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

IGEV-Stereo++	0.32 1	0.22 4	0.47 11	0.48 39	0.33 133	0.33 6	0.22 3	0.78 14	0.48 4	0.35 3	0.41 4	0.32 3	0.47 63	0.40 2	0.29 3	0.15 4	0.12 6	0.15 4	0.12 11	0.15 6	0.15 6

RAStereo	0.36 2	0.22 4	0.85 156	0.48 39	0.28 49	0.27 3	0.28 26	0.77 11	0.65 33	0.33 2	0.43 5	0.44 13	0.31 10	0.45 4	0.35 15	0.18 48	0.15 129	0.19 68	0.15 46	0.19 80	0.15 6

MaDis-Stereo	0.38 3	0.27 50	0.72 76	0.45 14	0.35 162	0.30 5	0.31 39	0.81 16	0.54 8	0.38 6	0.38 3	0.58 62	0.49 79	0.53 9	0.39 48	0.20 118	0.16 161	0.19 68	0.15 46	0.19 80	0.15 6

UniTT-Stereo	0.38 3	0.24 18	0.67 64	0.49 51	0.36 169	0.40 12	0.32 44	0.55 2	0.55 9	0.55 49	0.55 27	0.36 6	0.31 10	0.59 22	0.52 146	0.21 144	0.15 129	0.17 21	0.15 46	0.19 80	0.17 33

AIO-Stereo	0.39 5	0.26 30	0.54 20	0.50 66	0.24 8	0.45 29	0.39 102	1.13 101	0.57 13	0.42 10	0.49 14	0.52 47	0.25 1	0.74 51	0.32 8	0.16 10	0.13 20	0.18 47	0.14 35	0.16 16	0.15 6

RSM++	0.40 6	0.26 30	0.55 21	0.51 80	0.27 24	0.49 44	0.41 117	0.83 22	0.52 7	0.39 8	0.47 10	0.60 68	0.34 19	1.02 119	0.31 5	0.16 10	0.13 20	0.17 21	0.15 46	0.18 51	0.15 6

RSM	0.40 6	0.25 26	0.53 19	0.50 66	0.27 24	0.46 33	0.40 107	0.94 46	0.49 5	0.42 10	0.44 7	0.65 82	0.33 16	1.07 133	0.32 8	0.15 4	0.13 20	0.17 21	0.14 35	0.17 28	0.15 6

trnet	0.40 6	0.23 10	0.40 2	0.37 1	0.20 2	0.53 74	0.29 31	0.81 16	1.15 208	0.59 51	0.72 60	0.53 51	0.43 40	0.56 12	0.37 41	0.18 48	0.13 20	0.15 4	0.10 1	0.14 1	0.14 3

CREStereo	0.40 6	0.24 18	0.40 2	0.37 1	0.22 5	0.52 70	0.29 31	0.81 16	1.15 208	0.59 51	0.72 60	0.51 40	0.42 36	0.57 17	0.37 41	0.19 80	0.13 20	0.15 4	0.10 1	0.14 1	0.15 6
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
Pointernet	0.41 10	0.21 2	0.63 45	0.45 14	0.29 63	0.51 65	0.27 21	1.54 197	0.70 42	0.48 24	0.64 38	0.49 35	0.37 24	0.51 7	0.36 31	0.18 48	0.13 20	0.14 1	0.11 7	0.14 1	0.14 3

AEACV	0.41 10	0.25 26	0.60 36	0.55 140	0.52 285	0.43 24	0.38 91	0.98 51	0.63 27	0.44 13	0.56 30	0.46 22	0.59 131	0.56 12	0.31 5	0.17 25	0.13 20	0.18 47	0.16 75	0.17 28	0.17 33

LoS	0.41 10	0.23 10	0.46 9	0.39 3	0.23 6	0.48 39	0.40 107	1.12 98	0.94 115	0.50 33	0.66 42	0.49 35	0.42 36	0.63 36	0.39 48	0.19 80	0.14 72	0.16 14	0.11 7	0.14 1	0.15 6
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
EGLCR-Stereo	0.41 10	0.24 18	0.59 31	0.45 14	0.27 24	0.54 87	0.22 3	1.23 142	0.56 12	0.44 13	0.43 5	0.68 90	0.29 7	0.89 90	0.34 12	0.17 25	0.12 6	0.20 94	0.17 93	0.17 28	0.18 43

GLC_STEREO	0.41 10	0.27 50	0.43 6	0.55 140	0.24 8	0.47 34	0.30 35	0.81 16	0.64 30	0.53 45	0.74 64	0.50 39	0.31 10	0.65 38	0.45 97	0.18 48	0.20 241	0.23 181	0.19 127	0.21 144	0.21 116

CASnet	0.42 15	0.26 30	0.52 18	0.52 95	0.21 3	0.49 44	0.35 68	0.85 27	0.85 84	0.84 98	0.69 51	0.48 32	0.31 10	0.57 17	0.34 12	0.19 80	0.12 6	0.27 273	0.22 220	0.23 183	0.15 6
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
Selective-IGEV	0.42 15	0.26 30	0.56 23	0.48 39	0.27 24	0.45 29	0.33 49	1.56 203	0.61 24	0.36 4	0.47 10	0.52 47	0.30 8	1.08 136	0.33 11	0.15 4	0.13 20	0.17 21	0.13 18	0.16 16	0.15 6

CroCo-Stereo	0.42 15	0.33 160	0.83 141	0.59 207	0.28 49	0.26 2	0.33 49	1.22 137	0.85 84	0.43 12	0.49 14	0.65 82	0.46 57	0.40 2	0.36 31	0.19 80	0.15 129	0.16 14	0.14 35	0.20 109	0.17 33
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
MGS-Stereo	0.43 18	0.28 58	0.61 40	0.46 22	0.28 49	0.49 44	0.33 49	0.60 3	0.89 91	0.47 19	1.32 251	0.51 40	0.32 14	0.66 40	0.39 48	0.20 118	0.16 161	0.18 47	0.16 75	0.18 51	0.18 43

MoCha-V2	0.43 18	0.23 10	0.55 21	0.56 158	0.23 6	0.44 27	0.32 44	1.35 161	0.63 27	0.54 46	0.55 27	0.42 10	0.57 111	1.12 147	0.28 2	0.15 4	0.13 20	0.15 4	0.13 18	0.17 28	0.18 43

SPstereo	0.43 18	0.32 141	0.80 121	0.50 66	0.27 24	0.53 74	0.31 39	1.05 72	0.67 36	0.69 67	0.71 56	0.58 62	0.42 36	0.51 7	0.35 15	0.18 48	0.15 129	0.18 47	0.13 18	0.17 28	0.15 6

Occ-G	0.44 21	0.23 10	0.59 31	0.44 11	0.27 24	0.43 24	0.61 274	0.85 27	0.62 25	0.48 24	0.66 42	1.00 213	0.45 49	0.79 68	0.45 97	0.17 25	0.14 72	0.18 47	0.13 18	0.16 16	0.18 43

IGEV++	0.45 22	0.24 18	0.63 45	0.58 190	0.32 116	0.42 20	0.25 8	2.16 351	0.65 33	0.38 6	0.58 34	0.46 22	0.44 46	0.56 12	0.40 64	0.20 118	0.13 20	0.16 14	0.13 18	0.17 28	0.18 43

ff7	0.45 22	0.30 97	0.64 52	0.47 34	0.33 133	0.49 44	0.42 123	0.93 36	0.59 15	0.50 33	0.53 19	0.44 13	0.48 68	1.41 191	0.36 31	0.18 48	0.13 20	0.21 119	0.15 46	0.18 51	0.21 116

ffff	0.45 22	0.30 97	0.64 52	0.47 34	0.33 133	0.49 44	0.42 123	0.93 36	0.59 15	0.50 33	0.53 19	0.44 13	0.48 68	1.41 191	0.36 31	0.18 48	0.13 20	0.21 119	0.15 46	0.18 51	0.21 116

11t	0.45 22	0.30 97	0.64 52	0.47 34	0.33 133	0.49 44	0.42 123	0.93 36	0.59 15	0.50 33	0.53 19	0.44 13	0.48 68	1.41 191	0.36 31	0.18 48	0.13 20	0.21 119	0.15 46	0.18 51	0.21 116

LoS_RVC	0.45 22	0.29 78	0.48 12	0.49 51	0.83 389	0.51 65	0.43 139	0.65 4	0.44 2	0.47 19	0.78 71	0.44 13	0.60 136	0.59 22	0.37 41	0.14 1	0.12 6	0.14 1	0.10 1	0.14 1	1.08 427

anonymousdsp	0.45 22	0.30 97	0.60 36	0.48 39	0.34 147	0.49 44	0.42 123	0.97 47	0.60 20	0.51 41	0.53 19	0.46 22	0.47 63	1.36 180	0.35 15	0.18 48	0.13 20	0.21 119	0.15 46	0.18 51	0.21 116

ccc-4	0.45 22	0.30 97	0.64 52	0.47 34	0.33 133	0.49 44	0.42 123	0.93 36	0.59 15	0.50 33	0.53 19	0.44 13	0.48 68	1.41 191	0.36 31	0.18 48	0.13 20	0.21 119	0.15 46	0.18 51	0.21 116

IGEV-Stereo	0.45 22	0.30 97	0.60 36	0.48 39	0.34 147	0.49 44	0.42 123	0.98 51	0.60 20	0.51 41	0.53 19	0.46 22	0.47 63	1.36 180	0.35 15	0.18 48	0.13 20	0.21 119	0.15 46	0.18 51	0.21 116
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
TANstereo	0.45 22	0.23 10	0.50 15	0.43 9	0.21 3	0.65 140	0.26 15	0.83 22	0.88 90	0.95 121	0.99 120	0.51 40	0.45 49	0.56 12	0.36 31	0.19 80	0.24 305	0.16 14	0.13 18	0.17 28	0.27 230

rvit_stereo_0081_aga	0.46 31	0.37 242	0.91 183	0.52 95	0.41 222	0.49 44	0.40 107	0.88 32	0.66 35	0.59 51	0.56 30	0.53 51	0.43 40	0.67 41	0.44 85	0.27 277	0.21 256	0.22 148	0.20 156	0.26 234	0.19 69

rvit_stereo_0081	0.46 31	0.34 189	0.72 76	0.56 158	0.35 162	0.41 17	0.44 157	0.74 8	1.04 158	0.49 28	0.52 17	0.51 40	0.49 79	0.86 83	0.47 113	0.25 236	0.20 241	0.22 148	0.19 127	0.26 234	0.19 69

rvit_stereo_0082	0.46 31	0.34 189	0.72 76	0.56 158	0.35 162	0.41 17	0.44 157	0.74 8	1.04 158	0.49 28	0.52 17	0.51 40	0.49 79	0.86 83	0.47 113	0.25 236	0.20 241	0.22 148	0.19 127	0.26 234	0.19 69

IGEV-Stereo+	0.46 31	0.23 10	0.51 16	0.42 6	0.46 252	0.15 1	0.19 1	0.45 1	0.37 1	0.28 1	0.25 1	0.31 2	0.41 32	1.43 198	0.31 5	0.18 48	0.13 20	0.15 4	0.12 11	1.09 428	1.74 440

WCG-NET（raft）	0.46 31	0.23 10	0.59 31	0.42 6	0.24 8	0.50 58	0.35 68	0.76 10	1.10 180	0.72 73	0.76 65	0.91 176	0.50 83	0.88 87	0.40 64	0.16 10	0.13 20	0.15 4	0.14 35	0.15 6	0.17 33

ProNet	0.46 31	0.30 97	0.69 71	0.46 22	0.32 116	0.57 96	0.52 213	1.15 116	0.67 36	0.44 13	0.50 16	0.44 13	0.43 40	1.31 171	0.38 45	0.16 10	0.15 129	0.19 68	0.16 75	0.18 51	0.18 43

MC-Stereo	0.46 31	0.24 18	0.58 26	0.63 245	0.30 77	0.38 10	0.32 44	0.98 51	0.74 53	0.66 64	0.85 87	0.56 58	0.60 136	1.07 133	0.32 8	0.17 25	0.12 6	0.17 21	0.15 46	0.16 16	0.16 22

CroCo-Stereo Lap2	0.46 31	0.37 242	0.87 165	0.62 235	0.79 380	0.28 4	0.35 68	0.81 16	0.73 46	0.39 8	0.54 25	0.71 104	0.54 100	0.60 24	0.48 120	0.18 48	0.18 214	0.19 68	0.16 75	0.21 144	0.21 116

rvit_stereo_0080	0.47 39	0.35 216	0.87 165	0.48 39	0.36 169	0.42 20	0.54 230	0.93 36	0.78 61	0.52 43	0.60 35	0.55 53	0.47 63	0.62 29	0.48 120	0.27 277	0.21 256	0.20 94	0.20 156	0.31 291	0.20 95

Former-RAFT_DAM_RVC	0.47 39	0.38 260	0.75 98	0.48 39	0.37 177	0.67 151	0.35 68	0.82 21	1.14 203	0.61 60	0.64 38	0.39 9	0.39 30	0.74 51	0.39 48	0.20 118	0.17 188	0.22 148	0.18 108	0.24 212	0.20 95

whm_eth	0.47 39	0.35 216	0.87 165	0.48 39	0.36 169	0.42 20	0.54 230	0.93 36	0.78 61	0.52 43	0.60 35	0.55 53	0.47 63	0.62 29	0.48 120	0.27 277	0.21 256	0.20 94	0.20 156	0.31 291	0.20 95

XX-TBD	0.47 39	0.71 380	0.39 1	0.81 368	0.25 13	0.57 96	0.26 15	0.73 6	1.30 290	0.78 82	1.01 127	0.45 21	0.33 16	0.49 6	0.39 48	0.20 118	0.15 129	0.15 4	0.11 7	0.17 28	0.15 6

PMTNet	0.47 39	0.22 4	0.43 6	0.39 3	0.24 8	0.71 171	0.26 15	0.78 14	1.03 152	0.65 62	0.69 51	0.55 53	0.48 68	0.90 93	0.36 31	0.99 426	0.13 20	0.15 4	0.10 1	0.15 6	0.15 6

WCG-NET	0.48 44	0.26 30	0.57 24	0.46 22	0.35 162	0.70 168	0.26 15	1.03 65	1.00 142	0.79 85	0.71 56	0.64 80	0.51 86	0.90 93	0.35 15	0.19 80	0.13 20	0.16 14	0.15 46	0.17 28	0.19 69

CAS++	0.48 44	0.34 189	0.59 31	0.48 39	0.32 116	0.45 29	0.29 31	1.73 243	0.78 61	0.71 69	0.73 63	0.36 6	0.28 4	0.70 47	0.35 15	0.27 277	0.22 271	0.26 262	0.21 197	0.29 271	0.22 138
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
MIF-Stereo (partial)	0.48 44	0.28 58	0.83 141	0.51 80	0.53 290	0.39 11	0.27 21	1.03 65	0.64 30	0.47 19	0.71 56	0.51 40	0.51 86	1.13 148	0.47 113	0.20 118	0.16 161	0.23 181	0.20 156	0.24 212	0.20 95

rvit_stereo_0083	0.49 47	0.34 189	0.85 156	0.57 178	0.36 169	0.49 44	0.43 139	0.73 6	1.05 164	0.50 33	0.57 33	0.55 53	0.50 83	0.92 97	0.50 134	0.25 236	0.25 317	0.24 203	0.20 156	0.25 224	0.19 69

rvit_stereo_ft	0.49 47	0.38 260	1.03 221	0.68 300	0.42 230	0.40 12	0.58 258	0.93 36	0.86 86	0.47 19	0.55 27	0.57 60	0.48 68	0.67 41	0.53 155	0.26 256	0.17 188	0.22 148	0.22 220	0.24 212	0.19 69

RAFT-Stereo-weight	0.49 47	0.26 30	0.58 26	0.49 51	0.28 49	0.61 116	0.34 58	1.16 119	1.11 186	1.06 151	0.79 73	0.75 110	0.28 4	0.79 68	0.42 77	0.16 10	0.13 20	0.17 21	0.15 46	0.16 16	0.18 43

IGEVStereo-DCA	0.49 47	0.33 160	0.64 52	0.46 22	0.34 147	0.50 58	0.42 123	0.93 36	0.59 15	0.48 24	0.48 12	0.48 32	0.45 49	2.28 312	0.44 85	0.19 80	0.14 72	0.19 68	0.15 46	0.17 28	0.21 116

plain	0.49 47	0.29 78	1.23 287	0.51 80	0.40 208	0.35 8	0.37 84	1.04 69	0.62 25	0.44 13	0.76 65	0.42 10	0.41 32	1.17 155	0.46 103	0.23 197	0.15 129	0.24 203	0.19 127	0.25 224	0.18 43

testlalala	0.49 47	0.30 97	0.70 74	0.44 11	0.40 208	0.68 155	0.38 91	1.38 167	0.58 14	1.28 259	0.82 82	0.61 73	0.36 22	0.57 17	0.34 12	0.21 144	0.14 72	0.18 47	0.12 11	0.15 6	0.16 22

iRaftStereo_RVC	0.49 47	0.28 58	0.72 76	0.53 116	0.29 63	0.52 70	0.33 49	1.14 104	0.84 81	0.85 100	0.99 120	0.55 53	0.36 22	0.83 75	0.40 64	0.18 48	0.13 20	0.22 148	0.20 156	0.20 109	0.18 43

CREStereo++_RVC	0.49 47	0.22 4	0.46 9	0.48 39	0.38 189	0.45 29	0.25 8	0.77 11	1.30 290	0.82 93	1.23 217	0.47 28	0.37 24	0.55 11	0.44 85	0.16 10	0.11 3	0.16 14	0.80 430	0.18 51	0.12 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
MyStereo07	0.50 55	0.30 97	0.58 26	0.58 190	0.48 261	0.59 108	0.78 315	1.19 127	0.60 20	0.49 28	0.54 25	0.43 12	0.55 103	1.32 176	0.36 31	0.18 48	0.18 214	0.24 203	0.21 197	0.23 183	0.23 156

4D-IteraStereo	0.50 55	0.26 30	0.84 150	0.51 80	0.49 267	0.64 136	0.31 39	0.91 35	1.02 149	1.05 146	0.72 60	0.76 112	0.32 14	0.69 45	0.40 64	0.18 48	0.11 3	0.23 181	0.20 156	0.19 80	0.16 22

CES	0.51 57	0.21 2	0.40 2	0.42 6	1.40 431	0.53 74	0.34 58	1.04 69	0.68 39	0.45 17	0.67 45	0.35 5	0.28 4	0.58 20	0.35 15	0.16 10	0.13 20	0.15 4	0.10 1	0.19 80	1.69 439

sCroCo_RVC	0.51 57	0.43 291	1.15 257	0.66 275	0.60 324	0.52 70	0.40 107	0.93 36	0.64 30	0.45 17	0.76 65	0.49 35	0.49 79	0.65 38	0.49 131	0.27 277	0.28 335	0.23 181	0.22 220	0.29 271	0.28 243

RCA-Stereo	0.52 59	0.26 30	0.66 61	0.49 51	0.33 133	0.54 87	0.44 157	1.20 131	1.41 335	0.69 67	1.06 146	0.63 78	0.79 195	0.62 29	0.35 15	0.17 25	0.12 6	0.17 21	0.14 35	0.16 16	0.16 22

model_zeroshot	0.53 60	0.31 125	1.00 213	0.57 178	0.39 198	0.74 180	0.39 102	1.38 167	0.67 36	0.88 106	0.85 87	0.71 104	0.37 24	0.77 59	0.39 48	0.21 144	0.17 188	0.19 68	0.17 93	0.17 28	0.22 138

knoymous	0.53 60	0.32 141	0.51 16	0.46 22	0.30 77	0.57 96	0.54 230	1.10 94	0.78 61	0.99 126	0.84 85	0.95 195	0.57 111	0.89 90	0.51 138	0.21 144	0.14 72	0.26 262	0.14 35	0.23 183	0.25 194

GCAP-BAT	0.54 62	0.33 160	0.75 98	0.45 14	0.50 272	0.84 230	0.35 68	0.98 51	0.80 73	0.88 106	1.04 140	0.88 160	0.37 24	1.25 162	0.41 71	0.19 80	0.15 129	0.18 47	0.13 18	0.17 28	0.22 138

HUI-Stereo	0.54 62	0.33 160	0.81 124	0.52 95	0.27 24	0.62 119	0.29 31	1.14 104	0.74 53	1.13 169	0.96 107	0.82 135	0.60 136	0.83 75	0.52 146	0.23 197	0.14 72	0.24 203	0.20 156	0.27 240	0.20 95

Any-RAFT	0.55 64	0.27 50	0.49 13	0.50 66	0.27 24	0.98 276	0.25 8	1.71 239	1.08 170	0.90 110	0.99 120	1.13 255	0.46 57	0.74 51	0.35 15	0.19 80	0.13 20	0.17 21	0.13 18	0.16 16	0.19 69

Selective-RAFT	0.55 64	0.29 78	0.85 156	0.58 190	0.28 49	0.91 248	0.34 58	1.00 58	0.96 123	0.59 51	0.64 38	0.80 123	0.76 179	1.34 178	0.51 138	0.21 144	0.15 129	0.17 21	0.15 46	0.19 80	0.19 69

test_4	0.55 64	0.23 10	0.67 64	0.56 158	0.32 116	0.71 171	0.39 102	0.83 22	0.72 45	0.93 117	1.87 375	0.70 98	0.41 32	1.21 159	0.39 48	0.16 10	0.13 20	0.21 119	0.23 249	0.20 109	0.18 43

GMOStereo	0.55 64	0.28 58	0.72 76	0.52 95	0.30 77	0.53 74	0.43 139	1.02 59	0.98 130	1.44 324	1.14 187	0.88 160	0.57 111	0.62 29	0.39 48	0.16 10	0.14 72	0.24 203	0.22 220	0.20 109	0.18 43

error version	0.55 64	0.28 58	0.72 76	0.52 95	0.30 77	0.53 74	0.43 139	1.02 59	0.98 130	1.44 324	1.14 187	0.88 160	0.57 111	0.62 29	0.39 48	0.16 10	0.14 72	0.24 203	0.22 220	0.20 109	0.18 43

test-v	0.55 64	0.28 58	0.72 76	0.52 95	0.30 77	0.53 74	0.43 139	1.02 59	0.98 130	1.44 324	1.14 187	0.88 160	0.57 111	0.62 29	0.39 48	0.16 10	0.14 72	0.24 203	0.22 220	0.20 109	0.18 43

test-2	0.55 64	0.28 58	0.72 76	0.52 95	0.30 77	0.53 74	0.43 139	1.02 59	0.98 130	1.44 324	1.14 187	0.88 160	0.57 111	0.62 29	0.39 48	0.16 10	0.14 72	0.24 203	0.22 220	0.20 109	0.18 43

rafts_anoy	0.55 64	0.32 141	0.66 61	0.72 329	0.61 330	0.53 74	0.40 107	1.24 143	1.06 165	0.85 100	0.83 84	0.67 88	0.53 93	0.77 59	0.55 166	0.20 118	0.15 129	0.25 241	0.26 284	0.22 164	0.21 116

s12784h	0.55 64	0.22 4	0.49 13	0.43 9	0.19 1	1.00 278	0.34 58	1.40 172	1.30 290	0.84 98	0.93 102	0.63 78	0.52 91	1.48 209	0.47 113	0.15 4	0.12 6	0.17 21	0.11 7	0.19 80	0.13 2

raftrobust	0.55 64	0.27 50	0.63 45	0.68 300	0.69 355	0.50 58	0.34 58	1.08 81	0.97 127	1.32 276	0.88 94	0.62 74	0.80 201	0.82 71	0.44 85	0.20 118	0.16 161	0.16 14	0.14 35	0.15 6	0.18 43

Gwc-CoAtRS	0.55 64	0.27 50	0.73 88	0.49 51	0.30 77	0.63 127	0.25 8	1.38 167	1.12 192	1.05 146	1.02 129	1.10 246	0.55 103	0.72 49	0.44 85	0.17 25	0.14 72	0.17 21	0.15 46	0.16 16	0.17 33

rvit_0105_6	0.56 75	0.38 260	1.13 250	0.67 288	0.38 189	0.50 58	0.51 202	0.88 32	1.33 301	0.54 46	0.56 30	0.65 82	0.57 111	0.97 109	0.46 103	0.32 321	0.31 353	0.28 287	0.25 268	0.29 271	0.23 156

MSKI-zero shot	0.56 75	0.30 97	0.61 40	0.55 140	0.28 49	0.68 155	0.28 26	1.25 146	0.68 39	0.92 114	1.33 256	0.81 129	0.33 16	1.94 276	0.36 31	0.18 48	0.13 20	0.17 21	0.13 18	0.16 16	0.19 69

EKT-Stereo	0.56 75	0.33 160	0.84 150	0.61 227	0.64 337	0.51 65	0.48 185	1.14 104	0.95 119	0.74 76	0.89 96	0.77 116	0.42 36	1.18 156	0.42 77	0.23 197	0.17 188	0.21 119	0.18 108	0.20 109	0.26 213

LL-Strereo2	0.56 75	0.36 223	0.77 106	0.56 158	0.40 208	0.68 155	0.37 84	1.21 135	0.83 79	0.96 123	0.79 73	0.91 176	0.41 32	1.08 136	0.48 120	0.18 48	0.17 188	0.29 297	0.25 268	0.22 164	0.19 69

test-3	0.56 75	0.24 18	0.82 133	0.50 66	0.29 63	0.57 96	0.34 58	1.09 88	1.03 152	1.33 281	0.69 51	0.87 154	0.45 49	1.68 240	0.39 48	0.17 25	0.12 6	0.20 94	0.17 93	0.17 28	0.16 22

test_1	0.56 75	0.24 18	0.82 133	0.50 66	0.29 63	0.57 96	0.34 58	1.09 88	1.03 152	1.28 259	0.69 51	0.87 154	0.45 49	1.67 238	0.39 48	0.17 25	0.12 6	0.20 94	0.17 93	0.17 28	0.16 22

PSM-adaLoss	0.56 75	0.33 160	0.81 124	0.52 95	0.27 24	0.63 127	0.41 117	1.14 104	0.73 46	1.13 169	0.96 107	0.82 135	0.60 136	1.09 140	0.52 146	0.23 197	0.14 72	0.24 203	0.20 156	0.27 240	0.20 95

ROB_FTStereo	0.56 75	0.33 160	0.82 133	0.52 95	0.27 24	0.62 119	0.25 8	1.14 104	0.74 53	1.13 169	0.96 107	0.82 135	0.60 136	1.18 156	0.52 146	0.23 197	0.14 72	0.24 203	0.20 156	0.27 240	0.20 95

cross-raft	0.56 75	0.26 30	0.65 57	0.55 140	0.31 92	0.66 146	0.37 84	1.68 225	0.82 76	1.06 151	1.07 149	1.25 279	0.45 49	0.74 51	0.39 48	0.15 4	0.13 20	0.19 68	0.16 75	0.19 80	0.17 33

test-1	0.56 75	0.28 58	1.13 250	0.58 190	0.34 147	0.60 112	0.38 91	1.56 203	0.98 130	0.80 86	1.02 129	0.83 144	0.52 91	0.64 37	0.46 103	0.17 25	0.16 161	0.20 94	0.17 93	0.20 109	0.26 213

raft+_RVC	0.56 75	0.29 78	0.61 40	0.65 262	0.56 307	0.53 74	0.53 219	1.40 172	1.02 149	0.78 82	1.04 140	0.70 98	0.55 103	1.00 114	0.49 131	0.18 48	0.16 161	0.19 68	0.19 127	0.18 51	0.17 33

RAFT-Stereo + iAFF	0.56 75	0.28 58	0.81 124	0.45 14	0.25 13	0.40 12	0.34 58	1.12 98	1.13 197	1.35 292	1.58 330	0.80 123	0.67 159	0.71 48	0.43 81	0.14 1	0.11 3	0.18 47	0.17 93	0.18 51	0.16 22

H2IRNET	0.57 87	0.28 58	0.75 98	0.49 51	0.35 162	0.40 12	0.27 21	1.03 65	1.18 224	0.62 61	1.26 225	1.07 231	0.85 217	1.02 119	0.64 203	0.20 118	0.16 161	0.23 181	0.25 268	0.22 164	0.20 95

11t1	0.57 87	0.30 97	0.84 150	0.54 128	0.30 77	0.83 223	0.41 117	1.34 160	0.79 70	0.88 106	0.82 82	0.70 98	0.70 168	0.96 107	0.67 213	0.21 144	0.21 256	0.20 94	0.16 75	0.21 144	0.26 213

rrr	0.57 87	0.33 160	2.43 385	0.46 22	0.34 147	0.50 58	0.38 91	0.84 26	0.55 9	0.48 24	0.48 12	0.48 32	0.45 49	2.28 312	0.44 85	0.19 80	0.14 72	0.19 68	0.15 46	0.17 28	0.18 43

test_3	0.57 87	0.24 18	0.87 165	0.55 140	0.30 77	0.60 112	0.40 107	1.07 76	1.08 170	1.20 213	0.68 46	0.92 183	0.43 40	1.68 240	0.40 64	0.16 10	0.13 20	0.22 148	0.19 127	0.21 144	0.17 33

Patchmatch Stereo++	0.57 87	0.33 160	0.82 133	0.52 95	0.27 24	0.63 127	0.28 26	1.14 104	0.73 46	1.13 169	0.96 107	0.82 135	0.60 136	1.40 189	0.52 146	0.23 197	0.14 72	0.24 203	0.20 156	0.27 240	0.20 95
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
ROB_FTStereo_v2	0.57 87	0.33 160	0.81 124	0.52 95	0.27 24	0.62 119	0.42 123	1.14 104	0.73 46	1.13 169	0.97 115	0.82 135	0.60 136	1.15 150	0.53 155	0.23 197	0.14 72	0.24 203	0.20 156	0.27 240	0.20 95

DeepStereo_RVC	0.57 87	0.31 125	0.78 112	0.53 116	0.30 77	0.57 96	0.32 44	1.11 96	0.80 73	1.17 191	0.94 104	0.83 144	0.93 258	1.01 116	0.61 193	0.23 197	0.14 72	0.21 119	0.19 127	0.24 212	0.26 213

iRAFT	0.57 87	0.33 160	0.82 133	0.52 95	0.27 24	0.63 127	0.28 26	1.14 104	0.73 46	1.13 169	0.96 107	0.82 135	0.60 136	1.40 189	0.52 146	0.23 197	0.14 72	0.24 203	0.20 156	0.27 240	0.20 95

CRE-IMP	0.57 87	0.32 141	0.82 133	0.54 128	0.29 63	0.77 198	0.25 8	1.19 127	0.79 70	1.09 155	0.95 105	0.81 129	0.57 111	1.11 145	0.57 175	0.22 176	0.14 72	0.23 181	0.19 127	0.28 256	0.24 175

RAFT-IKP	0.57 87	0.33 160	0.82 133	0.52 95	0.27 24	0.57 96	0.35 68	1.14 104	0.73 46	1.13 169	0.96 107	0.83 144	0.61 145	1.26 165	0.53 155	0.23 197	0.14 72	0.24 203	0.20 156	0.27 240	0.20 95

test_xeample3	0.57 87	0.33 160	3.11 404	0.46 22	0.34 147	0.55 91	0.38 91	0.86 31	0.49 5	0.54 46	0.46 9	0.44 13	0.44 46	1.49 215	0.45 97	0.18 48	0.14 72	0.19 68	0.15 46	0.17 28	0.18 43

CFNet-RSSM	0.57 87	0.25 26	0.76 103	0.49 51	0.28 49	0.59 108	0.27 21	1.89 285	1.17 218	1.09 155	0.95 105	1.06 228	0.53 93	0.74 51	0.41 71	0.17 25	0.13 20	0.17 21	0.15 46	0.16 16	0.16 22

rvit_0105_4	0.58 99	0.40 274	1.19 277	0.68 300	0.38 189	0.53 74	0.55 239	0.93 36	1.27 270	0.56 50	0.61 37	0.72 106	0.63 146	1.01 116	0.47 113	0.33 326	0.33 370	0.29 297	0.25 268	0.29 271	0.26 213

AE-Stereo	0.58 99	0.29 78	0.81 124	0.62 235	0.41 222	0.69 164	0.46 172	2.49 404	1.25 258	0.49 28	0.77 69	0.69 95	0.46 57	0.61 25	0.42 77	0.17 25	0.16 161	0.21 119	0.20 156	0.19 80	0.18 43

1test111	0.58 99	0.34 189	0.63 45	0.60 214	0.27 24	1.16 309	0.51 202	1.58 208	0.91 97	0.60 56	0.80 77	0.47 28	0.87 233	0.99 111	0.67 213	0.21 144	0.13 20	0.25 241	0.15 46	0.23 183	0.25 194

RAFT-Test	0.58 99	0.27 50	0.81 124	0.50 66	0.33 133	0.95 268	0.27 21	1.40 172	0.89 91	1.00 130	1.12 172	1.39 311	0.48 68	0.74 51	0.41 71	0.17 25	0.14 72	0.17 21	0.14 35	0.16 16	0.18 43

anonymousdsp2	0.58 99	0.29 78	0.93 187	0.51 80	0.30 77	0.75 184	0.46 172	1.95 299	0.87 89	0.81 91	0.78 71	0.76 112	0.48 68	1.10 142	0.45 97	0.19 80	0.14 72	0.18 47	0.13 18	0.20 109	0.22 138

fff	0.58 99	0.26 30	1.15 257	0.46 22	0.25 13	0.48 39	0.36 77	1.20 131	1.28 278	1.13 169	1.03 136	0.59 65	1.04 306	0.77 59	0.58 180	0.17 25	0.14 72	0.17 21	0.13 18	0.15 6	0.24 175

iGMRVC	0.58 99	0.33 160	0.81 124	0.52 95	0.27 24	0.62 119	0.38 91	1.14 104	0.73 46	1.13 169	0.97 115	0.82 135	0.59 131	1.54 218	0.53 155	0.23 197	0.14 72	0.24 203	0.20 156	0.27 240	0.20 95

RALCasStereoNet	0.58 99	0.34 189	0.77 106	0.65 262	0.64 337	0.64 136	0.51 202	1.06 74	0.99 138	0.71 69	1.06 146	0.77 116	0.44 46	1.38 186	0.52 146	0.20 118	0.18 214	0.18 47	0.16 75	0.20 109	0.22 138

DCANet	0.58 99	0.26 30	1.15 257	0.45 14	0.25 13	0.49 44	0.36 77	1.18 123	1.35 306	1.15 184	1.04 140	0.60 68	0.91 248	0.84 78	0.58 180	0.17 25	0.14 72	0.17 21	0.13 18	0.19 80	0.25 194

csc	0.58 99	0.26 30	1.15 257	0.46 22	0.25 13	0.48 39	0.36 77	1.20 131	1.28 278	1.13 169	1.03 136	0.59 65	1.04 306	0.77 59	0.58 180	0.17 25	0.14 72	0.17 21	0.13 18	0.15 6	0.24 175

cscssc	0.58 99	0.26 30	1.15 257	0.46 22	0.25 13	0.48 39	0.36 77	1.20 131	1.28 278	1.13 169	1.03 136	0.59 65	1.04 306	0.77 59	0.58 180	0.17 25	0.14 72	0.17 21	0.13 18	0.15 6	0.24 175

GMStereo	0.58 99	0.50 319	1.09 239	0.52 95	0.32 116	0.80 207	0.43 139	1.02 59	1.41 335	0.89 109	0.77 69	0.52 47	0.46 57	0.89 90	0.56 172	0.25 236	0.16 161	0.20 94	0.22 220	0.31 291	0.27 230
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
gcap-zeroshot	0.59 111	0.30 97	1.11 245	0.51 80	0.30 77	0.79 204	0.36 77	1.86 277	0.86 86	0.90 110	0.68 46	1.44 318	0.50 83	0.82 71	0.35 15	0.19 80	0.16 161	0.18 47	0.15 46	0.18 51	0.18 43

ACVNet-DCA	0.59 111	0.34 189	0.63 45	0.60 214	0.27 24	1.16 309	0.51 202	1.58 208	0.91 97	0.60 56	0.80 77	0.47 28	0.87 233	1.48 209	0.35 15	0.21 144	0.13 20	0.25 241	0.15 46	0.23 183	0.25 194

IGEV_Zeroshot_test	0.59 111	0.33 160	1.11 245	0.63 245	0.37 177	0.41 17	0.33 49	1.80 259	0.79 70	1.04 144	1.10 161	1.06 228	0.43 40	0.87 85	0.48 120	0.18 48	0.13 20	0.19 68	0.18 108	0.20 109	0.23 156

DCANet-4	0.59 111	0.28 58	1.65 339	0.44 11	0.25 13	0.48 39	0.36 77	1.15 116	1.36 314	1.13 169	1.03 136	0.56 58	0.74 173	0.77 59	0.58 180	0.17 25	0.14 72	0.17 21	0.13 18	0.15 6	0.24 175

x	0.59 111	0.34 189	0.79 116	0.51 80	0.32 116	0.69 164	0.46 172	1.64 220	0.97 127	0.86 104	0.86 89	0.83 144	0.74 173	0.75 57	0.70 221	0.21 144	0.22 271	0.22 148	0.20 156	0.21 144	0.24 175

sAnonymous2	0.59 111	0.61 353	1.82 348	0.61 227	0.52 285	0.51 65	0.54 230	0.97 47	0.70 42	0.50 33	0.68 46	0.46 22	0.63 146	0.61 25	0.41 71	0.22 176	0.17 188	0.23 181	0.21 197	0.85 417	0.56 383

CroCo_RVC	0.59 111	0.61 353	1.82 348	0.61 227	0.52 285	0.51 65	0.54 230	0.97 47	0.70 42	0.50 33	0.68 46	0.46 22	0.63 146	0.61 25	0.41 71	0.22 176	0.17 188	0.23 181	0.21 197	0.85 417	0.56 383

testlalala2	0.60 118	0.30 97	0.68 66	1.79 436	1.30 430	0.65 140	0.41 117	1.06 74	0.75 58	0.91 112	0.96 107	0.75 110	0.34 19	0.56 12	0.45 97	0.18 48	0.16 161	0.17 21	0.13 18	0.17 28	0.19 69

MIM_Stereo	0.60 118	0.26 30	1.02 217	0.49 51	0.32 116	0.52 70	0.28 26	1.41 176	0.82 76	1.02 139	1.16 193	0.93 185	0.53 93	1.48 209	0.63 199	0.17 25	0.17 188	0.20 94	0.19 127	0.17 28	0.18 43

MIPNet	0.60 118	0.31 125	1.07 234	0.51 80	0.34 147	0.68 155	0.40 107	1.67 224	1.14 203	1.11 158	0.93 102	0.60 68	0.78 188	0.77 59	0.58 180	0.18 48	0.14 72	0.19 68	0.16 75	0.18 51	0.21 116

AFF-stereo	0.60 118	0.28 58	0.72 76	0.48 39	0.29 63	0.34 7	0.37 84	1.22 137	1.20 229	1.21 219	1.59 334	1.10 246	0.70 168	1.01 116	0.44 85	0.14 1	0.12 6	0.19 68	0.20 156	0.18 51	0.15 6

R-Stereo Train	0.60 118	0.30 97	0.72 76	0.57 178	0.37 177	0.68 155	0.52 213	1.45 181	0.78 61	1.61 363	1.50 307	0.76 112	0.53 93	0.67 41	0.51 138	0.19 80	0.16 161	0.18 47	0.15 46	0.18 51	0.19 69

RAFT-Stereo	0.60 118	0.30 97	0.72 76	0.57 178	0.37 177	0.68 155	0.52 213	1.45 181	0.78 61	1.61 363	1.50 307	0.76 112	0.53 93	0.67 41	0.51 138	0.19 80	0.16 161	0.18 47	0.15 46	0.18 51	0.19 69
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
rvit_0105_5	0.61 124	0.41 284	1.19 277	0.67 288	0.37 177	0.57 96	0.56 246	1.08 81	1.28 278	0.65 62	0.68 46	0.77 116	0.67 159	0.91 96	0.51 138	0.33 326	0.32 364	0.30 307	0.27 300	0.28 256	0.28 243

riskmin	0.62 125	0.29 78	0.73 88	0.50 66	0.34 147	0.86 237	0.44 157	1.74 245	1.07 167	0.76 80	0.76 65	1.19 263	1.01 290	0.84 78	0.60 190	0.20 118	0.16 161	0.24 203	0.16 75	0.24 212	0.29 257

qqq	0.62 125	0.36 223	0.88 169	0.50 66	0.28 49	0.64 136	0.62 275	1.58 208	0.91 97	0.83 94	0.96 107	0.95 195	0.79 195	0.99 111	0.67 213	0.21 144	0.23 296	0.24 203	0.23 249	0.23 183	0.25 194

ADStereo(finetuned)	0.62 125	0.26 30	1.59 336	0.45 14	0.25 13	0.49 44	0.36 77	1.18 123	1.35 306	1.16 188	1.04 140	0.60 68	1.18 339	0.85 81	0.57 175	0.17 25	0.14 72	0.17 21	0.13 18	0.19 80	0.24 175

dd	0.62 125	0.51 323	1.17 271	0.56 158	0.33 133	0.74 180	0.46 172	1.03 65	1.40 332	0.80 86	0.87 91	0.60 68	0.57 111	1.02 119	0.86 261	0.28 292	0.18 214	0.26 262	0.19 127	0.35 314	0.27 230

IPLGR	0.62 125	0.28 58	1.32 304	0.50 66	0.29 63	0.65 140	0.34 58	1.47 186	1.19 225	1.21 219	1.07 149	0.70 98	0.65 153	1.05 126	0.55 166	0.18 48	0.15 129	0.20 94	0.17 93	0.21 144	0.20 95

PFNet+	0.62 125	0.31 125	0.99 208	0.57 178	0.31 92	0.57 96	0.30 35	0.99 57	1.25 258	1.33 281	1.10 161	0.79 121	0.57 111	1.35 179	0.53 155	0.26 256	0.17 188	0.28 287	0.26 284	0.21 144	0.27 230

NRIStereo	0.62 125	0.31 125	0.78 112	0.56 158	0.28 49	0.63 127	0.33 49	1.16 119	0.92 102	1.15 184	0.87 91	0.90 172	0.58 128	2.24 308	0.56 172	0.22 176	0.14 72	0.21 119	0.19 127	0.22 164	0.18 43

RALAANet	0.62 125	0.37 242	0.97 204	0.66 275	0.50 272	0.67 151	0.31 39	1.27 151	1.09 177	1.11 158	1.17 195	0.88 160	0.46 57	1.27 167	0.45 97	0.20 118	0.15 129	0.21 119	0.18 108	0.27 240	0.19 69

FENet	0.62 125	0.30 97	0.68 66	0.57 178	0.33 133	0.82 216	0.40 107	1.41 176	1.12 192	1.03 142	0.87 91	0.98 203	0.84 212	1.00 114	0.70 221	0.23 197	0.16 161	0.23 181	0.20 156	0.22 164	0.24 175

RAFT+CT+SA	0.63 134	0.30 97	0.73 88	0.69 312	0.37 177	0.40 12	0.55 239	1.93 295	1.04 158	0.72 73	1.23 217	0.62 74	0.69 166	1.69 244	0.42 77	0.19 80	0.13 20	0.22 148	0.22 220	0.21 144	0.19 69

GANet-ADL	0.63 134	0.38 260	0.82 133	0.67 288	0.41 222	0.68 155	0.51 202	1.64 220	1.16 214	0.98 125	1.10 161	0.90 172	0.58 128	0.81 70	0.63 199	0.27 277	0.18 214	0.18 47	0.16 75	0.23 183	0.27 230

AnonymousM	0.63 134	1.14 416	0.43 6	0.46 22	0.32 116	0.43 24	0.46 172	1.27 151	0.78 61	1.00 130	0.66 42	0.68 90	0.45 49	0.61 25	0.46 103	0.21 144	0.16 161	1.84 441	0.98 438	0.15 6	0.15 6

HHNet	0.64 137	0.28 58	0.69 71	0.45 14	0.46 252	0.50 58	0.57 251	1.13 101	1.03 152	1.26 249	2.21 398	0.70 98	0.59 131	1.10 142	0.51 138	0.21 144	0.13 20	0.23 181	0.19 127	0.20 109	0.31 281

Pruner-Stereo	0.64 137	0.31 125	0.79 116	0.66 275	0.31 92	0.61 116	0.42 123	1.22 137	1.09 177	1.53 347	1.09 159	0.94 191	0.55 103	1.37 183	0.56 172	0.25 236	0.14 72	0.24 203	0.21 197	0.21 144	0.25 194

Anonymous3	0.64 137	0.47 306	1.31 302	0.59 207	0.50 272	0.93 259	0.69 293	1.11 96	0.83 79	0.74 76	0.89 96	0.65 82	0.68 163	1.08 136	0.54 164	0.40 363	0.31 353	0.26 262	0.26 284	0.31 291	0.30 272

DIP-Stereo	0.64 137	0.32 141	0.91 183	0.49 51	0.36 169	0.91 248	0.33 49	2.51 407	0.77 59	1.25 236	1.00 125	0.68 90	0.51 86	0.92 97	0.65 208	0.19 80	0.15 129	0.21 119	0.17 93	0.19 80	0.22 138
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
tt1	0.65 141	0.34 189	0.65 57	0.60 214	0.27 24	1.14 303	0.48 185	1.08 81	2.62 425	0.59 51	0.79 73	0.49 35	0.80 201	1.57 221	0.35 15	0.21 144	0.13 20	0.25 241	0.16 75	0.20 109	0.23 156

TestStereo	0.65 141	0.42 287	0.83 141	0.52 95	0.27 24	0.57 96	0.44 157	1.07 76	0.92 102	0.85 100	1.01 127	0.68 90	0.56 108	3.22 353	0.47 113	0.23 197	0.15 129	0.24 203	0.18 108	0.28 256	0.18 43

rvit_0105_3	0.66 143	0.47 306	1.27 295	0.74 342	0.40 208	0.63 127	0.70 299	1.22 137	1.28 278	0.83 94	0.71 56	0.82 135	0.72 172	0.93 99	0.58 180	0.37 353	0.34 373	0.34 341	0.32 349	0.28 256	0.31 281

rvit_stereo_0075_2	0.66 143	0.47 306	1.21 284	0.67 288	0.66 345	0.53 74	0.48 185	1.24 143	1.17 218	0.77 81	0.91 98	0.78 120	0.59 131	1.05 126	0.63 199	0.37 353	0.28 335	0.40 374	0.31 343	0.38 329	0.34 305

CAS	0.66 143	0.19 1	0.41 5	2.31 443	0.86 393	0.56 94	0.53 219	0.83 22	0.63 27	0.49 28	0.70 55	0.36 6	0.26 2	0.47 5	0.37 41	2.33 443	0.10 1	0.14 1	0.10 1	0.17 28	1.31 433

TestStereo1	0.66 143	0.29 78	0.95 196	0.82 371	0.32 116	0.47 34	0.43 139	1.52 191	1.22 242	0.99 126	1.32 251	0.65 82	0.76 179	1.78 253	0.44 85	0.20 118	0.16 161	0.22 148	0.19 127	0.21 144	0.20 95

RAFT_CTSACE	0.66 143	0.29 78	1.14 255	0.57 178	0.51 282	0.68 155	0.44 157	0.88 32	0.98 130	1.03 142	1.83 368	1.23 274	0.67 159	1.48 209	0.38 45	0.16 10	0.16 161	0.21 119	0.20 156	0.20 109	0.17 33

SA-5K	0.66 143	0.29 78	0.95 196	0.82 371	0.32 116	0.47 34	0.43 139	1.52 191	1.22 242	0.99 126	1.32 251	0.65 82	0.76 179	1.78 253	0.44 85	0.20 118	0.16 161	0.22 148	0.19 127	0.21 144	0.20 95

ACRE	0.66 143	0.37 242	1.27 295	0.60 214	0.50 272	0.74 180	0.47 181	1.26 147	1.10 180	1.40 311	1.56 325	0.62 74	0.46 57	0.88 87	0.78 241	0.24 217	0.15 129	0.19 68	0.16 75	0.19 80	0.29 257

ICVP	0.66 143	0.35 216	0.71 75	0.63 245	0.41 222	0.85 236	0.56 246	1.78 252	0.96 123	0.92 114	1.24 221	0.88 160	0.75 178	0.76 58	0.93 282	0.31 314	0.22 271	0.22 148	0.21 197	0.24 212	0.28 243
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
111	0.66 143	0.27 50	1.15 257	0.46 22	0.25 13	0.72 174	0.42 123	1.57 206	1.44 346	0.83 94	1.39 276	1.10 246	0.80 201	0.97 109	0.65 208	0.20 118	0.14 72	0.18 47	0.15 46	0.18 51	0.28 243

ACVNet	0.66 143	0.33 160	0.74 93	0.55 140	0.37 177	0.80 207	0.47 181	1.46 183	1.11 186	1.01 135	1.31 246	1.07 231	0.91 248	0.82 71	1.09 306	0.22 176	0.19 229	0.21 119	0.18 108	0.23 183	0.19 69

test_sample2	0.67 153	0.31 125	0.89 172	0.54 128	0.29 63	0.80 207	0.63 280	1.83 266	1.10 180	0.93 117	1.06 146	0.94 191	0.92 256	1.24 161	0.59 187	0.23 197	0.20 241	0.22 148	0.21 197	0.24 212	0.25 194

test_sample1	0.67 153	0.32 141	0.90 179	0.54 128	0.33 133	0.76 189	0.48 185	1.75 247	1.06 165	0.95 121	0.99 120	0.91 176	1.10 320	1.25 162	0.79 246	0.22 176	0.19 229	0.21 119	0.20 156	0.21 144	0.25 194

MyStereo06	0.67 153	0.29 78	1.06 229	0.58 190	0.48 261	0.62 119	0.72 303	2.26 370	0.89 91	1.07 153	1.12 172	1.22 270	0.56 108	0.83 75	0.47 113	0.17 25	0.17 188	0.24 203	0.21 197	0.23 183	0.23 156

StereoVision	0.67 153	0.37 242	1.02 217	0.60 214	0.41 222	0.50 58	0.41 117	1.32 159	0.96 123	0.73 75	2.48 412	0.82 135	0.57 111	1.06 131	0.50 134	0.26 256	0.28 335	0.29 297	0.28 310	0.37 323	0.22 138

CASS	0.67 153	0.36 223	0.84 150	0.57 178	0.28 49	0.82 216	0.43 139	1.62 219	0.92 102	1.39 305	1.28 239	0.87 154	0.84 212	0.88 87	0.59 187	0.36 350	0.19 229	0.26 262	0.22 220	0.29 271	0.43 347
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
CIPLG	0.67 153	0.37 242	1.17 271	0.60 214	0.51 282	0.75 184	0.48 185	1.26 147	1.11 186	1.43 321	1.58 330	0.64 80	0.48 68	0.94 100	0.78 241	0.24 217	0.15 129	0.19 68	0.16 75	0.19 80	0.29 257

IPLGR_C	0.67 153	0.38 260	1.20 280	0.60 214	0.50 272	0.75 184	0.48 185	1.28 155	1.13 197	1.42 317	1.57 329	0.62 74	0.48 68	0.85 81	0.80 253	0.24 217	0.15 129	0.19 68	0.16 75	0.19 80	0.29 257

GwcNet-ADL	0.67 153	0.33 160	0.90 179	0.58 190	0.41 222	0.60 112	0.59 263	1.55 200	1.28 278	1.11 158	1.13 182	0.90 172	0.59 131	1.11 145	0.91 275	0.28 292	0.18 214	0.18 47	0.18 108	0.25 224	0.33 297

TRStereo	0.67 153	0.71 380	1.06 229	0.77 359	0.68 352	0.53 74	0.38 91	2.52 408	0.96 123	0.81 91	0.84 85	0.87 154	0.39 30	1.16 152	0.46 103	0.24 217	0.17 188	0.23 181	0.24 261	0.18 51	0.20 95

RAFT	0.67 153	0.32 141	0.83 141	0.63 245	0.34 147	0.69 164	0.57 251	1.14 104	0.84 81	1.12 166	1.20 202	1.75 368	0.92 256	1.09 140	0.60 190	0.22 176	0.19 229	0.27 273	0.24 261	0.22 164	0.23 156

DN-CSS_ROB	0.67 153	0.36 223	1.36 311	0.59 207	0.41 222	0.54 87	0.45 167	1.30 157	0.95 119	1.05 146	1.47 297	0.69 95	0.64 149	1.80 260	0.60 190	0.19 80	0.15 129	0.25 241	0.23 249	0.22 164	0.23 156

cc1	0.68 164	0.34 189	0.63 45	0.60 214	0.27 24	1.16 309	0.51 202	1.07 76	3.23 437	0.60 56	0.80 77	0.47 28	0.87 233	1.48 209	0.35 15	0.21 144	0.13 20	0.25 241	0.15 46	0.19 80	0.23 156

mmm	0.68 164	0.37 242	0.91 183	0.54 128	0.34 147	0.86 237	0.58 258	1.72 242	1.02 149	1.13 169	1.41 286	0.83 144	0.78 188	0.95 106	0.67 213	0.22 176	0.20 241	0.29 297	0.26 284	0.27 240	0.27 230

PCWNet_CMD	0.68 164	0.34 189	0.93 187	0.51 80	0.38 189	0.80 207	0.42 123	1.51 189	1.34 303	1.17 191	1.31 246	1.23 274	0.65 153	0.94 100	0.62 196	0.21 144	0.17 188	0.27 273	0.19 127	0.43 347	0.28 243

HH	0.68 164	0.33 160	0.83 141	0.53 116	0.34 147	0.92 255	0.45 167	1.79 255	0.74 53	0.71 69	1.13 182	1.60 345	0.83 210	1.95 279	0.39 48	0.18 48	0.14 72	0.19 68	0.17 93	0.19 80	0.19 69

HanStereo	0.68 164	0.33 160	0.83 141	0.53 116	0.34 147	0.92 255	0.45 167	1.79 255	0.74 53	0.71 69	1.13 182	1.60 345	0.83 210	1.95 279	0.39 48	0.18 48	0.14 72	0.19 68	0.17 93	0.19 80	0.19 69

DisPM	0.68 164	0.30 97	0.85 156	0.66 275	0.35 162	0.60 112	0.44 157	1.10 94	1.10 180	1.56 354	1.10 161	0.80 123	0.58 128	2.37 320	0.46 103	0.25 236	0.14 72	0.23 181	0.21 197	0.20 109	0.26 213

CFNet_pseudo	0.68 164	0.34 189	0.93 187	0.50 66	0.39 198	0.72 174	0.42 123	1.44 179	1.25 258	1.17 191	1.35 265	1.22 270	0.66 157	1.04 123	0.64 203	0.21 144	0.17 188	0.33 333	0.19 127	0.39 334	0.28 243

MSMDNet	0.68 164	0.34 189	0.93 187	0.52 95	0.38 189	0.80 207	0.42 123	1.52 191	1.35 306	1.17 191	1.31 246	1.23 274	0.65 153	0.94 100	0.62 196	0.21 144	0.17 188	0.26 262	0.19 127	0.41 342	0.28 243

ccs_rob	0.68 164	0.34 189	0.93 187	0.50 66	0.39 198	0.72 174	0.42 123	1.43 178	1.25 258	1.17 191	1.34 260	1.22 270	0.66 157	1.04 123	0.64 203	0.21 144	0.17 188	0.35 348	0.20 156	0.40 338	0.29 257

SA	0.69 173	0.31 125	0.97 204	0.64 256	0.30 77	0.56 94	0.38 91	1.84 268	1.35 306	0.99 126	1.37 270	0.69 95	0.94 261	1.88 272	0.43 81	0.20 118	0.16 161	0.25 241	0.23 249	0.22 164	0.19 69

MyStereo8	0.70 174	0.32 141	1.24 290	0.63 245	0.53 290	0.90 246	0.34 58	1.60 214	1.35 306	1.20 213	1.31 246	0.89 170	0.64 149	0.77 59	1.02 301	0.18 48	0.15 129	0.20 94	0.18 108	0.22 164	0.30 272

MyStereo05	0.70 174	0.29 78	1.22 285	0.58 190	0.48 261	0.62 119	0.72 303	1.52 191	1.54 368	1.17 191	0.91 98	0.77 116	0.79 195	1.45 202	0.68 217	0.17 25	0.17 188	0.24 203	0.21 197	0.23 183	0.23 156

xx1	0.70 174	0.34 189	0.63 45	0.60 214	0.27 24	1.16 309	0.51 202	1.07 76	3.23 437	0.60 56	0.80 77	0.95 195	0.79 195	1.48 209	0.35 15	0.21 144	0.13 20	0.24 203	0.23 249	0.23 183	0.25 194

GMStereo_Zeroshot	0.70 174	0.64 363	1.11 245	0.65 262	0.38 189	0.84 230	0.37 84	1.09 88	1.16 214	1.14 182	1.07 149	1.26 285	0.55 103	1.23 160	0.65 208	0.34 335	0.17 188	0.31 313	0.18 108	0.57 391	0.23 156

test_5	0.70 174	0.32 141	0.99 208	0.69 312	0.50 272	0.89 243	0.51 202	1.88 283	1.14 203	0.78 82	1.13 182	1.04 224	0.89 242	1.59 226	0.46 103	0.19 80	0.14 72	0.23 181	0.22 220	0.22 164	0.20 95

GES	0.70 174	0.37 242	1.05 227	0.62 235	0.38 189	0.94 262	0.57 251	2.37 385	0.92 102	1.05 146	1.12 172	0.67 88	0.77 183	1.02 119	0.65 208	0.28 292	0.20 241	0.20 94	0.20 156	0.22 164	0.31 281

IGEV-BASED-STEREO-	0.71 180	3.18 462	2.55 389	0.40 5	0.24 8	0.42 20	0.23 6	0.66 5	0.46 3	0.47 19	0.45 8	0.33 4	0.27 3	0.58 20	0.30 4	1.34 437	0.10 1	0.22 148	0.19 127	0.45 359	1.32 435

MyStereo04	0.71 180	0.30 97	1.28 298	0.58 190	0.48 261	0.59 108	0.78 315	1.74 245	1.49 362	0.94 119	0.91 98	0.74 108	0.86 224	1.59 226	0.69 218	0.18 48	0.18 214	0.24 203	0.21 197	0.23 183	0.23 156

raft_robust	0.71 180	0.32 141	0.75 98	0.54 128	0.28 49	0.54 87	0.35 68	1.54 197	1.24 250	1.18 202	1.07 149	0.73 107	0.53 93	3.65 362	0.40 64	0.19 80	0.16 161	0.20 94	0.22 220	0.21 144	0.19 69

iRaft-Stereo_20w	0.71 180	0.33 160	1.25 292	0.50 66	0.36 169	0.82 216	0.31 39	3.16 433	0.89 91	1.24 233	1.14 187	0.79 121	0.65 153	1.15 150	0.43 81	0.18 48	0.13 20	0.18 47	0.17 93	0.20 109	0.23 156

DMCA	0.71 180	0.36 223	1.17 271	0.53 116	0.45 245	0.84 230	0.46 172	1.52 191	1.09 177	1.20 213	1.12 172	1.21 266	0.74 173	0.87 85	1.09 306	0.25 236	0.20 241	0.27 273	0.19 127	0.24 212	0.29 257

HITNet	0.71 180	0.42 287	1.07 234	0.52 95	0.25 13	1.05 286	0.48 185	2.12 335	1.08 170	1.21 219	1.23 217	0.91 176	0.84 212	0.90 93	0.91 275	0.17 25	0.12 6	0.21 119	0.17 93	0.29 271	0.18 43
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
IPLG	0.72 186	0.29 78	1.12 249	0.53 116	0.44 242	0.79 204	0.33 49	1.35 161	1.10 180	1.32 276	1.11 168	0.52 47	0.54 100	3.13 349	0.71 224	0.17 25	0.14 72	0.20 94	0.17 93	0.18 51	0.21 116

HCRNet	0.72 186	0.40 274	0.86 163	0.61 227	0.57 311	0.75 184	0.35 68	1.39 170	1.21 235	1.11 158	0.99 120	1.01 218	0.76 179	2.18 304	0.73 225	0.28 292	0.19 229	0.28 287	0.23 249	0.25 224	0.26 213

UCFNet_RVC	0.72 186	0.37 242	0.59 31	0.66 275	0.41 222	0.89 243	0.68 290	1.78 252	1.15 208	1.01 135	1.20 202	1.22 270	0.95 266	1.07 133	0.66 212	0.28 292	0.21 256	0.34 341	0.31 343	0.33 307	0.29 257

test_sample3	0.73 189	0.35 216	1.06 229	0.55 140	0.32 116	0.97 275	0.51 202	2.12 335	1.25 258	1.16 188	1.17 195	0.88 160	0.78 188	1.27 167	0.79 246	0.26 256	0.21 256	0.25 241	0.25 268	0.26 234	0.27 230

CFNet_ucs	0.73 189	0.34 189	0.94 193	0.53 116	0.44 242	0.76 189	0.46 172	1.73 243	1.34 303	1.24 233	1.54 317	1.08 241	0.64 149	1.05 126	0.64 203	0.26 256	0.20 241	0.37 361	0.22 220	0.42 345	0.30 272

ToySt	0.73 189	0.35 216	1.64 338	0.54 128	0.37 177	0.92 255	0.81 330	1.21 135	1.03 152	0.86 104	1.12 172	1.31 296	1.01 290	1.04 123	0.88 266	0.19 80	0.20 241	0.24 203	0.24 261	0.27 240	0.28 243

LCNet	0.73 189	0.30 97	0.58 26	0.58 190	0.31 92	0.68 155	0.53 219	1.09 88	0.94 115	1.19 208	1.34 260	0.96 199	1.32 358	2.50 326	0.46 103	0.19 80	0.13 20	0.21 119	0.25 268	0.28 256	0.69 406

test_sample4	0.74 193	0.36 223	1.09 239	0.55 140	0.32 116	0.92 255	0.51 202	2.14 344	1.25 258	1.22 226	1.22 209	0.86 152	0.82 206	1.29 169	0.76 235	0.26 256	0.21 256	0.26 262	0.26 284	0.27 240	0.28 243

IER	0.74 193	0.33 160	1.25 292	0.50 66	0.53 290	1.32 332	0.55 239	1.31 158	1.08 170	1.30 267	1.34 260	1.11 251	1.10 320	1.05 126	0.81 255	0.20 118	0.17 188	0.21 119	0.21 197	0.20 109	0.21 116

SFCPSM	0.74 193	0.30 97	1.06 229	0.52 95	0.39 198	1.36 340	0.64 282	2.42 391	1.11 186	1.18 202	1.21 207	0.81 129	0.78 188	1.08 136	0.57 175	0.22 176	0.17 188	0.22 148	0.24 261	0.23 183	0.21 116

AdaStereo	0.74 193	0.48 311	0.86 163	0.75 350	0.38 189	0.94 262	0.56 246	2.05 325	1.24 250	1.15 184	1.22 209	1.07 231	0.67 159	1.05 126	0.73 225	0.33 326	0.16 161	0.32 324	0.22 220	0.29 271	0.23 156
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.
test_sample5	0.75 197	0.36 223	1.04 222	0.55 140	0.31 92	0.84 230	0.53 219	2.12 335	1.23 246	1.18 202	1.30 244	0.88 160	0.86 224	1.37 183	0.76 235	0.26 256	0.22 271	0.27 273	0.28 310	0.28 256	0.29 257

DualNet	0.75 197	0.36 223	1.04 222	0.55 140	0.31 92	0.84 230	0.53 219	2.12 335	1.23 246	1.21 219	1.40 281	0.88 160	0.86 224	1.37 183	0.76 235	0.26 256	0.22 271	0.27 273	0.28 310	0.28 256	0.29 257

BSDual-CNN	0.75 197	0.34 189	0.77 106	0.55 140	0.45 245	1.25 326	0.66 286	2.65 416	1.04 158	1.25 236	1.12 172	1.11 251	0.77 183	0.94 100	0.76 235	0.25 236	0.18 214	0.25 241	0.22 220	0.23 183	0.24 175

psmg	0.75 197	0.34 189	0.77 106	0.52 95	0.45 245	1.46 353	0.73 306	2.15 349	1.04 158	1.25 236	1.33 256	1.11 251	0.77 183	0.94 100	0.76 235	0.25 236	0.20 241	0.25 241	0.26 284	0.23 183	0.24 175

UDGNet	0.75 197	1.23 422	0.99 208	0.82 371	0.42 230	0.76 189	0.38 91	0.98 51	1.37 319	0.83 94	0.88 94	0.70 98	0.60 136	1.25 162	0.57 175	0.57 406	0.19 229	1.03 432	0.26 284	0.79 416	0.35 314

PSMNet-ADL	0.75 197	0.36 223	0.69 71	0.71 324	0.47 259	1.13 300	0.46 172	1.47 186	1.07 167	0.85 100	1.18 198	1.31 296	0.94 261	1.56 219	1.06 304	0.34 335	0.22 271	0.22 148	0.23 249	0.27 240	0.36 316

GMM-Stereo	0.75 197	0.27 50	0.66 61	0.56 158	0.34 147	0.71 171	0.97 364	1.09 88	0.91 97	1.37 298	1.79 361	1.11 251	0.79 195	2.08 296	0.48 120	0.19 80	0.12 6	0.25 241	0.25 268	0.21 144	0.78 413

rvit_105_1	0.76 204	0.54 334	1.27 295	0.80 364	0.49 267	0.74 180	0.86 343	1.39 170	1.23 246	1.00 130	0.80 77	0.93 185	0.78 188	1.29 169	0.78 241	0.43 371	0.36 383	0.36 358	0.42 384	0.30 285	0.36 316

qqq1	0.76 204	0.32 141	0.95 196	0.49 51	0.27 24	0.83 223	0.43 139	2.16 351	1.45 351	1.27 254	1.50 307	0.98 203	0.96 268	1.87 266	0.48 120	0.24 217	0.22 271	0.18 47	0.15 46	0.19 80	0.22 138

fff1	0.76 204	0.32 141	0.95 196	0.49 51	0.27 24	0.83 223	0.43 139	2.16 351	1.45 351	1.27 254	1.50 307	0.98 203	0.96 268	1.87 266	0.48 120	0.24 217	0.22 271	0.18 47	0.15 46	0.19 80	0.22 138

Sa-1000	0.76 204	0.30 97	0.92 186	0.62 235	0.31 92	0.78 199	0.37 84	2.00 312	1.38 321	1.30 267	2.04 388	0.86 152	0.74 173	1.87 266	0.40 64	0.19 80	0.14 72	0.25 241	0.24 261	0.21 144	0.19 69

Prome-Stereo	0.76 204	0.29 78	0.57 24	0.58 190	0.33 133	0.58 107	0.94 359	0.98 51	0.92 102	1.46 332	2.45 410	0.91 176	1.38 364	1.60 231	0.44 85	0.19 80	0.13 20	0.19 68	0.18 108	0.20 109	0.87 419

EAI-Stereo	0.76 204	0.31 125	0.74 93	0.55 140	0.28 49	0.70 168	1.72 422	2.57 411	0.90 96	0.75 78	3.03 421	0.57 60	0.43 40	1.10 142	0.49 131	0.19 80	0.14 72	0.17 21	0.18 108	0.17 28	0.21 116

test_sample6	0.77 210	0.36 223	1.07 234	0.56 158	0.31 92	0.82 216	0.56 246	2.12 335	1.24 250	1.21 219	1.40 281	0.90 172	0.90 245	1.45 202	0.87 265	0.28 292	0.23 296	0.28 287	0.29 327	0.28 256	0.30 272

KYRaft	0.77 210	0.29 78	0.68 66	0.59 207	0.29 63	0.66 146	0.83 335	1.05 72	0.89 91	1.63 367	2.22 399	1.15 259	0.99 281	1.59 226	0.41 71	0.21 144	0.14 72	0.22 148	0.28 310	0.21 144	1.01 423

MLCV	0.77 210	0.39 268	1.31 302	0.55 140	0.25 13	0.91 248	0.39 102	1.48 188	1.28 278	1.49 341	1.54 317	1.02 220	0.68 163	2.12 300	0.93 282	0.19 80	0.13 20	0.19 68	0.14 35	0.19 80	0.22 138

test_sample7	0.78 213	0.39 268	0.89 172	0.55 140	0.35 162	0.93 259	0.75 308	1.99 308	1.27 270	1.25 236	1.22 209	1.09 242	1.01 290	1.31 171	0.73 225	0.32 321	0.32 364	0.32 324	0.32 349	0.33 307	0.33 297

CoDeX	0.78 213	0.31 125	1.04 222	0.56 158	0.37 177	1.13 300	0.60 270	2.77 423	1.29 288	1.17 191	1.26 225	0.91 176	0.87 233	1.42 196	0.74 229	0.21 144	0.16 161	0.21 119	0.18 108	0.21 144	0.21 116

anonymousa	0.78 213	0.30 97	0.85 156	0.51 80	0.96 406	1.41 348	0.47 181	1.61 216	0.94 115	1.33 281	1.77 359	1.66 353	1.11 323	0.72 49	0.63 199	0.19 80	0.18 214	0.23 181	0.25 268	0.20 109	0.22 138

BUS	0.78 213	0.34 189	0.77 106	0.55 140	0.45 245	2.30 412	0.42 123	2.65 416	1.04 158	1.25 236	1.12 172	1.02 220	0.70 168	0.94 100	0.75 232	0.25 236	0.18 214	0.25 241	0.22 220	0.23 183	0.24 175

acv_ft	0.78 213	0.33 160	1.10 243	0.73 336	0.86 393	1.23 324	0.57 251	1.65 223	1.11 186	1.31 273	1.31 246	1.07 231	0.91 248	0.82 71	1.35 338	0.22 176	0.19 229	0.21 119	0.18 108	0.22 164	0.19 69

GANet-RSSM	0.78 213	0.31 125	0.90 179	0.67 288	0.58 314	0.80 207	0.62 275	2.04 321	1.15 208	1.11 158	1.27 234	1.26 285	1.18 339	1.68 240	0.74 229	0.26 256	0.21 256	0.22 148	0.22 220	0.23 183	0.23 156

PSMNet-RSSM	0.78 213	0.32 141	0.89 172	0.65 262	0.43 234	0.73 178	0.58 258	2.14 344	1.19 225	1.18 202	1.38 274	1.31 296	1.07 314	1.43 198	0.82 256	0.28 292	0.21 256	0.27 273	0.29 327	0.25 224	0.26 213

CFNet-ft	0.78 213	0.36 223	0.74 93	0.67 288	0.56 307	0.86 237	0.54 230	1.46 183	1.17 218	1.01 135	1.28 239	1.68 357	1.03 300	1.57 221	0.95 289	0.27 277	0.21 256	0.33 333	0.26 284	0.31 291	0.26 213

CFNet_RVC	0.78 213	0.36 223	0.74 93	0.67 288	0.56 307	0.86 237	0.54 230	1.46 183	1.17 218	1.01 135	1.28 239	1.68 357	1.03 300	1.57 221	0.95 289	0.27 277	0.21 256	0.33 333	0.26 284	0.31 291	0.26 213

SMFormer	0.79 222	0.32 141	0.95 196	0.49 51	0.27 24	0.83 223	0.43 139	2.16 351	1.45 351	1.27 254	1.50 307	0.98 203	0.96 268	1.87 266	0.99 294	0.24 217	0.22 271	0.22 148	0.21 197	0.23 183	0.27 230

tta	0.79 222	0.32 141	0.95 196	0.49 51	0.27 24	0.83 223	0.43 139	2.16 351	1.45 351	1.27 254	1.50 307	0.98 203	0.96 268	1.87 266	0.99 294	0.24 217	0.22 271	0.22 148	0.21 197	0.19 80	0.22 138

ffm	0.79 222	0.36 223	1.51 324	0.56 158	0.40 208	0.76 189	0.59 263	1.08 81	2.62 425	1.19 208	1.49 300	1.07 231	0.85 217	1.57 221	0.35 15	0.21 144	0.13 20	0.31 313	0.28 310	0.20 109	0.23 156

cf-r	0.79 222	0.32 141	1.06 229	0.57 178	0.64 337	0.78 199	0.51 202	2.04 321	1.22 242	1.20 213	1.27 234	1.53 336	0.91 248	1.47 207	0.94 287	0.25 236	0.19 229	0.22 148	0.23 249	0.19 80	0.21 116

DeepPruner_ROB	0.79 222	0.55 338	1.14 255	0.61 227	0.46 252	0.78 199	0.54 230	1.83 266	1.00 142	1.42 317	1.27 234	1.23 274	0.77 183	1.56 219	0.89 269	0.35 343	0.28 335	0.27 273	0.26 284	0.32 301	0.34 305

gwcnet-sp	0.80 227	0.37 242	1.94 356	0.62 235	0.45 245	1.38 341	0.53 219	1.68 225	1.20 229	1.37 298	1.08 156	0.93 185	0.82 206	1.45 202	0.79 246	0.22 176	0.22 271	0.22 148	0.21 197	0.23 183	0.25 194

scenet	0.80 227	0.37 242	1.94 356	0.62 235	0.45 245	1.38 341	0.53 219	1.68 225	1.20 229	1.37 298	1.08 156	0.93 185	0.82 206	1.45 202	0.79 246	0.22 176	0.22 271	0.22 148	0.21 197	0.23 183	0.25 194

ssnet	0.80 227	0.37 242	1.94 356	0.62 235	0.45 245	1.38 341	0.53 219	1.68 225	1.20 229	1.37 298	1.08 156	0.93 185	0.82 206	1.45 202	0.79 246	0.22 176	0.22 271	0.22 148	0.21 197	0.23 183	0.25 194

AASNet	0.80 227	0.39 268	1.16 270	0.84 379	0.80 382	1.14 303	0.59 263	2.12 335	1.21 235	1.26 249	1.26 225	0.93 185	0.77 183	0.84 78	1.23 324	0.28 292	0.24 305	0.24 203	0.20 156	0.28 256	0.27 230

PSM-softLoss	0.80 227	0.33 160	0.89 172	0.63 245	0.32 116	0.55 91	0.40 107	1.26 147	0.78 61	1.25 236	1.07 149	0.83 144	0.51 86	5.33 393	0.61 193	0.25 236	0.15 129	0.25 241	0.22 220	0.20 109	0.26 213

KMStereo	0.80 227	0.33 160	0.89 172	0.63 245	0.32 116	0.55 91	0.40 107	1.26 147	0.78 61	1.25 236	1.07 149	0.83 144	0.51 86	5.33 393	0.61 193	0.25 236	0.15 129	0.25 241	0.22 220	0.20 109	0.26 213

PSM-AAD	0.80 227	0.29 78	0.58 26	0.58 190	0.29 63	0.76 189	1.19 391	1.08 81	0.94 115	1.65 369	1.58 330	0.81 129	2.12 419	1.67 238	0.44 85	0.19 80	0.14 72	0.38 365	0.32 349	0.22 164	0.68 404

iResNet	0.80 227	0.45 298	1.47 320	0.72 329	0.31 92	0.96 273	0.64 282	1.80 259	1.28 278	1.31 273	1.48 299	0.94 191	0.78 188	1.77 251	0.99 294	0.19 80	0.14 72	0.18 47	0.15 46	0.22 164	0.27 230

NINENet	0.81 235	0.40 274	0.89 172	0.65 262	0.53 290	2.30 412	0.42 123	2.12 335	1.13 197	1.20 213	1.27 234	1.02 220	0.70 168	1.26 165	0.75 232	0.29 305	0.24 305	0.31 313	0.21 197	0.27 240	0.26 213

DRaft	0.81 235	0.26 30	0.77 106	0.47 34	0.31 92	0.95 268	0.52 213	1.13 101	0.99 138	1.78 381	2.01 386	0.80 123	1.71 394	2.64 333	0.74 229	0.19 80	0.14 72	0.20 94	0.20 156	0.18 51	0.24 175

hknet	0.82 237	0.34 189	1.15 257	0.55 140	0.39 198	1.25 326	0.66 286	2.65 416	1.10 180	1.25 236	1.12 172	1.58 344	0.85 217	1.41 191	0.79 246	0.23 197	0.18 214	0.25 241	0.22 220	0.23 183	0.24 175

NF-Stereo	0.82 237	0.33 160	0.83 141	0.65 262	0.31 92	0.63 127	0.43 139	1.35 161	0.93 109	1.30 267	1.02 129	0.81 129	0.57 111	5.37 397	0.55 166	0.26 256	0.14 72	0.24 203	0.20 156	0.20 109	0.30 272

OCTAStereo	0.82 237	0.33 160	0.83 141	0.65 262	0.31 92	0.62 119	0.44 157	1.35 161	0.93 109	1.30 267	1.02 129	0.81 129	0.57 111	5.32 392	0.55 166	0.26 256	0.14 72	0.24 203	0.20 156	0.20 109	0.30 272

RE-Stereo	0.82 237	0.33 160	0.84 150	0.65 262	0.31 92	0.63 127	0.44 157	1.35 161	0.93 109	1.30 267	1.02 129	0.80 123	0.57 111	5.34 395	0.55 166	0.26 256	0.14 72	0.24 203	0.20 156	0.20 109	0.31 281

TVStereo	0.82 237	0.33 160	0.84 150	0.65 262	0.31 92	0.63 127	0.44 157	1.35 161	0.93 109	1.30 267	1.02 129	0.80 123	0.57 111	5.34 395	0.55 166	0.26 256	0.14 72	0.24 203	0.20 156	0.20 109	0.31 281

ARAFT	0.82 237	0.40 274	1.77 344	0.53 116	0.31 92	0.89 243	0.81 330	2.32 378	1.08 170	1.66 370	1.25 223	1.04 224	0.64 149	1.91 273	0.52 146	0.20 118	0.15 129	0.28 287	0.27 300	0.17 28	0.18 43

STTStereo	0.82 237	0.53 331	1.53 331	0.68 300	0.56 307	0.88 241	0.56 246	1.57 206	1.14 203	1.39 305	1.10 161	1.26 285	0.84 212	1.49 215	0.90 273	0.29 305	0.28 335	0.33 333	0.40 380	0.33 307	0.37 320

BEATNet_4x	0.82 237	0.54 334	2.02 363	0.56 158	0.28 49	1.04 283	0.55 239	2.14 344	1.13 197	1.24 233	1.26 225	1.00 213	0.94 261	1.13 148	1.23 324	0.21 144	0.14 72	0.24 203	0.20 156	0.37 323	0.23 156

iResNet_ROB	0.82 237	0.36 223	1.13 250	0.60 214	0.37 177	0.91 248	0.38 91	2.41 390	1.61 379	1.35 292	1.35 265	1.25 279	0.97 275	1.75 249	0.88 266	0.21 144	0.14 72	0.17 21	0.12 11	0.19 80	0.30 272

testlalala_base	0.83 246	0.41 284	0.80 121	0.67 288	0.53 290	0.78 199	0.30 35	1.84 268	0.60 20	0.75 78	0.91 98	0.68 90	0.54 100	0.69 45	0.46 103	2.92 448	0.15 129	0.17 21	0.12 11	2.95 448	0.27 230

GrayStereo	0.83 246	0.28 58	0.62 44	0.66 275	0.37 177	0.76 189	1.79 426	1.19 127	0.91 97	1.98 398	1.89 376	1.07 231	1.76 398	1.43 198	0.50 134	0.20 118	0.15 129	0.19 68	0.21 197	0.18 51	0.41 336

psm_up	0.83 246	0.37 242	0.88 169	0.68 300	0.59 320	1.05 286	0.92 354	1.68 225	1.17 218	1.41 313	1.22 209	1.30 294	1.31 356	1.39 188	0.89 269	0.27 277	0.30 348	0.31 313	0.27 300	0.28 256	0.28 243

GwcNet-RSSM	0.83 246	0.34 189	1.29 301	0.65 262	0.55 302	0.78 199	0.62 275	1.89 285	1.27 270	1.18 202	1.39 276	1.56 341	0.91 248	1.60 231	1.22 321	0.26 256	0.20 241	0.23 181	0.24 261	0.21 144	0.21 116

DMCA-RVC	0.83 246	0.46 301	2.19 377	0.68 300	0.49 267	0.84 230	0.48 185	1.44 179	1.07 167	1.56 354	1.04 140	1.29 292	0.86 224	1.49 215	0.92 279	0.27 277	0.22 271	0.35 348	0.28 310	0.32 301	0.28 243

RAFT_R40	0.84 251	0.30 97	0.83 141	0.63 245	0.31 92	0.66 146	0.43 139	1.15 116	0.99 138	1.47 333	1.10 161	1.00 213	0.84 212	5.44 398	0.53 155	0.23 197	0.13 20	0.23 181	0.20 156	0.23 183	0.19 69

UPFNet	0.84 251	0.34 189	1.09 239	0.62 235	0.74 365	1.25 326	0.78 315	1.69 234	1.20 229	1.39 305	1.13 182	1.30 294	0.87 233	1.73 247	1.22 321	0.24 217	0.26 323	0.24 203	0.23 249	0.26 234	0.20 95

hitnet-ft	0.84 251	0.38 260	0.75 98	0.59 207	0.44 242	0.99 277	0.47 181	1.61 216	1.38 321	1.21 219	1.22 209	1.82 371	0.99 281	1.87 266	1.09 306	0.33 326	0.29 344	0.34 341	0.27 300	0.36 318	0.33 297

NLCA_NET_v2_RVC	0.84 251	0.46 301	1.40 316	0.69 312	0.61 330	0.95 268	0.52 213	1.68 225	1.21 235	1.39 305	1.15 192	1.42 314	0.88 239	1.78 253	0.93 282	0.26 256	0.23 296	0.27 273	0.27 300	0.30 285	0.39 329
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
StereoDRNet-Refined	0.84 251	0.43 291	1.01 215	0.66 275	0.43 234	1.32 332	0.49 195	1.64 220	1.24 250	1.53 347	1.45 293	1.49 329	0.97 275	1.32 176	1.31 331	0.21 144	0.17 188	0.27 273	0.25 268	0.25 224	0.34 305
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
AIO-Stereo-zeroshot	0.85 256	0.38 260	2.79 397	0.51 80	0.60 324	0.72 174	0.38 91	2.87 429	0.77 59	0.80 86	1.07 149	2.14 399	0.93 258	0.96 107	0.62 196	0.21 144	0.13 20	0.21 119	0.26 284	0.29 271	0.32 290

DCRE	0.85 256	0.28 58	0.76 103	0.60 214	0.49 267	0.59 108	0.53 219	1.04 69	0.92 102	0.80 86	7.34 453	0.87 154	0.57 111	0.78 67	0.43 81	0.16 10	0.17 188	0.19 68	0.17 93	0.18 51	0.22 138

SST-Stereo	0.85 256	0.30 97	0.81 124	0.63 245	0.31 92	0.70 168	0.25 8	1.16 119	0.95 119	1.47 333	1.11 168	0.99 208	0.86 224	5.69 401	0.53 155	0.23 197	0.13 20	0.23 181	0.19 127	0.23 183	0.19 69

RAFT-345	0.86 259	0.26 30	0.73 88	0.53 116	0.28 49	0.53 74	0.41 117	0.85 27	1.31 297	1.33 281	2.32 403	0.85 151	0.53 93	5.69 401	0.48 120	0.19 80	0.14 72	0.22 148	0.17 93	0.17 28	0.17 33

UNet	0.86 259	0.36 223	1.52 328	0.62 235	0.74 365	1.56 362	0.49 195	1.55 200	1.12 192	1.28 259	1.10 161	1.52 335	1.10 320	1.69 244	1.14 311	0.24 217	0.18 214	0.25 241	0.21 197	0.25 224	0.25 194

ac_64	0.86 259	0.32 141	1.02 217	0.74 342	0.60 324	1.04 283	0.53 219	2.20 365	0.99 138	1.23 229	1.11 168	1.96 384	1.06 312	2.01 287	1.01 299	0.30 310	0.22 271	0.24 203	0.23 249	0.22 164	0.22 138

SepStereo	0.87 262	0.37 242	1.20 280	0.66 275	0.69 355	0.82 216	0.62 275	1.79 255	1.26 266	1.93 393	1.55 320	0.96 199	1.17 332	2.34 315	0.69 218	0.22 176	0.16 161	0.25 241	0.18 108	0.29 271	0.24 175

LMCR-Stereo	0.87 262	0.50 319	0.99 208	0.80 364	0.43 234	1.32 332	0.55 239	2.79 426	1.03 152	1.55 353	1.49 300	0.74 108	1.01 290	1.76 250	0.99 294	0.30 310	0.17 188	0.22 148	0.18 108	0.31 291	0.22 138

FADNet_RVC	0.88 264	0.56 341	2.15 374	0.57 178	0.43 234	1.17 316	0.46 172	1.68 225	1.12 192	0.91 112	1.24 221	0.91 176	0.94 261	2.22 306	1.20 316	0.28 292	0.22 271	0.32 324	0.28 310	0.46 366	0.42 343

iResNetv2_ROB	0.88 264	0.43 291	2.62 394	0.60 214	0.38 189	0.94 262	0.67 288	1.88 283	1.38 321	1.27 254	1.45 293	1.26 285	1.05 311	1.92 274	0.64 203	0.24 217	0.15 129	0.19 68	0.14 35	0.24 212	0.21 116

DualNet (step1)	0.89 266	0.51 323	1.35 306	0.58 190	0.40 208	1.07 290	0.80 326	1.99 308	1.27 270	1.25 236	1.22 209	1.09 242	1.01 290	1.31 171	0.73 225	0.59 409	0.32 364	0.62 417	0.67 423	0.45 359	0.48 358

iRaft-Stereo_5w	0.89 266	0.31 125	1.04 222	0.56 158	0.47 259	0.47 34	0.68 290	1.19 127	1.08 170	0.80 86	1.35 265	1.46 324	0.90 245	5.11 388	1.16 313	0.18 48	0.15 129	0.22 148	0.19 127	0.21 144	0.24 175

DAS	0.89 266	0.37 242	1.20 280	0.66 275	0.69 355	0.82 216	0.62 275	1.79 255	1.26 266	1.93 393	1.55 320	0.96 199	1.17 332	2.72 338	0.69 218	0.22 176	0.16 161	0.25 241	0.18 108	0.29 271	0.24 175

SACVNet	0.89 266	0.51 323	1.08 237	0.83 375	0.58 314	0.83 223	0.78 315	1.84 268	1.17 218	1.39 305	1.33 256	1.25 279	1.01 290	2.31 314	0.92 279	0.35 343	0.26 323	0.31 313	0.29 327	0.35 314	0.48 358

ASMatch	0.89 266	0.29 78	0.72 76	0.56 158	0.36 169	0.47 34	0.37 84	1.16 119	0.95 119	1.11 158	3.26 424	0.95 195	0.96 268	4.88 385	0.53 155	0.20 118	0.16 161	0.22 148	0.19 127	0.20 109	0.30 272

ADLNet	0.89 266	0.39 268	1.09 239	0.88 387	0.73 362	1.24 325	0.75 308	2.02 314	1.41 335	1.58 358	1.37 270	1.26 285	1.00 287	1.31 171	1.18 314	0.28 292	0.21 256	0.26 262	0.26 284	0.29 271	0.36 316

MMNet	0.89 266	0.35 216	1.44 317	0.64 256	0.59 320	1.83 389	0.48 185	1.70 237	1.38 321	1.45 330	1.19 201	1.25 279	1.16 329	1.77 251	1.27 329	0.20 118	0.19 229	0.23 181	0.22 220	0.25 224	0.24 175

HGLStereo	0.89 266	0.42 287	1.15 257	0.82 371	1.03 410	1.16 309	0.57 251	1.68 225	1.28 278	1.26 249	1.62 336	1.13 255	1.31 356	1.85 262	1.11 310	0.25 236	0.24 305	0.24 203	0.22 220	0.24 212	0.29 257

CRFU-Net	0.90 274	0.42 287	1.10 243	0.69 312	0.59 320	1.76 381	0.84 337	2.33 383	0.92 102	1.45 330	1.20 202	1.62 347	1.25 347	1.38 186	0.94 287	0.28 292	0.23 296	0.22 148	0.19 127	0.24 212	0.27 230

dad	0.90 274	0.73 386	1.28 298	0.59 207	0.39 198	0.83 223	0.45 167	1.24 143	1.54 368	1.52 344	1.28 239	1.36 305	0.86 224	2.54 329	0.91 275	0.43 371	0.27 331	0.82 425	0.26 284	0.44 357	0.34 305

AACVNet	0.90 274	0.40 274	0.98 206	0.86 384	0.40 208	0.80 207	0.49 195	1.81 262	0.86 86	1.11 158	1.34 260	1.32 300	0.99 281	4.23 371	0.86 261	0.26 256	0.22 271	0.28 287	0.22 220	0.30 285	0.28 243

IRAFT_RVC	0.90 274	0.30 97	0.89 172	0.67 288	0.31 92	0.64 136	1.00 369	1.40 172	0.97 127	1.23 229	1.04 140	1.00 213	0.96 268	5.77 404	0.57 175	0.24 217	0.13 20	0.25 241	0.21 197	0.20 109	0.21 116

delet	0.90 274	0.34 189	1.15 257	0.69 312	0.66 345	1.63 370	0.81 330	1.95 299	1.49 362	1.42 317	1.38 274	1.29 292	0.91 248	1.78 253	1.18 314	0.22 176	0.22 271	0.24 203	0.25 268	0.22 164	0.24 175

pcwnet_v2	0.91 279	0.39 268	2.74 395	0.64 256	0.55 302	0.81 215	0.49 195	2.19 362	1.63 380	1.44 324	1.64 341	1.09 242	0.79 195	1.31 171	0.70 221	0.32 321	0.25 317	0.29 297	0.27 300	0.37 323	0.37 320

FADNet-RVC-Resample	0.91 279	0.51 323	2.92 399	0.64 256	0.46 252	1.07 290	0.60 270	1.76 249	1.24 250	1.10 157	0.98 119	1.06 228	0.98 278	2.17 303	0.95 289	0.24 217	0.22 271	0.30 307	0.32 349	0.36 318	0.40 333

HSM-Net_RVC	0.91 279	0.31 125	0.60 36	0.54 128	0.31 92	1.15 306	0.60 270	3.76 441	1.30 290	1.57 357	1.75 356	1.67 355	1.01 290	1.61 233	0.90 273	0.23 197	0.17 188	0.19 68	0.18 108	0.20 109	0.22 138
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
ssnet_v2	0.92 282	0.39 268	1.22 285	0.66 275	0.39 198	1.31 331	0.96 363	2.32 378	1.45 351	1.48 339	1.17 195	1.53 336	0.91 248	1.16 152	1.71 378	0.31 314	0.27 331	0.30 307	0.29 327	0.28 256	0.29 257

ADLNet2	0.92 282	0.37 242	1.25 292	0.80 364	0.65 342	1.12 299	0.75 308	1.95 299	1.42 343	1.26 249	1.67 345	1.68 357	1.04 306	1.80 260	1.23 324	0.25 236	0.22 271	0.21 119	0.22 220	0.27 240	0.31 281

FTStereo	0.92 282	0.28 58	0.61 40	0.57 178	0.34 147	0.65 140	1.80 429	1.09 88	0.84 81	1.75 377	4.13 434	1.04 224	1.62 383	1.59 226	0.48 120	0.21 144	0.17 188	0.23 181	0.22 220	0.19 80	0.58 389

PFNet	0.92 282	0.28 58	1.20 280	0.68 300	0.32 116	0.62 119	0.55 239	1.27 151	1.01 146	1.47 333	1.09 159	0.97 202	0.68 163	6.58 422	0.59 187	0.21 144	0.13 20	0.24 203	0.19 127	0.20 109	0.20 95

DLCB_ROB	0.92 282	0.43 291	0.95 196	0.71 324	0.55 302	1.11 297	0.83 335	1.61 216	1.32 299	1.67 371	1.66 343	1.70 360	0.93 258	1.96 281	1.34 336	0.26 256	0.25 317	0.27 273	0.28 310	0.28 256	0.28 243

GEStereo_RVC	0.93 287	0.40 274	1.15 257	0.67 288	0.50 272	0.95 268	0.78 315	2.73 421	1.21 235	1.20 213	1.12 172	1.25 279	0.91 248	3.21 352	0.95 289	0.31 314	0.20 241	0.23 181	0.20 156	0.28 256	0.31 281

CBFPSM	0.95 288	0.37 242	2.10 370	0.51 80	0.39 198	1.73 377	0.87 346	1.59 213	1.13 197	1.11 158	1.00 125	2.34 408	1.64 388	1.42 196	1.44 347	0.19 80	0.18 214	0.20 94	0.20 156	0.22 164	0.36 316

OMP-Stereo	0.95 288	0.35 216	0.79 116	0.92 398	0.32 116	0.49 44	0.35 68	1.22 137	1.11 186	1.58 358	1.12 172	1.44 318	0.69 166	6.92 428	0.51 138	0.20 118	0.15 129	0.24 203	0.19 127	0.21 144	0.16 22

DSFCA	0.95 288	0.38 260	1.23 287	0.55 140	0.66 345	1.50 355	0.93 357	1.58 208	1.24 250	1.59 361	1.16 193	1.48 327	0.95 266	2.96 345	1.20 316	0.31 314	0.28 335	0.25 241	0.26 284	0.29 271	0.26 213

PSMNet_ROB	0.95 288	0.57 346	1.45 318	0.75 350	0.64 337	1.28 329	1.12 380	1.84 268	1.15 208	1.16 188	1.29 243	1.44 318	0.89 242	1.74 248	1.70 376	0.33 326	0.25 317	0.37 361	0.39 378	0.36 318	0.32 290

FADNet-RVC	0.96 292	0.72 383	2.96 400	0.64 256	0.49 267	0.90 246	0.59 263	1.85 275	1.27 270	0.92 114	0.97 115	1.36 305	0.90 245	2.36 317	1.31 331	0.30 310	0.29 344	0.32 324	0.32 349	0.42 345	0.37 320

TransformOpticalFlow	0.97 293	0.30 97	0.96 203	0.54 128	0.31 92	0.65 140	0.54 230	1.87 278	1.19 225	1.12 166	1.44 291	1.34 303	0.98 278	6.68 425	0.44 85	0.19 80	0.12 6	0.21 119	0.19 127	0.18 51	0.23 156

IIG-Stereo	0.97 293	0.34 189	0.80 121	0.90 396	0.33 133	0.61 116	0.26 15	1.27 151	1.08 170	1.69 373	1.37 270	1.44 318	0.74 173	6.94 429	0.53 155	0.21 144	0.14 72	0.23 181	0.18 108	0.20 109	0.15 6

XX-Stereo	0.97 293	0.28 58	8.28 439	0.85 381	0.70 361	0.44 27	0.22 3	1.07 76	0.69 41	0.66 64	1.56 325	1.38 310	0.38 29	1.36 180	0.38 45	0.21 144	0.14 72	0.20 94	0.19 127	0.19 80	0.16 22

DispNO	0.98 296	0.34 189	2.02 363	0.58 190	0.55 302	0.88 241	0.49 195	1.70 237	1.24 250	1.22 226	1.26 225	1.18 261	0.88 239	5.17 389	0.88 266	0.23 197	0.18 214	0.24 203	0.22 220	0.19 80	0.22 138

DEmStereo	0.98 296	0.25 26	0.85 156	0.49 51	0.33 133	1.02 281	0.55 239	0.97 47	0.93 109	1.41 313	2.13 393	1.01 218	2.01 410	5.62 400	0.78 241	0.19 80	0.15 129	0.20 94	0.20 156	0.18 51	0.25 194

FADNet	0.98 296	0.64 363	2.57 390	0.66 275	0.55 302	0.95 268	0.57 251	1.91 289	1.38 321	0.94 119	1.02 129	1.36 305	1.00 287	2.69 336	0.97 293	0.34 335	0.34 373	0.31 313	0.34 365	0.61 400	0.42 343

CFNet	0.99 299	0.40 274	1.23 287	0.65 262	0.43 234	1.03 282	0.49 195	2.01 313	1.35 306	1.02 139	1.39 276	1.10 246	0.86 224	5.47 399	0.89 269	0.24 217	0.18 214	0.28 287	0.27 300	0.27 240	0.22 138

NVstereo2D	0.99 299	0.45 298	2.21 378	0.79 363	0.75 368	1.20 320	0.86 343	1.98 304	1.41 335	1.02 139	1.18 198	1.31 296	0.97 275	2.25 309	0.93 282	0.45 383	0.22 271	0.39 368	0.25 268	0.59 394	0.68 404

CBMV_ROB	0.99 299	0.46 301	0.68 66	0.53 116	0.39 198	1.40 346	0.48 185	2.09 331	1.30 290	1.53 347	2.29 402	1.36 305	1.23 343	2.46 322	1.04 303	0.44 380	0.42 403	0.47 391	0.44 390	0.41 342	0.39 329

fast-acv-ft	1.00 302	0.48 311	1.85 352	0.61 227	0.52 285	1.77 383	0.69 293	1.52 191	1.47 357	1.34 288	1.85 372	1.73 363	1.24 346	1.62 234	1.56 360	0.27 277	0.28 335	0.28 287	0.28 310	0.28 256	0.31 281

HBP-ISP	1.00 302	0.60 348	0.85 156	0.64 256	0.48 261	1.63 370	0.77 312	2.24 369	1.30 290	1.33 281	1.53 316	0.87 154	0.99 281	3.26 355	0.76 235	0.46 384	0.44 405	0.54 403	0.48 399	0.48 371	0.42 343

CSP-Net	1.00 302	0.41 284	0.99 208	0.56 158	0.43 234	1.62 369	0.76 311	2.16 351	1.16 214	1.33 281	1.22 209	1.32 300	0.89 242	4.67 382	0.93 282	0.35 343	0.24 305	0.20 94	0.20 156	0.23 183	0.30 272

ETE_ROB	1.01 305	0.69 376	1.49 322	0.72 329	0.50 272	1.15 306	1.12 380	1.91 289	1.24 250	1.94 395	1.50 307	1.73 363	1.06 312	1.78 253	1.33 335	0.33 326	0.26 323	0.38 365	0.34 365	0.40 338	0.44 350

THIR-Stereo	1.02 306	0.29 78	0.73 88	0.51 80	0.29 63	0.94 262	1.31 401	1.08 81	0.98 130	1.35 292	1.91 380	1.16 260	1.54 379	6.37 420	0.79 246	0.20 118	0.14 72	0.21 119	0.22 220	0.19 80	0.25 194

PS-NSSS	1.02 306	0.62 359	1.17 271	0.61 227	0.58 314	0.91 248	0.79 323	2.02 314	1.19 225	1.17 191	1.68 347	1.00 213	0.85 217	4.43 376	0.86 261	0.38 355	0.31 353	0.52 398	0.32 349	0.52 378	0.45 352

XPNet_ROB	1.02 306	0.56 341	1.33 305	0.75 350	0.58 314	1.11 297	1.13 382	1.77 250	1.29 288	1.88 388	1.43 289	1.63 350	1.13 328	2.04 290	1.69 374	0.40 363	0.31 353	0.33 333	0.29 327	0.37 323	0.37 320

iinet-f	1.04 309	0.50 319	4.24 421	0.58 190	0.43 234	1.78 386	0.70 299	1.29 156	1.16 214	1.25 236	1.42 287	1.57 343	1.42 369	1.47 207	1.70 376	0.26 256	0.23 296	0.20 94	0.20 156	0.26 234	0.26 213

RAFT-RH_RVC	1.04 309	0.26 30	0.76 103	0.53 116	0.29 63	0.80 207	0.32 44	0.85 27	1.12 192	2.04 401	4.63 440	1.03 223	0.57 111	5.93 407	0.52 146	0.20 118	0.13 20	0.26 262	0.20 156	0.16 16	0.19 69

CBMV	1.04 309	0.48 311	0.88 169	0.56 158	0.36 169	1.52 357	1.55 413	1.87 278	1.59 376	2.11 404	1.67 345	1.46 324	1.35 361	1.92 274	1.31 331	0.35 343	0.35 379	0.39 368	0.33 360	0.34 313	0.34 305
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
UGAM-zero	1.05 312	0.33 160	1.04 222	0.49 51	0.31 92	0.67 151	0.26 15	2.37 385	0.80 73	1.05 146	1.11 168	2.86 424	1.81 401	6.26 414	0.50 134	0.18 48	0.15 129	0.19 68	0.16 75	0.17 28	0.21 116

StereoDRNet	1.05 312	0.53 331	2.21 378	0.80 364	0.93 400	1.50 355	0.90 349	2.06 326	1.44 346	1.68 372	1.20 202	1.48 327	0.99 281	1.86 265	1.60 363	0.29 305	0.24 305	0.29 297	0.28 310	0.35 314	0.33 297

AIO-Stereo-zeroshot1	1.06 314	0.43 291	3.59 413	0.53 116	0.66 345	0.79 204	0.39 102	2.60 413	0.98 130	0.96 123	4.58 438	2.05 397	0.56 108	0.99 111	0.51 138	0.19 80	0.14 72	0.21 119	0.28 310	0.32 301	0.41 336

STrans-v2	1.06 314	0.31 125	1.02 217	0.52 95	0.33 133	0.67 151	0.78 315	2.66 419	1.26 266	1.15 184	1.46 295	1.37 309	1.40 367	6.68 425	0.46 103	0.19 80	0.13 20	0.21 119	0.18 108	0.18 51	0.21 116

DISCO	1.06 314	0.37 242	1.19 277	0.73 336	0.46 252	2.04 403	0.84 337	2.26 370	1.54 368	1.25 236	1.36 269	2.38 410	1.08 315	2.60 332	1.62 366	0.24 217	0.19 229	0.22 148	0.20 156	0.32 301	0.29 257

NCCL2	1.06 314	0.64 363	1.35 306	0.78 362	0.58 314	1.32 332	1.69 418	1.89 285	1.38 321	1.52 344	1.20 202	1.91 374	1.17 332	1.79 258	1.50 354	0.35 343	0.31 353	0.45 385	0.44 390	0.41 342	0.45 352

LALA_ROB	1.06 314	0.66 370	1.37 314	0.70 321	0.53 290	1.61 367	1.25 398	1.81 262	1.48 361	1.82 384	1.40 281	1.93 378	1.03 300	1.68 240	1.69 374	0.38 355	0.28 335	0.43 381	0.37 375	0.43 347	0.38 326

RAFT + AFF	1.07 319	0.47 306	1.36 311	0.68 300	0.50 272	1.20 320	1.22 394	2.58 412	1.26 266	1.33 281	1.56 325	1.19 263	1.49 377	3.89 369	1.01 299	0.22 176	0.26 323	0.30 307	0.27 300	0.29 271	0.32 290

DRN-Test	1.07 319	0.49 316	1.95 360	0.75 350	0.81 386	1.61 367	0.78 315	2.26 370	1.53 366	1.84 385	1.35 265	1.42 314	1.04 306	2.26 310	1.61 364	0.28 292	0.23 296	0.31 313	0.30 339	0.33 307	0.33 297

TDLM	1.08 321	0.50 319	1.01 215	0.69 312	0.54 298	0.91 248	1.40 406	1.60 214	1.36 314	1.17 191	1.40 281	1.07 231	1.00 287	6.19 410	0.85 260	0.34 335	0.22 271	0.35 348	0.26 284	0.38 329	0.29 257

Wz-Net-LNSev-Ref	1.09 322	0.46 301	2.61 393	0.71 324	0.65 342	2.00 400	0.78 315	2.07 328	1.47 357	1.62 365	1.47 297	1.53 336	1.29 352	2.10 298	1.65 372	0.24 217	0.14 72	0.20 94	0.16 75	0.28 256	0.28 243

FAT-Stereo	1.10 323	0.43 291	1.46 319	0.74 342	0.60 324	1.13 300	0.92 354	2.06 326	1.71 386	1.75 377	2.00 385	2.02 390	1.47 375	2.02 289	1.26 328	0.44 380	0.36 383	0.34 341	0.29 327	0.36 318	0.57 386

CVANet_RVC	1.10 323	0.49 316	1.15 257	0.65 262	0.54 298	0.93 259	1.00 369	1.69 234	1.36 314	1.42 317	1.39 276	1.24 278	1.17 332	6.22 412	0.80 253	0.35 343	0.24 305	0.35 348	0.30 339	0.44 357	0.32 290

APVNet	1.11 325	0.59 347	1.95 360	0.87 385	0.77 374	1.90 393	0.82 334	2.03 318	1.15 208	1.14 182	1.43 289	1.55 339	1.12 327	3.03 346	1.62 366	0.32 321	0.34 373	0.42 380	0.36 371	0.36 318	0.41 336

GANetREF_RVC	1.11 325	0.90 399	1.56 333	0.88 387	0.53 290	1.41 348	1.35 403	1.91 289	1.54 368	1.28 259	1.32 251	1.46 324	1.23 343	2.04 290	1.00 298	0.57 406	0.45 407	0.67 420	0.52 408	0.91 420	0.62 396
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
GCST	1.13 327	1.50 433	1.17 271	1.74 435	1.17 424	1.29 330	0.30 35	1.55 200	1.21 235	1.31 273	0.97 115	0.99 208	0.48 68	2.38 321	0.54 164	1.24 436	0.70 436	1.31 436	0.86 433	1.03 425	0.92 421

GASNet	1.13 327	1.10 414	3.29 409	1.00 412	0.68 352	0.82 216	0.67 288	1.85 275	1.38 321	1.39 305	1.25 223	1.25 279	1.20 341	2.72 338	1.62 366	0.46 384	0.26 323	0.36 358	0.34 365	0.55 388	0.33 297

anonymity	1.14 329	0.98 407	1.24 290	1.09 417	1.13 417	1.08 294	0.90 349	2.02 314	1.23 246	1.32 276	1.27 234	1.27 290	1.09 317	1.16 152	1.03 302	1.02 427	1.01 452	0.97 429	0.97 437	0.98 422	1.01 423

PA-Net	1.14 329	0.63 360	2.12 372	0.67 288	0.75 368	1.19 319	0.91 352	1.91 289	1.46 356	1.18 202	1.23 217	1.33 302	1.17 332	4.31 374	1.41 344	0.29 305	0.46 411	0.33 333	0.50 404	0.33 307	0.57 386
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
edge stereo	1.15 331	0.54 334	1.50 323	0.73 336	0.66 345	1.18 318	0.84 337	2.13 343	1.41 335	1.73 376	1.84 369	2.53 415	1.46 373	2.46 322	1.35 338	0.43 371	0.41 398	0.54 403	0.36 371	0.43 347	0.50 365

RASNet	1.16 332	0.34 189	1.11 245	0.73 336	0.86 393	1.00 278	0.60 270	1.56 203	1.43 344	1.07 153	1.37 270	2.08 398	1.44 372	7.00 430	1.56 360	0.20 118	0.17 188	0.17 21	0.19 127	0.19 80	0.19 69

DANet	1.16 332	0.64 363	1.52 328	0.88 387	0.74 365	1.52 357	0.52 213	1.68 225	1.21 235	1.81 382	1.55 320	2.02 390	1.11 323	3.30 357	2.28 395	0.34 335	0.31 353	0.40 374	0.30 339	0.46 366	0.54 375
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
UGAM	1.17 334	0.29 78	1.08 237	0.55 140	0.43 234	0.69 164	0.71 302	1.14 104	1.35 306	1.00 130	1.49 300	1.90 372	0.86 224	9.61 454	0.89 269	0.21 144	0.19 229	0.30 307	0.25 268	0.20 109	0.18 43

Wz-Net-LNSev	1.17 334	0.72 383	4.71 425	0.66 275	0.84 391	1.72 374	1.13 382	1.97 303	1.43 344	1.34 288	1.32 251	1.66 353	1.30 355	1.44 201	1.51 356	0.29 305	0.26 323	0.24 203	0.23 249	0.33 307	0.35 314

S-Stereo	1.17 334	0.48 311	2.25 381	0.83 375	0.81 386	1.22 322	1.17 389	2.12 335	2.08 411	1.47 333	2.13 393	1.55 339	1.16 329	2.09 297	1.46 350	0.42 370	0.40 397	0.35 348	0.32 349	0.45 359	0.73 408

MaskLacGwcNet_RVC	1.17 334	1.06 410	1.28 298	0.88 387	0.69 355	1.92 395	0.92 354	1.71 239	1.14 203	1.17 191	1.26 225	1.49 329	0.80 201	2.04 290	0.86 261	2.02 439	0.34 373	0.79 424	0.36 371	1.38 435	1.33 436

RP	1.17 334	0.54 334	1.48 321	0.93 403	1.05 411	1.14 303	0.85 342	1.99 308	1.70 384	1.72 375	2.07 390	1.91 374	1.93 408	2.00 286	1.37 341	0.55 404	0.37 388	0.48 392	0.37 375	0.46 366	0.46 357

ccnet	1.19 339	0.71 380	1.36 311	0.81 368	0.75 368	1.72 374	1.13 382	1.98 304	1.31 297	1.52 344	1.84 369	1.75 368	1.36 362	2.01 287	2.04 388	0.57 406	0.54 423	0.57 412	0.56 413	0.60 397	0.60 394

Nwc_Net	1.19 339	0.53 331	2.34 383	0.92 398	0.81 386	1.49 354	0.70 299	2.28 376	1.32 299	1.41 313	2.27 400	2.03 393	1.76 398	2.05 294	1.46 350	0.43 371	0.30 348	0.43 381	0.46 395	0.39 334	0.40 333

NCC-stereo	1.20 341	0.60 348	1.84 350	0.88 387	0.95 404	1.32 332	0.94 359	2.14 344	1.36 314	1.43 321	1.79 361	1.93 378	2.13 420	2.54 329	1.41 344	0.49 392	0.38 391	0.45 385	0.59 417	0.43 347	0.45 352

Abc-Net	1.20 341	0.60 348	1.84 350	0.88 387	0.95 404	1.32 332	0.94 359	2.14 344	1.36 314	1.43 321	1.79 361	1.93 378	2.13 420	2.54 329	1.41 344	0.49 392	0.38 391	0.45 385	0.59 417	0.43 347	0.45 352
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
Wz-Net-MNSev	1.21 343	0.66 370	3.44 411	0.69 312	0.73 362	1.93 396	1.44 408	2.16 351	1.59 376	1.85 387	1.49 300	1.50 331	1.34 360	2.05 294	1.54 359	0.27 277	0.24 305	0.28 287	0.28 310	0.35 314	0.32 290

RGC	1.22 344	0.82 394	1.71 341	0.95 408	0.98 409	1.53 359	0.80 326	2.18 360	1.35 306	1.69 373	1.94 381	2.03 393	1.66 389	2.36 317	1.50 354	0.46 384	0.36 383	0.59 415	0.48 399	0.49 374	0.49 362

stereogan	1.22 344	0.45 298	2.03 366	0.87 385	0.85 392	2.52 417	0.72 303	1.98 304	1.78 393	1.92 391	1.94 381	2.31 407	1.42 369	2.10 298	1.14 311	0.38 355	0.36 383	0.39 368	0.32 349	0.52 378	0.49 362

AANet_RVC	1.22 344	0.60 348	1.94 356	0.69 312	0.46 252	0.75 184	0.69 293	1.51 189	1.57 374	1.36 297	1.90 378	1.51 333	0.87 233	7.23 432	1.89 385	0.26 256	0.19 229	0.19 68	0.16 75	0.23 183	0.37 320

HSM	1.22 344	0.34 189	0.81 124	0.61 227	0.39 198	1.22 322	0.63 280	2.45 395	1.25 258	1.32 276	1.26 225	1.91 374	1.08 315	9.21 450	0.75 232	0.23 197	0.17 188	0.20 94	0.16 75	0.22 164	0.24 175

Syn2CoEx	1.23 348	0.80 390	3.07 403	0.83 375	0.68 352	1.39 344	0.87 346	2.23 367	1.57 374	1.28 259	1.58 330	1.42 314	1.57 381	3.79 367	1.48 353	0.36 350	0.32 364	0.34 341	0.30 339	0.30 285	0.41 336

AF-Net	1.23 348	0.56 341	2.31 382	0.88 387	0.93 400	1.41 348	0.73 306	2.27 374	1.71 386	1.76 380	2.42 408	2.00 387	1.70 392	1.98 282	1.62 366	0.50 396	0.29 344	0.49 394	0.33 360	0.40 338	0.34 305

NaN_ROB	1.23 348	0.63 360	1.76 343	0.67 288	0.50 272	1.59 366	2.00 432	1.87 278	1.52 365	2.14 406	1.26 225	1.40 312	1.09 317	4.60 380	1.75 379	0.28 292	0.34 373	0.28 287	0.29 327	0.30 285	0.37 320

DGSMNet	1.24 351	0.84 396	3.20 405	0.91 397	0.92 397	1.39 344	1.34 402	2.46 399	1.44 346	1.34 288	1.66 343	1.50 331	1.03 300	1.85 262	1.30 330	0.48 390	0.48 414	0.55 408	0.51 407	0.78 415	0.79 414

RYNet	1.24 351	0.52 329	1.57 335	0.73 336	0.97 407	1.74 379	0.95 362	2.09 331	1.54 368	1.44 324	1.18 198	1.94 382	1.29 352	4.57 379	1.93 386	0.27 277	0.23 296	0.35 348	0.27 300	0.57 391	0.59 391

ttt	1.26 353	0.36 223	0.79 116	0.65 262	0.42 230	0.94 262	0.57 251	2.33 383	1.38 321	1.25 236	1.65 342	0.92 183	0.78 188	2.64 333	8.73 445	0.30 310	0.28 335	0.26 262	0.25 268	0.29 271	0.32 290

aanetorigin	1.26 353	0.85 397	3.00 401	0.72 329	0.80 382	1.08 294	1.05 373	1.12 98	1.39 330	3.53 441	2.60 413	1.72 361	1.73 396	1.98 282	1.77 382	0.26 256	0.24 305	0.26 262	0.25 268	0.38 329	0.51 369

GwcNet	1.26 353	0.63 360	5.13 427	0.81 368	1.15 421	1.73 377	0.69 293	1.84 268	1.53 366	1.51 342	1.71 352	1.72 361	1.09 317	2.20 305	1.61 364	0.31 314	0.30 348	0.29 297	0.27 300	0.30 285	0.41 336

Consistency-Raft	1.27 356	1.01 409	2.17 375	1.04 414	1.20 426	0.96 273	1.00 369	1.84 268	1.95 405	1.38 303	2.11 392	1.44 318	1.03 300	1.18 156	1.40 343	0.73 420	0.83 438	0.89 427	0.99 440	1.33 433	0.95 422

NOSS_ROB	1.29 357	0.49 316	0.68 66	0.60 214	0.40 208	1.09 296	0.77 312	1.94 296	1.44 346	1.04 144	1.46 295	1.10 246	0.81 205	10.57 466	0.78 241	0.46 384	0.43 404	0.48 392	0.45 393	0.45 359	0.43 347

SGM-Forest	1.29 357	0.40 274	0.74 93	0.54 128	0.37 177	1.55 360	1.26 399	1.82 264	1.39 330	2.22 407	1.81 367	1.64 351	1.02 298	7.65 437	1.20 316	0.39 361	0.37 388	0.39 368	0.34 365	0.37 323	0.34 305
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
Anonymous_2	1.37 359	0.56 341	0.94 193	0.57 178	0.62 334	1.04 283	0.65 284	1.82 264	1.01 146	1.00 130	0.79 73	1.42 314	1.27 350	1.06 131	0.83 257	0.62 412	0.67 433	1.05 433	9.88 471	1.09 428	0.55 381

test_for_model	1.38 360	3.71 465	0.65 57	3.45 459	2.88 457	0.57 96	0.33 49	1.91 289	0.93 109	1.47 333	0.64 38	0.51 40	0.37 24	0.53 9	0.35 15	2.54 444	0.16 161	0.17 21	0.12 11	4.56 466	1.84 442

SQANet	1.38 360	0.95 405	1.37 314	1.89 439	1.47 435	1.44 352	0.81 330	1.89 285	1.13 197	1.34 288	1.26 225	1.28 291	1.02 298	1.64 235	0.91 275	2.55 445	0.35 379	1.47 437	0.56 413	2.48 440	1.74 440

PWC_ROB	1.39 362	0.93 404	4.07 419	0.77 359	0.83 389	1.16 309	0.53 219	1.87 278	2.01 408	2.36 412	3.06 422	1.65 352	1.60 382	2.65 335	2.29 397	0.34 335	0.23 296	0.36 358	0.25 268	0.39 334	0.49 362

PWCDC_ROB	1.39 362	0.91 402	2.10 370	1.08 416	0.92 397	1.72 374	0.58 258	2.03 318	3.30 439	1.32 276	4.87 443	1.21 266	1.71 394	1.98 282	1.75 379	0.65 415	0.26 323	0.29 297	0.25 268	0.56 389	0.41 336

GANet	1.41 364	0.52 329	1.18 276	0.74 342	0.48 261	1.40 346	1.69 418	1.87 278	1.28 278	1.56 354	2.39 406	1.56 341	1.25 347	9.13 448	1.20 316	0.31 314	0.32 364	0.34 341	0.29 327	0.40 338	0.33 297

PDISCO_ROB	1.41 364	0.73 386	2.04 367	1.40 428	1.46 434	2.83 426	1.07 376	2.64 415	2.11 413	1.41 313	1.50 307	1.73 363	0.99 281	2.83 343	1.46 350	1.03 428	0.27 331	0.54 403	0.47 397	0.77 414	0.84 418

LL-Strereo	1.42 366	0.44 297	2.02 363	0.62 235	1.07 412	0.73 178	0.65 284	2.02 314	1.21 235	1.60 362	1.62 336	2.02 390	2.10 416	9.67 455	1.07 305	0.22 176	0.20 241	0.27 273	0.24 261	0.23 183	0.33 297

SHD	1.42 366	0.81 393	2.79 397	0.98 410	0.92 397	1.97 397	0.68 290	2.43 393	2.55 422	2.54 420	1.72 353	2.01 389	1.62 383	2.14 301	2.70 404	0.40 363	0.33 370	0.39 368	0.40 380	0.48 371	0.54 375

RTSC	1.43 368	0.89 398	3.62 415	0.94 406	0.64 337	1.85 390	0.69 293	2.20 365	2.04 410	2.22 407	1.70 350	1.67 355	1.27 350	2.53 328	4.48 423	0.33 326	0.25 317	0.27 273	0.29 327	0.38 329	0.40 333

UDG	1.47 369	2.69 458	1.13 250	1.45 432	1.65 437	1.34 338	0.79 323	1.75 247	1.27 270	1.29 264	1.74 355	1.99 386	1.39 366	1.66 237	1.51 356	0.91 424	0.55 425	2.30 444	0.76 427	1.99 436	1.20 432

MFMNet_re	1.47 369	1.20 420	2.50 387	1.46 433	1.08 413	1.58 364	1.51 409	1.96 302	1.87 400	2.31 411	2.20 397	1.51 333	1.88 406	1.57 221	1.34 336	0.94 425	0.83 438	0.84 426	0.80 430	1.00 423	1.06 426

PASM	1.48 371	1.08 411	3.96 418	0.93 403	0.93 400	1.17 316	1.19 391	1.77 250	1.65 381	1.90 389	1.52 315	1.75 368	1.42 369	4.54 378	1.52 358	0.64 414	0.68 435	0.69 422	0.79 429	0.70 409	0.74 409

ADCRef	1.50 372	0.61 353	3.83 417	0.76 357	0.77 374	1.91 394	0.77 312	2.16 351	1.34 303	1.63 367	1.59 334	1.35 304	1.40 367	1.79 258	8.32 442	0.25 236	0.21 256	0.32 324	0.31 343	0.31 291	0.32 290

XQC	1.51 373	0.98 407	3.20 405	0.92 398	0.76 373	2.01 401	1.17 389	2.53 409	1.99 407	2.01 400	1.54 317	2.00 387	1.54 379	3.16 350	3.46 414	0.49 392	0.31 353	0.45 385	0.40 380	0.71 411	0.62 396

CC-Net-ROB	1.53 374	1.31 427	1.68 340	0.92 398	0.80 382	1.75 380	0.99 367	2.04 321	1.27 270	1.12 166	1.62 336	1.20 265	0.98 278	7.82 438	0.92 279	1.15 435	0.41 398	2.20 442	0.46 395	1.37 434	0.56 383

FINET	1.54 375	0.67 373	7.28 435	0.76 357	0.97 407	1.42 351	1.38 405	2.80 428	3.12 436	1.23 229	1.68 347	1.04 224	1.11 323	3.35 358	1.78 383	0.43 371	0.37 388	0.32 324	0.29 327	0.43 347	0.41 336

test_xeample	1.55 376	0.31 125	0.94 193	0.54 128	0.31 92	0.94 262	0.58 258	2.40 389	1.40 332	1.29 264	1.55 320	0.89 170	0.88 239	1.72 246	15.94 464	0.22 176	0.22 271	0.22 148	0.21 197	0.23 183	0.25 194

DDUNet	1.56 377	2.70 459	1.35 306	1.79 436	1.88 439	1.82 388	0.91 352	1.84 268	1.20 229	1.40 311	1.79 361	1.62 347	1.17 332	1.59 226	1.22 321	1.11 432	0.76 437	2.38 447	0.94 435	2.12 437	1.53 438

CrosDoStereo	1.56 377	0.26 30	0.78 112	0.51 80	0.29 63	0.66 146	11.86 464	1.18 123	1.00 142	1.35 292	1.76 357	0.99 208	1.83 403	6.64 423	0.83 257	0.19 80	0.15 129	0.20 94	0.22 220	0.18 51	0.25 194

DeepStereo_LL	1.56 377	0.26 30	0.78 112	0.51 80	0.29 63	0.66 146	11.86 464	1.18 123	1.00 142	1.35 292	1.76 357	0.99 208	1.83 403	6.64 423	0.83 257	0.19 80	0.15 129	0.20 94	0.22 220	0.18 51	0.25 194

STTRV1_RVC	1.60 380	0.69 376	2.04 367	0.88 387	1.12 414	1.58 364	0.90 349	2.42 391	1.78 393	1.29 264	2.02 387	1.40 312	1.22 342	9.72 456	1.35 338	0.86 422	0.34 373	0.54 403	0.49 402	0.75 413	0.54 375

xxxx	1.61 381	0.32 141	0.98 206	0.58 190	0.31 92	1.15 306	0.43 139	2.43 393	1.41 335	1.17 191	1.40 281	1.21 266	0.86 224	1.94 276	16.68 466	0.24 217	0.24 305	0.21 119	0.20 156	0.23 183	0.27 230

CSAN	1.61 381	0.67 373	3.24 408	0.74 342	0.52 285	1.77 383	1.74 423	1.98 304	1.94 404	2.47 419	2.33 404	1.93 378	2.04 413	6.45 421	1.95 387	0.43 371	0.36 383	0.41 379	0.42 384	0.43 347	0.44 350

MFN_U_SF_RVC	1.62 383	0.96 406	4.36 423	0.92 398	0.69 355	2.62 421	1.10 378	2.50 405	1.74 389	1.99 399	1.86 374	2.45 413	1.78 400	3.08 348	2.84 406	0.54 400	0.50 420	0.56 410	0.60 419	0.60 397	0.67 401

SDNR	1.66 384	0.55 338	2.36 384	0.56 158	0.58 314	3.79 445	0.45 167	1.78 252	1.40 332	1.38 303	2.45 410	1.13 255	0.96 268	11.03 467	1.31 331	0.67 417	0.64 431	0.43 381	0.32 349	0.71 411	0.76 412

otaku	1.67 385	1.18 418	1.56 333	2.27 442	1.59 436	1.98 398	1.23 396	2.23 367	1.37 319	1.48 339	1.63 340	1.73 363	1.23 343	1.85 262	1.09 306	2.96 449	0.58 429	1.74 438	0.61 420	2.94 446	2.15 446

222	1.67 385	0.31 125	0.93 187	0.59 207	0.31 92	1.05 286	0.43 139	2.39 387	1.47 357	1.37 298	1.55 320	0.94 191	0.94 261	1.98 282	17.76 467	0.24 217	0.22 271	0.21 119	0.20 156	0.22 164	0.26 213

Wz-Net-SNSev	1.68 387	1.45 429	8.71 443	0.71 324	0.67 351	1.35 339	1.51 409	2.15 349	1.47 357	1.51 342	1.68 347	2.27 403	1.38 364	4.23 371	2.36 399	0.32 321	0.29 344	0.31 313	0.33 360	0.43 347	0.39 329

DeepPrunerF	1.68 387	0.82 394	6.82 433	0.94 406	1.20 426	0.91 248	0.97 364	2.50 405	5.19 455	1.22 226	1.30 244	1.18 261	1.29 352	4.96 387	1.75 379	0.43 371	0.35 379	0.52 398	0.48 399	0.43 347	0.42 343

psmorigin	1.69 389	0.74 388	13.13 453	0.70 321	0.60 324	1.16 309	0.79 323	1.69 234	1.25 258	2.07 403	1.77 359	2.23 400	1.51 378	2.14 301	1.45 348	0.39 361	0.41 398	0.34 341	0.33 360	0.45 359	0.63 398

G-Net	1.71 390	0.67 373	2.09 369	1.14 422	0.75 368	2.96 432	0.89 348	1.58 208	1.30 290	2.76 425	8.12 460	2.29 405	2.51 429	1.94 276	2.23 394	0.49 392	0.45 407	0.45 385	0.31 343	0.62 401	0.59 391

Ntro	1.72 391	1.21 421	1.62 337	2.54 447	1.86 438	2.09 406	1.14 385	2.08 329	1.38 321	1.23 229	1.62 336	1.62 347	1.33 359	2.04 290	1.21 320	3.09 450	0.56 426	1.82 440	0.65 421	2.97 450	2.25 448

FBW_ROB	1.78 392	0.66 370	1.90 355	0.72 329	0.66 345	1.79 387	1.07 376	2.79 426	1.77 390	1.84 385	1.79 361	1.98 385	1.37 363	12.42 469	2.22 393	0.36 350	0.38 391	0.57 412	0.39 378	0.46 366	0.51 369

SPS-STEREO	1.78 392	1.09 413	1.52 328	1.22 425	1.14 419	1.87 392	1.11 379	2.27 374	1.70 384	3.17 439	2.39 406	2.84 423	1.93 408	4.41 375	2.93 407	1.04 430	0.99 451	0.97 429	0.94 435	1.03 425	1.05 425
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MFN_U_SF_DS_RVC	1.80 394	1.11 415	4.33 422	0.84 379	0.77 374	3.70 440	2.41 452	2.04 321	1.85 399	1.75 377	1.90 378	1.92 377	1.25 347	7.33 433	1.45 348	0.47 388	0.47 412	0.53 402	0.77 428	0.50 375	0.55 381

SAMSARA	1.80 394	0.90 399	3.37 410	1.28 427	1.13 417	3.71 441	2.33 447	2.53 409	1.93 403	3.17 439	1.73 354	2.99 425	1.68 391	3.53 361	2.46 401	0.47 388	0.54 423	0.43 381	0.47 397	0.59 394	0.64 399

PVD	1.82 396	0.91 402	3.02 402	1.03 413	0.94 403	2.61 420	1.14 385	2.78 425	3.40 441	3.08 437	2.75 415	2.39 412	2.49 428	2.81 341	3.66 416	0.48 390	0.49 419	0.59 415	0.49 402	0.60 397	0.81 416

ADCL	1.82 396	0.70 378	4.57 424	0.70 321	0.63 336	2.56 418	1.77 425	2.08 329	1.77 390	1.95 397	1.89 376	2.04 395	1.88 406	2.36 317	9.55 449	0.27 277	0.25 317	0.35 348	0.32 349	0.39 334	0.39 329

AAGNet	1.84 398	0.30 97	0.79 116	0.66 275	0.32 116	0.65 140	0.50 201	1.02 59	1.01 146	1.47 333	1.21 207	0.99 208	1.16 329	2.76 340	22.69 473	0.24 217	0.13 20	0.22 148	0.20 156	0.24 212	0.16 22

ff1	1.88 399	0.36 223	1.51 324	0.56 158	0.40 208	0.76 189	0.59 263	1.08 81	2.62 425	1.19 208	1.49 300	1.07 231	0.85 217	9.88 460	13.82 458	0.21 144	0.13 20	0.31 313	0.28 310	0.20 109	0.23 156

MDST_ROB	1.88 399	0.40 274	1.71 341	0.93 403	0.60 324	4.27 451	1.23 396	3.99 444	1.44 346	4.61 451	2.63 414	1.44 318	1.03 300	9.78 457	1.62 366	0.33 326	0.26 323	0.37 361	0.33 360	0.31 291	0.34 305

SGM_RVC	1.88 399	0.40 274	0.90 179	0.63 245	0.30 77	2.81 425	1.26 399	2.73 421	1.81 397	4.09 443	2.85 418	3.88 435	3.19 437	8.42 444	2.44 400	0.33 326	0.31 353	0.30 307	0.28 310	0.31 291	0.31 281
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
mmx	1.89 402	0.36 223	1.51 324	0.56 158	0.40 208	0.76 189	0.59 263	2.32 378	1.41 335	1.19 208	1.49 300	1.07 231	0.85 217	9.88 460	13.82 458	0.25 236	0.21 256	0.31 313	0.28 310	0.32 301	0.29 257

xxx	1.89 402	0.36 223	1.51 324	0.56 158	0.40 208	0.76 189	0.59 263	2.32 378	1.41 335	1.19 208	1.49 300	1.07 231	0.85 217	9.88 460	13.82 458	0.25 236	0.21 256	0.31 313	0.28 310	0.32 301	0.29 257

DPSNet	1.91 404	0.64 363	5.95 429	0.73 336	0.59 320	2.04 403	1.61 417	3.84 442	1.96 406	1.54 350	1.39 276	2.27 403	3.32 440	4.95 386	4.79 425	0.50 396	0.31 353	0.29 297	0.26 284	0.67 406	0.54 375

test_sample9	1.96 405	0.51 323	1.35 306	0.58 190	0.40 208	1.07 290	0.80 326	1.99 308	1.27 270	1.25 236	1.22 209	1.09 242	1.01 290	2.46 322	8.57 443	0.59 409	12.85 475	0.62 417	0.67 423	0.45 359	0.48 358

1111x	1.96 405	0.32 141	1.54 332	0.54 128	0.30 77	1.00 278	0.69 293	2.47 400	1.33 301	1.21 219	1.44 291	1.21 266	1.11 323	8.49 445	16.14 465	0.22 176	0.23 296	0.22 148	0.23 249	0.25 224	0.26 213

ADCPNet	1.97 407	0.78 389	9.38 445	0.74 342	0.61 330	2.73 423	1.36 404	2.11 334	1.66 382	1.92 391	1.70 350	2.45 413	2.07 414	2.50 326	6.84 437	0.38 355	0.38 391	0.38 365	0.43 388	0.47 370	0.50 365

WCMA_ROB	2.05 408	0.55 338	1.77 344	0.74 342	0.61 330	2.24 409	1.56 414	2.17 359	1.79 395	4.16 447	6.36 449	5.66 448	4.66 451	3.19 351	2.77 405	0.55 404	0.45 407	0.40 374	0.43 388	0.48 371	0.50 365

RainbowNet	2.06 409	1.86 441	1.97 362	2.86 450	2.25 445	2.03 402	1.79 426	2.77 423	1.92 402	1.54 350	1.84 369	1.95 383	1.73 396	2.23 307	1.38 342	3.40 456	0.86 443	2.39 449	1.00 441	2.94 446	2.42 450

MSMD_ROB	2.08 410	0.61 353	1.15 257	0.71 324	0.62 334	4.00 447	0.93 357	1.94 296	1.79 395	4.71 453	4.60 439	8.14 457	3.87 447	3.75 366	1.65 372	0.54 400	0.48 414	0.55 408	0.58 415	0.53 383	0.52 371

Wz-Net-TNSev	2.10 411	2.71 460	9.30 444	0.72 329	0.65 342	2.41 416	1.81 430	2.45 395	1.77 390	1.62 365	1.56 325	2.56 416	2.01 410	5.30 391	4.46 422	0.41 366	0.38 391	0.33 333	0.37 375	0.54 386	0.64 399

ADCMid	2.11 412	0.90 399	8.39 441	0.75 350	0.69 355	1.98 398	1.14 385	2.18 360	1.67 383	2.85 427	1.85 372	2.35 409	2.02 412	2.35 316	10.58 453	0.34 335	0.32 364	0.39 368	0.44 390	0.51 377	0.53 374

ADCP+	2.12 413	0.56 341	10.01 446	0.68 300	0.91 396	2.25 410	1.04 372	1.92 294	1.50 364	1.58 358	1.34 260	1.73 363	1.62 383	2.27 311	13.20 455	0.25 236	0.22 271	0.32 324	0.29 327	0.38 329	0.34 305

WZ-Net	2.14 414	1.08 411	11.68 452	0.89 395	0.78 378	1.76 381	1.59 416	2.39 387	2.03 409	2.11 404	1.95 383	2.30 406	2.28 423	5.94 408	3.86 419	0.35 343	0.27 331	0.29 297	0.32 349	0.52 378	0.50 365

AnyNet_C32	2.14 414	1.45 429	7.38 436	0.95 408	1.12 414	2.23 408	2.34 448	2.10 333	1.54 368	2.44 415	1.79 361	2.04 395	1.66 389	2.69 336	10.48 452	0.38 355	0.35 379	0.35 348	0.42 384	0.50 375	0.60 394

NVStereoNet_ROB	2.17 416	1.18 418	3.51 412	1.14 422	1.26 429	1.57 363	1.51 409	2.19 362	2.11 413	2.04 401	4.80 441	3.17 430	2.11 418	7.97 440	2.10 389	1.12 433	0.94 448	1.10 434	1.34 447	0.95 421	1.31 433
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
MSC_U_SF_DS_RVC	2.22 417	1.29 426	4.14 420	1.10 418	0.78 378	5.00 454	2.38 451	2.47 400	2.67 430	1.94 395	2.28 401	2.66 420	1.70 392	9.10 447	2.29 397	0.68 419	0.52 421	0.68 421	0.71 426	1.17 431	0.81 416

SANet	2.26 418	0.70 378	6.94 434	0.69 312	0.46 252	2.76 424	1.76 424	2.61 414	5.84 457	2.45 416	3.52 428	3.71 432	3.38 442	5.90 405	2.14 391	0.34 335	0.31 353	0.32 324	0.29 327	0.54 386	0.43 347

test_sample8	2.29 419	0.51 323	1.35 306	0.58 190	0.40 208	1.07 290	0.80 326	2.03 318	1.22 242	2.28 410	1.33 256	4.98 446	2.51 429	2.46 322	8.57 443	0.59 409	12.85 475	0.62 417	0.67 423	0.45 359	0.48 358

ADCS	2.35 420	1.26 423	6.54 432	0.85 381	0.77 374	2.18 407	1.79 426	2.47 400	2.20 415	2.80 426	2.14 395	2.38 410	2.09 415	2.81 341	13.83 461	0.43 371	0.41 398	0.40 374	0.45 393	0.59 394	0.67 401

MeshStereo	2.36 421	0.60 348	1.05 227	0.63 245	0.51 282	2.58 419	0.99 367	3.46 437	2.21 416	7.38 464	5.06 445	7.50 453	3.10 436	7.02 431	2.54 402	0.44 380	0.44 405	0.45 385	0.40 380	0.43 347	0.45 352
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
AnyNet_C01	2.38 422	2.21 450	10.17 447	0.99 411	0.79 380	3.12 433	2.37 449	2.69 420	1.89 401	2.58 422	2.44 409	2.70 421	1.86 405	3.65 362	7.12 438	0.41 366	0.41 398	0.40 374	0.42 384	0.68 407	0.79 414

DispFullNet	2.39 423	2.89 461	3.74 416	3.09 455	2.27 447	2.04 403	0.84 337	2.19 362	1.73 388	2.54 420	1.98 384	2.23 400	5.83 454	3.44 360	1.84 384	1.03 428	0.33 370	2.65 455	1.97 459	2.87 445	2.34 449

EDNetEfficient	2.40 424	1.14 416	8.59 442	0.77 359	0.73 362	1.06 289	1.53 412	1.54 197	4.06 447	4.87 454	2.81 416	2.23 400	3.53 443	3.04 347	9.65 450	0.27 277	0.24 305	0.27 273	0.31 343	0.70 409	0.67 401

FCDSN-DC	2.47 425	0.65 369	1.00 213	0.85 381	0.75 368	2.26 411	0.97 364	2.31 377	1.83 398	5.52 459	7.65 456	7.72 456	7.70 461	4.43 376	2.64 403	0.52 398	0.48 414	0.52 398	0.52 408	0.57 391	0.59 391
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
SuperB	2.50 426	0.72 383	18.07 463	0.72 329	0.53 290	1.85 390	0.86 343	1.80 259	2.40 419	1.54 350	1.42 287	1.13 255	1.17 332	4.18 370	4.80 427	0.25 236	0.20 241	0.23 181	0.19 127	7.64 471	0.38 326

ELAS	2.67 427	0.80 390	2.13 373	1.13 419	1.15 421	6.25 458	2.56 453	3.50 438	3.68 444	5.36 457	4.92 444	3.79 433	5.56 453	3.65 362	5.22 429	0.66 416	0.57 427	0.56 410	0.54 411	0.65 404	0.75 411
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
RTS	2.76 428	1.55 436	15.40 455	1.13 419	1.42 432	3.75 443	2.21 442	2.45 395	2.72 431	2.91 430	2.85 418	2.58 417	1.62 383	6.28 416	5.80 432	0.41 366	0.30 348	0.35 348	0.35 369	0.52 378	0.54 375

RTSA	2.76 428	1.55 436	15.40 455	1.13 419	1.42 432	3.75 443	2.21 442	2.45 395	2.72 431	2.91 430	2.85 418	2.58 417	1.62 383	6.28 416	5.80 432	0.41 366	0.30 348	0.35 348	0.35 369	0.52 378	0.54 375

WAO-7	2.78 430	1.54 435	2.18 376	1.41 431	1.19 425	3.92 446	2.01 435	4.19 446	3.89 446	2.98 433	5.47 446	4.18 437	3.28 439	8.24 443	4.27 420	1.13 434	1.01 452	1.18 435	1.13 446	1.19 432	1.13 431

MADNet+	2.80 431	3.38 464	11.57 451	1.50 434	1.21 428	3.18 435	2.00 432	3.52 439	2.61 424	1.81 382	2.09 391	2.83 422	2.18 422	7.55 436	5.44 431	0.84 421	0.83 438	0.71 423	0.66 422	1.05 427	1.08 427

IMH-64-1	2.82 432	1.87 442	1.77 344	3.31 457	2.69 453	3.22 436	2.07 437	4.25 447	2.77 433	2.46 417	3.78 431	3.05 426	2.34 425	4.67 382	3.00 409	3.84 460	0.84 441	2.75 456	1.39 448	3.34 455	2.93 458

IMH-64	2.82 432	1.87 442	1.77 344	3.31 457	2.69 453	3.22 436	2.07 437	4.25 447	2.77 433	2.46 417	3.78 431	3.05 426	2.34 425	4.67 382	3.00 409	3.84 460	0.84 441	2.75 456	1.39 448	3.34 455	2.93 458

pmcnn	2.84 434	0.46 301	5.19 428	0.68 300	0.42 230	1.55 360	1.16 388	2.32 378	1.60 378	2.72 423	7.49 454	17.96 470	1.48 376	6.04 409	6.64 436	0.18 48	0.15 129	0.15 4	0.12 11	0.20 109	0.20 95

ACVNet_2	2.86 435	1.47 431	8.28 439	2.68 448	2.26 446	2.70 422	1.84 431	3.41 435	3.04 435	2.27 409	3.42 427	4.58 439	2.10 416	5.91 406	1.62 366	2.58 446	0.67 433	2.22 443	0.85 432	2.79 443	2.47 451

ELAS_RVC	2.87 436	0.80 390	3.22 407	1.16 424	1.12 414	2.92 430	5.33 461	2.98 431	4.18 448	5.04 455	4.82 442	4.71 441	8.23 462	4.25 373	4.79 425	0.67 417	0.57 427	0.57 412	0.53 410	0.66 405	0.74 409
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
FC-DCNN	2.88 437	0.61 353	1.15 257	0.75 350	0.57 311	2.85 428	1.05 373	3.44 436	2.64 428	6.93 460	7.63 455	9.86 462	7.02 459	5.76 403	4.31 421	0.54 400	0.48 414	0.51 396	0.50 404	0.53 383	0.52 371

FC-DCNN v2	2.96 438	0.61 353	1.13 250	0.75 350	0.57 311	2.90 429	1.06 375	3.59 440	2.66 429	7.05 461	7.66 457	10.26 465	7.17 460	6.27 415	4.49 424	0.54 400	0.48 414	0.51 396	0.50 404	0.53 383	0.52 371

WAO-6	2.98 439	1.67 439	1.88 354	2.38 446	2.30 448	3.53 439	2.37 449	4.38 449	4.64 452	2.42 413	4.50 435	4.85 442	2.99 435	5.22 390	5.37 430	1.77 438	1.16 458	2.31 445	1.47 453	2.42 439	1.99 445

ACVNet-4b	3.05 440	1.42 428	18.09 464	2.85 449	2.33 449	2.32 415	1.22 394	2.47 400	2.21 416	1.26 249	2.36 405	2.64 419	1.46 373	6.32 418	1.23 324	3.29 453	0.45 407	2.37 446	1.02 443	3.03 451	2.61 453

ACVNet_1	3.08 441	1.48 432	17.70 460	2.90 452	2.35 450	2.30 412	1.43 407	3.16 433	2.26 418	1.91 390	2.05 389	3.51 431	2.32 424	3.71 365	1.58 362	3.25 452	0.66 432	2.40 450	1.06 444	3.07 452	2.59 452

PWCK	3.24 442	2.37 451	10.86 449	2.14 441	1.14 419	3.71 441	4.19 460	3.02 432	3.55 443	3.05 436	3.63 429	3.09 429	2.35 427	8.16 442	3.41 413	2.17 442	0.96 449	1.77 439	1.01 442	2.84 444	1.40 437

IMH	3.35 443	1.95 444	1.86 353	3.30 456	2.72 455	4.03 449	2.00 432	4.58 451	3.83 445	2.87 428	6.99 452	4.69 440	3.21 438	6.77 427	2.97 408	3.91 463	0.89 445	2.78 458	1.40 452	3.36 457	2.93 458

LVE	3.40 444	1.80 440	2.21 378	2.90 452	2.44 451	3.27 438	2.25 444	4.80 452	5.06 453	2.43 414	6.79 450	5.99 449	2.64 433	9.20 449	2.28 395	3.30 454	1.11 457	2.38 447	1.48 454	2.95 448	2.62 454

Dean	3.77 445	1.65 438	17.87 461	3.01 454	2.54 452	3.15 434	2.10 440	4.80 452	4.42 449	2.89 429	6.03 447	5.45 447	2.55 432	3.40 359	2.13 390	3.22 451	0.89 445	2.51 453	1.07 445	3.07 452	2.65 456

JetBlue	4.18 446	2.45 455	10.42 448	1.40 428	2.89 458	10.68 464	10.68 463	3.91 443	2.52 420	2.74 424	3.39 426	4.50 438	4.27 449	7.97 440	7.67 441	0.89 423	0.97 450	0.89 427	0.92 434	2.26 438	2.21 447

notaker	4.29 447	2.42 454	5.06 426	3.89 466	3.29 463	4.00 447	2.25 444	4.93 454	3.47 442	4.21 449	6.79 450	7.67 455	3.37 441	9.25 451	6.47 434	4.09 465	1.42 460	3.35 465	2.13 462	4.11 462	3.54 463

ktn	4.56 448	2.41 453	2.54 388	3.79 465	3.25 461	4.81 453	2.91 457	5.52 456	7.36 458	4.12 446	14.55 468	7.54 454	3.70 444	7.84 439	3.35 412	4.06 464	1.86 463	3.26 464	2.22 463	3.27 454	2.86 457

WAO-8	4.57 449	2.01 445	2.58 391	2.37 444	2.21 443	9.75 460	1.71 420	6.04 461	16.34 466	4.11 444	7.69 458	7.41 451	3.85 445	10.02 463	3.85 417	2.05 440	1.09 455	2.44 451	1.39 448	2.56 441	1.86 443

Venus	4.57 449	2.01 445	2.58 391	2.37 444	2.21 443	9.75 460	1.71 420	6.04 461	16.34 466	4.11 444	7.69 458	7.41 451	3.85 445	10.02 463	3.85 417	2.05 440	1.09 455	2.44 451	1.39 448	2.56 441	1.86 443

SGM+DAISY	5.38 451	1.28 425	8.24 438	1.27 426	1.16 423	10.62 463	16.01 469	2.93 430	2.53 421	8.64 467	13.03 466	8.26 458	13.38 465	6.34 419	7.59 440	1.07 431	1.05 454	1.00 431	0.98 438	1.02 424	1.12 430

TorneroNet-64	5.41 452	2.10 448	2.43 385	3.49 461	2.83 456	9.90 462	2.13 441	8.87 467	16.79 471	5.39 458	9.18 462	10.68 467	3.92 448	9.55 453	5.11 428	3.36 455	0.86 443	2.88 459	1.62 455	3.76 458	3.37 461

MADNet++	5.41 452	3.18 462	6.43 431	4.66 470	3.95 467	6.15 457	6.75 462	4.51 450	4.51 451	5.06 456	6.27 448	4.96 444	6.14 455	9.39 452	11.70 454	4.71 466	4.19 468	3.97 467	3.33 465	4.08 461	4.25 468

UNDER WATER	5.68 454	2.46 456	15.52 457	3.98 468	3.53 464	5.15 455	2.74 455	5.58 458	16.41 469	4.00 442	4.56 436	9.12 460	6.43 457	6.22 412	9.11 447	3.85 462	1.35 459	3.18 463	1.98 460	4.51 465	3.84 467

UNDER WATER-64	5.84 455	2.48 457	17.93 462	3.97 467	3.58 465	7.70 459	3.03 458	5.72 460	14.13 463	4.18 448	4.00 433	9.27 461	6.80 458	6.20 411	9.22 448	3.67 458	1.52 461	3.14 461	1.95 458	4.43 464	3.83 466

LSM	6.55 456	1.26 423	15.64 458	1.79 436	68.74 483	1.67 373	2.08 439	2.26 370	2.59 423	3.13 438	3.08 423	1.90 372	1.81 401	2.89 344	2.16 392	0.43 371	0.59 430	0.50 395	0.58 415	0.64 402	17.24 477

tt	6.61 457	0.28 58	6.10 430	3.77 464	2.17 442	11.53 465	19.61 470	13.53 472	5.81 456	3.00 434	2.82 417	4.97 445	6.33 456	3.83 368	7.23 439	9.13 471	11.32 474	5.87 470	6.22 469	6.01 468	2.63 455

JetRed	7.02 458	8.94 470	25.72 473	2.89 451	3.27 462	14.25 468	12.27 466	6.69 463	4.45 450	4.46 450	4.56 436	6.65 450	5.43 452	7.46 435	14.41 463	2.60 447	3.31 465	2.61 454	2.30 464	4.34 463	3.79 465

MANE	7.50 459	0.64 363	7.97 437	1.40 428	2.10 441	16.86 470	12.56 467	12.91 471	17.51 474	8.50 466	11.60 464	14.66 469	13.33 464	12.02 468	13.28 456	0.62 412	0.52 421	0.52 398	1.90 457	0.56 389	0.58 389

SGM-ForestM	7.81 460	0.48 311	11.02 450	0.74 342	0.40 208	16.83 469	12.72 468	7.91 465	8.13 459	11.53 468	10.25 463	22.44 478	14.01 466	17.02 471	20.52 469	0.38 355	0.39 396	0.37 361	0.36 371	0.37 323	0.38 326

coex-ft	8.35 461	2.39 452	100.24 487	0.68 300	0.54 298	1.77 383	1.57 415	1.71 239	11.00 461	18.91 476	3.76 430	3.85 434	8.23 462	3.29 356	6.58 435	0.31 314	0.31 353	0.32 324	0.31 343	0.69 408	0.57 386

LE_ROB	8.35 461	0.47 306	27.42 477	0.83 375	0.34 147	2.84 427	3.36 459	4.03 445	27.04 478	25.20 478	8.72 461	8.55 459	27.35 478	7.37 434	22.13 470	0.22 176	0.20 241	0.20 94	0.21 197	0.25 224	0.25 194

KSHMR	8.76 463	2.14 449	3.59 413	3.60 463	3.13 460	4.15 450	2.67 454	5.61 459	58.90 487	3.04 435	55.71 487	4.94 443	2.54 431	4.61 381	3.05 411	3.49 457	1.57 462	3.14 461	1.98 460	3.84 459	3.49 462

U	9.23 464	0.22 4	0.65 57	0.48 39	53.11 482	61.26 487	0.24 7	0.77 11	0.55 9	0.37 5	0.30 2	0.29 1	0.34 19	0.34 1	0.27 1	0.20 118	0.12 6	60.47 483	4.24 467	0.18 51	0.14 3

EDNetEfficientorigin	10.59 465	1.52 434	177.33 488	0.68 300	0.54 298	1.66 372	1.20 393	1.94 296	3.39 440	4.69 452	3.37 425	3.08 428	2.79 434	3.25 354	3.63 415	0.26 256	0.24 305	0.33 333	0.28 310	0.85 417	0.87 419

TorneroNet	10.72 466	2.09 447	2.76 396	3.48 460	3.03 459	44.72 482	2.31 446	8.62 466	67.06 488	7.45 465	23.21 476	10.59 466	4.28 450	9.03 446	9.00 446	3.67 458	0.91 447	3.04 460	1.63 456	3.92 460	3.55 464

HanzoNet	11.92 467	5.12 466	17.18 459	4.19 469	3.59 466	5.16 456	2.82 456	7.41 464	9.96 460	33.31 483	27.60 477	22.25 477	37.31 482	18.18 472	13.57 457	8.13 470	3.44 467	3.50 466	3.44 466	7.77 472	4.52 469

DGTPSM_ROB	13.06 468	8.27 468	22.29 468	9.53 472	18.14 469	11.53 465	31.97 476	10.82 469	16.25 464	7.14 462	19.39 474	10.12 463	16.69 470	9.85 458	22.49 471	4.77 467	8.72 469	5.37 468	10.24 472	6.15 469	11.56 471

DPSMNet_ROB	13.08 469	8.28 469	22.32 469	9.54 473	18.15 470	11.53 465	31.98 477	10.83 470	16.27 465	7.17 463	19.40 475	10.12 463	16.69 470	9.87 459	22.50 472	4.78 468	8.72 469	5.38 469	10.25 473	6.16 470	11.59 472

ASD4	17.95 470	11.38 472	20.07 465	11.32 474	12.21 468	21.39 471	31.23 475	22.73 474	12.78 462	12.19 469	12.67 465	13.79 468	14.32 468	20.13 473	25.17 475	18.93 476	15.37 477	28.00 478	22.52 479	17.63 475	15.21 476

DPSM_ROB	19.12 471	19.13 474	25.13 471	22.15 476	20.86 473	28.06 474	37.75 479	27.18 476	16.95 472	14.25 470	15.07 469	21.66 472	18.69 473	21.83 475	26.51 477	10.15 473	9.30 472	10.45 473	10.41 474	14.00 473	12.85 474

DPSM	19.12 471	19.13 474	25.13 471	22.15 476	20.86 473	28.06 474	37.75 479	27.18 476	16.95 472	14.25 470	15.07 469	21.66 472	18.69 473	21.83 475	26.51 477	10.15 473	9.30 472	10.45 473	10.41 474	14.00 473	12.85 474

LRCNet_RVC	22.79 473	32.09 480	22.06 467	29.83 478	26.15 475	4.40 452	0.84 337	22.64 473	2.10 412	26.93 479	29.25 478	23.03 479	15.56 469	23.91 477	18.92 468	32.00 480	20.04 482	34.68 479	32.13 480	30.66 480	28.52 480

DLNR_Zeroshot_test	23.23 474	48.25 488	43.77 480	177.04 488	78.39 484	0.35 8	0.21 2	23.33 475	0.82 76	0.67 66	0.86 89	0.58 62	0.30 8	1.64 235	0.48 120	10.69 475	0.13 20	0.18 47	0.14 35	76.63 487	0.23 156

DPSimNet_ROB	24.77 475	9.69 471	61.46 485	3.56 462	19.46 471	25.95 472	77.56 487	5.09 455	16.60 470	21.50 477	29.82 479	25.12 480	85.69 488	13.37 470	23.07 474	7.23 469	17.79 478	8.55 471	7.57 470	4.57 467	31.84 481

FADE	26.94 476	6.16 467	20.86 466	1.90 440	1.95 440	2.92 430	2.01 435	5.55 457	5.12 454	2.92 432	2.17 396	4.13 436	14.15 467	10.56 465	10.39 451	193.84 488	2.80 464	122.45 485	126.70 485	1.14 430	1.11 429

BEATNet-Init1	27.39 477	21.01 476	73.65 486	1.07 415	0.80 382	56.07 483	22.82 471	33.14 483	31.71 480	51.78 487	52.93 486	65.63 487	48.54 486	48.75 488	36.36 482	0.52 398	0.47 412	0.54 403	0.54 411	0.64 402	0.72 407

CasAABBNet	38.42 478	38.42 482	50.26 482	44.76 483	41.87 479	56.47 484	76.22 485	54.44 486	33.92 482	28.53 480	30.36 481	43.53 485	37.59 483	43.77 485	53.32 487	20.27 477	18.70 480	21.03 475	21.04 477	28.19 477	25.79 478

Selective-RAFT-Error	38.47 479	38.44 483	50.38 483	44.74 482	42.01 480	56.47 484	76.24 486	54.44 486	34.02 483	28.59 481	30.30 480	43.51 484	38.10 484	43.69 484	53.24 486	20.36 478	18.72 481	21.05 476	21.02 476	28.25 478	25.87 479

HaxPig	39.02 480	41.39 485	41.59 478	30.10 479	32.36 476	29.49 476	27.65 473	30.56 479	37.94 484	43.75 484	43.81 483	33.42 481	35.69 479	41.51 482	40.33 484	43.91 484	47.48 487	45.87 480	47.14 482	42.29 481	44.06 484

AVERAGE_ROB	40.42 481	42.30 486	42.61 479	36.91 481	35.54 478	30.42 477	27.59 472	37.45 485	38.45 485	44.87 485	44.27 484	37.55 483	36.69 480	41.82 483	40.25 483	45.36 485	46.73 486	47.09 481	46.32 481	42.47 482	43.74 483

MEDIAN_ROB	42.01 482	44.30 487	44.14 481	35.08 480	34.90 477	31.33 481	29.90 474	36.77 484	40.11 486	47.14 486	46.55 485	37.49 482	38.50 485	44.30 487	42.32 485	47.93 486	49.31 488	49.68 482	49.00 483	44.98 483	46.46 485

Anonymous_1	42.79 483	18.71 473	24.75 470	21.81 475	45.16 481	27.68 473	37.52 478	28.64 478	16.34 466	14.72 472	14.53 467	20.60 471	17.82 472	21.52 474	25.88 476	113.45 487	8.91 471	100.63 484	126.37 484	158.50 488	12.31 473

LSM0	42.92 484	38.72 484	50.66 484	47.49 484	110.18 488	56.77 486	75.87 484	54.87 488	33.74 481	29.48 482	31.12 482	43.77 486	37.12 481	43.85 486	53.44 488	20.50 479	18.67 479	21.05 476	21.07 478	28.37 479	41.73 482

PML	51.64 485	37.49 481	14.31 454	7.45 471	20.27 472	107.80 488	231.34 489	8.94 468	27.70 479	86.74 488	268.93 489	69.03 488	61.09 487	24.71 481	14.36 462	9.71 472	3.40 466	9.60 472	4.67 468	20.46 476	4.76 470

xxxxx1	54.34 486	26.72 477	27.03 474	114.14 485	99.00 485	30.68 478	47.19 481	32.52 480	26.09 475	17.85 473	17.48 471	21.86 474	20.92 475	24.38 478	33.78 479	34.73 481	41.33 483	157.67 486	175.68 486	65.82 484	71.99 486

tt_ll	54.34 486	26.72 477	27.03 474	114.14 485	99.00 485	30.68 478	47.19 481	32.52 480	26.09 475	17.85 473	17.48 471	21.86 474	20.92 475	24.38 478	33.78 479	34.73 481	41.33 483	157.67 486	175.68 486	65.82 484	71.99 486

ff	54.34 486	26.72 477	27.03 474	114.14 485	99.00 485	30.68 478	47.19 481	32.52 480	26.09 475	17.85 473	17.48 471	21.86 474	20.92 475	24.38 478	33.78 479	34.73 481	41.33 483	157.67 486	175.68 486	65.82 484	71.99 486

test_example2	192.91 489	210.59 489	206.44 489	199.86 489	204.90 489	172.02 489	182.95 488	138.34 489	134.89 489	193.14 489	200.54 488	186.77 489	177.82 489	204.95 489	207.57 489	221.83 489	238.70 489	186.02 489	190.07 489	226.94 489	173.78 489

Low-res two-view benchmark