Low-res two-view results

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

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

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

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

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

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

MLG-Stereo_test1	0.06 1	0.05 48	0.08 27	0.17 271	0.05 1	0.07 28	0.11 54	0.09 10	0.03 1	0.05 2	0.04 1	0.06 30	0.05 14	0.09 47	0.09 51	0.05 35	0.04 23	0.05 74	0.03 1	0.04 19	0.05 156

FoundationStereo	0.06 1	0.04 1	0.08 27	0.13 10	0.05 1	0.09 109	0.13 154	0.06 1	0.09 59	0.05 2	0.05 7	0.06 30	0.04 1	0.07 3	0.07 1	0.06 130	0.04 23	0.05 74	0.04 68	0.05 142	0.04 40

5k_new	0.07 3	0.04 1	0.10 124	0.13 10	0.07 103	0.08 60	0.12 89	0.13 75	0.07 16	0.06 19	0.06 13	0.06 30	0.07 121	0.11 163	0.10 135	0.06 130	0.05 184	0.04 1	0.03 1	0.05 142	0.05 156

uiiii_40	0.07 3	0.06 102	0.06 1	0.13 10	0.07 103	0.07 28	0.10 28	0.14 99	0.07 16	0.05 2	0.06 13	0.06 30	0.06 42	0.10 84	0.09 51	0.05 35	0.04 23	0.04 1	0.03 1	0.05 142	0.05 156

4.5w_L	0.07 3	0.06 102	0.07 6	0.14 63	0.07 103	0.08 60	0.10 28	0.14 99	0.10 76	0.06 19	0.07 49	0.06 30	0.06 42	0.10 84	0.09 51	0.06 130	0.04 23	0.04 1	0.03 1	0.05 142	0.05 156

StePilot	0.07 3	0.06 102	0.07 6	0.14 63	0.07 103	0.08 60	0.10 28	0.14 99	0.10 76	0.06 19	0.07 49	0.06 30	0.06 42	0.10 84	0.10 135	0.05 35	0.04 23	0.04 1	0.03 1	0.05 142	0.05 156

SteFusion	0.07 3	0.05 48	0.08 27	0.15 115	0.06 16	0.07 28	0.13 154	0.15 137	0.14 198	0.06 19	0.06 13	0.05 7	0.08 187	0.08 15	0.09 51	0.04 6	0.04 23	0.04 1	0.04 68	0.04 19	0.03 1

PyraSte	0.07 3	0.05 48	0.08 27	0.17 271	0.06 16	0.08 60	0.12 89	0.15 137	0.09 59	0.07 76	0.07 49	0.04 1	0.07 121	0.08 15	0.10 135	0.04 6	0.04 23	0.04 1	0.04 68	0.04 19	0.03 1

tim_s	0.07 3	0.04 1	0.08 27	0.16 192	0.06 16	0.09 109	0.12 89	0.14 99	0.09 59	0.06 19	0.06 13	0.04 1	0.08 187	0.08 15	0.10 135	0.04 6	0.04 23	0.04 1	0.04 68	0.04 19	0.03 1

xxxad45	0.07 3	0.05 48	0.08 27	0.16 192	0.06 16	0.07 28	0.12 89	0.15 137	0.12 139	0.07 76	0.05 7	0.04 1	0.08 187	0.08 15	0.09 51	0.04 6	0.05 184	0.04 1	0.04 68	0.04 19	0.03 1

ACW_4w	0.07 3	0.05 48	0.09 78	0.15 115	0.06 16	0.08 60	0.12 89	0.14 99	0.13 175	0.06 19	0.07 49	0.04 1	0.08 187	0.08 15	0.09 51	0.04 6	0.04 23	0.04 1	0.04 68	0.04 19	0.03 1

5w_v4	0.07 3	0.05 48	0.08 27	0.15 115	0.06 16	0.08 60	0.12 89	0.15 137	0.11 106	0.07 76	0.06 13	0.04 1	0.08 187	0.08 15	0.09 51	0.04 6	0.05 184	0.04 1	0.04 68	0.04 19	0.03 1

ITERv30	0.07 3	0.04 1	0.11 189	0.12 4	0.07 103	0.08 60	0.12 89	0.11 34	0.08 34	0.05 2	0.10 173	0.07 114	0.07 121	0.10 84	0.10 135	0.06 130	0.06 362	0.05 74	0.04 68	0.04 19	0.04 40

qyd29nn	0.07 3	0.04 1	0.09 78	0.13 10	0.06 16	0.07 28	0.11 54	0.13 75	0.06 6	0.05 2	0.07 49	0.06 30	0.08 187	0.09 47	0.10 135	0.07 305	0.06 362	0.04 1	0.03 1	0.04 19	0.04 40

yuret106	0.07 3	0.04 1	0.10 124	0.13 10	0.07 103	0.08 60	0.11 54	0.13 75	0.06 6	0.05 2	0.06 13	0.07 114	0.07 121	0.11 163	0.10 135	0.06 130	0.06 362	0.04 1	0.03 1	0.04 19	0.04 40

iked130	0.07 3	0.04 1	0.10 124	0.14 63	0.06 16	0.09 109	0.13 154	0.15 137	0.04 2	0.05 2	0.08 97	0.06 30	0.07 121	0.10 84	0.11 225	0.06 130	0.05 184	0.04 1	0.03 1	0.04 19	0.04 40

ITERv4	0.07 3	0.06 102	0.09 78	0.14 63	0.06 16	0.06 9	0.10 28	0.11 34	0.07 16	0.07 76	0.08 97	0.06 30	0.07 121	0.08 15	0.09 51	0.05 35	0.05 184	0.05 74	0.04 68	0.03 1	0.03 1

VIP-Stereo	0.07 3	0.07 181	0.08 27	0.15 115	0.06 16	0.11 225	0.10 28	0.11 34	0.11 106	0.06 19	0.07 49	0.06 30	0.05 14	0.10 84	0.08 14	0.05 35	0.04 23	0.05 74	0.04 68	0.03 1	0.03 1

zaero_v3	0.07 3	0.04 1	0.10 124	0.14 63	0.05 1	0.06 9	0.11 54	0.10 17	0.09 59	0.07 76	0.07 49	0.04 1	0.07 121	0.08 15	0.08 14	0.06 130	0.04 23	0.04 1	0.04 68	0.04 19	0.04 40

ITERv2	0.07 3	0.04 1	0.10 124	0.14 63	0.05 1	0.08 60	0.11 54	0.12 56	0.07 16	0.06 19	0.07 49	0.05 7	0.07 121	0.08 15	0.09 51	0.06 130	0.04 23	0.04 1	0.04 68	0.05 142	0.04 40

ITER	0.07 3	0.04 1	0.10 124	0.14 63	0.05 1	0.07 28	0.11 54	0.10 17	0.07 16	0.06 19	0.08 97	0.06 30	0.08 187	0.08 15	0.09 51	0.06 130	0.04 23	0.04 1	0.03 1	0.05 142	0.05 156

OmniDepth	0.07 3	0.07 181	0.08 27	0.18 354	0.06 16	0.07 28	0.11 54	0.10 17	0.06 6	0.04 1	0.07 49	0.10 217	0.09 232	0.08 15	0.08 14	0.04 6	0.03 1	0.04 1	0.04 68	0.03 1	0.03 1

MonStereo	0.07 3	0.06 102	0.06 1	0.15 115	0.05 1	0.08 60	0.10 28	0.15 137	0.15 219	0.05 2	0.06 13	0.05 7	0.06 42	0.07 3	0.09 51	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

Wavelet-MonSter	0.07 3	0.05 48	0.07 6	0.16 192	0.06 16	0.07 28	0.11 54	0.10 17	0.08 34	0.06 19	0.07 49	0.07 114	0.07 121	0.09 47	0.09 51	0.04 6	0.04 23	0.04 1	0.03 1	0.03 1	0.03 1

Monster-pub-eth3d	0.07 3	0.06 102	0.06 1	0.15 115	0.05 1	0.08 60	0.10 28	0.15 137	0.15 219	0.05 2	0.06 13	0.05 7	0.06 42	0.07 3	0.10 135	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

Monster-pub-mixall	0.07 3	0.04 1	0.09 78	0.13 10	0.06 16	0.06 9	0.08 7	0.12 56	0.07 16	0.06 19	0.06 13	0.05 7	0.06 42	0.09 47	0.09 51	0.06 130	0.04 23	0.04 1	0.03 1	0.05 142	0.05 156

Replicate-Monster	0.07 3	0.05 48	0.09 78	0.14 63	0.06 16	0.09 109	0.09 18	0.14 99	0.12 139	0.05 2	0.07 49	0.06 30	0.06 42	0.08 15	0.10 135	0.06 130	0.04 23	0.05 74	0.03 1	0.04 19	0.04 40

AdaDepth	0.07 3	0.06 102	0.07 6	0.18 354	0.06 16	0.11 225	0.11 54	0.10 17	0.08 34	0.06 19	0.05 7	0.07 114	0.06 42	0.09 47	0.10 135	0.04 6	0.05 184	0.05 74	0.04 68	0.04 19	0.04 40

asda	0.07 3	0.08 296	0.08 27	0.16 192	0.07 103	0.06 9	0.10 28	0.16 185	0.11 106	0.06 19	0.06 13	0.05 7	0.06 42	0.10 84	0.10 135	0.03 1	0.03 1	0.04 1	0.03 1	0.04 19	0.03 1

asd	0.07 3	0.08 296	0.08 27	0.16 192	0.07 103	0.08 60	0.08 7	0.11 34	0.08 34	0.07 76	0.07 49	0.06 30	0.06 42	0.10 84	0.09 51	0.03 1	0.03 1	0.04 1	0.04 68	0.04 19	0.03 1

2.25w	0.07 3	0.07 181	0.08 27	0.15 115	0.06 16	0.08 60	0.09 18	0.10 17	0.15 219	0.08 118	0.10 173	0.07 114	0.06 42	0.09 47	0.10 135	0.05 35	0.04 23	0.04 1	0.04 68	0.03 1	0.04 40

4.25_new	0.07 3	0.08 296	0.09 78	0.15 115	0.06 16	0.08 60	0.08 7	0.14 99	0.08 34	0.07 76	0.07 49	0.06 30	0.06 42	0.12 247	0.10 135	0.04 6	0.03 1	0.04 1	0.03 1	0.04 19	0.03 1

4.5w_new	0.07 3	0.08 296	0.09 78	0.15 115	0.06 16	0.08 60	0.08 7	0.14 99	0.08 34	0.07 76	0.07 49	0.06 30	0.06 42	0.12 247	0.10 135	0.04 6	0.03 1	0.04 1	0.03 1	0.04 19	0.03 1

4.5_new	0.07 3	0.09 368	0.08 27	0.15 115	0.07 103	0.07 28	0.10 28	0.14 99	0.11 106	0.06 19	0.08 97	0.06 30	0.06 42	0.08 15	0.10 135	0.03 1	0.03 1	0.04 1	0.04 68	0.04 19	0.03 1

4.5w-stereo	0.07 3	0.09 368	0.08 27	0.15 115	0.07 103	0.07 28	0.10 28	0.14 99	0.11 106	0.06 19	0.08 97	0.06 30	0.06 42	0.08 15	0.10 135	0.03 1	0.03 1	0.04 1	0.04 68	0.04 19	0.03 1

4.25w-stereo	0.07 3	0.08 296	0.09 78	0.15 115	0.06 16	0.08 60	0.08 7	0.14 99	0.08 34	0.07 76	0.07 49	0.06 30	0.06 42	0.12 247	0.10 135	0.04 6	0.03 1	0.04 1	0.03 1	0.04 19	0.03 1

4w-stereo	0.07 3	0.08 296	0.08 27	0.16 192	0.07 103	0.07 28	0.08 7	0.11 34	0.09 59	0.07 76	0.07 49	0.05 7	0.06 42	0.09 47	0.10 135	0.03 1	0.03 1	0.04 1	0.04 68	0.04 19	0.03 1

2.5w	0.07 3	0.07 181	0.08 27	0.16 192	0.06 16	0.08 60	0.12 89	0.10 17	0.10 76	0.07 76	0.06 13	0.09 184	0.06 42	0.08 15	0.09 51	0.04 6	0.03 1	0.04 1	0.04 68	0.03 1	0.03 1

2.75w_new	0.07 3	0.07 181	0.07 6	0.13 10	0.06 16	0.08 60	0.08 7	0.18 252	0.13 175	0.08 118	0.08 97	0.06 30	0.06 42	0.09 47	0.11 225	0.04 6	0.04 23	0.04 1	0.03 1	0.03 1	0.04 40

3.25w_new	0.07 3	0.06 102	0.08 27	0.15 115	0.06 16	0.10 174	0.07 3	0.12 56	0.11 106	0.08 118	0.07 49	0.07 114	0.06 42	0.11 163	0.10 135	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.04 40

3.25w	0.07 3	0.06 102	0.08 27	0.15 115	0.06 16	0.10 174	0.07 3	0.12 56	0.11 106	0.08 118	0.07 49	0.07 114	0.06 42	0.11 163	0.10 135	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.04 40

3.75w	0.07 3	0.07 181	0.08 27	0.16 192	0.07 103	0.07 28	0.09 18	0.16 185	0.10 76	0.07 76	0.06 13	0.06 30	0.06 42	0.09 47	0.10 135	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

3.5w_stereo	0.07 3	0.07 181	0.07 6	0.15 115	0.07 103	0.09 109	0.06 1	0.14 99	0.11 106	0.08 118	0.07 49	0.06 30	0.07 121	0.10 84	0.09 51	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

monsters	0.07 3	0.06 102	0.06 1	0.15 115	0.06 16	0.08 60	0.09 18	0.13 75	0.09 59	0.09 154	0.07 49	0.06 30	0.06 42	0.09 47	0.08 14	0.05 35	0.04 23	0.04 1	0.04 68	0.03 1	0.04 40

111111	0.07 3	0.05 48	0.10 124	0.17 271	0.06 16	0.05 3	0.10 28	0.11 34	0.10 76	0.06 19	0.06 13	0.07 114	0.05 14	0.08 15	0.09 51	0.06 130	0.04 23	0.05 74	0.04 68	0.07 316	0.06 255

LG-Stereo_L2	0.07 3	0.05 48	0.10 124	0.14 63	0.06 16	0.07 28	0.12 89	0.09 10	0.10 76	0.06 19	0.04 1	0.05 7	0.05 14	0.08 15	0.08 14	0.05 35	0.04 23	0.05 74	0.03 1	0.04 19	0.03 1

LG-Stereo_L1	0.07 3	0.05 48	0.11 189	0.14 63	0.06 16	0.07 28	0.12 89	0.09 10	0.08 34	0.05 2	0.04 1	0.05 7	0.04 1	0.08 15	0.08 14	0.05 35	0.04 23	0.05 74	0.03 1	0.04 19	0.04 40

MLG-Stereo_test3	0.07 3	0.05 48	0.10 124	0.15 115	0.06 16	0.07 28	0.10 28	0.08 4	0.06 6	0.06 19	0.04 1	0.06 30	0.06 42	0.08 15	0.10 135	0.06 130	0.04 23	0.05 74	0.04 68	0.05 142	0.06 255

MLG-Stereo_test2	0.07 3	0.04 1	0.10 124	0.15 115	0.06 16	0.07 28	0.11 54	0.09 10	0.04 2	0.06 19	0.05 7	0.06 30	0.04 1	0.08 15	0.09 51	0.06 130	0.04 23	0.05 74	0.03 1	0.05 142	0.05 156

MLG-Stereo	0.07 3	0.05 48	0.09 78	0.17 271	0.05 1	0.07 28	0.11 54	0.08 4	0.05 4	0.05 2	0.04 1	0.06 30	0.05 14	0.10 84	0.09 51	0.05 35	0.04 23	0.05 74	0.03 1	0.04 19	0.05 156

LG-G_1	0.07 3	0.04 1	0.11 189	0.15 115	0.06 16	0.09 109	0.08 7	0.08 4	0.06 6	0.06 19	0.06 13	0.07 114	0.07 121	0.11 163	0.08 14	0.07 305	0.04 23	0.05 74	0.04 68	0.05 142	0.06 255

LG-G	0.07 3	0.04 1	0.11 189	0.15 115	0.06 16	0.09 109	0.08 7	0.08 4	0.06 6	0.06 19	0.06 13	0.07 114	0.07 121	0.11 163	0.08 14	0.07 305	0.04 23	0.05 74	0.04 68	0.05 142	0.06 255

LGtest1	0.07 3	0.05 48	0.11 189	0.15 115	0.06 16	0.07 28	0.09 18	0.08 4	0.06 6	0.06 19	0.04 1	0.06 30	0.07 121	0.10 84	0.09 51	0.07 305	0.04 23	0.05 74	0.04 68	0.06 247	0.06 255

LG-Stereo_Zeroshot	0.07 3	0.06 102	0.10 124	0.16 192	0.07 103	0.04 1	0.13 154	0.10 17	0.10 76	0.05 2	0.11 212	0.07 114	0.05 14	0.07 3	0.09 51	0.06 130	0.04 23	0.05 74	0.04 68	0.05 142	0.04 40

GREAT-IGEV	0.07 3	0.06 102	0.09 78	0.13 10	0.07 103	0.07 28	0.14 221	0.10 17	0.09 59	0.06 19	0.08 97	0.06 30	0.05 14	0.10 84	0.07 1	0.05 35	0.04 23	0.05 74	0.04 68	0.05 142	0.04 40

StereoAnything_RVC	0.07 3	0.16 538	0.17 421	0.11 1	0.05 1	0.06 9	0.11 54	0.08 4	0.08 34	0.06 19	0.06 13	0.05 7	0.05 14	0.09 47	0.08 14	0.08 367	0.04 23	0.05 74	0.03 1	0.05 142	0.04 40

AIO_rvc	0.07 3	0.06 102	0.08 27	0.15 115	0.06 16	0.08 60	0.14 221	0.09 10	0.08 34	0.07 76	0.08 97	0.07 114	0.04 1	0.10 84	0.08 14	0.05 35	0.04 23	0.05 74	0.04 68	0.04 19	0.03 1

AIO_test	0.07 3	0.06 102	0.07 6	0.15 115	0.07 103	0.07 28	0.14 221	0.10 17	0.10 76	0.07 76	0.07 49	0.06 30	0.05 14	0.08 15	0.10 135	0.05 35	0.04 23	0.05 74	0.04 68	0.04 19	0.03 1

MonSter	0.07 3	0.06 102	0.06 1	0.15 115	0.05 1	0.08 60	0.10 28	0.15 137	0.15 219	0.05 2	0.06 13	0.05 7	0.06 42	0.07 3	0.09 51	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

DEFOM-Stereo	0.07 3	0.05 48	0.07 6	0.14 63	0.06 16	0.09 109	0.13 154	0.07 2	0.13 175	0.06 19	0.07 49	0.06 30	0.05 14	0.10 84	0.09 51	0.05 35	0.04 23	0.05 74	0.03 1	0.04 19	0.04 40

dual_stereo	0.07 3	0.05 48	0.08 27	0.15 115	0.05 1	0.05 3	0.13 154	0.12 56	0.08 34	0.07 76	0.06 13	0.05 7	0.05 14	0.07 3	0.09 51	0.06 130	0.04 23	0.05 74	0.03 1	0.04 19	0.04 40

IGEV-Stereo++	0.07 3	0.06 102	0.08 27	0.18 354	0.06 16	0.05 3	0.10 28	0.11 34	0.11 106	0.06 19	0.07 49	0.07 114	0.06 42	0.09 47	0.09 51	0.05 35	0.04 23	0.05 74	0.04 68	0.05 142	0.04 40

IGEV-Stereo+	0.07 3	0.04 1	0.08 27	0.15 115	0.06 16	0.04 1	0.09 18	0.10 17	0.09 59	0.06 19	0.06 13	0.06 30	0.06 42	0.06 1	0.09 51	0.06 130	0.04 23	0.05 74	0.04 68	0.06 247	0.06 255

Selective-IGEV	0.07 3	0.06 102	0.09 78	0.17 271	0.06 16	0.08 60	0.12 89	0.13 75	0.08 34	0.08 118	0.07 49	0.06 30	0.04 1	0.10 84	0.09 51	0.05 35	0.04 23	0.05 74	0.04 68	0.04 19	0.03 1

4k_L	0.08 65	0.04 1	0.10 124	0.13 10	0.07 103	0.09 109	0.12 89	0.15 137	0.08 34	0.06 19	0.08 97	0.06 30	0.07 121	0.10 84	0.10 135	0.06 130	0.05 184	0.04 1	0.03 1	0.04 19	0.04 40

aaa3	0.08 65	0.04 1	0.09 78	0.13 10	0.07 103	0.08 60	0.12 89	0.15 137	0.08 34	0.05 2	0.09 131	0.06 30	0.08 187	0.10 84	0.11 225	0.06 130	0.05 184	0.04 1	0.03 1	0.04 19	0.04 40

gc-stereo	0.08 65	0.04 1	0.10 124	0.13 10	0.06 16	0.09 109	0.13 154	0.13 75	0.08 34	0.06 19	0.09 131	0.06 30	0.07 121	0.10 84	0.11 225	0.06 130	0.05 184	0.04 1	0.03 1	0.04 19	0.04 40

mfccc	0.08 65	0.04 1	0.11 189	0.13 10	0.07 103	0.10 174	0.11 54	0.14 99	0.09 59	0.06 19	0.08 97	0.06 30	0.08 187	0.10 84	0.11 225	0.06 130	0.05 184	0.04 1	0.03 1	0.04 19	0.04 40

ss10	0.08 65	0.04 1	0.10 124	0.14 63	0.06 16	0.09 109	0.12 89	0.15 137	0.09 59	0.06 19	0.08 97	0.05 7	0.07 121	0.10 84	0.10 135	0.06 130	0.05 184	0.04 1	0.03 1	0.04 19	0.04 40

SX	0.08 65	0.04 1	0.11 189	0.13 10	0.07 103	0.10 174	0.12 89	0.12 56	0.08 34	0.07 76	0.06 13	0.07 114	0.07 121	0.11 163	0.11 225	0.06 130	0.05 184	0.04 1	0.03 1	0.05 142	0.05 156

USM	0.08 65	0.05 48	0.09 78	0.14 63	0.06 16	0.10 174	0.13 154	0.15 137	0.10 76	0.06 19	0.07 49	0.05 7	0.07 121	0.10 84	0.10 135	0.05 35	0.05 184	0.04 1	0.03 1	0.04 19	0.04 40

weee2	0.08 65	0.04 1	0.10 124	0.13 10	0.06 16	0.10 174	0.13 154	0.13 75	0.08 34	0.06 19	0.07 49	0.06 30	0.08 187	0.10 84	0.11 225	0.06 130	0.05 184	0.04 1	0.03 1	0.04 19	0.05 156

ACM	0.08 65	0.04 1	0.11 189	0.13 10	0.07 103	0.09 109	0.11 54	0.14 99	0.08 34	0.06 19	0.08 97	0.06 30	0.07 121	0.10 84	0.11 225	0.06 130	0.05 184	0.04 1	0.03 1	0.04 19	0.05 156

ITERv28	0.08 65	0.05 48	0.10 124	0.13 10	0.06 16	0.10 174	0.13 154	0.14 99	0.08 34	0.05 2	0.08 97	0.06 30	0.07 121	0.09 47	0.10 135	0.06 130	0.06 362	0.04 1	0.03 1	0.05 142	0.05 156

uio108cc	0.08 65	0.05 48	0.09 78	0.14 63	0.06 16	0.09 109	0.12 89	0.15 137	0.07 16	0.05 2	0.07 49	0.07 114	0.08 187	0.09 47	0.10 135	0.06 130	0.06 362	0.05 74	0.04 68	0.04 19	0.04 40

oiu110	0.08 65	0.04 1	0.09 78	0.13 10	0.07 103	0.09 109	0.12 89	0.14 99	0.07 16	0.06 19	0.09 131	0.06 30	0.07 121	0.09 47	0.11 225	0.06 130	0.06 362	0.04 1	0.03 1	0.04 19	0.05 156

ITERv24	0.08 65	0.04 1	0.09 78	0.13 10	0.06 16	0.09 109	0.12 89	0.16 185	0.06 6	0.06 19	0.08 97	0.07 114	0.08 187	0.10 84	0.11 225	0.06 130	0.06 362	0.04 1	0.03 1	0.04 19	0.04 40

dd23bbn	0.08 65	0.05 48	0.09 78	0.14 63	0.06 16	0.09 109	0.13 154	0.16 185	0.07 16	0.07 76	0.11 212	0.07 114	0.08 187	0.08 15	0.10 135	0.05 35	0.05 184	0.04 1	0.03 1	0.04 19	0.04 40

hj116sk	0.08 65	0.04 1	0.10 124	0.13 10	0.07 103	0.09 109	0.11 54	0.15 137	0.08 34	0.06 19	0.09 131	0.07 114	0.08 187	0.10 84	0.10 135	0.06 130	0.05 184	0.04 1	0.03 1	0.04 19	0.04 40

ITERv21	0.08 65	0.04 1	0.11 189	0.13 10	0.07 103	0.10 174	0.12 89	0.13 75	0.07 16	0.06 19	0.08 97	0.06 30	0.07 121	0.10 84	0.11 225	0.06 130	0.06 362	0.04 1	0.03 1	0.04 19	0.05 156

v20iiwwt	0.08 65	0.05 48	0.10 124	0.13 10	0.06 16	0.10 174	0.12 89	0.15 137	0.08 34	0.07 76	0.09 131	0.06 30	0.08 187	0.10 84	0.11 225	0.06 130	0.05 184	0.04 1	0.03 1	0.04 19	0.04 40

ITERv19	0.08 65	0.04 1	0.11 189	0.13 10	0.06 16	0.11 225	0.13 154	0.16 185	0.07 16	0.06 19	0.08 97	0.06 30	0.07 121	0.09 47	0.10 135	0.06 130	0.06 362	0.04 1	0.04 68	0.04 19	0.04 40

ITER124	0.08 65	0.04 1	0.10 124	0.14 63	0.06 16	0.10 174	0.13 154	0.15 137	0.07 16	0.06 19	0.08 97	0.06 30	0.08 187	0.10 84	0.10 135	0.06 130	0.05 184	0.04 1	0.04 68	0.04 19	0.04 40

dddd17k	0.08 65	0.04 1	0.10 124	0.14 63	0.06 16	0.09 109	0.12 89	0.14 99	0.05 4	0.06 19	0.09 131	0.05 7	0.07 121	0.10 84	0.11 225	0.06 130	0.05 184	0.04 1	0.04 68	0.04 19	0.04 40

zxcv128	0.08 65	0.04 1	0.10 124	0.13 10	0.06 16	0.09 109	0.13 154	0.14 99	0.06 6	0.06 19	0.10 173	0.06 30	0.08 187	0.10 84	0.11 225	0.06 130	0.05 184	0.04 1	0.04 68	0.04 19	0.04 40

ITERv14	0.08 65	0.04 1	0.10 124	0.13 10	0.06 16	0.09 109	0.12 89	0.15 137	0.06 6	0.06 19	0.09 131	0.06 30	0.07 121	0.10 84	0.10 135	0.05 35	0.05 184	0.04 1	0.04 68	0.04 19	0.04 40

v134_o9	0.08 65	0.04 1	0.11 189	0.13 10	0.06 16	0.10 174	0.12 89	0.16 185	0.07 16	0.06 19	0.08 97	0.06 30	0.08 187	0.10 84	0.10 135	0.06 130	0.05 184	0.04 1	0.03 1	0.04 19	0.04 40

ITERv12	0.08 65	0.04 1	0.11 189	0.13 10	0.07 103	0.09 109	0.12 89	0.13 75	0.09 59	0.07 76	0.09 131	0.07 114	0.07 121	0.10 84	0.10 135	0.06 130	0.05 184	0.04 1	0.03 1	0.05 142	0.05 156

vnu138km	0.08 65	0.04 1	0.11 189	0.13 10	0.07 103	0.09 109	0.12 89	0.15 137	0.07 16	0.06 19	0.09 131	0.06 30	0.06 42	0.10 84	0.10 135	0.06 130	0.05 184	0.04 1	0.03 1	0.04 19	0.04 40

ITERv10	0.08 65	0.04 1	0.11 189	0.13 10	0.06 16	0.09 109	0.13 154	0.15 137	0.08 34	0.06 19	0.09 131	0.06 30	0.07 121	0.10 84	0.10 135	0.05 35	0.04 23	0.04 1	0.04 68	0.04 19	0.04 40

99wein	0.08 65	0.04 1	0.11 189	0.13 10	0.06 16	0.09 109	0.12 89	0.15 137	0.09 59	0.07 76	0.09 131	0.06 30	0.07 121	0.10 84	0.10 135	0.06 130	0.05 184	0.04 1	0.03 1	0.04 19	0.04 40

ITERv8	0.08 65	0.04 1	0.10 124	0.13 10	0.07 103	0.09 109	0.12 89	0.15 137	0.08 34	0.06 19	0.09 131	0.06 30	0.07 121	0.10 84	0.11 225	0.06 130	0.05 184	0.04 1	0.03 1	0.04 19	0.04 40

ITERv7	0.08 65	0.04 1	0.11 189	0.13 10	0.06 16	0.09 109	0.12 89	0.15 137	0.07 16	0.06 19	0.09 131	0.06 30	0.07 121	0.10 84	0.10 135	0.05 35	0.05 184	0.04 1	0.03 1	0.04 19	0.04 40

s6wercc	0.08 65	0.04 1	0.10 124	0.13 10	0.06 16	0.09 109	0.13 154	0.15 137	0.07 16	0.06 19	0.09 131	0.06 30	0.07 121	0.10 84	0.10 135	0.06 130	0.05 184	0.04 1	0.03 1	0.04 19	0.04 40

a5sdf	0.08 65	0.04 1	0.11 189	0.13 10	0.06 16	0.09 109	0.12 89	0.15 137	0.07 16	0.06 19	0.09 131	0.06 30	0.07 121	0.10 84	0.10 135	0.06 130	0.05 184	0.04 1	0.03 1	0.04 19	0.04 40

GEAStereo	0.08 65	0.06 102	0.09 78	0.13 10	0.08 182	0.08 60	0.14 221	0.10 17	0.10 76	0.08 118	0.10 173	0.06 30	0.04 1	0.11 163	0.08 14	0.06 130	0.04 23	0.05 74	0.04 68	0.05 142	0.05 156

GSStereo	0.08 65	0.06 102	0.09 78	0.13 10	0.08 182	0.08 60	0.14 221	0.11 34	0.12 139	0.08 118	0.10 173	0.05 7	0.04 1	0.11 163	0.08 14	0.06 130	0.04 23	0.05 74	0.04 68	0.05 142	0.05 156

gasm-f	0.08 65	0.05 48	0.08 27	0.13 10	0.08 182	0.08 60	0.14 221	0.10 17	0.10 76	0.08 118	0.10 173	0.06 30	0.05 14	0.10 84	0.08 14	0.06 130	0.04 23	0.05 74	0.04 68	0.06 247	0.05 156

DDF-Stereo	0.08 65	0.05 48	0.10 124	0.15 115	0.10 399	0.05 3	0.13 154	0.09 10	0.14 198	0.06 19	0.06 13	0.07 114	0.06 42	0.09 47	0.10 135	0.06 130	0.04 23	0.06 162	0.04 68	0.08 382	0.05 156

252Zero-FE	0.08 65	0.04 1	0.10 124	0.13 10	0.07 103	0.13 301	0.11 54	0.13 75	0.14 198	0.07 76	0.05 7	0.06 30	0.05 14	0.09 47	0.10 135	0.06 130	0.04 23	0.05 74	0.04 68	0.05 142	0.06 255

Zero-FE251	0.08 65	0.05 48	0.10 124	0.13 10	0.06 16	0.12 269	0.12 89	0.11 34	0.10 76	0.07 76	0.08 97	0.06 30	0.06 42	0.10 84	0.08 14	0.06 130	0.04 23	0.05 74	0.04 68	0.04 19	0.04 40

zero-FE	0.08 65	0.05 48	0.10 124	0.15 115	0.10 399	0.05 3	0.13 154	0.09 10	0.14 198	0.07 76	0.06 13	0.07 114	0.06 42	0.09 47	0.10 135	0.06 130	0.04 23	0.06 162	0.04 68	0.08 382	0.05 156

GASTEREO	0.08 65	0.05 48	0.09 78	0.19 414	0.08 182	0.08 60	0.12 89	0.14 99	0.11 106	0.10 185	0.09 131	0.07 114	0.04 1	0.12 247	0.08 14	0.06 130	0.05 184	0.05 74	0.04 68	0.04 19	0.05 156

MSCF	0.08 65	0.05 48	0.09 78	0.19 414	0.08 182	0.07 28	0.12 89	0.14 99	0.11 106	0.10 185	0.09 131	0.07 114	0.04 1	0.11 163	0.08 14	0.06 130	0.05 184	0.05 74	0.04 68	0.05 142	0.05 156

S2M2_XL	0.08 65	0.06 102	0.12 240	0.12 4	0.08 182	0.09 109	0.09 18	0.07 2	0.07 16	0.08 118	0.07 49	0.07 114	0.06 42	0.09 47	0.09 51	0.08 367	0.06 362	0.07 263	0.06 246	0.08 382	0.06 255
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
qwe	0.08 65	0.08 296	0.07 6	0.15 115	0.06 16	0.07 28	0.10 28	0.18 252	0.12 139	0.07 76	0.07 49	0.06 30	0.06 42	0.10 84	0.09 51	0.04 6	0.03 1	0.04 1	0.04 68	0.04 19	0.03 1

3w_stereo	0.08 65	0.09 368	0.10 124	0.17 271	0.07 103	0.08 60	0.11 54	0.20 293	0.13 175	0.06 19	0.07 49	0.05 7	0.06 42	0.08 15	0.09 51	0.04 6	0.03 1	0.04 1	0.03 1	0.04 19	0.03 1

2w_stereo	0.08 65	0.08 296	0.09 78	0.16 192	0.06 16	0.09 109	0.10 28	0.20 293	0.15 219	0.08 118	0.07 49	0.06 30	0.06 42	0.06 1	0.10 135	0.04 6	0.03 1	0.04 1	0.04 68	0.03 1	0.03 1

1w_stereo	0.08 65	0.06 102	0.07 6	0.16 192	0.06 16	0.07 28	0.10 28	0.14 99	0.15 219	0.07 76	0.08 97	0.05 7	0.06 42	0.10 84	0.09 51	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.04 40

monsterstereo	0.08 65	0.06 102	0.07 6	0.16 192	0.06 16	0.08 60	0.10 28	0.16 185	0.12 139	0.07 76	0.08 97	0.06 30	0.07 121	0.08 15	0.09 51	0.04 6	0.04 23	0.05 74	0.04 68	0.04 19	0.03 1

IGEV	0.08 65	0.04 1	0.09 78	0.13 10	0.06 16	0.09 109	0.12 89	0.14 99	0.10 76	0.06 19	0.09 131	0.07 114	0.05 14	0.09 47	0.09 51	0.06 130	0.04 23	0.05 74	0.04 68	0.05 142	0.04 40

LG-Stereo	0.08 65	0.08 296	0.10 124	0.18 354	0.07 103	0.10 174	0.17 381	0.11 34	0.08 34	0.06 19	0.08 97	0.06 30	0.07 121	0.09 47	0.09 51	0.04 6	0.05 184	0.07 263	0.07 338	0.04 19	0.04 40

SGD-Stereo	0.08 65	0.05 48	0.10 124	0.14 63	0.06 16	0.12 269	0.12 89	0.11 34	0.12 139	0.07 76	0.09 131	0.09 184	0.09 232	0.08 15	0.08 14	0.06 130	0.04 23	0.05 74	0.04 68	0.05 142	0.04 40

HART	0.08 65	0.07 181	0.09 78	0.18 354	0.07 103	0.10 174	0.16 355	0.13 75	0.11 106	0.09 154	0.10 173	0.08 157	0.05 14	0.10 84	0.08 14	0.05 35	0.04 23	0.06 162	0.04 68	0.05 142	0.04 40

SCV_C0	0.08 65	0.07 181	0.08 27	0.16 192	0.10 399	0.08 60	0.14 221	0.11 34	0.13 175	0.08 118	0.07 49	0.06 30	0.05 14	0.11 163	0.07 1	0.05 35	0.05 184	0.05 74	0.04 68	0.06 247	0.05 156

SCV	0.08 65	0.09 368	0.08 27	0.15 115	0.08 182	0.10 174	0.12 89	0.11 34	0.12 139	0.07 76	0.07 49	0.06 30	0.04 1	0.10 84	0.08 14	0.05 35	0.05 184	0.06 162	0.04 68	0.06 247	0.04 40

DEFOM-Stereo_RVC	0.08 65	0.07 181	0.09 78	0.22 522	0.06 16	0.08 60	0.12 89	0.10 17	0.10 76	0.07 76	0.07 49	0.06 30	0.05 14	0.11 163	0.09 51	0.06 130	0.04 23	0.05 74	0.03 1	0.06 247	0.04 40

HUF	0.08 65	0.05 48	0.08 27	0.14 63	0.06 16	0.09 109	0.13 154	0.13 75	0.13 175	0.07 76	0.07 49	0.09 184	0.06 42	0.10 84	0.09 51	0.06 130	0.04 23	0.05 74	0.04 68	0.05 142	0.04 40

castereo++	0.08 65	0.06 102	0.08 27	0.15 115	0.05 1	0.14 341	0.11 54	0.11 34	0.15 219	0.07 76	0.07 49	0.08 157	0.06 42	0.08 15	0.08 14	0.06 130	0.04 23	0.05 74	0.04 68	0.04 19	0.03 1

IGEV-RUCA	0.08 65	0.06 102	0.11 189	0.14 63	0.09 292	0.10 174	0.12 89	0.10 17	0.12 139	0.06 19	0.07 49	0.08 157	0.06 42	0.09 47	0.08 14	0.06 130	0.05 184	0.05 74	0.04 68	0.05 142	0.06 255

GIP-stereo	0.08 65	0.06 102	0.11 189	0.15 115	0.07 103	0.09 109	0.13 154	0.15 137	0.11 106	0.07 76	0.08 97	0.05 7	0.04 1	0.10 84	0.07 1	0.05 35	0.04 23	0.05 74	0.04 68	0.05 142	0.04 40

SMoEStereo_RVC	0.08 65	0.06 102	0.12 240	0.16 192	0.07 103	0.09 109	0.13 154	0.11 34	0.14 198	0.09 154	0.07 49	0.07 114	0.07 121	0.12 247	0.10 135	0.05 35	0.04 23	0.06 162	0.05 174	0.04 19	0.04 40

WCG-NET	0.08 65	0.05 48	0.10 124	0.15 115	0.06 16	0.11 225	0.14 221	0.13 75	0.14 198	0.07 76	0.09 131	0.07 114	0.06 42	0.13 299	0.08 14	0.05 35	0.04 23	0.06 162	0.04 68	0.04 19	0.03 1

Occ-G	0.08 65	0.05 48	0.07 6	0.14 63	0.07 103	0.09 109	0.14 221	0.14 99	0.15 219	0.07 76	0.12 228	0.07 114	0.05 14	0.09 47	0.10 135	0.06 130	0.05 184	0.05 74	0.04 68	0.05 142	0.06 255

U	0.08 65	0.07 181	0.10 124	0.19 414	0.10 399	0.10 174	0.13 154	0.12 56	0.17 272	0.07 76	0.07 49	0.06 30	0.05 14	0.07 3	0.09 51	0.06 130	0.04 23	0.06 162	0.04 68	0.06 247	0.05 156

AIO-Stereo	0.08 65	0.06 102	0.10 124	0.18 354	0.06 16	0.09 109	0.11 54	0.16 185	0.09 59	0.09 154	0.08 97	0.07 114	0.05 14	0.11 163	0.08 14	0.05 35	0.05 184	0.05 74	0.04 68	0.04 19	0.04 40

WCG-NET（raft）	0.08 65	0.05 48	0.10 124	0.15 115	0.06 16	0.11 225	0.13 154	0.15 137	0.12 139	0.08 118	0.07 49	0.06 30	0.06 42	0.13 299	0.08 14	0.05 35	0.04 23	0.05 74	0.04 68	0.05 142	0.04 40

RSM++	0.08 65	0.06 102	0.09 78	0.17 271	0.07 103	0.09 109	0.12 89	0.11 34	0.11 106	0.08 118	0.06 13	0.07 114	0.05 14	0.10 84	0.09 51	0.05 35	0.04 23	0.06 162	0.05 174	0.05 142	0.03 1

RSM	0.08 65	0.06 102	0.09 78	0.17 271	0.07 103	0.08 60	0.12 89	0.12 56	0.10 76	0.08 118	0.07 49	0.06 30	0.05 14	0.11 163	0.09 51	0.04 6	0.04 23	0.05 74	0.04 68	0.04 19	0.04 40

trnet	0.08 65	0.05 48	0.07 6	0.12 4	0.05 1	0.12 269	0.10 28	0.13 75	0.10 76	0.08 118	0.13 243	0.09 184	0.08 187	0.11 163	0.10 135	0.08 367	0.05 184	0.05 74	0.03 1	0.06 247	0.05 156

MoCha-V2	0.08 65	0.05 48	0.11 189	0.20 470	0.07 103	0.10 174	0.14 221	0.12 56	0.08 34	0.07 76	0.08 97	0.07 114	0.06 42	0.09 47	0.08 14	0.05 35	0.05 184	0.05 74	0.04 68	0.04 19	0.04 40

IGEV++	0.08 65	0.06 102	0.09 78	0.18 354	0.07 103	0.10 174	0.13 154	0.10 17	0.10 76	0.08 118	0.08 97	0.06 30	0.05 14	0.13 299	0.09 51	0.05 35	0.04 23	0.05 74	0.04 68	0.05 142	0.04 40

testlalala	0.08 65	0.07 181	0.17 421	0.16 192	0.08 182	0.09 109	0.12 89	0.15 137	0.10 76	0.07 76	0.09 131	0.06 30	0.06 42	0.11 163	0.09 51	0.05 35	0.04 23	0.06 162	0.04 68	0.04 19	0.04 40

LoS_RVC	0.08 65	0.05 48	0.07 6	0.15 115	0.07 103	0.08 60	0.15 295	0.12 56	0.11 106	0.08 118	0.09 131	0.06 30	0.09 232	0.10 84	0.09 51	0.05 35	0.04 23	0.05 74	0.03 1	0.04 19	0.04 40

CAS	0.08 65	0.04 1	0.07 6	0.17 271	0.08 182	0.10 174	0.13 154	0.12 56	0.09 59	0.09 154	0.10 173	0.08 157	0.06 42	0.09 47	0.09 51	0.08 367	0.04 23	0.05 74	0.03 1	0.05 142	0.04 40

CES	0.08 65	0.04 1	0.08 27	0.14 63	0.07 103	0.09 109	0.14 221	0.11 34	0.09 59	0.08 118	0.09 131	0.11 241	0.07 121	0.12 247	0.08 14	0.06 130	0.04 23	0.05 74	0.03 1	0.05 142	0.05 156

EGLCR-Stereo	0.08 65	0.05 48	0.08 27	0.14 63	0.07 103	0.11 225	0.12 89	0.11 34	0.16 247	0.06 19	0.05 7	0.07 114	0.05 14	0.10 84	0.11 225	0.06 130	0.04 23	0.06 162	0.05 174	0.04 19	0.04 40

CREStereo++_RVC	0.08 65	0.04 1	0.07 6	0.13 10	0.07 103	0.09 109	0.12 89	0.14 99	0.14 198	0.10 185	0.14 256	0.08 157	0.07 121	0.10 84	0.11 225	0.06 130	0.04 23	0.05 74	0.05 174	0.04 19	0.04 40
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
FE-Mocha	0.09 139	0.06 102	0.14 318	0.16 192	0.09 292	0.11 225	0.15 295	0.19 279	0.16 247	0.10 185	0.09 131	0.07 114	0.07 121	0.09 47	0.09 51	0.06 130	0.04 23	0.06 162	0.06 246	0.05 142	0.05 156

IGEV-FE	0.09 139	0.05 48	0.13 273	0.14 63	0.08 182	0.12 269	0.13 154	0.17 224	0.11 106	0.10 185	0.06 13	0.09 184	0.06 42	0.11 163	0.09 51	0.06 130	0.04 23	0.06 162	0.06 246	0.05 142	0.05 156

DA	0.09 139	0.07 181	0.07 6	0.19 414	0.08 182	0.10 174	0.13 154	0.13 75	0.12 139	0.08 118	0.10 173	0.10 217	0.08 187	0.09 47	0.10 135	0.05 35	0.04 23	0.06 162	0.04 68	0.05 142	0.04 40

GGEV	0.09 139	0.07 181	0.07 6	0.19 414	0.08 182	0.10 174	0.13 154	0.13 75	0.12 139	0.08 118	0.10 173	0.10 217	0.08 187	0.09 47	0.10 135	0.05 35	0.04 23	0.06 162	0.04 68	0.05 142	0.04 40

water-stereo	0.09 139	0.06 102	0.08 27	0.16 192	0.07 103	0.10 174	0.13 154	0.15 137	0.13 175	0.11 224	0.12 228	0.09 184	0.10 255	0.07 3	0.08 14	0.06 130	0.05 184	0.05 74	0.05 174	0.04 19	0.04 40

depthmonostereo	0.09 139	0.06 102	0.09 78	0.15 115	0.06 16	0.11 225	0.13 154	0.14 99	0.15 219	0.10 185	0.10 173	0.09 184	0.11 285	0.08 15	0.09 51	0.06 130	0.05 184	0.06 162	0.04 68	0.04 19	0.03 1

DilatedVolume-Stereo	0.09 139	0.05 48	0.08 27	0.15 115	0.06 16	0.11 225	0.12 89	0.14 99	0.16 247	0.11 224	0.11 212	0.09 184	0.10 255	0.11 163	0.11 225	0.06 130	0.05 184	0.05 74	0.04 68	0.03 1	0.03 1

S2M2_L	0.09 139	0.08 296	0.11 189	0.13 10	0.10 399	0.08 60	0.06 1	0.10 17	0.10 76	0.10 185	0.10 173	0.09 184	0.09 232	0.11 163	0.11 225	0.13 540	0.07 442	0.08 344	0.09 451	0.10 481	0.08 403
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
MM-Stereo_test2	0.09 139	0.07 181	0.09 78	0.19 414	0.08 182	0.12 269	0.18 429	0.15 137	0.14 198	0.07 76	0.10 173	0.07 114	0.06 42	0.12 247	0.09 51	0.05 35	0.04 23	0.06 162	0.05 174	0.06 247	0.04 40

Reg-Stereo(zero)	0.09 139	0.05 48	0.08 27	0.16 192	0.06 16	0.12 269	0.11 54	0.15 137	0.11 106	0.12 256	0.09 131	0.10 217	0.08 187	0.11 163	0.09 51	0.06 130	0.05 184	0.05 74	0.04 68	0.04 19	0.05 156

castereo	0.09 139	0.06 102	0.11 189	0.15 115	0.06 16	0.11 225	0.14 221	0.14 99	0.18 286	0.08 118	0.10 173	0.11 241	0.08 187	0.09 47	0.10 135	0.05 35	0.04 23	0.05 74	0.04 68	0.04 19	0.04 40

fffft	0.09 139	0.06 102	0.12 240	0.16 192	0.07 103	0.09 109	0.16 355	0.12 56	0.11 106	0.09 154	0.07 49	0.09 184	0.06 42	0.11 163	0.12 297	0.05 35	0.04 23	0.06 162	0.05 174	0.04 19	0.05 156
1: 1. 1
tt45	0.09 139	0.06 102	0.11 189	0.15 115	0.07 103	0.12 269	0.15 295	0.13 75	0.12 139	0.09 154	0.06 13	0.08 157	0.06 42	0.13 299	0.10 135	0.06 130	0.04 23	0.06 162	0.05 174	0.05 142	0.06 255

999	0.09 139	0.06 102	0.13 273	0.15 115	0.08 182	0.10 174	0.14 221	0.15 137	0.12 139	0.10 185	0.08 97	0.08 157	0.08 187	0.16 372	0.10 135	0.06 130	0.04 23	0.06 162	0.05 174	0.04 19	0.06 255

mms	0.09 139	0.07 181	0.08 27	0.17 271	0.08 182	0.11 225	0.15 295	0.12 56	0.11 106	0.09 154	0.09 131	0.08 157	0.06 42	0.11 163	0.12 297	0.05 35	0.04 23	0.07 263	0.05 174	0.04 19	0.04 40

ours_stereo	0.09 139	0.07 181	0.09 78	0.17 271	0.08 182	0.11 225	0.16 355	0.11 34	0.12 139	0.08 118	0.10 173	0.08 157	0.06 42	0.12 247	0.12 297	0.05 35	0.04 23	0.06 162	0.05 174	0.04 19	0.04 40

fffy	0.09 139	0.08 296	0.10 124	0.16 192	0.07 103	0.13 301	0.17 381	0.13 75	0.12 139	0.08 118	0.09 131	0.08 157	0.09 232	0.13 299	0.11 225	0.05 35	0.05 184	0.07 263	0.05 174	0.04 19	0.05 156

GCAP-BAT	0.09 139	0.07 181	0.14 318	0.15 115	0.08 182	0.10 174	0.12 89	0.15 137	0.11 106	0.11 224	0.10 173	0.09 184	0.07 121	0.12 247	0.10 135	0.06 130	0.05 184	0.06 162	0.04 68	0.04 19	0.04 40

Pointernet	0.09 139	0.05 48	0.10 124	0.16 192	0.08 182	0.13 301	0.10 28	0.15 137	0.18 286	0.09 154	0.07 49	0.06 30	0.06 42	0.11 163	0.10 135	0.08 367	0.04 23	0.05 74	0.03 1	0.06 247	0.05 156

IGEV-BASED-STEREO-	0.09 139	0.10 433	0.32 554	0.15 115	0.06 16	0.08 60	0.14 221	0.11 34	0.10 76	0.07 76	0.07 49	0.06 30	0.04 1	0.11 163	0.07 1	0.12 523	0.04 23	0.07 263	0.05 174	0.05 142	0.05 156

RAFT-Stereo-weight	0.09 139	0.06 102	0.11 189	0.16 192	0.07 103	0.09 109	0.14 221	0.19 279	0.16 247	0.11 224	0.10 173	0.08 157	0.06 42	0.10 84	0.11 225	0.06 130	0.04 23	0.06 162	0.04 68	0.04 19	0.04 40

gcap-zeroshot	0.09 139	0.06 102	0.10 124	0.16 192	0.07 103	0.14 341	0.13 154	0.11 34	0.12 139	0.13 285	0.12 228	0.09 184	0.08 187	0.09 47	0.09 51	0.06 130	0.05 184	0.06 162	0.05 174	0.04 19	0.04 40

test_for_model	0.09 139	0.12 477	0.14 318	0.23 541	0.11 454	0.08 60	0.13 154	0.12 56	0.13 175	0.10 185	0.07 49	0.07 114	0.06 42	0.11 163	0.10 135	0.06 130	0.05 184	0.05 74	0.04 68	0.08 382	0.05 156

MGS-Stereo	0.09 139	0.07 181	0.12 240	0.16 192	0.08 182	0.09 109	0.15 295	0.12 56	0.12 139	0.07 76	0.10 173	0.08 157	0.06 42	0.11 163	0.09 51	0.05 35	0.04 23	0.06 162	0.05 174	0.06 247	0.05 156

ff7	0.09 139	0.07 181	0.11 189	0.16 192	0.09 292	0.11 225	0.15 295	0.16 185	0.12 139	0.10 185	0.06 13	0.06 30	0.06 42	0.11 163	0.09 51	0.05 35	0.04 23	0.06 162	0.05 174	0.05 142	0.06 255

IGEVStereo-DCA	0.09 139	0.07 181	0.11 189	0.16 192	0.10 399	0.11 225	0.15 295	0.16 185	0.12 139	0.10 185	0.06 13	0.08 157	0.06 42	0.10 84	0.09 51	0.06 130	0.05 184	0.06 162	0.05 174	0.05 142	0.06 255

ffff	0.09 139	0.07 181	0.11 189	0.16 192	0.09 292	0.11 225	0.15 295	0.16 185	0.12 139	0.10 185	0.06 13	0.06 30	0.06 42	0.11 163	0.09 51	0.05 35	0.04 23	0.06 162	0.05 174	0.05 142	0.06 255

rrr	0.09 139	0.07 181	0.13 273	0.16 192	0.10 399	0.11 225	0.15 295	0.16 185	0.15 219	0.10 185	0.06 13	0.08 157	0.06 42	0.10 84	0.09 51	0.06 130	0.05 184	0.06 162	0.05 174	0.05 142	0.06 255

11t	0.09 139	0.07 181	0.11 189	0.16 192	0.09 292	0.11 225	0.15 295	0.16 185	0.12 139	0.10 185	0.06 13	0.06 30	0.06 42	0.11 163	0.09 51	0.05 35	0.04 23	0.06 162	0.05 174	0.05 142	0.06 255

MaDis-Stereo	0.09 139	0.09 368	0.08 27	0.17 271	0.09 292	0.14 341	0.11 54	0.16 185	0.16 247	0.09 154	0.11 212	0.06 30	0.06 42	0.09 47	0.13 332	0.07 305	0.06 362	0.08 344	0.05 174	0.05 142	0.04 40

IGEV_Zeroshot_test	0.09 139	0.05 48	0.13 273	0.14 63	0.08 182	0.12 269	0.13 154	0.17 224	0.11 106	0.10 185	0.06 13	0.09 184	0.06 42	0.11 163	0.09 51	0.06 130	0.04 23	0.06 162	0.06 246	0.05 142	0.05 156

MSKI-zero shot	0.09 139	0.05 48	0.09 78	0.16 192	0.07 103	0.10 174	0.13 154	0.15 137	0.14 198	0.09 154	0.09 131	0.09 184	0.06 42	0.12 247	0.11 225	0.06 130	0.04 23	0.05 74	0.04 68	0.04 19	0.05 156

UniTT-Stereo	0.09 139	0.07 181	0.08 27	0.18 354	0.08 182	0.13 301	0.11 54	0.12 56	0.11 106	0.10 185	0.12 228	0.05 7	0.06 42	0.09 47	0.10 135	0.07 305	0.06 362	0.05 74	0.05 174	0.06 247	0.05 156

CASnet	0.09 139	0.09 368	0.09 78	0.19 414	0.06 16	0.07 28	0.11 54	0.18 252	0.14 198	0.11 224	0.10 173	0.09 184	0.07 121	0.10 84	0.10 135	0.06 130	0.04 23	0.10 476	0.08 405	0.06 247	0.03 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
AEACV	0.09 139	0.05 48	0.08 27	0.14 63	0.13 510	0.14 341	0.13 154	0.15 137	0.09 59	0.07 76	0.09 131	0.07 114	0.08 187	0.10 84	0.09 51	0.06 130	0.04 23	0.06 162	0.05 174	0.05 142	0.04 40

GCAP-Stereo	0.09 139	0.07 181	0.13 273	0.18 354	0.06 16	0.11 225	0.07 3	0.14 99	0.12 139	0.09 154	0.10 173	0.07 114	0.09 232	0.13 299	0.10 135	0.06 130	0.05 184	0.05 74	0.04 68	0.04 19	0.05 156

RAFT-Test	0.09 139	0.06 102	0.10 124	0.16 192	0.07 103	0.11 225	0.15 295	0.16 185	0.13 175	0.09 154	0.10 173	0.11 241	0.09 232	0.12 247	0.09 51	0.06 130	0.04 23	0.05 74	0.04 68	0.05 142	0.05 156

HH	0.09 139	0.06 102	0.13 273	0.17 271	0.08 182	0.11 225	0.16 355	0.15 137	0.10 76	0.08 118	0.10 173	0.08 157	0.07 121	0.10 84	0.09 51	0.06 130	0.04 23	0.06 162	0.05 174	0.05 142	0.04 40

HanStereo	0.09 139	0.06 102	0.13 273	0.17 271	0.08 182	0.11 225	0.16 355	0.15 137	0.10 76	0.08 118	0.10 173	0.08 157	0.07 121	0.10 84	0.09 51	0.06 130	0.04 23	0.06 162	0.05 174	0.05 142	0.04 40

anonymousdsp	0.09 139	0.07 181	0.11 189	0.17 271	0.09 292	0.11 225	0.15 295	0.16 185	0.12 139	0.10 185	0.06 13	0.06 30	0.06 42	0.11 163	0.09 51	0.05 35	0.04 23	0.06 162	0.05 174	0.05 142	0.06 255

LoS	0.09 139	0.05 48	0.11 189	0.13 10	0.07 103	0.14 341	0.11 54	0.15 137	0.15 219	0.09 154	0.09 131	0.12 262	0.09 232	0.15 345	0.10 135	0.07 305	0.05 184	0.05 74	0.03 1	0.05 142	0.05 156
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
ProNet	0.09 139	0.07 181	0.11 189	0.17 271	0.08 182	0.11 225	0.15 295	0.15 137	0.12 139	0.10 185	0.06 13	0.07 114	0.06 42	0.11 163	0.09 51	0.05 35	0.05 184	0.06 162	0.05 174	0.04 19	0.06 255

MC-Stereo	0.09 139	0.07 181	0.09 78	0.17 271	0.06 16	0.10 174	0.14 221	0.12 56	0.11 106	0.09 154	0.12 228	0.09 184	0.06 42	0.11 163	0.10 135	0.06 130	0.04 23	0.06 162	0.05 174	0.04 19	0.04 40

RCA-Stereo	0.09 139	0.06 102	0.09 78	0.16 192	0.06 16	0.09 109	0.13 154	0.18 252	0.14 198	0.10 185	0.11 212	0.08 157	0.07 121	0.12 247	0.11 225	0.06 130	0.04 23	0.06 162	0.05 174	0.05 142	0.04 40

CroCo-Stereo Lap2	0.09 139	0.09 368	0.08 27	0.22 522	0.09 292	0.09 109	0.18 429	0.16 185	0.12 139	0.09 154	0.10 173	0.05 7	0.05 14	0.08 15	0.08 14	0.06 130	0.06 362	0.07 263	0.05 174	0.06 247	0.05 156

ccc-4	0.09 139	0.07 181	0.11 189	0.16 192	0.09 292	0.11 225	0.15 295	0.16 185	0.12 139	0.10 185	0.06 13	0.06 30	0.06 42	0.11 163	0.09 51	0.05 35	0.04 23	0.06 162	0.05 174	0.05 142	0.06 255

IGEV-Stereo	0.09 139	0.07 181	0.11 189	0.17 271	0.09 292	0.11 225	0.15 295	0.16 185	0.12 139	0.10 185	0.06 13	0.06 30	0.06 42	0.11 163	0.09 51	0.05 35	0.04 23	0.06 162	0.05 174	0.05 142	0.06 255
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iRaft-Stereo_20w	0.09 139	0.05 48	0.13 273	0.14 63	0.09 292	0.12 269	0.15 295	0.19 279	0.11 106	0.11 224	0.08 97	0.08 157	0.05 14	0.10 84	0.09 51	0.06 130	0.04 23	0.06 162	0.05 174	0.06 247	0.05 156

test-3	0.09 139	0.06 102	0.10 124	0.18 354	0.07 103	0.07 28	0.14 221	0.12 56	0.16 247	0.10 185	0.08 97	0.08 157	0.08 187	0.11 163	0.10 135	0.05 35	0.04 23	0.07 263	0.05 174	0.04 19	0.04 40

test_1	0.09 139	0.06 102	0.10 124	0.18 354	0.07 103	0.07 28	0.14 221	0.12 56	0.16 247	0.10 185	0.08 97	0.08 157	0.08 187	0.11 163	0.10 135	0.05 35	0.04 23	0.07 263	0.05 174	0.04 19	0.04 40

CroCo-Stereo	0.09 139	0.08 296	0.08 27	0.22 522	0.09 292	0.09 109	0.18 429	0.16 185	0.12 139	0.07 76	0.07 49	0.08 157	0.06 42	0.08 15	0.07 1	0.07 305	0.05 184	0.06 162	0.04 68	0.05 142	0.04 40
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
TANstereo	0.09 139	0.04 1	0.08 27	0.13 10	0.06 16	0.11 225	0.13 154	0.15 137	0.19 308	0.11 224	0.15 269	0.10 217	0.07 121	0.12 247	0.09 51	0.07 305	0.05 184	0.05 74	0.04 68	0.06 247	0.05 156

XX-TBD	0.09 139	0.06 102	0.07 6	0.14 63	0.07 103	0.13 301	0.16 355	0.14 99	0.14 198	0.11 224	0.12 228	0.09 184	0.08 187	0.10 84	0.10 135	0.06 130	0.04 23	0.05 74	0.04 68	0.06 247	0.05 156

raftrobust	0.09 139	0.06 102	0.11 189	0.17 271	0.08 182	0.09 109	0.10 28	0.18 252	0.16 247	0.10 185	0.09 131	0.12 262	0.08 187	0.12 247	0.10 135	0.08 367	0.05 184	0.06 162	0.05 174	0.05 142	0.06 255

XX-Stereo	0.09 139	0.05 48	0.09 78	0.17 271	0.09 292	0.15 367	0.12 89	0.21 311	0.10 76	0.10 185	0.14 256	0.07 114	0.06 42	0.13 299	0.08 14	0.06 130	0.05 184	0.06 162	0.06 246	0.04 19	0.04 40

test_xeample3	0.09 139	0.07 181	0.12 240	0.16 192	0.09 292	0.11 225	0.15 295	0.16 185	0.14 198	0.10 185	0.07 49	0.08 157	0.06 42	0.10 84	0.09 51	0.06 130	0.04 23	0.06 162	0.05 174	0.05 142	0.06 255

RAFT-Stereo + iAFF	0.09 139	0.06 102	0.10 124	0.17 271	0.07 103	0.10 174	0.15 295	0.17 224	0.15 219	0.10 185	0.10 173	0.08 157	0.09 232	0.12 247	0.10 135	0.05 35	0.04 23	0.06 162	0.06 246	0.04 19	0.03 1

AFF-stereo	0.09 139	0.07 181	0.10 124	0.17 271	0.07 103	0.10 174	0.15 295	0.18 252	0.10 76	0.10 185	0.11 212	0.09 184	0.10 255	0.12 247	0.10 135	0.05 35	0.04 23	0.07 263	0.07 338	0.04 19	0.04 40

EAI-Stereo	0.09 139	0.07 181	0.11 189	0.16 192	0.07 103	0.10 174	0.15 295	0.16 185	0.09 59	0.08 118	0.09 131	0.08 157	0.07 121	0.09 47	0.11 225	0.05 35	0.05 184	0.05 74	0.05 174	0.05 142	0.04 40

CFNet-RSSM	0.09 139	0.07 181	0.10 124	0.16 192	0.07 103	0.09 109	0.15 295	0.17 224	0.18 286	0.08 118	0.12 228	0.11 241	0.09 232	0.12 247	0.10 135	0.06 130	0.04 23	0.06 162	0.04 68	0.04 19	0.04 40

Gwc-CoAtRS	0.09 139	0.07 181	0.10 124	0.16 192	0.07 103	0.10 174	0.15 295	0.18 252	0.17 272	0.08 118	0.10 173	0.12 262	0.09 232	0.12 247	0.09 51	0.06 130	0.04 23	0.06 162	0.04 68	0.04 19	0.05 156

CREStereo	0.09 139	0.05 48	0.08 27	0.11 1	0.06 16	0.14 341	0.14 221	0.14 99	0.10 76	0.09 154	0.13 243	0.09 184	0.08 187	0.12 247	0.10 135	0.08 367	0.04 23	0.05 74	0.03 1	0.06 247	0.06 255
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
PMTNet	0.09 139	0.05 48	0.09 78	0.12 4	0.06 16	0.13 301	0.14 221	0.16 185	0.11 106	0.09 154	0.13 243	0.10 217	0.07 121	0.14 327	0.10 135	0.15 564	0.04 23	0.05 74	0.03 1	0.07 316	0.06 255

MM-Stereo_test3	0.10 202	0.07 181	0.07 6	0.18 354	0.07 103	0.12 269	0.19 473	0.24 377	0.19 308	0.06 19	0.10 173	0.08 157	0.06 42	0.11 163	0.09 51	0.06 130	0.06 362	0.07 263	0.05 174	0.05 142	0.04 40

MM-Stereo_test1	0.10 202	0.07 181	0.09 78	0.18 354	0.07 103	0.12 269	0.18 429	0.21 311	0.20 329	0.09 154	0.11 212	0.08 157	0.06 42	0.10 84	0.10 135	0.06 130	0.05 184	0.07 263	0.06 246	0.05 142	0.04 40

AIO-test2	0.10 202	0.08 296	0.10 124	0.23 541	0.09 292	0.11 225	0.11 54	0.23 353	0.24 385	0.08 118	0.09 131	0.08 157	0.05 14	0.10 84	0.08 14	0.06 130	0.05 184	0.08 344	0.09 451	0.05 142	0.05 156

AIO-test1	0.10 202	0.07 181	0.11 189	0.24 552	0.07 103	0.09 109	0.13 154	0.22 334	0.15 219	0.11 224	0.12 228	0.09 184	0.07 121	0.11 163	0.09 51	0.06 130	0.05 184	0.09 428	0.10 489	0.04 19	0.07 334

tg	0.10 202	0.06 102	0.10 124	0.18 354	0.08 182	0.11 225	0.16 355	0.20 293	0.12 139	0.08 118	0.11 212	0.11 241	0.07 121	0.11 163	0.10 135	0.05 35	0.04 23	0.08 344	0.08 405	0.04 19	0.04 40

PAM_32	0.10 202	0.06 102	0.17 421	0.15 115	0.08 182	0.10 174	0.15 295	0.14 99	0.16 247	0.09 154	0.08 97	0.10 217	0.07 121	0.14 327	0.09 51	0.06 130	0.05 184	0.06 162	0.06 246	0.05 142	0.06 255

PAM	0.10 202	0.06 102	0.17 421	0.15 115	0.09 292	0.10 174	0.16 355	0.15 137	0.16 247	0.12 256	0.09 131	0.10 217	0.07 121	0.13 299	0.09 51	0.06 130	0.05 184	0.06 162	0.06 246	0.05 142	0.06 255

UGAM-zero	0.10 202	0.05 48	0.15 356	0.15 115	0.08 182	0.10 174	0.13 154	0.20 293	0.15 219	0.11 224	0.15 269	0.07 114	0.08 187	0.09 47	0.10 135	0.06 130	0.05 184	0.06 162	0.05 174	0.05 142	0.06 255

model_zeroshot	0.10 202	0.05 48	0.12 240	0.15 115	0.09 292	0.13 301	0.14 221	0.20 293	0.14 198	0.11 224	0.10 173	0.12 262	0.07 121	0.12 247	0.11 225	0.07 305	0.06 362	0.06 162	0.05 174	0.06 247	0.06 255

RAStereo	0.10 202	0.09 368	0.08 27	0.20 470	0.08 182	0.13 301	0.18 429	0.16 185	0.17 272	0.10 185	0.12 228	0.05 7	0.06 42	0.09 47	0.08 14	0.07 305	0.05 184	0.07 263	0.05 174	0.05 142	0.04 40

rvit_stereo_0080	0.10 202	0.08 296	0.15 356	0.15 115	0.10 399	0.07 28	0.15 295	0.16 185	0.16 247	0.11 224	0.10 173	0.15 330	0.09 232	0.12 247	0.10 135	0.09 423	0.07 442	0.07 263	0.06 246	0.07 316	0.05 156

testlalala2	0.10 202	0.06 102	0.11 189	0.20 470	0.10 399	0.10 174	0.11 54	0.17 224	0.13 175	0.12 256	0.13 243	0.09 184	0.08 187	0.11 163	0.13 332	0.06 130	0.05 184	0.05 74	0.04 68	0.05 142	0.05 156

H2IRNET	0.10 202	0.09 368	0.10 124	0.18 354	0.09 292	0.12 269	0.15 295	0.14 99	0.21 343	0.10 185	0.10 173	0.10 217	0.11 285	0.10 84	0.10 135	0.06 130	0.04 23	0.08 344	0.08 405	0.06 247	0.05 156

MyStereo07	0.10 202	0.07 181	0.10 124	0.17 271	0.09 292	0.14 341	0.17 381	0.15 137	0.15 219	0.09 154	0.06 13	0.06 30	0.07 121	0.12 247	0.09 51	0.06 130	0.05 184	0.08 344	0.07 338	0.06 247	0.06 255

MyStereo06	0.10 202	0.07 181	0.12 240	0.17 271	0.09 292	0.13 301	0.18 429	0.19 279	0.12 139	0.13 285	0.08 97	0.07 114	0.07 121	0.11 163	0.09 51	0.06 130	0.05 184	0.08 344	0.07 338	0.06 247	0.06 255

AE-Stereo	0.10 202	0.08 296	0.11 189	0.19 414	0.09 292	0.10 174	0.15 295	0.14 99	0.20 329	0.09 154	0.15 269	0.12 262	0.08 187	0.11 163	0.10 135	0.05 35	0.06 362	0.07 263	0.06 246	0.05 142	0.04 40

ACVNet-DCA	0.10 202	0.08 296	0.13 273	0.17 271	0.09 292	0.13 301	0.15 295	0.24 377	0.16 247	0.09 154	0.09 131	0.06 30	0.06 42	0.10 84	0.07 1	0.06 130	0.05 184	0.06 162	0.05 174	0.07 316	0.07 334

cc1	0.10 202	0.08 296	0.13 273	0.17 271	0.09 292	0.13 301	0.15 295	0.16 185	0.18 286	0.09 154	0.09 131	0.06 30	0.06 42	0.10 84	0.07 1	0.06 130	0.05 184	0.06 162	0.05 174	0.06 247	0.06 255

tt1	0.10 202	0.08 296	0.13 273	0.17 271	0.09 292	0.13 301	0.15 295	0.15 137	0.19 308	0.09 154	0.08 97	0.06 30	0.06 42	0.10 84	0.08 14	0.06 130	0.05 184	0.06 162	0.05 174	0.06 247	0.06 255

whm_eth	0.10 202	0.08 296	0.15 356	0.15 115	0.10 399	0.07 28	0.15 295	0.16 185	0.16 247	0.11 224	0.10 173	0.15 330	0.09 232	0.12 247	0.10 135	0.09 423	0.07 442	0.07 263	0.06 246	0.07 316	0.05 156

MIM_Stereo	0.10 202	0.07 181	0.11 189	0.15 115	0.07 103	0.07 28	0.12 89	0.20 293	0.14 198	0.13 285	0.14 256	0.09 184	0.05 14	0.12 247	0.08 14	0.05 35	0.06 362	0.07 263	0.06 246	0.06 247	0.05 156

testlalala_base	0.10 202	0.09 368	0.14 318	0.21 501	0.08 182	0.10 174	0.14 221	0.13 75	0.11 106	0.08 118	0.15 269	0.07 114	0.08 187	0.11 163	0.12 297	0.08 367	0.05 184	0.05 74	0.03 1	0.07 316	0.05 156

Any-RAFT	0.10 202	0.05 48	0.10 124	0.15 115	0.07 103	0.13 301	0.14 221	0.21 311	0.15 219	0.11 224	0.12 228	0.13 286	0.10 255	0.13 299	0.10 135	0.07 305	0.04 23	0.05 74	0.04 68	0.06 247	0.05 156

4D-IteraStereo	0.10 202	0.07 181	0.10 124	0.18 354	0.07 103	0.09 109	0.15 295	0.18 252	0.15 219	0.10 185	0.11 212	0.10 217	0.07 121	0.12 247	0.09 51	0.05 35	0.03 1	0.08 344	0.07 338	0.06 247	0.05 156

fff	0.10 202	0.06 102	0.12 240	0.15 115	0.07 103	0.09 109	0.17 381	0.16 185	0.21 343	0.13 285	0.17 305	0.10 217	0.11 285	0.12 247	0.13 332	0.06 130	0.04 23	0.05 74	0.04 68	0.04 19	0.05 156

ADStereo(finetuned)	0.10 202	0.06 102	0.13 273	0.16 192	0.06 16	0.09 109	0.17 381	0.16 185	0.20 329	0.13 285	0.18 328	0.10 217	0.12 317	0.12 247	0.12 297	0.06 130	0.04 23	0.05 74	0.04 68	0.05 142	0.05 156

TRStereo	0.10 202	0.05 48	0.12 240	0.16 192	0.12 484	0.10 174	0.13 154	0.18 252	0.19 308	0.09 154	0.09 131	0.09 184	0.07 121	0.10 84	0.08 14	0.07 305	0.05 184	0.07 263	0.07 338	0.04 19	0.04 40

STrans-v2	0.10 202	0.07 181	0.13 273	0.18 354	0.08 182	0.10 174	0.14 221	0.22 334	0.11 106	0.11 224	0.15 269	0.12 262	0.10 255	0.11 163	0.12 297	0.05 35	0.04 23	0.06 162	0.06 246	0.05 142	0.05 156

TransformOpticalFlow	0.10 202	0.08 296	0.13 273	0.18 354	0.07 103	0.09 109	0.15 295	0.19 279	0.16 247	0.12 256	0.16 286	0.11 241	0.11 285	0.11 163	0.11 225	0.05 35	0.04 23	0.06 162	0.06 246	0.05 142	0.05 156

AnonymousM	0.10 202	0.06 102	0.10 124	0.14 63	0.07 103	0.09 109	0.13 154	0.19 279	0.14 198	0.13 285	0.12 228	0.09 184	0.08 187	0.13 299	0.10 135	0.08 367	0.05 184	0.08 344	0.05 174	0.05 142	0.05 156

cross-raft	0.10 202	0.09 368	0.09 78	0.19 414	0.07 103	0.11 225	0.24 542	0.13 75	0.15 219	0.08 118	0.10 173	0.12 262	0.10 255	0.09 47	0.11 225	0.05 35	0.04 23	0.06 162	0.05 174	0.04 19	0.04 40

test-1	0.10 202	0.07 181	0.17 421	0.19 414	0.08 182	0.11 225	0.24 542	0.15 137	0.18 286	0.09 154	0.07 49	0.10 217	0.08 187	0.08 15	0.09 51	0.06 130	0.04 23	0.06 162	0.06 246	0.04 19	0.05 156

iRaftStereo_RVC	0.10 202	0.07 181	0.10 124	0.17 271	0.09 292	0.11 225	0.17 381	0.18 252	0.12 139	0.09 154	0.11 212	0.10 217	0.07 121	0.11 163	0.10 135	0.05 35	0.04 23	0.08 344	0.08 405	0.04 19	0.04 40

s12784h	0.10 202	0.06 102	0.08 27	0.15 115	0.05 1	0.16 395	0.18 429	0.16 185	0.15 219	0.10 185	0.11 212	0.11 241	0.11 285	0.11 163	0.12 297	0.05 35	0.04 23	0.06 162	0.04 68	0.04 19	0.04 40

DCANet	0.10 202	0.06 102	0.12 240	0.16 192	0.06 16	0.09 109	0.17 381	0.16 185	0.20 329	0.13 285	0.18 328	0.10 217	0.11 285	0.11 163	0.12 297	0.06 130	0.04 23	0.05 74	0.04 68	0.05 142	0.05 156

csc	0.10 202	0.06 102	0.12 240	0.15 115	0.07 103	0.09 109	0.17 381	0.16 185	0.21 343	0.13 285	0.17 305	0.10 217	0.11 285	0.12 247	0.13 332	0.06 130	0.04 23	0.05 74	0.04 68	0.04 19	0.05 156

cscssc	0.10 202	0.06 102	0.12 240	0.15 115	0.07 103	0.09 109	0.17 381	0.16 185	0.21 343	0.13 285	0.17 305	0.10 217	0.11 285	0.12 247	0.13 332	0.06 130	0.04 23	0.05 74	0.04 68	0.04 19	0.05 156

R-Stereo Train	0.10 202	0.06 102	0.11 189	0.17 271	0.08 182	0.11 225	0.14 221	0.24 377	0.11 106	0.12 256	0.19 342	0.11 241	0.08 187	0.10 84	0.11 225	0.07 305	0.05 184	0.06 162	0.05 174	0.05 142	0.05 156

RAFT-Stereo	0.10 202	0.06 102	0.11 189	0.17 271	0.08 182	0.11 225	0.14 221	0.24 377	0.11 106	0.12 256	0.19 342	0.11 241	0.08 187	0.10 84	0.11 225	0.07 305	0.05 184	0.06 162	0.05 174	0.05 142	0.05 156
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
Select-FE	0.11 241	0.06 102	0.21 490	0.15 115	0.11 454	0.12 269	0.13 154	0.22 334	0.18 286	0.09 154	0.11 212	0.10 217	0.06 42	0.12 247	0.09 51	0.07 305	0.05 184	0.07 263	0.08 405	0.06 247	0.08 403

FlowAnything_test	0.11 241	0.08 296	0.14 318	0.15 115	0.09 292	0.08 60	0.14 221	0.20 293	0.11 106	0.10 185	0.09 131	0.12 262	0.12 317	0.13 299	0.11 225	0.09 423	0.06 362	0.09 428	0.09 451	0.06 247	0.09 448

xyz-stereo-finetune2	0.11 241	0.07 181	0.13 273	0.13 10	0.07 103	0.11 225	0.19 473	0.17 224	0.12 139	0.15 332	0.15 269	0.17 367	0.13 349	0.13 299	0.11 225	0.05 35	0.04 23	0.07 263	0.05 174	0.04 19	0.06 255

xyz-stereo-finetune	0.11 241	0.08 296	0.13 273	0.14 63	0.06 16	0.10 174	0.19 473	0.18 252	0.19 308	0.12 256	0.14 256	0.15 330	0.11 285	0.13 299	0.12 297	0.05 35	0.04 23	0.07 263	0.05 174	0.04 19	0.05 156

HI	0.11 241	0.06 102	0.12 240	0.13 10	0.09 292	0.09 109	0.14 221	0.22 334	0.11 106	0.20 442	0.17 305	0.14 305	0.10 255	0.16 372	0.09 51	0.05 35	0.04 23	0.07 263	0.08 405	0.07 316	0.06 255

CoSv	0.11 241	0.06 102	0.12 240	0.13 10	0.09 292	0.09 109	0.14 221	0.22 334	0.11 106	0.20 442	0.17 305	0.14 305	0.10 255	0.16 372	0.09 51	0.05 35	0.04 23	0.07 263	0.08 405	0.07 316	0.06 255

rvit_stereo_0081	0.11 241	0.08 296	0.16 398	0.16 192	0.09 292	0.11 225	0.14 221	0.14 99	0.24 385	0.11 224	0.13 243	0.14 305	0.09 232	0.11 163	0.12 297	0.10 465	0.07 442	0.08 344	0.07 338	0.07 316	0.06 255

rvit_stereo_0082	0.11 241	0.08 296	0.16 398	0.16 192	0.09 292	0.11 225	0.14 221	0.14 99	0.24 385	0.11 224	0.13 243	0.14 305	0.09 232	0.11 163	0.12 297	0.10 465	0.07 442	0.08 344	0.07 338	0.07 316	0.06 255

AIO-Stereo-zeroshot1	0.11 241	0.05 48	0.14 318	0.16 192	0.21 589	0.09 109	0.17 381	0.21 311	0.16 247	0.11 224	0.15 269	0.10 217	0.07 121	0.10 84	0.08 14	0.06 130	0.05 184	0.07 263	0.07 338	0.07 316	0.09 448

AIO-Stereo-zeroshot	0.11 241	0.05 48	0.12 240	0.15 115	0.13 510	0.14 341	0.16 355	0.23 353	0.18 286	0.10 185	0.13 243	0.10 217	0.07 121	0.12 247	0.09 51	0.06 130	0.05 184	0.06 162	0.06 246	0.07 316	0.08 403

CAS++	0.11 241	0.07 181	0.11 189	0.14 63	0.10 399	0.13 301	0.14 221	0.24 377	0.14 198	0.11 224	0.09 131	0.11 241	0.07 121	0.14 327	0.09 51	0.11 497	0.09 500	0.09 428	0.07 338	0.07 316	0.08 403
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
Former-RAFT_DAM_RVC	0.11 241	0.08 296	0.13 273	0.16 192	0.08 182	0.15 367	0.16 355	0.18 252	0.19 308	0.10 185	0.09 131	0.09 184	0.08 187	0.11 163	0.12 297	0.07 305	0.05 184	0.08 344	0.06 246	0.07 316	0.06 255

xx1	0.11 241	0.08 296	0.13 273	0.17 271	0.09 292	0.13 301	0.15 295	0.16 185	0.18 286	0.09 154	0.09 131	0.16 350	0.16 423	0.10 84	0.07 1	0.06 130	0.05 184	0.08 344	0.08 405	0.07 316	0.07 334

1test111	0.11 241	0.08 296	0.13 273	0.17 271	0.09 292	0.13 301	0.15 295	0.24 377	0.16 247	0.09 154	0.09 131	0.06 30	0.06 42	0.15 345	0.16 421	0.06 130	0.05 184	0.06 162	0.05 174	0.07 316	0.07 334

plain	0.11 241	0.09 368	0.10 124	0.19 414	0.09 292	0.11 225	0.14 221	0.14 99	0.13 175	0.13 285	0.15 269	0.09 184	0.12 317	0.13 299	0.12 297	0.07 305	0.05 184	0.09 428	0.06 246	0.06 247	0.06 255

MIF-Stereo (partial)	0.11 241	0.06 102	0.10 124	0.19 414	0.10 399	0.10 174	0.12 89	0.17 224	0.19 308	0.14 308	0.16 286	0.10 217	0.11 285	0.12 247	0.12 297	0.08 367	0.05 184	0.08 344	0.07 338	0.06 247	0.07 334

EKT-Stereo	0.11 241	0.07 181	0.14 318	0.16 192	0.10 399	0.13 301	0.14 221	0.19 279	0.21 343	0.11 224	0.08 97	0.13 286	0.10 255	0.11 163	0.12 297	0.08 367	0.06 362	0.07 263	0.06 246	0.08 382	0.07 334

LL-Strereo2	0.11 241	0.10 433	0.16 398	0.18 354	0.08 182	0.15 367	0.09 18	0.17 224	0.14 198	0.14 308	0.11 212	0.09 184	0.07 121	0.16 372	0.10 135	0.05 35	0.05 184	0.11 506	0.07 338	0.06 247	0.05 156

anonymousdsp2	0.11 241	0.07 181	0.11 189	0.16 192	0.09 292	0.13 301	0.14 221	0.19 279	0.23 375	0.13 285	0.14 256	0.12 262	0.09 232	0.14 327	0.11 225	0.05 35	0.05 184	0.05 74	0.04 68	0.06 247	0.06 255

DCRE	0.11 241	0.07 181	0.13 273	0.16 192	0.11 454	0.11 225	0.17 381	0.18 252	0.17 272	0.11 224	0.18 328	0.11 241	0.10 255	0.15 345	0.11 225	0.06 130	0.05 184	0.06 162	0.06 246	0.05 142	0.05 156

knoymous	0.11 241	0.06 102	0.12 240	0.14 63	0.07 103	0.15 367	0.13 154	0.20 293	0.14 198	0.11 224	0.17 305	0.13 286	0.09 232	0.14 327	0.11 225	0.09 423	0.05 184	0.06 162	0.05 174	0.07 316	0.07 334

riskmin	0.11 241	0.06 102	0.13 273	0.14 63	0.08 182	0.14 341	0.14 221	0.18 252	0.15 219	0.12 256	0.15 269	0.17 367	0.11 285	0.14 327	0.12 297	0.09 423	0.05 184	0.07 263	0.05 174	0.08 382	0.08 403

Selective-RAFT	0.11 241	0.11 458	0.12 240	0.21 501	0.08 182	0.16 395	0.13 154	0.21 311	0.23 375	0.10 185	0.10 173	0.11 241	0.10 255	0.15 345	0.11 225	0.05 35	0.05 184	0.06 162	0.05 174	0.06 247	0.05 156

DCANet-4	0.11 241	0.07 181	0.13 273	0.16 192	0.06 16	0.09 109	0.17 381	0.18 252	0.20 329	0.13 285	0.17 305	0.09 184	0.14 381	0.12 247	0.13 332	0.06 130	0.04 23	0.05 74	0.04 68	0.04 19	0.05 156

DisPM	0.11 241	0.07 181	0.13 273	0.16 192	0.09 292	0.06 9	0.13 154	0.18 252	0.17 272	0.14 308	0.19 342	0.12 262	0.10 255	0.12 247	0.11 225	0.07 305	0.05 184	0.07 263	0.06 246	0.06 247	0.11 502

test_4	0.11 241	0.10 433	0.08 27	0.19 414	0.09 292	0.08 60	0.21 508	0.15 137	0.18 286	0.12 256	0.18 328	0.12 262	0.09 232	0.08 15	0.11 225	0.04 6	0.04 23	0.08 344	0.08 405	0.04 19	0.04 40

CIPLG	0.11 241	0.08 296	0.15 356	0.17 271	0.08 182	0.13 301	0.15 295	0.17 224	0.16 247	0.14 308	0.11 212	0.16 350	0.10 255	0.17 411	0.12 297	0.07 305	0.05 184	0.06 162	0.06 246	0.05 142	0.06 255

GLC_STEREO	0.11 241	0.07 181	0.11 189	0.18 354	0.07 103	0.08 60	0.13 154	0.16 185	0.24 385	0.12 256	0.13 243	0.12 262	0.08 187	0.18 428	0.12 297	0.06 130	0.08 473	0.08 344	0.06 246	0.05 142	0.05 156

IPLG	0.11 241	0.08 296	0.15 356	0.17 271	0.08 182	0.11 225	0.14 221	0.20 293	0.15 219	0.13 285	0.18 328	0.07 114	0.07 121	0.14 327	0.14 368	0.06 130	0.04 23	0.06 162	0.05 174	0.04 19	0.04 40

IPLGR_C	0.11 241	0.08 296	0.15 356	0.17 271	0.08 182	0.12 269	0.15 295	0.17 224	0.15 219	0.14 308	0.11 212	0.16 350	0.10 255	0.16 372	0.12 297	0.07 305	0.05 184	0.06 162	0.06 246	0.05 142	0.06 255

MIPNet	0.11 241	0.08 296	0.15 356	0.17 271	0.09 292	0.12 269	0.14 221	0.21 311	0.25 409	0.12 256	0.10 173	0.09 184	0.07 121	0.13 299	0.13 332	0.06 130	0.04 23	0.06 162	0.05 174	0.04 19	0.04 40

IPLGR	0.11 241	0.09 368	0.17 421	0.18 354	0.08 182	0.13 301	0.16 355	0.21 311	0.24 385	0.12 256	0.12 228	0.11 241	0.09 232	0.13 299	0.12 297	0.06 130	0.05 184	0.06 162	0.06 246	0.05 142	0.04 40

GMOStereo	0.11 241	0.09 368	0.08 27	0.19 414	0.08 182	0.12 269	0.28 578	0.13 75	0.18 286	0.11 224	0.17 305	0.14 305	0.12 317	0.07 3	0.07 1	0.05 35	0.05 184	0.09 428	0.07 338	0.04 19	0.04 40

error version	0.11 241	0.09 368	0.08 27	0.19 414	0.08 182	0.12 269	0.28 578	0.13 75	0.18 286	0.11 224	0.17 305	0.14 305	0.12 317	0.07 3	0.07 1	0.05 35	0.05 184	0.09 428	0.07 338	0.04 19	0.04 40

test-v	0.11 241	0.09 368	0.08 27	0.19 414	0.08 182	0.12 269	0.28 578	0.13 75	0.18 286	0.11 224	0.17 305	0.14 305	0.12 317	0.07 3	0.07 1	0.05 35	0.05 184	0.09 428	0.07 338	0.04 19	0.04 40

ACRE	0.11 241	0.08 296	0.15 356	0.17 271	0.08 182	0.13 301	0.15 295	0.17 224	0.14 198	0.14 308	0.11 212	0.16 350	0.10 255	0.16 372	0.12 297	0.07 305	0.05 184	0.06 162	0.06 246	0.05 142	0.06 255

test_3	0.11 241	0.09 368	0.10 124	0.21 501	0.08 182	0.13 301	0.25 558	0.14 99	0.21 343	0.10 185	0.10 173	0.09 184	0.10 255	0.08 15	0.11 225	0.05 35	0.04 23	0.08 344	0.07 338	0.04 19	0.04 40

LCNet	0.11 241	0.07 181	0.09 78	0.19 414	0.09 292	0.08 60	0.14 221	0.21 311	0.15 219	0.12 256	0.15 269	0.16 350	0.11 285	0.12 247	0.11 225	0.05 35	0.04 23	0.08 344	0.07 338	0.06 247	0.14 552

HHNet	0.11 241	0.06 102	0.16 398	0.15 115	0.14 528	0.07 28	0.13 154	0.20 293	0.18 286	0.15 332	0.25 429	0.11 241	0.09 232	0.13 299	0.10 135	0.06 130	0.04 23	0.08 344	0.06 246	0.05 142	0.09 448

Patchmatch Stereo++	0.11 241	0.09 368	0.17 421	0.19 414	0.08 182	0.06 9	0.11 54	0.17 224	0.13 175	0.15 332	0.16 286	0.14 305	0.12 317	0.11 163	0.11 225	0.06 130	0.05 184	0.08 344	0.06 246	0.08 382	0.07 334
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
OMP-Stereo	0.11 241	0.07 181	0.14 318	0.18 354	0.08 182	0.09 109	0.12 89	0.21 311	0.21 343	0.13 285	0.14 256	0.11 241	0.12 317	0.11 163	0.13 332	0.06 130	0.05 184	0.07 263	0.06 246	0.05 142	0.04 40

IIG-Stereo	0.11 241	0.06 102	0.13 273	0.17 271	0.08 182	0.11 225	0.12 89	0.22 334	0.18 286	0.14 308	0.17 305	0.12 262	0.13 349	0.12 247	0.13 332	0.06 130	0.05 184	0.07 263	0.06 246	0.06 247	0.05 156

NF-Stereo	0.11 241	0.07 181	0.13 273	0.17 271	0.09 292	0.10 174	0.13 154	0.23 353	0.19 308	0.12 256	0.17 305	0.12 262	0.12 317	0.11 163	0.11 225	0.06 130	0.04 23	0.07 263	0.06 246	0.07 316	0.12 523

OCTAStereo	0.11 241	0.07 181	0.14 318	0.17 271	0.09 292	0.10 174	0.13 154	0.23 353	0.19 308	0.12 256	0.17 305	0.12 262	0.12 317	0.11 163	0.11 225	0.06 130	0.04 23	0.07 263	0.06 246	0.07 316	0.11 502

NRIStereo	0.11 241	0.08 296	0.15 356	0.18 354	0.08 182	0.10 174	0.13 154	0.17 224	0.15 219	0.12 256	0.15 269	0.13 286	0.13 349	0.13 299	0.10 135	0.06 130	0.04 23	0.07 263	0.06 246	0.06 247	0.07 334

PSM-adaLoss	0.11 241	0.09 368	0.17 421	0.19 414	0.08 182	0.06 9	0.12 89	0.17 224	0.13 175	0.15 332	0.16 286	0.14 305	0.12 317	0.11 163	0.11 225	0.06 130	0.05 184	0.08 344	0.06 246	0.08 382	0.07 334

PSM-AAD	0.11 241	0.07 181	0.10 124	0.20 470	0.09 292	0.10 174	0.14 221	0.21 311	0.13 175	0.12 256	0.14 256	0.18 382	0.11 285	0.11 163	0.10 135	0.05 35	0.05 184	0.09 428	0.08 405	0.06 247	0.14 552

ROB_FTStereo_v2	0.11 241	0.09 368	0.17 421	0.19 414	0.08 182	0.06 9	0.12 89	0.17 224	0.13 175	0.15 332	0.16 286	0.14 305	0.12 317	0.11 163	0.11 225	0.06 130	0.05 184	0.08 344	0.06 246	0.08 382	0.07 334

ROB_FTStereo	0.11 241	0.09 368	0.17 421	0.19 414	0.08 182	0.06 9	0.11 54	0.17 224	0.13 175	0.15 332	0.16 286	0.14 305	0.12 317	0.11 163	0.11 225	0.06 130	0.05 184	0.08 344	0.06 246	0.08 382	0.07 334

HUI-Stereo	0.11 241	0.09 368	0.17 421	0.19 414	0.08 182	0.06 9	0.11 54	0.17 224	0.13 175	0.15 332	0.16 286	0.14 305	0.12 317	0.11 163	0.11 225	0.06 130	0.05 184	0.08 344	0.06 246	0.08 382	0.07 334

ASMatch	0.11 241	0.06 102	0.13 273	0.17 271	0.10 399	0.08 60	0.14 221	0.18 252	0.16 247	0.12 256	0.16 286	0.16 350	0.11 285	0.13 299	0.11 225	0.05 35	0.04 23	0.06 162	0.06 246	0.04 19	0.09 448

SST-Stereo	0.11 241	0.07 181	0.16 398	0.18 354	0.09 292	0.06 9	0.12 89	0.18 252	0.10 76	0.15 332	0.18 328	0.13 286	0.12 317	0.10 84	0.11 225	0.06 130	0.04 23	0.09 428	0.06 246	0.07 316	0.06 255

RAFT_R40	0.11 241	0.07 181	0.15 356	0.18 354	0.09 292	0.06 9	0.13 154	0.17 224	0.15 219	0.14 308	0.18 328	0.15 330	0.12 317	0.10 84	0.11 225	0.06 130	0.04 23	0.09 428	0.06 246	0.06 247	0.05 156

GrayStereo	0.11 241	0.06 102	0.11 189	0.19 414	0.09 292	0.09 109	0.16 355	0.18 252	0.17 272	0.14 308	0.17 305	0.17 367	0.11 285	0.12 247	0.11 225	0.05 35	0.05 184	0.07 263	0.06 246	0.06 247	0.10 478

RE-Stereo	0.11 241	0.07 181	0.13 273	0.17 271	0.09 292	0.10 174	0.13 154	0.23 353	0.19 308	0.12 256	0.17 305	0.12 262	0.12 317	0.11 163	0.11 225	0.06 130	0.04 23	0.07 263	0.06 246	0.07 316	0.11 502

Pruner-Stereo	0.11 241	0.07 181	0.12 240	0.17 271	0.09 292	0.06 9	0.12 89	0.18 252	0.17 272	0.14 308	0.19 342	0.13 286	0.10 255	0.11 163	0.11 225	0.06 130	0.04 23	0.07 263	0.06 246	0.06 247	0.08 403

TVStereo	0.11 241	0.07 181	0.13 273	0.17 271	0.09 292	0.10 174	0.13 154	0.23 353	0.19 308	0.12 256	0.17 305	0.12 262	0.12 317	0.11 163	0.11 225	0.06 130	0.04 23	0.07 263	0.06 246	0.07 316	0.11 502

DeepStereo_RVC	0.11 241	0.08 296	0.17 421	0.18 354	0.08 182	0.08 60	0.11 54	0.17 224	0.12 139	0.13 285	0.15 269	0.12 262	0.12 317	0.12 247	0.11 225	0.06 130	0.04 23	0.07 263	0.06 246	0.07 316	0.08 403

iGMRVC	0.11 241	0.09 368	0.17 421	0.19 414	0.08 182	0.06 9	0.12 89	0.17 224	0.13 175	0.15 332	0.16 286	0.14 305	0.12 317	0.11 163	0.11 225	0.06 130	0.05 184	0.08 344	0.06 246	0.08 382	0.07 334

RAFT-345	0.11 241	0.07 181	0.16 398	0.17 271	0.08 182	0.08 60	0.12 89	0.16 185	0.10 76	0.11 224	0.34 521	0.09 184	0.10 255	0.11 163	0.12 297	0.05 35	0.05 184	0.07 263	0.06 246	0.04 19	0.05 156

iRAFT	0.11 241	0.09 368	0.17 421	0.19 414	0.08 182	0.06 9	0.11 54	0.17 224	0.13 175	0.15 332	0.16 286	0.14 305	0.12 317	0.11 163	0.11 225	0.06 130	0.05 184	0.08 344	0.06 246	0.08 382	0.07 334

CRE-IMP	0.11 241	0.09 368	0.16 398	0.19 414	0.09 292	0.10 174	0.12 89	0.18 252	0.10 76	0.14 308	0.14 256	0.14 305	0.13 349	0.12 247	0.12 297	0.07 305	0.04 23	0.08 344	0.06 246	0.08 382	0.08 403

test-2	0.11 241	0.09 368	0.08 27	0.19 414	0.08 182	0.12 269	0.28 578	0.13 75	0.18 286	0.11 224	0.17 305	0.14 305	0.12 317	0.07 3	0.07 1	0.05 35	0.05 184	0.09 428	0.07 338	0.04 19	0.04 40

GMM-Stereo	0.11 241	0.07 181	0.10 124	0.18 354	0.09 292	0.08 60	0.14 221	0.24 377	0.16 247	0.11 224	0.15 269	0.13 286	0.11 285	0.11 163	0.11 225	0.05 35	0.04 23	0.08 344	0.07 338	0.06 247	0.09 448

RAFT-IKP	0.11 241	0.09 368	0.17 421	0.19 414	0.08 182	0.06 9	0.11 54	0.17 224	0.13 175	0.15 332	0.16 286	0.14 305	0.12 317	0.11 163	0.11 225	0.06 130	0.05 184	0.08 344	0.06 246	0.08 382	0.07 334

Prome-Stereo	0.11 241	0.07 181	0.11 189	0.18 354	0.09 292	0.12 269	0.14 221	0.23 353	0.13 175	0.13 285	0.16 286	0.13 286	0.08 187	0.12 247	0.10 135	0.05 35	0.05 184	0.07 263	0.06 246	0.06 247	0.10 478

rafts_anoy	0.11 241	0.06 102	0.10 124	0.17 271	0.08 182	0.10 174	0.14 221	0.18 252	0.14 198	0.13 285	0.13 243	0.12 262	0.11 285	0.11 163	0.13 332	0.07 305	0.05 184	0.09 428	0.11 519	0.07 316	0.06 255

raft+_RVC	0.11 241	0.07 181	0.09 78	0.16 192	0.07 103	0.10 174	0.11 54	0.24 377	0.20 329	0.12 256	0.15 269	0.12 262	0.08 187	0.12 247	0.13 332	0.07 305	0.04 23	0.07 263	0.06 246	0.05 142	0.05 156

RALCasStereoNet	0.11 241	0.07 181	0.09 78	0.16 192	0.08 182	0.13 301	0.14 221	0.17 224	0.11 106	0.12 256	0.17 305	0.14 305	0.10 255	0.12 247	0.11 225	0.07 305	0.06 362	0.06 162	0.05 174	0.08 382	0.07 334

RALAANet	0.11 241	0.08 296	0.10 124	0.17 271	0.09 292	0.14 341	0.10 28	0.20 293	0.16 247	0.14 308	0.13 243	0.16 350	0.09 232	0.12 247	0.12 297	0.06 130	0.05 184	0.08 344	0.07 338	0.06 247	0.04 40

111	0.11 241	0.06 102	0.12 240	0.15 115	0.07 103	0.10 174	0.14 221	0.21 311	0.24 385	0.11 224	0.12 228	0.14 305	0.12 317	0.13 299	0.10 135	0.06 130	0.04 23	0.06 162	0.04 68	0.06 247	0.05 156

DIP-Stereo	0.11 241	0.08 296	0.15 356	0.17 271	0.09 292	0.13 301	0.09 18	0.16 185	0.16 247	0.12 256	0.16 286	0.14 305	0.12 317	0.16 372	0.14 368	0.06 130	0.05 184	0.06 162	0.05 174	0.05 142	0.07 334
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
HITNet	0.11 241	0.06 102	0.12 240	0.14 63	0.06 16	0.12 269	0.10 28	0.18 252	0.18 286	0.13 285	0.17 305	0.15 330	0.11 285	0.15 345	0.14 368	0.06 130	0.04 23	0.04 1	0.04 68	0.06 247	0.05 156
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
rvit_stereo_0083	0.12 314	0.08 296	0.17 421	0.16 192	0.09 292	0.11 225	0.15 295	0.15 137	0.26 422	0.11 224	0.14 256	0.13 286	0.10 255	0.12 247	0.13 332	0.10 465	0.08 473	0.09 428	0.07 338	0.07 316	0.06 255

rvit_stereo_0081_aga	0.12 314	0.09 368	0.15 356	0.18 354	0.10 399	0.14 341	0.14 221	0.14 99	0.19 308	0.10 185	0.18 328	0.16 350	0.09 232	0.12 247	0.10 135	0.10 465	0.06 362	0.08 344	0.07 338	0.07 316	0.06 255

rvit_stereo_ft	0.12 314	0.07 181	0.13 273	0.19 414	0.10 399	0.12 269	0.17 381	0.16 185	0.16 247	0.13 285	0.13 243	0.15 330	0.10 255	0.14 327	0.13 332	0.10 465	0.06 362	0.08 344	0.07 338	0.07 316	0.06 255

MyStereo8	0.12 314	0.07 181	0.15 356	0.15 115	0.09 292	0.18 434	0.14 221	0.19 279	0.22 365	0.12 256	0.18 328	0.11 241	0.10 255	0.16 372	0.18 451	0.07 305	0.05 184	0.07 263	0.05 174	0.08 382	0.09 448

CoDeX	0.12 314	0.07 181	0.13 273	0.17 271	0.08 182	0.12 269	0.16 355	0.23 353	0.27 435	0.13 285	0.17 305	0.15 330	0.12 317	0.14 327	0.11 225	0.07 305	0.05 184	0.07 263	0.06 246	0.06 247	0.05 156

11t1	0.12 314	0.07 181	0.14 318	0.14 63	0.08 182	0.17 418	0.15 295	0.19 279	0.15 219	0.15 332	0.15 269	0.17 367	0.16 423	0.15 345	0.13 332	0.08 367	0.05 184	0.06 162	0.05 174	0.08 382	0.07 334

ffm	0.12 314	0.09 368	0.15 356	0.16 192	0.09 292	0.17 418	0.17 381	0.15 137	0.19 308	0.15 332	0.26 442	0.19 391	0.13 349	0.10 84	0.08 14	0.06 130	0.05 184	0.09 428	0.08 405	0.06 247	0.06 255

RAFT_CTSACE	0.12 314	0.09 368	0.10 124	0.22 522	0.08 182	0.12 269	0.24 542	0.18 252	0.17 272	0.21 458	0.27 460	0.13 286	0.07 121	0.13 299	0.09 51	0.05 35	0.06 362	0.08 344	0.07 338	0.04 19	0.04 40

Sa-1000	0.12 314	0.08 296	0.09 78	0.18 354	0.08 182	0.15 367	0.22 520	0.22 334	0.19 308	0.15 332	0.20 352	0.17 367	0.11 285	0.10 84	0.10 135	0.06 130	0.05 184	0.09 428	0.09 451	0.05 142	0.05 156

iRaft-Stereo_5w	0.12 314	0.09 368	0.12 240	0.20 470	0.08 182	0.09 109	0.12 89	0.22 334	0.22 365	0.19 420	0.14 256	0.11 241	0.09 232	0.20 471	0.16 421	0.05 35	0.05 184	0.07 263	0.06 246	0.05 142	0.06 255

CrosDoStereo	0.12 314	0.07 181	0.12 240	0.14 63	0.09 292	0.12 269	0.15 295	0.17 224	0.22 365	0.19 420	0.24 401	0.15 330	0.11 285	0.11 163	0.12 297	0.06 130	0.05 184	0.07 263	0.07 338	0.05 142	0.05 156

PFNet+	0.12 314	0.06 102	0.14 318	0.16 192	0.09 292	0.05 3	0.12 89	0.18 252	0.21 343	0.16 361	0.19 342	0.14 305	0.10 255	0.11 163	0.11 225	0.08 367	0.05 184	0.09 428	0.08 405	0.06 247	0.11 502

AAGNet	0.12 314	0.08 296	0.17 421	0.19 414	0.09 292	0.08 60	0.13 154	0.19 279	0.13 175	0.16 361	0.21 369	0.13 286	0.14 381	0.11 163	0.14 368	0.06 130	0.04 23	0.09 428	0.06 246	0.06 247	0.05 156

PSM-softLoss	0.12 314	0.07 181	0.15 356	0.17 271	0.09 292	0.08 60	0.12 89	0.24 377	0.17 272	0.15 332	0.19 342	0.13 286	0.11 285	0.11 163	0.11 225	0.07 305	0.05 184	0.08 344	0.07 338	0.07 316	0.12 523

KMStereo	0.12 314	0.07 181	0.15 356	0.17 271	0.09 292	0.08 60	0.12 89	0.24 377	0.17 272	0.15 332	0.19 342	0.13 286	0.11 285	0.11 163	0.11 225	0.07 305	0.05 184	0.08 344	0.07 338	0.07 316	0.12 523

FTStereo	0.12 314	0.07 181	0.14 318	0.18 354	0.09 292	0.07 28	0.15 295	0.22 334	0.18 286	0.12 256	0.24 401	0.11 241	0.13 349	0.13 299	0.14 368	0.05 35	0.05 184	0.07 263	0.07 338	0.06 247	0.10 478

KYRaft	0.12 314	0.07 181	0.10 124	0.19 414	0.09 292	0.08 60	0.15 295	0.23 353	0.12 139	0.13 285	0.16 286	0.20 408	0.10 255	0.12 247	0.11 225	0.06 130	0.04 23	0.08 344	0.08 405	0.06 247	0.15 566

DeepStereo_LL	0.12 314	0.07 181	0.12 240	0.14 63	0.09 292	0.12 269	0.15 295	0.17 224	0.22 365	0.19 420	0.24 401	0.15 330	0.11 285	0.11 163	0.12 297	0.06 130	0.05 184	0.07 263	0.07 338	0.05 142	0.05 156

DEmStereo	0.12 314	0.06 102	0.14 318	0.14 63	0.10 399	0.16 395	0.15 295	0.16 185	0.24 385	0.17 373	0.23 389	0.12 262	0.14 381	0.12 247	0.14 368	0.05 35	0.04 23	0.07 263	0.06 246	0.05 142	0.05 156

THIR-Stereo	0.12 314	0.07 181	0.11 189	0.15 115	0.08 182	0.14 341	0.16 355	0.18 252	0.25 409	0.17 373	0.24 401	0.13 286	0.13 349	0.12 247	0.14 368	0.06 130	0.05 184	0.07 263	0.07 338	0.05 142	0.05 156

DRaft	0.12 314	0.06 102	0.12 240	0.14 63	0.09 292	0.14 341	0.17 381	0.21 311	0.30 464	0.18 405	0.27 460	0.10 217	0.16 423	0.11 163	0.12 297	0.05 35	0.04 23	0.07 263	0.07 338	0.05 142	0.05 156

PFNet	0.12 314	0.06 102	0.17 421	0.18 354	0.08 182	0.09 109	0.15 295	0.26 411	0.20 329	0.16 361	0.16 286	0.14 305	0.12 317	0.13 299	0.11 225	0.06 130	0.04 23	0.07 263	0.06 246	0.05 142	0.05 156

RAFT-RH_RVC	0.12 314	0.06 102	0.14 318	0.16 192	0.09 292	0.12 269	0.12 89	0.17 224	0.12 139	0.13 285	0.40 551	0.11 241	0.10 255	0.13 299	0.12 297	0.05 35	0.04 23	0.08 344	0.05 174	0.05 142	0.06 255

IRAFT_RVC	0.12 314	0.08 296	0.17 421	0.19 414	0.08 182	0.07 28	0.14 221	0.25 398	0.23 375	0.14 308	0.15 269	0.15 330	0.12 317	0.12 247	0.11 225	0.06 130	0.04 23	0.09 428	0.06 246	0.06 247	0.06 255

sCroCo_RVC	0.12 314	0.09 368	0.24 515	0.24 552	0.11 454	0.19 456	0.14 221	0.17 224	0.15 219	0.10 185	0.13 243	0.12 262	0.07 121	0.14 327	0.11 225	0.08 367	0.08 473	0.08 344	0.08 405	0.05 142	0.07 334

ARAFT	0.12 314	0.08 296	0.18 453	0.19 414	0.09 292	0.15 367	0.17 381	0.20 293	0.13 175	0.12 256	0.13 243	0.14 305	0.12 317	0.15 345	0.13 332	0.06 130	0.05 184	0.10 476	0.09 451	0.06 247	0.04 40

BEATNet_4x	0.12 314	0.09 368	0.15 356	0.18 354	0.07 103	0.15 367	0.07 3	0.23 353	0.19 308	0.16 361	0.19 342	0.19 391	0.14 381	0.17 411	0.15 402	0.07 305	0.05 184	0.05 74	0.05 174	0.06 247	0.07 334

G2L-ROB	0.13 341	0.07 181	0.13 273	0.13 10	0.08 182	0.14 341	0.17 381	0.25 398	0.19 308	0.20 442	0.19 342	0.20 408	0.14 381	0.18 428	0.16 421	0.08 367	0.05 184	0.06 162	0.05 174	0.08 382	0.09 448

DFGA-Net	0.13 341	0.11 458	0.19 476	0.18 354	0.10 399	0.13 301	0.13 154	0.23 353	0.25 409	0.16 361	0.16 286	0.13 286	0.12 317	0.17 411	0.15 402	0.07 305	0.05 184	0.08 344	0.07 338	0.05 142	0.05 156

FACV-RUCA	0.13 341	0.11 458	0.13 273	0.19 414	0.12 484	0.15 367	0.16 355	0.22 334	0.21 343	0.16 361	0.16 286	0.15 330	0.16 423	0.14 327	0.13 332	0.07 305	0.05 184	0.08 344	0.06 246	0.10 481	0.08 403

UGAM	0.13 341	0.10 433	0.09 78	0.22 522	0.08 182	0.13 301	0.20 492	0.18 252	0.24 385	0.22 473	0.16 286	0.13 286	0.13 349	0.19 453	0.13 332	0.07 305	0.05 184	0.13 542	0.11 519	0.07 316	0.05 156

test_sample2	0.13 341	0.07 181	0.12 240	0.14 63	0.08 182	0.16 395	0.18 429	0.21 311	0.16 247	0.14 308	0.21 369	0.20 408	0.15 402	0.15 345	0.13 332	0.08 367	0.06 362	0.07 263	0.06 246	0.08 382	0.08 403

test_sample1	0.13 341	0.07 181	0.14 318	0.14 63	0.08 182	0.19 456	0.17 381	0.20 293	0.15 219	0.14 308	0.22 385	0.18 382	0.16 423	0.17 411	0.15 402	0.07 305	0.06 362	0.06 162	0.06 246	0.08 382	0.08 403

MyStereo05	0.13 341	0.07 181	0.10 124	0.17 271	0.09 292	0.13 301	0.18 429	0.28 450	0.35 510	0.17 373	0.14 256	0.15 330	0.11 285	0.15 345	0.13 332	0.06 130	0.05 184	0.08 344	0.07 338	0.06 247	0.06 255

MyStereo04	0.13 341	0.07 181	0.10 124	0.17 271	0.09 292	0.14 341	0.17 381	0.29 468	0.38 527	0.17 373	0.14 256	0.16 350	0.11 285	0.15 345	0.13 332	0.06 130	0.05 184	0.08 344	0.07 338	0.06 247	0.06 255

ff1	0.13 341	0.09 368	0.15 356	0.16 192	0.09 292	0.17 418	0.17 381	0.15 137	0.19 308	0.15 332	0.26 442	0.19 391	0.13 349	0.15 345	0.22 502	0.06 130	0.05 184	0.09 428	0.08 405	0.06 247	0.06 255

LL-Strereo	0.13 341	0.10 433	0.12 240	0.20 470	0.10 399	0.11 225	0.18 429	0.33 514	0.25 409	0.16 361	0.16 286	0.14 305	0.14 381	0.19 453	0.11 225	0.06 130	0.05 184	0.09 428	0.08 405	0.04 19	0.05 156

anonymousa	0.13 341	0.07 181	0.14 318	0.18 354	0.09 292	0.13 301	0.17 381	0.20 293	0.29 458	0.15 332	0.24 401	0.16 350	0.14 381	0.14 327	0.14 368	0.07 305	0.05 184	0.07 263	0.09 451	0.05 142	0.07 334

TestStereo1	0.13 341	0.08 296	0.08 27	0.20 470	0.08 182	0.18 434	0.29 589	0.23 353	0.17 272	0.17 373	0.20 352	0.16 350	0.11 285	0.12 247	0.13 332	0.06 130	0.06 362	0.08 344	0.06 246	0.05 142	0.05 156

qqq	0.13 341	0.09 368	0.15 356	0.16 192	0.08 182	0.13 301	0.15 295	0.24 377	0.16 247	0.15 332	0.19 342	0.16 350	0.16 423	0.15 345	0.16 421	0.07 305	0.06 362	0.08 344	0.08 405	0.07 316	0.07 334

x	0.13 341	0.08 296	0.15 356	0.14 63	0.08 182	0.19 456	0.14 221	0.22 334	0.21 343	0.15 332	0.20 352	0.20 408	0.18 461	0.18 428	0.18 451	0.07 305	0.05 184	0.06 162	0.06 246	0.07 316	0.07 334

raft_robust	0.13 341	0.10 433	0.07 6	0.18 354	0.08 182	0.13 301	0.24 542	0.29 468	0.34 496	0.20 442	0.20 352	0.15 330	0.10 255	0.11 163	0.12 297	0.05 35	0.05 184	0.07 263	0.07 338	0.05 142	0.04 40

RAFT+CT+SA	0.13 341	0.11 458	0.09 78	0.19 414	0.09 292	0.15 367	0.28 578	0.22 334	0.22 365	0.15 332	0.26 442	0.10 217	0.10 255	0.11 163	0.12 297	0.05 35	0.04 23	0.07 263	0.08 405	0.07 316	0.06 255

SA-5K	0.13 341	0.08 296	0.08 27	0.20 470	0.08 182	0.18 434	0.29 589	0.23 353	0.17 272	0.17 373	0.20 352	0.16 350	0.11 285	0.12 247	0.13 332	0.06 130	0.06 362	0.08 344	0.06 246	0.05 142	0.05 156

SA	0.13 341	0.09 368	0.09 78	0.18 354	0.08 182	0.12 269	0.24 542	0.23 353	0.19 308	0.17 373	0.27 460	0.15 330	0.11 285	0.11 163	0.11 225	0.05 35	0.05 184	0.09 428	0.08 405	0.05 142	0.05 156

GwcNet-ADL	0.13 341	0.08 296	0.14 318	0.20 470	0.09 292	0.12 269	0.20 492	0.30 479	0.25 409	0.14 308	0.14 256	0.18 382	0.14 381	0.13 299	0.15 402	0.07 305	0.05 184	0.06 162	0.05 174	0.07 316	0.06 255

GANet-ADL	0.13 341	0.07 181	0.15 356	0.17 271	0.10 399	0.19 456	0.15 295	0.30 479	0.21 343	0.13 285	0.18 328	0.19 391	0.13 349	0.16 372	0.14 368	0.08 367	0.06 362	0.06 162	0.05 174	0.07 316	0.08 403

RAFT	0.13 341	0.09 368	0.11 189	0.18 354	0.08 182	0.15 367	0.23 532	0.21 311	0.20 329	0.21 458	0.21 369	0.18 382	0.13 349	0.17 411	0.10 135	0.06 130	0.07 442	0.10 476	0.09 451	0.06 247	0.05 156

sAnonymous2	0.13 341	0.12 477	0.25 518	0.20 470	0.12 484	0.18 434	0.14 221	0.27 425	0.21 343	0.11 224	0.12 228	0.13 286	0.08 187	0.11 163	0.11 225	0.09 423	0.05 184	0.08 344	0.06 246	0.15 564	0.10 478

CroCo_RVC	0.13 341	0.12 477	0.25 518	0.20 470	0.12 484	0.18 434	0.14 221	0.27 425	0.21 343	0.11 224	0.12 228	0.13 286	0.08 187	0.11 163	0.11 225	0.09 423	0.05 184	0.08 344	0.06 246	0.15 564	0.10 478

RAFT + AFF	0.13 341	0.08 296	0.21 490	0.20 470	0.10 399	0.14 341	0.23 532	0.27 425	0.21 343	0.12 256	0.10 173	0.12 262	0.10 255	0.16 372	0.12 297	0.08 367	0.07 442	0.09 428	0.09 451	0.06 247	0.09 448

GMStereo	0.13 341	0.15 527	0.14 318	0.18 354	0.09 292	0.16 395	0.16 355	0.20 293	0.25 409	0.17 373	0.17 305	0.11 241	0.11 285	0.16 372	0.13 332	0.07 305	0.06 362	0.06 162	0.06 246	0.07 316	0.06 255
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
SFCPSM	0.13 341	0.07 181	0.15 356	0.17 271	0.09 292	0.15 367	0.16 355	0.28 450	0.27 435	0.14 308	0.18 328	0.12 262	0.13 349	0.14 327	0.11 225	0.08 367	0.05 184	0.07 263	0.07 338	0.07 316	0.06 255

FENet	0.13 341	0.08 296	0.13 273	0.16 192	0.08 182	0.15 367	0.16 355	0.23 353	0.23 375	0.17 373	0.24 401	0.16 350	0.13 349	0.14 327	0.15 402	0.08 367	0.05 184	0.08 344	0.08 405	0.08 382	0.08 403

MLCV	0.13 341	0.08 296	0.17 421	0.18 354	0.06 16	0.16 395	0.17 381	0.19 279	0.22 365	0.19 420	0.25 429	0.17 367	0.13 349	0.15 345	0.14 368	0.05 35	0.04 23	0.05 74	0.04 68	0.05 142	0.04 40

iResNet	0.13 341	0.10 433	0.18 453	0.19 414	0.08 182	0.14 341	0.18 429	0.21 311	0.27 435	0.16 361	0.24 401	0.15 330	0.13 349	0.14 327	0.15 402	0.06 130	0.04 23	0.06 162	0.05 174	0.06 247	0.05 156

DN-CSS_ROB	0.13 341	0.13 505	0.17 421	0.18 354	0.10 399	0.16 395	0.08 7	0.22 334	0.19 308	0.17 373	0.23 389	0.13 286	0.13 349	0.13 299	0.14 368	0.05 35	0.05 184	0.10 476	0.10 489	0.08 382	0.06 255

xyz-stereo	0.14 371	0.07 181	0.22 501	0.15 115	0.05 1	0.22 500	0.15 295	0.17 224	0.31 474	0.15 332	0.28 471	0.26 484	0.17 447	0.13 299	0.12 297	0.05 35	0.05 184	0.06 162	0.05 174	0.04 19	0.04 40

G2L-Stereo_test	0.14 371	0.07 181	0.11 189	0.13 10	0.08 182	0.12 269	0.17 381	0.31 495	0.28 451	0.21 458	0.23 389	0.20 408	0.16 423	0.17 411	0.19 466	0.07 305	0.05 184	0.05 74	0.05 174	0.07 316	0.07 334

coex_refinement	0.14 371	0.07 181	0.12 240	0.17 271	0.10 399	0.16 395	0.15 295	0.27 425	0.29 458	0.18 405	0.21 369	0.22 435	0.17 447	0.16 372	0.19 466	0.08 367	0.05 184	0.06 162	0.06 246	0.09 446	0.08 403

G2L-Stereo	0.14 371	0.07 181	0.13 273	0.17 271	0.09 292	0.13 301	0.12 89	0.27 425	0.22 365	0.17 373	0.27 460	0.21 417	0.13 349	0.18 428	0.18 451	0.09 423	0.08 473	0.08 344	0.07 338	0.07 316	0.07 334

rvit_0105_6	0.14 371	0.09 368	0.18 453	0.17 271	0.10 399	0.10 174	0.17 381	0.19 279	0.26 422	0.12 256	0.18 328	0.17 367	0.13 349	0.18 428	0.13 332	0.15 564	0.11 536	0.12 528	0.10 489	0.09 446	0.06 255

rvit_0105_5	0.14 371	0.10 433	0.14 318	0.17 271	0.09 292	0.14 341	0.23 532	0.24 377	0.27 435	0.14 308	0.15 269	0.18 382	0.13 349	0.17 411	0.14 368	0.14 560	0.11 536	0.10 476	0.11 519	0.08 382	0.07 334

test_sample6	0.14 371	0.09 368	0.14 318	0.17 271	0.08 182	0.17 418	0.19 473	0.26 411	0.18 286	0.18 405	0.28 471	0.19 391	0.15 402	0.15 345	0.13 332	0.08 367	0.05 184	0.08 344	0.07 338	0.08 382	0.08 403

test_sample5	0.14 371	0.08 296	0.14 318	0.16 192	0.08 182	0.18 434	0.18 429	0.25 398	0.17 272	0.17 373	0.28 471	0.18 382	0.15 402	0.16 372	0.13 332	0.08 367	0.06 362	0.08 344	0.07 338	0.09 446	0.08 403

test_sample4	0.14 371	0.08 296	0.15 356	0.15 115	0.08 182	0.19 456	0.18 429	0.26 411	0.18 286	0.17 373	0.26 442	0.18 382	0.15 402	0.17 411	0.13 332	0.08 367	0.06 362	0.08 344	0.06 246	0.09 446	0.08 403

test_sample3	0.14 371	0.08 296	0.15 356	0.14 63	0.09 292	0.20 475	0.17 381	0.27 425	0.18 286	0.17 373	0.22 385	0.19 391	0.15 402	0.17 411	0.14 368	0.09 423	0.06 362	0.07 263	0.06 246	0.09 446	0.08 403

SMFormer	0.14 371	0.07 181	0.18 453	0.14 63	0.08 182	0.17 418	0.17 381	0.27 425	0.27 435	0.19 420	0.20 352	0.19 391	0.15 402	0.15 345	0.17 438	0.08 367	0.05 184	0.07 263	0.06 246	0.08 382	0.07 334

tta	0.14 371	0.07 181	0.18 453	0.14 63	0.08 182	0.17 418	0.17 381	0.27 425	0.27 435	0.19 420	0.20 352	0.19 391	0.15 402	0.15 345	0.17 438	0.08 367	0.05 184	0.07 263	0.06 246	0.06 247	0.06 255

qqq1	0.14 371	0.07 181	0.18 453	0.14 63	0.08 182	0.17 418	0.17 381	0.27 425	0.27 435	0.19 420	0.20 352	0.19 391	0.15 402	0.15 345	0.12 297	0.08 367	0.05 184	0.05 74	0.05 174	0.06 247	0.06 255

fff1	0.14 371	0.07 181	0.18 453	0.14 63	0.08 182	0.17 418	0.17 381	0.27 425	0.27 435	0.19 420	0.20 352	0.19 391	0.15 402	0.15 345	0.12 297	0.08 367	0.05 184	0.05 74	0.05 174	0.06 247	0.06 255

mmm	0.14 371	0.08 296	0.18 453	0.17 271	0.09 292	0.17 418	0.18 429	0.21 311	0.16 247	0.16 361	0.23 389	0.21 417	0.16 423	0.16 372	0.17 438	0.08 367	0.05 184	0.08 344	0.08 405	0.08 382	0.07 334

DualNet	0.14 371	0.08 296	0.14 318	0.16 192	0.08 182	0.18 434	0.18 429	0.25 398	0.17 272	0.18 405	0.28 471	0.18 382	0.15 402	0.16 372	0.13 332	0.08 367	0.06 362	0.08 344	0.07 338	0.09 446	0.08 403

ttt	0.14 371	0.08 296	0.14 318	0.15 115	0.08 182	0.15 367	0.18 429	0.27 425	0.30 464	0.16 361	0.24 401	0.17 367	0.14 381	0.13 299	0.14 368	0.11 497	0.08 473	0.09 428	0.08 405	0.09 446	0.09 448

StereoVision	0.14 371	0.13 505	0.10 124	0.24 552	0.10 399	0.16 395	0.21 508	0.21 311	0.20 329	0.12 256	0.25 429	0.10 217	0.10 255	0.16 372	0.10 135	0.09 423	0.10 523	0.12 528	0.12 540	0.06 247	0.05 156

PCWNet_CMD	0.14 371	0.08 296	0.15 356	0.17 271	0.09 292	0.14 341	0.14 221	0.29 468	0.36 515	0.14 308	0.20 352	0.21 417	0.13 349	0.17 411	0.14 368	0.07 305	0.05 184	0.07 263	0.07 338	0.07 316	0.07 334

gwcnet-sp	0.14 371	0.07 181	0.13 273	0.18 354	0.09 292	0.16 395	0.18 429	0.24 377	0.24 385	0.19 420	0.24 401	0.15 330	0.16 423	0.16 372	0.15 402	0.08 367	0.07 442	0.07 263	0.08 405	0.08 382	0.07 334

scenet	0.14 371	0.07 181	0.13 273	0.18 354	0.09 292	0.16 395	0.18 429	0.24 377	0.24 385	0.19 420	0.24 401	0.15 330	0.16 423	0.16 372	0.15 402	0.08 367	0.07 442	0.07 263	0.08 405	0.08 382	0.07 334

CASS	0.14 371	0.12 477	0.12 240	0.23 541	0.09 292	0.15 367	0.17 381	0.19 279	0.20 329	0.17 373	0.18 328	0.15 330	0.15 402	0.15 345	0.14 368	0.09 423	0.06 362	0.10 476	0.08 405	0.09 446	0.07 334
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
ssnet	0.14 371	0.07 181	0.13 273	0.18 354	0.09 292	0.16 395	0.18 429	0.24 377	0.24 385	0.19 420	0.24 401	0.15 330	0.16 423	0.16 372	0.15 402	0.08 367	0.07 442	0.07 263	0.08 405	0.08 382	0.07 334

IER	0.14 371	0.08 296	0.13 273	0.17 271	0.09 292	0.14 341	0.16 355	0.26 411	0.27 435	0.18 405	0.26 442	0.17 367	0.20 491	0.17 411	0.14 368	0.08 367	0.05 184	0.07 263	0.06 246	0.08 382	0.07 334

test_5	0.14 371	0.12 477	0.08 27	0.20 470	0.10 399	0.14 341	0.28 578	0.21 311	0.24 385	0.19 420	0.28 471	0.11 241	0.15 402	0.12 247	0.13 332	0.06 130	0.05 184	0.07 263	0.08 405	0.08 382	0.07 334

psmg	0.14 371	0.09 368	0.14 318	0.17 271	0.10 399	0.15 367	0.17 381	0.29 468	0.20 329	0.17 373	0.21 369	0.25 474	0.16 423	0.16 372	0.14 368	0.08 367	0.07 442	0.08 344	0.08 405	0.07 316	0.07 334

UDGNet	0.14 371	0.13 505	0.17 421	0.18 354	0.10 399	0.12 269	0.16 355	0.21 311	0.27 435	0.20 442	0.20 352	0.17 367	0.13 349	0.16 372	0.14 368	0.10 465	0.06 362	0.09 428	0.07 338	0.07 316	0.07 334

TestStereo	0.14 371	0.15 527	0.11 189	0.23 541	0.08 182	0.15 367	0.21 508	0.20 293	0.23 375	0.14 308	0.25 429	0.16 350	0.13 349	0.16 372	0.14 368	0.06 130	0.06 362	0.08 344	0.06 246	0.09 446	0.05 156

CFNet_pseudo	0.14 371	0.08 296	0.16 398	0.16 192	0.09 292	0.13 301	0.14 221	0.27 425	0.34 496	0.15 332	0.21 369	0.22 435	0.13 349	0.18 428	0.14 368	0.07 305	0.05 184	0.08 344	0.06 246	0.07 316	0.07 334

GES	0.14 371	0.08 296	0.16 398	0.15 115	0.10 399	0.13 301	0.13 154	0.28 450	0.26 422	0.17 373	0.24 401	0.19 391	0.14 381	0.16 372	0.14 368	0.08 367	0.08 473	0.07 263	0.06 246	0.08 382	0.09 448

cf-r	0.14 371	0.07 181	0.13 273	0.16 192	0.08 182	0.14 341	0.19 473	0.21 311	0.25 409	0.17 373	0.26 442	0.22 435	0.17 447	0.14 327	0.15 402	0.10 465	0.05 184	0.06 162	0.08 405	0.06 247	0.06 255

GANet-RSSM	0.14 371	0.07 181	0.13 273	0.13 10	0.08 182	0.14 341	0.18 429	0.23 353	0.21 343	0.17 373	0.25 429	0.24 461	0.16 423	0.16 372	0.16 421	0.10 465	0.06 362	0.07 263	0.08 405	0.08 382	0.07 334

PSMNet-RSSM	0.14 371	0.07 181	0.14 318	0.15 115	0.08 182	0.13 301	0.16 355	0.25 398	0.24 385	0.17 373	0.28 471	0.23 452	0.14 381	0.16 372	0.14 368	0.11 497	0.06 362	0.09 428	0.12 540	0.08 382	0.07 334

GwcNet-RSSM	0.14 371	0.07 181	0.12 240	0.16 192	0.08 182	0.15 367	0.20 492	0.22 334	0.28 451	0.18 405	0.28 471	0.23 452	0.17 447	0.15 345	0.16 421	0.10 465	0.06 362	0.07 263	0.09 451	0.07 316	0.07 334

CFNet-ft	0.14 371	0.07 181	0.15 356	0.12 4	0.09 292	0.17 418	0.18 429	0.22 334	0.24 385	0.17 373	0.26 442	0.24 461	0.14 381	0.16 372	0.15 402	0.11 497	0.06 362	0.08 344	0.09 451	0.09 446	0.08 403

DMCA	0.14 371	0.09 368	0.17 421	0.19 414	0.09 292	0.15 367	0.17 381	0.23 353	0.28 451	0.14 308	0.20 352	0.17 367	0.18 461	0.15 345	0.17 438	0.10 465	0.06 362	0.08 344	0.06 246	0.09 446	0.10 478

MSMDNet	0.14 371	0.08 296	0.15 356	0.17 271	0.09 292	0.14 341	0.14 221	0.29 468	0.36 515	0.14 308	0.20 352	0.21 417	0.13 349	0.18 428	0.14 368	0.07 305	0.05 184	0.07 263	0.07 338	0.07 316	0.07 334

HSM-Net_RVC	0.14 371	0.08 296	0.12 240	0.15 115	0.08 182	0.16 395	0.15 295	0.27 425	0.29 458	0.20 442	0.21 369	0.29 509	0.14 381	0.18 428	0.13 332	0.06 130	0.06 362	0.06 162	0.06 246	0.07 316	0.06 255
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
CFNet_RVC	0.14 371	0.07 181	0.15 356	0.12 4	0.09 292	0.17 418	0.18 429	0.22 334	0.24 385	0.17 373	0.26 442	0.24 461	0.14 381	0.16 372	0.15 402	0.11 497	0.06 362	0.08 344	0.09 451	0.09 446	0.08 403

ccs_rob	0.14 371	0.09 368	0.16 398	0.16 192	0.09 292	0.13 301	0.14 221	0.27 425	0.34 496	0.15 332	0.21 369	0.22 435	0.13 349	0.18 428	0.14 368	0.07 305	0.05 184	0.08 344	0.07 338	0.07 316	0.07 334

iResNet_ROB	0.14 371	0.07 181	0.13 273	0.15 115	0.07 103	0.19 456	0.14 221	0.26 411	0.32 480	0.23 487	0.26 442	0.23 452	0.16 423	0.15 345	0.14 368	0.07 305	0.05 184	0.05 74	0.04 68	0.08 382	0.08 403

rvit_0105_4	0.15 412	0.09 368	0.17 421	0.17 271	0.10 399	0.12 269	0.20 492	0.23 353	0.27 435	0.14 308	0.20 352	0.17 367	0.14 381	0.17 411	0.13 332	0.15 564	0.11 536	0.11 506	0.10 489	0.09 446	0.06 255

DCVSM-stereo	0.15 412	0.09 368	0.16 398	0.16 192	0.10 399	0.15 367	0.09 18	0.20 293	0.24 385	0.20 442	0.24 401	0.26 484	0.15 402	0.19 453	0.14 368	0.09 423	0.07 442	0.09 428	0.08 405	0.10 481	0.12 523

ACV-stereo	0.15 412	0.10 433	0.29 541	0.18 354	0.12 484	0.15 367	0.13 154	0.23 353	0.21 343	0.19 420	0.23 389	0.22 435	0.15 402	0.23 515	0.17 438	0.08 367	0.07 442	0.07 263	0.07 338	0.08 382	0.07 334

DispNO	0.15 412	0.09 368	0.18 453	0.19 414	0.12 484	0.11 225	0.21 508	0.23 353	0.29 458	0.18 405	0.23 389	0.19 391	0.17 447	0.16 372	0.16 421	0.07 305	0.05 184	0.08 344	0.08 405	0.07 316	0.06 255

mmx	0.15 412	0.09 368	0.15 356	0.16 192	0.09 292	0.17 418	0.17 381	0.27 425	0.26 422	0.15 332	0.26 442	0.19 391	0.13 349	0.15 345	0.22 502	0.08 367	0.06 362	0.09 428	0.08 405	0.08 382	0.08 403

xxx	0.15 412	0.09 368	0.15 356	0.16 192	0.09 292	0.17 418	0.17 381	0.27 425	0.26 422	0.15 332	0.26 442	0.19 391	0.13 349	0.15 345	0.22 502	0.08 367	0.06 362	0.09 428	0.08 405	0.08 382	0.08 403

CFNet_ucs	0.15 412	0.09 368	0.17 421	0.16 192	0.11 454	0.14 341	0.14 221	0.30 479	0.34 496	0.16 361	0.24 401	0.23 452	0.14 381	0.18 428	0.15 402	0.09 423	0.06 362	0.08 344	0.07 338	0.09 446	0.09 448

CBFPSM	0.15 412	0.07 181	0.27 529	0.17 271	0.09 292	0.13 301	0.15 295	0.22 334	0.23 375	0.20 442	0.27 460	0.23 452	0.16 423	0.16 372	0.19 466	0.06 130	0.06 362	0.06 162	0.07 338	0.07 316	0.07 334

BUS	0.15 412	0.09 368	0.14 318	0.22 522	0.10 399	0.20 475	0.14 221	0.34 528	0.20 329	0.17 373	0.23 389	0.16 350	0.14 381	0.16 372	0.14 368	0.08 367	0.06 362	0.10 476	0.09 451	0.07 316	0.07 334

BSDual-CNN	0.15 412	0.09 368	0.14 318	0.22 522	0.10 399	0.15 367	0.15 295	0.34 528	0.20 329	0.17 373	0.23 389	0.25 474	0.16 423	0.16 372	0.14 368	0.08 367	0.06 362	0.10 476	0.09 451	0.07 316	0.07 334

hknet	0.15 412	0.11 458	0.14 318	0.22 522	0.11 454	0.15 367	0.15 295	0.34 528	0.26 422	0.17 373	0.23 389	0.22 435	0.18 461	0.17 411	0.13 332	0.07 305	0.06 362	0.10 476	0.09 451	0.07 316	0.07 334

dd	0.15 412	0.17 548	0.17 421	0.19 414	0.09 292	0.15 367	0.18 429	0.22 334	0.26 422	0.23 487	0.20 352	0.21 417	0.10 255	0.21 489	0.17 438	0.10 465	0.06 362	0.08 344	0.06 246	0.08 382	0.07 334

DAS	0.15 412	0.08 296	0.18 453	0.19 414	0.10 399	0.19 456	0.17 381	0.28 450	0.30 464	0.18 405	0.26 442	0.21 417	0.16 423	0.16 372	0.13 332	0.08 367	0.06 362	0.06 162	0.06 246	0.07 316	0.07 334

SepStereo	0.15 412	0.08 296	0.18 453	0.19 414	0.10 399	0.19 456	0.17 381	0.28 450	0.30 464	0.18 405	0.26 442	0.21 417	0.16 423	0.26 535	0.13 332	0.08 367	0.06 362	0.06 162	0.06 246	0.07 316	0.07 334

PSMNet-ADL	0.15 412	0.12 477	0.13 273	0.22 522	0.09 292	0.13 301	0.20 492	0.26 411	0.23 375	0.18 405	0.20 352	0.23 452	0.17 447	0.18 428	0.18 451	0.09 423	0.08 473	0.08 344	0.11 519	0.08 382	0.07 334

LMCR-Stereo	0.15 412	0.08 296	0.14 318	0.21 501	0.09 292	0.18 434	0.19 473	0.28 450	0.19 308	0.24 499	0.24 401	0.23 452	0.17 447	0.20 471	0.17 438	0.07 305	0.06 362	0.08 344	0.06 246	0.10 481	0.09 448

xxxx	0.15 412	0.07 181	0.14 318	0.14 63	0.08 182	0.24 519	0.18 429	0.32 500	0.20 329	0.14 308	0.28 471	0.22 435	0.14 381	0.15 345	0.29 568	0.09 423	0.05 184	0.07 263	0.07 338	0.08 382	0.08 403

test_xeample	0.15 412	0.07 181	0.14 318	0.15 115	0.08 182	0.22 500	0.20 492	0.29 468	0.21 343	0.16 361	0.29 486	0.19 391	0.17 447	0.16 372	0.28 560	0.09 423	0.05 184	0.07 263	0.07 338	0.07 316	0.07 334

ACVNet	0.15 412	0.09 368	0.15 356	0.13 10	0.12 484	0.14 341	0.20 492	0.22 334	0.34 496	0.17 373	0.26 442	0.21 417	0.17 447	0.18 428	0.21 489	0.07 305	0.06 362	0.06 162	0.06 246	0.08 382	0.06 255

acv_ft	0.15 412	0.09 368	0.16 398	0.19 414	0.10 399	0.16 395	0.17 381	0.25 398	0.34 496	0.19 420	0.26 442	0.21 417	0.17 447	0.18 428	0.19 466	0.07 305	0.06 362	0.06 162	0.06 246	0.08 382	0.06 255

RASNet	0.15 412	0.07 181	0.15 356	0.16 192	0.08 182	0.19 456	0.14 221	0.30 479	0.21 343	0.17 373	0.25 429	0.21 417	0.19 479	0.20 471	0.20 476	0.07 305	0.06 362	0.06 162	0.08 405	0.06 247	0.06 255

CFNet	0.15 412	0.11 458	0.17 421	0.17 271	0.08 182	0.19 456	0.10 28	0.29 468	0.26 422	0.19 420	0.24 401	0.24 461	0.18 461	0.18 428	0.15 402	0.08 367	0.06 362	0.09 428	0.10 489	0.08 382	0.07 334

UCFNet_RVC	0.15 412	0.08 296	0.13 273	0.11 1	0.10 399	0.20 475	0.10 28	0.24 377	0.23 375	0.17 373	0.21 369	0.24 461	0.15 402	0.18 428	0.15 402	0.12 523	0.07 442	0.11 506	0.13 551	0.11 503	0.10 478

AdaStereo	0.15 412	0.11 458	0.16 398	0.19 414	0.09 292	0.21 486	0.11 54	0.33 514	0.28 451	0.21 458	0.23 389	0.21 417	0.13 349	0.19 453	0.15 402	0.13 540	0.05 184	0.10 476	0.07 338	0.09 446	0.07 334
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.
iResNetv2_ROB	0.15 412	0.08 296	0.16 398	0.16 192	0.08 182	0.16 395	0.13 154	0.26 411	0.36 515	0.21 458	0.29 486	0.24 461	0.13 349	0.14 327	0.14 368	0.06 130	0.06 362	0.06 162	0.04 68	0.09 446	0.08 403

HSM	0.15 412	0.09 368	0.15 356	0.16 192	0.09 292	0.16 395	0.14 221	0.28 450	0.25 409	0.20 442	0.24 401	0.37 560	0.17 447	0.20 471	0.15 402	0.07 305	0.05 184	0.07 263	0.06 246	0.07 316	0.06 255

pmcnn	0.15 412	0.07 181	0.20 480	0.15 115	0.07 103	0.21 486	0.16 355	0.25 398	0.26 422	0.21 458	0.33 511	0.29 509	0.19 479	0.18 428	0.17 438	0.07 305	0.05 184	0.05 74	0.04 68	0.07 316	0.06 255

DDVS	0.16 439	0.10 433	0.22 501	0.16 192	0.12 484	0.15 367	0.14 221	0.25 398	0.19 308	0.18 405	0.30 492	0.27 491	0.13 349	0.20 471	0.16 421	0.09 423	0.06 362	0.09 428	0.07 338	0.11 503	0.11 502

rvit_0105_3	0.16 439	0.10 433	0.15 356	0.20 470	0.12 484	0.15 367	0.26 567	0.25 398	0.30 464	0.15 332	0.17 305	0.21 417	0.14 381	0.18 428	0.14 368	0.14 560	0.11 536	0.12 528	0.14 556	0.07 316	0.07 334

ITSA-stereo	0.16 439	0.11 458	0.14 318	0.19 414	0.08 182	0.13 301	0.14 221	0.30 479	0.49 570	0.17 373	0.18 328	0.22 435	0.15 402	0.17 411	0.16 421	0.10 465	0.06 362	0.08 344	0.08 405	0.08 382	0.09 448

test_sample7	0.16 439	0.10 433	0.16 398	0.14 63	0.12 484	0.16 395	0.17 381	0.28 450	0.24 385	0.21 458	0.21 369	0.24 461	0.20 491	0.16 372	0.16 421	0.12 523	0.06 362	0.10 476	0.09 451	0.11 503	0.10 478

1111x	0.16 439	0.09 368	0.13 273	0.18 354	0.08 182	0.18 434	0.25 558	0.32 500	0.25 409	0.17 373	0.24 401	0.27 491	0.15 402	0.14 327	0.24 525	0.07 305	0.07 442	0.08 344	0.09 451	0.07 316	0.07 334

GMStereo_Zeroshot	0.16 439	0.13 505	0.25 518	0.20 470	0.10 399	0.17 418	0.13 154	0.30 479	0.25 409	0.23 487	0.32 505	0.25 474	0.11 285	0.19 453	0.14 368	0.09 423	0.06 362	0.11 506	0.06 246	0.12 521	0.08 403

CRFU-Net	0.16 439	0.08 296	0.15 356	0.17 271	0.09 292	0.20 475	0.14 221	0.27 425	0.21 343	0.28 538	0.28 471	0.29 509	0.18 461	0.19 453	0.18 451	0.09 423	0.09 500	0.07 263	0.07 338	0.08 382	0.09 448

NINENet	0.16 439	0.10 433	0.16 398	0.17 271	0.11 454	0.20 475	0.14 221	0.41 580	0.37 521	0.18 405	0.21 369	0.16 350	0.14 381	0.16 372	0.14 368	0.08 367	0.08 473	0.10 476	0.07 338	0.10 481	0.09 448

CSP-Net	0.16 439	0.09 368	0.14 318	0.17 271	0.09 292	0.19 456	0.18 429	0.25 398	0.33 485	0.26 517	0.31 496	0.25 474	0.16 423	0.21 489	0.19 466	0.09 423	0.06 362	0.07 263	0.07 338	0.08 382	0.08 403

AASNet	0.16 439	0.08 296	0.13 273	0.19 414	0.09 292	0.19 456	0.15 295	0.38 566	0.37 521	0.20 442	0.24 401	0.20 408	0.17 447	0.17 411	0.21 489	0.10 465	0.08 473	0.08 344	0.07 338	0.09 446	0.09 448

AACVNet	0.16 439	0.08 296	0.15 356	0.15 115	0.10 399	0.18 434	0.15 295	0.24 377	0.25 409	0.27 524	0.27 460	0.28 501	0.18 461	0.19 453	0.17 438	0.09 423	0.07 442	0.09 428	0.07 338	0.10 481	0.09 448

ADLNet2	0.16 439	0.09 368	0.14 318	0.17 271	0.09 292	0.20 475	0.16 355	0.32 500	0.39 532	0.17 373	0.20 352	0.20 408	0.19 479	0.21 489	0.23 513	0.08 367	0.07 442	0.07 263	0.07 338	0.09 446	0.07 334

ICVP	0.16 439	0.09 368	0.12 240	0.22 522	0.09 292	0.18 434	0.21 508	0.26 411	0.24 385	0.18 405	0.30 492	0.27 491	0.18 461	0.18 428	0.15 402	0.10 465	0.07 442	0.08 344	0.07 338	0.07 316	0.08 403
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
Anonymous3	0.16 439	0.14 520	0.34 559	0.26 569	0.14 528	0.27 549	0.18 429	0.28 450	0.28 451	0.15 332	0.17 305	0.14 305	0.11 285	0.16 372	0.12 297	0.08 367	0.08 473	0.08 344	0.08 405	0.08 382	0.11 502

ADLNet	0.16 439	0.08 296	0.15 356	0.16 192	0.10 399	0.16 395	0.17 381	0.33 514	0.27 435	0.23 487	0.27 460	0.24 461	0.16 423	0.18 428	0.21 489	0.10 465	0.06 362	0.10 476	0.10 489	0.08 382	0.09 448

HCRNet	0.16 439	0.23 581	0.12 240	0.35 601	0.11 454	0.15 367	0.17 381	0.26 411	0.22 365	0.19 420	0.24 401	0.21 417	0.14 381	0.15 345	0.13 332	0.11 497	0.07 442	0.11 506	0.10 489	0.09 446	0.07 334

222	0.16 439	0.07 181	0.15 356	0.14 63	0.08 182	0.25 528	0.18 429	0.30 479	0.21 343	0.18 405	0.29 486	0.17 367	0.16 423	0.16 372	0.44 609	0.10 465	0.05 184	0.07 263	0.06 246	0.08 382	0.08 403

UPFNet	0.16 439	0.08 296	0.12 240	0.20 470	0.12 484	0.20 475	0.23 532	0.28 450	0.26 422	0.18 405	0.24 401	0.22 435	0.20 491	0.19 453	0.22 502	0.09 423	0.07 442	0.08 344	0.09 451	0.08 382	0.06 255

ac_64	0.16 439	0.09 368	0.15 356	0.18 354	0.10 399	0.22 500	0.17 381	0.24 377	0.22 365	0.19 420	0.24 401	0.29 509	0.18 461	0.19 453	0.22 502	0.09 423	0.08 473	0.08 344	0.09 451	0.07 316	0.06 255

DSFCA	0.16 439	0.09 368	0.14 318	0.16 192	0.10 399	0.21 486	0.19 473	0.28 450	0.31 474	0.23 487	0.25 429	0.22 435	0.16 423	0.20 471	0.20 476	0.10 465	0.07 442	0.09 428	0.09 451	0.08 382	0.08 403

AANet_RVC	0.16 439	0.10 433	0.11 189	0.18 354	0.09 292	0.19 456	0.18 429	0.27 425	0.32 480	0.22 473	0.35 525	0.21 417	0.22 506	0.22 507	0.17 438	0.06 130	0.05 184	0.06 162	0.06 246	0.07 316	0.06 255

DeepPruner_ROB	0.16 439	0.11 458	0.16 398	0.17 271	0.10 399	0.17 418	0.15 295	0.32 500	0.21 343	0.19 420	0.21 369	0.22 435	0.19 479	0.21 489	0.16 421	0.13 540	0.09 500	0.09 428	0.10 489	0.11 503	0.11 502

rvit_stereo_0075_2	0.17 461	0.12 477	0.25 518	0.23 541	0.16 558	0.13 301	0.10 28	0.30 479	0.27 435	0.20 442	0.28 471	0.22 435	0.15 402	0.18 428	0.13 332	0.16 581	0.10 523	0.17 575	0.10 489	0.10 481	0.10 478

DualNet (step1)	0.17 461	0.12 477	0.21 490	0.13 10	0.14 528	0.18 434	0.14 221	0.28 450	0.24 385	0.21 458	0.21 369	0.24 461	0.20 491	0.16 372	0.16 421	0.15 564	0.06 362	0.14 555	0.14 556	0.15 564	0.13 536

iinet-f	0.17 461	0.07 181	0.46 581	0.14 63	0.10 399	0.21 486	0.14 221	0.27 425	0.23 375	0.22 473	0.25 429	0.21 417	0.16 423	0.18 428	0.22 502	0.09 423	0.07 442	0.07 263	0.06 246	0.09 446	0.10 478

ToySt	0.17 461	0.11 458	0.19 476	0.17 271	0.11 454	0.16 395	0.26 567	0.24 377	0.33 485	0.19 420	0.24 401	0.26 484	0.24 521	0.19 453	0.21 489	0.07 305	0.08 473	0.09 428	0.10 489	0.09 446	0.08 403

ssnet_v2	0.17 461	0.10 433	0.18 453	0.17 271	0.11 454	0.21 486	0.22 520	0.34 528	0.25 409	0.23 487	0.23 389	0.27 491	0.19 479	0.22 507	0.21 489	0.11 497	0.10 523	0.09 428	0.09 451	0.08 382	0.08 403

GEStereo_RVC	0.17 461	0.12 477	0.16 398	0.22 522	0.11 454	0.19 456	0.18 429	0.32 500	0.49 570	0.20 442	0.25 429	0.17 367	0.13 349	0.21 489	0.16 421	0.10 465	0.06 362	0.08 344	0.07 338	0.09 446	0.08 403

MMNet	0.17 461	0.10 433	0.17 421	0.20 470	0.11 454	0.27 549	0.20 492	0.26 411	0.42 545	0.22 473	0.30 492	0.22 435	0.20 491	0.18 428	0.20 476	0.06 130	0.06 362	0.07 263	0.07 338	0.08 382	0.07 334

delet	0.17 461	0.09 368	0.18 453	0.19 414	0.11 454	0.21 486	0.22 520	0.30 479	0.38 527	0.17 373	0.27 460	0.19 391	0.19 479	0.19 453	0.21 489	0.08 367	0.08 473	0.09 428	0.11 519	0.06 247	0.07 334

UNet	0.17 461	0.09 368	0.18 453	0.19 414	0.12 484	0.28 560	0.19 473	0.33 514	0.30 464	0.21 458	0.25 429	0.23 452	0.19 479	0.20 471	0.19 466	0.07 305	0.06 362	0.08 344	0.07 338	0.08 382	0.07 334

HGLStereo	0.17 461	0.09 368	0.19 476	0.17 271	0.12 484	0.18 434	0.18 429	0.31 495	0.33 485	0.22 473	0.33 511	0.24 461	0.18 461	0.20 471	0.21 489	0.10 465	0.09 500	0.07 263	0.07 338	0.09 446	0.10 478

DMCA-RVC	0.17 461	0.10 433	0.16 398	0.24 552	0.11 454	0.19 456	0.18 429	0.26 411	0.24 385	0.21 458	0.27 460	0.25 474	0.27 544	0.18 428	0.21 489	0.12 523	0.08 473	0.13 542	0.10 489	0.10 481	0.08 403

FADNet-RVC-Resample	0.17 461	0.12 477	0.32 554	0.22 522	0.12 484	0.19 456	0.14 221	0.25 398	0.24 385	0.24 499	0.27 460	0.20 408	0.15 402	0.17 411	0.16 421	0.07 305	0.08 473	0.12 528	0.10 489	0.09 446	0.11 502

FADNet_RVC	0.17 461	0.14 520	0.41 574	0.20 470	0.11 454	0.13 301	0.13 154	0.27 425	0.22 365	0.21 458	0.23 389	0.20 408	0.18 461	0.15 345	0.17 438	0.08 367	0.08 473	0.12 528	0.09 451	0.11 503	0.10 478

NLCA_NET_v2_RVC	0.17 461	0.10 433	0.23 509	0.20 470	0.10 399	0.15 367	0.18 429	0.31 495	0.25 409	0.21 458	0.31 496	0.25 474	0.17 447	0.21 489	0.20 476	0.09 423	0.06 362	0.08 344	0.09 451	0.07 316	0.08 403
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
StereoDRNet-Refined	0.17 461	0.12 477	0.16 398	0.20 470	0.10 399	0.18 434	0.18 429	0.27 425	0.24 385	0.26 517	0.41 562	0.23 452	0.18 461	0.21 489	0.21 489	0.09 423	0.05 184	0.09 428	0.10 489	0.07 316	0.07 334
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
z-ln-s-r	0.18 476	0.10 433	0.41 574	0.19 414	0.08 182	0.18 434	0.18 429	0.23 353	0.34 496	0.19 420	0.41 562	0.22 435	0.17 447	0.20 471	0.25 533	0.07 305	0.05 184	0.07 263	0.07 338	0.07 316	0.06 255

ISRNet	0.18 476	0.08 296	0.20 480	0.19 414	0.13 510	0.15 367	0.12 89	0.30 479	0.33 485	0.21 458	0.26 442	0.27 491	0.18 461	0.17 411	0.20 476	0.20 595	0.08 473	0.14 555	0.14 556	0.14 552	0.17 584

test_sample9	0.18 476	0.12 477	0.21 490	0.13 10	0.14 528	0.18 434	0.14 221	0.28 450	0.24 385	0.21 458	0.21 369	0.24 461	0.20 491	0.19 453	0.18 451	0.15 564	0.30 613	0.14 555	0.14 556	0.15 564	0.13 536

fast-acv-ft	0.18 476	0.11 458	0.20 480	0.19 414	0.12 484	0.26 540	0.21 508	0.26 411	0.35 510	0.22 473	0.34 521	0.27 491	0.21 499	0.21 489	0.23 513	0.09 423	0.09 500	0.08 344	0.10 489	0.08 382	0.07 334

HBP-ISP	0.18 476	0.13 505	0.17 421	0.15 115	0.11 454	0.08 60	0.13 154	0.28 450	0.30 464	0.22 473	0.33 511	0.21 417	0.25 529	0.23 515	0.18 451	0.15 564	0.17 586	0.21 589	0.17 583	0.10 481	0.09 448

Wz-Net-LNSev-Ref	0.18 476	0.09 368	0.30 547	0.15 115	0.11 454	0.23 513	0.20 492	0.27 425	0.40 536	0.26 517	0.43 573	0.25 474	0.15 402	0.21 489	0.20 476	0.07 305	0.05 184	0.06 162	0.05 174	0.10 481	0.09 448

dad	0.18 476	0.20 570	0.21 490	0.17 271	0.11 454	0.20 475	0.19 473	0.21 311	0.28 451	0.30 553	0.24 401	0.30 518	0.13 349	0.19 453	0.17 438	0.18 587	0.09 500	0.11 506	0.09 451	0.11 503	0.07 334

hitnet-ft	0.18 476	0.10 433	0.17 421	0.14 63	0.09 292	0.27 549	0.20 492	0.25 398	0.26 422	0.24 499	0.32 505	0.32 540	0.23 512	0.24 526	0.21 489	0.12 523	0.07 442	0.10 476	0.08 405	0.12 521	0.11 502

STTStereo	0.18 476	0.13 505	0.28 532	0.20 470	0.11 454	0.16 395	0.21 508	0.29 468	0.23 375	0.22 473	0.30 492	0.29 509	0.18 461	0.20 471	0.20 476	0.12 523	0.11 536	0.11 506	0.14 556	0.09 446	0.08 403

TDLM	0.18 476	0.12 477	0.14 318	0.24 552	0.10 399	0.18 434	0.18 429	0.37 559	0.30 464	0.22 473	0.28 471	0.28 501	0.18 461	0.23 515	0.19 466	0.11 497	0.07 442	0.10 476	0.10 489	0.08 382	0.08 403

CVANet_RVC	0.18 476	0.11 458	0.14 318	0.21 501	0.11 454	0.19 456	0.18 429	0.34 528	0.34 496	0.22 473	0.31 496	0.28 501	0.18 461	0.24 526	0.18 451	0.12 523	0.08 473	0.12 528	0.12 540	0.09 446	0.08 403

DLCB_ROB	0.18 476	0.10 433	0.16 398	0.23 541	0.11 454	0.24 519	0.18 429	0.30 479	0.28 451	0.27 524	0.29 486	0.28 501	0.25 529	0.20 471	0.20 476	0.08 367	0.08 473	0.09 428	0.09 451	0.07 316	0.07 334

TCMNet	0.19 488	0.12 477	0.20 480	0.21 501	0.18 579	0.21 486	0.24 542	0.28 450	0.36 515	0.23 487	0.26 442	0.25 474	0.20 491	0.20 471	0.23 513	0.13 540	0.11 536	0.11 506	0.12 540	0.13 536	0.12 523

rvit_105_1	0.19 488	0.12 477	0.25 518	0.21 501	0.16 558	0.22 500	0.28 578	0.32 500	0.42 545	0.20 442	0.21 369	0.22 435	0.18 461	0.19 453	0.18 451	0.12 523	0.12 551	0.13 542	0.15 571	0.08 382	0.07 334

SACVNet	0.19 488	0.12 477	0.15 356	0.17 271	0.13 510	0.22 500	0.18 429	0.31 495	0.31 474	0.24 499	0.31 496	0.30 518	0.23 512	0.23 515	0.17 438	0.11 497	0.08 473	0.10 476	0.10 489	0.12 521	0.14 552

pcwnet_v2	0.19 488	0.11 458	0.26 527	0.18 354	0.14 528	0.18 434	0.15 295	0.37 559	0.46 566	0.19 420	0.24 401	0.21 417	0.19 479	0.21 489	0.20 476	0.13 540	0.10 523	0.10 476	0.10 489	0.11 503	0.13 536

psm_up	0.19 488	0.10 433	0.18 453	0.21 501	0.11 454	0.17 418	0.19 473	0.38 566	0.34 496	0.22 473	0.28 471	0.29 509	0.25 529	0.20 471	0.22 502	0.09 423	0.10 523	0.11 506	0.11 519	0.08 382	0.08 403

NVstereo2D	0.19 488	0.11 458	0.16 398	0.17 271	0.16 558	0.28 560	0.23 532	0.44 595	0.42 545	0.15 332	0.28 471	0.25 474	0.19 479	0.23 515	0.18 451	0.09 423	0.06 362	0.10 476	0.08 405	0.15 564	0.10 478

StereoDRNet	0.19 488	0.11 458	0.18 453	0.22 522	0.11 454	0.22 500	0.22 520	0.37 559	0.34 496	0.24 499	0.28 471	0.30 518	0.19 479	0.20 471	0.21 489	0.10 465	0.08 473	0.11 506	0.09 451	0.09 446	0.07 334

CBMV_ROB	0.19 488	0.13 505	0.18 453	0.16 192	0.11 454	0.16 395	0.12 89	0.27 425	0.29 458	0.27 524	0.31 496	0.27 491	0.24 521	0.24 526	0.16 421	0.15 564	0.18 588	0.22 593	0.20 589	0.10 481	0.12 523

NOSS_ROB	0.19 488	0.13 505	0.18 453	0.16 192	0.12 484	0.16 395	0.12 89	0.30 479	0.33 485	0.20 442	0.22 385	0.27 491	0.24 521	0.21 489	0.16 421	0.16 581	0.18 588	0.23 594	0.21 591	0.13 536	0.13 536

w-ln-seven-2	0.20 497	0.14 520	0.39 570	0.23 541	0.12 484	0.21 486	0.21 508	0.29 468	0.38 527	0.25 512	0.38 540	0.28 501	0.23 512	0.21 489	0.25 533	0.08 367	0.08 473	0.09 428	0.09 451	0.10 481	0.09 448

YMNet	0.20 497	0.12 477	0.20 480	0.21 501	0.14 528	0.27 549	0.23 532	0.32 500	0.34 496	0.28 538	0.35 525	0.30 518	0.18 461	0.18 428	0.22 502	0.11 497	0.13 563	0.10 476	0.10 489	0.09 446	0.09 448

YMNet_1	0.20 497	0.12 477	0.20 480	0.21 501	0.14 528	0.27 549	0.23 532	0.32 500	0.34 496	0.28 538	0.35 525	0.30 518	0.18 461	0.18 428	0.22 502	0.11 497	0.13 563	0.10 476	0.10 489	0.09 446	0.09 448

test_sample8	0.20 497	0.12 477	0.21 490	0.13 10	0.14 528	0.18 434	0.14 221	0.32 500	0.21 343	0.28 538	0.22 385	0.36 557	0.26 537	0.19 453	0.18 451	0.15 564	0.30 613	0.14 555	0.14 556	0.15 564	0.13 536

SDNR	0.20 497	0.09 368	0.19 476	0.16 192	0.12 484	0.79 625	0.13 154	0.26 411	0.33 485	0.19 420	0.25 429	0.19 391	0.12 317	0.19 453	0.15 402	0.16 581	0.18 588	0.14 555	0.11 519	0.08 382	0.12 523

GwcNet	0.20 497	0.14 520	0.20 480	0.18 354	0.12 484	0.25 528	0.20 492	0.36 550	0.45 559	0.20 442	0.33 511	0.33 546	0.21 499	0.22 507	0.25 533	0.11 497	0.09 500	0.09 428	0.09 451	0.09 446	0.10 478

SuperB	0.20 497	0.10 433	0.57 595	0.16 192	0.09 292	0.19 456	0.18 429	0.25 398	0.51 577	0.27 524	0.39 548	0.17 367	0.22 506	0.22 507	0.21 489	0.08 367	0.06 362	0.06 162	0.06 246	0.12 521	0.11 502

ADCRef	0.20 497	0.12 477	0.43 579	0.20 470	0.12 484	0.23 513	0.18 429	0.32 500	0.37 521	0.26 517	0.33 511	0.18 382	0.23 512	0.25 531	0.26 546	0.07 305	0.06 362	0.09 428	0.09 451	0.08 382	0.09 448

ADCP+	0.20 497	0.10 433	0.35 565	0.21 501	0.12 484	0.22 500	0.27 572	0.31 495	0.35 510	0.26 517	0.37 533	0.22 435	0.22 506	0.27 537	0.28 560	0.09 423	0.06 362	0.08 344	0.08 405	0.10 481	0.10 478

PS-NSSS	0.20 497	0.21 575	0.23 509	0.20 470	0.10 399	0.19 456	0.17 381	0.36 550	0.26 422	0.27 524	0.34 521	0.27 491	0.24 521	0.20 471	0.20 476	0.15 564	0.12 551	0.17 575	0.14 556	0.10 481	0.09 448

DRN-Test	0.20 497	0.11 458	0.21 490	0.22 522	0.10 399	0.22 500	0.22 520	0.40 575	0.38 527	0.24 499	0.33 511	0.26 484	0.22 506	0.22 507	0.25 533	0.11 497	0.07 442	0.11 506	0.10 489	0.09 446	0.08 403

DISCO	0.20 497	0.09 368	0.22 501	0.17 271	0.10 399	0.25 528	0.18 429	0.28 450	0.45 559	0.23 487	0.32 505	0.34 550	0.26 537	0.29 553	0.29 568	0.08 367	0.06 362	0.07 263	0.07 338	0.09 446	0.10 478

SGM-Forest	0.20 497	0.14 520	0.18 453	0.20 470	0.13 510	0.21 486	0.22 520	0.33 514	0.31 474	0.24 499	0.29 486	0.28 501	0.20 491	0.23 515	0.18 451	0.15 564	0.16 582	0.15 566	0.14 556	0.13 536	0.12 523
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
CBMV	0.20 497	0.15 527	0.18 453	0.18 354	0.10 399	0.20 475	0.11 54	0.30 479	0.31 474	0.29 547	0.31 496	0.31 533	0.23 512	0.28 546	0.19 466	0.13 540	0.15 577	0.17 575	0.16 575	0.10 481	0.10 478
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
UDG	0.21 511	0.17 548	0.20 480	0.23 541	0.15 546	0.31 569	0.20 492	0.33 514	0.35 510	0.24 499	0.28 471	0.31 533	0.29 557	0.21 489	0.23 513	0.15 564	0.12 551	0.13 542	0.09 451	0.14 552	0.15 566

FAT-Stereo	0.21 511	0.13 505	0.22 501	0.21 501	0.12 484	0.18 434	0.18 429	0.35 543	0.40 536	0.28 538	0.37 533	0.33 546	0.33 578	0.21 489	0.20 476	0.09 423	0.11 536	0.10 476	0.09 451	0.11 503	0.14 552

FADNet-RVC	0.21 511	0.20 570	0.40 572	0.21 501	0.16 558	0.21 486	0.15 295	0.27 425	0.27 435	0.26 517	0.32 505	0.26 484	0.21 499	0.22 507	0.19 466	0.12 523	0.13 563	0.12 528	0.14 556	0.13 536	0.18 587

FADNet	0.21 511	0.23 581	0.37 568	0.18 354	0.17 570	0.25 528	0.13 154	0.32 500	0.32 480	0.23 487	0.25 429	0.27 491	0.21 499	0.19 453	0.16 421	0.13 540	0.15 577	0.12 528	0.15 571	0.17 582	0.18 587

S-Stereo	0.21 511	0.12 477	0.25 518	0.21 501	0.13 510	0.21 486	0.19 473	0.33 514	0.45 559	0.23 487	0.36 530	0.28 501	0.29 557	0.20 471	0.23 513	0.09 423	0.12 551	0.10 476	0.10 489	0.13 536	0.14 552

DANet	0.21 511	0.16 538	0.29 541	0.25 560	0.13 510	0.23 513	0.19 473	0.28 450	0.27 435	0.28 538	0.32 505	0.35 555	0.32 575	0.31 560	0.24 525	0.11 497	0.09 500	0.11 506	0.10 489	0.13 536	0.11 502
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
PWC_ROB	0.21 511	0.16 538	0.27 529	0.18 354	0.11 454	0.22 500	0.13 154	0.33 514	0.49 570	0.30 553	0.40 551	0.32 540	0.25 529	0.31 560	0.23 513	0.10 465	0.07 442	0.11 506	0.08 405	0.11 503	0.10 478

PWCDC_ROB	0.21 511	0.13 505	0.23 509	0.25 560	0.12 484	0.20 475	0.15 295	0.34 528	0.55 587	0.29 547	0.49 583	0.21 417	0.15 402	0.28 546	0.20 476	0.11 497	0.09 500	0.10 476	0.08 405	0.11 503	0.09 448

GASNet	0.22 519	0.24 584	0.34 559	0.26 569	0.17 570	0.27 549	0.16 355	0.45 597	0.42 545	0.27 524	0.24 401	0.30 518	0.16 423	0.27 537	0.18 451	0.12 523	0.09 500	0.12 528	0.11 519	0.16 575	0.08 403

Anonymous_2	0.22 519	0.17 548	0.28 532	0.15 115	0.16 558	0.33 573	0.22 520	0.23 353	0.18 286	0.23 487	0.24 401	0.26 484	0.27 544	0.27 537	0.24 525	0.22 602	0.26 609	0.17 575	0.17 583	0.16 575	0.18 587

Wz-Net-LNSev	0.22 519	0.16 538	0.41 574	0.22 522	0.13 510	0.25 528	0.24 542	0.33 514	0.44 555	0.30 553	0.42 570	0.32 540	0.19 479	0.23 515	0.27 552	0.10 465	0.09 500	0.08 344	0.08 405	0.12 521	0.11 502

FINET	0.22 519	0.18 563	0.28 532	0.19 414	0.16 558	0.24 519	0.24 542	0.33 514	0.49 570	0.26 517	0.33 511	0.22 435	0.23 512	0.23 515	0.18 451	0.18 587	0.16 582	0.11 506	0.10 489	0.15 564	0.14 552

Syn2CoEx	0.22 519	0.16 538	0.29 541	0.29 590	0.15 546	0.26 540	0.21 508	0.34 528	0.32 480	0.29 547	0.36 530	0.28 501	0.25 529	0.20 471	0.25 533	0.16 581	0.12 551	0.14 555	0.11 519	0.09 446	0.08 403

aanetorigin	0.22 519	0.17 548	0.57 595	0.18 354	0.10 399	0.16 395	0.19 473	0.20 293	0.33 485	0.49 602	0.48 582	0.30 518	0.28 553	0.21 489	0.24 525	0.08 367	0.07 442	0.08 344	0.07 338	0.10 481	0.09 448

MaskLacGwcNet_RVC	0.22 519	0.21 575	0.25 518	0.26 569	0.11 454	0.24 519	0.14 221	0.39 572	0.24 385	0.32 566	0.36 530	0.30 518	0.21 499	0.19 453	0.22 502	0.17 586	0.14 573	0.21 589	0.16 575	0.13 536	0.12 523

RP	0.22 519	0.13 505	0.22 501	0.23 541	0.12 484	0.21 486	0.20 492	0.26 411	0.45 559	0.22 473	0.38 540	0.37 560	0.25 529	0.28 546	0.25 533	0.11 497	0.12 551	0.13 542	0.12 540	0.13 536	0.14 552

stereogan	0.22 519	0.11 458	0.21 490	0.20 470	0.12 484	0.32 571	0.19 473	0.36 550	0.45 559	0.23 487	0.39 548	0.35 555	0.27 544	0.33 569	0.23 513	0.10 465	0.12 551	0.10 476	0.10 489	0.14 552	0.14 552

GANet	0.22 519	0.13 505	0.21 490	0.25 560	0.14 528	0.23 513	0.22 520	0.42 585	0.27 435	0.31 559	0.43 573	0.37 560	0.29 557	0.23 515	0.23 513	0.10 465	0.12 551	0.10 476	0.09 451	0.10 481	0.08 403

MDST_ROB	0.22 519	0.10 433	0.18 453	0.18 354	0.11 454	0.40 595	0.19 473	0.44 595	0.42 545	0.40 585	0.40 551	0.29 509	0.21 499	0.27 537	0.19 466	0.11 497	0.10 523	0.14 555	0.11 519	0.10 481	0.08 403

XPNet_ROB	0.22 519	0.12 477	0.20 480	0.22 522	0.13 510	0.22 500	0.19 473	0.35 543	0.40 536	0.30 553	0.40 551	0.38 566	0.27 544	0.26 535	0.29 568	0.15 564	0.10 523	0.10 476	0.10 489	0.13 536	0.12 523

PSMNet_ROB	0.22 519	0.12 477	0.15 356	0.27 577	0.15 546	0.25 528	0.36 608	0.43 591	0.37 521	0.27 524	0.33 511	0.32 540	0.23 512	0.21 489	0.27 552	0.12 523	0.08 473	0.13 542	0.11 519	0.10 481	0.09 448

MSAF-DinoV2	0.23 532	0.11 458	0.25 518	0.17 271	0.10 399	0.28 560	0.17 381	0.38 566	0.56 589	0.21 458	0.27 460	0.47 596	0.28 553	0.36 581	0.40 601	0.09 423	0.06 362	0.07 263	0.09 451	0.12 521	0.11 502

Wz-Net-MNSev	0.23 532	0.13 505	0.33 556	0.20 470	0.15 546	0.36 585	0.25 558	0.34 528	0.45 559	0.29 547	0.41 562	0.39 571	0.19 479	0.25 531	0.27 552	0.09 423	0.07 442	0.09 428	0.09 451	0.12 521	0.10 478

DDUNet	0.23 532	0.18 563	0.22 501	0.22 522	0.15 546	0.25 528	0.24 542	0.30 479	0.31 474	0.31 559	0.37 533	0.34 550	0.26 537	0.25 531	0.21 489	0.18 587	0.13 563	0.17 575	0.11 519	0.16 575	0.17 584

APVNet	0.23 532	0.12 477	0.20 480	0.18 354	0.14 528	0.32 571	0.31 597	0.40 575	0.33 485	0.27 524	0.40 551	0.30 518	0.29 557	0.27 537	0.25 533	0.11 497	0.12 551	0.11 506	0.14 556	0.12 521	0.13 536

AF-Net	0.23 532	0.17 548	0.17 421	0.27 577	0.13 510	0.26 540	0.24 542	0.33 514	0.51 577	0.25 512	0.33 511	0.39 571	0.27 544	0.28 546	0.26 546	0.11 497	0.10 523	0.16 573	0.12 540	0.11 503	0.11 502

edge stereo	0.23 532	0.14 520	0.21 490	0.21 501	0.13 510	0.24 519	0.16 355	0.32 500	0.42 545	0.32 566	0.40 551	0.39 571	0.35 582	0.25 531	0.25 533	0.13 540	0.11 536	0.14 555	0.11 519	0.12 521	0.14 552

Nwc_Net	0.23 532	0.17 548	0.22 501	0.25 560	0.15 546	0.25 528	0.27 572	0.38 566	0.39 532	0.22 473	0.41 562	0.30 518	0.29 557	0.28 546	0.25 533	0.11 497	0.10 523	0.17 575	0.20 589	0.10 481	0.11 502

RTSC	0.23 532	0.13 505	0.30 547	0.21 501	0.13 510	0.29 564	0.17 381	0.36 550	0.68 610	0.27 524	0.34 521	0.30 518	0.22 506	0.32 565	0.31 578	0.10 465	0.08 473	0.09 428	0.10 489	0.13 536	0.14 552

RYNet	0.23 532	0.12 477	0.22 501	0.19 414	0.17 570	0.47 601	0.26 567	0.39 572	0.49 570	0.24 499	0.29 486	0.34 550	0.24 521	0.20 471	0.31 578	0.10 465	0.06 362	0.09 428	0.09 451	0.14 552	0.15 566

NaN_ROB	0.23 532	0.20 570	0.25 518	0.25 560	0.13 510	0.31 569	0.27 572	0.34 528	0.41 543	0.31 559	0.31 496	0.32 540	0.23 512	0.31 560	0.22 502	0.11 497	0.17 586	0.10 476	0.11 519	0.08 382	0.09 448

ETE_ROB	0.23 532	0.17 548	0.23 509	0.25 560	0.14 528	0.26 540	0.29 589	0.32 500	0.37 521	0.28 538	0.37 533	0.45 589	0.27 544	0.28 546	0.27 552	0.11 497	0.09 500	0.12 528	0.10 489	0.14 552	0.13 536

w-ln-seven	0.24 543	0.15 527	0.58 598	0.20 470	0.14 528	0.26 540	0.22 520	0.36 550	0.62 601	0.30 553	0.40 551	0.30 518	0.23 512	0.22 507	0.28 560	0.09 423	0.09 500	0.11 506	0.10 489	0.11 503	0.10 478

SQANet	0.24 543	0.24 584	0.31 550	0.31 595	0.19 583	0.27 549	0.13 154	0.30 479	0.33 485	0.25 512	0.37 533	0.31 533	0.22 506	0.27 537	0.23 513	0.15 564	0.10 523	0.21 589	0.16 575	0.22 590	0.16 575

DeepPrunerF	0.24 543	0.17 548	0.45 580	0.26 569	0.16 558	0.23 513	0.29 589	0.37 559	0.51 577	0.27 524	0.31 496	0.24 461	0.28 553	0.22 507	0.23 513	0.15 564	0.11 536	0.20 588	0.18 587	0.12 521	0.14 552

PA-Net	0.24 543	0.18 563	0.34 559	0.28 583	0.22 592	0.22 500	0.39 613	0.29 468	0.39 532	0.22 473	0.33 511	0.25 474	0.26 537	0.21 489	0.25 533	0.10 465	0.23 607	0.15 566	0.22 594	0.09 446	0.13 536
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
NCCL2	0.24 543	0.15 527	0.18 453	0.34 599	0.18 579	0.24 519	0.24 542	0.34 528	0.29 458	0.31 559	0.38 540	0.38 566	0.29 557	0.23 515	0.25 533	0.15 564	0.12 551	0.18 584	0.21 591	0.13 536	0.13 536

WCMA_ROB	0.24 543	0.11 458	0.24 515	0.17 271	0.14 528	0.34 577	0.16 355	0.33 514	0.33 485	0.39 582	0.54 590	0.40 578	0.35 582	0.35 577	0.26 546	0.12 523	0.12 551	0.12 528	0.11 519	0.14 552	0.14 552

SGM_RVC	0.24 543	0.12 477	0.16 398	0.15 115	0.09 292	0.34 577	0.19 473	0.35 543	0.32 480	0.44 596	0.38 540	0.53 604	0.36 586	0.36 581	0.26 546	0.13 540	0.13 563	0.13 542	0.13 551	0.11 503	0.11 502
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
NLCSM	0.25 550	0.17 548	0.21 490	0.21 501	0.23 593	0.27 549	0.18 429	0.46 600	0.30 464	0.27 524	0.24 401	0.39 571	0.35 582	0.47 606	0.49 615	0.09 423	0.11 536	0.11 506	0.16 575	0.11 503	0.12 523

z-mn7	0.25 550	0.15 527	0.47 584	0.19 414	0.13 510	0.28 560	0.25 558	0.35 543	0.64 605	0.27 524	0.57 597	0.29 509	0.24 521	0.32 565	0.27 552	0.08 367	0.08 473	0.08 344	0.08 405	0.10 481	0.10 478

DGSMNet	0.25 550	0.19 566	0.34 559	0.21 501	0.24 598	0.24 519	0.21 508	0.36 550	0.42 545	0.25 512	0.32 505	0.38 566	0.21 499	0.29 553	0.24 525	0.13 540	0.11 536	0.14 555	0.16 575	0.23 593	0.23 600

psmorigin	0.25 550	0.16 538	0.35 565	0.17 271	0.13 510	0.24 519	0.14 221	0.34 528	0.34 496	0.41 589	0.55 591	0.41 581	0.38 589	0.35 577	0.28 560	0.11 497	0.15 577	0.11 506	0.11 519	0.12 521	0.17 584

RGC	0.25 550	0.20 570	0.29 541	0.28 583	0.16 558	0.22 500	0.23 532	0.33 514	0.44 555	0.27 524	0.40 551	0.38 566	0.28 553	0.37 586	0.23 513	0.11 497	0.13 563	0.17 575	0.17 583	0.15 564	0.16 575

G-Net	0.25 550	0.17 548	0.38 569	0.23 541	0.16 558	0.51 604	0.23 532	0.29 468	0.35 510	0.36 575	0.38 540	0.31 533	0.29 557	0.28 546	0.27 552	0.11 497	0.09 500	0.12 528	0.10 489	0.16 575	0.14 552

NCC-stereo	0.25 550	0.15 527	0.31 550	0.26 569	0.17 570	0.21 486	0.31 597	0.41 580	0.40 536	0.24 499	0.38 540	0.33 546	0.29 557	0.37 586	0.28 560	0.13 540	0.11 536	0.15 566	0.22 594	0.13 536	0.13 536

Abc-Net	0.25 550	0.15 527	0.31 550	0.26 569	0.17 570	0.21 486	0.31 597	0.41 580	0.40 536	0.24 499	0.38 540	0.33 546	0.29 557	0.37 586	0.28 560	0.13 540	0.11 536	0.15 566	0.22 594	0.13 536	0.13 536
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
ADCL	0.25 550	0.12 477	0.49 587	0.22 522	0.12 484	0.36 585	0.29 589	0.30 479	0.57 591	0.24 499	0.47 581	0.30 518	0.31 573	0.30 559	0.30 573	0.09 423	0.07 442	0.09 428	0.09 451	0.10 481	0.10 478

FBW_ROB	0.25 550	0.17 548	0.23 509	0.27 577	0.14 528	0.26 540	0.22 520	0.42 585	0.43 553	0.42 591	0.41 562	0.43 585	0.27 544	0.32 565	0.24 525	0.09 423	0.15 577	0.15 566	0.12 540	0.12 521	0.10 478

SANet	0.25 550	0.14 520	0.29 541	0.21 501	0.11 454	0.29 564	0.25 558	0.40 575	0.65 608	0.36 575	0.40 551	0.42 583	0.27 544	0.27 537	0.25 533	0.12 523	0.09 500	0.10 476	0.09 451	0.13 536	0.12 523

LALA_ROB	0.25 550	0.16 538	0.23 509	0.27 577	0.17 570	0.27 549	0.27 572	0.42 585	0.38 527	0.33 570	0.39 548	0.51 600	0.26 537	0.29 553	0.28 560	0.16 581	0.09 500	0.13 542	0.12 540	0.13 536	0.13 536

zh-sn7	0.26 562	0.17 548	0.55 592	0.24 552	0.14 528	0.25 528	0.25 558	0.34 528	0.49 570	0.29 547	0.55 591	0.29 509	0.32 575	0.37 586	0.33 586	0.10 465	0.10 523	0.11 506	0.11 519	0.12 521	0.12 523

zh-mn7	0.26 562	0.15 527	0.59 600	0.19 414	0.14 528	0.24 519	0.22 520	0.35 543	0.63 604	0.35 572	0.67 606	0.31 533	0.25 529	0.31 560	0.26 546	0.09 423	0.08 473	0.09 428	0.09 451	0.09 446	0.11 502

Wz-Net-SNSev	0.26 562	0.17 548	0.46 581	0.25 560	0.14 528	0.26 540	0.24 542	0.38 566	0.57 591	0.30 553	0.56 593	0.39 571	0.26 537	0.24 526	0.32 583	0.10 465	0.09 500	0.10 476	0.11 519	0.11 503	0.11 502

SHD	0.26 562	0.15 527	0.31 550	0.24 552	0.18 579	0.23 513	0.15 295	0.39 572	0.72 615	0.32 566	0.42 570	0.36 557	0.29 557	0.33 569	0.30 573	0.13 540	0.11 536	0.14 555	0.13 551	0.16 575	0.20 595

ADCMid	0.26 562	0.15 527	0.42 577	0.20 470	0.14 528	0.25 528	0.26 567	0.35 543	0.40 536	0.37 579	0.45 577	0.34 550	0.42 599	0.36 581	0.36 591	0.10 465	0.09 500	0.11 506	0.11 519	0.13 536	0.13 536

AnyNet_C32	0.26 562	0.16 538	0.39 570	0.20 470	0.17 570	0.26 540	0.31 597	0.32 500	0.45 559	0.31 559	0.50 585	0.30 518	0.34 579	0.41 602	0.36 591	0.12 523	0.12 551	0.12 528	0.14 556	0.14 552	0.15 566

ADCPNet	0.26 562	0.17 548	0.62 603	0.21 501	0.15 546	0.36 585	0.25 558	0.33 514	0.37 521	0.31 559	0.41 562	0.36 557	0.29 557	0.29 553	0.34 589	0.12 523	0.10 523	0.11 506	0.12 540	0.14 552	0.13 536

DispFullNet	0.27 569	0.22 579	0.66 606	0.28 583	0.17 570	0.27 549	0.17 381	0.34 528	0.57 591	0.27 524	0.37 533	0.43 585	0.24 521	0.39 593	0.25 533	0.12 523	0.06 362	0.19 586	0.11 519	0.23 593	0.16 575

MeshStereo	0.27 569	0.13 505	0.18 453	0.15 115	0.11 454	0.33 573	0.24 542	0.41 580	0.36 515	0.53 605	0.58 601	0.67 614	0.41 595	0.36 581	0.27 552	0.14 560	0.13 563	0.13 542	0.11 519	0.11 503	0.11 502
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
PSMNet-RUCA	0.28 571	0.33 604	0.42 577	0.36 603	0.32 610	0.18 434	0.20 492	0.42 585	0.30 464	0.33 570	0.41 562	0.40 578	0.24 521	0.31 560	0.20 476	0.19 590	0.11 536	0.25 596	0.15 571	0.22 590	0.16 575

CC-Net-ROB	0.28 571	0.31 602	0.36 567	0.30 593	0.15 546	0.25 528	0.19 473	0.45 597	0.34 496	0.39 582	0.37 533	0.39 571	0.31 573	0.27 537	0.27 552	0.24 609	0.18 588	0.30 610	0.23 598	0.19 587	0.15 566

DPSNet	0.28 571	0.16 538	0.33 556	0.18 354	0.13 510	0.55 607	0.42 616	0.52 609	0.68 610	0.29 547	0.38 540	0.39 571	0.30 568	0.32 565	0.23 513	0.11 497	0.10 523	0.11 506	0.08 405	0.20 589	0.16 575

PDISCO_ROB	0.28 571	0.16 538	0.28 532	0.28 583	0.20 586	0.33 573	0.27 572	0.45 597	0.58 594	0.28 538	0.41 562	0.45 589	0.30 568	0.34 572	0.35 590	0.12 523	0.09 500	0.17 575	0.16 575	0.17 582	0.13 536

Wz-Net-TNSev	0.29 575	0.20 570	0.69 614	0.19 414	0.15 546	0.38 591	0.27 572	0.36 550	0.56 589	0.35 572	0.42 570	0.45 589	0.39 590	0.33 569	0.31 578	0.13 540	0.13 563	0.10 476	0.12 540	0.15 564	0.15 566

WZ-Net	0.29 575	0.17 548	0.82 622	0.23 541	0.16 558	0.35 581	0.29 589	0.40 575	0.59 596	0.24 499	0.57 597	0.37 560	0.25 529	0.34 572	0.37 595	0.09 423	0.08 473	0.09 428	0.10 489	0.14 552	0.16 575

XQC	0.29 575	0.23 581	0.53 589	0.29 590	0.19 583	0.36 585	0.28 578	0.37 559	0.58 594	0.31 559	0.31 496	0.37 560	0.30 568	0.39 593	0.39 599	0.13 540	0.09 500	0.15 566	0.12 540	0.18 584	0.18 587

MultiAttention	0.30 578	0.08 296	0.15 356	0.19 414	0.13 510	1.56 643	1.33 645	0.36 550	0.36 515	0.20 442	0.21 369	0.24 461	0.11 285	0.39 593	0.18 451	0.06 130	0.05 184	0.08 344	0.08 405	0.11 503	0.09 448

ccnet	0.30 578	0.28 593	0.24 515	0.20 470	0.28 605	0.41 597	0.22 520	0.46 600	0.33 485	0.37 579	0.46 579	0.37 560	0.30 568	0.40 597	0.43 606	0.23 607	0.14 573	0.21 589	0.17 583	0.23 593	0.19 592

EDNetEfficient	0.30 578	0.24 584	1.18 630	0.18 354	0.10 399	0.20 475	0.20 492	0.21 311	0.61 598	0.74 620	0.56 593	0.30 518	0.40 594	0.23 515	0.32 583	0.09 423	0.07 442	0.08 344	0.07 338	0.11 503	0.10 478

MFN_U_SF_DS_RVC	0.30 578	0.24 584	0.30 547	0.36 603	0.16 558	0.36 585	0.31 597	0.34 528	0.43 553	0.41 589	0.46 579	0.38 566	0.30 568	0.35 577	0.29 568	0.19 590	0.20 594	0.26 597	0.29 608	0.18 584	0.19 592

ADCS	0.30 578	0.19 566	0.48 586	0.21 501	0.18 579	0.29 564	0.24 542	0.42 585	0.64 605	0.40 585	0.50 585	0.40 578	0.37 587	0.40 597	0.43 606	0.13 540	0.13 563	0.13 542	0.14 556	0.16 575	0.16 575

CSAN	0.30 578	0.24 584	0.28 532	0.34 599	0.19 583	0.34 577	0.42 616	0.38 566	0.51 577	0.38 581	0.40 551	0.44 588	0.34 579	0.29 553	0.31 578	0.19 590	0.16 582	0.19 586	0.19 588	0.14 552	0.15 566

GANetREF_RVC	0.31 584	0.34 605	0.29 541	0.35 601	0.16 558	0.33 573	0.42 616	0.48 603	0.52 583	0.35 572	0.35 525	0.34 550	0.32 575	0.40 597	0.33 586	0.27 611	0.20 594	0.29 608	0.15 571	0.19 587	0.18 587
Zhang, Feihu and Prisacariu, Victor and Yang, Ruigang and Torr, Philip HS: GA-Net: Guided Aggregation Net for End- to-end Stereo Matching. CVPR 2019
MSMD_ROB	0.31 584	0.26 590	0.26 527	0.24 552	0.21 589	0.34 577	0.25 558	0.34 528	0.39 532	0.40 585	0.69 610	0.45 589	0.41 595	0.34 572	0.28 560	0.20 595	0.20 594	0.26 597	0.25 600	0.23 593	0.22 599

FC-DCNN v2	0.33 586	0.28 593	0.28 532	0.26 569	0.23 593	0.39 593	0.29 589	0.41 580	0.44 555	0.46 599	0.57 597	0.51 600	0.41 595	0.38 591	0.30 573	0.21 598	0.20 594	0.27 600	0.26 601	0.25 601	0.24 601

FCDSN-DC	0.33 586	0.28 593	0.28 532	0.30 593	0.24 598	0.39 593	0.28 578	0.43 591	0.42 545	0.44 596	0.53 589	0.51 600	0.42 599	0.37 586	0.30 573	0.21 598	0.20 594	0.27 600	0.26 601	0.25 601	0.25 603
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
MFN_U_SF_RVC	0.33 586	0.22 579	0.58 598	0.31 595	0.15 546	0.36 585	0.17 381	0.54 612	0.46 566	0.47 601	0.56 593	0.58 607	0.39 590	0.36 581	0.38 598	0.15 564	0.15 577	0.18 584	0.21 591	0.16 575	0.16 575

FC-DCNN	0.33 586	0.28 593	0.28 532	0.26 569	0.23 593	0.38 591	0.29 589	0.40 575	0.44 555	0.46 599	0.56 593	0.51 600	0.41 595	0.38 591	0.31 578	0.21 598	0.20 594	0.27 600	0.26 601	0.25 601	0.24 601

PASM	0.33 586	0.25 589	0.51 588	0.28 583	0.27 604	0.30 567	0.31 597	0.35 543	0.51 577	0.36 575	0.40 551	0.47 596	0.35 582	0.34 572	0.36 591	0.23 607	0.26 609	0.26 597	0.28 607	0.23 593	0.21 596

SGM-ForestM	0.33 586	0.12 477	0.17 421	0.16 192	0.11 454	0.42 598	0.20 492	0.43 591	0.53 586	0.53 605	0.57 597	1.41 637	0.44 604	0.42 603	0.29 568	0.14 560	0.16 582	0.16 573	0.16 575	0.12 521	0.13 536

LSM	0.34 592	0.21 575	0.62 603	0.27 577	0.62 629	0.35 581	0.26 567	0.43 591	0.49 570	0.45 598	0.60 604	0.42 583	0.37 587	0.35 577	0.26 546	0.13 540	0.21 604	0.14 555	0.16 575	0.18 584	0.34 615

GCST	0.37 593	0.42 612	0.27 529	1.03 636	0.39 612	0.18 434	0.08 7	0.21 311	0.18 286	0.28 538	0.25 429	0.15 330	0.12 317	0.16 372	0.14 368	0.64 632	0.43 621	0.75 629	0.65 631	0.64 625	0.46 624

AnyNet_C01	0.37 593	0.26 590	1.41 633	0.22 522	0.17 570	0.51 604	0.28 578	0.36 550	0.40 536	0.39 582	0.75 616	0.46 593	0.39 590	0.46 605	0.50 617	0.13 540	0.13 563	0.13 542	0.14 556	0.14 552	0.16 575

otaku	0.39 595	0.38 608	0.53 589	0.44 610	0.28 605	0.57 609	0.24 542	0.42 585	0.62 601	0.40 585	0.50 585	0.46 593	0.34 579	0.40 597	0.33 586	0.30 612	0.30 613	0.39 614	0.33 613	0.30 608	0.29 609

ACVNet-4b	0.39 595	0.53 615	0.56 593	0.45 611	0.24 598	0.46 600	0.18 429	0.50 605	0.64 605	0.42 591	0.45 577	0.60 608	0.27 544	0.34 572	0.24 525	0.33 614	0.14 573	0.48 617	0.42 618	0.31 611	0.27 608

PVD	0.40 597	0.21 575	0.40 572	0.32 598	0.23 593	0.30 567	0.45 620	0.53 611	0.97 629	0.55 608	0.80 620	0.54 605	0.60 619	0.53 613	0.40 601	0.19 590	0.14 573	0.17 575	0.14 556	0.24 599	0.32 613

Ntro	0.41 598	0.40 610	0.54 591	0.46 614	0.30 609	0.64 613	0.24 542	0.47 602	0.68 610	0.42 591	0.49 583	0.47 596	0.42 599	0.40 597	0.32 583	0.32 613	0.28 611	0.37 613	0.31 611	0.33 613	0.29 609

SAMSARA	0.41 598	0.28 593	0.34 559	0.55 617	0.39 612	0.85 628	1.25 644	0.49 604	0.52 583	0.36 575	0.35 525	0.56 606	0.39 590	0.39 593	0.41 603	0.15 564	0.20 594	0.15 566	0.14 556	0.23 593	0.21 596

ELAS_RVC	0.42 600	0.29 600	0.33 556	0.28 583	0.24 598	0.56 608	0.38 611	0.50 605	0.61 598	0.74 620	0.76 617	0.67 614	0.56 614	0.55 615	0.42 605	0.22 602	0.21 604	0.27 600	0.26 601	0.27 607	0.26 606
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.42 600	0.29 600	0.34 559	0.28 583	0.24 598	0.63 612	0.37 609	0.52 609	0.52 583	0.72 617	0.82 621	0.68 616	0.56 614	0.52 611	0.45 612	0.22 602	0.21 604	0.27 600	0.26 601	0.26 605	0.26 606
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
Consistency-Raft	0.44 602	0.40 610	0.46 581	0.37 605	0.43 616	0.42 598	0.41 614	0.57 614	0.55 587	0.32 566	0.73 614	0.32 540	0.50 608	0.42 603	0.49 615	0.39 616	0.36 618	0.45 616	0.52 627	0.42 616	0.30 611

MSC_U_SF_DS_RVC	0.44 602	0.39 609	0.56 593	0.40 606	0.20 586	0.66 615	0.33 606	0.54 612	0.72 615	0.71 616	0.72 613	0.62 609	0.55 612	0.52 611	0.47 613	0.20 595	0.19 593	0.29 608	0.30 610	0.24 599	0.19 592

ACVNet_1	0.45 604	0.51 614	0.61 601	0.45 611	0.28 605	0.50 602	0.28 578	0.58 619	0.71 614	0.63 611	0.59 603	0.74 619	0.50 608	0.50 608	0.36 591	0.26 610	0.25 608	0.39 614	0.29 608	0.32 612	0.25 603

RTS	0.46 605	0.19 566	3.33 639	0.25 560	0.15 546	0.72 620	0.21 508	0.37 559	0.78 622	0.42 591	0.44 575	0.31 533	0.43 602	0.55 615	0.37 595	0.10 465	0.09 500	0.13 542	0.13 551	0.15 564	0.15 566

RTSA	0.46 605	0.19 566	3.33 639	0.25 560	0.15 546	0.72 620	0.21 508	0.37 559	0.78 622	0.42 591	0.44 575	0.31 533	0.43 602	0.55 615	0.37 595	0.10 465	0.09 500	0.13 542	0.13 551	0.15 564	0.15 566

MANE	0.47 607	0.28 593	0.28 532	0.27 577	0.24 598	0.50 602	0.32 605	0.57 614	0.62 601	0.74 620	1.20 639	1.21 630	0.64 621	0.54 614	0.39 599	0.22 602	0.20 594	0.27 600	0.31 611	0.26 605	0.25 603

NVStereoNet_ROB	0.47 607	0.37 607	0.47 584	0.42 609	0.29 608	0.35 581	0.35 607	0.50 605	0.61 598	0.73 618	0.94 626	0.70 618	0.68 623	0.48 607	0.62 625	0.22 602	0.33 617	0.34 612	0.34 615	0.30 608	0.31 612
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
MonStereo1	0.49 609	0.27 592	0.61 601	0.29 590	0.20 586	0.40 595	0.19 473	0.51 608	0.66 609	0.53 605	0.91 625	1.02 624	0.59 618	0.51 610	0.58 622	0.53 625	0.32 616	0.55 623	0.40 616	0.36 614	0.38 618

LE_ROB	0.50 610	0.07 181	0.14 318	0.15 115	0.08 182	0.26 540	0.17 381	0.23 353	1.71 644	4.68 648	0.67 606	0.46 593	0.47 605	0.21 489	0.30 573	0.07 305	0.06 362	0.06 162	0.06 246	0.08 382	0.06 255

anonymity	0.53 611	0.58 616	0.66 606	0.41 607	0.61 628	0.54 606	0.41 614	0.57 614	0.41 543	0.56 609	0.50 585	0.50 599	0.55 612	0.59 620	0.50 617	0.58 628	0.50 631	0.51 619	0.51 625	0.52 618	0.58 626

RainbowNet	0.54 612	0.61 619	0.71 619	0.57 618	0.43 616	0.66 615	0.37 609	0.60 620	0.87 626	0.51 603	0.67 606	0.63 610	0.47 605	0.50 608	0.44 609	0.47 622	0.48 627	0.53 621	0.41 617	0.53 620	0.41 621

BEATNet-Init1	0.54 612	0.28 593	0.68 613	0.31 595	0.21 589	0.85 628	0.31 597	0.57 614	0.69 613	0.89 627	1.00 629	2.17 644	0.66 622	0.58 619	0.44 609	0.19 590	0.18 588	0.23 594	0.22 594	0.22 590	0.21 596

SGM+DAISY	0.57 614	0.58 616	0.67 610	0.41 607	0.55 622	0.68 617	0.51 622	0.57 614	0.46 566	0.67 612	0.70 611	0.69 617	0.57 616	0.64 622	0.58 622	0.59 629	0.49 628	0.50 618	0.50 624	0.52 618	0.59 629

SPS-STEREO	0.58 615	0.59 618	0.66 606	0.45 611	0.55 622	0.65 614	0.44 619	0.63 621	0.51 577	0.69 614	0.65 605	0.66 613	0.58 617	0.62 621	0.62 625	0.62 631	0.47 626	0.51 619	0.49 622	0.55 621	0.58 626
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MFMNet_re	0.65 616	0.66 623	0.66 606	0.51 615	0.69 633	0.70 618	0.58 626	0.65 622	0.75 620	0.61 610	0.73 614	0.63 610	0.68 623	0.65 623	0.60 624	0.66 633	0.58 640	0.63 624	0.59 628	0.68 629	0.69 636

IMH-64-1	0.66 617	0.62 620	0.69 614	0.72 621	0.51 619	0.60 610	0.51 622	0.92 628	0.84 624	0.75 623	1.02 630	0.81 620	0.78 628	0.80 626	0.50 617	0.43 618	0.46 622	0.72 626	0.48 620	0.55 621	0.40 619

IMH-64	0.66 617	0.62 620	0.69 614	0.72 621	0.51 619	0.60 610	0.51 622	0.92 628	0.84 624	0.75 623	1.02 630	0.81 620	0.78 628	0.80 626	0.50 617	0.43 618	0.46 622	0.72 626	0.48 620	0.55 621	0.40 619

ACVNet_2	0.67 619	0.68 624	0.70 617	0.64 619	0.41 614	0.75 623	0.50 621	0.98 634	1.38 639	0.90 628	1.09 633	1.04 625	0.74 626	0.55 615	0.48 614	0.43 618	0.40 620	0.53 621	0.45 619	0.48 617	0.36 617

IMH	0.72 620	0.65 622	0.70 617	0.77 623	0.54 621	0.71 619	0.56 625	0.99 636	1.08 630	0.82 626	1.09 633	0.89 622	0.88 632	0.88 634	0.53 621	0.44 621	0.50 631	0.75 629	0.51 625	0.58 624	0.42 622

PWCK	0.72 620	0.95 634	0.99 628	0.77 623	0.32 610	0.79 625	0.38 611	0.92 628	0.90 627	0.96 631	0.76 617	0.97 623	0.62 620	0.87 632	0.68 628	0.73 635	0.46 622	0.76 631	0.49 622	0.71 632	0.44 623

JetBlue	0.73 622	0.46 613	1.21 631	0.52 616	0.47 618	2.16 644	0.67 632	0.78 624	0.72 615	0.70 615	0.79 619	1.21 630	0.84 630	1.06 641	1.04 641	0.40 617	0.28 611	0.33 611	0.33 613	0.30 608	0.34 615

TorneroNet-64	0.76 623	0.73 626	0.77 620	0.78 625	0.58 627	0.94 633	0.58 626	0.85 627	1.26 634	0.67 612	0.88 623	1.41 637	0.76 627	0.87 632	0.68 628	0.49 623	0.46 622	0.73 628	0.59 628	0.68 629	0.54 625

MADNet+	0.76 623	0.72 625	3.76 642	0.67 620	0.41 614	0.99 634	0.97 642	0.72 623	0.75 620	0.52 604	0.58 601	0.64 612	0.68 623	0.89 635	1.04 641	0.35 615	0.36 618	0.28 607	0.23 598	0.38 615	0.33 614

WAO-7	0.80 625	0.78 628	0.57 595	0.85 628	0.67 632	0.76 624	0.69 635	1.07 638	1.30 636	0.90 628	1.20 639	1.05 626	0.93 634	0.71 624	0.68 628	0.60 630	0.62 641	0.67 625	0.68 634	0.64 625	0.59 629

WAO-6	0.82 626	0.81 629	0.63 605	0.87 630	0.63 630	0.79 625	0.60 628	0.98 634	1.52 643	0.91 630	0.97 628	1.08 627	1.04 638	0.72 625	0.70 631	0.72 634	0.49 628	0.91 637	0.71 635	0.70 631	0.59 629

TorneroNet	0.83 627	0.75 627	0.83 624	0.85 628	0.63 630	1.03 637	0.65 630	0.96 632	1.14 632	0.80 625	1.10 635	1.36 635	0.88 632	0.95 637	0.82 636	0.57 626	0.49 628	0.79 634	0.66 633	0.74 635	0.64 635

LVE	0.84 628	0.87 632	0.86 625	0.81 626	0.56 624	1.09 639	0.66 631	1.07 638	1.45 641	0.97 632	1.23 641	1.11 628	0.86 631	0.84 629	0.72 632	0.49 623	0.56 637	0.76 631	0.60 630	0.66 627	0.60 632

Dean	0.88 629	0.88 633	0.81 621	0.82 627	0.57 625	0.91 630	0.62 629	1.17 644	1.71 644	1.15 639	1.16 637	1.31 634	1.00 637	0.82 628	0.83 637	0.57 626	0.56 637	0.78 633	0.65 631	0.67 628	0.58 626

WAO-8	0.92 630	0.83 630	0.67 610	0.94 633	0.70 634	0.92 631	0.68 633	1.08 640	1.80 646	1.06 636	1.42 643	1.29 632	1.08 640	0.86 630	0.80 634	0.74 636	0.54 634	0.86 635	0.75 636	0.71 632	0.63 633

Venus	0.92 630	0.83 630	0.67 610	0.94 633	0.70 634	0.92 631	0.68 633	1.08 640	1.80 646	1.06 636	1.42 643	1.29 632	1.08 640	0.86 630	0.80 634	0.74 636	0.54 634	0.86 635	0.75 636	0.71 632	0.63 633

UNDER WATER-64	0.97 632	0.96 635	1.48 635	0.88 631	0.57 625	1.24 642	0.90 640	0.78 624	0.96 628	1.05 634	0.85 622	1.56 642	1.26 644	0.97 639	0.99 639	0.88 640	0.57 639	1.04 640	0.88 640	0.81 636	0.75 637

notaker	0.98 633	1.13 637	1.02 629	1.14 638	0.81 637	0.73 622	0.69 635	0.94 631	1.15 633	1.19 641	1.19 638	1.41 637	1.17 643	1.10 643	0.74 633	0.82 639	0.64 642	1.18 641	0.79 638	1.02 639	0.82 640

UNDER WATER	0.99 634	1.00 636	1.47 634	1.00 635	0.71 636	1.18 641	0.86 638	0.81 626	1.09 631	1.02 633	0.90 624	1.53 641	1.26 644	1.06 641	1.02 640	0.79 638	0.54 634	1.02 639	0.88 640	0.83 637	0.75 637

ktn	1.02 635	1.23 639	0.82 622	1.24 640	0.86 639	1.00 636	0.86 638	0.96 632	1.37 638	1.05 634	1.12 636	1.16 629	1.06 639	0.95 637	0.62 625	1.28 645	0.71 643	1.39 645	0.83 639	1.06 641	0.77 639

KSHMR	1.10 636	1.19 638	0.90 627	1.26 641	1.00 641	0.99 634	0.96 641	1.13 643	1.35 637	1.16 640	1.28 642	1.40 636	0.97 636	1.03 640	0.93 638	1.03 643	1.08 645	1.20 642	1.03 644	1.03 640	0.98 642

DPSimNet_ROB	1.14 637	1.25 640	0.87 626	1.15 639	0.90 640	1.15 640	1.18 643	1.20 645	1.26 634	1.45 643	1.05 632	1.44 640	1.13 642	0.92 636	1.70 644	1.47 646	0.52 633	1.22 643	1.04 645	0.92 638	1.03 643

HanzoNet	1.31 638	1.29 641	1.22 632	1.13 637	0.85 638	1.05 638	0.84 637	1.06 637	1.47 642	1.66 644	1.63 645	2.48 646	1.78 646	1.63 645	1.69 643	1.27 644	0.80 644	1.32 644	1.02 643	1.07 642	0.90 641

JetRed	1.66 639	1.51 642	3.09 638	0.93 632	1.21 642	5.28 647	1.61 647	1.29 646	1.42 640	1.84 645	1.77 646	1.59 643	0.95 635	1.43 644	2.51 648	0.91 642	1.61 646	0.93 638	0.91 642	1.36 643	1.03 643

MADNet++	1.97 640	1.75 643	1.66 636	1.83 642	1.69 644	2.38 645	1.45 646	2.36 647	2.11 648	2.58 647	2.37 648	2.25 645	2.21 647	2.28 646	2.36 647	1.87 647	1.67 647	1.53 646	1.34 646	1.87 644	1.78 646

coex-ft	3.24 641	0.35 606	57.83 666	0.18 354	0.13 510	0.27 549	0.23 532	0.28 450	0.72 615	1.89 646	0.70 611	0.43 585	0.47 605	0.29 553	0.43 606	0.09 423	0.09 500	0.12 528	0.09 451	0.14 552	0.14 552

TCMNet-wrong-test	3.69 642	5.54 652	3.91 643	12.22 654	11.75 656	4.77 646	3.86 648	1.08 640	0.74 619	1.13 638	2.21 647	6.16 651	0.53 611	3.43 648	2.33 646	0.90 641	0.20 594	1.85 648	1.69 647	5.71 652	3.79 652

tt	4.65 643	0.07 181	3.54 641	2.01 643	1.55 643	10.25 651	16.66 652	8.90 656	5.03 649	1.33 642	0.96 627	4.71 647	4.74 648	3.33 647	5.86 650	6.06 655	10.30 659	1.87 649	2.09 649	2.61 646	1.19 645

USTest	6.16 644	2.65 646	2.79 637	6.48 650	7.21 650	14.33 654	21.38 654	6.98 655	9.55 654	5.35 651	6.12 649	5.71 650	7.69 651	6.31 652	6.75 651	1.97 648	3.38 653	1.63 647	2.14 650	2.49 645	2.35 647

xxxxx1	7.75 645	5.06 649	7.26 645	3.15 644	3.91 646	16.37 655	22.88 657	5.87 652	8.68 651	7.99 652	8.55 650	9.13 654	8.46 652	10.05 654	10.47 652	2.43 649	2.48 649	3.56 652	12.26 656	3.48 647	3.02 649

tt_ll	7.75 645	5.06 649	7.26 645	3.15 644	3.91 646	16.37 655	22.88 657	5.87 652	8.68 651	7.99 652	8.55 650	9.13 654	8.46 652	10.05 654	10.47 652	2.43 649	2.48 649	3.56 652	12.26 656	3.48 647	3.02 649

ff	7.75 645	5.06 649	7.26 645	3.15 644	3.91 646	16.37 655	22.88 657	5.87 652	8.68 651	7.99 652	8.55 650	9.13 654	8.46 652	10.05 654	10.47 652	2.43 649	2.48 649	3.56 652	12.26 656	3.48 647	3.02 649

EDNetEfficientorigin	7.92 648	0.32 603	152.98 667	0.20 470	0.10 399	0.22 500	0.17 381	0.23 353	0.60 597	0.73 618	0.67 606	0.41 581	0.51 610	0.24 526	0.41 603	0.08 367	0.07 442	0.09 428	0.07 338	0.12 521	0.11 502

DPSMNet_ROB	8.06 649	4.50 647	8.69 652	5.36 649	10.74 653	8.32 649	22.71 655	5.47 650	13.38 656	5.13 649	9.98 653	5.10 648	10.47 655	5.53 650	12.77 656	3.80 653	8.00 654	3.49 650	6.95 653	3.75 651	7.09 654

DGTPSM_ROB	8.06 649	4.50 647	8.69 652	5.34 647	10.73 652	8.32 649	22.71 655	5.47 650	13.38 656	5.13 649	9.98 653	5.10 648	10.47 655	5.53 650	12.77 656	3.79 652	8.00 654	3.49 650	6.95 653	3.74 650	7.09 654

PML	8.57 651	9.39 656	6.24 644	5.34 647	6.36 649	13.21 653	20.99 653	5.35 649	6.68 650	17.75 660	26.46 668	7.58 652	6.08 650	7.89 653	5.76 649	5.33 654	1.83 648	5.95 658	1.93 648	8.75 655	2.53 648

DLNR_Zeroshot_test	10.48 652	2.27 644	19.78 661	120.28 666	13.29 658	0.06 9	0.13 154	0.24 377	0.10 76	0.08 118	0.10 173	0.09 184	0.07 121	0.10 84	0.09 51	0.13 540	0.04 23	0.06 162	0.04 68	52.68 667	0.04 40

DLNR-FE	10.51 653	2.29 645	19.85 662	120.28 666	13.21 657	0.06 9	0.13 154	0.24 377	0.10 76	0.08 118	0.10 173	0.09 184	0.07 121	0.10 84	0.09 51	0.13 540	0.04 23	0.06 162	0.04 68	53.18 668	0.04 40

LRCNet_RVC	10.76 654	13.97 657	7.97 651	19.07 656	2.04 645	0.35 581	0.31 597	5.29 648	0.48 569	13.02 658	17.65 659	8.69 653	5.73 649	4.78 649	2.22 645	23.53 666	2.69 652	27.60 667	25.75 667	17.60 663	16.54 664

Anonymous_1	10.87 655	7.82 653	7.41 648	10.29 651	10.08 651	18.64 659	26.11 660	11.02 657	13.45 658	9.43 655	10.10 655	9.73 657	11.31 657	10.69 657	12.47 655	6.42 656	8.38 656	5.70 655	10.22 655	11.41 656	6.65 653

DPSM_ROB	11.10 656	8.47 654	7.95 649	10.84 652	11.58 654	19.10 660	26.50 661	12.02 658	14.09 659	10.38 656	10.91 656	10.39 658	11.92 658	11.67 658	13.39 658	6.99 657	8.79 657	5.82 656	6.92 651	6.97 653	7.31 656

DPSM	11.10 656	8.47 654	7.95 649	10.84 652	11.58 654	19.10 660	26.50 661	12.02 658	14.09 659	10.38 656	10.91 656	10.39 658	11.92 658	11.67 658	13.39 658	6.99 657	8.79 657	5.82 656	6.92 651	6.97 653	7.31 656

HaxPig	15.73 658	18.55 664	19.19 660	16.92 655	15.89 659	7.80 648	7.57 649	13.37 660	10.80 655	15.40 659	14.87 658	15.95 660	14.81 660	15.67 660	15.97 660	18.96 665	16.72 660	19.47 665	18.10 665	19.45 664	19.06 665

MEDIAN_ROB	20.38 659	24.05 665	23.36 663	21.18 657	21.62 660	10.51 652	8.17 650	17.68 661	15.46 661	20.04 661	19.65 660	20.30 661	20.16 661	21.17 661	21.03 661	23.81 667	21.77 667	24.98 666	23.75 666	25.01 665	23.94 666

RAFT-FEzeroshot	22.33 660	17.12 659	15.83 654	21.95 659	23.32 663	38.31 663	53.41 667	23.99 663	28.43 664	20.66 662	21.84 662	21.02 664	24.05 665	23.33 662	27.09 666	14.06 660	17.69 662	11.70 660	13.95 661	14.05 659	14.76 660

RAFT-FE	22.33 660	17.12 659	15.83 654	21.95 659	23.32 663	38.31 663	53.41 667	23.99 663	28.43 664	20.66 662	21.84 662	21.02 664	24.05 665	23.33 662	27.09 666	14.06 660	17.69 662	11.70 660	13.95 661	14.05 659	14.76 660

CasAABBNet	22.33 660	17.11 658	15.84 656	21.94 658	23.28 662	38.30 662	53.40 666	24.05 665	28.44 666	20.66 662	21.86 664	21.03 666	24.04 664	23.35 664	27.03 665	14.06 660	17.69 662	11.70 660	13.94 660	14.04 658	14.76 660

FlowAnything	22.34 663	17.13 661	15.98 657	22.00 661	23.23 661	38.39 667	53.32 664	24.19 666	28.48 667	21.00 667	21.93 665	20.83 662	23.97 662	23.44 666	26.83 663	14.04 659	17.80 666	11.63 659	14.08 664	14.00 657	14.65 658

Selective-RAFT-Error	22.39 664	17.14 662	16.01 658	22.00 661	23.34 665	38.37 665	53.36 665	24.24 668	28.53 668	20.80 665	21.94 666	20.94 663	24.02 663	23.48 667	27.33 668	14.07 663	17.70 665	11.70 660	13.93 659	14.05 659	14.83 663

LSM0	22.80 665	17.22 663	19.17 659	22.12 663	28.90 667	38.38 666	53.27 663	24.21 667	28.36 663	20.84 666	21.11 661	21.63 667	24.25 667	23.42 665	26.98 664	14.08 664	17.39 661	11.72 664	13.98 663	14.22 662	14.66 659

AVERAGE_ROB	24.89 666	29.12 666	27.98 664	24.83 664	24.59 666	17.82 658	11.61 651	21.45 662	19.91 662	25.04 668	24.38 667	25.06 668	25.31 668	24.69 668	22.86 662	29.74 668	27.09 668	28.97 668	27.94 668	30.07 666	29.35 667

test_example2	97.69 667	92.93 667	45.57 665	96.02 665	109.84 668	88.44 668	93.70 669	25.54 669	94.63 669	130.46 670	126.87 669	58.93 669	75.48 669	87.99 669	77.94 669	150.16 669	221.11 669	76.29 669	98.21 669	108.42 669	95.33 668

GS-Stereo							0.14 221	0.11 34	0.12 139	0.08 118	0.10 173	0.05 7	0.04 1	0.11 163	0.08 14	0.06 130	0.04 23	0.05 74	0.04 68	0.05 142	0.05 156

FSD					0.23 593	0.25 528	0.25 558	0.27 425	0.26 422	0.25 512	0.26 442	0.26 484	0.26 537	0.27 537	0.24 525	0.21 598	0.20 594	0.27 600	0.26 601	0.25 601

ccccc		285.89 668		366.70 668	366.78 669	118.88 669		113.97 670		125.77 669		120.54 670		252.62 670		382.79 670	352.84 670	254.30 670	222.62 670	426.61 670

Low-res two-view benchmark