	0.38 239	0.40 259	0.38 288	0.38 229	0.40 276

IMH	0.38 209	0.38 142	0.38 234	0.38 188	0.38 279	0.38 223	0.38 272	0.38 216	0.38 272	0.42 251	0.38 278	0.40 235	0.38 270	0.38 224	0.38 272	0.38 228	0.38 239	0.39 254	0.38 288	0.38 229	0.38 268

RAFT-Test	0.36 198	0.37 139	0.33 210	0.41 216	0.32 239	0.41 247	0.32 229	0.41 240	0.32 238	0.41 239	0.32 240	0.41 247	0.32 240	0.41 249	0.33 240	0.37 221	0.29 203	0.37 237	0.29 229	0.38 229	0.31 233

RCA-Stereo	0.51 271	3.22 459	0.34 218	0.44 227	0.34 260	0.44 271	0.34 249	0.43 260	0.34 253	0.43 257	0.34 254	0.44 267	0.33 247	0.43 264	0.33 240	0.38 228	0.29 203	0.38 244	0.29 229	0.38 229	0.29 218

water-stereo	0.41 228	0.84 232	0.46 266	0.50 252	0.33 250	0.45 272	0.33 238	0.45 262	0.32 238	0.45 262	0.32 240	0.45 269	0.32 240	0.45 269	0.32 232	0.44 265	0.41 258	0.39 254	0.31 245	0.39 236	0.32 237

mms	0.40 221	0.45 171	0.35 226	0.48 239	0.36 269	0.47 283	0.34 249	0.45 262	0.38 272	0.47 272	0.33 246	0.45 269	0.32 240	0.45 269	0.32 232	0.39 237	0.38 239	0.38 244	0.37 276	0.39 236	0.39 273

GMOStereo	0.37 203	0.45 171	0.23 169	0.30 166	0.37 272	0.41 247	0.36 261	0.41 240	0.35 256	0.43 257	0.36 267	0.41 247	0.40 276	0.41 249	0.36 261	0.34 204	0.22 174	0.47 297	0.37 276	0.39 236	0.33 244

error version	0.93 351	4.47 485	2.35 506	1.99 437	0.37 272	0.41 247	0.36 261	0.41 240	0.35 256	0.43 257	0.36 267	0.41 247	0.40 276	0.41 249	0.36 261	1.87 451	2.16 497	0.47 297	0.37 276	0.39 236	0.33 244

test_1	0.93 351	4.47 485	2.35 506	1.99 437	0.37 272	0.41 247	0.36 261	0.41 240	0.35 256	0.43 257	0.36 267	0.41 247	0.40 276	0.41 249	0.36 261	1.87 451	2.16 497	0.47 297	0.37 276	0.39 236	0.33 244

HART	0.38 209	0.45 171	0.34 218	0.42 224	0.33 250	0.41 247	0.34 249	0.42 256	0.33 244	0.43 257	0.34 254	0.42 263	0.34 252	0.41 249	0.38 272	0.40 241	0.32 217	0.42 283	0.32 250	0.40 241	0.32 237

RSM	0.36 198	0.36 137	0.43 258	0.37 185	0.42 303	0.49 293	0.42 293	0.37 211	0.28 216	0.36 210	0.29 224	0.36 216	0.30 233	0.37 222	0.28 210	0.34 204	0.31 215	0.34 216	0.35 268	0.40 241	0.29 218

knoymous	0.40 221	0.40 150	0.40 244	0.40 206	0.40 286	0.40 231	0.40 280	0.40 225	0.40 281	0.40 226	0.40 285	0.40 235	0.40 276	0.40 235	0.40 282	0.40 241	0.40 249	0.40 259	0.40 292	0.40 241	0.40 276

anonymousa	0.40 221	0.40 150	0.40 244	0.40 206	0.40 286	0.40 231	0.40 280	0.40 225	0.40 281	0.40 226	0.40 285	0.40 235	0.40 276	0.40 235	0.40 282	0.40 241	0.40 249	0.40 259	0.40 292	0.40 241	0.40 276

riskmin	0.40 221	0.40 150	0.40 244	0.40 206	0.40 286	0.40 231	0.40 280	0.40 225	0.40 281	0.40 226	0.40 285	0.40 235	0.40 276	0.40 235	0.40 282	0.40 241	0.40 249	0.40 259	0.40 292	0.40 241	0.40 276

Anonymous_2	0.40 221	0.40 150	0.40 244	0.40 206	0.40 286	0.40 231	0.40 280	0.40 225	0.40 281	0.40 226	0.40 285	0.40 235	0.40 276	0.40 235	0.40 282	0.40 241	0.40 249	0.40 259	0.40 292	0.40 241	0.40 276

Anonymous_1	0.40 221	0.40 150	0.40 244	0.40 206	0.40 286	0.40 231	0.40 280	0.40 225	0.40 281	0.40 226	0.40 285	0.40 235	0.40 276	0.40 235	0.40 282	0.40 241	0.40 249	0.40 259	0.40 292	0.40 241	0.40 276

DGSMNet	0.34 187	0.41 157	0.27 185	0.41 216	0.28 217	0.41 247	0.28 212	0.41 240	0.27 213	0.41 239	0.27 214	0.42 263	0.27 215	0.41 249	0.28 210	0.40 241	0.29 203	0.40 259	0.28 220	0.40 241	0.27 200

Gwc-CoAtRS	0.41 228	1.49 360	0.32 205	0.42 224	0.32 239	0.41 247	0.32 229	0.41 240	0.33 244	0.41 239	0.32 240	0.41 247	0.32 240	0.41 249	0.32 232	0.39 237	0.28 194	0.39 254	0.28 220	0.40 241	0.28 213

AdaStereo	0.40 221	0.40 150	0.40 244	0.40 206	0.40 286	0.40 231	0.40 280	0.40 225	0.40 281	0.40 226	0.40 285	0.40 235	0.40 276	0.40 235	0.40 282	0.40 241	0.40 249	0.40 259	0.40 292	0.40 241	0.40 276
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.
depthmonostereo	0.44 243	0.85 234	0.46 266	0.54 263	0.40 286	0.52 310	0.38 272	0.52 299	0.35 256	0.47 272	0.34 254	0.46 273	0.34 252	0.47 277	0.34 253	0.45 267	0.43 268	0.41 272	0.33 258	0.41 251	0.32 237

GREAT-IGEV	0.38 209	0.43 165	0.36 228	0.48 239	0.32 239	0.45 272	0.32 229	0.45 262	0.32 238	0.45 262	0.32 240	0.45 269	0.32 240	0.45 269	0.32 232	0.44 265	0.33 224	0.41 272	0.29 229	0.41 251	0.29 218

ccccc	0.41 228	0.44 168	0.34 218	0.48 239	0.35 263	0.48 288	0.35 254	0.51 297	0.35 256	0.47 272	0.35 263	0.47 279	0.34 252	0.47 277	0.35 257	0.41 249	0.40 249	0.40 259	0.40 292	0.41 251	0.39 273

Former-RAFT_DAM_RVC	0.49 264	0.98 259	0.64 313	0.84 304	0.46 310	0.45 272	0.35 254	0.47 272	0.47 307	0.45 262	0.34 254	0.46 273	0.48 311	0.46 273	0.35 257	0.39 237	0.71 329	0.39 254	0.35 268	0.41 251	0.41 283

GwcNet-ADL	0.41 228	0.41 157	0.41 252	0.41 216	0.41 293	0.41 247	0.41 288	0.41 240	0.41 290	0.41 239	0.41 291	0.41 247	0.41 287	0.41 249	0.41 289	0.41 249	0.41 258	0.41 272	0.41 299	0.41 251	0.41 283

PSMNet-ADL	0.41 228	0.41 157	0.41 252	0.41 216	0.41 293	0.41 247	0.41 288	0.41 240	0.41 290	0.41 239	0.41 291	0.41 247	0.41 287	0.41 249	0.41 289	0.41 249	0.41 258	0.41 272	0.41 299	0.41 251	0.41 283

GANet-ADL	0.41 228	0.41 157	0.41 252	0.41 216	0.41 293	0.41 247	0.41 288	0.41 240	0.41 290	0.41 239	0.41 291	0.41 247	0.41 287	0.41 249	0.41 289	0.41 249	0.41 258	0.41 272	0.41 299	0.41 251	0.41 283

ADLNet2	0.41 228	0.41 157	0.41 252	0.41 216	0.41 293	0.41 247	0.41 288	0.41 240	0.41 290	0.41 239	0.41 291	0.41 247	0.41 287	0.41 249	0.41 289	0.41 249	0.41 258	0.41 272	0.41 299	0.41 251	0.41 283

ADLNet	0.41 228	0.41 157	0.41 252	0.41 216	0.41 293	0.41 247	0.41 288	0.41 240	0.41 290	0.41 239	0.41 291	0.41 247	0.41 287	0.41 249	0.41 289	0.41 249	0.41 258	0.41 272	0.41 299	0.41 251	0.41 283

CFNet-RSSM	0.91 344	4.89 490	0.34 218	0.44 227	1.07 401	1.62 455	1.40 470	0.91 347	0.35 256	1.60 448	1.39 470	0.64 330	0.34 252	0.44 266	0.33 240	0.41 249	0.35 228	0.75 345	0.30 239	0.41 251	0.29 218

SCV_C0	0.45 245	0.88 239	0.49 285	0.54 263	0.37 272	0.48 288	0.37 266	0.48 276	0.37 268	0.48 279	0.36 267	0.48 286	0.37 266	0.49 292	0.37 269	0.50 288	0.41 258	0.44 286	0.34 262	0.44 261	0.34 250

SCV	0.46 248	0.94 254	0.45 262	0.54 263	0.37 272	0.48 288	0.38 272	0.48 276	0.37 268	0.48 279	0.39 282	0.48 286	0.37 266	0.49 292	0.37 269	0.50 288	0.46 273	0.44 286	0.34 262	0.44 261	0.34 250

GCST	0.50 266	2.08 394	0.38 234	0.53 261	0.35 263	0.49 293	0.35 254	0.50 288	0.35 256	0.49 286	0.35 263	0.49 290	0.35 259	0.49 292	0.35 257	0.48 279	0.37 233	0.45 290	0.33 258	0.44 261	0.33 244

LL-Strereo2	0.48 259	1.73 371	0.51 293	0.59 272	0.34 260	0.42 265	0.33 238	0.40 225	0.31 235	0.42 251	0.33 246	0.42 263	0.31 238	0.44 266	0.39 278	0.60 305	0.51 297	0.44 286	0.33 258	0.44 261	0.33 244

UGAM	0.51 271	2.23 407	0.39 241	0.54 263	0.35 263	0.50 301	0.35 254	0.49 280	0.35 256	0.49 286	0.35 263	0.49 290	0.36 262	0.50 299	0.36 261	0.49 282	0.37 233	0.45 290	0.34 262	0.45 265	0.34 250

UGAM-zero	0.51 271	2.17 402	0.39 241	0.53 261	0.36 269	0.50 301	0.36 261	0.50 288	0.36 267	0.49 286	0.36 267	0.50 304	0.35 259	0.50 299	0.36 261	0.49 282	0.37 233	0.47 297	0.35 268	0.46 266	0.34 250

otaku	0.46 248	0.46 175	0.46 266	0.46 229	0.46 310	0.46 278	0.46 302	0.46 266	0.46 302	0.46 266	0.46 309	0.46 273	0.46 302	0.46 273	0.46 303	0.46 270	0.46 273	0.46 293	0.46 311	0.46 266	0.46 297

Ntro	0.47 254	0.47 179	0.46 266	0.46 229	0.46 310	0.47 283	0.47 307	0.46 266	0.47 307	0.46 266	0.46 309	0.47 279	0.46 302	0.47 277	0.47 309	0.47 275	0.46 273	0.46 293	0.46 311	0.46 266	0.46 297

Dean	0.46 248	0.46 175	0.46 266	0.46 229	0.46 310	0.46 278	0.46 302	0.46 266	0.46 302	0.47 272	0.46 309	0.46 273	0.46 302	0.46 273	0.46 303	0.46 270	0.46 273	0.46 293	0.46 311	0.46 266	0.46 297

ACVNet_1	0.46 248	0.47 179	0.46 266	0.46 229	0.46 310	0.46 278	0.46 302	0.46 266	0.47 307	0.46 266	0.46 309	0.46 273	0.46 302	0.46 273	0.46 303	0.46 270	0.46 273	0.47 297	0.46 311	0.46 266	0.46 297

ACVNet-4b	0.46 248	0.46 175	0.46 266	0.46 229	0.46 310	0.46 278	0.46 302	0.46 266	0.46 302	0.46 266	0.46 309	0.46 273	0.46 302	0.47 277	0.46 303	0.46 270	0.46 273	0.46 293	0.46 311	0.46 266	0.46 297

Selective-IGEV	0.51 271	0.55 208	0.45 262	0.69 287	0.45 308	0.61 325	0.45 300	0.50 288	0.40 281	0.56 315	0.44 304	0.55 317	0.40 276	0.72 336	0.67 342	0.59 304	0.46 273	0.45 290	0.34 262	0.46 266	0.37 261

DilatedVolume-Stereo	0.43 239	0.86 235	0.48 280	0.50 252	0.33 250	0.46 278	0.33 238	0.46 266	0.33 244	0.46 266	0.33 246	0.47 279	0.33 247	0.47 277	0.34 253	0.45 267	0.42 266	0.40 259	0.33 258	0.47 273	0.38 268

HaxPig	0.47 254	0.47 179	0.47 273	0.49 245	0.47 316	0.47 283	0.47 307	0.47 272	0.47 307	0.47 272	0.47 317	0.47 279	0.47 310	0.47 277	0.47 309	0.47 275	0.47 281	0.47 297	0.47 318	0.47 273	0.48 306

UNDER WATER	0.47 254	0.47 179	0.47 273	0.47 235	0.47 316	0.47 283	0.47 307	0.47 272	0.47 307	0.47 272	0.47 317	0.47 279	0.46 302	0.47 277	0.47 309	0.47 275	0.47 281	0.47 297	0.46 311	0.47 273	0.47 304

LVE	0.47 254	0.47 179	0.47 273	0.47 235	0.49 322	0.47 283	0.47 307	0.47 272	0.49 316	0.47 272	0.47 317	0.47 279	0.46 302	0.47 277	0.47 309	0.47 275	0.47 281	0.48 305	0.47 318	0.47 273	0.47 304

gcap-zeroshot	0.35 194	0.32 131	0.37 231	0.49 245	0.39 284	0.33 205	0.21 176	0.26 179	0.35 256	0.42 251	0.34 254	0.49 290	0.29 227	0.47 277	0.39 278	0.34 204	0.17 157	0.38 244	0.23 190	0.48 277	0.34 250

RainbowNet	0.48 259	0.48 185	0.48 280	0.48 239	0.48 320	0.48 288	0.48 316	0.48 276	0.48 314	0.48 279	0.48 321	0.48 286	0.48 311	0.48 286	0.48 315	0.48 279	0.48 284	0.48 305	0.48 321	0.48 277	0.48 306

notaker	0.48 259	0.49 187	0.48 280	0.48 239	0.48 320	0.48 288	0.48 316	0.48 276	0.49 316	0.48 279	0.48 321	0.48 286	0.48 311	0.48 286	0.48 315	0.48 279	0.48 284	0.48 305	0.48 321	0.48 277	0.49 311

LG-Stereo_L1	0.47 254	0.52 200	0.47 273	0.62 276	0.39 284	0.53 312	0.40 280	0.53 301	0.39 280	0.53 307	0.39 282	0.53 311	0.39 275	0.53 310	0.39 278	0.55 300	0.46 273	0.49 309	0.37 276	0.49 280	0.37 261

TorneroNet	0.66 293	0.53 203	0.50 288	0.50 252	0.64 350	1.06 371	0.70 349	0.50 288	0.51 326	0.49 286	0.69 356	0.49 290	0.50 319	0.48 286	1.15 398	0.71 323	0.49 287	1.14 389	1.08 393	0.49 280	0.49 311

ACVNet_2	0.49 264	0.49 187	0.49 285	0.49 245	0.49 322	0.49 293	0.49 318	0.49 280	0.49 316	0.49 286	0.49 324	0.49 290	0.49 316	0.49 292	0.49 317	0.49 282	0.49 287	0.49 309	0.49 324	0.49 280	0.49 311

iRaftStereo_RVC	0.97 355	3.17 458	2.30 505	2.42 454	0.38 279	0.54 315	0.38 272	0.54 303	0.38 272	0.54 310	0.38 278	0.54 313	0.38 270	0.54 311	0.38 272	2.38 484	2.34 501	0.49 309	0.36 274	0.49 280	0.36 257

aanetorigin	0.13 99	0.11 78	0.11 90	0.11 74	0.11 128	0.11 114	0.11 123	0.11 116	0.11 125	0.11 115	0.12 136	0.11 115	0.11 124	0.11 116	0.11 118	0.11 86	0.11 95	0.14 120	0.11 123	0.49 280	0.11 119

FoundationStereo	0.50 266	0.50 191	0.50 288	0.50 252	0.50 326	0.50 301	0.50 320	0.50 288	0.50 319	0.50 298	0.50 326	0.50 304	0.50 319	0.50 299	0.50 318	0.50 288	0.50 293	0.50 313	0.50 326	0.50 285	0.50 314

StereoAnything_RVC	0.50 266	0.50 191	0.50 288	0.50 252	0.50 326	0.50 301	0.50 320	0.50 288	0.50 319	0.50 298	0.50 326	0.50 304	0.50 319	0.50 299	0.50 318	0.50 288	0.50 293	0.50 313	0.50 326	0.50 285	0.50 314

fffft	0.48 259	0.51 198	0.45 262	0.52 260	0.45 308	0.52 310	0.45 300	0.52 299	0.48 314	0.53 307	0.45 307	0.52 310	0.45 299	0.52 308	0.46 303	0.51 294	0.41 258	0.50 313	0.41 299	0.50 285	0.41 283
1: 1. 1
dual_stereo	0.50 266	0.50 191	0.50 288	0.50 252	0.50 326	0.50 301	0.50 320	0.50 288	0.50 319	0.50 298	0.50 326	0.50 304	0.50 319	0.50 299	0.50 318	0.50 288	0.50 293	0.50 313	0.50 326	0.50 285	0.50 314

KSHMR	0.66 293	0.50 191	0.48 280	1.15 345	0.52 332	0.49 293	0.51 324	0.49 280	0.71 355	0.67 332	0.50 326	1.16 390	1.11 386	0.66 330	0.52 325	0.49 282	0.49 287	0.51 318	0.66 347	0.50 285	1.14 398

SANet	0.50 266	0.50 191	0.50 288	0.50 252	0.50 326	0.50 301	0.50 320	0.50 288	0.50 319	0.50 298	0.50 326	0.50 304	0.50 319	0.50 299	0.50 318	0.50 288	0.50 293	0.50 313	0.50 326	0.50 285	0.50 314

LG-Stereo_Zeroshot	0.48 259	0.55 208	0.47 273	0.63 278	0.41 293	0.56 317	0.44 296	0.56 305	0.41 290	0.56 315	0.41 291	0.57 321	0.42 293	0.56 315	0.41 289	0.55 300	0.43 268	0.51 318	0.37 276	0.51 291	0.37 261

Occ-G	1.12 376	0.52 200	3.72 531	3.50 493	0.50 326	0.56 317	0.47 307	0.54 303	0.46 302	0.54 310	0.41 291	0.54 313	0.42 293	0.52 308	0.42 295	3.42 506	4.02 525	0.52 321	0.45 309	0.51 291	0.44 294

LG-Stereo	0.60 283	0.58 210	0.47 273	0.64 281	0.74 367	1.00 364	0.69 347	0.57 308	0.41 290	0.57 317	0.41 291	0.57 321	0.41 287	1.00 369	0.75 358	0.91 343	0.51 297	0.52 321	0.37 276	0.52 293	0.37 261

ktn	0.72 307	0.53 203	1.08 370	1.14 343	0.51 331	1.22 437	1.36 463	0.51 297	0.59 333	0.51 302	0.51 332	0.69 336	1.20 397	0.67 332	0.51 323	0.51 294	0.49 287	0.58 327	0.66 347	0.52 293	0.53 321

LL-Strereo	1.01 367	5.06 492	1.63 465	0.70 289	1.43 468	0.56 317	0.46 302	0.57 308	0.50 319	0.57 317	0.50 326	1.58 452	0.49 316	0.59 321	0.50 318	1.64 445	0.52 299	0.51 318	1.37 462	0.52 293	0.45 296

PML	0.46 248	1.36 357	0.29 191	0.58 270	0.30 233	0.57 322	0.29 219	0.57 308	0.29 221	0.57 317	0.29 224	0.57 321	0.29 227	0.56 315	0.29 220	0.52 296	0.30 211	0.53 323	0.31 245	0.53 296	0.30 228

PSMNet_ROB	0.54 275	0.54 206	0.54 300	0.54 263	0.53 335	0.54 315	0.54 328	0.53 301	0.54 329	0.54 310	0.54 336	0.54 313	0.53 326	0.54 311	0.54 328	0.54 298	0.53 301	0.54 324	0.54 331	0.54 297	0.54 322

MyStereo8	0.71 304	3.92 477	0.52 296	0.59 272	0.52 332	0.57 322	0.53 326	0.59 313	0.50 319	0.59 321	0.51 332	0.57 321	0.50 319	0.56 315	0.52 325	0.54 298	0.49 287	0.54 324	0.49 324	0.55 298	0.50 314

AIO-test1	0.54 275	0.60 213	0.52 296	0.66 285	0.47 316	0.61 325	0.47 307	0.58 311	0.46 302	0.61 322	0.46 309	0.61 327	0.45 299	0.62 323	0.45 299	0.61 308	0.52 299	0.57 326	0.48 321	0.57 299	0.48 306

AIO-test2	0.55 279	0.59 211	0.52 296	0.67 286	0.47 316	0.61 325	0.47 307	0.61 317	0.47 307	0.61 322	0.47 317	0.61 327	0.48 311	0.62 323	0.47 309	0.64 313	0.53 301	0.58 327	0.47 318	0.58 300	0.48 306

MonSter	0.60 283	0.64 216	0.52 296	0.62 276	0.44 306	2.07 470	0.44 296	0.62 318	0.44 300	0.62 325	0.44 304	0.62 329	0.44 297	0.62 323	0.44 298	0.58 303	0.42 266	0.62 330	0.46 311	0.58 300	0.42 290

WCG-NET	0.61 286	1.21 342	0.54 300	0.61 275	0.53 335	0.67 333	0.53 326	0.66 323	0.53 327	0.64 328	0.53 335	0.65 333	0.53 326	0.59 321	0.52 325	0.65 314	0.48 284	0.64 333	0.52 330	0.58 300	0.50 314

CASS	0.57 282	0.89 242	0.56 302	0.57 269	0.56 338	0.56 317	0.56 329	0.56 305	0.53 327	0.57 317	0.57 339	0.59 325	0.48 311	0.56 315	0.57 331	0.55 300	0.56 305	0.47 297	0.56 335	0.62 303	0.56 329
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
SMoEStereo_RVC	0.63 288	0.75 222	0.51 293	0.73 293	0.53 335	0.71 337	0.47 307	0.67 324	0.58 332	0.74 343	0.60 340	0.72 340	0.53 326	0.74 340	0.51 323	0.61 308	0.62 314	0.62 330	0.61 342	0.63 304	0.61 332

DispNO	1.00 359	0.63 214	0.43 258	3.45 489	0.44 306	0.65 331	0.43 295	0.64 320	0.43 297	0.64 328	0.43 302	0.64 330	3.03 509	0.64 328	0.43 297	4.55 515	0.43 268	0.63 332	0.43 307	0.63 304	0.43 291

test-3	0.98 357	4.13 480	1.85 485	1.85 426	0.61 346	0.69 334	0.37 266	0.63 319	0.61 337	0.66 331	0.51 332	0.73 342	0.44 297	0.57 319	0.54 328	1.68 446	1.81 481	0.40 259	0.43 307	0.66 306	0.50 314

DSFCA	0.66 293	0.73 221	0.78 341	0.65 282	0.65 352	0.64 330	0.64 336	0.65 321	0.63 340	0.64 328	0.64 347	0.64 330	0.64 336	0.65 329	0.65 338	0.65 314	0.65 318	0.65 336	0.65 345	0.66 306	0.64 337

999	1.00 359	1.12 287	0.59 305	1.10 337	1.21 458	1.09 377	0.52 325	1.08 364	1.43 471	1.18 390	1.35 464	0.98 369	0.52 325	0.91 357	0.85 373	0.72 324	1.46 454	0.83 358	0.98 385	0.68 308	1.41 470

anonymity	0.63 288	0.69 218	0.56 302	0.71 291	0.56 338	0.71 337	0.56 329	0.71 329	0.56 330	0.72 336	0.56 338	0.71 337	0.56 330	0.71 335	0.58 332	0.68 318	0.55 303	0.68 338	0.55 332	0.68 308	0.54 322

LMCR-Stereo	0.65 291	0.63 214	0.65 316	0.65 282	0.65 352	0.66 332	0.63 335	0.58 311	0.65 342	0.63 327	0.64 347	0.65 333	0.65 338	0.66 330	0.66 341	0.66 316	0.64 317	0.65 336	0.67 351	0.68 308	0.73 357

FC-DCNN	1.07 371	1.09 283	0.98 362	0.89 308	0.52 332	1.41 450	0.91 376	1.21 429	1.24 456	1.96 458	2.05 514	1.91 459	1.30 450	1.27 443	1.08 392	0.80 330	0.60 309	0.58 327	0.41 299	0.68 308	0.54 322

DMCA-RVC	0.70 302	0.80 226	0.70 323	0.70 289	0.70 361	0.70 335	0.70 349	0.71 329	0.70 352	0.70 335	0.71 360	0.71 337	0.70 347	0.70 334	0.69 350	0.69 319	0.70 325	0.69 339	0.70 356	0.69 312	0.70 345

4D-IteraStereo	0.78 318	3.13 456	0.89 350	0.69 287	0.32 239	0.40 231	0.32 229	0.76 332	0.97 388	0.52 305	0.65 349	0.89 358	0.32 240	0.76 342	0.98 384	0.83 336	0.94 356	0.35 229	0.27 216	0.70 313	0.89 373

MyStereo06	0.75 310	4.12 478	0.60 307	0.63 278	0.61 346	0.62 328	0.66 339	0.56 305	0.45 301	0.55 313	0.48 321	0.54 313	0.46 302	0.57 319	0.45 299	0.60 305	0.57 307	0.64 333	0.55 332	0.72 314	0.55 326

MyStereo05	0.80 321	4.12 478	0.63 311	0.63 278	0.61 346	0.62 328	0.66 339	0.65 321	0.62 338	0.67 332	0.61 343	0.65 333	0.58 331	0.67 332	0.55 330	0.60 305	0.57 307	0.64 333	0.55 332	0.72 314	0.55 326

PA-Net	11.80 553	223.51 578	0.62 310	0.59 272	0.71 362	0.59 324	0.73 354	0.67 324	0.73 359	0.55 313	0.61 343	0.60 326	0.74 353	0.63 327	0.73 355	0.66 316	0.60 309	0.69 339	0.66 347	0.72 314	0.65 338
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
iGMRVC	0.84 337	2.85 451	0.72 328	0.72 292	0.73 365	0.77 340	0.79 363	0.73 331	0.74 361	0.73 338	0.72 362	0.73 342	0.76 357	0.73 338	0.73 355	0.72 324	0.73 331	0.73 343	0.72 363	0.73 317	0.72 352

GCAP-Stereo	0.75 310	4.15 481	0.42 257	0.75 295	0.35 263	0.78 342	0.40 280	0.79 334	0.38 272	0.78 346	0.36 267	0.78 347	0.36 262	0.79 343	0.39 278	0.75 326	0.39 246	0.76 347	0.39 291	0.75 318	0.39 273

PAM_32	0.64 290	2.38 422	0.51 293	0.92 314	0.43 305	0.53 312	0.44 296	0.87 341	0.43 297	0.52 305	0.45 307	0.53 311	0.40 276	0.54 311	0.46 303	0.62 311	0.56 305	0.48 305	0.45 309	0.76 319	0.44 294

RAFT-Stereo + iAFF	0.70 302	0.72 220	0.71 327	0.80 299	0.62 349	0.82 347	0.61 333	0.81 339	0.62 338	0.81 350	0.63 345	0.80 350	0.70 347	0.73 338	0.61 336	0.76 327	0.61 313	0.74 344	0.61 342	0.77 320	0.61 332

ARAFT	0.68 298	0.81 229	0.63 311	0.74 294	0.60 341	0.78 342	0.62 334	0.77 333	0.66 344	0.74 343	0.63 345	0.75 344	0.62 335	0.83 347	0.60 334	0.70 322	0.55 303	0.70 341	0.60 340	0.78 321	0.55 326

AFF-stereo	0.73 308	0.88 239	0.67 320	0.75 295	0.68 359	0.75 339	0.64 336	0.80 336	0.72 356	0.83 351	0.70 357	0.82 353	0.64 336	0.84 348	0.67 342	0.77 328	0.63 315	0.81 355	0.63 344	0.78 321	0.62 335

Selective-RAFT-Error	0.88 341	0.84 232	0.98 362	0.86 307	0.97 387	0.88 351	0.95 381	0.84 340	0.99 391	0.92 358	0.82 377	0.84 354	0.98 375	0.87 352	0.97 383	0.81 333	0.83 344	0.79 350	0.82 376	0.79 323	0.85 370

psmorigin	0.41 228	0.46 175	0.33 210	0.49 245	0.33 250	0.49 293	0.33 238	0.49 280	0.33 244	0.49 286	0.33 246	0.49 290	0.33 247	0.51 305	0.33 240	0.41 249	0.30 211	0.41 272	0.30 239	0.79 323	0.29 218

G-Net	0.79 319	0.79 225	0.79 344	0.79 297	0.79 371	0.79 344	0.79 363	0.79 334	0.79 370	0.79 347	0.79 374	0.79 349	0.79 364	0.79 343	0.79 366	0.79 329	0.79 338	0.79 350	0.79 371	0.79 323	0.79 364

AEACV	1.12 376	0.52 200	3.12 523	3.24 477	0.86 375	0.53 312	0.49 318	0.60 315	0.47 307	0.53 307	0.49 324	0.55 317	0.45 299	0.55 314	0.47 309	3.01 502	3.88 523	0.71 342	0.60 340	0.80 326	0.48 306

NaN_ROB	0.80 321	0.80 226	0.80 345	0.80 299	0.80 373	0.80 345	0.80 367	0.80 336	0.80 371	0.80 348	0.80 375	0.80 350	0.80 365	0.80 345	0.80 368	0.80 330	0.80 341	0.80 353	0.80 373	0.80 326	0.80 365

CSAN	0.80 321	0.80 226	0.80 345	0.80 299	0.80 373	0.80 345	0.80 367	0.80 336	0.80 371	0.80 348	0.80 375	0.80 350	0.80 365	0.80 345	0.80 368	0.80 330	0.80 341	0.80 353	0.80 373	0.80 326	0.80 365

Selective-RAFT	0.89 343	0.89 242	0.72 328	1.16 350	0.78 370	1.06 371	0.82 370	0.87 341	0.97 388	1.00 366	0.91 382	0.90 359	1.00 376	0.89 355	0.93 380	0.83 336	0.83 344	0.82 357	0.82 376	0.81 329	0.82 368

DCRE	0.84 337	1.89 381	0.77 339	0.94 319	0.72 364	0.88 351	0.73 354	0.87 341	0.78 367	0.90 354	0.71 360	0.88 356	0.67 343	0.88 353	0.73 355	0.81 333	0.68 320	0.81 355	0.70 356	0.82 330	0.70 345

RSM++	0.76 314	0.82 231	0.66 317	0.85 306	0.64 350	0.85 348	0.71 352	0.94 354	0.64 341	0.87 352	0.67 352	0.87 355	0.65 338	0.84 348	0.65 338	0.81 333	0.70 325	0.79 350	0.71 361	0.83 331	0.70 345

UDG	0.80 321	2.21 406	0.60 307	0.91 311	0.60 341	0.90 354	0.58 331	0.88 344	0.60 334	0.90 354	0.60 340	0.88 356	0.60 333	0.90 356	0.58 332	0.86 340	0.60 309	0.84 359	0.59 339	0.84 332	0.61 332

DDUNet	0.81 326	2.45 425	0.57 304	0.90 309	0.60 341	0.88 351	0.59 332	0.90 345	0.60 334	0.88 353	0.60 340	0.90 359	0.58 331	0.88 353	0.60 334	0.84 338	0.60 309	0.86 361	0.57 336	0.86 333	0.60 331

MoCha-V2	2.11 474	26.97 556	0.78 341	0.92 314	0.77 369	0.96 361	0.72 353	0.90 345	0.72 356	0.94 362	0.70 357	0.90 359	0.71 351	0.91 357	0.71 354	0.85 339	0.71 329	0.88 362	0.69 354	0.87 334	0.67 342

UNet	0.29 168	0.90 244	0.10 70	0.14 97	0.10 112	0.14 119	0.10 110	0.91 347	0.69 349	0.14 119	0.11 125	0.14 120	0.11 124	0.14 122	0.10 106	0.12 91	0.09 68	0.12 115	0.09 104	0.88 335	0.76 362

AIO-Stereo-zeroshot1	0.75 310	0.92 251	0.85 349	0.96 324	0.59 340	1.27 440	0.44 296	0.59 313	0.69 349	0.91 356	0.68 353	0.55 317	0.61 334	1.06 376	0.83 372	0.62 311	0.70 325	0.90 363	0.41 299	0.89 336	0.56 329

ToySt	0.92 346	2.11 397	0.90 353	0.95 321	0.79 371	0.99 363	0.78 362	0.94 354	0.81 374	0.94 362	0.78 372	0.95 366	0.77 360	0.94 362	0.86 374	0.91 343	0.79 338	0.85 360	0.77 368	0.89 336	0.73 357

ff7	1.68 439	2.68 433	1.35 439	0.97 325	0.89 377	1.84 456	2.15 507	2.12 463	1.80 490	2.05 468	1.56 475	2.33 474	2.12 500	2.23 471	2.25 510	1.31 426	1.07 364	1.48 457	1.41 465	0.90 338	1.04 389

ffff	1.68 439	2.68 433	1.35 439	0.97 325	0.89 377	1.84 456	2.15 507	2.12 463	1.80 490	2.05 468	1.56 475	2.33 474	2.12 500	2.23 471	2.25 510	1.31 426	1.07 364	1.48 457	1.41 465	0.90 338	1.04 389

ccc-4	1.68 439	2.68 433	1.35 439	0.97 325	0.89 377	1.84 456	2.15 507	2.12 463	1.80 490	2.05 468	1.56 475	2.33 474	2.12 500	2.23 471	2.25 510	1.31 426	1.07 364	1.48 457	1.41 465	0.90 338	1.04 389

STTRV1_RVC	0.82 330	1.60 364	0.70 323	1.01 331	0.60 341	1.07 374	0.69 347	1.01 361	0.60 334	0.72 336	0.55 337	1.02 374	0.68 344	1.03 374	0.67 342	0.89 342	0.63 315	0.92 367	0.57 336	0.90 338	0.65 338

pmcnn	0.92 346	0.92 251	0.92 357	0.92 314	0.92 382	0.92 356	0.92 377	0.92 350	0.92 382	0.92 358	0.92 385	0.92 362	0.92 371	0.92 361	0.92 376	0.92 346	0.92 353	0.92 367	0.92 380	0.92 342	0.92 376

DPSM_ROB	0.92 346	0.91 246	0.91 355	0.91 311	0.92 382	0.92 356	0.92 377	0.92 350	0.91 378	0.93 360	0.91 382	0.92 362	0.90 369	0.91 357	0.92 376	0.92 346	0.91 351	0.91 365	0.92 380	0.93 343	0.93 377

DPSM	0.92 346	0.91 246	0.91 355	0.91 311	0.92 382	0.92 356	0.92 377	0.92 350	0.91 378	0.93 360	0.91 382	0.92 362	0.90 369	0.91 357	0.92 376	0.92 346	0.91 351	0.91 365	0.92 380	0.93 343	0.93 377

AIO-Stereo	0.84 337	0.66 217	0.70 323	0.83 303	0.67 356	0.98 362	0.82 370	1.14 370	0.72 356	1.03 371	0.74 365	1.03 375	1.09 385	0.99 368	0.45 299	1.04 356	0.73 331	0.95 371	0.74 366	0.94 345	0.46 297

R-Stereo Train	0.81 326	0.96 256	0.67 320	0.95 321	0.67 356	0.95 359	0.68 344	0.95 356	0.68 346	0.95 364	0.68 353	0.96 367	0.68 344	0.96 366	0.68 346	0.94 350	0.68 320	0.94 369	0.68 352	0.94 345	0.68 343

RAFT-Stereo	0.81 326	0.96 256	0.67 320	0.95 321	0.67 356	0.95 359	0.68 344	0.95 356	0.68 346	0.95 364	0.68 353	0.96 367	0.68 344	0.96 366	0.68 346	0.94 350	0.68 320	0.94 369	0.68 352	0.94 345	0.68 343
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
DGTPSM_ROB	0.93 351	1.00 262	0.92 357	0.94 319	0.96 386	0.91 355	0.92 377	0.91 347	0.96 387	0.91 356	0.96 386	0.93 365	0.92 371	0.94 362	0.92 376	0.92 346	0.92 353	0.90 363	0.92 380	0.94 345	0.91 375

^frffs	0.98 357	1.24 347	0.75 334	1.73 425	0.99 388	1.16 389	0.79 363	1.10 367	0.76 362	1.10 375	0.75 366	1.10 382	0.75 355	1.10 382	0.76 361	1.24 420	0.88 347	1.01 379	0.70 356	1.00 349	0.70 345

GANet	1.00 359	1.00 262	1.00 364	1.00 328	1.00 389	1.00 364	1.00 385	1.00 358	1.00 392	1.00 366	1.00 389	1.00 370	1.00 376	1.00 369	1.00 386	1.00 352	1.00 357	1.00 376	1.00 387	1.00 349	1.00 384

TDLM	1.00 359	1.00 262	1.00 364	1.00 328	1.00 389	1.00 364	1.00 385	1.00 358	1.00 392	1.00 366	1.00 389	1.00 370	1.00 376	1.00 369	1.00 386	1.00 352	1.00 357	1.00 376	1.00 387	1.00 349	1.00 384

CVANet_RVC	1.00 359	1.00 262	1.00 364	1.00 328	1.00 389	1.00 364	1.00 385	1.00 358	1.00 392	1.00 366	1.00 389	1.00 370	1.00 376	1.00 369	1.00 386	1.00 352	1.00 357	1.00 376	1.00 387	1.00 349	1.00 384

&EFD	1.02 369	1.36 357	0.76 335	2.39 452	1.05 398	1.10 378	0.76 357	1.14 370	0.76 362	1.10 375	0.75 366	1.09 379	0.76 357	1.14 389	0.75 358	1.24 420	0.88 347	1.01 379	0.70 356	1.01 353	0.71 350

*wqe	1.00 359	1.30 353	0.76 335	1.91 430	1.01 393	1.11 383	0.76 357	1.15 372	0.76 362	1.11 382	0.78 372	1.16 390	0.77 360	1.15 392	0.76 361	1.24 420	0.89 349	1.02 382	0.71 361	1.01 353	0.72 352

MLG-Stereo	0.92 346	0.90 244	0.84 348	1.27 403	0.49 322	1.38 447	0.88 373	1.41 443	0.97 388	0.73 338	1.09 395	1.26 442	0.43 295	0.72 336	1.05 391	1.13 367	0.49 287	1.18 398	0.66 347	1.01 353	0.46 297

trnet	1.01 367	1.01 268	1.01 367	1.01 331	1.01 393	1.01 368	1.01 388	1.01 361	1.01 395	1.01 370	1.01 392	1.01 373	1.01 382	1.01 373	1.01 389	1.01 355	1.01 360	1.01 379	1.01 391	1.01 353	1.01 387

)tte	1.00 359	1.27 350	0.76 335	1.86 427	1.01 393	1.11 383	0.76 357	1.11 369	0.76 362	1.11 382	0.76 369	1.15 389	0.76 357	1.12 386	0.76 361	1.24 420	0.93 355	1.03 384	0.72 363	1.02 357	0.71 350

(q45	1.00 359	1.23 346	0.77 339	1.94 432	1.05 398	1.10 378	0.76 357	1.15 372	0.76 362	1.11 382	0.77 371	1.18 393	0.77 360	1.12 386	0.76 361	1.19 371	0.90 350	1.03 384	0.72 363	1.03 358	0.72 352

AIO-Stereo-zeroshot	0.91 344	0.86 235	0.89 350	1.25 402	0.69 360	1.05 370	0.81 369	1.16 376	0.50 319	1.12 385	0.97 387	0.72 340	0.82 367	1.06 376	0.95 381	0.61 308	0.87 346	1.03 384	0.85 379	1.04 359	1.01 387

GLC_STEREO	1.07 371	1.01 268	1.06 369	1.07 335	1.05 398	1.06 371	1.08 392	1.08 364	1.05 398	1.07 373	1.06 394	1.08 377	1.05 384	1.06 376	1.10 393	1.07 358	1.09 370	1.05 387	1.05 392	1.06 360	1.12 394

DPSimNet_ROB	0.97 355	1.18 294	0.81 347	1.10 337	0.91 381	1.02 369	0.82 370	1.04 363	0.91 378	1.03 371	0.86 378	1.28 444	0.82 367	1.03 374	0.89 375	1.17 370	0.81 343	1.02 382	0.82 376	1.08 361	0.81 367

MSMD_ROB	1.19 378	1.10 286	0.70 323	1.10 337	0.60 341	1.10 378	0.70 349	1.10 367	0.70 352	1.10 375	0.70 357	1.10 382	0.70 347	7.00 550	0.70 353	1.10 361	0.70 325	1.10 388	0.70 356	1.10 362	0.70 345

edge stereo	2.43 498	27.07 557	1.14 373	1.06 334	1.14 403	1.08 375	1.17 400	1.16 376	1.14 399	1.10 375	1.16 400	1.09 379	1.16 394	1.10 382	1.16 401	1.10 361	1.11 374	1.16 391	1.19 401	1.13 363	1.11 392

tt45	1.04 370	0.88 239	1.36 448	0.92 314	1.03 397	1.51 453	0.79 363	0.70 328	0.88 376	0.74 343	0.90 379	1.60 453	0.72 352	1.60 450	0.75 358	0.91 343	0.78 337	1.52 460	0.79 371	1.14 364	1.32 462

RGC	2.36 493	25.48 550	1.19 381	1.15 345	1.15 404	1.10 378	1.16 399	1.17 378	1.16 401	1.12 385	1.16 400	1.11 386	1.13 387	1.09 380	1.18 403	1.10 361	1.15 379	1.16 391	1.12 395	1.14 364	1.12 394

UPFNet	0.42 238	1.20 296	0.17 149	0.24 149	0.17 170	0.25 178	0.17 157	1.19 381	0.90 377	0.25 175	0.17 167	0.24 173	0.17 164	0.25 179	0.17 162	0.22 158	0.17 157	0.22 166	0.16 157	1.15 366	0.93 377

stereogan	2.33 491	24.38 547	1.18 379	1.18 352	1.18 411	1.14 387	1.18 401	1.19 381	1.19 407	1.14 388	1.18 404	1.14 388	1.18 395	1.14 389	1.18 403	1.14 369	1.14 378	1.19 399	1.19 401	1.15 366	1.19 407

AF-Net	2.37 495	25.71 552	1.17 377	1.13 342	1.15 404	1.15 388	1.18 401	1.19 381	1.16 401	1.10 375	1.15 397	1.10 382	1.18 395	1.12 386	1.15 398	1.10 361	1.10 373	1.17 395	1.15 397	1.16 368	1.12 394

RP	2.33 491	25.00 549	1.13 372	1.15 345	1.15 404	1.10 378	1.15 397	1.15 372	1.15 400	1.12 385	1.15 397	1.09 379	1.13 387	1.10 382	1.15 398	1.11 366	1.09 370	1.16 391	1.12 395	1.16 368	1.17 403

Nwc_Net	2.37 495	25.95 553	1.15 375	1.14 343	1.15 404	1.08 375	1.14 396	1.17 378	1.16 401	1.14 388	1.15 397	1.08 377	1.15 390	1.11 385	1.14 397	1.10 361	1.11 374	1.16 391	1.09 394	1.16 368	1.15 399

Abc-Net	2.32 490	24.75 548	1.14 373	1.17 351	1.17 409	1.11 383	1.15 397	1.17 378	1.21 453	1.08 374	1.16 400	1.12 387	1.14 389	1.09 380	1.17 402	1.09 359	1.16 380	1.17 395	1.17 400	1.16 368	1.11 392
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
HSM-Net_RVC	0.95 354	1.17 292	0.78 341	1.18 352	0.71 362	1.16 389	0.75 356	1.09 366	0.80 371	1.10 375	0.75 366	1.17 392	0.74 353	1.17 393	0.80 368	1.13 367	0.73 331	1.17 395	0.77 368	1.16 368	0.72 352
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
NCC-stereo	2.36 493	25.52 551	1.17 377	1.15 345	1.17 409	1.11 383	1.11 393	1.15 372	1.16 401	1.10 375	1.16 400	1.10 382	1.15 390	1.14 389	1.13 396	1.09 359	1.11 374	1.15 390	1.16 399	1.17 373	1.17 403

delet	0.43 239	1.21 342	0.17 149	0.25 154	0.17 170	0.25 178	0.18 163	1.26 433	0.95 385	0.25 175	0.17 167	0.25 178	0.17 164	0.25 179	0.17 162	0.23 169	0.16 142	0.22 166	0.16 157	1.18 374	0.98 381

psm_up	0.43 239	1.19 295	0.17 149	0.25 154	0.18 177	0.25 178	0.19 167	1.26 433	0.91 378	0.26 182	0.17 167	0.25 178	0.17 164	0.25 179	0.17 162	0.22 158	0.17 157	0.23 172	0.16 157	1.18 374	0.99 382

HBP-ISP	1.24 427	1.72 367	1.65 466	1.15 345	0.76 368	1.40 449	0.88 373	1.67 449	1.02 396	1.69 453	1.38 469	1.69 455	1.21 443	1.87 460	1.21 450	1.05 357	0.79 338	0.97 374	0.80 373	1.19 376	0.75 361

DisPM	1.20 379	1.20 296	1.20 384	1.20 354	1.20 412	1.20 391	1.20 403	1.20 384	1.20 408	1.20 392	1.20 405	1.20 395	1.20 397	1.20 395	1.20 405	1.20 373	1.20 385	1.20 400	1.20 404	1.20 377	1.20 408

CrosDoStereo	1.20 379	1.20 296	1.20 384	1.20 354	1.20 412	1.20 391	1.20 403	1.20 384	1.20 408	1.20 392	1.20 405	1.20 395	1.20 397	1.20 395	1.20 405	1.20 373	1.20 385	1.20 400	1.20 404	1.20 377	1.20 408

PFNet+	1.20 379	1.20 296	1.20 384	1.20 354	1.20 412	1.20 391	1.20 403	1.20 384	1.20 408	1.20 392	1.20 405	1.20 395	1.20 397	1.20 395	1.20 405	1.20 373	1.20 385	1.20 400	1.20 404	1.20 377	1.20 408

LCNet	1.20 379	1.20 296	1.20 384	1.20 354	1.20 412	1.20 391	1.20 403	1.20 384	1.20 408	1.20 392	1.20 405	1.20 395	1.20 397	1.20 395	1.20 405	1.20 373	1.20 385	1.20 400	1.20 404	1.20 377	1.20 408

HHNet	1.20 379	1.20 296	1.20 384	1.20 354	1.20 412	1.20 391	1.20 403	1.20 384	1.20 408	1.20 392	1.20 405	1.20 395	1.20 397	1.20 395	1.20 405	1.20 373	1.20 385	1.20 400	1.20 404	1.20 377	1.20 408

Patchmatch Stereo++	1.20 379	1.20 296	1.20 384	1.20 354	1.20 412	1.20 391	1.20 403	1.20 384	1.20 408	1.20 392	1.20 405	1.20 395	1.20 397	1.20 395	1.20 405	1.20 373	1.20 385	1.20 400	1.20 404	1.20 377	1.20 408
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	1.20 379	1.20 296	1.20 384	1.20 354	1.20 412	1.20 391	1.20 403	1.20 384	1.20 408	1.20 392	1.20 405	1.20 395	1.20 397	1.20 395	1.20 405	1.20 373	1.20 385	1.20 400	1.20 404	1.20 377	1.20 408

STrans-v2	1.20 379	1.20 296	1.20 384	1.20 354	1.20 412	1.20 391	1.20 403	1.20 384	1.20 408	1.20 392	1.20 405	1.20 395	1.20 397	1.20 395	1.20 405	1.20 373	1.20 385	1.20 400	1.20 404	1.20 377	1.20 408

TransformOpticalFlow	1.20 379	1.20 296	1.20 384	1.20 354	1.20 412	1.20 391	1.20 403	1.20 384	1.20 408	1.20 392	1.20 405	1.20 395	1.20 397	1.20 395	1.20 405	1.20 373	1.20 385	1.20 400	1.20 404	1.20 377	1.20 408

OMP-Stereo	1.20 379	1.20 296	1.20 384	1.20 354	1.20 412	1.20 391	1.20 403	1.20 384	1.20 408	1.20 392	1.20 405	1.20 395	1.20 397	1.20 395	1.20 405	1.20 373	1.20 385	1.20 400	1.20 404	1.20 377	1.20 408

IIG-Stereo	1.20 379	1.20 296	1.20 384	1.20 354	1.20 412	1.20 391	1.20 403	1.20 384	1.20 408	1.20 392	1.20 405	1.20 395	1.20 397	1.20 395	1.20 405	1.20 373	1.20 385	1.20 400	1.20 404	1.20 377	1.20 408

NF-Stereo	1.20 379	1.20 296	1.20 384	1.20 354	1.20 412	1.20 391	1.20 403	1.20 384	1.20 408	1.20 392	1.20 405	1.20 395	1.20 397	1.20 395	1.20 405	1.20 373	1.20 385	1.20 400	1.20 404	1.20 377	1.20 408

OCTAStereo	1.20 379	1.20 296	1.20 384	1.20 354	1.20 412	1.20 391	1.20 403	1.20 384	1.20 408	1.20 392	1.20 405	1.20 395	1.20 397	1.20 395	1.20 405	1.20 373	1.20 385	1.20 400	1.20 404	1.20 377	1.20 408

PSM-softLoss	1.20 379	1.20 296	1.20 384	1.20 354	1.20 412	1.20 391	1.20 403	1.20 384	1.20 408	1.20 392	1.20 405	1.20 395	1.20 397	1.20 395	1.20 405	1.20 373	1.20 385	1.20 400	1.20 404	1.20 377	1.20 408

KMStereo	1.20 379	1.20 296	1.20 384	1.20 354	1.20 412	1.20 391	1.20 403	1.20 384	1.20 408	1.20 392	1.20 405	1.20 395	1.20 397	1.20 395	1.20 405	1.20 373	1.20 385	1.20 400	1.20 404	1.20 377	1.20 408

NRIStereo	1.20 379	1.20 296	1.20 384	1.20 354	1.20 412	1.20 391	1.20 403	1.20 384	1.20 408	1.20 392	1.20 405	1.20 395	1.20 397	1.20 395	1.20 405	1.20 373	1.20 385	1.20 400	1.20 404	1.20 377	1.20 408

PSM-adaLoss	1.20 379	1.20 296	1.20 384	1.20 354	1.20 412	1.20 391	1.20 403	1.20 384	1.20 408	1.20 392	1.20 405	1.20 395	1.20 397	1.20 395	1.20 405	1.20 373	1.20 385	1.20 400	1.20 404	1.20 377	1.20 408

PSM-AAD	1.20 379	1.20 296	1.20 384	1.20 354	1.20 412	1.20 391	1.20 403	1.20 384	1.20 408	1.20 392	1.20 405	1.20 395	1.20 397	1.20 395	1.20 405	1.20 373	1.20 385	1.20 400	1.20 404	1.20 377	1.20 408

FTStereo	1.20 379	1.20 296	1.20 384	1.20 354	1.20 412	1.20 391	1.20 403	1.20 384	1.20 408	1.20 392	1.20 405	1.20 395	1.20 397	1.20 395	1.20 405	1.20 373	1.20 385	1.20 400	1.20 404	1.20 377	1.20 408

ROB_FTStereo_v2	1.20 379	1.20 296	1.20 384	1.20 354	1.20 412	1.20 391	1.20 403	1.20 384	1.20 408	1.20 392	1.20 405	1.20 395	1.20 397	1.20 395	1.20 405	1.20 373	1.20 385	1.20 400	1.20 404	1.20 377	1.20 408

ROB_FTStereo	1.20 379	1.20 296	1.20 384	1.20 354	1.20 412	1.20 391	1.20 403	1.20 384	1.20 408	1.20 392	1.20 405	1.20 395	1.20 397	1.20 395	1.20 405	1.20 373	1.20 385	1.20 400	1.20 404	1.20 377	1.20 408

Consistency-Raft	1.20 379	1.20 296	1.20 384	1.20 354	1.20 412	1.20 391	1.20 403	1.20 384	1.20 408	1.20 392	1.20 405	1.20 395	1.20 397	1.20 395	1.20 405	1.20 373	1.20 385	1.20 400	1.20 404	1.20 377	1.20 408

KYRaft	1.20 379	1.20 296	1.20 384	1.20 354	1.20 412	1.20 391	1.20 403	1.20 384	1.20 408	1.20 392	1.20 405	1.20 395	1.20 397	1.20 395	1.20 405	1.20 373	1.20 385	1.20 400	1.20 404	1.20 377	1.20 408

HUI-Stereo	1.20 379	1.20 296	1.20 384	1.20 354	1.20 412	1.20 391	1.20 403	1.20 384	1.20 408	1.20 392	1.20 405	1.20 395	1.20 397	1.20 395	1.20 405	1.20 373	1.20 385	1.20 400	1.20 404	1.20 377	1.20 408

ASMatch	1.20 379	1.20 296	1.20 384	1.20 354	1.20 412	1.20 391	1.20 403	1.20 384	1.20 408	1.20 392	1.20 405	1.20 395	1.20 397	1.20 395	1.20 405	1.20 373	1.20 385	1.20 400	1.20 404	1.20 377	1.20 408

DeepStereo_LL	1.20 379	1.20 296	1.20 384	1.20 354	1.20 412	1.20 391	1.20 403	1.20 384	1.20 408	1.20 392	1.20 405	1.20 395	1.20 397	1.20 395	1.20 405	1.20 373	1.20 385	1.20 400	1.20 404	1.20 377	1.20 408

DEmStereo	1.20 379	1.20 296	1.20 384	1.20 354	1.20 412	1.20 391	1.20 403	1.20 384	1.20 408	1.20 392	1.20 405	1.20 395	1.20 397	1.20 395	1.20 405	1.20 373	1.20 385	1.20 400	1.20 404	1.20 377	1.20 408

SST-Stereo	1.20 379	1.20 296	1.20 384	1.20 354	1.20 412	1.20 391	1.20 403	1.20 384	1.20 408	1.20 392	1.20 405	1.20 395	1.20 397	1.20 395	1.20 405	1.20 373	1.20 385	1.20 400	1.20 404	1.20 377	1.20 408

THIR-Stereo	1.20 379	1.20 296	1.20 384	1.20 354	1.20 412	1.20 391	1.20 403	1.20 384	1.20 408	1.20 392	1.20 405	1.20 395	1.20 397	1.20 395	1.20 405	1.20 373	1.20 385	1.20 400	1.20 404	1.20 377	1.20 408

RAFT_R40	1.20 379	1.20 296	1.20 384	1.20 354	1.20 412	1.20 391	1.20 403	1.20 384	1.20 408	1.20 392	1.20 405	1.20 395	1.20 397	1.20 395	1.20 405	1.20 373	1.20 385	1.20 400	1.20 404	1.20 377	1.20 408

DRaft	1.20 379	1.20 296	1.20 384	1.20 354	1.20 412	1.20 391	1.20 403	1.20 384	1.20 408	1.20 392	1.20 405	1.20 395	1.20 397	1.20 395	1.20 405	1.20 373	1.20 385	1.20 400	1.20 404	1.20 377	1.20 408

PFNet	1.20 379	1.20 296	1.20 384	1.20 354	1.20 412	1.20 391	1.20 403	1.20 384	1.20 408	1.20 392	1.20 405	1.20 395	1.20 397	1.20 395	1.20 405	1.20 373	1.20 385	1.20 400	1.20 404	1.20 377	1.20 408

GrayStereo	1.20 379	1.20 296	1.20 384	1.20 354	1.20 412	1.20 391	1.20 403	1.20 384	1.20 408	1.20 392	1.20 405	1.20 395	1.20 397	1.20 395	1.20 405	1.20 373	1.20 385	1.20 400	1.20 404	1.20 377	1.20 408

RE-Stereo	1.20 379	1.20 296	1.20 384	1.20 354	1.20 412	1.20 391	1.20 403	1.20 384	1.20 408	1.20 392	1.20 405	1.20 395	1.20 397	1.20 395	1.20 405	1.20 373	1.20 385	1.20 400	1.20 404	1.20 377	1.20 408

Pruner-Stereo	1.20 379	1.20 296	1.20 384	1.20 354	1.20 412	1.20 391	1.20 403	1.20 384	1.20 408	1.20 392	1.20 405	1.20 395	1.20 397	1.20 395	1.20 405	1.20 373	1.20 385	1.20 400	1.20 404	1.20 377	1.20 408

TVStereo	1.20 379	1.20 296	1.20 384	1.20 354	1.20 412	1.20 391	1.20 403	1.20 384	1.20 408	1.20 392	1.20 405	1.20 395	1.20 397	1.20 395	1.20 405	1.20 373	1.20 385	1.20 400	1.20 404	1.20 377	1.20 408

DeepStereo_RVC	1.20 379	1.20 296	1.20 384	1.20 354	1.20 412	1.20 391	1.20 403	1.20 384	1.20 408	1.20 392	1.20 405	1.20 395	1.20 397	1.20 395	1.20 405	1.20 373	1.20 385	1.20 400	1.20 404	1.20 377	1.20 408

RAFT-RH_RVC	1.20 379	1.20 296	1.20 384	1.20 354	1.20 412	1.20 391	1.20 403	1.20 384	1.20 408	1.20 392	1.20 405	1.20 395	1.20 397	1.20 395	1.20 405	1.20 373	1.20 385	1.20 400	1.20 404	1.20 377	1.20 408

IRAFT_RVC	1.20 379	1.20 296	1.20 384	1.20 354	1.20 412	1.20 391	1.20 403	1.20 384	1.20 408	1.20 392	1.20 405	1.20 395	1.20 397	1.20 395	1.20 405	1.20 373	1.20 385	1.20 400	1.20 404	1.20 377	1.20 408

RAFT-345	1.20 379	1.20 296	1.20 384	1.20 354	1.20 412	1.20 391	1.20 403	1.20 384	1.20 408	1.20 392	1.20 405	1.20 395	1.20 397	1.20 395	1.20 405	1.20 373	1.20 385	1.20 400	1.20 404	1.20 377	1.20 408

iRAFT	1.20 379	1.20 296	1.20 384	1.20 354	1.20 412	1.20 391	1.20 403	1.20 384	1.20 408	1.20 392	1.20 405	1.20 395	1.20 397	1.20 395	1.20 405	1.20 373	1.20 385	1.20 400	1.20 404	1.20 377	1.20 408

CRE-IMP	1.20 379	1.20 296	1.20 384	1.20 354	1.20 412	1.20 391	1.20 403	1.20 384	1.20 408	1.20 392	1.20 405	1.20 395	1.20 397	1.20 395	1.20 405	1.20 373	1.20 385	1.20 400	1.20 404	1.20 377	1.20 408

GMM-Stereo	1.20 379	1.20 296	1.20 384	1.20 354	1.20 412	1.20 391	1.20 403	1.20 384	1.20 408	1.20 392	1.20 405	1.20 395	1.20 397	1.20 395	1.20 405	1.20 373	1.20 385	1.20 400	1.20 404	1.20 377	1.20 408

RAFT-IKP	1.20 379	1.20 296	1.20 384	1.20 354	1.20 412	1.20 391	1.20 403	1.20 384	1.20 408	1.20 392	1.20 405	1.20 395	1.20 397	1.20 395	1.20 405	1.20 373	1.20 385	1.20 400	1.20 404	1.20 377	1.20 408

Prome-Stereo	1.20 379	1.20 296	1.20 384	1.20 354	1.20 412	1.20 391	1.20 403	1.20 384	1.20 408	1.20 392	1.20 405	1.20 395	1.20 397	1.20 395	1.20 405	1.20 373	1.20 385	1.20 400	1.20 404	1.20 377	1.20 408

MMNet	0.44 243	1.24 347	0.17 149	0.25 154	0.17 170	0.25 178	0.18 163	1.26 433	0.93 383	0.25 175	0.17 167	0.25 178	0.18 171	0.25 179	0.17 162	0.23 169	0.16 142	0.23 172	0.16 157	1.20 377	0.99 382

FAT-Stereo	2.46 499	26.05 554	1.23 433	1.23 401	1.22 460	1.20 391	1.24 451	1.23 432	1.23 455	1.19 391	1.22 451	1.21 440	1.24 445	1.20 395	1.24 452	1.21 418	1.17 383	1.22 446	1.25 454	1.20 377	1.24 457

CroCo-Stereo	0.73 308	1.22 345	0.25 178	1.22 399	0.25 204	1.22 437	0.25 196	1.22 430	0.25 195	1.22 438	0.25 204	1.22 441	0.25 198	1.22 441	0.25 198	1.22 419	0.26 184	1.21 445	0.25 203	1.22 424	0.25 186
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
S-Stereo	2.51 500	26.86 555	1.23 433	1.22 399	1.22 460	1.24 439	1.25 452	1.22 430	1.24 456	1.21 437	1.24 453	1.19 394	1.27 447	1.19 394	1.24 452	1.19 371	1.20 385	1.25 447	1.19 401	1.24 425	1.23 456

CroCo-Stereo Lap2	0.77 315	1.29 351	0.29 191	1.27 403	0.29 224	1.27 440	0.26 204	1.26 433	0.26 208	1.26 439	0.26 210	1.27 443	0.26 207	1.26 442	0.27 204	1.27 425	0.27 189	1.27 448	0.27 216	1.27 426	0.27 200

MM-Stereo_test2	1.20 379	1.85 375	1.05 368	1.46 414	0.94 385	1.36 445	0.99 384	1.36 438	0.95 385	1.41 444	0.98 388	1.40 449	0.96 373	1.37 445	0.95 381	1.37 433	1.06 363	1.33 450	0.93 384	1.29 427	0.89 373

test_xeample3	1.10 373	1.81 372	0.61 309	0.84 304	0.49 322	0.77 340	0.66 339	0.92 350	1.40 469	0.68 334	0.46 309	0.78 347	0.54 329	1.72 453	1.48 470	1.34 429	1.52 458	1.35 453	1.67 487	1.33 428	1.55 474

MaskLacGwcNet_RVC	1.35 431	1.35 356	1.35 439	1.35 409	1.35 462	1.35 443	1.35 459	1.36 438	1.35 465	1.36 442	1.35 464	1.36 445	1.36 456	1.36 444	1.35 463	1.35 430	1.35 447	1.35 453	1.35 459	1.35 429	1.35 466

PS-NSSS	1.38 434	1.39 359	1.34 437	1.34 408	1.35 462	1.38 447	1.37 468	1.35 437	1.38 468	1.34 440	1.34 463	1.39 447	1.38 459	1.70 452	1.40 467	1.36 432	1.36 448	1.36 455	1.37 462	1.37 430	1.36 467

MM-Stereo_test3	1.27 429	2.07 393	1.18 379	1.60 418	1.02 396	1.45 451	1.01 388	1.40 442	1.04 397	1.44 445	1.03 393	1.46 451	1.02 383	1.44 448	1.02 390	1.51 440	1.12 377	1.32 449	0.98 385	1.38 431	0.97 380

CC-Net-ROB	1.36 432	1.33 355	1.33 436	1.36 410	1.38 465	1.36 445	1.33 457	1.37 440	1.34 462	1.35 441	1.36 466	1.38 446	1.34 454	1.38 446	1.38 466	1.35 430	1.38 450	1.33 450	1.35 459	1.43 432	1.34 465

11t	1.27 429	2.70 436	1.34 437	1.32 407	0.89 377	1.30 442	1.34 458	1.64 446	0.57 331	1.45 446	0.72 362	1.05 376	1.29 449	1.07 379	1.29 459	1.49 437	1.02 361	0.97 374	1.15 397	1.48 433	1.31 461

IGEVStereo-DCA	1.77 443	4.21 482	1.84 483	2.49 457	2.11 506	2.54 494	1.36 463	1.65 447	1.17 405	2.75 502	1.90 497	2.54 487	1.15 390	0.94 362	1.11 394	1.50 438	1.32 433	0.96 372	1.46 471	1.49 434	0.88 371

rrr	1.77 443	4.21 482	1.84 483	2.49 457	2.11 506	2.54 494	1.36 463	1.65 447	1.17 405	2.75 502	1.90 497	2.54 487	1.15 390	0.94 362	1.11 394	1.50 438	1.32 433	0.96 372	1.46 471	1.49 434	0.88 371

CFNet-ft	0.55 279	1.57 362	0.14 126	0.20 132	0.14 149	0.20 154	2.53 512	1.61 445	0.14 149	0.20 150	0.14 153	0.20 151	0.14 150	0.20 151	0.14 143	0.17 139	0.12 110	0.17 144	0.12 140	1.56 436	1.24 457

DPSMNet_ROB	1.60 438	1.59 363	1.70 468	1.59 417	1.59 474	1.61 454	1.61 479	1.60 444	1.60 474	1.62 452	1.59 478	1.60 453	1.60 464	1.60 450	1.59 475	1.59 442	1.60 469	1.59 461	1.59 479	1.59 437	1.59 479

ours_stereo	1.20 379	1.21 342	0.90 353	1.64 423	1.11 402	1.35 443	0.67 343	1.76 450	0.93 383	1.70 454	1.10 396	1.39 447	0.75 355	1.41 447	0.81 371	1.60 444	1.03 362	1.33 450	1.00 387	1.61 438	0.72 352

4.25_new	2.00 454	2.33 414	1.82 479	3.32 482	1.69 481	1.95 464	1.99 502	2.72 492	1.71 480	2.72 496	1.97 503	2.01 465	1.74 475	1.77 455	1.28 457	2.18 466	2.01 488	2.48 501	1.58 477	1.65 439	1.17 403

4.5w_new	2.00 454	2.33 414	1.82 479	3.32 482	1.69 481	1.95 464	1.99 502	2.72 492	1.71 480	2.72 496	1.97 503	2.01 465	1.74 475	1.77 455	1.28 457	2.18 466	2.01 488	2.48 501	1.58 477	1.65 439	1.17 403

RASNet	1.49 435	1.65 365	1.45 456	1.38 412	1.43 468	1.47 452	1.36 463	1.38 441	1.36 466	1.39 443	1.60 479	1.45 450	1.45 462	1.51 449	2.21 509	1.53 441	1.36 448	1.36 455	1.36 461	1.66 441	1.36 467

2w_stereo	1.99 450	2.36 421	1.81 474	3.24 477	1.67 479	1.94 461	1.98 499	2.72 492	1.68 476	2.72 496	1.94 500	1.98 463	1.74 475	1.79 457	1.27 456	1.95 457	2.00 486	2.53 503	1.60 480	1.68 442	1.15 399

3.75w	1.99 450	2.31 412	1.83 482	3.16 475	1.65 478	1.93 460	1.98 499	2.72 492	1.68 476	2.73 501	1.97 503	2.00 464	1.72 472	1.81 458	1.25 455	2.27 476	2.01 488	2.38 495	1.42 468	1.71 443	1.24 457

RAFT_CTSACE	1.92 448	3.71 469	1.72 471	1.88 428	1.72 485	2.04 468	1.42 473	2.18 469	1.89 501	2.02 465	1.97 503	1.95 460	2.06 499	1.93 462	1.62 476	1.76 447	1.66 473	2.02 480	1.73 495	1.73 444	1.43 472

4.25w-stereo	1.98 449	2.72 440	1.46 457	3.47 490	1.43 468	2.07 470	1.98 499	2.53 489	1.52 473	2.71 495	1.98 509	1.81 456	1.62 466	1.96 463	1.36 464	1.88 454	2.00 486	2.53 503	1.61 481	1.74 445	1.15 399

4.5w-stereo	1.99 450	2.33 414	1.81 474	3.28 479	1.68 480	1.94 461	1.99 502	2.72 492	1.70 479	2.72 496	1.99 512	1.97 462	1.68 468	1.76 454	1.29 459	1.91 456	2.02 492	2.53 503	1.61 481	1.75 446	1.16 402

2.75w_new	1.99 450	2.34 418	1.81 474	3.14 473	1.62 476	1.94 461	1.99 502	2.72 492	1.71 480	2.72 496	1.99 512	1.90 458	1.73 473	1.82 459	1.29 459	2.37 483	2.01 488	2.31 490	1.42 468	1.77 447	1.22 454

cf-r	0.66 293	2.17 402	0.12 101	0.18 127	0.12 144	0.18 146	2.70 515	2.60 490	0.12 144	0.18 143	0.12 136	0.18 145	0.12 141	0.18 144	0.12 133	0.15 123	0.11 95	0.15 133	0.11 123	1.81 448	1.74 494

MFMNet_re	1.81 446	1.91 384	1.71 470	1.95 434	1.70 484	1.95 464	1.70 484	1.96 455	1.74 487	1.97 460	1.72 487	1.95 460	1.71 471	1.97 464	1.71 483	1.86 450	1.62 470	1.85 468	1.66 486	1.86 449	1.64 487

GANetREF_RVC	1.55 436	1.94 390	1.22 431	1.88 428	1.21 458	1.88 459	1.22 449	1.88 452	1.22 454	1.88 455	1.22 451	1.88 457	1.22 444	1.89 461	1.22 451	1.87 451	1.22 432	1.88 476	1.22 450	1.88 450	1.22 454
Zhang, Feihu and Prisacariu, Victor and Yang, Ruigang and Torr, Philip HS: GA-Net: Guided Aggregation Net for End- to-end Stereo Matching. CVPR 2019
SPS-STEREO	1.59 437	1.91 384	1.21 430	1.94 432	1.20 412	2.00 467	1.23 450	1.99 457	1.24 456	2.00 463	1.25 454	2.03 467	1.26 446	2.00 465	1.29 459	1.90 455	1.18 384	1.89 477	1.21 449	1.89 451	1.20 408
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MC-Stereo	1.76 442	2.96 452	1.37 450	2.14 440	1.37 464	2.14 472	1.36 463	2.14 466	1.37 467	2.14 474	1.37 467	2.14 469	1.37 458	2.14 470	1.37 465	1.97 458	1.32 433	1.97 479	1.32 458	1.98 452	1.33 463

MM-Stereo_test1	1.80 445	3.41 462	1.52 462	2.12 439	1.41 467	2.04 468	1.41 471	2.05 461	1.46 472	2.04 467	1.41 471	2.05 468	1.42 461	2.05 466	1.43 469	2.04 462	1.54 462	1.94 478	1.38 464	1.99 453	1.33 463

TRStereo	2.00 454	2.13 398	1.85 485	2.27 446	1.84 489	2.28 478	1.84 488	2.29 472	1.86 495	2.30 480	1.87 492	2.30 471	1.87 481	2.08 467	1.72 485	2.08 463	1.72 476	2.08 482	1.72 492	2.08 454	1.72 491

XX-Stereo	2.00 454	2.13 398	1.85 485	2.27 446	1.84 489	2.28 478	1.84 488	2.29 472	1.86 495	2.30 480	1.87 492	2.30 471	1.87 481	2.08 467	1.72 485	2.08 463	1.72 476	2.08 482	1.72 492	2.08 454	1.72 491

EAI-Stereo	2.00 454	2.13 398	1.85 485	2.27 446	1.84 489	2.28 478	1.84 488	2.29 472	1.86 495	2.30 480	1.87 492	2.30 471	1.87 481	2.08 467	1.72 485	2.08 463	1.72 476	2.08 482	1.72 492	2.08 454	1.72 491

GANet-RSSM	0.75 310	1.91 384	0.14 126	0.47 235	0.14 149	0.21 162	3.21 532	2.30 476	0.14 149	0.46 266	0.14 153	0.23 169	0.18 171	0.21 162	0.14 143	0.18 147	0.27 189	0.37 237	0.13 148	2.13 457	2.12 505

AIO_rvc	2.18 477	2.34 418	1.87 489	2.32 450	1.94 498	2.40 483	1.89 496	2.37 478	2.07 512	2.52 491	1.95 502	2.44 481	1.99 493	2.41 482	1.89 501	2.32 481	2.09 494	2.24 486	2.18 509	2.21 458	2.23 508

asda	2.17 476	2.54 427	1.81 474	3.47 490	1.78 487	2.50 490	1.86 492	2.61 491	1.68 476	2.61 493	1.83 489	2.37 478	1.73 473	2.44 485	1.88 500	2.51 492	1.84 482	2.34 492	1.62 483	2.23 459	1.77 495

HUF	2.18 477	2.30 411	1.99 501	2.34 451	2.02 503	2.41 484	2.06 506	2.38 479	1.89 501	2.36 484	1.85 490	2.56 489	1.98 491	2.31 479	1.97 504	2.30 479	2.03 493	2.30 489	2.11 508	2.23 459	2.16 506

AIO_test	2.18 477	2.09 396	2.04 502	2.42 454	2.01 500	2.47 486	1.94 498	2.34 477	2.03 511	2.56 492	1.94 500	2.43 480	1.94 488	2.41 482	1.87 499	2.39 485	2.10 495	2.35 494	1.91 507	2.25 461	2.19 507

NCCL2	2.28 489	2.27 409	2.28 504	2.28 449	2.28 515	2.27 476	2.29 510	2.28 470	2.28 513	2.27 479	2.28 515	2.28 470	2.27 503	2.27 474	2.28 514	2.28 477	2.28 500	2.27 487	2.29 513	2.27 462	2.29 509

ccnet	0.80 321	2.28 410	0.33 210	0.50 252	0.33 250	0.50 301	0.33 238	0.50 288	0.33 244	0.49 286	0.33 246	0.49 290	1.56 463	2.38 480	0.33 240	0.41 249	0.29 203	0.42 283	1.57 474	2.28 463	0.29 218

STTStereo	3.73 515	30.40 561	2.37 508	2.39 452	2.31 517	2.35 481	2.33 511	2.29 472	2.42 514	2.32 483	2.34 516	2.33 474	2.36 504	2.30 478	2.27 513	2.35 482	2.22 499	2.31 490	2.22 510	2.29 464	2.34 513

qwe	2.18 477	2.60 430	1.58 463	3.83 502	1.90 497	2.53 492	1.90 497	2.48 485	1.73 485	2.37 485	1.92 499	2.53 483	1.68 468	2.56 488	1.83 493	2.52 494	1.87 484	2.07 481	1.68 489	2.32 465	1.71 490

FBW_ROB	2.12 475	2.46 426	1.77 473	2.49 457	1.79 488	2.38 482	1.83 487	2.46 484	1.78 489	2.48 489	1.97 503	2.40 479	1.78 478	2.42 484	1.83 493	2.31 480	1.85 483	2.38 495	1.82 497	2.35 466	1.84 496

asd	2.18 477	2.77 447	1.58 463	3.59 495	2.00 499	2.58 496	1.85 491	2.39 480	1.71 480	2.47 488	1.97 503	2.59 491	1.61 465	2.56 488	1.79 492	2.51 492	1.99 485	2.11 485	1.62 483	2.36 467	1.60 480

monsterstereo	2.20 483	2.33 414	1.95 494	3.65 497	2.07 505	2.49 488	1.61 479	2.48 485	1.83 493	2.45 487	1.61 482	2.67 496	1.86 480	2.64 492	1.94 502	2.48 491	1.66 473	2.34 492	1.68 489	2.40 468	1.86 498

monsters	2.18 477	2.41 424	1.96 495	3.47 490	2.03 504	2.53 492	1.64 481	2.48 485	1.73 485	2.40 486	1.50 474	2.62 492	1.94 488	2.59 490	1.94 502	2.44 487	1.57 464	2.28 488	1.87 499	2.42 469	1.86 498

UDGNet	2.23 487	5.40 502	1.72 471	2.48 456	1.69 481	2.51 491	1.69 483	2.51 488	1.72 484	2.50 490	1.69 486	2.52 482	1.69 470	2.50 486	1.68 481	2.41 486	1.70 475	2.42 497	1.69 491	2.42 469	1.64 487

1w_stereo	2.05 472	2.32 413	1.35 439	3.74 501	2.01 500	2.73 502	1.42 473	1.88 452	1.93 503	2.03 466	1.28 459	2.71 497	1.99 493	2.72 498	1.72 485	2.20 468	1.32 433	1.87 473	1.86 498	2.45 471	1.54 473

LG-G_1	2.22 484	2.71 438	1.89 490	2.77 462	1.87 495	2.75 504	1.87 494	2.76 500	1.87 499	2.75 502	1.87 492	2.76 504	1.87 481	2.75 503	1.86 496	2.47 489	1.58 465	2.45 498	1.57 474	2.45 471	1.57 476

LG-G	2.22 484	2.71 438	1.89 490	2.77 462	1.87 495	2.75 504	1.87 494	2.76 500	1.87 499	2.75 502	1.87 492	2.76 504	1.87 481	2.75 503	1.86 496	2.47 489	1.58 465	2.45 498	1.57 474	2.45 471	1.57 476

LGtest1	2.22 484	2.70 436	1.89 490	2.76 461	1.86 492	2.75 504	1.86 492	2.75 499	1.86 495	2.75 502	1.86 491	2.77 506	1.87 481	2.75 503	1.86 496	2.46 488	1.58 465	2.45 498	1.56 473	2.45 471	1.56 475

4.5_new	2.00 454	1.84 374	1.98 496	2.77 462	2.16 508	2.27 476	1.28 456	2.09 462	1.98 505	2.01 464	1.28 459	2.71 497	1.98 491	2.51 487	1.65 478	2.26 473	1.33 442	1.87 473	1.87 499	2.49 475	1.60 480

GES	0.66 293	2.34 418	0.29 191	0.41 216	0.29 224	0.41 247	0.29 219	0.42 256	0.29 221	0.40 226	0.41 291	0.41 247	0.30 233	0.51 305	0.29 220	0.32 198	0.29 203	0.32 201	2.46 515	2.49 475	0.30 228

3w_stereo	2.04 470	2.24 408	1.70 468	3.15 474	2.18 514	2.49 488	1.26 454	2.03 460	1.98 505	1.98 461	1.33 462	2.72 501	1.99 493	2.59 490	1.72 485	2.22 472	1.33 442	1.85 468	1.88 506	2.50 477	1.58 478

3.25w	2.04 470	2.20 404	1.48 458	3.03 471	2.17 510	2.63 497	1.39 469	1.96 455	1.95 504	1.96 458	1.37 467	2.71 497	1.96 490	2.71 496	1.73 490	2.26 473	1.32 433	1.87 473	1.87 499	2.51 478	1.63 486

xxxyy	2.00 454	1.86 377	1.98 496	2.95 468	2.17 510	2.26 473	1.35 459	2.42 481	2.00 508	2.07 471	1.27 456	2.53 483	1.99 493	2.29 475	1.49 471	2.21 469	1.32 433	1.85 468	1.87 499	2.52 479	1.62 483

xtttt	2.00 454	1.86 377	1.98 496	2.95 468	2.17 510	2.26 473	1.35 459	2.42 481	2.00 508	2.07 471	1.27 456	2.53 483	1.99 493	2.29 475	1.49 471	2.21 469	1.32 433	1.85 468	1.87 499	2.52 479	1.62 483

2.25w	2.00 454	1.86 377	1.98 496	2.95 468	2.17 510	2.26 473	1.35 459	2.42 481	2.00 508	2.07 471	1.27 456	2.53 483	1.99 493	2.29 475	1.49 471	2.21 469	1.32 433	1.85 468	1.87 499	2.52 479	1.62 483

PSMNet-RSSM	0.77 315	2.76 445	0.14 126	0.20 132	0.14 149	0.20 154	2.66 513	2.79 503	0.14 149	0.21 160	0.14 153	0.21 159	0.14 150	0.20 151	0.14 143	0.17 139	0.12 110	0.17 144	0.12 140	2.52 479	2.31 510

GwcNet-RSSM	0.77 315	2.77 447	0.14 126	0.20 132	0.14 149	0.20 154	2.67 514	2.78 502	0.14 149	0.20 150	0.14 153	0.20 151	0.14 150	0.21 162	0.14 143	0.17 139	0.12 110	0.17 144	0.12 140	2.52 479	2.31 510

rrrtt	2.03 466	2.72 440	1.35 439	3.33 484	1.57 471	2.72 499	1.53 477	2.15 467	1.33 460	2.15 475	1.60 479	2.63 493	1.30 450	2.72 498	1.99 506	2.67 497	1.53 459	1.75 465	1.25 454	2.53 484	1.87 500

4w-stereo	2.02 464	2.72 440	1.44 455	3.36 486	1.59 474	2.48 487	1.72 485	2.28 470	1.24 456	2.24 478	1.65 484	2.56 489	1.32 453	2.39 481	1.98 505	2.67 497	1.51 457	1.66 463	1.24 452	2.53 484	1.88 504

2.5w	2.01 463	2.40 423	1.37 450	3.28 479	2.01 500	2.71 498	1.43 475	1.82 451	1.83 493	1.90 457	1.41 471	2.71 497	1.35 455	2.71 496	1.85 495	2.66 495	1.53 459	1.64 462	1.23 451	2.53 484	1.87 500

3.25w_new	2.03 466	2.72 440	1.35 439	3.33 484	1.57 471	2.72 499	1.53 477	2.15 467	1.33 460	2.15 475	1.60 479	2.63 493	1.30 450	2.72 498	1.99 506	2.67 497	1.53 459	1.75 465	1.25 454	2.53 484	1.87 500

3.5w_stereo	2.03 466	2.72 440	1.35 439	3.41 487	1.57 471	2.72 499	1.49 476	2.01 459	1.34 462	2.15 475	1.61 482	2.63 493	1.36 456	2.72 498	1.99 506	2.66 495	1.58 465	1.68 464	1.24 452	2.53 484	1.87 500

IGEV	2.02 464	2.20 404	1.82 479	2.90 467	2.16 508	2.41 484	1.25 452	2.00 458	1.98 505	1.99 462	1.31 461	2.72 501	1.93 487	2.67 495	1.69 482	2.26 473	1.32 433	1.83 467	1.87 499	2.53 484	1.61 482

hitnet-ft	0.79 319	2.78 449	0.14 126	0.20 132	0.14 149	0.21 162	2.89 516	2.80 504	0.14 149	0.20 150	0.14 153	0.20 151	0.14 150	0.20 151	0.14 143	0.17 139	0.12 110	0.17 144	0.12 140	2.54 490	2.33 512

PDISCO_ROB	0.83 334	2.80 450	3.49 526	0.14 97	0.11 128	0.17 142	0.09 105	0.15 132	0.10 110	0.15 125	0.12 136	0.16 131	0.14 150	3.30 510	0.13 139	0.14 114	2.34 501	0.16 136	0.12 140	2.62 491	0.10 107

sCroCo_RVC	2.10 473	2.76 445	1.92 493	2.78 465	1.39 466	2.73 502	1.41 471	2.73 498	1.40 469	2.77 507	1.41 471	2.74 503	1.40 460	2.74 502	1.40 467	2.72 500	1.42 452	2.72 506	1.44 470	2.79 492	1.42 471

NLCA_NET_v2_RVC	5.04 543	50.87 571	2.78 510	2.87 466	2.71 518	2.78 507	0.47 307	2.88 505	2.86 518	1.89 456	2.67 517	2.79 507	2.79 508	2.78 506	2.83 515	2.82 501	2.82 503	2.83 507	2.77 516	2.83 493	2.76 517
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
plain	1.88 447	3.16 457	0.64 313	3.10 472	0.65 352	3.10 509	0.64 336	3.12 507	0.65 342	3.10 508	0.65 349	3.11 508	0.65 338	3.12 507	0.65 338	3.12 503	0.65 318	3.13 508	0.65 345	3.13 494	0.65 338

UniTT-Stereo	2.03 466	3.43 463	0.72 328	3.42 488	0.73 365	3.27 512	0.68 344	3.38 511	0.69 349	3.29 511	0.72 362	3.28 511	0.70 347	3.35 512	0.68 346	3.39 505	0.68 320	3.31 510	0.69 354	3.37 495	0.73 357

DPSNet	3.66 514	3.60 465	3.62 529	3.63 496	3.64 538	3.65 515	3.65 537	3.66 514	3.67 534	3.67 513	3.65 535	3.67 514	3.66 525	3.66 513	3.68 532	3.68 508	3.66 521	3.67 514	3.68 537	3.67 496	3.67 536

RAStereo	2.23 487	3.64 466	0.76 335	3.65 497	0.86 375	3.66 516	0.76 357	3.67 515	0.81 374	3.66 512	0.76 369	3.66 513	0.77 360	3.68 514	0.77 365	3.68 508	0.77 336	3.69 515	0.77 368	3.70 497	0.77 363

SA	4.33 532	7.35 515	6.85 547	5.96 529	4.09 543	3.59 514	3.15 531	3.82 516	2.64 515	3.91 514	3.85 538	3.57 512	2.72 507	3.13 508	4.03 539	7.09 546	6.86 541	3.57 512	3.12 528	3.85 498	3.51 535

ssnet_v2	0.68 298	1.96 391	1.25 435	0.29 165	0.20 183	0.30 192	0.20 170	0.29 186	0.22 182	1.50 447	0.20 182	0.31 199	0.20 180	0.27 192	0.22 182	0.24 174	1.49 456	0.26 183	0.18 179	3.90 499	0.19 166

TestStereo1	4.60 534	8.41 522	6.44 544	6.86 534	3.79 540	3.97 518	3.78 539	3.99 518	3.74 536	3.97 515	3.52 533	3.94 517	3.58 522	3.98 517	3.72 534	6.82 543	6.50 539	3.76 516	3.66 535	3.90 499	3.74 539

SA-5K	4.60 534	8.41 522	6.44 544	6.86 534	3.79 540	3.97 518	3.78 539	3.99 518	3.74 536	3.97 515	3.52 533	3.94 517	3.58 522	3.98 517	3.72 534	6.82 543	6.50 539	3.76 516	3.66 535	3.90 499	3.74 539

test_4	4.88 540	8.13 520	6.98 548	7.46 537	4.44 545	4.25 521	3.85 541	4.04 520	3.92 540	4.13 517	3.91 539	4.18 520	3.84 530	4.14 519	4.06 540	7.01 545	7.13 542	4.53 520	3.72 538	4.09 502	3.72 537

test_3	5.01 542	8.86 527	7.77 550	8.09 539	2.76 519	4.13 520	4.05 543	3.88 517	3.76 538	4.33 519	4.13 542	3.71 515	3.91 531	4.21 520	4.06 540	7.93 547	7.69 544	4.53 520	3.91 540	4.17 503	4.29 545

RAFT+CT+SA	4.28 530	7.62 518	4.91 536	5.55 526	2.28 515	3.09 508	3.64 536	4.49 522	3.07 524	4.80 534	3.35 531	4.77 537	3.70 527	4.29 521	3.05 518	5.58 535	5.98 536	3.58 513	3.78 539	4.26 504	3.72 537

test_5	4.62 537	7.55 517	6.23 542	6.32 531	3.40 534	5.29 542	3.50 534	3.53 513	4.11 542	4.28 518	4.47 545	4.26 521	4.38 537	3.68 514	3.24 528	5.89 537	5.60 533	4.84 537	3.50 533	4.33 505	3.93 543

Sa-1000	4.34 533	8.37 521	6.84 546	6.98 536	4.45 546	3.58 513	3.00 517	3.42 512	3.39 532	2.61 493	4.00 541	3.83 516	4.01 534	3.90 516	3.90 537	5.98 539	5.62 534	3.76 516	2.34 514	4.35 506	2.47 516

cross-raft	4.83 539	7.52 516	6.43 543	6.63 532	3.96 542	4.51 523	3.99 542	4.49 522	3.96 541	4.52 521	3.96 540	4.50 522	3.97 533	4.50 523	3.97 538	6.65 541	6.44 538	4.33 519	3.92 541	4.35 506	3.91 542

sAnonymous2	3.31 512	2.63 431	1.38 452	3.71 499	1.86 492	4.70 535	1.11 393	4.82 537	2.72 516	5.45 542	1.98 509	4.59 527	2.64 505	2.65 493	6.21 548	4.37 510	1.08 368	5.16 541	2.24 511	4.52 508	2.39 514

CroCo_RVC	3.31 512	2.63 431	1.38 452	3.71 499	1.86 492	4.70 535	1.11 393	4.82 537	2.72 516	5.45 542	1.98 509	4.59 527	2.64 505	2.65 493	6.21 548	4.37 510	1.08 368	5.16 541	2.24 511	4.52 508	2.39 514

rvit_105_1	3.83 516	5.22 495	3.01 512	4.53 506	3.01 520	4.51 523	3.01 518	4.56 524	3.04 519	4.53 523	3.03 520	4.55 525	3.03 509	4.56 524	3.04 516	4.57 516	3.05 505	4.57 522	3.05 520	4.57 510	3.05 520

rvit_0105_6	3.87 520	5.73 509	3.10 522	4.69 516	3.12 530	4.54 525	3.02 519	4.56 524	3.04 519	4.54 525	3.03 520	4.54 523	3.04 512	4.56 524	3.05 518	4.58 519	3.05 505	4.58 524	3.05 520	4.58 511	3.05 520

rvit_stereo_0081	3.83 516	5.23 496	3.01 512	4.53 506	3.03 522	4.55 529	3.02 519	4.56 524	3.04 519	4.52 521	3.02 518	4.54 523	3.03 509	4.56 524	3.04 516	4.57 516	3.05 505	4.57 522	3.05 520	4.58 511	3.05 520

rvit_stereo_0082	3.86 518	5.82 510	3.01 512	4.53 506	3.03 522	4.54 525	3.02 519	4.56 524	3.04 519	4.53 523	3.02 518	4.55 525	3.04 512	4.57 527	3.05 518	4.57 516	3.05 505	4.58 524	3.05 520	4.58 511	3.06 523

rvit_stereo_0081_aga	3.86 518	5.33 499	3.02 515	4.55 512	3.04 526	4.54 525	3.02 519	4.64 531	3.06 523	4.54 525	3.04 522	4.62 532	3.08 516	4.62 530	3.07 521	4.58 519	3.06 509	4.60 526	3.08 524	4.63 514	3.07 524

rvit_stereo_0080	3.89 521	5.70 507	3.04 517	4.54 509	3.03 522	4.56 530	3.05 525	4.60 528	3.07 524	4.58 528	3.06 523	4.59 527	3.06 514	4.61 528	3.08 522	4.63 521	3.09 510	4.64 528	3.10 525	4.65 515	3.10 525

whm_eth	3.89 521	5.70 507	3.04 517	4.54 509	3.03 522	4.56 530	3.05 525	4.60 528	3.07 524	4.58 528	3.06 523	4.59 527	3.06 514	4.61 528	3.08 522	4.63 521	3.09 510	4.64 528	3.10 525	4.65 515	3.10 525

rvit_stereo_0083	3.92 525	5.30 498	3.06 520	4.61 515	3.09 529	4.67 534	3.08 528	4.66 532	3.09 528	4.62 531	3.10 528	4.66 535	3.11 518	4.67 532	3.16 527	4.72 526	3.16 515	4.77 535	3.11 527	4.66 517	3.11 527

rvit_stereo_ft	3.93 526	5.44 504	3.05 519	4.59 513	3.06 527	4.61 533	3.08 528	4.67 533	3.12 529	4.63 532	3.10 528	4.65 534	3.11 518	4.69 534	3.13 526	4.70 524	3.14 514	4.71 533	3.15 529	4.74 518	3.16 530

MLG-Stereo_test2	4.28 530	5.46 505	3.69 530	4.86 519	3.72 539	5.58 544	3.42 533	4.81 536	3.77 539	4.85 535	3.72 537	5.55 544	3.63 524	5.58 542	3.53 531	4.41 513	3.28 519	4.99 539	2.95 518	4.75 519	3.13 528

rvit_0105_3	3.91 523	5.33 499	3.06 520	4.60 514	3.07 528	4.60 532	3.06 527	4.62 530	3.08 527	4.60 530	3.07 526	4.62 532	3.08 516	4.67 532	3.10 525	4.70 524	3.11 512	4.77 535	3.19 531	4.77 520	3.14 529

rvit_0105_4	3.91 523	5.47 506	3.02 515	4.54 509	3.02 521	4.54 525	3.03 523	4.75 534	3.17 530	4.57 527	3.06 523	4.61 531	3.16 520	4.65 531	3.09 524	4.66 523	3.11 512	4.68 531	3.18 530	4.81 521	3.16 530

CFNet	1.37 433	5.27 497	0.19 157	5.49 525	0.19 181	0.28 189	0.19 167	0.28 182	0.19 174	0.28 185	0.19 178	0.28 189	4.35 536	0.28 194	0.19 174	0.23 169	0.17 157	0.23 172	4.21 544	4.81 521	0.17 160

MLG-Stereo_test3	4.26 529	4.85 489	3.95 532	5.35 524	3.60 536	4.75 538	3.76 538	5.49 543	3.71 535	5.39 540	3.69 536	4.82 538	3.66 525	4.85 535	3.73 536	4.93 527	3.19 518	4.69 532	2.99 519	4.84 523	2.98 519

MLG-Stereo_test1	4.25 528	5.34 501	3.61 528	5.31 523	3.63 537	5.23 541	3.57 535	5.38 542	3.65 533	5.23 539	3.47 532	4.76 536	3.74 528	4.85 535	3.71 533	4.96 528	3.18 517	4.71 533	2.92 517	4.86 524	2.90 518

raft_robust	4.71 538	7.75 519	5.40 541	6.81 533	3.31 532	4.28 522	4.20 544	4.32 521	4.37 545	4.35 520	4.35 544	4.14 519	3.75 529	4.30 522	4.20 542	6.67 542	6.37 537	3.36 511	4.24 545	4.86 524	3.25 532

Anonymous3	2.55 501	3.26 460	1.65 466	3.28 479	1.63 477	3.24 511	1.68 482	3.27 509	1.66 475	3.28 510	1.67 485	3.25 510	1.66 467	3.27 509	1.64 477	3.26 504	1.65 472	3.30 509	1.65 485	4.95 526	1.65 489

TestStereo	4.88 540	4.75 487	4.79 535	4.87 520	4.92 547	4.81 540	4.90 547	4.78 535	4.77 546	4.87 536	4.89 546	4.90 540	4.91 539	4.99 539	4.79 544	4.98 529	4.87 530	4.87 538	4.92 547	5.00 527	5.00 546

rvit_0105_5	4.10 527	5.40 502	3.13 525	4.71 517	3.15 531	4.72 537	3.10 530	4.90 539	3.27 531	4.69 533	3.16 530	4.84 539	3.25 521	4.96 538	3.34 529	5.05 531	3.39 520	5.10 540	3.40 532	5.11 528	3.42 533

FC-DCNN v2	5.10 544	5.15 493	4.49 534	5.07 522	3.37 533	6.87 547	4.75 546	5.04 540	6.34 550	7.84 550	5.06 547	6.72 550	4.09 535	4.99 539	5.44 547	5.03 530	3.16 515	4.67 530	4.86 546	5.15 529	3.89 541

DISCO	1.11 375	0.39 148	5.28 539	0.39 193	0.20 183	0.39 229	0.27 207	0.39 220	0.22 182	0.38 216	0.20 182	0.38 224	0.20 180	6.95 549	0.22 182	0.30 194	0.21 170	0.27 187	0.21 182	5.25 530	0.21 170

MaDis-Stereo	3.19 511	6.02 512	1.12 371	5.61 527	1.16 408	5.43 543	1.02 390	5.15 541	0.70 352	5.43 541	1.21 450	5.03 542	0.97 374	4.85 535	0.99 385	4.53 514	1.16 380	5.53 543	1.25 454	5.37 531	1.30 460

DispFullNet	4.61 536	4.84 488	3.12 523	5.00 521	3.57 535	4.75 538	3.03 523	7.75 550	4.17 543	4.91 537	3.09 527	6.20 546	3.95 532	6.71 546	3.51 530	5.30 534	3.67 522	5.86 547	3.63 534	5.61 532	3.46 534

StereoVision	3.15 510	5.00 491	0.89 350	4.83 518	1.00 389	3.93 517	1.27 455	6.37 544	1.34 462	5.67 544	1.26 455	5.84 545	1.27 447	5.03 541	1.24 452	5.10 533	1.09 370	4.61 527	0.57 336	5.62 533	1.12 394

SGM-Forest	5.21 546	5.92 511	4.08 533	6.18 530	4.16 544	6.31 546	4.34 545	6.50 545	4.33 544	6.14 546	4.21 543	6.61 549	4.55 538	6.67 545	4.48 543	5.94 538	3.94 524	5.85 546	4.03 543	5.79 534	4.17 544
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
MIF-Stereo (partial)	2.58 502	3.31 461	0.66 317	3.18 476	0.66 355	3.18 510	0.66 339	3.21 508	0.67 345	3.19 509	0.66 351	3.19 509	0.66 341	3.31 511	0.68 346	5.09 532	1.79 480	8.23 551	1.67 487	6.18 535	1.38 469

RAFT	6.73 549	9.36 530	7.40 549	8.51 542	6.55 551	6.88 548	6.60 551	6.79 546	6.60 551	6.80 547	6.72 553	5.31 543	5.50 542	6.61 544	6.61 551	8.42 549	5.89 535	5.73 544	5.45 551	6.61 536	6.24 550

gwcnet-sp	0.82 330	1.72 367	1.48 458	0.39 193	0.15 160	0.31 195	0.21 176	0.20 151	0.25 195	1.61 449	0.23 192	0.28 189	0.26 207	0.20 151	0.15 153	0.24 174	1.33 442	0.32 201	0.16 157	6.75 537	0.23 175

scenet	0.82 330	1.72 367	1.48 458	0.39 193	0.15 160	0.31 195	0.21 176	0.20 151	0.25 195	1.61 449	0.23 192	0.28 189	0.26 207	0.20 151	0.15 153	0.24 174	1.33 442	0.32 201	0.16 157	6.75 537	0.23 175

ssnet	0.82 330	1.72 367	1.48 458	0.39 193	0.15 160	0.31 195	0.21 176	0.20 151	0.25 195	1.61 449	0.23 192	0.28 189	0.26 207	0.20 151	0.15 153	0.24 174	1.33 442	0.32 201	0.16 157	6.75 537	0.23 175

test-1	6.46 547	9.16 529	8.03 553	8.09 539	5.62 550	6.11 545	6.35 550	6.85 547	4.94 547	6.08 545	6.29 552	4.98 541	6.43 544	6.22 543	6.36 550	6.16 540	7.47 543	5.82 545	5.44 550	7.11 540	5.68 549

test-v	7.53 551	11.89 538	7.98 551	9.36 545	7.14 552	7.06 549	7.09 552	7.37 548	6.91 552	7.29 548	5.71 550	6.45 547	6.93 545	6.73 547	7.27 552	8.93 552	7.85 545	6.98 548	6.80 552	7.56 541	7.34 552

test-2	7.53 551	11.89 538	7.98 551	9.36 545	7.14 552	7.06 549	7.09 552	7.37 548	6.91 552	7.29 548	5.71 550	6.45 547	6.93 545	6.73 547	7.27 552	8.93 552	7.85 545	6.98 548	6.80 552	7.56 541	7.34 552

rvit_stereo_0075_2	6.64 548	8.80 526	5.25 538	7.89 538	5.27 549	7.90 551	5.27 548	7.92 551	5.28 548	7.91 551	5.29 549	7.93 551	5.27 540	7.92 551	5.28 545	7.93 547	5.28 532	7.93 550	5.29 549	7.93 543	5.28 548

CFNet_RVC	2.38 497	8.71 525	0.38 234	9.33 544	0.42 303	0.56 317	0.42 293	0.60 315	0.38 272	0.62 325	0.42 300	0.56 320	7.29 548	0.62 323	0.42 295	0.53 297	0.37 233	0.49 309	0.34 262	8.30 544	6.87 551

MSMDNet	2.65 503	10.14 536	0.33 210	9.74 547	0.32 239	0.87 350	0.33 238	2.95 506	0.68 346	0.49 286	0.34 254	0.49 290	5.70 543	0.49 292	0.33 240	0.42 263	9.57 548	0.41 272	0.31 245	8.36 545	0.65 338

U	5.15 545	8.49 524	1.81 474	8.49 541	1.77 486	8.49 552	1.77 486	8.51 552	1.77 488	8.49 552	1.77 488	8.50 552	1.78 478	8.58 552	1.77 491	8.54 550	1.78 479	8.55 552	1.78 496	8.55 546	1.84 496

SGM+DAISY	7.06 550	9.15 528	5.38 540	8.84 543	5.18 548	8.80 553	5.31 549	8.79 553	5.28 548	8.89 553	5.20 548	8.93 553	5.33 541	8.95 553	5.36 546	8.70 551	5.21 531	8.74 553	5.20 548	8.89 547	5.15 547

pcwnet_v2	2.66 504	9.89 534	0.33 210	9.89 548	0.32 239	0.50 301	0.32 229	0.49 280	0.33 244	0.49 286	0.34 254	0.49 290	8.76 550	0.48 286	0.33 240	0.41 249	9.58 549	0.40 259	0.29 229	9.01 548	0.63 336

ccs_rob	2.79 508	10.17 537	0.32 205	10.00 550	0.33 250	0.49 293	0.33 238	1.90 454	0.32 238	0.51 302	0.33 246	0.49 290	9.24 552	0.49 292	0.33 240	0.41 249	9.82 551	0.41 272	0.28 220	9.34 549	0.29 218

PCWNet_CMD	2.80 509	9.82 533	0.32 205	10.09 551	0.32 239	0.49 293	0.33 238	3.34 510	0.33 244	0.49 286	0.33 246	0.49 290	8.73 549	0.48 286	0.33 240	0.41 249	9.22 547	0.42 283	0.29 229	9.55 550	0.31 233

UCFNet_RVC	2.75 507	10.06 535	0.29 191	10.31 552	0.29 224	0.42 265	0.29 219	0.43 260	0.29 221	0.42 251	0.29 224	0.42 263	9.87 553	0.43 264	0.29 220	0.36 217	9.84 552	0.36 234	0.26 209	9.77 551	0.26 192

CFNet_pseudo	2.67 505	9.36 530	0.32 205	10.99 553	0.33 250	0.85 348	0.33 238	0.49 280	0.33 244	0.49 286	0.32 240	0.49 290	7.26 547	0.49 292	0.33 240	0.41 249	9.62 550	0.41 272	0.29 229	10.03 552	0.29 218

CFNet_ucs	2.73 506	9.64 532	0.33 210	9.92 549	0.32 239	0.49 293	0.33 238	0.49 280	0.33 244	0.49 286	0.33 246	0.49 290	8.98 551	0.48 286	0.33 240	0.41 249	9.96 553	0.40 259	0.29 229	10.12 553	0.54 322

rafts_anoy	20.00 555	20.00 540	20.00 555	20.00 554	20.00 555	20.00 554	20.00 555	20.00 554	20.00 555	20.00 554	20.00 555	20.00 554	20.00 555	20.00 554	20.00 555	20.00 554	20.00 555	20.00 554	20.00 555	20.00 554	20.00 555

raft+_RVC	20.00 555	20.00 540	20.00 555	20.00 554	20.00 555	20.00 554	20.00 555	20.00 554	20.00 555	20.00 554	20.00 555	20.00 554	20.00 555	20.00 554	20.00 555	20.00 554	20.00 555	20.00 554	20.00 555	20.00 554	20.00 555

raftrobust	20.00 555	20.00 540	20.00 555	20.00 554	20.00 555	20.00 554	20.00 555	20.00 554	20.00 555	20.00 554	20.00 555	20.00 554	20.00 555	20.00 554	20.00 555	20.00 554	20.00 555	20.00 554	20.00 555	20.00 554	20.00 555

CasAABBNet	20.00 555	20.00 540	20.00 555	20.00 554	20.00 555	20.00 554	20.00 555	20.00 554	20.00 555	20.00 554	20.00 555	20.00 554	20.00 555	20.00 554	20.00 555	20.00 554	20.00 555	20.00 554	20.00 555	20.00 554	20.00 555

RALCasStereoNet	20.00 555	20.00 540	20.00 555	20.00 554	20.00 555	20.00 554	20.00 555	20.00 554	20.00 555	20.00 554	20.00 555	20.00 554	20.00 555	20.00 554	20.00 555	20.00 554	20.00 555	20.00 554	20.00 555	20.00 554	20.00 555

RALAANet	20.00 555	20.00 540	20.00 555	20.00 554	20.00 555	20.00 554	20.00 555	20.00 554	20.00 555	20.00 554	20.00 555	20.00 554	20.00 555	20.00 554	20.00 555	20.00 554	20.00 555	20.00 554	20.00 555	20.00 554	20.00 555

MANE	19.05 554	23.00 546	15.00 554	23.00 560	15.00 554	24.00 560	16.00 554	24.00 560	16.00 554	22.00 560	15.00 554	23.00 560	16.00 554	23.00 560	15.00 554	22.00 560	15.00 554	22.00 560	15.00 554	22.00 560	15.00 554

111	30.40 561	30.94 562	29.72 562	32.61 561	30.02 562	33.57 561	30.47 562	31.50 561	29.39 562	30.98 561	29.11 562	29.78 561	30.39 565	29.45 561	30.76 565	30.08 561	29.02 562	29.92 561	30.32 565	29.86 561	30.17 562

tt	500032.53 579	34.60 564	29.72 562	37.47 570	34.41 567	36.85 567	35.22 567	34.71 565	33.55 564	34.50 562	35.43 566	33.81 565	10000000.00 582	33.57 565	33.13 566	33.68 565	35.00 567	34.03 566	35.26 568	30.96 562	34.63 567

DCANet	500032.53 579	34.60 564	29.72 562	37.47 570	34.41 567	36.85 567	35.22 567	34.71 565	33.55 564	34.50 562	35.43 566	33.81 565	10000000.00 582	33.57 565	33.13 566	33.68 565	35.00 567	34.03 566	35.26 568	30.96 562	34.63 567

ADStereo(finetuned)	36.13 564	36.63 567	38.07 572	36.97 566	33.25 566	35.91 566	34.45 566	36.36 568	32.99 563	38.14 572	36.71 569	36.69 568	34.13 566	38.57 572	40.79 572	37.60 572	36.58 569	35.90 569	33.36 566	35.42 564	34.04 566

DCANet-4	35.22 563	34.54 563	35.08 568	33.58 565	35.47 569	34.55 562	35.53 569	36.08 567	35.85 566	35.92 567	35.77 568	35.18 567	35.48 567	35.39 567	37.15 571	34.55 567	33.92 566	35.02 568	34.90 567	35.79 565	34.74 569

Reg-Stereo(zero)	37.00 565	37.00 568	37.00 569	37.00 567	37.00 570	37.00 569	37.00 570	37.00 569	37.00 567	37.00 568	37.00 570	37.00 569	37.00 568	37.00 568	37.00 568	37.00 569	37.00 570	37.00 570	37.00 570	37.00 566	37.00 570

HI	37.00 565	37.00 568	37.00 569	37.00 567	37.00 570	37.00 569	37.00 570	37.00 569	37.00 567	37.00 568	37.00 570	37.00 569	37.00 568	37.00 568	37.00 568	37.00 569	37.00 570	37.00 570	37.00 570	37.00 566	37.00 570

CoSv	37.00 565	37.00 568	37.00 569	37.00 567	37.00 570	37.00 569	37.00 570	37.00 569	37.00 567	37.00 568	37.00 570	37.00 569	37.00 568	37.00 568	37.00 568	37.00 569	37.00 570	37.00 570	37.00 570	37.00 566	37.00 570

WCMA_ROB	31.10 562	35.43 566	27.12 561	39.51 572	23.10 561	38.78 572	25.30 561	37.49 572	25.39 561	37.29 571	27.02 561	38.52 572	26.48 561	37.80 571	26.44 561	36.28 568	22.65 561	33.90 565	22.30 561	37.10 569	24.18 561

NOSS_ROB	102.95 569	153.00 576	121.00 576	51.00 573	44.00 573	165.00 576	127.00 575	153.00 575	119.00 572	164.00 576	125.00 575	168.00 576	120.00 573	153.00 575	117.00 575	49.00 573	44.00 573	49.00 573	44.00 573	49.00 570	44.00 573

CBMV	128.50 570	1422.70 583	53.10 574	79.50 574	51.30 574	77.30 574	49.70 573	74.00 573	48.20 571	77.20 574	48.80 574	73.90 574	48.00 572	73.80 574	48.80 574	70.40 574	45.10 574	68.90 574	46.10 574	68.20 571	45.00 574
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MDST_ROB	69.83 568	87.70 572	41.95 573	113.75 575	65.62 575	75.05 573	55.25 574	75.64 574	45.04 570	71.61 573	41.75 573	72.81 573	44.06 571	68.38 573	44.63 573	101.89 575	59.57 575	107.10 575	61.05 575	104.38 572	59.38 575

MeshStereo	159.24 571	171.00 577	160.68 579	162.58 576	160.59 576	164.01 575	160.35 576	158.51 576	158.56 573	158.34 575	160.12 576	158.56 575	159.92 574	157.26 576	158.94 576	154.38 576	158.36 576	155.75 576	159.13 577	153.67 573	154.07 576
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
AE-Stereo	201.80 572	123.00 573	115.00 575	219.00 577	218.00 578	223.00 577	244.00 578	217.00 577	236.00 575	202.00 577	203.00 577	205.00 577	208.00 575	225.00 577	204.00 577	210.00 577	198.00 577	197.00 577	184.00 578	204.00 574	201.00 577

MGS-Stereo	239.45 573	123.00 573	135.00 577	266.00 578	286.00 579	277.00 578	305.00 579	271.00 578	242.00 576	274.00 578	279.00 579	255.00 578	270.00 577	268.00 578	297.00 579	221.00 578	247.00 579	216.00 578	123.00 576	217.00 575	217.00 579

EGLCR-Stereo	246.90 574	129.00 575	139.00 578	266.00 578	286.00 579	277.00 578	305.00 579	271.00 578	242.00 576	274.00 578	279.00 579	255.00 578	270.00 577	268.00 578	297.00 579	230.00 579	247.00 579	216.00 578	223.00 580	237.00 576	227.00 580

DLCB_ROB	284.23 575	354.61 579	207.27 580	363.24 580	206.46 577	364.72 580	210.41 577	364.72 580	210.41 574	364.81 580	208.64 578	364.81 580	208.64 576	364.72 580	210.41 578	354.70 580	205.53 578	354.70 580	205.53 579	354.70 577	205.53 578

LE_ROB	396.57 576	471.28 580	329.84 581	471.48 581	308.15 581	526.83 581	322.10 581	488.15 581	323.76 578	495.46 581	317.97 581	497.17 581	320.10 579	481.62 581	326.76 581	462.71 581	298.97 581	466.16 581	285.98 581	447.62 578	289.21 581

SGM-ForestM	596.69 577	677.77 581	444.52 582	699.85 582	517.25 582	732.94 582	488.29 582	770.79 582	460.11 579	750.81 582	487.98 582	792.79 582	499.41 580	730.90 582	475.81 582	720.03 582	491.16 582	663.96 582	418.60 582	674.76 579	436.05 582

CBMV_ROB	818.48 578	913.88 582	709.52 583	862.84 583	597.78 583	1073.99 583	700.52 583	1015.66 583	702.59 580	1115.65 583	760.02 583	1130.24 583	721.57 581	1037.41 583	692.65 583	814.05 583	564.29 583	843.28 583	595.31 583	915.51 580	602.92 583

111111	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 581	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 582	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 581	10000000.00 584

SGD-Stereo	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 581	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 582	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 581	10000000.00 584

IGEV-Stereo++	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 581	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 582	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 581	10000000.00 584

IGEV-BASED-STEREO-	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 581	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 582	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 581	10000000.00 584

IGEV-Stereo+	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 581	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 582	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 581	10000000.00 584

SDNR	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 581	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 582	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 581	10000000.00 584

anonymousdsp2	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 581	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 582	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 581	10000000.00 584

anonymousdsp	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 581	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 582	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 581	10000000.00 584

fff	1000028.16 581	29.62 558	29.72 562	32.61 561	30.02 562	35.13 563	31.83 563	32.07 562	10000000.00 581	35.27 564	29.82 563	32.45 562	30.15 562	32.35 562	30.09 562	31.04 562	29.55 563	30.64 562	30.14 562	10000000.00 581	30.77 563

csc	1000028.16 581	29.62 558	29.72 562	32.61 561	30.02 562	35.13 563	31.83 563	32.07 562	10000000.00 581	35.27 564	29.82 563	32.45 562	30.15 562	32.35 562	30.09 562	31.04 562	29.55 563	30.64 562	30.14 562	10000000.00 581	30.77 563

cscssc	1000028.16 581	29.62 558	29.72 562	32.61 561	30.02 562	35.13 563	31.83 563	32.07 562	10000000.00 581	35.27 564	29.82 563	32.45 562	30.15 562	32.35 562	30.09 562	31.04 562	29.55 563	30.64 562	30.14 562	10000000.00 581	30.77 563

test_example2	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 581	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 582	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 581	10000000.00 584

DIP-Stereo	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 581	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 582	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 584	10000000.00 581	10000000.00 584
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