Low-res two-view results

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

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

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

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

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

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

IGEV	0.08 40	0.04 1	0.09 62	0.13 9	0.06 11	0.09 81	0.12 69	0.14 72	0.10 31	0.06 7	0.09 88	0.07 62	0.05 11	0.09 32	0.09 43	0.06 109	0.04 20	0.05 23	0.04 31	0.05 95	0.04 28

MLG-Stereo_test2	0.07 3	0.04 1	0.10 95	0.15 64	0.06 11	0.07 22	0.11 45	0.09 10	0.04 2	0.06 7	0.05 7	0.06 14	0.04 1	0.08 13	0.09 43	0.06 109	0.04 20	0.05 23	0.03 1	0.05 95	0.05 109

LG-G_1	0.07 3	0.04 1	0.11 137	0.15 64	0.06 11	0.09 81	0.08 7	0.08 4	0.06 4	0.06 7	0.06 11	0.07 62	0.07 102	0.11 101	0.08 14	0.07 238	0.04 20	0.05 23	0.04 31	0.05 95	0.06 187

LG-G	0.07 3	0.04 1	0.11 137	0.15 64	0.06 11	0.09 81	0.08 7	0.08 4	0.06 4	0.06 7	0.06 11	0.07 62	0.07 102	0.11 101	0.08 14	0.07 238	0.04 20	0.05 23	0.04 31	0.05 95	0.06 187

FoundationStereo	0.06 1	0.04 1	0.08 19	0.13 9	0.05 1	0.09 81	0.13 108	0.06 1	0.09 21	0.05 1	0.05 7	0.06 14	0.04 1	0.07 3	0.07 1	0.06 109	0.04 20	0.05 23	0.04 31	0.05 95	0.04 28

IGEV-Stereo+	0.07 3	0.04 1	0.08 19	0.15 64	0.06 11	0.04 1	0.09 17	0.10 15	0.09 21	0.06 7	0.06 11	0.06 14	0.06 36	0.06 1	0.09 43	0.06 109	0.04 20	0.05 23	0.04 31	0.06 182	0.06 187

CAS	0.08 40	0.04 1	0.07 3	0.17 207	0.08 124	0.10 123	0.13 108	0.12 42	0.09 21	0.09 87	0.10 114	0.08 93	0.06 36	0.09 32	0.09 43	0.08 298	0.04 20	0.05 23	0.03 1	0.05 95	0.04 28

CES	0.08 40	0.04 1	0.08 19	0.14 27	0.07 63	0.09 81	0.14 156	0.11 26	0.09 21	0.08 58	0.09 88	0.11 171	0.07 102	0.12 178	0.08 14	0.06 109	0.04 20	0.05 23	0.03 1	0.05 95	0.05 109

CREStereo++_RVC	0.08 40	0.04 1	0.07 3	0.13 9	0.07 63	0.09 81	0.12 69	0.14 72	0.14 136	0.10 117	0.14 186	0.08 93	0.07 102	0.10 56	0.11 169	0.06 109	0.04 20	0.05 23	0.05 107	0.04 13	0.04 28
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
TANstereo	0.09 76	0.04 1	0.08 19	0.13 9	0.06 11	0.11 163	0.13 108	0.15 98	0.19 238	0.11 154	0.15 199	0.10 151	0.07 102	0.12 178	0.09 43	0.07 238	0.05 153	0.05 23	0.04 31	0.06 182	0.05 109

GASTEREO	0.08 40	0.05 11	0.09 62	0.19 348	0.08 124	0.08 47	0.12 69	0.14 72	0.11 54	0.10 117	0.09 88	0.07 62	0.04 1	0.12 178	0.08 14	0.06 109	0.05 153	0.05 23	0.04 31	0.04 13	0.05 109

MSCF	0.08 40	0.05 11	0.09 62	0.19 348	0.08 124	0.07 22	0.12 69	0.14 72	0.11 54	0.10 117	0.09 88	0.07 62	0.04 1	0.11 101	0.08 14	0.06 109	0.05 153	0.05 23	0.04 31	0.05 95	0.05 109

DilatedVolume-Stereo	0.09 76	0.05 11	0.08 19	0.15 64	0.06 11	0.11 163	0.12 69	0.14 72	0.16 179	0.11 154	0.11 144	0.09 120	0.10 185	0.11 101	0.11 169	0.06 109	0.05 153	0.05 23	0.04 31	0.03 1	0.03 1

111111	0.07 3	0.05 11	0.10 95	0.17 207	0.06 11	0.05 3	0.10 26	0.11 26	0.10 31	0.06 7	0.06 11	0.07 62	0.05 11	0.08 13	0.09 43	0.06 109	0.04 20	0.05 23	0.04 31	0.07 249	0.06 187

LG-Stereo_L2	0.07 3	0.05 11	0.10 95	0.14 27	0.06 11	0.07 22	0.12 69	0.09 10	0.10 31	0.06 7	0.04 1	0.05 1	0.05 11	0.08 13	0.08 14	0.05 25	0.04 20	0.05 23	0.03 1	0.04 13	0.03 1

LG-Stereo_L1	0.07 3	0.05 11	0.11 137	0.14 27	0.06 11	0.07 22	0.12 69	0.09 10	0.08 9	0.05 1	0.04 1	0.05 1	0.04 1	0.08 13	0.08 14	0.05 25	0.04 20	0.05 23	0.03 1	0.04 13	0.04 28

MLG-Stereo_test3	0.07 3	0.05 11	0.10 95	0.15 64	0.06 11	0.07 22	0.10 26	0.08 4	0.06 4	0.06 7	0.04 1	0.06 14	0.06 36	0.08 13	0.10 111	0.06 109	0.04 20	0.05 23	0.04 31	0.05 95	0.06 187

MLG-Stereo_test1	0.06 1	0.05 11	0.08 19	0.17 207	0.05 1	0.07 22	0.11 45	0.09 10	0.03 1	0.05 1	0.04 1	0.06 14	0.05 11	0.09 32	0.09 43	0.05 25	0.04 20	0.05 23	0.03 1	0.04 13	0.05 109

MLG-Stereo	0.07 3	0.05 11	0.09 62	0.17 207	0.05 1	0.07 22	0.11 45	0.08 4	0.05 3	0.05 1	0.04 1	0.06 14	0.05 11	0.10 56	0.09 43	0.05 25	0.04 20	0.05 23	0.03 1	0.04 13	0.05 109

LGtest1	0.07 3	0.05 11	0.11 137	0.15 64	0.06 11	0.07 22	0.09 17	0.08 4	0.06 4	0.06 7	0.04 1	0.06 14	0.07 102	0.10 56	0.09 43	0.07 238	0.04 20	0.05 23	0.04 31	0.06 182	0.06 187

SGD-Stereo	0.08 40	0.05 11	0.10 95	0.14 27	0.06 11	0.12 204	0.12 69	0.11 26	0.12 84	0.07 29	0.09 88	0.09 120	0.09 163	0.08 13	0.08 14	0.06 109	0.04 20	0.05 23	0.04 31	0.05 95	0.04 28

Reg-Stereo(zero)	0.09 76	0.05 11	0.08 19	0.16 132	0.06 11	0.12 204	0.11 45	0.15 98	0.11 54	0.12 186	0.09 88	0.10 151	0.08 138	0.11 101	0.09 43	0.06 109	0.05 153	0.05 23	0.04 31	0.04 13	0.05 109

HUF	0.08 40	0.05 11	0.08 19	0.14 27	0.06 11	0.09 81	0.13 108	0.13 58	0.13 114	0.07 29	0.07 34	0.09 120	0.06 36	0.10 56	0.09 43	0.06 109	0.04 20	0.05 23	0.04 31	0.05 95	0.04 28

DEFOM-Stereo	0.07 3	0.05 11	0.07 3	0.14 27	0.06 11	0.09 81	0.13 108	0.07 2	0.13 114	0.06 7	0.07 34	0.06 14	0.05 11	0.10 56	0.09 43	0.05 25	0.04 20	0.05 23	0.03 1	0.04 13	0.04 28

dual_stereo	0.07 3	0.05 11	0.08 19	0.15 64	0.05 1	0.05 3	0.13 108	0.12 42	0.08 9	0.07 29	0.06 11	0.05 1	0.05 11	0.07 3	0.09 43	0.06 109	0.04 20	0.05 23	0.03 1	0.04 13	0.04 28

UGAM-zero	0.10 135	0.05 11	0.15 289	0.15 64	0.08 124	0.10 123	0.13 108	0.20 225	0.15 153	0.11 154	0.15 199	0.07 62	0.08 138	0.09 32	0.10 111	0.06 109	0.05 153	0.06 100	0.05 107	0.05 95	0.06 187

WCG-NET	0.08 40	0.05 11	0.10 95	0.15 64	0.06 11	0.11 163	0.14 156	0.13 58	0.14 136	0.07 29	0.09 88	0.07 62	0.06 36	0.13 229	0.08 14	0.05 25	0.04 20	0.06 100	0.04 31	0.04 13	0.03 1

model_zeroshot	0.10 135	0.05 11	0.12 175	0.15 64	0.09 228	0.13 233	0.14 156	0.20 225	0.14 136	0.11 154	0.10 114	0.12 192	0.07 102	0.12 178	0.11 169	0.07 238	0.06 301	0.06 100	0.05 107	0.06 182	0.06 187

Occ-G	0.08 40	0.05 11	0.07 3	0.14 27	0.07 63	0.09 81	0.14 156	0.14 72	0.15 153	0.07 29	0.12 158	0.07 62	0.05 11	0.09 32	0.10 111	0.06 109	0.05 153	0.05 23	0.04 31	0.05 95	0.06 187

Pointernet	0.09 76	0.05 11	0.10 95	0.16 132	0.08 124	0.13 233	0.10 26	0.15 98	0.18 217	0.09 87	0.07 34	0.06 14	0.06 36	0.11 101	0.10 111	0.08 298	0.04 20	0.05 23	0.03 1	0.06 182	0.05 109

AIO-Stereo-zeroshot1	0.11 174	0.05 11	0.14 252	0.16 132	0.21 520	0.09 81	0.17 311	0.21 243	0.16 179	0.11 154	0.15 199	0.10 151	0.07 102	0.10 56	0.08 14	0.06 109	0.05 153	0.07 194	0.07 269	0.07 249	0.09 378

AIO-Stereo-zeroshot	0.11 174	0.05 11	0.12 175	0.15 64	0.13 442	0.14 272	0.16 285	0.23 284	0.18 217	0.10 117	0.13 173	0.10 151	0.07 102	0.12 178	0.09 43	0.06 109	0.05 153	0.06 100	0.06 179	0.07 249	0.08 334

WCG-NET（raft）	0.08 40	0.05 11	0.10 95	0.15 64	0.06 11	0.11 163	0.13 108	0.15 98	0.12 84	0.08 58	0.07 34	0.06 14	0.06 36	0.13 229	0.08 14	0.05 25	0.04 20	0.05 23	0.04 31	0.05 95	0.04 28

trnet	0.08 40	0.05 11	0.07 3	0.12 4	0.05 1	0.12 204	0.10 26	0.13 58	0.10 31	0.08 58	0.13 173	0.09 120	0.08 138	0.11 101	0.10 111	0.08 298	0.05 153	0.05 23	0.03 1	0.06 182	0.05 109

MoCha-V2	0.08 40	0.05 11	0.11 137	0.20 402	0.07 63	0.10 123	0.14 156	0.12 42	0.08 9	0.07 29	0.08 68	0.07 62	0.06 36	0.09 32	0.08 14	0.05 25	0.05 153	0.05 23	0.04 31	0.04 13	0.04 28

IGEV_Zeroshot_test	0.09 76	0.05 11	0.13 208	0.14 27	0.08 124	0.12 204	0.13 108	0.17 158	0.11 54	0.10 117	0.06 11	0.09 120	0.06 36	0.11 101	0.09 43	0.06 109	0.04 20	0.06 100	0.06 179	0.05 95	0.05 109

MSKI-zero shot	0.09 76	0.05 11	0.09 62	0.16 132	0.07 63	0.10 123	0.13 108	0.15 98	0.14 136	0.09 87	0.09 88	0.09 120	0.06 36	0.12 178	0.11 169	0.06 109	0.04 20	0.05 23	0.04 31	0.04 13	0.05 109

AEACV	0.09 76	0.05 11	0.08 19	0.14 27	0.13 442	0.14 272	0.13 108	0.15 98	0.09 21	0.07 29	0.09 88	0.07 62	0.08 138	0.10 56	0.09 43	0.06 109	0.04 20	0.06 100	0.05 107	0.05 95	0.04 28

Any-RAFT	0.10 135	0.05 11	0.10 95	0.15 64	0.07 63	0.13 233	0.14 156	0.21 243	0.15 153	0.11 154	0.12 158	0.13 216	0.10 185	0.13 229	0.10 111	0.07 238	0.04 20	0.05 23	0.04 31	0.06 182	0.05 109

LoS_RVC	0.08 40	0.05 11	0.07 3	0.15 64	0.07 63	0.08 47	0.15 226	0.12 42	0.11 54	0.08 58	0.09 88	0.06 14	0.09 163	0.10 56	0.09 43	0.05 25	0.04 20	0.05 23	0.03 1	0.04 13	0.04 28

LoS	0.09 76	0.05 11	0.11 137	0.13 9	0.07 63	0.14 272	0.11 45	0.15 98	0.15 153	0.09 87	0.09 88	0.12 192	0.09 163	0.15 275	0.10 111	0.07 238	0.05 153	0.05 23	0.03 1	0.05 95	0.05 109
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
EGLCR-Stereo	0.08 40	0.05 11	0.08 19	0.14 27	0.07 63	0.11 163	0.12 69	0.11 26	0.16 179	0.06 7	0.05 7	0.07 62	0.05 11	0.10 56	0.11 169	0.06 109	0.04 20	0.06 100	0.05 107	0.04 13	0.04 28

iRaft-Stereo_20w	0.09 76	0.05 11	0.13 208	0.14 27	0.09 228	0.12 204	0.15 226	0.19 212	0.11 54	0.11 154	0.08 68	0.08 93	0.05 11	0.10 56	0.09 43	0.06 109	0.04 20	0.06 100	0.05 107	0.06 182	0.05 109

TRStereo	0.10 135	0.05 11	0.12 175	0.16 132	0.12 416	0.10 123	0.13 108	0.18 185	0.19 238	0.09 87	0.09 88	0.09 120	0.07 102	0.10 56	0.08 14	0.07 238	0.05 153	0.07 194	0.07 269	0.04 13	0.04 28

XX-Stereo	0.09 76	0.05 11	0.09 62	0.17 207	0.09 228	0.15 298	0.12 69	0.21 243	0.10 31	0.10 117	0.14 186	0.07 62	0.06 36	0.13 229	0.08 14	0.06 109	0.05 153	0.06 100	0.06 179	0.04 13	0.04 28

CREStereo	0.09 76	0.05 11	0.08 19	0.11 1	0.06 11	0.14 272	0.14 156	0.14 72	0.10 31	0.09 87	0.13 173	0.09 120	0.08 138	0.12 178	0.10 111	0.08 298	0.04 20	0.05 23	0.03 1	0.06 182	0.06 187
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 76	0.05 11	0.09 62	0.12 4	0.06 11	0.13 233	0.14 156	0.16 123	0.11 54	0.09 87	0.13 173	0.10 151	0.07 102	0.14 257	0.10 111	0.15 493	0.04 20	0.05 23	0.03 1	0.07 249	0.06 187

AdaDepth	0.07 3	0.06 48	0.07 3	0.18 289	0.06 11	0.11 163	0.11 45	0.10 15	0.08 9	0.06 7	0.05 7	0.07 62	0.06 36	0.09 32	0.10 111	0.04 6	0.05 153	0.05 23	0.04 31	0.04 13	0.04 28

S2M2_XL	0.08 40	0.06 48	0.12 175	0.12 4	0.08 124	0.09 81	0.09 17	0.07 2	0.07 8	0.08 58	0.07 34	0.07 62	0.06 36	0.09 32	0.09 43	0.08 298	0.06 301	0.07 194	0.06 179	0.08 315	0.06 187

water-stereo	0.09 76	0.06 48	0.08 19	0.16 132	0.07 63	0.10 123	0.13 108	0.15 98	0.13 114	0.11 154	0.12 158	0.09 120	0.10 185	0.07 3	0.08 14	0.06 109	0.05 153	0.05 23	0.05 107	0.04 13	0.04 28

depthmonostereo	0.09 76	0.06 48	0.09 62	0.15 64	0.06 11	0.11 163	0.13 108	0.14 72	0.15 153	0.10 117	0.10 114	0.09 120	0.11 215	0.08 13	0.09 43	0.06 109	0.05 153	0.06 100	0.04 31	0.04 13	0.03 1

3.25w_new	0.07 3	0.06 48	0.08 19	0.15 64	0.06 11	0.10 123	0.07 3	0.12 42	0.11 54	0.08 58	0.07 34	0.07 62	0.06 36	0.11 101	0.10 111	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.04 28

3.25w	0.07 3	0.06 48	0.08 19	0.15 64	0.06 11	0.10 123	0.07 3	0.12 42	0.11 54	0.08 58	0.07 34	0.07 62	0.06 36	0.11 101	0.10 111	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.04 28

1w_stereo	0.08 40	0.06 48	0.07 3	0.16 132	0.06 11	0.07 22	0.10 26	0.14 72	0.15 153	0.07 29	0.08 68	0.05 1	0.06 36	0.10 56	0.09 43	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.04 28

monsterstereo	0.08 40	0.06 48	0.07 3	0.16 132	0.06 11	0.08 47	0.10 26	0.16 123	0.12 84	0.07 29	0.08 68	0.06 14	0.07 102	0.08 13	0.09 43	0.04 6	0.04 20	0.05 23	0.04 31	0.04 13	0.03 1

monsters	0.07 3	0.06 48	0.06 1	0.15 64	0.06 11	0.08 47	0.09 17	0.13 58	0.09 21	0.09 87	0.07 34	0.06 14	0.06 36	0.09 32	0.08 14	0.05 25	0.04 20	0.04 1	0.04 31	0.03 1	0.04 28

LG-Stereo_Zeroshot	0.07 3	0.06 48	0.10 95	0.16 132	0.07 63	0.04 1	0.13 108	0.10 15	0.10 31	0.05 1	0.11 144	0.07 62	0.05 11	0.07 3	0.09 43	0.06 109	0.04 20	0.05 23	0.04 31	0.05 95	0.04 28

GREAT-IGEV	0.07 3	0.06 48	0.09 62	0.13 9	0.07 63	0.07 22	0.14 156	0.10 15	0.09 21	0.06 7	0.08 68	0.06 14	0.05 11	0.10 56	0.07 1	0.05 25	0.04 20	0.05 23	0.04 31	0.05 95	0.04 28

HI	0.11 174	0.06 48	0.12 175	0.13 9	0.09 228	0.09 81	0.14 156	0.22 266	0.11 54	0.20 372	0.17 235	0.14 235	0.10 185	0.16 302	0.09 43	0.05 25	0.04 20	0.07 194	0.08 336	0.07 249	0.06 187

CoSv	0.11 174	0.06 48	0.12 175	0.13 9	0.09 228	0.09 81	0.14 156	0.22 266	0.11 54	0.20 372	0.17 235	0.14 235	0.10 185	0.16 302	0.09 43	0.05 25	0.04 20	0.07 194	0.08 336	0.07 249	0.06 187

AIO_rvc	0.07 3	0.06 48	0.08 19	0.15 64	0.06 11	0.08 47	0.14 156	0.09 10	0.08 9	0.07 29	0.08 68	0.07 62	0.04 1	0.10 56	0.08 14	0.05 25	0.04 20	0.05 23	0.04 31	0.04 13	0.03 1

AIO_test	0.07 3	0.06 48	0.07 3	0.15 64	0.07 63	0.07 22	0.14 156	0.10 15	0.10 31	0.07 29	0.07 34	0.06 14	0.05 11	0.08 13	0.10 111	0.05 25	0.04 20	0.05 23	0.04 31	0.04 13	0.03 1

castereo++	0.08 40	0.06 48	0.08 19	0.15 64	0.05 1	0.14 272	0.11 45	0.11 26	0.15 153	0.07 29	0.07 34	0.08 93	0.06 36	0.08 13	0.08 14	0.06 109	0.04 20	0.05 23	0.04 31	0.04 13	0.03 1

IGEV-RUCA	0.08 40	0.06 48	0.11 137	0.14 27	0.09 228	0.10 123	0.12 69	0.10 15	0.12 84	0.06 7	0.07 34	0.08 93	0.06 36	0.09 32	0.08 14	0.06 109	0.05 153	0.05 23	0.04 31	0.05 95	0.06 187

castereo	0.09 76	0.06 48	0.11 137	0.15 64	0.06 11	0.11 163	0.14 156	0.14 72	0.18 217	0.08 58	0.10 114	0.11 171	0.08 138	0.09 32	0.10 111	0.05 25	0.04 20	0.05 23	0.04 31	0.04 13	0.04 28

MonSter	0.07 3	0.06 48	0.06 1	0.15 64	0.05 1	0.08 47	0.10 26	0.15 98	0.15 153	0.05 1	0.06 11	0.05 1	0.06 36	0.07 3	0.09 43	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

GIP-stereo	0.08 40	0.06 48	0.11 137	0.15 64	0.07 63	0.09 81	0.13 108	0.15 98	0.11 54	0.07 29	0.08 68	0.05 1	0.04 1	0.10 56	0.07 1	0.05 25	0.04 20	0.05 23	0.04 31	0.05 95	0.04 28

fffft	0.09 76	0.06 48	0.12 175	0.16 132	0.07 63	0.09 81	0.16 285	0.12 42	0.11 54	0.09 87	0.07 34	0.09 120	0.06 36	0.11 101	0.12 227	0.05 25	0.04 20	0.06 100	0.05 107	0.04 13	0.05 109
1: 1. 1
SMoEStereo_RVC	0.08 40	0.06 48	0.12 175	0.16 132	0.07 63	0.09 81	0.13 108	0.11 26	0.14 136	0.09 87	0.07 34	0.07 62	0.07 102	0.12 178	0.10 111	0.05 25	0.04 20	0.06 100	0.05 107	0.04 13	0.04 28

tt45	0.09 76	0.06 48	0.11 137	0.15 64	0.07 63	0.12 204	0.15 226	0.13 58	0.12 84	0.09 87	0.06 11	0.08 93	0.06 36	0.13 229	0.10 111	0.06 109	0.04 20	0.06 100	0.05 107	0.05 95	0.06 187

999	0.09 76	0.06 48	0.13 208	0.15 64	0.08 124	0.10 123	0.14 156	0.15 98	0.12 84	0.10 117	0.08 68	0.08 93	0.08 138	0.16 302	0.10 111	0.06 109	0.04 20	0.06 100	0.05 107	0.04 13	0.06 187

tg	0.10 135	0.06 48	0.10 95	0.18 289	0.08 124	0.11 163	0.16 285	0.20 225	0.12 84	0.08 58	0.11 144	0.11 171	0.07 102	0.11 101	0.10 111	0.05 25	0.04 20	0.08 274	0.08 336	0.04 13	0.04 28

PAM_32	0.10 135	0.06 48	0.17 354	0.15 64	0.08 124	0.10 123	0.15 226	0.14 72	0.16 179	0.09 87	0.08 68	0.10 151	0.07 102	0.14 257	0.09 43	0.06 109	0.05 153	0.06 100	0.06 179	0.05 95	0.06 187

PAM	0.10 135	0.06 48	0.17 354	0.15 64	0.09 228	0.10 123	0.16 285	0.15 98	0.16 179	0.12 186	0.09 88	0.10 151	0.07 102	0.13 229	0.09 43	0.06 109	0.05 153	0.06 100	0.06 179	0.05 95	0.06 187

IGEV-Stereo++	0.07 3	0.06 48	0.08 19	0.18 289	0.06 11	0.05 3	0.10 26	0.11 26	0.11 54	0.06 7	0.07 34	0.07 62	0.06 36	0.09 32	0.09 43	0.05 25	0.04 20	0.05 23	0.04 31	0.05 95	0.04 28

AIO-Stereo	0.08 40	0.06 48	0.10 95	0.18 289	0.06 11	0.09 81	0.11 45	0.16 123	0.09 21	0.09 87	0.08 68	0.07 62	0.05 11	0.11 101	0.08 14	0.05 25	0.05 153	0.05 23	0.04 31	0.04 13	0.04 28

RSM++	0.08 40	0.06 48	0.09 62	0.17 207	0.07 63	0.09 81	0.12 69	0.11 26	0.11 54	0.08 58	0.06 11	0.07 62	0.05 11	0.10 56	0.09 43	0.05 25	0.04 20	0.06 100	0.05 107	0.05 95	0.03 1

RSM	0.08 40	0.06 48	0.09 62	0.17 207	0.07 63	0.08 47	0.12 69	0.12 42	0.10 31	0.08 58	0.07 34	0.06 14	0.05 11	0.11 101	0.09 43	0.04 6	0.04 20	0.05 23	0.04 31	0.04 13	0.04 28

RAFT-Stereo-weight	0.09 76	0.06 48	0.11 137	0.16 132	0.07 63	0.09 81	0.14 156	0.19 212	0.16 179	0.11 154	0.10 114	0.08 93	0.06 36	0.10 56	0.11 169	0.06 109	0.04 20	0.06 100	0.04 31	0.04 13	0.04 28

gcap-zeroshot	0.09 76	0.06 48	0.10 95	0.16 132	0.07 63	0.14 272	0.13 108	0.11 26	0.12 84	0.13 215	0.12 158	0.09 120	0.08 138	0.09 32	0.09 43	0.06 109	0.05 153	0.06 100	0.05 107	0.04 13	0.04 28

testlalala2	0.10 135	0.06 48	0.11 137	0.20 402	0.10 334	0.10 123	0.11 45	0.17 158	0.13 114	0.12 186	0.13 173	0.09 120	0.08 138	0.11 101	0.13 262	0.06 109	0.05 153	0.05 23	0.04 31	0.05 95	0.05 109

IGEV++	0.08 40	0.06 48	0.09 62	0.18 289	0.07 63	0.10 123	0.13 108	0.10 15	0.10 31	0.08 58	0.08 68	0.06 14	0.05 11	0.13 229	0.09 43	0.05 25	0.04 20	0.05 23	0.04 31	0.05 95	0.04 28

MIF-Stereo (partial)	0.11 174	0.06 48	0.10 95	0.19 348	0.10 334	0.10 123	0.12 69	0.17 158	0.19 238	0.14 238	0.16 216	0.10 151	0.11 215	0.12 178	0.12 227	0.08 298	0.05 153	0.08 274	0.07 269	0.06 182	0.07 265

RAFT-Test	0.09 76	0.06 48	0.10 95	0.16 132	0.07 63	0.11 163	0.15 226	0.16 123	0.13 114	0.09 87	0.10 114	0.11 171	0.09 163	0.12 178	0.09 43	0.06 109	0.04 20	0.05 23	0.04 31	0.05 95	0.05 109

HH	0.09 76	0.06 48	0.13 208	0.17 207	0.08 124	0.11 163	0.16 285	0.15 98	0.10 31	0.08 58	0.10 114	0.08 93	0.07 102	0.10 56	0.09 43	0.06 109	0.04 20	0.06 100	0.05 107	0.05 95	0.04 28

HanStereo	0.09 76	0.06 48	0.13 208	0.17 207	0.08 124	0.11 163	0.16 285	0.15 98	0.10 31	0.08 58	0.10 114	0.08 93	0.07 102	0.10 56	0.09 43	0.06 109	0.04 20	0.06 100	0.05 107	0.05 95	0.04 28

Selective-IGEV	0.07 3	0.06 48	0.09 62	0.17 207	0.06 11	0.08 47	0.12 69	0.13 58	0.08 9	0.08 58	0.07 34	0.06 14	0.04 1	0.10 56	0.09 43	0.05 25	0.04 20	0.05 23	0.04 31	0.04 13	0.03 1

knoymous	0.11 174	0.06 48	0.12 175	0.14 27	0.07 63	0.15 298	0.13 108	0.20 225	0.14 136	0.11 154	0.17 235	0.13 216	0.09 163	0.14 257	0.11 169	0.09 354	0.05 153	0.06 100	0.05 107	0.07 249	0.07 265

riskmin	0.11 174	0.06 48	0.13 208	0.14 27	0.08 124	0.14 272	0.14 156	0.18 185	0.15 153	0.12 186	0.15 199	0.17 297	0.11 215	0.14 257	0.12 227	0.09 354	0.05 153	0.07 194	0.05 107	0.08 315	0.08 334

RCA-Stereo	0.09 76	0.06 48	0.09 62	0.16 132	0.06 11	0.09 81	0.13 108	0.18 185	0.14 136	0.10 117	0.11 144	0.08 93	0.07 102	0.12 178	0.11 169	0.06 109	0.04 20	0.06 100	0.05 107	0.05 95	0.04 28

fff	0.10 135	0.06 48	0.12 175	0.15 64	0.07 63	0.09 81	0.17 311	0.16 123	0.21 273	0.13 215	0.17 235	0.10 151	0.11 215	0.12 178	0.13 262	0.06 109	0.04 20	0.05 23	0.04 31	0.04 13	0.05 109

ADStereo(finetuned)	0.10 135	0.06 48	0.13 208	0.16 132	0.06 11	0.09 81	0.17 311	0.16 123	0.20 259	0.13 215	0.18 258	0.10 151	0.12 247	0.12 178	0.12 227	0.06 109	0.04 20	0.05 23	0.04 31	0.05 95	0.05 109

test-3	0.09 76	0.06 48	0.10 95	0.18 289	0.07 63	0.07 22	0.14 156	0.12 42	0.16 179	0.10 117	0.08 68	0.08 93	0.08 138	0.11 101	0.10 111	0.05 25	0.04 20	0.07 194	0.05 107	0.04 13	0.04 28

test_1	0.09 76	0.06 48	0.10 95	0.18 289	0.07 63	0.07 22	0.14 156	0.12 42	0.16 179	0.10 117	0.08 68	0.08 93	0.08 138	0.11 101	0.10 111	0.05 25	0.04 20	0.07 194	0.05 107	0.04 13	0.04 28

PFNet+	0.12 246	0.06 48	0.14 252	0.16 132	0.09 228	0.05 3	0.12 69	0.18 185	0.21 273	0.16 291	0.19 272	0.14 235	0.10 185	0.11 101	0.11 169	0.08 298	0.05 153	0.09 358	0.08 336	0.06 182	0.11 432

HHNet	0.11 174	0.06 48	0.16 331	0.15 64	0.14 460	0.07 22	0.13 108	0.20 225	0.18 217	0.15 262	0.25 358	0.11 171	0.09 163	0.13 229	0.10 111	0.06 109	0.04 20	0.08 274	0.06 179	0.05 95	0.09 378

IIG-Stereo	0.11 174	0.06 48	0.13 208	0.17 207	0.08 124	0.11 163	0.12 69	0.22 266	0.18 217	0.14 238	0.17 235	0.12 192	0.13 279	0.12 178	0.13 262	0.06 109	0.05 153	0.07 194	0.06 179	0.06 182	0.05 109

ASMatch	0.11 174	0.06 48	0.13 208	0.17 207	0.10 334	0.08 47	0.14 156	0.18 185	0.16 179	0.12 186	0.16 216	0.16 280	0.11 215	0.13 229	0.11 169	0.05 25	0.04 20	0.06 100	0.06 179	0.04 13	0.09 378

DEmStereo	0.12 246	0.06 48	0.14 252	0.14 27	0.10 334	0.16 326	0.15 226	0.16 123	0.24 315	0.17 303	0.23 319	0.12 192	0.14 311	0.12 178	0.14 298	0.05 25	0.04 20	0.07 194	0.06 179	0.05 95	0.05 109

DRaft	0.12 246	0.06 48	0.12 175	0.14 27	0.09 228	0.14 272	0.17 311	0.21 243	0.30 393	0.18 335	0.27 388	0.10 151	0.16 353	0.11 101	0.12 227	0.05 25	0.04 20	0.07 194	0.07 269	0.05 95	0.05 109

PFNet	0.12 246	0.06 48	0.17 354	0.18 289	0.08 124	0.09 81	0.15 226	0.26 341	0.20 259	0.16 291	0.16 216	0.14 235	0.12 247	0.13 229	0.11 169	0.06 109	0.04 20	0.07 194	0.06 179	0.05 95	0.05 109

GrayStereo	0.11 174	0.06 48	0.11 137	0.19 348	0.09 228	0.09 81	0.16 285	0.18 185	0.17 203	0.14 238	0.17 235	0.17 297	0.11 215	0.12 178	0.11 169	0.05 25	0.05 153	0.07 194	0.06 179	0.06 182	0.10 408

RAFT-RH_RVC	0.12 246	0.06 48	0.14 252	0.16 132	0.09 228	0.12 204	0.12 69	0.17 158	0.12 84	0.13 215	0.40 479	0.11 171	0.10 185	0.13 229	0.12 227	0.05 25	0.04 20	0.08 274	0.05 107	0.05 95	0.06 187

AnonymousM	0.10 135	0.06 48	0.10 95	0.14 27	0.07 63	0.09 81	0.13 108	0.19 212	0.14 136	0.13 215	0.12 158	0.09 120	0.08 138	0.13 229	0.10 111	0.08 298	0.05 153	0.08 274	0.05 107	0.05 95	0.05 109

rafts_anoy	0.11 174	0.06 48	0.10 95	0.17 207	0.08 124	0.10 123	0.14 156	0.18 185	0.14 136	0.13 215	0.13 173	0.12 192	0.11 215	0.11 101	0.13 262	0.07 238	0.05 153	0.09 358	0.11 449	0.07 249	0.06 187

s12784h	0.10 135	0.06 48	0.08 19	0.15 64	0.05 1	0.16 326	0.18 359	0.16 123	0.15 153	0.10 117	0.11 144	0.11 171	0.11 215	0.11 101	0.12 227	0.05 25	0.04 20	0.06 100	0.04 31	0.04 13	0.04 28

XX-TBD	0.09 76	0.06 48	0.07 3	0.14 27	0.07 63	0.13 233	0.16 285	0.14 72	0.14 136	0.11 154	0.12 158	0.09 120	0.08 138	0.10 56	0.10 111	0.06 109	0.04 20	0.05 23	0.04 31	0.06 182	0.05 109

raftrobust	0.09 76	0.06 48	0.11 137	0.17 207	0.08 124	0.09 81	0.10 26	0.18 185	0.16 179	0.10 117	0.09 88	0.12 192	0.08 138	0.12 178	0.10 111	0.08 298	0.05 153	0.06 100	0.05 107	0.05 95	0.06 187

DCANet	0.10 135	0.06 48	0.12 175	0.16 132	0.06 11	0.09 81	0.17 311	0.16 123	0.20 259	0.13 215	0.18 258	0.10 151	0.11 215	0.11 101	0.12 227	0.06 109	0.04 20	0.05 23	0.04 31	0.05 95	0.05 109

csc	0.10 135	0.06 48	0.12 175	0.15 64	0.07 63	0.09 81	0.17 311	0.16 123	0.21 273	0.13 215	0.17 235	0.10 151	0.11 215	0.12 178	0.13 262	0.06 109	0.04 20	0.05 23	0.04 31	0.04 13	0.05 109

cscssc	0.10 135	0.06 48	0.12 175	0.15 64	0.07 63	0.09 81	0.17 311	0.16 123	0.21 273	0.13 215	0.17 235	0.10 151	0.11 215	0.12 178	0.13 262	0.06 109	0.04 20	0.05 23	0.04 31	0.04 13	0.05 109

111	0.11 174	0.06 48	0.12 175	0.15 64	0.07 63	0.10 123	0.14 156	0.21 243	0.24 315	0.11 154	0.12 158	0.14 235	0.12 247	0.13 229	0.10 111	0.06 109	0.04 20	0.06 100	0.04 31	0.06 182	0.05 109

RAFT-Stereo + iAFF	0.09 76	0.06 48	0.10 95	0.17 207	0.07 63	0.10 123	0.15 226	0.17 158	0.15 153	0.10 117	0.10 114	0.08 93	0.09 163	0.12 178	0.10 111	0.05 25	0.04 20	0.06 100	0.06 179	0.04 13	0.03 1

R-Stereo Train	0.10 135	0.06 48	0.11 137	0.17 207	0.08 124	0.11 163	0.14 156	0.24 308	0.11 54	0.12 186	0.19 272	0.11 171	0.08 138	0.10 56	0.11 169	0.07 238	0.05 153	0.06 100	0.05 107	0.05 95	0.05 109

RAFT-Stereo	0.10 135	0.06 48	0.11 137	0.17 207	0.08 124	0.11 163	0.14 156	0.24 308	0.11 54	0.12 186	0.19 272	0.11 171	0.08 138	0.10 56	0.11 169	0.07 238	0.05 153	0.06 100	0.05 107	0.05 95	0.05 109
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
HITNet	0.11 174	0.06 48	0.12 175	0.14 27	0.06 11	0.12 204	0.10 26	0.18 185	0.18 217	0.13 215	0.17 235	0.15 260	0.11 215	0.15 275	0.14 298	0.06 109	0.04 20	0.04 1	0.04 31	0.06 182	0.05 109
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
2.25w	0.07 3	0.07 117	0.08 19	0.15 64	0.06 11	0.08 47	0.09 17	0.10 15	0.15 153	0.08 58	0.10 114	0.07 62	0.06 36	0.09 32	0.10 111	0.05 25	0.04 20	0.04 1	0.04 31	0.03 1	0.04 28

2.5w	0.07 3	0.07 117	0.08 19	0.16 132	0.06 11	0.08 47	0.12 69	0.10 15	0.10 31	0.07 29	0.06 11	0.09 120	0.06 36	0.08 13	0.09 43	0.04 6	0.03 1	0.04 1	0.04 31	0.03 1	0.03 1

2.75w_new	0.07 3	0.07 117	0.07 3	0.13 9	0.06 11	0.08 47	0.08 7	0.18 185	0.13 114	0.08 58	0.08 68	0.06 14	0.06 36	0.09 32	0.11 169	0.04 6	0.04 20	0.04 1	0.03 1	0.03 1	0.04 28

3.75w	0.07 3	0.07 117	0.08 19	0.16 132	0.07 63	0.07 22	0.09 17	0.16 123	0.10 31	0.07 29	0.06 11	0.06 14	0.06 36	0.09 32	0.10 111	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

3.5w_stereo	0.07 3	0.07 117	0.07 3	0.15 64	0.07 63	0.09 81	0.06 1	0.14 72	0.11 54	0.08 58	0.07 34	0.06 14	0.07 102	0.10 56	0.09 43	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

G2L-ROB	0.13 273	0.07 117	0.13 208	0.13 9	0.08 124	0.14 272	0.17 311	0.25 328	0.19 238	0.20 372	0.19 272	0.20 338	0.14 311	0.18 358	0.16 351	0.08 298	0.05 153	0.06 100	0.05 107	0.08 315	0.09 378

xyz-stereo-finetune2	0.11 174	0.07 117	0.13 208	0.13 9	0.07 63	0.11 163	0.19 402	0.17 158	0.12 84	0.15 262	0.15 199	0.17 297	0.13 279	0.13 229	0.11 169	0.05 25	0.04 20	0.07 194	0.05 107	0.04 13	0.06 187

xyz-stereo	0.14 303	0.07 117	0.22 432	0.15 64	0.05 1	0.22 431	0.15 226	0.17 158	0.31 402	0.15 262	0.28 399	0.26 414	0.17 377	0.13 229	0.12 227	0.05 25	0.05 153	0.06 100	0.05 107	0.04 13	0.04 28

G2L-Stereo_test	0.14 303	0.07 117	0.11 137	0.13 9	0.08 124	0.12 204	0.17 311	0.31 424	0.28 380	0.21 388	0.23 319	0.20 338	0.16 353	0.17 341	0.19 396	0.07 238	0.05 153	0.05 23	0.05 107	0.07 249	0.07 265

coex_refinement	0.14 303	0.07 117	0.12 175	0.17 207	0.10 334	0.16 326	0.15 226	0.27 355	0.29 387	0.18 335	0.21 299	0.22 365	0.17 377	0.16 302	0.19 396	0.08 298	0.05 153	0.06 100	0.06 179	0.09 377	0.08 334

G2L-Stereo	0.14 303	0.07 117	0.13 208	0.17 207	0.09 228	0.13 233	0.12 69	0.27 355	0.22 295	0.17 303	0.27 388	0.21 347	0.13 279	0.18 358	0.18 381	0.09 354	0.08 403	0.08 274	0.07 269	0.07 249	0.07 265

MM-Stereo_test3	0.10 135	0.07 117	0.07 3	0.18 289	0.07 63	0.12 204	0.19 402	0.24 308	0.19 238	0.06 7	0.10 114	0.08 93	0.06 36	0.11 101	0.09 43	0.06 109	0.06 301	0.07 194	0.05 107	0.05 95	0.04 28

MM-Stereo_test2	0.09 76	0.07 117	0.09 62	0.19 348	0.08 124	0.12 204	0.18 359	0.15 98	0.14 136	0.07 29	0.10 114	0.07 62	0.06 36	0.12 178	0.09 43	0.05 25	0.04 20	0.06 100	0.05 107	0.06 182	0.04 28

MM-Stereo_test1	0.10 135	0.07 117	0.09 62	0.18 289	0.07 63	0.12 204	0.18 359	0.21 243	0.20 259	0.09 87	0.11 144	0.08 93	0.06 36	0.10 56	0.10 111	0.06 109	0.05 153	0.07 194	0.06 179	0.05 95	0.04 28

HART	0.08 40	0.07 117	0.09 62	0.18 289	0.07 63	0.10 123	0.16 285	0.13 58	0.11 54	0.09 87	0.10 114	0.08 93	0.05 11	0.10 56	0.08 14	0.05 25	0.04 20	0.06 100	0.04 31	0.05 95	0.04 28

SCV_C0	0.08 40	0.07 117	0.08 19	0.16 132	0.10 334	0.08 47	0.14 156	0.11 26	0.13 114	0.08 58	0.07 34	0.06 14	0.05 11	0.11 101	0.07 1	0.05 25	0.05 153	0.05 23	0.04 31	0.06 182	0.05 109

DEFOM-Stereo_RVC	0.08 40	0.07 117	0.09 62	0.22 453	0.06 11	0.08 47	0.12 69	0.10 15	0.10 31	0.07 29	0.07 34	0.06 14	0.05 11	0.11 101	0.09 43	0.06 109	0.04 20	0.05 23	0.03 1	0.06 182	0.04 28

AIO-test1	0.10 135	0.07 117	0.11 137	0.24 483	0.07 63	0.09 81	0.13 108	0.22 266	0.15 153	0.11 154	0.12 158	0.09 120	0.07 102	0.11 101	0.09 43	0.06 109	0.05 153	0.09 358	0.10 419	0.04 13	0.07 265

mms	0.09 76	0.07 117	0.08 19	0.17 207	0.08 124	0.11 163	0.15 226	0.12 42	0.11 54	0.09 87	0.09 88	0.08 93	0.06 36	0.11 101	0.12 227	0.05 25	0.04 20	0.07 194	0.05 107	0.04 13	0.04 28

ours_stereo	0.09 76	0.07 117	0.09 62	0.17 207	0.08 124	0.11 163	0.16 285	0.11 26	0.12 84	0.08 58	0.10 114	0.08 93	0.06 36	0.12 178	0.12 227	0.05 25	0.04 20	0.06 100	0.05 107	0.04 13	0.04 28

GCAP-BAT	0.09 76	0.07 117	0.14 252	0.15 64	0.08 124	0.10 123	0.12 69	0.15 98	0.11 54	0.11 154	0.10 114	0.09 120	0.07 102	0.12 178	0.10 111	0.06 109	0.05 153	0.06 100	0.04 31	0.04 13	0.04 28

U	0.08 40	0.07 117	0.10 95	0.19 348	0.10 334	0.10 123	0.13 108	0.12 42	0.17 203	0.07 29	0.07 34	0.06 14	0.05 11	0.07 3	0.09 43	0.06 109	0.04 20	0.06 100	0.04 31	0.06 182	0.05 109

rvit_stereo_ft	0.12 246	0.07 117	0.13 208	0.19 348	0.10 334	0.12 204	0.17 311	0.16 123	0.16 179	0.13 215	0.13 173	0.15 260	0.10 185	0.14 257	0.13 262	0.10 395	0.06 301	0.08 274	0.07 269	0.07 249	0.06 187

test_sample2	0.13 273	0.07 117	0.12 175	0.14 27	0.08 124	0.16 326	0.18 359	0.21 243	0.16 179	0.14 238	0.21 299	0.20 338	0.15 332	0.15 275	0.13 262	0.08 298	0.06 301	0.07 194	0.06 179	0.08 315	0.08 334

test_sample1	0.13 273	0.07 117	0.14 252	0.14 27	0.08 124	0.19 387	0.17 311	0.20 225	0.15 153	0.14 238	0.22 315	0.18 312	0.16 353	0.17 341	0.15 332	0.07 238	0.06 301	0.06 100	0.06 179	0.08 315	0.08 334

CAS++	0.11 174	0.07 117	0.11 137	0.14 27	0.10 334	0.13 233	0.14 156	0.24 308	0.14 136	0.11 154	0.09 88	0.11 171	0.07 102	0.14 257	0.09 43	0.11 427	0.09 430	0.09 358	0.07 269	0.07 249	0.08 334
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
MGS-Stereo	0.09 76	0.07 117	0.12 175	0.16 132	0.08 124	0.09 81	0.15 226	0.12 42	0.12 84	0.07 29	0.10 114	0.08 93	0.06 36	0.11 101	0.09 43	0.05 25	0.04 20	0.06 100	0.05 107	0.06 182	0.05 109

MyStereo8	0.12 246	0.07 117	0.15 289	0.15 64	0.09 228	0.18 365	0.14 156	0.19 212	0.22 295	0.12 186	0.18 258	0.11 171	0.10 185	0.16 302	0.18 381	0.07 238	0.05 153	0.07 194	0.05 107	0.08 315	0.09 378

SMFormer	0.14 303	0.07 117	0.18 386	0.14 27	0.08 124	0.17 349	0.17 311	0.27 355	0.27 364	0.19 350	0.20 282	0.19 321	0.15 332	0.15 275	0.17 368	0.08 298	0.05 153	0.07 194	0.06 179	0.08 315	0.07 265

tta	0.14 303	0.07 117	0.18 386	0.14 27	0.08 124	0.17 349	0.17 311	0.27 355	0.27 364	0.19 350	0.20 282	0.19 321	0.15 332	0.15 275	0.17 368	0.08 298	0.05 153	0.07 194	0.06 179	0.06 182	0.06 187

qqq1	0.14 303	0.07 117	0.18 386	0.14 27	0.08 124	0.17 349	0.17 311	0.27 355	0.27 364	0.19 350	0.20 282	0.19 321	0.15 332	0.15 275	0.12 227	0.08 298	0.05 153	0.05 23	0.05 107	0.06 182	0.06 187

fff1	0.14 303	0.07 117	0.18 386	0.14 27	0.08 124	0.17 349	0.17 311	0.27 355	0.27 364	0.19 350	0.20 282	0.19 321	0.15 332	0.15 275	0.12 227	0.08 298	0.05 153	0.05 23	0.05 107	0.06 182	0.06 187

MyStereo07	0.10 135	0.07 117	0.10 95	0.17 207	0.09 228	0.14 272	0.17 311	0.15 98	0.15 153	0.09 87	0.06 11	0.06 14	0.07 102	0.12 178	0.09 43	0.06 109	0.05 153	0.08 274	0.07 269	0.06 182	0.06 187

MyStereo06	0.10 135	0.07 117	0.12 175	0.17 207	0.09 228	0.13 233	0.18 359	0.19 212	0.12 84	0.13 215	0.08 68	0.07 62	0.07 102	0.11 101	0.09 43	0.06 109	0.05 153	0.08 274	0.07 269	0.06 182	0.06 187

MyStereo05	0.13 273	0.07 117	0.10 95	0.17 207	0.09 228	0.13 233	0.18 359	0.28 379	0.35 438	0.17 303	0.14 186	0.15 260	0.11 215	0.15 275	0.13 262	0.06 109	0.05 153	0.08 274	0.07 269	0.06 182	0.06 187

MyStereo04	0.13 273	0.07 117	0.10 95	0.17 207	0.09 228	0.14 272	0.17 311	0.29 397	0.38 455	0.17 303	0.14 186	0.16 280	0.11 215	0.15 275	0.13 262	0.06 109	0.05 153	0.08 274	0.07 269	0.06 182	0.06 187

CoDeX	0.12 246	0.07 117	0.13 208	0.17 207	0.08 124	0.12 204	0.16 285	0.23 284	0.27 364	0.13 215	0.17 235	0.15 260	0.12 247	0.14 257	0.11 169	0.07 238	0.05 153	0.07 194	0.06 179	0.06 182	0.05 109

11t1	0.12 246	0.07 117	0.14 252	0.14 27	0.08 124	0.17 349	0.15 226	0.19 212	0.15 153	0.15 262	0.15 199	0.17 297	0.16 353	0.15 275	0.13 262	0.08 298	0.05 153	0.06 100	0.05 107	0.08 315	0.07 265

ff7	0.09 76	0.07 117	0.11 137	0.16 132	0.09 228	0.11 163	0.15 226	0.16 123	0.12 84	0.10 117	0.06 11	0.06 14	0.06 36	0.11 101	0.09 43	0.05 25	0.04 20	0.06 100	0.05 107	0.05 95	0.06 187

IGEVStereo-DCA	0.09 76	0.07 117	0.11 137	0.16 132	0.10 334	0.11 163	0.15 226	0.16 123	0.12 84	0.10 117	0.06 11	0.08 93	0.06 36	0.10 56	0.09 43	0.06 109	0.05 153	0.06 100	0.05 107	0.05 95	0.06 187

ffff	0.09 76	0.07 117	0.11 137	0.16 132	0.09 228	0.11 163	0.15 226	0.16 123	0.12 84	0.10 117	0.06 11	0.06 14	0.06 36	0.11 101	0.09 43	0.05 25	0.04 20	0.06 100	0.05 107	0.05 95	0.06 187

rrr	0.09 76	0.07 117	0.13 208	0.16 132	0.10 334	0.11 163	0.15 226	0.16 123	0.15 153	0.10 117	0.06 11	0.08 93	0.06 36	0.10 56	0.09 43	0.06 109	0.05 153	0.06 100	0.05 107	0.05 95	0.06 187

11t	0.09 76	0.07 117	0.11 137	0.16 132	0.09 228	0.11 163	0.15 226	0.16 123	0.12 84	0.10 117	0.06 11	0.06 14	0.06 36	0.11 101	0.09 43	0.05 25	0.04 20	0.06 100	0.05 107	0.05 95	0.06 187

UniTT-Stereo	0.09 76	0.07 117	0.08 19	0.18 289	0.08 124	0.13 233	0.11 45	0.12 42	0.11 54	0.10 117	0.12 158	0.05 1	0.06 36	0.09 32	0.10 111	0.07 238	0.06 301	0.05 23	0.05 107	0.06 182	0.05 109

EKT-Stereo	0.11 174	0.07 117	0.14 252	0.16 132	0.10 334	0.13 233	0.14 156	0.19 212	0.21 273	0.11 154	0.08 68	0.13 216	0.10 185	0.11 101	0.12 227	0.08 298	0.06 301	0.07 194	0.06 179	0.08 315	0.07 265

MIM_Stereo	0.10 135	0.07 117	0.11 137	0.15 64	0.07 63	0.07 22	0.12 69	0.20 225	0.14 136	0.13 215	0.14 186	0.09 120	0.05 11	0.12 178	0.08 14	0.05 25	0.06 301	0.07 194	0.06 179	0.06 182	0.05 109

testlalala	0.08 40	0.07 117	0.17 354	0.16 132	0.08 124	0.09 81	0.12 69	0.15 98	0.10 31	0.07 29	0.09 88	0.06 14	0.06 36	0.11 101	0.09 43	0.05 25	0.04 20	0.06 100	0.04 31	0.04 13	0.04 28

GCAP-Stereo	0.09 76	0.07 117	0.13 208	0.18 289	0.06 11	0.11 163	0.07 3	0.14 72	0.12 84	0.09 87	0.10 114	0.07 62	0.09 163	0.13 229	0.10 111	0.06 109	0.05 153	0.05 23	0.04 31	0.04 13	0.05 109

4D-IteraStereo	0.10 135	0.07 117	0.10 95	0.18 289	0.07 63	0.09 81	0.15 226	0.18 185	0.15 153	0.10 117	0.11 144	0.10 151	0.07 102	0.12 178	0.09 43	0.05 25	0.03 1	0.08 274	0.07 269	0.06 182	0.05 109

anonymousdsp2	0.11 174	0.07 117	0.11 137	0.16 132	0.09 228	0.13 233	0.14 156	0.19 212	0.23 305	0.13 215	0.14 186	0.12 192	0.09 163	0.14 257	0.11 169	0.05 25	0.05 153	0.05 23	0.04 31	0.06 182	0.06 187

anonymousdsp	0.09 76	0.07 117	0.11 137	0.17 207	0.09 228	0.11 163	0.15 226	0.16 123	0.12 84	0.10 117	0.06 11	0.06 14	0.06 36	0.11 101	0.09 43	0.05 25	0.04 20	0.06 100	0.05 107	0.05 95	0.06 187

CBFPSM	0.15 344	0.07 117	0.27 460	0.17 207	0.09 228	0.13 233	0.15 226	0.22 266	0.23 305	0.20 372	0.27 388	0.23 382	0.16 353	0.16 302	0.19 396	0.06 109	0.06 301	0.06 100	0.07 269	0.07 249	0.07 265

iinet-f	0.17 393	0.07 117	0.46 512	0.14 27	0.10 334	0.21 417	0.14 156	0.27 355	0.23 305	0.22 403	0.25 358	0.21 347	0.16 353	0.18 358	0.22 432	0.09 354	0.07 372	0.07 194	0.06 179	0.09 377	0.10 408

gwcnet-sp	0.14 303	0.07 117	0.13 208	0.18 289	0.09 228	0.16 326	0.18 359	0.24 308	0.24 315	0.19 350	0.24 331	0.15 260	0.16 353	0.16 302	0.15 332	0.08 298	0.07 372	0.07 194	0.08 336	0.08 315	0.07 265

scenet	0.14 303	0.07 117	0.13 208	0.18 289	0.09 228	0.16 326	0.18 359	0.24 308	0.24 315	0.19 350	0.24 331	0.15 260	0.16 353	0.16 302	0.15 332	0.08 298	0.07 372	0.07 194	0.08 336	0.08 315	0.07 265

DCRE	0.11 174	0.07 117	0.13 208	0.16 132	0.11 387	0.11 163	0.17 311	0.18 185	0.17 203	0.11 154	0.18 258	0.11 171	0.10 185	0.15 275	0.11 169	0.06 109	0.05 153	0.06 100	0.06 179	0.05 95	0.05 109

anonymousa	0.13 273	0.07 117	0.14 252	0.18 289	0.09 228	0.13 233	0.17 311	0.20 225	0.29 387	0.15 262	0.24 331	0.16 280	0.14 311	0.14 257	0.14 298	0.07 238	0.05 153	0.07 194	0.09 381	0.05 95	0.07 265

ProNet	0.09 76	0.07 117	0.11 137	0.17 207	0.08 124	0.11 163	0.15 226	0.15 98	0.12 84	0.10 117	0.06 11	0.07 62	0.06 36	0.11 101	0.09 43	0.05 25	0.05 153	0.06 100	0.05 107	0.04 13	0.06 187

MC-Stereo	0.09 76	0.07 117	0.09 62	0.17 207	0.06 11	0.10 123	0.14 156	0.12 42	0.11 54	0.09 87	0.12 158	0.09 120	0.06 36	0.11 101	0.10 111	0.06 109	0.04 20	0.06 100	0.05 107	0.04 13	0.04 28

ssnet	0.14 303	0.07 117	0.13 208	0.18 289	0.09 228	0.16 326	0.18 359	0.24 308	0.24 315	0.19 350	0.24 331	0.15 260	0.16 353	0.16 302	0.15 332	0.08 298	0.07 372	0.07 194	0.08 336	0.08 315	0.07 265

DCANet-4	0.11 174	0.07 117	0.13 208	0.16 132	0.06 11	0.09 81	0.17 311	0.18 185	0.20 259	0.13 215	0.17 235	0.09 120	0.14 311	0.12 178	0.13 262	0.06 109	0.04 20	0.05 23	0.04 31	0.04 13	0.05 109

ccc-4	0.09 76	0.07 117	0.11 137	0.16 132	0.09 228	0.11 163	0.15 226	0.16 123	0.12 84	0.10 117	0.06 11	0.06 14	0.06 36	0.11 101	0.09 43	0.05 25	0.04 20	0.06 100	0.05 107	0.05 95	0.06 187

tt	4.65 573	0.07 117	3.54 571	2.01 573	1.55 572	10.25 579	16.66 579	8.90 583	5.03 576	1.33 569	0.96 554	4.71 574	4.74 575	3.33 574	5.86 577	6.06 582	10.30 586	1.87 576	2.09 576	2.61 574	1.19 573

DisPM	0.11 174	0.07 117	0.13 208	0.16 132	0.09 228	0.06 7	0.13 108	0.18 185	0.17 203	0.14 238	0.19 272	0.12 192	0.10 185	0.12 178	0.11 169	0.07 238	0.05 153	0.07 194	0.06 179	0.06 182	0.11 432

IGEV-Stereo	0.09 76	0.07 117	0.11 137	0.17 207	0.09 228	0.11 163	0.15 226	0.16 123	0.12 84	0.10 117	0.06 11	0.06 14	0.06 36	0.11 101	0.09 43	0.05 25	0.04 20	0.06 100	0.05 107	0.05 95	0.06 187
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
GLC_STEREO	0.11 174	0.07 117	0.11 137	0.18 289	0.07 63	0.08 47	0.13 108	0.16 123	0.24 315	0.12 186	0.13 173	0.12 192	0.08 138	0.18 358	0.12 227	0.06 109	0.08 403	0.08 274	0.06 179	0.05 95	0.05 109

GANet-ADL	0.13 273	0.07 117	0.15 289	0.17 207	0.10 334	0.19 387	0.15 226	0.30 408	0.21 273	0.13 215	0.18 258	0.19 321	0.13 279	0.16 302	0.14 298	0.08 298	0.06 301	0.06 100	0.05 107	0.07 249	0.08 334

CrosDoStereo	0.12 246	0.07 117	0.12 175	0.14 27	0.09 228	0.12 204	0.15 226	0.17 158	0.22 295	0.19 350	0.24 331	0.15 260	0.11 215	0.11 101	0.12 227	0.06 109	0.05 153	0.07 194	0.07 269	0.05 95	0.05 109

LCNet	0.11 174	0.07 117	0.09 62	0.19 348	0.09 228	0.08 47	0.14 156	0.21 243	0.15 153	0.12 186	0.15 199	0.16 280	0.11 215	0.12 178	0.11 169	0.05 25	0.04 20	0.08 274	0.07 269	0.06 182	0.14 481

STrans-v2	0.10 135	0.07 117	0.13 208	0.18 289	0.08 124	0.10 123	0.14 156	0.22 266	0.11 54	0.11 154	0.15 199	0.12 192	0.10 185	0.11 101	0.12 227	0.05 25	0.04 20	0.06 100	0.06 179	0.05 95	0.05 109

OMP-Stereo	0.11 174	0.07 117	0.14 252	0.18 289	0.08 124	0.09 81	0.12 69	0.21 243	0.21 273	0.13 215	0.14 186	0.11 171	0.12 247	0.11 101	0.13 262	0.06 109	0.05 153	0.07 194	0.06 179	0.05 95	0.04 28

NF-Stereo	0.11 174	0.07 117	0.13 208	0.17 207	0.09 228	0.10 123	0.13 108	0.23 284	0.19 238	0.12 186	0.17 235	0.12 192	0.12 247	0.11 101	0.11 169	0.06 109	0.04 20	0.07 194	0.06 179	0.07 249	0.12 453

OCTAStereo	0.11 174	0.07 117	0.14 252	0.17 207	0.09 228	0.10 123	0.13 108	0.23 284	0.19 238	0.12 186	0.17 235	0.12 192	0.12 247	0.11 101	0.11 169	0.06 109	0.04 20	0.07 194	0.06 179	0.07 249	0.11 432

PSM-softLoss	0.12 246	0.07 117	0.15 289	0.17 207	0.09 228	0.08 47	0.12 69	0.24 308	0.17 203	0.15 262	0.19 272	0.13 216	0.11 215	0.11 101	0.11 169	0.07 238	0.05 153	0.08 274	0.07 269	0.07 249	0.12 453

KMStereo	0.12 246	0.07 117	0.15 289	0.17 207	0.09 228	0.08 47	0.12 69	0.24 308	0.17 203	0.15 262	0.19 272	0.13 216	0.11 215	0.11 101	0.11 169	0.07 238	0.05 153	0.08 274	0.07 269	0.07 249	0.12 453

PSM-AAD	0.11 174	0.07 117	0.10 95	0.20 402	0.09 228	0.10 123	0.14 156	0.21 243	0.13 114	0.12 186	0.14 186	0.18 312	0.11 215	0.11 101	0.10 111	0.05 25	0.05 153	0.09 358	0.08 336	0.06 182	0.14 481

FTStereo	0.12 246	0.07 117	0.14 252	0.18 289	0.09 228	0.07 22	0.15 226	0.22 266	0.18 217	0.12 186	0.24 331	0.11 171	0.13 279	0.13 229	0.14 298	0.05 25	0.05 153	0.07 194	0.07 269	0.06 182	0.10 408

KYRaft	0.12 246	0.07 117	0.10 95	0.19 348	0.09 228	0.08 47	0.15 226	0.23 284	0.12 84	0.13 215	0.16 216	0.20 338	0.10 185	0.12 178	0.11 169	0.06 109	0.04 20	0.08 274	0.08 336	0.06 182	0.15 495

DeepStereo_LL	0.12 246	0.07 117	0.12 175	0.14 27	0.09 228	0.12 204	0.15 226	0.17 158	0.22 295	0.19 350	0.24 331	0.15 260	0.11 215	0.11 101	0.12 227	0.06 109	0.05 153	0.07 194	0.07 269	0.05 95	0.05 109

SST-Stereo	0.11 174	0.07 117	0.16 331	0.18 289	0.09 228	0.06 7	0.12 69	0.18 185	0.10 31	0.15 262	0.18 258	0.13 216	0.12 247	0.10 56	0.11 169	0.06 109	0.04 20	0.09 358	0.06 179	0.07 249	0.06 187

THIR-Stereo	0.12 246	0.07 117	0.11 137	0.15 64	0.08 124	0.14 272	0.16 285	0.18 185	0.25 339	0.17 303	0.24 331	0.13 216	0.13 279	0.12 178	0.14 298	0.06 109	0.05 153	0.07 194	0.07 269	0.05 95	0.05 109

RAFT_R40	0.11 174	0.07 117	0.15 289	0.18 289	0.09 228	0.06 7	0.13 108	0.17 158	0.15 153	0.14 238	0.18 258	0.15 260	0.12 247	0.10 56	0.11 169	0.06 109	0.04 20	0.09 358	0.06 179	0.06 182	0.05 109

RE-Stereo	0.11 174	0.07 117	0.13 208	0.17 207	0.09 228	0.10 123	0.13 108	0.23 284	0.19 238	0.12 186	0.17 235	0.12 192	0.12 247	0.11 101	0.11 169	0.06 109	0.04 20	0.07 194	0.06 179	0.07 249	0.11 432

Pruner-Stereo	0.11 174	0.07 117	0.12 175	0.17 207	0.09 228	0.06 7	0.12 69	0.18 185	0.17 203	0.14 238	0.19 272	0.13 216	0.10 185	0.11 101	0.11 169	0.06 109	0.04 20	0.07 194	0.06 179	0.06 182	0.08 334

TVStereo	0.11 174	0.07 117	0.13 208	0.17 207	0.09 228	0.10 123	0.13 108	0.23 284	0.19 238	0.12 186	0.17 235	0.12 192	0.12 247	0.11 101	0.11 169	0.06 109	0.04 20	0.07 194	0.06 179	0.07 249	0.11 432

RAFT-345	0.11 174	0.07 117	0.16 331	0.17 207	0.08 124	0.08 47	0.12 69	0.16 123	0.10 31	0.11 154	0.34 449	0.09 120	0.10 185	0.11 101	0.12 227	0.05 25	0.05 153	0.07 194	0.06 179	0.04 13	0.05 109

test-1	0.10 135	0.07 117	0.17 354	0.19 348	0.08 124	0.11 163	0.24 470	0.15 98	0.18 217	0.09 87	0.07 34	0.10 151	0.08 138	0.08 13	0.09 43	0.06 109	0.04 20	0.06 100	0.06 179	0.04 13	0.05 109

GMM-Stereo	0.11 174	0.07 117	0.10 95	0.18 289	0.09 228	0.08 47	0.14 156	0.24 308	0.16 179	0.11 154	0.15 199	0.13 216	0.11 215	0.11 101	0.11 169	0.05 25	0.04 20	0.08 274	0.07 269	0.06 182	0.09 378

Prome-Stereo	0.11 174	0.07 117	0.11 137	0.18 289	0.09 228	0.12 204	0.14 156	0.23 284	0.13 114	0.13 215	0.16 216	0.13 216	0.08 138	0.12 178	0.10 111	0.05 25	0.05 153	0.07 194	0.06 179	0.06 182	0.10 408

iRaftStereo_RVC	0.10 135	0.07 117	0.10 95	0.17 207	0.09 228	0.11 163	0.17 311	0.18 185	0.12 84	0.09 87	0.11 144	0.10 151	0.07 102	0.11 101	0.10 111	0.05 25	0.04 20	0.08 274	0.08 336	0.04 13	0.04 28

raft+_RVC	0.11 174	0.07 117	0.09 62	0.16 132	0.07 63	0.10 123	0.11 45	0.24 308	0.20 259	0.12 186	0.15 199	0.12 192	0.08 138	0.12 178	0.13 262	0.07 238	0.04 20	0.07 194	0.06 179	0.05 95	0.05 109

RALCasStereoNet	0.11 174	0.07 117	0.09 62	0.16 132	0.08 124	0.13 233	0.14 156	0.17 158	0.11 54	0.12 186	0.17 235	0.14 235	0.10 185	0.12 178	0.11 169	0.07 238	0.06 301	0.06 100	0.05 107	0.08 315	0.07 265

222	0.16 371	0.07 117	0.15 289	0.14 27	0.08 124	0.25 459	0.18 359	0.30 408	0.21 273	0.18 335	0.29 414	0.17 297	0.16 353	0.16 302	0.44 538	0.10 395	0.05 153	0.07 194	0.06 179	0.08 315	0.08 334

test_xeample3	0.09 76	0.07 117	0.12 175	0.16 132	0.09 228	0.11 163	0.15 226	0.16 123	0.14 136	0.10 117	0.07 34	0.08 93	0.06 36	0.10 56	0.09 43	0.06 109	0.04 20	0.06 100	0.05 107	0.05 95	0.06 187

xxxx	0.15 344	0.07 117	0.14 252	0.14 27	0.08 124	0.24 450	0.18 359	0.32 429	0.20 259	0.14 238	0.28 399	0.22 365	0.14 311	0.15 275	0.29 497	0.09 354	0.05 153	0.07 194	0.07 269	0.08 315	0.08 334

test_xeample	0.15 344	0.07 117	0.14 252	0.15 64	0.08 124	0.22 431	0.20 420	0.29 397	0.21 273	0.16 291	0.29 414	0.19 321	0.17 377	0.16 302	0.28 489	0.09 354	0.05 153	0.07 194	0.07 269	0.07 249	0.07 265

AFF-stereo	0.09 76	0.07 117	0.10 95	0.17 207	0.07 63	0.10 123	0.15 226	0.18 185	0.10 31	0.10 117	0.11 144	0.09 120	0.10 185	0.12 178	0.10 111	0.05 25	0.04 20	0.07 194	0.07 269	0.04 13	0.04 28

EAI-Stereo	0.09 76	0.07 117	0.11 137	0.16 132	0.07 63	0.10 123	0.15 226	0.16 123	0.09 21	0.08 58	0.09 88	0.08 93	0.07 102	0.09 32	0.11 169	0.05 25	0.05 153	0.05 23	0.05 107	0.05 95	0.04 28

CFNet-RSSM	0.09 76	0.07 117	0.10 95	0.16 132	0.07 63	0.09 81	0.15 226	0.17 158	0.18 217	0.08 58	0.12 158	0.11 171	0.09 163	0.12 178	0.10 111	0.06 109	0.04 20	0.06 100	0.04 31	0.04 13	0.04 28

SFCPSM	0.13 273	0.07 117	0.15 289	0.17 207	0.09 228	0.15 298	0.16 285	0.28 379	0.27 364	0.14 238	0.18 258	0.12 192	0.13 279	0.14 257	0.11 169	0.08 298	0.05 153	0.07 194	0.07 269	0.07 249	0.06 187

Gwc-CoAtRS	0.09 76	0.07 117	0.10 95	0.16 132	0.07 63	0.10 123	0.15 226	0.18 185	0.17 203	0.08 58	0.10 114	0.12 192	0.09 163	0.12 178	0.09 43	0.06 109	0.04 20	0.06 100	0.04 31	0.04 13	0.05 109

cf-r	0.14 303	0.07 117	0.13 208	0.16 132	0.08 124	0.14 272	0.19 402	0.21 243	0.25 339	0.17 303	0.26 371	0.22 365	0.17 377	0.14 257	0.15 332	0.10 395	0.05 153	0.06 100	0.08 336	0.06 182	0.06 187

GANet-RSSM	0.14 303	0.07 117	0.13 208	0.13 9	0.08 124	0.14 272	0.18 359	0.23 284	0.21 273	0.17 303	0.25 358	0.24 391	0.16 353	0.16 302	0.16 351	0.10 395	0.06 301	0.07 194	0.08 336	0.08 315	0.07 265

PSMNet-RSSM	0.14 303	0.07 117	0.14 252	0.15 64	0.08 124	0.13 233	0.16 285	0.25 328	0.24 315	0.17 303	0.28 399	0.23 382	0.14 311	0.16 302	0.14 298	0.11 427	0.06 301	0.09 358	0.12 470	0.08 315	0.07 265

GwcNet-RSSM	0.14 303	0.07 117	0.12 175	0.16 132	0.08 124	0.15 298	0.20 420	0.22 266	0.28 380	0.18 335	0.28 399	0.23 382	0.17 377	0.15 275	0.16 351	0.10 395	0.06 301	0.07 194	0.09 381	0.07 249	0.07 265

CFNet-ft	0.14 303	0.07 117	0.15 289	0.12 4	0.09 228	0.17 349	0.18 359	0.22 266	0.24 315	0.17 303	0.26 371	0.24 391	0.14 311	0.16 302	0.15 332	0.11 427	0.06 301	0.08 274	0.09 381	0.09 377	0.08 334

RASNet	0.15 344	0.07 117	0.15 289	0.16 132	0.08 124	0.19 387	0.14 156	0.30 408	0.21 273	0.17 303	0.25 358	0.21 347	0.19 409	0.20 401	0.20 406	0.07 238	0.06 301	0.06 100	0.08 336	0.06 182	0.06 187

CFNet_RVC	0.14 303	0.07 117	0.15 289	0.12 4	0.09 228	0.17 349	0.18 359	0.22 266	0.24 315	0.17 303	0.26 371	0.24 391	0.14 311	0.16 302	0.15 332	0.11 427	0.06 301	0.08 274	0.09 381	0.09 377	0.08 334

iResNet_ROB	0.14 303	0.07 117	0.13 208	0.15 64	0.07 63	0.19 387	0.14 156	0.26 341	0.32 408	0.23 417	0.26 371	0.23 382	0.16 353	0.15 275	0.14 298	0.07 238	0.05 153	0.05 23	0.04 31	0.08 315	0.08 334

LE_ROB	0.50 540	0.07 117	0.14 252	0.15 64	0.08 124	0.26 470	0.17 311	0.23 284	1.71 571	4.68 575	0.67 534	0.46 521	0.47 533	0.21 419	0.30 502	0.07 238	0.06 301	0.06 100	0.06 179	0.08 315	0.06 187

pmcnn	0.15 344	0.07 117	0.20 413	0.15 64	0.07 63	0.21 417	0.16 285	0.25 328	0.26 352	0.21 388	0.33 439	0.29 438	0.19 409	0.18 358	0.17 368	0.07 238	0.05 153	0.05 23	0.04 31	0.07 249	0.06 187

MultiAttention	0.30 509	0.08 228	0.15 289	0.19 348	0.13 442	1.56 571	1.33 572	0.36 479	0.36 443	0.20 372	0.21 299	0.24 391	0.11 215	0.39 522	0.18 381	0.06 109	0.05 153	0.08 274	0.08 336	0.11 434	0.09 378

FlowAnything_test	0.11 174	0.08 228	0.14 252	0.15 64	0.09 228	0.08 47	0.14 156	0.20 225	0.11 54	0.10 117	0.09 88	0.12 192	0.12 247	0.13 229	0.11 169	0.09 354	0.06 301	0.09 358	0.09 381	0.06 182	0.09 378

asda	0.07 3	0.08 228	0.08 19	0.16 132	0.07 63	0.06 7	0.10 26	0.16 123	0.11 54	0.06 7	0.06 11	0.05 1	0.06 36	0.10 56	0.10 111	0.03 1	0.03 1	0.04 1	0.03 1	0.04 13	0.03 1

asd	0.07 3	0.08 228	0.08 19	0.16 132	0.07 63	0.08 47	0.08 7	0.11 26	0.08 9	0.07 29	0.07 34	0.06 14	0.06 36	0.10 56	0.09 43	0.03 1	0.03 1	0.04 1	0.04 31	0.04 13	0.03 1

qwe	0.08 40	0.08 228	0.07 3	0.15 64	0.06 11	0.07 22	0.10 26	0.18 185	0.12 84	0.07 29	0.07 34	0.06 14	0.06 36	0.10 56	0.09 43	0.04 6	0.03 1	0.04 1	0.04 31	0.04 13	0.03 1

4.25_new	0.07 3	0.08 228	0.09 62	0.15 64	0.06 11	0.08 47	0.08 7	0.14 72	0.08 9	0.07 29	0.07 34	0.06 14	0.06 36	0.12 178	0.10 111	0.04 6	0.03 1	0.04 1	0.03 1	0.04 13	0.03 1

4.5w_new	0.07 3	0.08 228	0.09 62	0.15 64	0.06 11	0.08 47	0.08 7	0.14 72	0.08 9	0.07 29	0.07 34	0.06 14	0.06 36	0.12 178	0.10 111	0.04 6	0.03 1	0.04 1	0.03 1	0.04 13	0.03 1

4.25w-stereo	0.07 3	0.08 228	0.09 62	0.15 64	0.06 11	0.08 47	0.08 7	0.14 72	0.08 9	0.07 29	0.07 34	0.06 14	0.06 36	0.12 178	0.10 111	0.04 6	0.03 1	0.04 1	0.03 1	0.04 13	0.03 1

4w-stereo	0.07 3	0.08 228	0.08 19	0.16 132	0.07 63	0.07 22	0.08 7	0.11 26	0.09 21	0.07 29	0.07 34	0.05 1	0.06 36	0.09 32	0.10 111	0.03 1	0.03 1	0.04 1	0.04 31	0.04 13	0.03 1

2w_stereo	0.08 40	0.08 228	0.09 62	0.16 132	0.06 11	0.09 81	0.10 26	0.20 225	0.15 153	0.08 58	0.07 34	0.06 14	0.06 36	0.06 1	0.10 111	0.04 6	0.03 1	0.04 1	0.04 31	0.03 1	0.03 1

xyz-stereo-finetune	0.11 174	0.08 228	0.13 208	0.14 27	0.06 11	0.10 123	0.19 402	0.18 185	0.19 238	0.12 186	0.14 186	0.15 260	0.11 215	0.13 229	0.12 227	0.05 25	0.04 20	0.07 194	0.05 107	0.04 13	0.05 109

LG-Stereo	0.08 40	0.08 228	0.10 95	0.18 289	0.07 63	0.10 123	0.17 311	0.11 26	0.08 9	0.06 7	0.08 68	0.06 14	0.07 102	0.09 32	0.09 43	0.04 6	0.05 153	0.07 194	0.07 269	0.04 13	0.04 28

S2M2	0.09 76	0.08 228	0.11 137	0.13 9	0.10 334	0.08 47	0.06 1	0.10 15	0.10 31	0.10 117	0.10 114	0.09 120	0.09 163	0.11 101	0.11 169	0.13 470	0.07 372	0.08 274	0.09 381	0.10 412	0.08 334

ISRNet	0.18 408	0.08 228	0.20 413	0.19 348	0.13 442	0.15 298	0.12 69	0.30 408	0.33 413	0.21 388	0.26 371	0.27 420	0.18 391	0.17 341	0.20 406	0.20 524	0.08 403	0.14 484	0.14 486	0.14 482	0.17 513

AIO-test2	0.10 135	0.08 228	0.10 95	0.23 472	0.09 228	0.11 163	0.11 45	0.23 284	0.24 315	0.08 58	0.09 88	0.08 93	0.05 11	0.10 56	0.08 14	0.06 109	0.05 153	0.08 274	0.09 381	0.05 95	0.05 109

fffy	0.09 76	0.08 228	0.10 95	0.16 132	0.07 63	0.13 233	0.17 311	0.13 58	0.12 84	0.08 58	0.09 88	0.08 93	0.09 163	0.13 229	0.11 169	0.05 25	0.05 153	0.07 194	0.05 107	0.04 13	0.05 109

rvit_stereo_0083	0.12 246	0.08 228	0.17 354	0.16 132	0.09 228	0.11 163	0.15 226	0.15 98	0.26 352	0.11 154	0.14 186	0.13 216	0.10 185	0.12 178	0.13 262	0.10 395	0.08 403	0.09 358	0.07 269	0.07 249	0.06 187

rvit_stereo_0081	0.11 174	0.08 228	0.16 331	0.16 132	0.09 228	0.11 163	0.14 156	0.14 72	0.24 315	0.11 154	0.13 173	0.14 235	0.09 163	0.11 101	0.12 227	0.10 395	0.07 372	0.08 274	0.07 269	0.07 249	0.06 187

rvit_stereo_0082	0.11 174	0.08 228	0.16 331	0.16 132	0.09 228	0.11 163	0.14 156	0.14 72	0.24 315	0.11 154	0.13 173	0.14 235	0.09 163	0.11 101	0.12 227	0.10 395	0.07 372	0.08 274	0.07 269	0.07 249	0.06 187

rvit_stereo_0080	0.10 135	0.08 228	0.15 289	0.15 64	0.10 334	0.07 22	0.15 226	0.16 123	0.16 179	0.11 154	0.10 114	0.15 260	0.09 163	0.12 178	0.10 111	0.09 354	0.07 372	0.07 194	0.06 179	0.07 249	0.05 109

test_sample5	0.14 303	0.08 228	0.14 252	0.16 132	0.08 124	0.18 365	0.18 359	0.25 328	0.17 203	0.17 303	0.28 399	0.18 312	0.15 332	0.16 302	0.13 262	0.08 298	0.06 301	0.08 274	0.07 269	0.09 377	0.08 334

test_sample4	0.14 303	0.08 228	0.15 289	0.15 64	0.08 124	0.19 387	0.18 359	0.26 341	0.18 217	0.17 303	0.26 371	0.18 312	0.15 332	0.17 341	0.13 262	0.08 298	0.06 301	0.08 274	0.06 179	0.09 377	0.08 334

test_sample3	0.14 303	0.08 228	0.15 289	0.14 27	0.09 228	0.20 406	0.17 311	0.27 355	0.18 217	0.17 303	0.22 315	0.19 321	0.15 332	0.17 341	0.14 298	0.09 354	0.06 301	0.07 194	0.06 179	0.09 377	0.08 334

Former-RAFT_DAM_RVC	0.11 174	0.08 228	0.13 208	0.16 132	0.08 124	0.15 298	0.16 285	0.18 185	0.19 238	0.10 117	0.09 88	0.09 120	0.08 138	0.11 101	0.12 227	0.07 238	0.05 153	0.08 274	0.06 179	0.07 249	0.06 187

AE-Stereo	0.10 135	0.08 228	0.11 137	0.19 348	0.09 228	0.10 123	0.15 226	0.14 72	0.20 259	0.09 87	0.15 199	0.12 192	0.08 138	0.11 101	0.10 111	0.05 25	0.06 301	0.07 194	0.06 179	0.05 95	0.04 28

ACVNet-DCA	0.10 135	0.08 228	0.13 208	0.17 207	0.09 228	0.13 233	0.15 226	0.24 308	0.16 179	0.09 87	0.09 88	0.06 14	0.06 36	0.10 56	0.07 1	0.06 109	0.05 153	0.06 100	0.05 107	0.07 249	0.07 265

xx1	0.11 174	0.08 228	0.13 208	0.17 207	0.09 228	0.13 233	0.15 226	0.16 123	0.18 217	0.09 87	0.09 88	0.16 280	0.16 353	0.10 56	0.07 1	0.06 109	0.05 153	0.08 274	0.08 336	0.07 249	0.07 265

1test111	0.11 174	0.08 228	0.13 208	0.17 207	0.09 228	0.13 233	0.15 226	0.24 308	0.16 179	0.09 87	0.09 88	0.06 14	0.06 36	0.15 275	0.16 351	0.06 109	0.05 153	0.06 100	0.05 107	0.07 249	0.07 265

cc1	0.10 135	0.08 228	0.13 208	0.17 207	0.09 228	0.13 233	0.15 226	0.16 123	0.18 217	0.09 87	0.09 88	0.06 14	0.06 36	0.10 56	0.07 1	0.06 109	0.05 153	0.06 100	0.05 107	0.06 182	0.06 187

mmm	0.14 303	0.08 228	0.18 386	0.17 207	0.09 228	0.17 349	0.18 359	0.21 243	0.16 179	0.16 291	0.23 319	0.21 347	0.16 353	0.16 302	0.17 368	0.08 298	0.05 153	0.08 274	0.08 336	0.08 315	0.07 265

DualNet	0.14 303	0.08 228	0.14 252	0.16 132	0.08 124	0.18 365	0.18 359	0.25 328	0.17 203	0.18 335	0.28 399	0.18 312	0.15 332	0.16 302	0.13 262	0.08 298	0.06 301	0.08 274	0.07 269	0.09 377	0.08 334

tt1	0.10 135	0.08 228	0.13 208	0.17 207	0.09 228	0.13 233	0.15 226	0.15 98	0.19 238	0.09 87	0.08 68	0.06 14	0.06 36	0.10 56	0.08 14	0.06 109	0.05 153	0.06 100	0.05 107	0.06 182	0.06 187

ttt	0.14 303	0.08 228	0.14 252	0.15 64	0.08 124	0.15 298	0.18 359	0.27 355	0.30 393	0.16 291	0.24 331	0.17 297	0.14 311	0.13 229	0.14 298	0.11 427	0.08 403	0.09 358	0.08 336	0.09 377	0.09 378

whm_eth	0.10 135	0.08 228	0.15 289	0.15 64	0.10 334	0.07 22	0.15 226	0.16 123	0.16 179	0.11 154	0.10 114	0.15 260	0.09 163	0.12 178	0.10 111	0.09 354	0.07 372	0.07 194	0.06 179	0.07 249	0.05 109

PCWNet_CMD	0.14 303	0.08 228	0.15 289	0.17 207	0.09 228	0.14 272	0.14 156	0.29 397	0.36 443	0.14 238	0.20 282	0.21 347	0.13 279	0.17 341	0.14 298	0.07 238	0.05 153	0.07 194	0.07 269	0.07 249	0.07 265

TestStereo1	0.13 273	0.08 228	0.08 19	0.20 402	0.08 124	0.18 365	0.29 516	0.23 284	0.17 203	0.17 303	0.20 282	0.16 280	0.11 215	0.12 178	0.13 262	0.06 109	0.06 301	0.08 274	0.06 179	0.05 95	0.05 109

x	0.13 273	0.08 228	0.15 289	0.14 27	0.08 124	0.19 387	0.14 156	0.22 266	0.21 273	0.15 262	0.20 282	0.20 338	0.18 391	0.18 358	0.18 381	0.07 238	0.05 153	0.06 100	0.06 179	0.07 249	0.07 265

IER	0.14 303	0.08 228	0.13 208	0.17 207	0.09 228	0.14 272	0.16 285	0.26 341	0.27 364	0.18 335	0.26 371	0.17 297	0.20 421	0.17 341	0.14 298	0.08 298	0.05 153	0.07 194	0.06 179	0.08 315	0.07 265

CRFU-Net	0.16 371	0.08 228	0.15 289	0.17 207	0.09 228	0.20 406	0.14 156	0.27 355	0.21 273	0.28 466	0.28 399	0.29 438	0.18 391	0.19 383	0.18 381	0.09 354	0.09 430	0.07 194	0.07 269	0.08 315	0.09 378

SA-5K	0.13 273	0.08 228	0.08 19	0.20 402	0.08 124	0.18 365	0.29 516	0.23 284	0.17 203	0.17 303	0.20 282	0.16 280	0.11 215	0.12 178	0.13 262	0.06 109	0.06 301	0.08 274	0.06 179	0.05 95	0.05 109

Sa-1000	0.12 246	0.08 228	0.09 62	0.18 289	0.08 124	0.15 298	0.22 448	0.22 266	0.19 238	0.15 262	0.20 282	0.17 297	0.11 215	0.10 56	0.10 111	0.06 109	0.05 153	0.09 358	0.09 381	0.05 95	0.05 109

CIPLG	0.11 174	0.08 228	0.15 289	0.17 207	0.08 124	0.13 233	0.15 226	0.17 158	0.16 179	0.14 238	0.11 144	0.16 280	0.10 185	0.17 341	0.12 227	0.07 238	0.05 153	0.06 100	0.06 179	0.05 95	0.06 187

DAS	0.15 344	0.08 228	0.18 386	0.19 348	0.10 334	0.19 387	0.17 311	0.28 379	0.30 393	0.18 335	0.26 371	0.21 347	0.16 353	0.16 302	0.13 262	0.08 298	0.06 301	0.06 100	0.06 179	0.07 249	0.07 265

SepStereo	0.15 344	0.08 228	0.18 386	0.19 348	0.10 334	0.19 387	0.17 311	0.28 379	0.30 393	0.18 335	0.26 371	0.21 347	0.16 353	0.26 465	0.13 262	0.08 298	0.06 301	0.06 100	0.06 179	0.07 249	0.07 265

IPLG	0.11 174	0.08 228	0.15 289	0.17 207	0.08 124	0.11 163	0.14 156	0.20 225	0.15 153	0.13 215	0.18 258	0.07 62	0.07 102	0.14 257	0.14 298	0.06 109	0.04 20	0.06 100	0.05 107	0.04 13	0.04 28

IPLGR_C	0.11 174	0.08 228	0.15 289	0.17 207	0.08 124	0.12 204	0.15 226	0.17 158	0.15 153	0.14 238	0.11 144	0.16 280	0.10 185	0.16 302	0.12 227	0.07 238	0.05 153	0.06 100	0.06 179	0.05 95	0.06 187

MIPNet	0.11 174	0.08 228	0.15 289	0.17 207	0.09 228	0.12 204	0.14 156	0.21 243	0.25 339	0.12 186	0.10 114	0.09 120	0.07 102	0.13 229	0.13 262	0.06 109	0.04 20	0.06 100	0.05 107	0.04 13	0.04 28

AASNet	0.16 371	0.08 228	0.13 208	0.19 348	0.09 228	0.19 387	0.15 226	0.38 495	0.37 449	0.20 372	0.24 331	0.20 338	0.17 377	0.17 341	0.21 419	0.10 395	0.08 403	0.08 274	0.07 269	0.09 377	0.09 378

ACRE	0.11 174	0.08 228	0.15 289	0.17 207	0.08 124	0.13 233	0.15 226	0.17 158	0.14 136	0.14 238	0.11 144	0.16 280	0.10 185	0.16 302	0.12 227	0.07 238	0.05 153	0.06 100	0.06 179	0.05 95	0.06 187

AACVNet	0.16 371	0.08 228	0.15 289	0.15 64	0.10 334	0.18 365	0.15 226	0.24 308	0.25 339	0.27 453	0.27 388	0.28 430	0.18 391	0.19 383	0.17 368	0.09 354	0.07 372	0.09 358	0.07 269	0.10 412	0.09 378

GwcNet-ADL	0.13 273	0.08 228	0.14 252	0.20 402	0.09 228	0.12 204	0.20 420	0.30 408	0.25 339	0.14 238	0.14 186	0.18 312	0.14 311	0.13 229	0.15 332	0.07 238	0.05 153	0.06 100	0.05 107	0.07 249	0.06 187

AAGNet	0.12 246	0.08 228	0.17 354	0.19 348	0.09 228	0.08 47	0.13 108	0.19 212	0.13 114	0.16 291	0.21 299	0.13 216	0.14 311	0.11 101	0.14 298	0.06 109	0.04 20	0.09 358	0.06 179	0.06 182	0.05 109

TransformOpticalFlow	0.10 135	0.08 228	0.13 208	0.18 289	0.07 63	0.09 81	0.15 226	0.19 212	0.16 179	0.12 186	0.16 216	0.11 171	0.11 215	0.11 101	0.11 169	0.05 25	0.04 20	0.06 100	0.06 179	0.05 95	0.05 109

NRIStereo	0.11 174	0.08 228	0.15 289	0.18 289	0.08 124	0.10 123	0.13 108	0.17 158	0.15 153	0.12 186	0.15 199	0.13 216	0.13 279	0.13 229	0.10 111	0.06 109	0.04 20	0.07 194	0.06 179	0.06 182	0.07 265

DeepStereo_RVC	0.11 174	0.08 228	0.17 354	0.18 289	0.08 124	0.08 47	0.11 45	0.17 158	0.12 84	0.13 215	0.15 199	0.12 192	0.12 247	0.12 178	0.11 169	0.06 109	0.04 20	0.07 194	0.06 179	0.07 249	0.08 334

IRAFT_RVC	0.12 246	0.08 228	0.17 354	0.19 348	0.08 124	0.07 22	0.14 156	0.25 328	0.23 305	0.14 238	0.15 199	0.15 260	0.12 247	0.12 178	0.11 169	0.06 109	0.04 20	0.09 358	0.06 179	0.06 182	0.06 187

CroCo-Stereo	0.09 76	0.08 228	0.08 19	0.22 453	0.09 228	0.09 81	0.18 359	0.16 123	0.12 84	0.07 29	0.07 34	0.08 93	0.06 36	0.08 13	0.07 1	0.07 238	0.05 153	0.06 100	0.04 31	0.05 95	0.04 28
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
LMCR-Stereo	0.15 344	0.08 228	0.14 252	0.21 433	0.09 228	0.18 365	0.19 402	0.28 379	0.19 238	0.24 429	0.24 331	0.23 382	0.17 377	0.20 401	0.17 368	0.07 238	0.06 301	0.08 274	0.06 179	0.10 412	0.09 378

CFNet_pseudo	0.14 303	0.08 228	0.16 331	0.16 132	0.09 228	0.13 233	0.14 156	0.27 355	0.34 424	0.15 262	0.21 299	0.22 365	0.13 279	0.18 358	0.14 298	0.07 238	0.05 153	0.08 274	0.06 179	0.07 249	0.07 265

RALAANet	0.11 174	0.08 228	0.10 95	0.17 207	0.09 228	0.14 272	0.10 26	0.20 225	0.16 179	0.14 238	0.13 173	0.16 280	0.09 163	0.12 178	0.12 227	0.06 109	0.05 153	0.08 274	0.07 269	0.06 182	0.04 28

ADLNet	0.16 371	0.08 228	0.15 289	0.16 132	0.10 334	0.16 326	0.17 311	0.33 443	0.27 364	0.23 417	0.27 388	0.24 391	0.16 353	0.18 358	0.21 419	0.10 395	0.06 301	0.10 406	0.10 419	0.08 315	0.09 378

GES	0.14 303	0.08 228	0.16 331	0.15 64	0.10 334	0.13 233	0.13 108	0.28 379	0.26 352	0.17 303	0.24 331	0.19 321	0.14 311	0.16 302	0.14 298	0.08 298	0.08 403	0.07 194	0.06 179	0.08 315	0.09 378

ARAFT	0.12 246	0.08 228	0.18 386	0.19 348	0.09 228	0.15 298	0.17 311	0.20 225	0.13 114	0.12 186	0.13 173	0.14 235	0.12 247	0.15 275	0.13 262	0.06 109	0.05 153	0.10 406	0.09 381	0.06 182	0.04 28

RAFT + AFF	0.13 273	0.08 228	0.21 423	0.20 402	0.10 334	0.14 272	0.23 460	0.27 355	0.21 273	0.12 186	0.10 114	0.12 192	0.10 185	0.16 302	0.12 227	0.08 298	0.07 372	0.09 358	0.09 381	0.06 182	0.09 378

UPFNet	0.16 371	0.08 228	0.12 175	0.20 402	0.12 416	0.20 406	0.23 460	0.28 379	0.26 352	0.18 335	0.24 331	0.22 365	0.20 421	0.19 383	0.22 432	0.09 354	0.07 372	0.08 274	0.09 381	0.08 315	0.06 187

FENet	0.13 273	0.08 228	0.13 208	0.16 132	0.08 124	0.15 298	0.16 285	0.23 284	0.23 305	0.17 303	0.24 331	0.16 280	0.13 279	0.14 257	0.15 332	0.08 298	0.05 153	0.08 274	0.08 336	0.08 315	0.08 334

DIP-Stereo	0.11 174	0.08 228	0.15 289	0.17 207	0.09 228	0.13 233	0.09 17	0.16 123	0.16 179	0.12 186	0.16 216	0.14 235	0.12 247	0.16 302	0.14 298	0.06 109	0.05 153	0.06 100	0.05 107	0.05 95	0.07 265
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
MSMDNet	0.14 303	0.08 228	0.15 289	0.17 207	0.09 228	0.14 272	0.14 156	0.29 397	0.36 443	0.14 238	0.20 282	0.21 347	0.13 279	0.18 358	0.14 298	0.07 238	0.05 153	0.07 194	0.07 269	0.07 249	0.07 265

HSM-Net_RVC	0.14 303	0.08 228	0.12 175	0.15 64	0.08 124	0.16 326	0.15 226	0.27 355	0.29 387	0.20 372	0.21 299	0.29 438	0.14 311	0.18 358	0.13 262	0.06 109	0.06 301	0.06 100	0.06 179	0.07 249	0.06 187
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
UCFNet_RVC	0.15 344	0.08 228	0.13 208	0.11 1	0.10 334	0.20 406	0.10 26	0.24 308	0.23 305	0.17 303	0.21 299	0.24 391	0.15 332	0.18 358	0.15 332	0.12 453	0.07 372	0.11 436	0.13 481	0.11 434	0.10 408

iResNetv2_ROB	0.15 344	0.08 228	0.16 331	0.16 132	0.08 124	0.16 326	0.13 108	0.26 341	0.36 443	0.21 388	0.29 414	0.24 391	0.13 279	0.14 257	0.14 298	0.06 109	0.06 301	0.06 100	0.04 31	0.09 377	0.08 334

MLCV	0.13 273	0.08 228	0.17 354	0.18 289	0.06 11	0.16 326	0.17 311	0.19 212	0.22 295	0.19 350	0.25 358	0.17 297	0.13 279	0.15 275	0.14 298	0.05 25	0.04 20	0.05 23	0.04 31	0.05 95	0.04 28

4.5_new	0.07 3	0.09 300	0.08 19	0.15 64	0.07 63	0.07 22	0.10 26	0.14 72	0.11 54	0.06 7	0.08 68	0.06 14	0.06 36	0.08 13	0.10 111	0.03 1	0.03 1	0.04 1	0.04 31	0.04 13	0.03 1

4.5w-stereo	0.07 3	0.09 300	0.08 19	0.15 64	0.07 63	0.07 22	0.10 26	0.14 72	0.11 54	0.06 7	0.08 68	0.06 14	0.06 36	0.08 13	0.10 111	0.03 1	0.03 1	0.04 1	0.04 31	0.04 13	0.03 1

3w_stereo	0.08 40	0.09 300	0.10 95	0.17 207	0.07 63	0.08 47	0.11 45	0.20 225	0.13 114	0.06 7	0.07 34	0.05 1	0.06 36	0.08 13	0.09 43	0.04 6	0.03 1	0.04 1	0.03 1	0.04 13	0.03 1

SCV	0.08 40	0.09 300	0.08 19	0.15 64	0.08 124	0.10 123	0.12 69	0.11 26	0.12 84	0.07 29	0.07 34	0.06 14	0.04 1	0.10 56	0.08 14	0.05 25	0.05 153	0.06 100	0.04 31	0.06 182	0.04 28

rvit_0105_6	0.14 303	0.09 300	0.18 386	0.17 207	0.10 334	0.10 123	0.17 311	0.19 212	0.26 352	0.12 186	0.18 258	0.17 297	0.13 279	0.18 358	0.13 262	0.15 493	0.11 466	0.12 457	0.10 419	0.09 377	0.06 187

rvit_0105_4	0.15 344	0.09 300	0.17 354	0.17 207	0.10 334	0.12 204	0.20 420	0.23 284	0.27 364	0.14 238	0.20 282	0.17 297	0.14 311	0.17 341	0.13 262	0.15 493	0.11 466	0.11 436	0.10 419	0.09 377	0.06 187

rvit_stereo_0081_aga	0.12 246	0.09 300	0.15 289	0.18 289	0.10 334	0.14 272	0.14 156	0.14 72	0.19 238	0.10 117	0.18 258	0.16 280	0.09 163	0.12 178	0.10 111	0.10 395	0.06 301	0.08 274	0.07 269	0.07 249	0.06 187

DCVSM-stereo	0.15 344	0.09 300	0.16 331	0.16 132	0.10 334	0.15 298	0.09 17	0.20 225	0.24 315	0.20 372	0.24 331	0.26 414	0.15 332	0.19 383	0.14 298	0.09 354	0.07 372	0.09 358	0.08 336	0.10 412	0.12 453

RAStereo	0.10 135	0.09 300	0.08 19	0.20 402	0.08 124	0.13 233	0.18 359	0.16 123	0.17 203	0.10 117	0.12 158	0.05 1	0.06 36	0.09 32	0.08 14	0.07 238	0.05 153	0.07 194	0.05 107	0.05 95	0.04 28

test_sample6	0.14 303	0.09 300	0.14 252	0.17 207	0.08 124	0.17 349	0.19 402	0.26 341	0.18 217	0.18 335	0.28 399	0.19 321	0.15 332	0.15 275	0.13 262	0.08 298	0.05 153	0.08 274	0.07 269	0.08 315	0.08 334

H2IRNET	0.10 135	0.09 300	0.10 95	0.18 289	0.09 228	0.12 204	0.15 226	0.14 72	0.21 273	0.10 117	0.10 114	0.10 151	0.11 215	0.10 56	0.10 111	0.06 109	0.04 20	0.08 274	0.08 336	0.06 182	0.05 109

DispNO	0.15 344	0.09 300	0.18 386	0.19 348	0.12 416	0.11 163	0.21 436	0.23 284	0.29 387	0.18 335	0.23 319	0.19 321	0.17 377	0.16 302	0.16 351	0.07 238	0.05 153	0.08 274	0.08 336	0.07 249	0.06 187

ffm	0.12 246	0.09 300	0.15 289	0.16 132	0.09 228	0.17 349	0.17 311	0.15 98	0.19 238	0.15 262	0.26 371	0.19 321	0.13 279	0.10 56	0.08 14	0.06 109	0.05 153	0.09 358	0.08 336	0.06 182	0.06 187

ff1	0.13 273	0.09 300	0.15 289	0.16 132	0.09 228	0.17 349	0.17 311	0.15 98	0.19 238	0.15 262	0.26 371	0.19 321	0.13 279	0.15 275	0.22 432	0.06 109	0.05 153	0.09 358	0.08 336	0.06 182	0.06 187

mmx	0.15 344	0.09 300	0.15 289	0.16 132	0.09 228	0.17 349	0.17 311	0.27 355	0.26 352	0.15 262	0.26 371	0.19 321	0.13 279	0.15 275	0.22 432	0.08 298	0.06 301	0.09 358	0.08 336	0.08 315	0.08 334

1111x	0.16 371	0.09 300	0.13 208	0.18 289	0.08 124	0.18 365	0.25 486	0.32 429	0.25 339	0.17 303	0.24 331	0.27 420	0.15 332	0.14 257	0.24 455	0.07 238	0.07 372	0.08 274	0.09 381	0.07 249	0.07 265

xxx	0.15 344	0.09 300	0.15 289	0.16 132	0.09 228	0.17 349	0.17 311	0.27 355	0.26 352	0.15 262	0.26 371	0.19 321	0.13 279	0.15 275	0.22 432	0.08 298	0.06 301	0.09 358	0.08 336	0.08 315	0.08 334

plain	0.11 174	0.09 300	0.10 95	0.19 348	0.09 228	0.11 163	0.14 156	0.14 72	0.13 114	0.13 215	0.15 199	0.09 120	0.12 247	0.13 229	0.12 227	0.07 238	0.05 153	0.09 358	0.06 179	0.06 182	0.06 187

MaDis-Stereo	0.09 76	0.09 300	0.08 19	0.17 207	0.09 228	0.14 272	0.11 45	0.16 123	0.16 179	0.09 87	0.11 144	0.06 14	0.06 36	0.09 32	0.13 262	0.07 238	0.06 301	0.08 274	0.05 107	0.05 95	0.04 28

CASnet	0.09 76	0.09 300	0.09 62	0.19 348	0.06 11	0.07 22	0.11 45	0.18 185	0.14 136	0.11 154	0.10 114	0.09 120	0.07 102	0.10 56	0.10 111	0.06 109	0.04 20	0.10 406	0.08 336	0.06 182	0.03 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
CFNet_ucs	0.15 344	0.09 300	0.17 354	0.16 132	0.11 387	0.14 272	0.14 156	0.30 408	0.34 424	0.16 291	0.24 331	0.23 382	0.14 311	0.18 358	0.15 332	0.09 354	0.06 301	0.08 274	0.07 269	0.09 377	0.09 378

testlalala_base	0.10 135	0.09 300	0.14 252	0.21 433	0.08 124	0.10 123	0.14 156	0.13 58	0.11 54	0.08 58	0.15 199	0.07 62	0.08 138	0.11 101	0.12 227	0.08 298	0.05 153	0.05 23	0.03 1	0.07 249	0.05 109

SDNR	0.20 429	0.09 300	0.19 409	0.16 132	0.12 416	0.79 553	0.13 108	0.26 341	0.33 413	0.19 350	0.25 358	0.19 321	0.12 247	0.19 383	0.15 332	0.16 510	0.18 517	0.14 484	0.11 449	0.08 315	0.12 453

CroCo-Stereo Lap2	0.09 76	0.09 300	0.08 19	0.22 453	0.09 228	0.09 81	0.18 359	0.16 123	0.12 84	0.09 87	0.10 114	0.05 1	0.05 11	0.08 13	0.08 14	0.06 109	0.06 301	0.07 194	0.05 107	0.06 182	0.05 109

qqq	0.13 273	0.09 300	0.15 289	0.16 132	0.08 124	0.13 233	0.15 226	0.24 308	0.16 179	0.15 262	0.19 272	0.16 280	0.16 353	0.15 275	0.16 351	0.07 238	0.06 301	0.08 274	0.08 336	0.07 249	0.07 265

Wz-Net-LNSev-Ref	0.18 408	0.09 300	0.30 478	0.15 64	0.11 387	0.23 444	0.20 420	0.27 355	0.40 464	0.26 446	0.43 501	0.25 404	0.15 332	0.21 419	0.20 406	0.07 238	0.05 153	0.06 100	0.05 107	0.10 412	0.09 378

BUS	0.15 344	0.09 300	0.14 252	0.22 453	0.10 334	0.20 406	0.14 156	0.34 457	0.20 259	0.17 303	0.23 319	0.16 280	0.14 311	0.16 302	0.14 298	0.08 298	0.06 301	0.10 406	0.09 381	0.07 249	0.07 265

RAFT_CTSACE	0.12 246	0.09 300	0.10 95	0.22 453	0.08 124	0.12 204	0.24 470	0.18 185	0.17 203	0.21 388	0.27 388	0.13 216	0.07 102	0.13 229	0.09 43	0.05 25	0.06 301	0.08 274	0.07 269	0.04 13	0.04 28

BSDual-CNN	0.15 344	0.09 300	0.14 252	0.22 453	0.10 334	0.15 298	0.15 226	0.34 457	0.20 259	0.17 303	0.23 319	0.25 404	0.16 353	0.16 302	0.14 298	0.08 298	0.06 301	0.10 406	0.09 381	0.07 249	0.07 265

SA	0.13 273	0.09 300	0.09 62	0.18 289	0.08 124	0.12 204	0.24 470	0.23 284	0.19 238	0.17 303	0.27 388	0.15 260	0.11 215	0.11 101	0.11 169	0.05 25	0.05 153	0.09 358	0.08 336	0.05 95	0.05 109

iRaft-Stereo_5w	0.12 246	0.09 300	0.12 175	0.20 402	0.08 124	0.09 81	0.12 69	0.22 266	0.22 295	0.19 350	0.14 186	0.11 171	0.09 163	0.20 401	0.16 351	0.05 25	0.05 153	0.07 194	0.06 179	0.05 95	0.06 187

psmg	0.14 303	0.09 300	0.14 252	0.17 207	0.10 334	0.15 298	0.17 311	0.29 397	0.20 259	0.17 303	0.21 299	0.25 404	0.16 353	0.16 302	0.14 298	0.08 298	0.07 372	0.08 274	0.08 336	0.07 249	0.07 265

CSP-Net	0.16 371	0.09 300	0.14 252	0.17 207	0.09 228	0.19 387	0.18 359	0.25 328	0.33 413	0.26 446	0.31 424	0.25 404	0.16 353	0.21 419	0.19 396	0.09 354	0.06 301	0.07 194	0.07 269	0.08 315	0.08 334

IPLGR	0.11 174	0.09 300	0.17 354	0.18 289	0.08 124	0.13 233	0.16 285	0.21 243	0.24 315	0.12 186	0.12 158	0.11 171	0.09 163	0.13 229	0.12 227	0.06 109	0.05 153	0.06 100	0.06 179	0.05 95	0.04 28

GMOStereo	0.11 174	0.09 300	0.08 19	0.19 348	0.08 124	0.12 204	0.28 505	0.13 58	0.18 217	0.11 154	0.17 235	0.14 235	0.12 247	0.07 3	0.07 1	0.05 25	0.05 153	0.09 358	0.07 269	0.04 13	0.04 28

error version	0.11 174	0.09 300	0.08 19	0.19 348	0.08 124	0.12 204	0.28 505	0.13 58	0.18 217	0.11 154	0.17 235	0.14 235	0.12 247	0.07 3	0.07 1	0.05 25	0.05 153	0.09 358	0.07 269	0.04 13	0.04 28

test-v	0.11 174	0.09 300	0.08 19	0.19 348	0.08 124	0.12 204	0.28 505	0.13 58	0.18 217	0.11 154	0.17 235	0.14 235	0.12 247	0.07 3	0.07 1	0.05 25	0.05 153	0.09 358	0.07 269	0.04 13	0.04 28

test_3	0.11 174	0.09 300	0.10 95	0.21 433	0.08 124	0.13 233	0.25 486	0.14 72	0.21 273	0.10 117	0.10 114	0.09 120	0.10 185	0.08 13	0.11 169	0.05 25	0.04 20	0.08 274	0.07 269	0.04 13	0.04 28

ADLNet2	0.16 371	0.09 300	0.14 252	0.17 207	0.09 228	0.20 406	0.16 285	0.32 429	0.39 460	0.17 303	0.20 282	0.20 338	0.19 409	0.21 419	0.23 443	0.08 298	0.07 372	0.07 194	0.07 269	0.09 377	0.07 265

Patchmatch Stereo++	0.11 174	0.09 300	0.17 354	0.19 348	0.08 124	0.06 7	0.11 45	0.17 158	0.13 114	0.15 262	0.16 216	0.14 235	0.12 247	0.11 101	0.11 169	0.06 109	0.05 153	0.08 274	0.06 179	0.08 315	0.07 265
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
PSM-adaLoss	0.11 174	0.09 300	0.17 354	0.19 348	0.08 124	0.06 7	0.12 69	0.17 158	0.13 114	0.15 262	0.16 216	0.14 235	0.12 247	0.11 101	0.11 169	0.06 109	0.05 153	0.08 274	0.06 179	0.08 315	0.07 265

ROB_FTStereo_v2	0.11 174	0.09 300	0.17 354	0.19 348	0.08 124	0.06 7	0.12 69	0.17 158	0.13 114	0.15 262	0.16 216	0.14 235	0.12 247	0.11 101	0.11 169	0.06 109	0.05 153	0.08 274	0.06 179	0.08 315	0.07 265

ROB_FTStereo	0.11 174	0.09 300	0.17 354	0.19 348	0.08 124	0.06 7	0.11 45	0.17 158	0.13 114	0.15 262	0.16 216	0.14 235	0.12 247	0.11 101	0.11 169	0.06 109	0.05 153	0.08 274	0.06 179	0.08 315	0.07 265

HUI-Stereo	0.11 174	0.09 300	0.17 354	0.19 348	0.08 124	0.06 7	0.11 45	0.17 158	0.13 114	0.15 262	0.16 216	0.14 235	0.12 247	0.11 101	0.11 169	0.06 109	0.05 153	0.08 274	0.06 179	0.08 315	0.07 265

iGMRVC	0.11 174	0.09 300	0.17 354	0.19 348	0.08 124	0.06 7	0.12 69	0.17 158	0.13 114	0.15 262	0.16 216	0.14 235	0.12 247	0.11 101	0.11 169	0.06 109	0.05 153	0.08 274	0.06 179	0.08 315	0.07 265

iRAFT	0.11 174	0.09 300	0.17 354	0.19 348	0.08 124	0.06 7	0.11 45	0.17 158	0.13 114	0.15 262	0.16 216	0.14 235	0.12 247	0.11 101	0.11 169	0.06 109	0.05 153	0.08 274	0.06 179	0.08 315	0.07 265

CRE-IMP	0.11 174	0.09 300	0.16 331	0.19 348	0.09 228	0.10 123	0.12 69	0.18 185	0.10 31	0.14 238	0.14 186	0.14 235	0.13 279	0.12 178	0.12 227	0.07 238	0.04 20	0.08 274	0.06 179	0.08 315	0.08 334

test-2	0.11 174	0.09 300	0.08 19	0.19 348	0.08 124	0.12 204	0.28 505	0.13 58	0.18 217	0.11 154	0.17 235	0.14 235	0.12 247	0.07 3	0.07 1	0.05 25	0.05 153	0.09 358	0.07 269	0.04 13	0.04 28

cross-raft	0.10 135	0.09 300	0.09 62	0.19 348	0.07 63	0.11 163	0.24 470	0.13 58	0.15 153	0.08 58	0.10 114	0.12 192	0.10 185	0.09 32	0.11 169	0.05 25	0.04 20	0.06 100	0.05 107	0.04 13	0.04 28

RAFT	0.13 273	0.09 300	0.11 137	0.18 289	0.08 124	0.15 298	0.23 460	0.21 243	0.20 259	0.21 388	0.21 299	0.18 312	0.13 279	0.17 341	0.10 111	0.06 109	0.07 372	0.10 406	0.09 381	0.06 182	0.05 109

RAFT-IKP	0.11 174	0.09 300	0.17 354	0.19 348	0.08 124	0.06 7	0.11 45	0.17 158	0.13 114	0.15 262	0.16 216	0.14 235	0.12 247	0.11 101	0.11 169	0.06 109	0.05 153	0.08 274	0.06 179	0.08 315	0.07 265

ICVP	0.16 371	0.09 300	0.12 175	0.22 453	0.09 228	0.18 365	0.21 436	0.26 341	0.24 315	0.18 335	0.30 420	0.27 420	0.18 391	0.18 358	0.15 332	0.10 395	0.07 372	0.08 274	0.07 269	0.07 249	0.08 334
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
sCroCo_RVC	0.12 246	0.09 300	0.24 446	0.24 483	0.11 387	0.19 387	0.14 156	0.17 158	0.15 153	0.10 117	0.13 173	0.12 192	0.07 102	0.14 257	0.11 169	0.08 298	0.08 403	0.08 274	0.08 336	0.05 95	0.07 265

delet	0.17 393	0.09 300	0.18 386	0.19 348	0.11 387	0.21 417	0.22 448	0.30 408	0.38 455	0.17 303	0.27 388	0.19 321	0.19 409	0.19 383	0.21 419	0.08 298	0.08 403	0.09 358	0.11 449	0.06 182	0.07 265

UNet	0.17 393	0.09 300	0.18 386	0.19 348	0.12 416	0.28 489	0.19 402	0.33 443	0.30 393	0.21 388	0.25 358	0.23 382	0.19 409	0.20 401	0.19 396	0.07 238	0.06 301	0.08 274	0.07 269	0.08 315	0.07 265

ac_64	0.16 371	0.09 300	0.15 289	0.18 289	0.10 334	0.22 431	0.17 311	0.24 308	0.22 295	0.19 350	0.24 331	0.29 438	0.18 391	0.19 383	0.22 432	0.09 354	0.08 403	0.08 274	0.09 381	0.07 249	0.06 187

ACVNet	0.15 344	0.09 300	0.15 289	0.13 9	0.12 416	0.14 272	0.20 420	0.22 266	0.34 424	0.17 303	0.26 371	0.21 347	0.17 377	0.18 358	0.21 419	0.07 238	0.06 301	0.06 100	0.06 179	0.08 315	0.06 187

acv_ft	0.15 344	0.09 300	0.16 331	0.19 348	0.10 334	0.16 326	0.17 311	0.25 328	0.34 424	0.19 350	0.26 371	0.21 347	0.17 377	0.18 358	0.19 396	0.07 238	0.06 301	0.06 100	0.06 179	0.08 315	0.06 187

HGLStereo	0.17 393	0.09 300	0.19 409	0.17 207	0.12 416	0.18 365	0.18 359	0.31 424	0.33 413	0.22 403	0.33 439	0.24 391	0.18 391	0.20 401	0.21 419	0.10 395	0.09 430	0.07 194	0.07 269	0.09 377	0.10 408

DSFCA	0.16 371	0.09 300	0.14 252	0.16 132	0.10 334	0.21 417	0.19 402	0.28 379	0.31 402	0.23 417	0.25 358	0.22 365	0.16 353	0.20 401	0.20 406	0.10 395	0.07 372	0.09 358	0.09 381	0.08 315	0.08 334

DMCA	0.14 303	0.09 300	0.17 354	0.19 348	0.09 228	0.15 298	0.17 311	0.23 284	0.28 380	0.14 238	0.20 282	0.17 297	0.18 391	0.15 275	0.17 368	0.10 395	0.06 301	0.08 274	0.06 179	0.09 377	0.10 408

BEATNet_4x	0.12 246	0.09 300	0.15 289	0.18 289	0.07 63	0.15 298	0.07 3	0.23 284	0.19 238	0.16 291	0.19 272	0.19 321	0.14 311	0.17 341	0.15 332	0.07 238	0.05 153	0.05 23	0.05 107	0.06 182	0.07 265

ccs_rob	0.14 303	0.09 300	0.16 331	0.16 132	0.09 228	0.13 233	0.14 156	0.27 355	0.34 424	0.15 262	0.21 299	0.22 365	0.13 279	0.18 358	0.14 298	0.07 238	0.05 153	0.08 274	0.07 269	0.07 249	0.07 265

HSM	0.15 344	0.09 300	0.15 289	0.16 132	0.09 228	0.16 326	0.14 156	0.28 379	0.25 339	0.20 372	0.24 331	0.37 489	0.17 377	0.20 401	0.15 332	0.07 238	0.05 153	0.07 194	0.06 179	0.07 249	0.06 187

DISCO	0.20 429	0.09 300	0.22 432	0.17 207	0.10 334	0.25 459	0.18 359	0.28 379	0.45 487	0.23 417	0.32 433	0.34 479	0.26 467	0.29 482	0.29 497	0.08 298	0.06 301	0.07 194	0.07 269	0.09 377	0.10 408

z-ln-s-r	0.18 408	0.10 365	0.41 505	0.19 348	0.08 124	0.18 365	0.18 359	0.23 284	0.34 424	0.19 350	0.41 490	0.22 365	0.17 377	0.20 401	0.25 462	0.07 238	0.05 153	0.07 194	0.07 269	0.07 249	0.06 187

DDVS	0.16 371	0.10 365	0.22 432	0.16 132	0.12 416	0.15 298	0.14 156	0.25 328	0.19 238	0.18 335	0.30 420	0.27 420	0.13 279	0.20 401	0.16 351	0.09 354	0.06 301	0.09 358	0.07 269	0.11 434	0.11 432

rvit_0105_5	0.14 303	0.10 365	0.14 252	0.17 207	0.09 228	0.14 272	0.23 460	0.24 308	0.27 364	0.14 238	0.15 199	0.18 312	0.13 279	0.17 341	0.14 298	0.14 489	0.11 466	0.10 406	0.11 449	0.08 315	0.07 265

rvit_0105_3	0.16 371	0.10 365	0.15 289	0.20 402	0.12 416	0.15 298	0.26 494	0.25 328	0.30 393	0.15 262	0.17 235	0.21 347	0.14 311	0.18 358	0.14 298	0.14 489	0.11 466	0.12 457	0.14 486	0.07 249	0.07 265

UGAM	0.13 273	0.10 365	0.09 62	0.22 453	0.08 124	0.13 233	0.20 420	0.18 185	0.24 315	0.22 403	0.16 216	0.13 216	0.13 279	0.19 383	0.13 262	0.07 238	0.05 153	0.13 471	0.11 449	0.07 249	0.05 109

ACV-stereo	0.15 344	0.10 365	0.29 472	0.18 289	0.12 416	0.15 298	0.13 108	0.23 284	0.21 273	0.19 350	0.23 319	0.22 365	0.15 332	0.23 445	0.17 368	0.08 298	0.07 372	0.07 194	0.07 269	0.08 315	0.07 265

IGEV-BASED-STEREO-	0.09 76	0.10 365	0.32 485	0.15 64	0.06 11	0.08 47	0.14 156	0.11 26	0.10 31	0.07 29	0.07 34	0.06 14	0.04 1	0.11 101	0.07 1	0.12 453	0.04 20	0.07 194	0.05 107	0.05 95	0.05 109

test_sample7	0.16 371	0.10 365	0.16 331	0.14 27	0.12 416	0.16 326	0.17 311	0.28 379	0.24 315	0.21 388	0.21 299	0.24 391	0.20 421	0.16 302	0.16 351	0.12 453	0.06 301	0.10 406	0.09 381	0.11 434	0.10 408

LL-Strereo2	0.11 174	0.10 365	0.16 331	0.18 289	0.08 124	0.15 298	0.09 17	0.17 158	0.14 136	0.14 238	0.11 144	0.09 120	0.07 102	0.16 302	0.10 111	0.05 25	0.05 153	0.11 436	0.07 269	0.06 182	0.05 109

LL-Strereo	0.13 273	0.10 365	0.12 175	0.20 402	0.10 334	0.11 163	0.18 359	0.33 443	0.25 339	0.16 291	0.16 216	0.14 235	0.14 311	0.19 383	0.11 169	0.06 109	0.05 153	0.09 358	0.08 336	0.04 13	0.05 109

ssnet_v2	0.17 393	0.10 365	0.18 386	0.17 207	0.11 387	0.21 417	0.22 448	0.34 457	0.25 339	0.23 417	0.23 319	0.27 420	0.19 409	0.22 437	0.21 419	0.11 427	0.10 453	0.09 358	0.09 381	0.08 315	0.08 334

raft_robust	0.13 273	0.10 365	0.07 3	0.18 289	0.08 124	0.13 233	0.24 470	0.29 397	0.34 424	0.20 372	0.20 282	0.15 260	0.10 185	0.11 101	0.12 227	0.05 25	0.05 153	0.07 194	0.07 269	0.05 95	0.04 28

NINENet	0.16 371	0.10 365	0.16 331	0.17 207	0.11 387	0.20 406	0.14 156	0.41 509	0.37 449	0.18 335	0.21 299	0.16 280	0.14 311	0.16 302	0.14 298	0.08 298	0.08 403	0.10 406	0.07 269	0.10 412	0.09 378

test_4	0.11 174	0.10 365	0.08 19	0.19 348	0.09 228	0.08 47	0.21 436	0.15 98	0.18 217	0.12 186	0.18 258	0.12 192	0.09 163	0.08 13	0.11 169	0.04 6	0.04 20	0.08 274	0.08 336	0.04 13	0.04 28

MMNet	0.17 393	0.10 365	0.17 354	0.20 402	0.11 387	0.27 479	0.20 420	0.26 341	0.42 473	0.22 403	0.30 420	0.22 365	0.20 421	0.18 358	0.20 406	0.06 109	0.06 301	0.07 194	0.07 269	0.08 315	0.07 265

psm_up	0.19 420	0.10 365	0.18 386	0.21 433	0.11 387	0.17 349	0.19 402	0.38 495	0.34 424	0.22 403	0.28 399	0.29 438	0.25 459	0.20 401	0.22 432	0.09 354	0.10 453	0.11 436	0.11 449	0.08 315	0.08 334

hitnet-ft	0.18 408	0.10 365	0.17 354	0.14 27	0.09 228	0.27 479	0.20 420	0.25 328	0.26 352	0.24 429	0.32 433	0.32 469	0.23 442	0.24 456	0.21 419	0.12 453	0.07 372	0.10 406	0.08 336	0.12 451	0.11 432

DMCA-RVC	0.17 393	0.10 365	0.16 331	0.24 483	0.11 387	0.19 387	0.18 359	0.26 341	0.24 315	0.21 388	0.27 388	0.25 404	0.27 473	0.18 358	0.21 419	0.12 453	0.08 403	0.13 471	0.10 419	0.10 412	0.08 334

SuperB	0.20 429	0.10 365	0.57 526	0.16 132	0.09 228	0.19 387	0.18 359	0.25 328	0.51 505	0.27 453	0.39 476	0.17 297	0.22 436	0.22 437	0.21 419	0.08 298	0.06 301	0.06 100	0.06 179	0.12 451	0.11 432

ADCP+	0.20 429	0.10 365	0.35 496	0.21 433	0.12 416	0.22 431	0.27 499	0.31 424	0.35 438	0.26 446	0.37 461	0.22 365	0.22 436	0.27 467	0.28 489	0.09 354	0.06 301	0.08 274	0.08 336	0.10 412	0.10 408

NLCA_NET_v2_RVC	0.17 393	0.10 365	0.23 440	0.20 402	0.10 334	0.15 298	0.18 359	0.31 424	0.25 339	0.21 388	0.31 424	0.25 404	0.17 377	0.21 419	0.20 406	0.09 354	0.06 301	0.08 274	0.09 381	0.07 249	0.08 334
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
AANet_RVC	0.16 371	0.10 365	0.11 137	0.18 289	0.09 228	0.19 387	0.18 359	0.27 355	0.32 408	0.22 403	0.35 453	0.21 347	0.22 436	0.22 437	0.17 368	0.06 109	0.05 153	0.06 100	0.06 179	0.07 249	0.06 187

iResNet	0.13 273	0.10 365	0.18 386	0.19 348	0.08 124	0.14 272	0.18 359	0.21 243	0.27 364	0.16 291	0.24 331	0.15 260	0.13 279	0.14 257	0.15 332	0.06 109	0.04 20	0.06 100	0.05 107	0.06 182	0.05 109

MDST_ROB	0.22 451	0.10 365	0.18 386	0.18 289	0.11 387	0.40 524	0.19 402	0.44 524	0.42 473	0.40 513	0.40 479	0.29 438	0.21 429	0.27 467	0.19 396	0.11 427	0.10 453	0.14 484	0.11 449	0.10 412	0.08 334

DLCB_ROB	0.18 408	0.10 365	0.16 331	0.23 472	0.11 387	0.24 450	0.18 359	0.30 408	0.28 380	0.27 453	0.29 414	0.28 430	0.25 459	0.20 401	0.20 406	0.08 298	0.08 403	0.09 358	0.09 381	0.07 249	0.07 265

MSAF-DinoV2	0.23 464	0.11 390	0.25 449	0.17 207	0.10 334	0.28 489	0.17 311	0.38 495	0.56 517	0.21 388	0.27 388	0.47 524	0.28 482	0.36 510	0.40 530	0.09 354	0.06 301	0.07 194	0.09 381	0.12 451	0.11 432

DFGA-Net	0.13 273	0.11 390	0.19 409	0.18 289	0.10 334	0.13 233	0.13 108	0.23 284	0.25 339	0.16 291	0.16 216	0.13 216	0.12 247	0.17 341	0.15 332	0.07 238	0.05 153	0.08 274	0.07 269	0.05 95	0.05 109

FACV-RUCA	0.13 273	0.11 390	0.13 208	0.19 348	0.12 416	0.15 298	0.16 285	0.22 266	0.21 273	0.16 291	0.16 216	0.15 260	0.16 353	0.14 257	0.13 262	0.07 238	0.05 153	0.08 274	0.06 179	0.10 412	0.08 334

ITSA-stereo	0.16 371	0.11 390	0.14 252	0.19 348	0.08 124	0.13 233	0.14 156	0.30 408	0.49 498	0.17 303	0.18 258	0.22 365	0.15 332	0.17 341	0.16 351	0.10 395	0.06 301	0.08 274	0.08 336	0.08 315	0.09 378

fast-acv-ft	0.18 408	0.11 390	0.20 413	0.19 348	0.12 416	0.26 470	0.21 436	0.26 341	0.35 438	0.22 403	0.34 449	0.27 420	0.21 429	0.21 419	0.23 443	0.09 354	0.09 430	0.08 274	0.10 419	0.08 315	0.07 265

ToySt	0.17 393	0.11 390	0.19 409	0.17 207	0.11 387	0.16 326	0.26 494	0.24 308	0.33 413	0.19 350	0.24 331	0.26 414	0.24 451	0.19 383	0.21 419	0.07 238	0.08 403	0.09 358	0.10 419	0.09 377	0.08 334

Selective-RAFT	0.11 174	0.11 390	0.12 175	0.21 433	0.08 124	0.16 326	0.13 108	0.21 243	0.23 305	0.10 117	0.10 114	0.11 171	0.10 185	0.15 275	0.11 169	0.05 25	0.05 153	0.06 100	0.05 107	0.06 182	0.05 109

RAFT+CT+SA	0.13 273	0.11 390	0.09 62	0.19 348	0.09 228	0.15 298	0.28 505	0.22 266	0.22 295	0.15 262	0.26 371	0.10 151	0.10 185	0.11 101	0.12 227	0.05 25	0.04 20	0.07 194	0.08 336	0.07 249	0.06 187

hknet	0.15 344	0.11 390	0.14 252	0.22 453	0.11 387	0.15 298	0.15 226	0.34 457	0.26 352	0.17 303	0.23 319	0.22 365	0.18 391	0.17 341	0.13 262	0.07 238	0.06 301	0.10 406	0.09 381	0.07 249	0.07 265

pcwnet_v2	0.19 420	0.11 390	0.26 458	0.18 289	0.14 460	0.18 365	0.15 226	0.37 488	0.46 494	0.19 350	0.24 331	0.21 347	0.19 409	0.21 419	0.20 406	0.13 470	0.10 453	0.10 406	0.10 419	0.11 434	0.13 465

stereogan	0.22 451	0.11 390	0.21 423	0.20 402	0.12 416	0.32 500	0.19 402	0.36 479	0.45 487	0.23 417	0.39 476	0.35 484	0.27 473	0.33 498	0.23 443	0.10 395	0.12 480	0.10 406	0.10 419	0.14 482	0.14 481

CFNet	0.15 344	0.11 390	0.17 354	0.17 207	0.08 124	0.19 387	0.10 26	0.29 397	0.26 352	0.19 350	0.24 331	0.24 391	0.18 391	0.18 358	0.15 332	0.08 298	0.06 301	0.09 358	0.10 419	0.08 315	0.07 265

CVANet_RVC	0.18 408	0.11 390	0.14 252	0.21 433	0.11 387	0.19 387	0.18 359	0.34 457	0.34 424	0.22 403	0.31 424	0.28 430	0.18 391	0.24 456	0.18 381	0.12 453	0.08 403	0.12 457	0.12 470	0.09 377	0.08 334

AdaStereo	0.15 344	0.11 390	0.16 331	0.19 348	0.09 228	0.21 417	0.11 45	0.33 443	0.28 380	0.21 388	0.23 319	0.21 347	0.13 279	0.19 383	0.15 332	0.13 470	0.05 153	0.10 406	0.07 269	0.09 377	0.07 265
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.
NVstereo2D	0.19 420	0.11 390	0.16 331	0.17 207	0.16 490	0.28 489	0.23 460	0.44 524	0.42 473	0.15 262	0.28 399	0.25 404	0.19 409	0.23 445	0.18 381	0.09 354	0.06 301	0.10 406	0.08 336	0.15 494	0.10 408

DeepPruner_ROB	0.16 371	0.11 390	0.16 331	0.17 207	0.10 334	0.17 349	0.15 226	0.32 429	0.21 273	0.19 350	0.21 299	0.22 365	0.19 409	0.21 419	0.16 351	0.13 470	0.09 430	0.09 358	0.10 419	0.11 434	0.11 432

DRN-Test	0.20 429	0.11 390	0.21 423	0.22 453	0.10 334	0.22 431	0.22 448	0.40 504	0.38 455	0.24 429	0.33 439	0.26 414	0.22 436	0.22 437	0.25 462	0.11 427	0.07 372	0.11 436	0.10 419	0.09 377	0.08 334

StereoDRNet	0.19 420	0.11 390	0.18 386	0.22 453	0.11 387	0.22 431	0.22 448	0.37 488	0.34 424	0.24 429	0.28 399	0.30 447	0.19 409	0.20 401	0.21 419	0.10 395	0.08 403	0.11 436	0.09 381	0.09 377	0.07 265

WCMA_ROB	0.24 475	0.11 390	0.24 446	0.17 207	0.14 460	0.34 506	0.16 285	0.33 443	0.33 413	0.39 510	0.54 518	0.40 506	0.35 511	0.35 506	0.26 475	0.12 453	0.12 480	0.12 457	0.11 449	0.14 482	0.14 481

TCMNet	0.19 420	0.12 409	0.20 413	0.21 433	0.18 511	0.21 417	0.24 470	0.28 379	0.36 443	0.23 417	0.26 371	0.25 404	0.20 421	0.20 401	0.23 443	0.13 470	0.11 466	0.11 436	0.12 470	0.13 466	0.12 453

YMNet	0.20 429	0.12 409	0.20 413	0.21 433	0.14 460	0.27 479	0.23 460	0.32 429	0.34 424	0.28 466	0.35 453	0.30 447	0.18 391	0.18 358	0.22 432	0.11 427	0.13 492	0.10 406	0.10 419	0.09 377	0.09 378

YMNet_1	0.20 429	0.12 409	0.20 413	0.21 433	0.14 460	0.27 479	0.23 460	0.32 429	0.34 424	0.28 466	0.35 453	0.30 447	0.18 391	0.18 358	0.22 432	0.11 427	0.13 492	0.10 406	0.10 419	0.09 377	0.09 378

rvit_105_1	0.19 420	0.12 409	0.25 449	0.21 433	0.16 490	0.22 431	0.28 505	0.32 429	0.42 473	0.20 372	0.21 299	0.22 365	0.18 391	0.19 383	0.18 381	0.12 453	0.12 480	0.13 471	0.15 501	0.08 315	0.07 265

rvit_stereo_0075_2	0.17 393	0.12 409	0.25 449	0.23 472	0.16 490	0.13 233	0.10 26	0.30 408	0.27 364	0.20 372	0.28 399	0.22 365	0.15 332	0.18 358	0.13 262	0.16 510	0.10 453	0.17 504	0.10 419	0.10 412	0.10 408

DualNet (step1)	0.17 393	0.12 409	0.21 423	0.13 9	0.14 460	0.18 365	0.14 156	0.28 379	0.24 315	0.21 388	0.21 299	0.24 391	0.20 421	0.16 302	0.16 351	0.15 493	0.06 301	0.14 484	0.14 486	0.15 494	0.13 465

test_sample9	0.18 408	0.12 409	0.21 423	0.13 9	0.14 460	0.18 365	0.14 156	0.28 379	0.24 315	0.21 388	0.21 299	0.24 391	0.20 421	0.19 383	0.18 381	0.15 493	0.30 541	0.14 484	0.14 486	0.15 494	0.13 465

test_sample8	0.20 429	0.12 409	0.21 423	0.13 9	0.14 460	0.18 365	0.14 156	0.32 429	0.21 273	0.28 466	0.22 315	0.36 486	0.26 467	0.19 383	0.18 381	0.15 493	0.30 541	0.14 484	0.14 486	0.15 494	0.13 465

test_for_model	0.09 76	0.12 409	0.14 252	0.23 472	0.11 387	0.08 47	0.13 108	0.12 42	0.13 114	0.10 117	0.07 34	0.07 62	0.06 36	0.11 101	0.10 111	0.06 109	0.05 153	0.05 23	0.04 31	0.08 315	0.05 109

CASS	0.14 303	0.12 409	0.12 175	0.23 472	0.09 228	0.15 298	0.17 311	0.19 212	0.20 259	0.17 303	0.18 258	0.15 260	0.15 332	0.15 275	0.14 298	0.09 354	0.06 301	0.10 406	0.08 336	0.09 377	0.07 265
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
test_5	0.14 303	0.12 409	0.08 19	0.20 402	0.10 334	0.14 272	0.28 505	0.21 243	0.24 315	0.19 350	0.28 399	0.11 171	0.15 332	0.12 178	0.13 262	0.06 109	0.05 153	0.07 194	0.08 336	0.08 315	0.07 265

SACVNet	0.19 420	0.12 409	0.15 289	0.17 207	0.13 442	0.22 431	0.18 359	0.31 424	0.31 402	0.24 429	0.31 424	0.30 447	0.23 442	0.23 445	0.17 368	0.11 427	0.08 403	0.10 406	0.10 419	0.12 451	0.14 481

PSMNet-ADL	0.15 344	0.12 409	0.13 208	0.22 453	0.09 228	0.13 233	0.20 420	0.26 341	0.23 305	0.18 335	0.20 282	0.23 382	0.17 377	0.18 358	0.18 381	0.09 354	0.08 403	0.08 274	0.11 449	0.08 315	0.07 265

GEStereo_RVC	0.17 393	0.12 409	0.16 331	0.22 453	0.11 387	0.19 387	0.18 359	0.32 429	0.49 498	0.20 372	0.25 358	0.17 297	0.13 279	0.21 419	0.16 351	0.10 395	0.06 301	0.08 274	0.07 269	0.09 377	0.08 334

sAnonymous2	0.13 273	0.12 409	0.25 449	0.20 402	0.12 416	0.18 365	0.14 156	0.27 355	0.21 273	0.11 154	0.12 158	0.13 216	0.08 138	0.11 101	0.11 169	0.09 354	0.05 153	0.08 274	0.06 179	0.15 494	0.10 408

CroCo_RVC	0.13 273	0.12 409	0.25 449	0.20 402	0.12 416	0.18 365	0.14 156	0.27 355	0.21 273	0.11 154	0.12 158	0.13 216	0.08 138	0.11 101	0.11 169	0.09 354	0.05 153	0.08 274	0.06 179	0.15 494	0.10 408

APVNet	0.23 464	0.12 409	0.20 413	0.18 289	0.14 460	0.32 500	0.31 524	0.40 504	0.33 413	0.27 453	0.40 479	0.30 447	0.29 486	0.27 467	0.25 462	0.11 427	0.12 480	0.11 436	0.14 486	0.12 451	0.13 465

FADNet-RVC-Resample	0.17 393	0.12 409	0.32 485	0.22 453	0.12 416	0.19 387	0.14 156	0.25 328	0.24 315	0.24 429	0.27 388	0.20 338	0.15 332	0.17 341	0.16 351	0.07 238	0.08 403	0.12 457	0.10 419	0.09 377	0.11 432

S-Stereo	0.21 443	0.12 409	0.25 449	0.21 433	0.13 442	0.21 417	0.19 402	0.33 443	0.45 487	0.23 417	0.36 458	0.28 430	0.29 486	0.20 401	0.23 443	0.09 354	0.12 480	0.10 406	0.10 419	0.13 466	0.14 481

ADCL	0.25 482	0.12 409	0.49 518	0.22 453	0.12 416	0.36 514	0.29 516	0.30 408	0.57 519	0.24 429	0.47 509	0.30 447	0.31 502	0.30 488	0.30 502	0.09 354	0.07 372	0.09 358	0.09 381	0.10 412	0.10 408

ADCRef	0.20 429	0.12 409	0.43 510	0.20 402	0.12 416	0.23 444	0.18 359	0.32 429	0.37 449	0.26 446	0.33 439	0.18 312	0.23 442	0.25 461	0.26 475	0.07 238	0.06 301	0.09 358	0.09 381	0.08 315	0.09 378

RYNet	0.23 464	0.12 409	0.22 432	0.19 348	0.17 502	0.47 529	0.26 494	0.39 501	0.49 498	0.24 429	0.29 414	0.34 479	0.24 451	0.20 401	0.31 507	0.10 395	0.06 301	0.09 358	0.09 381	0.14 482	0.15 495

TDLM	0.18 408	0.12 409	0.14 252	0.24 483	0.10 334	0.18 365	0.18 359	0.37 488	0.30 393	0.22 403	0.28 399	0.28 430	0.18 391	0.23 445	0.19 396	0.11 427	0.07 372	0.10 406	0.10 419	0.08 315	0.08 334

SGM-ForestM	0.33 517	0.12 409	0.17 354	0.16 132	0.11 387	0.42 526	0.20 420	0.43 520	0.53 514	0.53 533	0.57 525	1.41 564	0.44 532	0.42 532	0.29 497	0.14 489	0.16 511	0.16 502	0.16 505	0.12 451	0.13 465

StereoDRNet-Refined	0.17 393	0.12 409	0.16 331	0.20 402	0.10 334	0.18 365	0.18 359	0.27 355	0.24 315	0.26 446	0.41 490	0.23 382	0.18 391	0.21 419	0.21 419	0.09 354	0.05 153	0.09 358	0.10 419	0.07 249	0.07 265
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
XPNet_ROB	0.22 451	0.12 409	0.20 413	0.22 453	0.13 442	0.22 431	0.19 402	0.35 472	0.40 464	0.30 481	0.40 479	0.38 495	0.27 473	0.26 465	0.29 497	0.15 493	0.10 453	0.10 406	0.10 419	0.13 466	0.12 453

PSMNet_ROB	0.22 451	0.12 409	0.15 289	0.27 508	0.15 478	0.25 459	0.36 535	0.43 520	0.37 449	0.27 453	0.33 439	0.32 469	0.23 442	0.21 419	0.27 481	0.12 453	0.08 403	0.13 471	0.11 449	0.10 412	0.09 378

SGM_RVC	0.24 475	0.12 409	0.16 331	0.15 64	0.09 228	0.34 506	0.19 402	0.35 472	0.32 408	0.44 524	0.38 468	0.53 532	0.36 514	0.36 510	0.26 475	0.13 470	0.13 492	0.13 471	0.13 481	0.11 434	0.11 432
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
GMStereo_Zeroshot	0.16 371	0.13 437	0.25 449	0.20 402	0.10 334	0.17 349	0.13 108	0.30 408	0.25 339	0.23 417	0.32 433	0.25 404	0.11 215	0.19 383	0.14 298	0.09 354	0.06 301	0.11 436	0.06 179	0.12 451	0.08 334

StereoVision	0.14 303	0.13 437	0.10 95	0.24 483	0.10 334	0.16 326	0.21 436	0.21 243	0.20 259	0.12 186	0.25 358	0.10 151	0.10 185	0.16 302	0.10 111	0.09 354	0.10 453	0.12 457	0.12 470	0.06 182	0.05 109

HBP-ISP	0.18 408	0.13 437	0.17 354	0.15 64	0.11 387	0.08 47	0.13 108	0.28 379	0.30 393	0.22 403	0.33 439	0.21 347	0.25 459	0.23 445	0.18 381	0.15 493	0.17 515	0.21 518	0.17 512	0.10 412	0.09 378

Wz-Net-MNSev	0.23 464	0.13 437	0.33 487	0.20 402	0.15 478	0.36 514	0.25 486	0.34 457	0.45 487	0.29 475	0.41 490	0.39 500	0.19 409	0.25 461	0.27 481	0.09 354	0.07 372	0.09 358	0.09 381	0.12 451	0.10 408

UDGNet	0.14 303	0.13 437	0.17 354	0.18 289	0.10 334	0.12 204	0.16 285	0.21 243	0.27 364	0.20 372	0.20 282	0.17 297	0.13 279	0.16 302	0.14 298	0.10 395	0.06 301	0.09 358	0.07 269	0.07 249	0.07 265

FAT-Stereo	0.21 443	0.13 437	0.22 432	0.21 433	0.12 416	0.18 365	0.18 359	0.35 472	0.40 464	0.28 466	0.37 461	0.33 475	0.33 507	0.21 419	0.20 406	0.09 354	0.11 466	0.10 406	0.09 381	0.11 434	0.14 481

STTStereo	0.18 408	0.13 437	0.28 463	0.20 402	0.11 387	0.16 326	0.21 436	0.29 397	0.23 305	0.22 403	0.30 420	0.29 438	0.18 391	0.20 401	0.20 406	0.12 453	0.11 466	0.11 436	0.14 486	0.09 377	0.08 334

RP	0.22 451	0.13 437	0.22 432	0.23 472	0.12 416	0.21 417	0.20 420	0.26 341	0.45 487	0.22 403	0.38 468	0.37 489	0.25 459	0.28 475	0.25 462	0.11 427	0.12 480	0.13 471	0.12 470	0.13 466	0.14 481

RTSC	0.23 464	0.13 437	0.30 478	0.21 433	0.13 442	0.29 493	0.17 311	0.36 479	0.68 537	0.27 453	0.34 449	0.30 447	0.22 436	0.32 494	0.31 507	0.10 395	0.08 403	0.09 358	0.10 419	0.13 466	0.14 481

GANet	0.22 451	0.13 437	0.21 423	0.25 491	0.14 460	0.23 444	0.22 448	0.42 514	0.27 364	0.31 487	0.43 501	0.37 489	0.29 486	0.23 445	0.23 443	0.10 395	0.12 480	0.10 406	0.09 381	0.10 412	0.08 334

CBMV_ROB	0.19 420	0.13 437	0.18 386	0.16 132	0.11 387	0.16 326	0.12 69	0.27 355	0.29 387	0.27 453	0.31 424	0.27 420	0.24 451	0.24 456	0.16 351	0.15 493	0.18 517	0.22 522	0.20 518	0.10 412	0.12 453

NOSS_ROB	0.19 420	0.13 437	0.18 386	0.16 132	0.12 416	0.16 326	0.12 69	0.30 408	0.33 413	0.20 372	0.22 315	0.27 420	0.24 451	0.21 419	0.16 351	0.16 510	0.18 517	0.23 523	0.21 520	0.13 466	0.13 465

DN-CSS_ROB	0.13 273	0.13 437	0.17 354	0.18 289	0.10 334	0.16 326	0.08 7	0.22 266	0.19 238	0.17 303	0.23 319	0.13 216	0.13 279	0.13 229	0.14 298	0.05 25	0.05 153	0.10 406	0.10 419	0.08 315	0.06 187

PWCDC_ROB	0.21 443	0.13 437	0.23 440	0.25 491	0.12 416	0.20 406	0.15 226	0.34 457	0.55 515	0.29 475	0.49 511	0.21 347	0.15 332	0.28 475	0.20 406	0.11 427	0.09 430	0.10 406	0.08 336	0.11 434	0.09 378

MeshStereo	0.27 500	0.13 437	0.18 386	0.15 64	0.11 387	0.33 502	0.24 470	0.41 509	0.36 443	0.53 533	0.58 529	0.67 542	0.41 523	0.36 510	0.27 481	0.14 489	0.13 492	0.13 471	0.11 449	0.11 434	0.11 432
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
w-ln-seven-2	0.20 429	0.14 452	0.39 501	0.23 472	0.12 416	0.21 417	0.21 436	0.29 397	0.38 455	0.25 442	0.38 468	0.28 430	0.23 442	0.21 419	0.25 462	0.08 298	0.08 403	0.09 358	0.09 381	0.10 412	0.09 378

Anonymous3	0.16 371	0.14 452	0.34 490	0.26 500	0.14 460	0.27 479	0.18 359	0.28 379	0.28 380	0.15 262	0.17 235	0.14 235	0.11 215	0.16 302	0.12 227	0.08 298	0.08 403	0.08 274	0.08 336	0.08 315	0.11 432

GwcNet	0.20 429	0.14 452	0.20 413	0.18 289	0.12 416	0.25 459	0.20 420	0.36 479	0.45 487	0.20 372	0.33 439	0.33 475	0.21 429	0.22 437	0.25 462	0.11 427	0.09 430	0.09 358	0.09 381	0.09 377	0.10 408

FADNet_RVC	0.17 393	0.14 452	0.41 505	0.20 402	0.11 387	0.13 233	0.13 108	0.27 355	0.22 295	0.21 388	0.23 319	0.20 338	0.18 391	0.15 275	0.17 368	0.08 298	0.08 403	0.12 457	0.09 381	0.11 434	0.10 408

edge stereo	0.23 464	0.14 452	0.21 423	0.21 433	0.13 442	0.24 450	0.16 285	0.32 429	0.42 473	0.32 494	0.40 479	0.39 500	0.35 511	0.25 461	0.25 462	0.13 470	0.11 466	0.14 484	0.11 449	0.12 451	0.14 481

SANet	0.25 482	0.14 452	0.29 472	0.21 433	0.11 387	0.29 493	0.25 486	0.40 504	0.65 536	0.36 503	0.40 479	0.42 511	0.27 473	0.27 467	0.25 462	0.12 453	0.09 430	0.10 406	0.09 381	0.13 466	0.12 453

SGM-Forest	0.20 429	0.14 452	0.18 386	0.20 402	0.13 442	0.21 417	0.22 448	0.33 443	0.31 402	0.24 429	0.29 414	0.28 430	0.20 421	0.23 445	0.18 381	0.15 493	0.16 511	0.15 495	0.14 486	0.13 466	0.12 453
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
zh-mn7	0.26 493	0.15 459	0.59 531	0.19 348	0.14 460	0.24 450	0.22 448	0.35 472	0.63 532	0.35 500	0.67 534	0.31 462	0.25 459	0.31 489	0.26 475	0.09 354	0.08 403	0.09 358	0.09 381	0.09 377	0.11 432

z-mn7	0.25 482	0.15 459	0.47 515	0.19 348	0.13 442	0.28 489	0.25 486	0.35 472	0.64 533	0.27 453	0.57 525	0.29 438	0.24 451	0.32 494	0.27 481	0.08 298	0.08 403	0.08 274	0.08 336	0.10 412	0.10 408

w-ln-seven	0.24 475	0.15 459	0.58 529	0.20 402	0.14 460	0.26 470	0.22 448	0.36 479	0.62 529	0.30 481	0.40 479	0.30 447	0.23 442	0.22 437	0.28 489	0.09 354	0.09 430	0.11 436	0.10 419	0.11 434	0.10 408

TestStereo	0.14 303	0.15 459	0.11 137	0.23 472	0.08 124	0.15 298	0.21 436	0.20 225	0.23 305	0.14 238	0.25 358	0.16 280	0.13 279	0.16 302	0.14 298	0.06 109	0.06 301	0.08 274	0.06 179	0.09 377	0.05 109

GMStereo	0.13 273	0.15 459	0.14 252	0.18 289	0.09 228	0.16 326	0.16 285	0.20 225	0.25 339	0.17 303	0.17 235	0.11 171	0.11 215	0.16 302	0.13 262	0.07 238	0.06 301	0.06 100	0.06 179	0.07 249	0.06 187
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
NCC-stereo	0.25 482	0.15 459	0.31 481	0.26 500	0.17 502	0.21 417	0.31 524	0.41 509	0.40 464	0.24 429	0.38 468	0.33 475	0.29 486	0.37 515	0.28 489	0.13 470	0.11 466	0.15 495	0.22 523	0.13 466	0.13 465

Abc-Net	0.25 482	0.15 459	0.31 481	0.26 500	0.17 502	0.21 417	0.31 524	0.41 509	0.40 464	0.24 429	0.38 468	0.33 475	0.29 486	0.37 515	0.28 489	0.13 470	0.11 466	0.15 495	0.22 523	0.13 466	0.13 465
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
SHD	0.26 493	0.15 459	0.31 481	0.24 483	0.18 511	0.23 444	0.15 226	0.39 501	0.72 542	0.32 494	0.42 498	0.36 486	0.29 486	0.33 498	0.30 502	0.13 470	0.11 466	0.14 484	0.13 481	0.16 505	0.20 524

ADCMid	0.26 493	0.15 459	0.42 508	0.20 402	0.14 460	0.25 459	0.26 494	0.35 472	0.40 464	0.37 507	0.45 505	0.34 479	0.42 527	0.36 510	0.36 520	0.10 395	0.09 430	0.11 436	0.11 449	0.13 466	0.13 465

NCCL2	0.24 475	0.15 459	0.18 386	0.34 529	0.18 511	0.24 450	0.24 470	0.34 457	0.29 387	0.31 487	0.38 468	0.38 495	0.29 486	0.23 445	0.25 462	0.15 493	0.12 480	0.18 513	0.21 520	0.13 466	0.13 465

CBMV	0.20 429	0.15 459	0.18 386	0.18 289	0.10 334	0.20 406	0.11 45	0.30 408	0.31 402	0.29 475	0.31 424	0.31 462	0.23 442	0.28 475	0.19 396	0.13 470	0.15 506	0.17 504	0.16 505	0.10 412	0.10 408
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
StereoAnything_RVC	0.07 3	0.16 470	0.17 354	0.11 1	0.05 1	0.06 7	0.11 45	0.08 4	0.08 9	0.06 7	0.06 11	0.05 1	0.05 11	0.09 32	0.08 14	0.08 298	0.04 20	0.05 23	0.03 1	0.05 95	0.04 28

Wz-Net-LNSev	0.22 451	0.16 470	0.41 505	0.22 453	0.13 442	0.25 459	0.24 470	0.33 443	0.44 483	0.30 481	0.42 498	0.32 469	0.19 409	0.23 445	0.27 481	0.10 395	0.09 430	0.08 274	0.08 336	0.12 451	0.11 432

Syn2CoEx	0.22 451	0.16 470	0.29 472	0.29 521	0.15 478	0.26 470	0.21 436	0.34 457	0.32 408	0.29 475	0.36 458	0.28 430	0.25 459	0.20 401	0.25 462	0.16 510	0.12 480	0.14 484	0.11 449	0.09 377	0.08 334

psmorigin	0.25 482	0.16 470	0.35 496	0.17 207	0.13 442	0.24 450	0.14 156	0.34 457	0.34 424	0.41 517	0.55 519	0.41 509	0.38 517	0.35 506	0.28 489	0.11 427	0.15 506	0.11 436	0.11 449	0.12 451	0.17 513

AnyNet_C32	0.26 493	0.16 470	0.39 501	0.20 402	0.17 502	0.26 470	0.31 524	0.32 429	0.45 487	0.31 487	0.50 513	0.30 447	0.34 508	0.41 531	0.36 520	0.12 453	0.12 480	0.12 457	0.14 486	0.14 482	0.15 495

DANet	0.21 443	0.16 470	0.29 472	0.25 491	0.13 442	0.23 444	0.19 402	0.28 379	0.27 364	0.28 466	0.32 433	0.35 484	0.32 504	0.31 489	0.24 455	0.11 427	0.09 430	0.11 436	0.10 419	0.13 466	0.11 432
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
DPSNet	0.28 502	0.16 470	0.33 487	0.18 289	0.13 442	0.55 535	0.42 543	0.52 536	0.68 537	0.29 475	0.38 468	0.39 500	0.30 497	0.32 494	0.23 443	0.11 427	0.10 453	0.11 436	0.08 336	0.20 519	0.16 504

PDISCO_ROB	0.28 502	0.16 470	0.28 463	0.28 514	0.20 518	0.33 502	0.27 499	0.45 526	0.58 522	0.28 466	0.41 490	0.45 517	0.30 497	0.34 501	0.35 519	0.12 453	0.09 430	0.17 504	0.16 505	0.17 512	0.13 465

LALA_ROB	0.25 482	0.16 470	0.23 440	0.27 508	0.17 502	0.27 479	0.27 499	0.42 514	0.38 455	0.33 498	0.39 476	0.51 528	0.26 467	0.29 482	0.28 489	0.16 510	0.09 430	0.13 471	0.12 470	0.13 466	0.13 465

PWC_ROB	0.21 443	0.16 470	0.27 460	0.18 289	0.11 387	0.22 431	0.13 108	0.33 443	0.49 498	0.30 481	0.40 479	0.32 469	0.25 459	0.31 489	0.23 443	0.10 395	0.07 372	0.11 436	0.08 336	0.11 434	0.10 408

zh-sn7	0.26 493	0.17 480	0.55 523	0.24 483	0.14 460	0.25 459	0.25 486	0.34 457	0.49 498	0.29 475	0.55 519	0.29 438	0.32 504	0.37 515	0.33 515	0.10 395	0.10 453	0.11 436	0.11 449	0.12 451	0.12 453

Anonymous_2	0.22 451	0.17 480	0.28 463	0.15 64	0.16 490	0.33 502	0.22 448	0.23 284	0.18 217	0.23 417	0.24 331	0.26 414	0.27 473	0.27 467	0.24 455	0.22 530	0.26 537	0.17 504	0.17 512	0.16 505	0.18 516

Wz-Net-SNSev	0.26 493	0.17 480	0.46 512	0.25 491	0.14 460	0.26 470	0.24 470	0.38 495	0.57 519	0.30 481	0.56 521	0.39 500	0.26 467	0.24 456	0.32 512	0.10 395	0.09 430	0.10 406	0.11 449	0.11 434	0.11 432

WZ-Net	0.29 506	0.17 480	0.82 552	0.23 472	0.16 490	0.35 510	0.29 516	0.40 504	0.59 524	0.24 429	0.57 525	0.37 489	0.25 459	0.34 501	0.37 524	0.09 354	0.08 403	0.09 358	0.10 419	0.14 482	0.16 504

dd	0.15 344	0.17 480	0.17 354	0.19 348	0.09 228	0.15 298	0.18 359	0.22 266	0.26 352	0.23 417	0.20 282	0.21 347	0.10 185	0.21 419	0.17 368	0.10 395	0.06 301	0.08 274	0.06 179	0.08 315	0.07 265

UDG	0.21 443	0.17 480	0.20 413	0.23 472	0.15 478	0.31 498	0.20 420	0.33 443	0.35 438	0.24 429	0.28 399	0.31 462	0.29 486	0.21 419	0.23 443	0.15 493	0.12 480	0.13 471	0.09 381	0.14 482	0.15 495

aanetorigin	0.22 451	0.17 480	0.57 526	0.18 289	0.10 334	0.16 326	0.19 402	0.20 225	0.33 413	0.49 530	0.48 510	0.30 447	0.28 482	0.21 419	0.24 455	0.08 298	0.07 372	0.08 274	0.07 269	0.10 412	0.09 378

AF-Net	0.23 464	0.17 480	0.17 354	0.27 508	0.13 442	0.26 470	0.24 470	0.33 443	0.51 505	0.25 442	0.33 439	0.39 500	0.27 473	0.28 475	0.26 475	0.11 427	0.10 453	0.16 502	0.12 470	0.11 434	0.11 432

G-Net	0.25 482	0.17 480	0.38 500	0.23 472	0.16 490	0.51 532	0.23 460	0.29 397	0.35 438	0.36 503	0.38 468	0.31 462	0.29 486	0.28 475	0.27 481	0.11 427	0.09 430	0.12 457	0.10 419	0.16 505	0.14 481

Nwc_Net	0.23 464	0.17 480	0.22 432	0.25 491	0.15 478	0.25 459	0.27 499	0.38 495	0.39 460	0.22 403	0.41 490	0.30 447	0.29 486	0.28 475	0.25 462	0.11 427	0.10 453	0.17 504	0.20 518	0.10 412	0.11 432

DeepPrunerF	0.24 475	0.17 480	0.45 511	0.26 500	0.16 490	0.23 444	0.29 516	0.37 488	0.51 505	0.27 453	0.31 424	0.24 391	0.28 482	0.22 437	0.23 443	0.15 493	0.11 466	0.20 517	0.18 516	0.12 451	0.14 481

ADCPNet	0.26 493	0.17 480	0.62 533	0.21 433	0.15 478	0.36 514	0.25 486	0.33 443	0.37 449	0.31 487	0.41 490	0.36 486	0.29 486	0.29 482	0.34 518	0.12 453	0.10 453	0.11 436	0.12 470	0.14 482	0.13 465

FBW_ROB	0.25 482	0.17 480	0.23 440	0.27 508	0.14 460	0.26 470	0.22 448	0.42 514	0.43 481	0.42 519	0.41 490	0.43 513	0.27 473	0.32 494	0.24 455	0.09 354	0.15 506	0.15 495	0.12 470	0.12 451	0.10 408

ETE_ROB	0.23 464	0.17 480	0.23 440	0.25 491	0.14 460	0.26 470	0.29 516	0.32 429	0.37 449	0.28 466	0.37 461	0.45 517	0.27 473	0.28 475	0.27 481	0.11 427	0.09 430	0.12 457	0.10 419	0.14 482	0.13 465

DDUNet	0.23 464	0.18 494	0.22 432	0.22 453	0.15 478	0.25 459	0.24 470	0.30 408	0.31 402	0.31 487	0.37 461	0.34 479	0.26 467	0.25 461	0.21 419	0.18 516	0.13 492	0.17 504	0.11 449	0.16 505	0.17 513

FINET	0.22 451	0.18 494	0.28 463	0.19 348	0.16 490	0.24 450	0.24 470	0.33 443	0.49 498	0.26 446	0.33 439	0.22 365	0.23 442	0.23 445	0.18 381	0.18 516	0.16 511	0.11 436	0.10 419	0.15 494	0.14 481

PA-Net	0.24 475	0.18 494	0.34 490	0.28 514	0.22 523	0.22 431	0.39 540	0.29 397	0.39 460	0.22 403	0.33 439	0.25 404	0.26 467	0.21 419	0.25 462	0.10 395	0.23 535	0.15 495	0.22 523	0.09 377	0.13 465
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
DGSMNet	0.25 482	0.19 497	0.34 490	0.21 433	0.24 527	0.24 450	0.21 436	0.36 479	0.42 473	0.25 442	0.32 433	0.38 495	0.21 429	0.29 482	0.24 455	0.13 470	0.11 466	0.14 484	0.16 505	0.23 523	0.23 529

RTS	0.46 536	0.19 497	3.33 569	0.25 491	0.15 478	0.72 548	0.21 436	0.37 488	0.78 549	0.42 519	0.44 503	0.31 462	0.43 530	0.55 542	0.37 524	0.10 395	0.09 430	0.13 471	0.13 481	0.15 494	0.15 495

RTSA	0.46 536	0.19 497	3.33 569	0.25 491	0.15 478	0.72 548	0.21 436	0.37 488	0.78 549	0.42 519	0.44 503	0.31 462	0.43 530	0.55 542	0.37 524	0.10 395	0.09 430	0.13 471	0.13 481	0.15 494	0.15 495

ADCS	0.30 509	0.19 497	0.48 517	0.21 433	0.18 511	0.29 493	0.24 470	0.42 514	0.64 533	0.40 513	0.50 513	0.40 506	0.37 515	0.40 526	0.43 535	0.13 470	0.13 492	0.13 471	0.14 486	0.16 505	0.16 504

Wz-Net-TNSev	0.29 506	0.20 501	0.69 544	0.19 348	0.15 478	0.38 520	0.27 499	0.36 479	0.56 517	0.35 500	0.42 498	0.45 517	0.39 518	0.33 498	0.31 507	0.13 470	0.13 492	0.10 406	0.12 470	0.15 494	0.15 495

dad	0.18 408	0.20 501	0.21 423	0.17 207	0.11 387	0.20 406	0.19 402	0.21 243	0.28 380	0.30 481	0.24 331	0.30 447	0.13 279	0.19 383	0.17 368	0.18 516	0.09 430	0.11 436	0.09 381	0.11 434	0.07 265

FADNet-RVC	0.21 443	0.20 501	0.40 503	0.21 433	0.16 490	0.21 417	0.15 226	0.27 355	0.27 364	0.26 446	0.32 433	0.26 414	0.21 429	0.22 437	0.19 396	0.12 453	0.13 492	0.12 457	0.14 486	0.13 466	0.18 516

RGC	0.25 482	0.20 501	0.29 472	0.28 514	0.16 490	0.22 431	0.23 460	0.33 443	0.44 483	0.27 453	0.40 479	0.38 495	0.28 482	0.37 515	0.23 443	0.11 427	0.13 492	0.17 504	0.17 512	0.15 494	0.16 504

NaN_ROB	0.23 464	0.20 501	0.25 449	0.25 491	0.13 442	0.31 498	0.27 499	0.34 457	0.41 471	0.31 487	0.31 424	0.32 469	0.23 442	0.31 489	0.22 432	0.11 427	0.17 515	0.10 406	0.11 449	0.08 315	0.09 378

MaskLacGwcNet_RVC	0.22 451	0.21 506	0.25 449	0.26 500	0.11 387	0.24 450	0.14 156	0.39 501	0.24 315	0.32 494	0.36 458	0.30 447	0.21 429	0.19 383	0.22 432	0.17 515	0.14 502	0.21 518	0.16 505	0.13 466	0.12 453

PVD	0.40 528	0.21 506	0.40 503	0.32 528	0.23 524	0.30 496	0.45 547	0.53 538	0.97 556	0.55 535	0.80 548	0.54 533	0.60 546	0.53 540	0.40 530	0.19 519	0.14 502	0.17 504	0.14 486	0.24 529	0.32 542

LSM	0.34 523	0.21 506	0.62 533	0.27 508	0.62 558	0.35 510	0.26 494	0.43 520	0.49 498	0.45 526	0.60 532	0.42 511	0.37 515	0.35 506	0.26 475	0.13 470	0.21 532	0.14 484	0.16 505	0.18 514	0.34 544

PS-NSSS	0.20 429	0.21 506	0.23 440	0.20 402	0.10 334	0.19 387	0.17 311	0.36 479	0.26 352	0.27 453	0.34 449	0.27 420	0.24 451	0.20 401	0.20 406	0.15 493	0.12 480	0.17 504	0.14 486	0.10 412	0.09 378

MFN_U_SF_RVC	0.33 517	0.22 510	0.58 529	0.31 525	0.15 478	0.36 514	0.17 311	0.54 539	0.46 494	0.47 529	0.56 521	0.58 535	0.39 518	0.36 510	0.38 527	0.15 493	0.15 506	0.18 513	0.21 520	0.16 505	0.16 504

DispFullNet	0.27 500	0.22 510	0.66 536	0.28 514	0.17 502	0.27 479	0.17 311	0.34 457	0.57 519	0.27 453	0.37 461	0.43 513	0.24 451	0.39 522	0.25 462	0.12 453	0.06 301	0.19 515	0.11 449	0.23 523	0.16 504

HCRNet	0.16 371	0.23 512	0.12 175	0.35 531	0.11 387	0.15 298	0.17 311	0.26 341	0.22 295	0.19 350	0.24 331	0.21 347	0.14 311	0.15 275	0.13 262	0.11 427	0.07 372	0.11 436	0.10 419	0.09 377	0.07 265

FADNet	0.21 443	0.23 512	0.37 499	0.18 289	0.17 502	0.25 459	0.13 108	0.32 429	0.32 408	0.23 417	0.25 358	0.27 420	0.21 429	0.19 383	0.16 351	0.13 470	0.15 506	0.12 457	0.15 501	0.17 512	0.18 516

XQC	0.29 506	0.23 512	0.53 520	0.29 521	0.19 515	0.36 514	0.28 505	0.37 488	0.58 522	0.31 487	0.31 424	0.37 489	0.30 497	0.39 522	0.39 528	0.13 470	0.09 430	0.15 495	0.12 470	0.18 514	0.18 516

SQANet	0.24 475	0.24 515	0.31 481	0.31 525	0.19 515	0.27 479	0.13 108	0.30 408	0.33 413	0.25 442	0.37 461	0.31 462	0.22 436	0.27 467	0.23 443	0.15 493	0.10 453	0.21 518	0.16 505	0.22 520	0.16 504

GASNet	0.22 451	0.24 515	0.34 490	0.26 500	0.17 502	0.27 479	0.16 285	0.45 526	0.42 473	0.27 453	0.24 331	0.30 447	0.16 353	0.27 467	0.18 381	0.12 453	0.09 430	0.12 457	0.11 449	0.16 505	0.08 334

EDNetEfficient	0.30 509	0.24 515	1.18 560	0.18 289	0.10 334	0.20 406	0.20 420	0.21 243	0.61 526	0.74 547	0.56 521	0.30 447	0.40 522	0.23 445	0.32 512	0.09 354	0.07 372	0.08 274	0.07 269	0.11 434	0.10 408

MFN_U_SF_DS_RVC	0.30 509	0.24 515	0.30 478	0.36 533	0.16 490	0.36 514	0.31 524	0.34 457	0.43 481	0.41 517	0.46 507	0.38 495	0.30 497	0.35 506	0.29 497	0.19 519	0.20 523	0.26 526	0.29 536	0.18 514	0.19 521

CSAN	0.30 509	0.24 515	0.28 463	0.34 529	0.19 515	0.34 506	0.42 543	0.38 495	0.51 505	0.38 509	0.40 479	0.44 516	0.34 508	0.29 482	0.31 507	0.19 519	0.16 511	0.19 515	0.19 517	0.14 482	0.15 495

PASM	0.33 517	0.25 520	0.51 519	0.28 514	0.27 533	0.30 496	0.31 524	0.35 472	0.51 505	0.36 503	0.40 479	0.47 524	0.35 511	0.34 501	0.36 520	0.23 535	0.26 537	0.26 526	0.28 535	0.23 523	0.21 525

AnyNet_C01	0.37 524	0.26 521	1.41 563	0.22 453	0.17 502	0.51 532	0.28 505	0.36 479	0.40 464	0.39 510	0.75 544	0.46 521	0.39 518	0.46 534	0.50 545	0.13 470	0.13 492	0.13 471	0.14 486	0.14 482	0.16 504

MSMD_ROB	0.31 515	0.26 521	0.26 458	0.24 483	0.21 520	0.34 506	0.25 486	0.34 457	0.39 460	0.40 513	0.69 538	0.45 517	0.41 523	0.34 501	0.28 489	0.20 524	0.20 523	0.26 526	0.25 529	0.23 523	0.22 528

FC-DCNN v2	0.33 517	0.28 523	0.28 463	0.26 500	0.23 524	0.39 522	0.29 516	0.41 509	0.44 483	0.46 527	0.57 525	0.51 528	0.41 523	0.38 520	0.30 502	0.21 527	0.20 523	0.27 529	0.26 530	0.25 531	0.24 530

ccnet	0.30 509	0.28 523	0.24 446	0.20 402	0.28 534	0.41 525	0.22 448	0.46 529	0.33 413	0.37 507	0.46 507	0.37 489	0.30 497	0.40 526	0.43 535	0.23 535	0.14 502	0.21 518	0.17 512	0.23 523	0.19 521

FCDSN-DC	0.33 517	0.28 523	0.28 463	0.30 523	0.24 527	0.39 522	0.28 505	0.43 520	0.42 473	0.44 524	0.53 517	0.51 528	0.42 527	0.37 515	0.30 502	0.21 527	0.20 523	0.27 529	0.26 530	0.25 531	0.25 532
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
BEATNet-Init1	0.54 542	0.28 523	0.68 543	0.31 525	0.21 520	0.85 556	0.31 524	0.57 541	0.69 540	0.89 554	1.00 556	2.17 571	0.66 549	0.58 546	0.44 538	0.19 519	0.18 517	0.23 523	0.22 523	0.22 520	0.21 525

SAMSARA	0.41 529	0.28 523	0.34 490	0.55 547	0.39 541	0.85 556	1.25 571	0.49 532	0.52 511	0.36 503	0.35 453	0.56 534	0.39 518	0.39 522	0.41 532	0.15 493	0.20 523	0.15 495	0.14 486	0.23 523	0.21 525

MANE	0.47 538	0.28 523	0.28 463	0.27 508	0.24 527	0.50 530	0.32 532	0.57 541	0.62 529	0.74 547	1.20 566	1.21 557	0.64 548	0.54 541	0.39 528	0.22 530	0.20 523	0.27 529	0.31 539	0.26 534	0.25 532

FC-DCNN	0.33 517	0.28 523	0.28 463	0.26 500	0.23 524	0.38 520	0.29 516	0.40 504	0.44 483	0.46 527	0.56 521	0.51 528	0.41 523	0.38 520	0.31 507	0.21 527	0.20 523	0.27 529	0.26 530	0.25 531	0.24 530

ELAS_RVC	0.42 531	0.29 530	0.33 487	0.28 514	0.24 527	0.56 536	0.38 538	0.50 533	0.61 526	0.74 547	0.76 545	0.67 542	0.56 542	0.55 542	0.42 534	0.22 530	0.21 532	0.27 529	0.26 530	0.27 536	0.26 535
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.42 531	0.29 530	0.34 490	0.28 514	0.24 527	0.63 540	0.37 536	0.52 536	0.52 511	0.72 544	0.82 549	0.68 544	0.56 542	0.52 538	0.45 541	0.22 530	0.21 532	0.27 529	0.26 530	0.26 534	0.26 535
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
CC-Net-ROB	0.28 502	0.31 532	0.36 498	0.30 523	0.15 478	0.25 459	0.19 402	0.45 526	0.34 424	0.39 510	0.37 461	0.39 500	0.31 502	0.27 467	0.27 481	0.24 537	0.18 517	0.30 538	0.23 527	0.19 517	0.15 495

EDNetEfficientorigin	7.92 578	0.32 533	152.98 594	0.20 402	0.10 334	0.22 431	0.17 311	0.23 284	0.60 525	0.73 545	0.67 534	0.41 509	0.51 538	0.24 456	0.41 532	0.08 298	0.07 372	0.09 358	0.07 269	0.12 451	0.11 432

PSMNet-RUCA	0.28 502	0.33 534	0.42 508	0.36 533	0.32 539	0.18 365	0.20 420	0.42 514	0.30 393	0.33 498	0.41 490	0.40 506	0.24 451	0.31 489	0.20 406	0.19 519	0.11 466	0.25 525	0.15 501	0.22 520	0.16 504

GANetREF_RVC	0.31 515	0.34 535	0.29 472	0.35 531	0.16 490	0.33 502	0.42 543	0.48 531	0.52 511	0.35 500	0.35 453	0.34 479	0.32 504	0.40 526	0.33 515	0.27 539	0.20 523	0.29 536	0.15 501	0.19 517	0.18 516
Zhang, Feihu and Prisacariu, Victor and Yang, Ruigang and Torr, Philip HS: GA-Net: Guided Aggregation Net for End- to-end Stereo Matching. CVPR 2019
coex-ft	3.24 571	0.35 536	57.83 593	0.18 289	0.13 442	0.27 479	0.23 460	0.28 379	0.72 542	1.89 573	0.70 539	0.43 513	0.47 533	0.29 482	0.43 535	0.09 354	0.09 430	0.12 457	0.09 381	0.14 482	0.14 481

NVStereoNet_ROB	0.47 538	0.37 537	0.47 515	0.42 539	0.29 537	0.35 510	0.35 534	0.50 533	0.61 526	0.73 545	0.94 553	0.70 546	0.68 550	0.48 535	0.62 552	0.22 530	0.33 544	0.34 540	0.34 543	0.30 537	0.31 541
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
otaku	0.39 526	0.38 538	0.53 520	0.44 540	0.28 534	0.57 537	0.24 470	0.42 514	0.62 529	0.40 513	0.50 513	0.46 521	0.34 508	0.40 526	0.33 515	0.30 540	0.30 541	0.39 542	0.33 541	0.30 537	0.29 538

MSC_U_SF_DS_RVC	0.44 533	0.39 539	0.56 524	0.40 536	0.20 518	0.66 543	0.33 533	0.54 539	0.72 542	0.71 543	0.72 541	0.62 537	0.55 540	0.52 538	0.47 542	0.20 524	0.19 522	0.29 536	0.30 538	0.24 529	0.19 521

Ntro	0.41 529	0.40 540	0.54 522	0.46 544	0.30 538	0.64 541	0.24 470	0.47 530	0.68 537	0.42 519	0.49 511	0.47 524	0.42 527	0.40 526	0.32 512	0.32 541	0.28 539	0.37 541	0.31 539	0.33 542	0.29 538

Consistency-Raft	0.44 533	0.40 540	0.46 512	0.37 535	0.43 545	0.42 526	0.41 541	0.57 541	0.55 515	0.32 494	0.73 542	0.32 469	0.50 536	0.42 532	0.49 544	0.39 544	0.36 545	0.45 544	0.52 554	0.42 544	0.30 540

GCST	0.37 524	0.42 542	0.27 460	1.03 566	0.39 541	0.18 365	0.08 7	0.21 243	0.18 217	0.28 466	0.25 358	0.15 260	0.12 247	0.16 302	0.14 298	0.64 559	0.43 548	0.75 556	0.65 558	0.64 553	0.46 552

JetBlue	0.73 552	0.46 543	1.21 561	0.52 546	0.47 547	2.16 572	0.67 559	0.78 551	0.72 542	0.70 542	0.79 547	1.21 557	0.84 557	1.06 568	1.04 568	0.40 545	0.28 539	0.33 539	0.33 541	0.30 537	0.34 544

ACVNet_1	0.45 535	0.51 544	0.61 532	0.45 541	0.28 534	0.50 530	0.28 505	0.58 546	0.71 541	0.63 538	0.59 531	0.74 547	0.50 536	0.50 536	0.36 520	0.26 538	0.25 536	0.39 542	0.29 536	0.32 541	0.25 532

ACVNet-4b	0.39 526	0.53 545	0.56 524	0.45 541	0.24 527	0.46 528	0.18 359	0.50 533	0.64 533	0.42 519	0.45 505	0.60 536	0.27 473	0.34 501	0.24 455	0.33 542	0.14 502	0.48 545	0.42 545	0.31 540	0.27 537

anonymity	0.53 541	0.58 546	0.66 536	0.41 537	0.61 557	0.54 534	0.41 541	0.57 541	0.41 471	0.56 536	0.50 513	0.50 527	0.55 540	0.59 547	0.50 545	0.58 555	0.50 558	0.51 547	0.51 552	0.52 546	0.58 554

SGM+DAISY	0.57 544	0.58 546	0.67 540	0.41 537	0.55 551	0.68 545	0.51 549	0.57 541	0.46 494	0.67 539	0.70 539	0.69 545	0.57 544	0.64 549	0.58 550	0.59 556	0.49 555	0.50 546	0.50 551	0.52 546	0.59 557

SPS-STEREO	0.58 545	0.59 548	0.66 536	0.45 541	0.55 551	0.65 542	0.44 546	0.63 548	0.51 505	0.69 541	0.65 533	0.66 541	0.58 545	0.62 548	0.62 552	0.62 558	0.47 553	0.51 547	0.49 549	0.55 549	0.58 554
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
RainbowNet	0.54 542	0.61 549	0.71 549	0.57 548	0.43 545	0.66 543	0.37 536	0.60 547	0.87 553	0.51 531	0.67 534	0.63 538	0.47 533	0.50 536	0.44 538	0.47 550	0.48 554	0.53 549	0.41 544	0.53 548	0.41 549

IMH-64-1	0.66 547	0.62 550	0.69 544	0.72 551	0.51 548	0.60 538	0.51 549	0.92 555	0.84 551	0.75 550	1.02 557	0.81 548	0.78 555	0.80 553	0.50 545	0.43 546	0.46 549	0.72 553	0.48 547	0.55 549	0.40 547

IMH-64	0.66 547	0.62 550	0.69 544	0.72 551	0.51 548	0.60 538	0.51 549	0.92 555	0.84 551	0.75 550	1.02 557	0.81 548	0.78 555	0.80 553	0.50 545	0.43 546	0.46 549	0.72 553	0.48 547	0.55 549	0.40 547

IMH	0.72 550	0.65 552	0.70 547	0.77 553	0.54 550	0.71 547	0.56 552	0.99 563	1.08 557	0.82 553	1.09 560	0.89 550	0.88 559	0.88 561	0.53 549	0.44 549	0.50 558	0.75 556	0.51 552	0.58 552	0.42 550

MFMNet_re	0.65 546	0.66 553	0.66 536	0.51 545	0.69 562	0.70 546	0.58 553	0.65 549	0.75 547	0.61 537	0.73 542	0.63 538	0.68 550	0.65 550	0.60 551	0.66 560	0.58 567	0.63 551	0.59 555	0.68 557	0.69 564

ACVNet_2	0.67 549	0.68 554	0.70 547	0.64 549	0.41 543	0.75 551	0.50 548	0.98 561	1.38 566	0.90 555	1.09 560	1.04 552	0.74 553	0.55 542	0.48 543	0.43 546	0.40 547	0.53 549	0.45 546	0.48 545	0.36 546

MADNet+	0.76 553	0.72 555	3.76 572	0.67 550	0.41 543	0.99 562	0.97 569	0.72 550	0.75 547	0.52 532	0.58 529	0.64 540	0.68 550	0.89 562	1.04 568	0.35 543	0.36 545	0.28 535	0.23 527	0.38 543	0.33 543

TorneroNet-64	0.76 553	0.73 556	0.77 550	0.78 555	0.58 556	0.94 561	0.58 553	0.85 554	1.26 561	0.67 539	0.88 551	1.41 564	0.76 554	0.87 559	0.68 555	0.49 551	0.46 549	0.73 555	0.59 555	0.68 557	0.54 553

TorneroNet	0.83 557	0.75 557	0.83 554	0.85 558	0.63 559	1.03 565	0.65 557	0.96 559	1.14 559	0.80 552	1.10 562	1.36 562	0.88 559	0.95 564	0.82 563	0.57 553	0.49 555	0.79 561	0.66 560	0.74 563	0.64 563

WAO-7	0.80 555	0.78 558	0.57 526	0.85 558	0.67 561	0.76 552	0.69 562	1.07 565	1.30 563	0.90 555	1.20 566	1.05 553	0.93 561	0.71 551	0.68 555	0.60 557	0.62 568	0.67 552	0.68 561	0.64 553	0.59 557

WAO-6	0.82 556	0.81 559	0.63 535	0.87 560	0.63 559	0.79 553	0.60 555	0.98 561	1.52 570	0.91 557	0.97 555	1.08 554	1.04 565	0.72 552	0.70 558	0.72 561	0.49 555	0.91 564	0.71 562	0.70 559	0.59 557

WAO-8	0.92 560	0.83 560	0.67 540	0.94 563	0.70 563	0.92 559	0.68 560	1.08 567	1.80 573	1.06 563	1.42 570	1.29 559	1.08 567	0.86 557	0.80 561	0.74 563	0.54 561	0.86 562	0.75 563	0.71 560	0.63 561

Venus	0.92 560	0.83 560	0.67 540	0.94 563	0.70 563	0.92 559	0.68 560	1.08 567	1.80 573	1.06 563	1.42 570	1.29 559	1.08 567	0.86 557	0.80 561	0.74 563	0.54 561	0.86 562	0.75 563	0.71 560	0.63 561

LVE	0.84 558	0.87 562	0.86 555	0.81 556	0.56 553	1.09 567	0.66 558	1.07 565	1.45 568	0.97 559	1.23 568	1.11 555	0.86 558	0.84 556	0.72 559	0.49 551	0.56 564	0.76 558	0.60 557	0.66 555	0.60 560

Dean	0.88 559	0.88 563	0.81 551	0.82 557	0.57 554	0.91 558	0.62 556	1.17 571	1.71 571	1.15 566	1.16 564	1.31 561	1.00 564	0.82 555	0.83 564	0.57 553	0.56 564	0.78 560	0.65 558	0.67 556	0.58 554

PWCK	0.72 550	0.95 564	0.99 558	0.77 553	0.32 539	0.79 553	0.38 538	0.92 555	0.90 554	0.96 558	0.76 545	0.97 551	0.62 547	0.87 559	0.68 555	0.73 562	0.46 549	0.76 558	0.49 549	0.71 560	0.44 551

UNDER WATER-64	0.97 562	0.96 565	1.48 565	0.88 561	0.57 554	1.24 570	0.90 567	0.78 551	0.96 555	1.05 561	0.85 550	1.56 569	1.26 571	0.97 566	0.99 566	0.88 567	0.57 566	1.04 567	0.88 567	0.81 564	0.75 565

UNDER WATER	0.99 564	1.00 566	1.47 564	1.00 565	0.71 565	1.18 569	0.86 565	0.81 553	1.09 558	1.02 560	0.90 552	1.53 568	1.26 571	1.06 568	1.02 567	0.79 565	0.54 561	1.02 566	0.88 567	0.83 565	0.75 565

notaker	0.98 563	1.13 567	1.02 559	1.14 568	0.81 566	0.73 550	0.69 562	0.94 558	1.15 560	1.19 568	1.19 565	1.41 564	1.17 570	1.10 570	0.74 560	0.82 566	0.64 569	1.18 568	0.79 565	1.02 567	0.82 568

KSHMR	1.10 566	1.19 568	0.90 557	1.26 571	1.00 570	0.99 562	0.96 568	1.13 570	1.35 564	1.16 567	1.28 569	1.40 563	0.97 563	1.03 567	0.93 565	1.03 570	1.08 572	1.20 569	1.03 571	1.03 568	0.98 570

ktn	1.02 565	1.23 569	0.82 552	1.24 570	0.86 568	1.00 564	0.86 565	0.96 559	1.37 565	1.05 561	1.12 563	1.16 556	1.06 566	0.95 564	0.62 552	1.28 572	0.71 570	1.39 572	0.83 566	1.06 569	0.77 567

DPSimNet_ROB	1.14 567	1.25 570	0.87 556	1.15 569	0.90 569	1.15 568	1.18 570	1.20 572	1.26 561	1.45 570	1.05 559	1.44 567	1.13 569	0.92 563	1.70 571	1.47 573	0.52 560	1.22 570	1.04 572	0.92 566	1.03 571

HanzoNet	1.31 568	1.29 571	1.22 562	1.13 567	0.85 567	1.05 566	0.84 564	1.06 564	1.47 569	1.66 571	1.63 572	2.48 573	1.78 573	1.63 572	1.69 570	1.27 571	0.80 571	1.32 571	1.02 570	1.07 570	0.90 569

JetRed	1.66 569	1.51 572	3.09 568	0.93 562	1.21 571	5.28 575	1.61 574	1.29 573	1.42 567	1.84 572	1.77 573	1.59 570	0.95 562	1.43 571	2.51 575	0.91 569	1.61 573	0.93 565	0.91 569	1.36 571	1.03 571

MADNet++	1.97 570	1.75 573	1.66 566	1.83 572	1.69 573	2.38 573	1.45 573	2.36 574	2.11 575	2.58 574	2.37 575	2.25 572	2.21 574	2.28 573	2.36 574	1.87 574	1.67 574	1.53 573	1.34 573	1.87 572	1.78 574

DLNR_Zeroshot_test	10.48 582	2.27 574	19.78 589	120.28 594	13.29 586	0.06 7	0.13 108	0.24 308	0.10 31	0.08 58	0.10 114	0.09 120	0.07 102	0.10 56	0.09 43	0.13 470	0.04 20	0.06 100	0.04 31	52.68 593	0.04 28

USTest	6.16 574	2.65 575	2.79 567	6.48 580	7.21 579	14.33 582	21.38 581	6.98 582	9.55 581	5.35 578	6.12 576	5.71 577	7.69 578	6.31 579	6.75 578	1.97 575	3.38 580	1.63 574	2.14 577	2.49 573	2.35 575

DPSMNet_ROB	8.06 579	4.50 576	8.69 582	5.36 579	10.74 582	8.32 577	22.71 582	5.47 577	13.38 583	5.13 576	9.98 580	5.10 575	10.47 582	5.53 577	12.77 583	3.80 580	8.00 581	3.49 577	6.95 580	3.75 579	7.09 582

DGTPSM_ROB	8.06 579	4.50 576	8.69 582	5.34 577	10.73 581	8.32 577	22.71 582	5.47 577	13.38 583	5.13 576	9.98 580	5.10 575	10.47 582	5.53 577	12.77 583	3.79 579	8.00 581	3.49 577	6.95 580	3.74 578	7.09 582

xxxxx1	7.75 575	5.06 578	7.26 575	3.15 574	3.91 575	16.37 583	22.88 584	5.87 579	8.68 578	7.99 579	8.55 577	9.13 581	8.46 579	10.05 581	10.47 579	2.43 576	2.48 576	3.56 579	12.26 583	3.48 575	3.02 577

tt_ll	7.75 575	5.06 578	7.26 575	3.15 574	3.91 575	16.37 583	22.88 584	5.87 579	8.68 578	7.99 579	8.55 577	9.13 581	8.46 579	10.05 581	10.47 579	2.43 576	2.48 576	3.56 579	12.26 583	3.48 575	3.02 577

ff	7.75 575	5.06 578	7.26 575	3.15 574	3.91 575	16.37 583	22.88 584	5.87 579	8.68 578	7.99 579	8.55 577	9.13 581	8.46 579	10.05 581	10.47 579	2.43 576	2.48 576	3.56 579	12.26 583	3.48 575	3.02 577

TCMNet-wrong-test	3.69 572	5.54 581	3.91 573	12.22 584	11.75 585	4.77 574	3.86 575	1.08 567	0.74 546	1.13 565	2.21 574	6.16 578	0.53 539	3.43 575	2.33 573	0.90 568	0.20 523	1.85 575	1.69 574	5.71 580	3.79 580

Anonymous_1	10.87 584	7.82 582	7.41 578	10.29 581	10.08 580	18.64 587	26.11 587	11.02 584	13.45 585	9.43 582	10.10 582	9.73 584	11.31 584	10.69 584	12.47 582	6.42 583	8.38 583	5.70 582	10.22 582	11.41 584	6.65 581

DPSM_ROB	11.10 585	8.47 583	7.95 579	10.84 582	11.58 583	19.10 588	26.50 588	12.02 585	14.09 586	10.38 583	10.91 583	10.39 585	11.92 585	11.67 585	13.39 585	6.99 584	8.79 584	5.82 583	6.92 578	6.97 581	7.31 584

DPSM	11.10 585	8.47 583	7.95 579	10.84 582	11.58 583	19.10 588	26.50 588	12.02 585	14.09 586	10.38 583	10.91 583	10.39 585	11.92 585	11.67 585	13.39 585	6.99 584	8.79 584	5.82 583	6.92 578	6.97 581	7.31 584

PML	8.57 581	9.39 585	6.24 574	5.34 577	6.36 578	13.21 581	20.99 580	5.35 576	6.68 577	17.75 587	26.46 593	7.58 579	6.08 577	7.89 580	5.76 576	5.33 581	1.83 575	5.95 585	1.93 575	8.75 583	2.53 576

LRCNet_RVC	10.76 583	13.97 586	7.97 581	19.07 586	2.04 574	0.35 510	0.31 524	5.29 575	0.48 497	13.02 585	17.65 586	8.69 580	5.73 576	4.78 576	2.22 572	23.53 591	2.69 579	27.60 592	25.75 592	17.60 589	16.54 590

CasAABBNet	22.33 589	17.11 587	15.84 584	21.94 588	23.28 590	38.30 590	53.40 593	24.05 590	28.44 591	20.66 589	21.86 589	21.03 591	24.04 591	23.35 589	27.03 592	14.06 587	17.69 589	11.70 587	13.94 587	14.04 586	14.76 588

FlowAnything	22.34 590	17.13 588	15.98 585	22.00 589	23.23 589	38.39 593	53.32 591	24.19 591	28.48 592	21.00 592	21.93 590	20.83 589	23.97 589	23.44 591	26.83 590	14.04 586	17.80 591	11.63 586	14.08 589	14.00 585	14.65 586

Selective-RAFT-Error	22.39 591	17.14 589	16.01 586	22.00 589	23.34 591	38.37 591	53.36 592	24.24 593	28.53 593	20.80 590	21.94 591	20.94 590	24.02 590	23.48 592	27.33 593	14.07 588	17.70 590	11.70 587	13.93 586	14.05 587	14.83 589

LSM0	22.80 592	17.22 590	19.17 587	22.12 591	28.90 593	38.38 592	53.27 590	24.21 592	28.36 590	20.84 591	21.11 588	21.63 592	24.25 592	23.42 590	26.98 591	14.08 589	17.39 588	11.72 589	13.98 588	14.22 588	14.66 587

HaxPig	15.73 587	18.55 591	19.19 588	16.92 585	15.89 587	7.80 576	7.57 576	13.37 587	10.80 582	15.40 586	14.87 585	15.95 587	14.81 587	15.67 587	15.97 587	18.96 590	16.72 587	19.47 590	18.10 590	19.45 590	19.06 591

MEDIAN_ROB	20.38 588	24.05 592	23.36 590	21.18 587	21.62 588	10.51 580	8.17 577	17.68 588	15.46 588	20.04 588	19.65 587	20.30 588	20.16 588	21.17 588	21.03 588	23.81 592	21.77 592	24.98 591	23.75 591	25.01 591	23.94 592

AVERAGE_ROB	24.89 593	29.12 593	27.98 591	24.83 592	24.59 592	17.82 586	11.61 578	21.45 589	19.91 589	25.04 593	24.38 592	25.06 593	25.31 593	24.69 593	22.86 589	29.74 593	27.09 593	28.97 593	27.94 593	30.07 592	29.35 593

test_example2	97.69 594	92.93 594	45.57 592	96.02 593	109.84 594	88.44 594	93.70 594	25.54 594	94.63 594	130.46 595	126.87 594	58.93 594	75.48 594	87.99 594	77.94 594	150.16 594	221.11 594	76.29 594	98.21 594	108.42 594	95.33 594

ccccc		285.89 595		366.70 595	366.78 595	118.88 595		113.97 595		125.77 594		120.54 595		252.62 595		382.79 595	352.84 595	254.30 595	222.62 595	426.61 595

Low-res two-view benchmark