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

LG-Stereo_L2	0.07 3	0.05 10	0.10 68	0.14 22	0.06 11	0.07 21	0.12 47	0.09 9	0.10 23	0.06 7	0.04 1	0.05 1	0.05 9	0.08 11	0.08 14	0.05 5	0.04 3	0.05 3	0.03 1	0.04 2	0.03 1

LG-Stereo_L1	0.07 3	0.05 10	0.11 109	0.14 22	0.06 11	0.07 21	0.12 47	0.09 9	0.08 8	0.05 1	0.04 1	0.05 1	0.04 1	0.08 11	0.08 14	0.05 5	0.04 3	0.05 3	0.03 1	0.04 2	0.04 11

MLG-Stereo_test3	0.07 3	0.05 10	0.10 68	0.15 60	0.06 11	0.07 21	0.10 13	0.08 3	0.06 4	0.06 7	0.04 1	0.06 10	0.06 33	0.08 11	0.10 97	0.06 87	0.04 3	0.05 3	0.04 20	0.05 69	0.06 159

MLG-Stereo_test1	0.06 1	0.05 10	0.08 12	0.17 180	0.05 1	0.07 21	0.11 25	0.09 9	0.03 1	0.05 1	0.04 1	0.06 10	0.05 9	0.09 24	0.09 39	0.05 5	0.04 3	0.05 3	0.03 1	0.04 2	0.05 83

MLG-Stereo	0.07 3	0.05 10	0.09 43	0.17 180	0.05 1	0.07 21	0.11 25	0.08 3	0.05 3	0.05 1	0.04 1	0.06 10	0.05 9	0.10 40	0.09 39	0.05 5	0.04 3	0.05 3	0.03 1	0.04 2	0.05 83

LGtest1	0.07 3	0.05 10	0.11 109	0.15 60	0.06 11	0.07 21	0.09 8	0.08 3	0.06 4	0.06 7	0.04 1	0.06 10	0.07 78	0.10 40	0.09 39	0.07 209	0.04 3	0.05 3	0.04 20	0.06 154	0.06 159

MLG-Stereo_test2	0.07 3	0.04 1	0.10 68	0.15 60	0.06 11	0.07 21	0.11 25	0.09 9	0.04 2	0.06 7	0.05 7	0.06 10	0.04 1	0.08 11	0.09 39	0.06 87	0.04 3	0.05 3	0.03 1	0.05 69	0.05 83

FoundationStereo	0.06 1	0.04 1	0.08 12	0.13 8	0.05 1	0.09 61	0.13 81	0.06 1	0.09 15	0.05 1	0.05 7	0.06 10	0.04 1	0.07 2	0.07 1	0.06 87	0.04 3	0.05 3	0.04 20	0.05 69	0.04 11

EGLCR-Stereo	0.08 23	0.05 10	0.08 12	0.14 22	0.07 46	0.11 136	0.12 47	0.11 22	0.16 150	0.06 7	0.05 7	0.07 45	0.05 9	0.10 40	0.11 142	0.06 87	0.04 3	0.06 73	0.05 81	0.04 2	0.04 11

111111	0.07 3	0.05 10	0.10 68	0.17 180	0.06 11	0.05 3	0.10 13	0.11 22	0.10 23	0.06 7	0.06 10	0.07 45	0.05 9	0.08 11	0.09 39	0.06 87	0.04 3	0.05 3	0.04 20	0.07 221	0.06 159

LG-G_1	0.07 3	0.04 1	0.11 109	0.15 60	0.06 11	0.09 61	0.08 4	0.08 3	0.06 4	0.06 7	0.06 10	0.07 45	0.07 78	0.11 80	0.08 14	0.07 209	0.04 3	0.05 3	0.04 20	0.05 69	0.06 159

LG-G	0.07 3	0.04 1	0.11 109	0.15 60	0.06 11	0.09 61	0.08 4	0.08 3	0.06 4	0.06 7	0.06 10	0.07 45	0.07 78	0.11 80	0.08 14	0.07 209	0.04 3	0.05 3	0.04 20	0.05 69	0.06 159

StereoAnything_RVC	0.07 3	0.16 432	0.17 322	0.11 1	0.05 1	0.06 7	0.11 25	0.08 3	0.08 8	0.06 7	0.06 10	0.05 1	0.05 9	0.09 24	0.08 14	0.08 268	0.04 3	0.05 3	0.03 1	0.05 69	0.04 11

MonSter	0.07 3	0.06 44	0.06 1	0.15 60	0.05 1	0.08 39	0.10 13	0.15 77	0.15 128	0.05 1	0.06 10	0.05 1	0.06 33	0.07 2	0.09 39	0.04 1	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

tt45	0.09 50	0.06 44	0.11 109	0.15 60	0.07 46	0.12 174	0.15 196	0.13 50	0.12 64	0.09 64	0.06 10	0.08 68	0.06 33	0.13 200	0.10 97	0.06 87	0.04 3	0.06 73	0.05 81	0.05 69	0.06 159

dual_stereo	0.07 3	0.05 10	0.08 12	0.15 60	0.05 1	0.05 3	0.13 81	0.12 36	0.08 8	0.07 23	0.06 10	0.05 1	0.05 9	0.07 2	0.09 39	0.06 87	0.04 3	0.05 3	0.03 1	0.04 2	0.04 11

IGEV-Stereo+	0.07 3	0.04 1	0.08 12	0.15 60	0.06 11	0.04 1	0.09 8	0.10 14	0.09 15	0.06 7	0.06 10	0.06 10	0.06 33	0.06 1	0.09 39	0.06 87	0.04 3	0.05 3	0.04 20	0.06 154	0.06 159

RSM++	0.08 23	0.06 44	0.09 43	0.17 180	0.07 46	0.09 61	0.12 47	0.11 22	0.11 43	0.08 42	0.06 10	0.07 45	0.05 9	0.10 40	0.09 39	0.05 5	0.04 3	0.06 73	0.05 81	0.05 69	0.03 1

MyStereo07	0.10 106	0.07 105	0.10 68	0.17 180	0.09 197	0.14 241	0.17 281	0.15 77	0.15 128	0.09 64	0.06 10	0.06 10	0.07 78	0.12 153	0.09 39	0.06 87	0.05 131	0.08 242	0.07 239	0.06 154	0.06 159

ff7	0.09 50	0.07 105	0.11 109	0.16 114	0.09 197	0.11 136	0.15 196	0.16 101	0.12 64	0.10 93	0.06 10	0.06 10	0.06 33	0.11 80	0.09 39	0.05 5	0.04 3	0.06 73	0.05 81	0.05 69	0.06 159

IGEVStereo-DCA	0.09 50	0.07 105	0.11 109	0.16 114	0.10 302	0.11 136	0.15 196	0.16 101	0.12 64	0.10 93	0.06 10	0.08 68	0.06 33	0.10 40	0.09 39	0.06 87	0.05 131	0.06 73	0.05 81	0.05 69	0.06 159

ffff	0.09 50	0.07 105	0.11 109	0.16 114	0.09 197	0.11 136	0.15 196	0.16 101	0.12 64	0.10 93	0.06 10	0.06 10	0.06 33	0.11 80	0.09 39	0.05 5	0.04 3	0.06 73	0.05 81	0.05 69	0.06 159

rrr	0.09 50	0.07 105	0.13 179	0.16 114	0.10 302	0.11 136	0.15 196	0.16 101	0.15 128	0.10 93	0.06 10	0.08 68	0.06 33	0.10 40	0.09 39	0.06 87	0.05 131	0.06 73	0.05 81	0.05 69	0.06 159

11t	0.09 50	0.07 105	0.11 109	0.16 114	0.09 197	0.11 136	0.15 196	0.16 101	0.12 64	0.10 93	0.06 10	0.06 10	0.06 33	0.11 80	0.09 39	0.05 5	0.04 3	0.06 73	0.05 81	0.05 69	0.06 159

IGEV_Zeroshot_test	0.09 50	0.05 10	0.13 179	0.14 22	0.08 99	0.12 174	0.13 81	0.17 133	0.11 43	0.10 93	0.06 10	0.09 95	0.06 33	0.11 80	0.09 39	0.06 87	0.04 3	0.06 73	0.06 150	0.05 69	0.05 83

anonymousdsp	0.09 50	0.07 105	0.11 109	0.17 180	0.09 197	0.11 136	0.15 196	0.16 101	0.12 64	0.10 93	0.06 10	0.06 10	0.06 33	0.11 80	0.09 39	0.05 5	0.04 3	0.06 73	0.05 81	0.05 69	0.06 159

ProNet	0.09 50	0.07 105	0.11 109	0.17 180	0.08 99	0.11 136	0.15 196	0.15 77	0.12 64	0.10 93	0.06 10	0.07 45	0.06 33	0.11 80	0.09 39	0.05 5	0.05 131	0.06 73	0.05 81	0.04 2	0.06 159

ccc-4	0.09 50	0.07 105	0.11 109	0.16 114	0.09 197	0.11 136	0.15 196	0.16 101	0.12 64	0.10 93	0.06 10	0.06 10	0.06 33	0.11 80	0.09 39	0.05 5	0.04 3	0.06 73	0.05 81	0.05 69	0.06 159

IGEV-Stereo	0.09 50	0.07 105	0.11 109	0.17 180	0.09 197	0.11 136	0.15 196	0.16 101	0.12 64	0.10 93	0.06 10	0.06 10	0.06 33	0.11 80	0.09 39	0.05 5	0.04 3	0.06 73	0.05 81	0.05 69	0.06 159
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
SCV_C0	0.08 23	0.07 105	0.08 12	0.16 114	0.10 302	0.08 39	0.14 127	0.11 22	0.13 92	0.08 42	0.07 30	0.06 10	0.05 9	0.11 80	0.07 1	0.05 5	0.05 131	0.05 3	0.04 20	0.06 154	0.05 83

SCV	0.08 23	0.09 271	0.08 12	0.15 60	0.08 99	0.10 99	0.12 47	0.11 22	0.12 64	0.07 23	0.07 30	0.06 10	0.04 1	0.10 40	0.08 14	0.05 5	0.05 131	0.06 73	0.04 20	0.06 154	0.04 11

DEFOM-Stereo_RVC	0.08 23	0.07 105	0.09 43	0.22 416	0.06 11	0.08 39	0.12 47	0.10 14	0.10 23	0.07 23	0.07 30	0.06 10	0.05 9	0.11 80	0.09 39	0.06 87	0.04 3	0.05 3	0.03 1	0.06 154	0.04 11

HUF	0.08 23	0.05 10	0.08 12	0.14 22	0.06 11	0.09 61	0.13 81	0.13 50	0.13 92	0.07 23	0.07 30	0.09 95	0.06 33	0.10 40	0.09 39	0.06 87	0.04 3	0.05 3	0.04 20	0.05 69	0.04 11

AIO_test	0.07 3	0.06 44	0.07 2	0.15 60	0.07 46	0.07 21	0.14 127	0.10 14	0.10 23	0.07 23	0.07 30	0.06 10	0.05 9	0.08 11	0.10 97	0.05 5	0.04 3	0.05 3	0.04 20	0.04 2	0.03 1

castereo++	0.08 23	0.06 44	0.08 12	0.15 60	0.05 1	0.14 241	0.11 25	0.11 22	0.15 128	0.07 23	0.07 30	0.08 68	0.06 33	0.08 11	0.08 14	0.06 87	0.04 3	0.05 3	0.04 20	0.04 2	0.03 1

IGEV-RUCA	0.08 23	0.06 44	0.11 109	0.14 22	0.09 197	0.10 99	0.12 47	0.10 14	0.12 64	0.06 7	0.07 30	0.08 68	0.06 33	0.09 24	0.08 14	0.06 87	0.05 131	0.05 3	0.04 20	0.05 69	0.06 159

fffft	0.09 50	0.06 44	0.12 146	0.16 114	0.07 46	0.09 61	0.16 255	0.12 36	0.11 43	0.09 64	0.07 30	0.09 95	0.06 33	0.11 80	0.12 197	0.05 5	0.04 3	0.06 73	0.05 81	0.04 2	0.05 83
1: 1. 1
DEFOM-Stereo	0.07 3	0.05 10	0.07 2	0.14 22	0.06 11	0.09 61	0.13 81	0.07 2	0.13 92	0.06 7	0.07 30	0.06 10	0.05 9	0.10 40	0.09 39	0.05 5	0.04 3	0.05 3	0.03 1	0.04 2	0.04 11

SMoEStereo_RVC	0.08 23	0.06 44	0.12 146	0.16 114	0.07 46	0.09 61	0.13 81	0.11 22	0.14 111	0.09 64	0.07 30	0.07 45	0.07 78	0.12 153	0.10 97	0.05 5	0.04 3	0.06 73	0.05 81	0.04 2	0.04 11

IGEV-Stereo++	0.07 3	0.06 44	0.08 12	0.18 260	0.06 11	0.05 3	0.10 13	0.11 22	0.11 43	0.06 7	0.07 30	0.07 45	0.06 33	0.09 24	0.09 39	0.05 5	0.04 3	0.05 3	0.04 20	0.05 69	0.04 11

Pointernet	0.09 50	0.05 10	0.10 68	0.16 114	0.08 99	0.13 202	0.10 13	0.15 77	0.18 187	0.09 64	0.07 30	0.06 10	0.06 33	0.11 80	0.10 97	0.08 268	0.04 3	0.05 3	0.03 1	0.06 154	0.05 83

U	0.08 23	0.07 105	0.10 68	0.19 318	0.10 302	0.10 99	0.13 81	0.12 36	0.17 173	0.07 23	0.07 30	0.06 10	0.05 9	0.07 2	0.09 39	0.06 87	0.04 3	0.06 73	0.04 20	0.06 154	0.05 83

IGEV-BASED-STEREO-	0.09 50	0.10 333	0.32 452	0.15 60	0.06 11	0.08 39	0.14 127	0.11 22	0.10 23	0.07 23	0.07 30	0.06 10	0.04 1	0.11 80	0.07 1	0.12 414	0.04 3	0.07 165	0.05 81	0.05 69	0.05 83

WCG-NET（raft）	0.08 23	0.05 10	0.10 68	0.15 60	0.06 11	0.11 136	0.13 81	0.15 77	0.12 64	0.08 42	0.07 30	0.06 10	0.06 33	0.13 200	0.08 14	0.05 5	0.04 3	0.05 3	0.04 20	0.05 69	0.04 11

RSM	0.08 23	0.06 44	0.09 43	0.17 180	0.07 46	0.08 39	0.12 47	0.12 36	0.10 23	0.08 42	0.07 30	0.06 10	0.05 9	0.11 80	0.09 39	0.04 1	0.04 3	0.05 3	0.04 20	0.04 2	0.04 11

test_for_model	0.09 50	0.12 375	0.14 222	0.23 435	0.11 354	0.08 39	0.13 81	0.12 36	0.13 92	0.10 93	0.07 30	0.07 45	0.06 33	0.11 80	0.10 97	0.06 87	0.05 131	0.05 3	0.04 20	0.08 285	0.05 83

Selective-IGEV	0.07 3	0.06 44	0.09 43	0.17 180	0.06 11	0.08 39	0.12 47	0.13 50	0.08 8	0.08 42	0.07 30	0.06 10	0.04 1	0.10 40	0.09 39	0.05 5	0.04 3	0.05 3	0.04 20	0.04 2	0.03 1

CroCo-Stereo	0.09 50	0.08 209	0.08 12	0.22 416	0.09 197	0.09 61	0.18 326	0.16 101	0.12 64	0.07 23	0.07 30	0.08 68	0.06 33	0.08 11	0.07 1	0.07 209	0.05 131	0.06 73	0.04 20	0.05 69	0.04 11
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
test-1	0.10 106	0.07 105	0.17 322	0.19 318	0.08 99	0.11 136	0.24 434	0.15 77	0.18 187	0.09 64	0.07 30	0.10 122	0.08 112	0.08 11	0.09 39	0.06 87	0.04 3	0.06 73	0.06 150	0.04 2	0.05 83

test_xeample3	0.09 50	0.07 105	0.12 146	0.16 114	0.09 197	0.11 136	0.15 196	0.16 101	0.14 111	0.10 93	0.07 30	0.08 68	0.06 33	0.10 40	0.09 39	0.06 87	0.04 3	0.06 73	0.05 81	0.05 69	0.06 159

LG-Stereo	0.08 23	0.08 209	0.10 68	0.18 260	0.07 46	0.10 99	0.17 281	0.11 22	0.08 8	0.06 7	0.08 51	0.06 10	0.07 78	0.09 24	0.09 39	0.04 1	0.05 131	0.07 165	0.07 239	0.04 2	0.04 11

GREAT-IGEV	0.07 3	0.06 44	0.09 43	0.13 8	0.07 46	0.07 21	0.14 127	0.10 14	0.09 15	0.06 7	0.08 51	0.06 10	0.05 9	0.10 40	0.07 1	0.05 5	0.04 3	0.05 3	0.04 20	0.05 69	0.04 11

AIO_rvc	0.07 3	0.06 44	0.08 12	0.15 60	0.06 11	0.08 39	0.14 127	0.09 9	0.08 8	0.07 23	0.08 51	0.07 45	0.04 1	0.10 40	0.08 14	0.05 5	0.04 3	0.05 3	0.04 20	0.04 2	0.03 1

GIP-stereo	0.08 23	0.06 44	0.11 109	0.15 60	0.07 46	0.09 61	0.13 81	0.15 77	0.11 43	0.07 23	0.08 51	0.05 1	0.04 1	0.10 40	0.07 1	0.05 5	0.04 3	0.05 3	0.04 20	0.05 69	0.04 11

999	0.09 50	0.06 44	0.13 179	0.15 60	0.08 99	0.10 99	0.14 127	0.15 77	0.12 64	0.10 93	0.08 51	0.08 68	0.08 112	0.16 272	0.10 97	0.06 87	0.04 3	0.06 73	0.05 81	0.04 2	0.06 159

PAM_32	0.10 106	0.06 44	0.17 322	0.15 60	0.08 99	0.10 99	0.15 196	0.14 63	0.16 150	0.09 64	0.08 51	0.10 122	0.07 78	0.14 227	0.09 39	0.06 87	0.05 131	0.06 73	0.06 150	0.05 69	0.06 159

AIO-Stereo	0.08 23	0.06 44	0.10 68	0.18 260	0.06 11	0.09 61	0.11 25	0.16 101	0.09 15	0.09 64	0.08 51	0.07 45	0.05 9	0.11 80	0.08 14	0.05 5	0.05 131	0.05 3	0.04 20	0.04 2	0.04 11

MoCha-V2	0.08 23	0.05 10	0.11 109	0.20 366	0.07 46	0.10 99	0.14 127	0.12 36	0.08 8	0.07 23	0.08 51	0.07 45	0.06 33	0.09 24	0.08 14	0.05 5	0.05 131	0.05 3	0.04 20	0.04 2	0.04 11

IGEV++	0.08 23	0.06 44	0.09 43	0.18 260	0.07 46	0.10 99	0.13 81	0.10 14	0.10 23	0.08 42	0.08 51	0.06 10	0.05 9	0.13 200	0.09 39	0.05 5	0.04 3	0.05 3	0.04 20	0.05 69	0.04 11

MyStereo06	0.10 106	0.07 105	0.12 146	0.17 180	0.09 197	0.13 202	0.18 326	0.19 185	0.12 64	0.13 185	0.08 51	0.07 45	0.07 78	0.11 80	0.09 39	0.06 87	0.05 131	0.08 242	0.07 239	0.06 154	0.06 159

tt1	0.10 106	0.08 209	0.13 179	0.17 180	0.09 197	0.13 202	0.15 196	0.15 77	0.19 208	0.09 64	0.08 51	0.06 10	0.06 33	0.10 40	0.08 14	0.06 87	0.05 131	0.06 73	0.05 81	0.06 154	0.06 159

EKT-Stereo	0.11 145	0.07 105	0.14 222	0.16 114	0.10 302	0.13 202	0.14 127	0.19 185	0.21 242	0.11 126	0.08 51	0.13 186	0.10 159	0.11 80	0.12 197	0.08 268	0.06 270	0.07 165	0.06 150	0.08 285	0.07 235

iRaft-Stereo_20w	0.09 50	0.05 10	0.13 179	0.14 22	0.09 197	0.12 174	0.15 196	0.19 185	0.11 43	0.11 126	0.08 51	0.08 68	0.05 9	0.10 40	0.09 39	0.06 87	0.04 3	0.06 73	0.05 81	0.06 154	0.05 83

test-3	0.09 50	0.06 44	0.10 68	0.18 260	0.07 46	0.07 21	0.14 127	0.12 36	0.16 150	0.10 93	0.08 51	0.08 68	0.08 112	0.11 80	0.10 97	0.05 5	0.04 3	0.07 165	0.05 81	0.04 2	0.04 11

test_1	0.09 50	0.06 44	0.10 68	0.18 260	0.07 46	0.07 21	0.14 127	0.12 36	0.16 150	0.10 93	0.08 51	0.08 68	0.08 112	0.11 80	0.10 97	0.05 5	0.04 3	0.07 165	0.05 81	0.04 2	0.04 11

SGD-Stereo	0.08 23	0.05 10	0.10 68	0.14 22	0.06 11	0.12 174	0.12 47	0.11 22	0.12 64	0.07 23	0.09 66	0.09 95	0.09 137	0.08 11	0.08 14	0.06 87	0.04 3	0.05 3	0.04 20	0.05 69	0.04 11

Reg-Stereo(zero)	0.09 50	0.05 10	0.08 12	0.16 114	0.06 11	0.12 174	0.11 25	0.15 77	0.11 43	0.12 156	0.09 66	0.10 122	0.08 112	0.11 80	0.09 39	0.06 87	0.05 131	0.05 3	0.04 20	0.04 2	0.05 83

AIO-test2	0.10 106	0.08 209	0.10 68	0.23 435	0.09 197	0.11 136	0.11 25	0.23 255	0.24 284	0.08 42	0.09 66	0.08 68	0.05 9	0.10 40	0.08 14	0.06 87	0.05 131	0.08 242	0.09 348	0.05 69	0.05 83

mms	0.09 50	0.07 105	0.08 12	0.17 180	0.08 99	0.11 136	0.15 196	0.12 36	0.11 43	0.09 64	0.09 66	0.08 68	0.06 33	0.11 80	0.12 197	0.05 5	0.04 3	0.07 165	0.05 81	0.04 2	0.04 11

fffy	0.09 50	0.08 209	0.10 68	0.16 114	0.07 46	0.13 202	0.17 281	0.13 50	0.12 64	0.08 42	0.09 66	0.08 68	0.09 137	0.13 200	0.11 142	0.05 5	0.05 131	0.07 165	0.05 81	0.04 2	0.05 83

PAM	0.10 106	0.06 44	0.17 322	0.15 60	0.09 197	0.10 99	0.16 255	0.15 77	0.16 150	0.12 156	0.09 66	0.10 122	0.07 78	0.13 200	0.09 39	0.06 87	0.05 131	0.06 73	0.06 150	0.05 69	0.06 159

WCG-NET	0.08 23	0.05 10	0.10 68	0.15 60	0.06 11	0.11 136	0.14 127	0.13 50	0.14 111	0.07 23	0.09 66	0.07 45	0.06 33	0.13 200	0.08 14	0.05 5	0.04 3	0.06 73	0.04 20	0.04 2	0.03 1

CAS++	0.11 145	0.07 105	0.11 109	0.14 22	0.10 302	0.13 202	0.14 127	0.24 278	0.14 111	0.11 126	0.09 66	0.11 142	0.07 78	0.14 227	0.09 39	0.11 388	0.09 393	0.09 324	0.07 239	0.07 221	0.08 304
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
Former-RAFT_DAM_RVC	0.11 145	0.08 209	0.13 179	0.16 114	0.08 99	0.15 266	0.16 255	0.18 160	0.19 208	0.10 93	0.09 66	0.09 95	0.08 112	0.11 80	0.12 197	0.07 209	0.05 131	0.08 242	0.06 150	0.07 221	0.06 159

ACVNet-DCA	0.10 106	0.08 209	0.13 179	0.17 180	0.09 197	0.13 202	0.15 196	0.24 278	0.16 150	0.09 64	0.09 66	0.06 10	0.06 33	0.10 40	0.07 1	0.06 87	0.05 131	0.06 73	0.05 81	0.07 221	0.07 235

xx1	0.11 145	0.08 209	0.13 179	0.17 180	0.09 197	0.13 202	0.15 196	0.16 101	0.18 187	0.09 64	0.09 66	0.16 250	0.16 322	0.10 40	0.07 1	0.06 87	0.05 131	0.08 242	0.08 305	0.07 221	0.07 235

1test111	0.11 145	0.08 209	0.13 179	0.17 180	0.09 197	0.13 202	0.15 196	0.24 278	0.16 150	0.09 64	0.09 66	0.06 10	0.06 33	0.15 245	0.16 321	0.06 87	0.05 131	0.06 73	0.05 81	0.07 221	0.07 235

cc1	0.10 106	0.08 209	0.13 179	0.17 180	0.09 197	0.13 202	0.15 196	0.16 101	0.18 187	0.09 64	0.09 66	0.06 10	0.06 33	0.10 40	0.07 1	0.06 87	0.05 131	0.06 73	0.05 81	0.06 154	0.06 159

MSKI-zero shot	0.09 50	0.05 10	0.09 43	0.16 114	0.07 46	0.10 99	0.13 81	0.15 77	0.14 111	0.09 64	0.09 66	0.09 95	0.06 33	0.12 153	0.11 142	0.06 87	0.04 3	0.05 3	0.04 20	0.04 2	0.05 83

testlalala	0.08 23	0.07 105	0.17 322	0.16 114	0.08 99	0.09 61	0.12 47	0.15 77	0.10 23	0.07 23	0.09 66	0.06 10	0.06 33	0.11 80	0.09 39	0.05 5	0.04 3	0.06 73	0.04 20	0.04 2	0.04 11

AEACV	0.09 50	0.05 10	0.08 12	0.14 22	0.13 408	0.14 241	0.13 81	0.15 77	0.09 15	0.07 23	0.09 66	0.07 45	0.08 112	0.10 40	0.09 39	0.06 87	0.04 3	0.06 73	0.05 81	0.05 69	0.04 11

LoS_RVC	0.08 23	0.05 10	0.07 2	0.15 60	0.07 46	0.08 39	0.15 196	0.12 36	0.11 43	0.08 42	0.09 66	0.06 10	0.09 137	0.10 40	0.09 39	0.05 5	0.04 3	0.05 3	0.03 1	0.04 2	0.04 11

LoS	0.09 50	0.05 10	0.11 109	0.13 8	0.07 46	0.14 241	0.11 25	0.15 77	0.15 128	0.09 64	0.09 66	0.12 163	0.09 137	0.15 245	0.10 97	0.07 209	0.05 131	0.05 3	0.03 1	0.05 69	0.05 83
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
CES	0.08 23	0.04 1	0.08 12	0.14 22	0.07 46	0.09 61	0.14 127	0.11 22	0.09 15	0.08 42	0.09 66	0.11 142	0.07 78	0.12 153	0.08 14	0.06 87	0.04 3	0.05 3	0.03 1	0.05 69	0.05 83

TRStereo	0.10 106	0.05 10	0.12 146	0.16 114	0.12 383	0.10 99	0.13 81	0.18 160	0.19 208	0.09 64	0.09 66	0.09 95	0.07 78	0.10 40	0.08 14	0.07 209	0.05 131	0.07 165	0.07 239	0.04 2	0.04 11

raftrobust	0.09 50	0.06 44	0.11 109	0.17 180	0.08 99	0.09 61	0.10 13	0.18 160	0.16 150	0.10 93	0.09 66	0.12 163	0.08 112	0.12 153	0.10 97	0.08 268	0.05 131	0.06 73	0.05 81	0.05 69	0.06 159

EAI-Stereo	0.09 50	0.07 105	0.11 109	0.16 114	0.07 46	0.10 99	0.15 196	0.16 101	0.09 15	0.08 42	0.09 66	0.08 68	0.07 78	0.09 24	0.11 142	0.05 5	0.05 131	0.05 3	0.05 81	0.05 69	0.04 11

S2M2	0.09 50	0.08 209	0.11 109	0.13 8	0.10 302	0.08 39	0.06 1	0.10 14	0.10 23	0.10 93	0.10 88	0.09 95	0.09 137	0.11 80	0.11 142	0.13 431	0.07 338	0.08 242	0.09 348	0.10 379	0.08 304

MM-Stereo_test3	0.10 106	0.07 105	0.07 2	0.18 260	0.07 46	0.12 174	0.19 368	0.24 278	0.19 208	0.06 7	0.10 88	0.08 68	0.06 33	0.11 80	0.09 39	0.06 87	0.06 270	0.07 165	0.05 81	0.05 69	0.04 11

MM-Stereo_test2	0.09 50	0.07 105	0.09 43	0.19 318	0.08 99	0.12 174	0.18 326	0.15 77	0.14 111	0.07 23	0.10 88	0.07 45	0.06 33	0.12 153	0.09 39	0.05 5	0.04 3	0.06 73	0.05 81	0.06 154	0.04 11

HART	0.08 23	0.07 105	0.09 43	0.18 260	0.07 46	0.10 99	0.16 255	0.13 50	0.11 43	0.09 64	0.10 88	0.08 68	0.05 9	0.10 40	0.08 14	0.05 5	0.04 3	0.06 73	0.04 20	0.05 69	0.04 11

castereo	0.09 50	0.06 44	0.11 109	0.15 60	0.06 11	0.11 136	0.14 127	0.14 63	0.18 187	0.08 42	0.10 88	0.11 142	0.08 112	0.09 24	0.10 97	0.05 5	0.04 3	0.05 3	0.04 20	0.04 2	0.04 11

ours_stereo	0.09 50	0.07 105	0.09 43	0.17 180	0.08 99	0.11 136	0.16 255	0.11 22	0.12 64	0.08 42	0.10 88	0.08 68	0.06 33	0.12 153	0.12 197	0.05 5	0.04 3	0.06 73	0.05 81	0.04 2	0.04 11

model_zeroshot	0.10 106	0.05 10	0.12 146	0.15 60	0.09 197	0.13 202	0.14 127	0.20 198	0.14 111	0.11 126	0.10 88	0.12 163	0.07 78	0.12 153	0.11 142	0.07 209	0.06 270	0.06 73	0.05 81	0.06 154	0.06 159

GCAP-BAT	0.09 50	0.07 105	0.14 222	0.15 60	0.08 99	0.10 99	0.12 47	0.15 77	0.11 43	0.11 126	0.10 88	0.09 95	0.07 78	0.12 153	0.10 97	0.06 87	0.05 131	0.06 73	0.04 20	0.04 2	0.04 11

rvit_stereo_0080	0.10 106	0.08 209	0.15 258	0.15 60	0.10 302	0.07 21	0.15 196	0.16 101	0.16 150	0.11 126	0.10 88	0.15 230	0.09 137	0.12 153	0.10 97	0.09 320	0.07 338	0.07 165	0.06 150	0.07 221	0.05 83

RAFT-Stereo-weight	0.09 50	0.06 44	0.11 109	0.16 114	0.07 46	0.09 61	0.14 127	0.19 185	0.16 150	0.11 126	0.10 88	0.08 68	0.06 33	0.10 40	0.11 142	0.06 87	0.04 3	0.06 73	0.04 20	0.04 2	0.04 11

H2IRNET	0.10 106	0.09 271	0.10 68	0.18 260	0.09 197	0.12 174	0.15 196	0.14 63	0.21 242	0.10 93	0.10 88	0.10 122	0.11 187	0.10 40	0.10 97	0.06 87	0.04 3	0.08 242	0.08 305	0.06 154	0.05 83

MGS-Stereo	0.09 50	0.07 105	0.12 146	0.16 114	0.08 99	0.09 61	0.15 196	0.12 36	0.12 64	0.07 23	0.10 88	0.08 68	0.06 33	0.11 80	0.09 39	0.05 5	0.04 3	0.06 73	0.05 81	0.06 154	0.05 83

whm_eth	0.10 106	0.08 209	0.15 258	0.15 60	0.10 302	0.07 21	0.15 196	0.16 101	0.16 150	0.11 126	0.10 88	0.15 230	0.09 137	0.12 153	0.10 97	0.09 320	0.07 338	0.07 165	0.06 150	0.07 221	0.05 83

DLNR_Zeroshot_test	10.48 543	2.27 535	19.78 549	120.28 554	13.29 547	0.06 7	0.13 81	0.24 278	0.10 23	0.08 42	0.10 88	0.09 95	0.07 78	0.10 40	0.09 39	0.13 431	0.04 3	0.06 73	0.04 20	52.68 553	0.04 11

CASnet	0.09 50	0.09 271	0.09 43	0.19 318	0.06 11	0.07 21	0.11 25	0.18 160	0.14 111	0.11 126	0.10 88	0.09 95	0.07 78	0.10 40	0.10 97	0.06 87	0.04 3	0.10 369	0.08 305	0.06 154	0.03 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
GCAP-Stereo	0.09 50	0.07 105	0.13 179	0.18 260	0.06 11	0.11 136	0.07 2	0.14 63	0.12 64	0.09 64	0.10 88	0.07 45	0.09 137	0.13 200	0.10 97	0.06 87	0.05 131	0.05 3	0.04 20	0.04 2	0.05 83

RAFT-Test	0.09 50	0.06 44	0.10 68	0.16 114	0.07 46	0.11 136	0.15 196	0.16 101	0.13 92	0.09 64	0.10 88	0.11 142	0.09 137	0.12 153	0.09 39	0.06 87	0.04 3	0.05 3	0.04 20	0.05 69	0.05 83

HH	0.09 50	0.06 44	0.13 179	0.17 180	0.08 99	0.11 136	0.16 255	0.15 77	0.10 23	0.08 42	0.10 88	0.08 68	0.07 78	0.10 40	0.09 39	0.06 87	0.04 3	0.06 73	0.05 81	0.05 69	0.04 11

HanStereo	0.09 50	0.06 44	0.13 179	0.17 180	0.08 99	0.11 136	0.16 255	0.15 77	0.10 23	0.08 42	0.10 88	0.08 68	0.07 78	0.10 40	0.09 39	0.06 87	0.04 3	0.06 73	0.05 81	0.05 69	0.04 11

CAS	0.08 23	0.04 1	0.07 2	0.17 180	0.08 99	0.10 99	0.13 81	0.12 36	0.09 15	0.09 64	0.10 88	0.08 68	0.06 33	0.09 24	0.09 39	0.08 268	0.04 3	0.05 3	0.03 1	0.05 69	0.04 11

Selective-RAFT	0.11 145	0.11 357	0.12 146	0.21 396	0.08 99	0.16 294	0.13 81	0.21 214	0.23 274	0.10 93	0.10 88	0.11 142	0.10 159	0.15 245	0.11 142	0.05 5	0.05 131	0.06 73	0.05 81	0.06 154	0.05 83

CroCo-Stereo Lap2	0.09 50	0.09 271	0.08 12	0.22 416	0.09 197	0.09 61	0.18 326	0.16 101	0.12 64	0.09 64	0.10 88	0.05 1	0.05 9	0.08 11	0.08 14	0.06 87	0.06 270	0.07 165	0.05 81	0.06 154	0.05 83

MIPNet	0.11 145	0.08 209	0.15 258	0.17 180	0.09 197	0.12 174	0.14 127	0.21 214	0.25 308	0.12 156	0.10 88	0.09 95	0.07 78	0.13 200	0.13 232	0.06 87	0.04 3	0.06 73	0.05 81	0.04 2	0.04 11

test_3	0.11 145	0.09 271	0.10 68	0.21 396	0.08 99	0.13 202	0.25 450	0.14 63	0.21 242	0.10 93	0.10 88	0.09 95	0.10 159	0.08 11	0.11 142	0.05 5	0.04 3	0.08 242	0.07 239	0.04 2	0.04 11

cross-raft	0.10 106	0.09 271	0.09 43	0.19 318	0.07 46	0.11 136	0.24 434	0.13 50	0.15 128	0.08 42	0.10 88	0.12 163	0.10 159	0.09 24	0.11 142	0.05 5	0.04 3	0.06 73	0.05 81	0.04 2	0.04 11

RAFT-Stereo + iAFF	0.09 50	0.06 44	0.10 68	0.17 180	0.07 46	0.10 99	0.15 196	0.17 133	0.15 128	0.10 93	0.10 88	0.08 68	0.09 137	0.12 153	0.10 97	0.05 5	0.04 3	0.06 73	0.06 150	0.04 2	0.03 1

RAFT + AFF	0.13 243	0.08 209	0.21 391	0.20 366	0.10 302	0.14 241	0.23 424	0.27 324	0.21 242	0.12 156	0.10 88	0.12 163	0.10 159	0.16 272	0.12 197	0.08 268	0.07 338	0.09 324	0.09 348	0.06 154	0.09 348

Gwc-CoAtRS	0.09 50	0.07 105	0.10 68	0.16 114	0.07 46	0.10 99	0.15 196	0.18 160	0.17 173	0.08 42	0.10 88	0.12 163	0.09 137	0.12 153	0.09 39	0.06 87	0.04 3	0.06 73	0.04 20	0.04 2	0.05 83

LG-Stereo_Zeroshot	0.07 3	0.06 44	0.10 68	0.16 114	0.07 46	0.04 1	0.13 81	0.10 14	0.10 23	0.05 1	0.11 116	0.07 45	0.05 9	0.07 2	0.09 39	0.06 87	0.04 3	0.05 3	0.04 20	0.05 69	0.04 11

MM-Stereo_test1	0.10 106	0.07 105	0.09 43	0.18 260	0.07 46	0.12 174	0.18 326	0.21 214	0.20 228	0.09 64	0.11 116	0.08 68	0.06 33	0.10 40	0.10 97	0.06 87	0.05 131	0.07 165	0.06 150	0.05 69	0.04 11

tg	0.10 106	0.06 44	0.10 68	0.18 260	0.08 99	0.11 136	0.16 255	0.20 198	0.12 64	0.08 42	0.11 116	0.11 142	0.07 78	0.11 80	0.10 97	0.05 5	0.04 3	0.08 242	0.08 305	0.04 2	0.04 11

MaDis-Stereo	0.09 50	0.09 271	0.08 12	0.17 180	0.09 197	0.14 241	0.11 25	0.16 101	0.16 150	0.09 64	0.11 116	0.06 10	0.06 33	0.09 24	0.13 232	0.07 209	0.06 270	0.08 242	0.05 81	0.05 69	0.04 11

LL-Strereo2	0.11 145	0.10 333	0.16 299	0.18 260	0.08 99	0.15 266	0.09 8	0.17 133	0.14 111	0.14 208	0.11 116	0.09 95	0.07 78	0.16 272	0.10 97	0.05 5	0.05 131	0.11 399	0.07 239	0.06 154	0.05 83

4D-IteraStereo	0.10 106	0.07 105	0.10 68	0.18 260	0.07 46	0.09 61	0.15 196	0.18 160	0.15 128	0.10 93	0.11 116	0.10 122	0.07 78	0.12 153	0.09 39	0.05 5	0.03 1	0.08 242	0.07 239	0.06 154	0.05 83

RCA-Stereo	0.09 50	0.06 44	0.09 43	0.16 114	0.06 11	0.09 61	0.13 81	0.18 160	0.14 111	0.10 93	0.11 116	0.08 68	0.07 78	0.12 153	0.11 142	0.06 87	0.04 3	0.06 73	0.05 81	0.05 69	0.04 11

CIPLG	0.11 145	0.08 209	0.15 258	0.17 180	0.08 99	0.13 202	0.15 196	0.17 133	0.16 150	0.14 208	0.11 116	0.16 250	0.10 159	0.17 311	0.12 197	0.07 209	0.05 131	0.06 73	0.06 150	0.05 69	0.06 159

IPLGR_C	0.11 145	0.08 209	0.15 258	0.17 180	0.08 99	0.12 174	0.15 196	0.17 133	0.15 128	0.14 208	0.11 116	0.16 250	0.10 159	0.16 272	0.12 197	0.07 209	0.05 131	0.06 73	0.06 150	0.05 69	0.06 159

ACRE	0.11 145	0.08 209	0.15 258	0.17 180	0.08 99	0.13 202	0.15 196	0.17 133	0.14 111	0.14 208	0.11 116	0.16 250	0.10 159	0.16 272	0.12 197	0.07 209	0.05 131	0.06 73	0.06 150	0.05 69	0.06 159

iRaftStereo_RVC	0.10 106	0.07 105	0.10 68	0.17 180	0.09 197	0.11 136	0.17 281	0.18 160	0.12 64	0.09 64	0.11 116	0.10 122	0.07 78	0.11 80	0.10 97	0.05 5	0.04 3	0.08 242	0.08 305	0.04 2	0.04 11

s12784h	0.10 106	0.06 44	0.08 12	0.15 60	0.05 1	0.16 294	0.18 326	0.16 101	0.15 128	0.10 93	0.11 116	0.11 142	0.11 187	0.11 80	0.12 197	0.05 5	0.04 3	0.06 73	0.04 20	0.04 2	0.04 11

AFF-stereo	0.09 50	0.07 105	0.10 68	0.17 180	0.07 46	0.10 99	0.15 196	0.18 160	0.10 23	0.10 93	0.11 116	0.09 95	0.10 159	0.12 153	0.10 97	0.05 5	0.04 3	0.07 165	0.07 239	0.04 2	0.04 11

AIO-test1	0.10 106	0.07 105	0.11 109	0.24 445	0.07 46	0.09 61	0.13 81	0.22 237	0.15 128	0.11 126	0.12 129	0.09 95	0.07 78	0.11 80	0.09 39	0.06 87	0.05 131	0.09 324	0.10 382	0.04 2	0.07 235

RAStereo	0.10 106	0.09 271	0.08 12	0.20 366	0.08 99	0.13 202	0.18 326	0.16 101	0.17 173	0.10 93	0.12 129	0.05 1	0.06 33	0.09 24	0.08 14	0.07 209	0.05 131	0.07 165	0.05 81	0.05 69	0.04 11

Occ-G	0.08 23	0.05 10	0.07 2	0.14 22	0.07 46	0.09 61	0.14 127	0.14 63	0.15 128	0.07 23	0.12 129	0.07 45	0.05 9	0.09 24	0.10 97	0.06 87	0.05 131	0.05 3	0.04 20	0.05 69	0.06 159

gcap-zeroshot	0.09 50	0.06 44	0.10 68	0.16 114	0.07 46	0.14 241	0.13 81	0.11 22	0.12 64	0.13 185	0.12 129	0.09 95	0.08 112	0.09 24	0.09 39	0.06 87	0.05 131	0.06 73	0.05 81	0.04 2	0.04 11

UniTT-Stereo	0.09 50	0.07 105	0.08 12	0.18 260	0.08 99	0.13 202	0.11 25	0.12 36	0.11 43	0.10 93	0.12 129	0.05 1	0.06 33	0.09 24	0.10 97	0.07 209	0.06 270	0.05 3	0.05 81	0.06 154	0.05 83

Any-RAFT	0.10 106	0.05 10	0.10 68	0.15 60	0.07 46	0.13 202	0.14 127	0.21 214	0.15 128	0.11 126	0.12 129	0.13 186	0.10 159	0.13 200	0.10 97	0.07 209	0.04 3	0.05 3	0.04 20	0.06 154	0.05 83

MC-Stereo	0.09 50	0.07 105	0.09 43	0.17 180	0.06 11	0.10 99	0.14 127	0.12 36	0.11 43	0.09 64	0.12 129	0.09 95	0.06 33	0.11 80	0.10 97	0.06 87	0.04 3	0.06 73	0.05 81	0.04 2	0.04 11

IPLGR	0.11 145	0.09 271	0.17 322	0.18 260	0.08 99	0.13 202	0.16 255	0.21 214	0.24 284	0.12 156	0.12 129	0.11 142	0.09 137	0.13 200	0.12 197	0.06 87	0.05 131	0.06 73	0.06 150	0.05 69	0.04 11

AnonymousM	0.10 106	0.06 44	0.10 68	0.14 22	0.07 46	0.09 61	0.13 81	0.19 185	0.14 111	0.13 185	0.12 129	0.09 95	0.08 112	0.13 200	0.10 97	0.08 268	0.05 131	0.08 242	0.05 81	0.05 69	0.05 83

XX-TBD	0.09 50	0.06 44	0.07 2	0.14 22	0.07 46	0.13 202	0.16 255	0.14 63	0.14 111	0.11 126	0.12 129	0.09 95	0.08 112	0.10 40	0.10 97	0.06 87	0.04 3	0.05 3	0.04 20	0.06 154	0.05 83

sAnonymous2	0.13 243	0.12 375	0.25 417	0.20 366	0.12 383	0.18 333	0.14 127	0.27 324	0.21 242	0.11 126	0.12 129	0.13 186	0.08 112	0.11 80	0.11 142	0.09 320	0.05 131	0.08 242	0.06 150	0.15 455	0.10 374

CroCo_RVC	0.13 243	0.12 375	0.25 417	0.20 366	0.12 383	0.18 333	0.14 127	0.27 324	0.21 242	0.11 126	0.12 129	0.13 186	0.08 112	0.11 80	0.11 142	0.09 320	0.05 131	0.08 242	0.06 150	0.15 455	0.10 374

111	0.11 145	0.06 44	0.12 146	0.15 60	0.07 46	0.10 99	0.14 127	0.21 214	0.24 284	0.11 126	0.12 129	0.14 205	0.12 217	0.13 200	0.10 97	0.06 87	0.04 3	0.06 73	0.04 20	0.06 154	0.05 83

CFNet-RSSM	0.09 50	0.07 105	0.10 68	0.16 114	0.07 46	0.09 61	0.15 196	0.17 133	0.18 187	0.08 42	0.12 129	0.11 142	0.09 137	0.12 153	0.10 97	0.06 87	0.04 3	0.06 73	0.04 20	0.04 2	0.04 11

rvit_stereo_0081	0.11 145	0.08 209	0.16 299	0.16 114	0.09 197	0.11 136	0.14 127	0.14 63	0.24 284	0.11 126	0.13 143	0.14 205	0.09 137	0.11 80	0.12 197	0.10 357	0.07 338	0.08 242	0.07 239	0.07 221	0.06 159

rvit_stereo_0082	0.11 145	0.08 209	0.16 299	0.16 114	0.09 197	0.11 136	0.14 127	0.14 63	0.24 284	0.11 126	0.13 143	0.14 205	0.09 137	0.11 80	0.12 197	0.10 357	0.07 338	0.08 242	0.07 239	0.07 221	0.06 159

AIO-Stereo-zeroshot	0.11 145	0.05 10	0.12 146	0.15 60	0.13 408	0.14 241	0.16 255	0.23 255	0.18 187	0.10 93	0.13 143	0.10 122	0.07 78	0.12 153	0.09 39	0.06 87	0.05 131	0.06 73	0.06 150	0.07 221	0.08 304

rvit_stereo_ft	0.12 216	0.07 105	0.13 179	0.19 318	0.10 302	0.12 174	0.17 281	0.16 101	0.16 150	0.13 185	0.13 143	0.15 230	0.10 159	0.14 227	0.13 232	0.10 357	0.06 270	0.08 242	0.07 239	0.07 221	0.06 159

trnet	0.08 23	0.05 10	0.07 2	0.12 4	0.05 1	0.12 174	0.10 13	0.13 50	0.10 23	0.08 42	0.13 143	0.09 95	0.08 112	0.11 80	0.10 97	0.08 268	0.05 131	0.05 3	0.03 1	0.06 154	0.05 83

testlalala2	0.10 106	0.06 44	0.11 109	0.20 366	0.10 302	0.10 99	0.11 25	0.17 133	0.13 92	0.12 156	0.13 143	0.09 95	0.08 112	0.11 80	0.13 232	0.06 87	0.05 131	0.05 3	0.04 20	0.05 69	0.05 83

GLC_STEREO	0.11 145	0.07 105	0.11 109	0.18 260	0.07 46	0.08 39	0.13 81	0.16 101	0.24 284	0.12 156	0.13 143	0.12 163	0.08 112	0.18 327	0.12 197	0.06 87	0.08 369	0.08 242	0.06 150	0.05 69	0.05 83

rafts_anoy	0.11 145	0.06 44	0.10 68	0.17 180	0.08 99	0.10 99	0.14 127	0.18 160	0.14 111	0.13 185	0.13 143	0.12 163	0.11 187	0.11 80	0.13 232	0.07 209	0.05 131	0.09 324	0.11 411	0.07 221	0.06 159

RALAANet	0.11 145	0.08 209	0.10 68	0.17 180	0.09 197	0.14 241	0.10 13	0.20 198	0.16 150	0.14 208	0.13 143	0.16 250	0.09 137	0.12 153	0.12 197	0.06 87	0.05 131	0.08 242	0.07 239	0.06 154	0.04 11

sCroCo_RVC	0.12 216	0.09 271	0.24 414	0.24 445	0.11 354	0.19 354	0.14 127	0.17 133	0.15 128	0.10 93	0.13 143	0.12 163	0.07 78	0.14 227	0.11 142	0.08 268	0.08 369	0.08 242	0.08 305	0.05 69	0.07 235

ARAFT	0.12 216	0.08 209	0.18 354	0.19 318	0.09 197	0.15 266	0.17 281	0.20 198	0.13 92	0.12 156	0.13 143	0.14 205	0.12 217	0.15 245	0.13 232	0.06 87	0.05 131	0.10 369	0.09 348	0.06 154	0.04 11

CREStereo	0.09 50	0.05 10	0.08 12	0.11 1	0.06 11	0.14 241	0.14 127	0.14 63	0.10 23	0.09 64	0.13 143	0.09 95	0.08 112	0.12 153	0.10 97	0.08 268	0.04 3	0.05 3	0.03 1	0.06 154	0.06 159
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 50	0.05 10	0.09 43	0.12 4	0.06 11	0.13 202	0.14 127	0.16 101	0.11 43	0.09 64	0.13 143	0.10 122	0.07 78	0.14 227	0.10 97	0.15 454	0.04 3	0.05 3	0.03 1	0.07 221	0.06 159

xyz-stereo-finetune	0.11 145	0.08 209	0.13 179	0.14 22	0.06 11	0.10 99	0.19 368	0.18 160	0.19 208	0.12 156	0.14 156	0.15 230	0.11 187	0.13 200	0.12 197	0.05 5	0.04 3	0.07 165	0.05 81	0.04 2	0.05 83

rvit_stereo_0083	0.12 216	0.08 209	0.17 322	0.16 114	0.09 197	0.11 136	0.15 196	0.15 77	0.26 321	0.11 126	0.14 156	0.13 186	0.10 159	0.12 153	0.13 232	0.10 357	0.08 369	0.09 324	0.07 239	0.07 221	0.06 159

MyStereo05	0.13 243	0.07 105	0.10 68	0.17 180	0.09 197	0.13 202	0.18 326	0.28 348	0.35 405	0.17 273	0.14 156	0.15 230	0.11 187	0.15 245	0.13 232	0.06 87	0.05 131	0.08 242	0.07 239	0.06 154	0.06 159

MyStereo04	0.13 243	0.07 105	0.10 68	0.17 180	0.09 197	0.14 241	0.17 281	0.29 366	0.38 421	0.17 273	0.14 156	0.16 250	0.11 187	0.15 245	0.13 232	0.06 87	0.05 131	0.08 242	0.07 239	0.06 154	0.06 159

MIM_Stereo	0.10 106	0.07 105	0.11 109	0.15 60	0.07 46	0.07 21	0.12 47	0.20 198	0.14 111	0.13 185	0.14 156	0.09 95	0.05 9	0.12 153	0.08 14	0.05 5	0.06 270	0.07 165	0.06 150	0.06 154	0.05 83

anonymousdsp2	0.11 145	0.07 105	0.11 109	0.16 114	0.09 197	0.13 202	0.14 127	0.19 185	0.23 274	0.13 185	0.14 156	0.12 163	0.09 137	0.14 227	0.11 142	0.05 5	0.05 131	0.05 3	0.04 20	0.06 154	0.06 159

iRaft-Stereo_5w	0.12 216	0.09 271	0.12 146	0.20 366	0.08 99	0.09 61	0.12 47	0.22 237	0.22 264	0.19 320	0.14 156	0.11 142	0.09 137	0.20 370	0.16 321	0.05 5	0.05 131	0.07 165	0.06 150	0.05 69	0.06 159

GwcNet-ADL	0.13 243	0.08 209	0.14 222	0.20 366	0.09 197	0.12 174	0.20 387	0.30 376	0.25 308	0.14 208	0.14 156	0.18 282	0.14 280	0.13 200	0.15 302	0.07 209	0.05 131	0.06 73	0.05 81	0.07 221	0.06 159

OMP-Stereo	0.11 145	0.07 105	0.14 222	0.18 260	0.08 99	0.09 61	0.12 47	0.21 214	0.21 242	0.13 185	0.14 156	0.11 142	0.12 217	0.11 80	0.13 232	0.06 87	0.05 131	0.07 165	0.06 150	0.05 69	0.04 11

PSM-AAD	0.11 145	0.07 105	0.10 68	0.20 366	0.09 197	0.10 99	0.14 127	0.21 214	0.13 92	0.12 156	0.14 156	0.18 282	0.11 187	0.11 80	0.10 97	0.05 5	0.05 131	0.09 324	0.08 305	0.06 154	0.14 442

CRE-IMP	0.11 145	0.09 271	0.16 299	0.19 318	0.09 197	0.10 99	0.12 47	0.18 160	0.10 23	0.14 208	0.14 156	0.14 205	0.13 248	0.12 153	0.12 197	0.07 209	0.04 3	0.08 242	0.06 150	0.08 285	0.08 304

CREStereo++_RVC	0.08 23	0.04 1	0.07 2	0.13 8	0.07 46	0.09 61	0.12 47	0.14 63	0.14 111	0.10 93	0.14 156	0.08 68	0.07 78	0.10 40	0.11 142	0.06 87	0.04 3	0.05 3	0.05 81	0.04 2	0.04 11
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
XX-Stereo	0.09 50	0.05 10	0.09 43	0.17 180	0.09 197	0.15 266	0.12 47	0.21 214	0.10 23	0.10 93	0.14 156	0.07 45	0.06 33	0.13 200	0.08 14	0.06 87	0.05 131	0.06 73	0.06 150	0.04 2	0.04 11

xyz-stereo-finetune2	0.11 145	0.07 105	0.13 179	0.13 8	0.07 46	0.11 136	0.19 368	0.17 133	0.12 64	0.15 232	0.15 169	0.17 267	0.13 248	0.13 200	0.11 142	0.05 5	0.04 3	0.07 165	0.05 81	0.04 2	0.06 159

rvit_0105_5	0.14 272	0.10 333	0.14 222	0.17 180	0.09 197	0.14 241	0.23 424	0.24 278	0.27 333	0.14 208	0.15 169	0.18 282	0.13 248	0.17 311	0.14 268	0.14 450	0.11 427	0.10 369	0.11 411	0.08 285	0.07 235

UGAM-zero	0.10 106	0.05 10	0.15 258	0.15 60	0.08 99	0.10 99	0.13 81	0.20 198	0.15 128	0.11 126	0.15 169	0.07 45	0.08 112	0.09 24	0.10 97	0.06 87	0.05 131	0.06 73	0.05 81	0.05 69	0.06 159

AIO-Stereo-zeroshot1	0.11 145	0.05 10	0.14 222	0.16 114	0.21 481	0.09 61	0.17 281	0.21 214	0.16 150	0.11 126	0.15 169	0.10 122	0.07 78	0.10 40	0.08 14	0.06 87	0.05 131	0.07 165	0.07 239	0.07 221	0.09 348

AE-Stereo	0.10 106	0.08 209	0.11 109	0.19 318	0.09 197	0.10 99	0.15 196	0.14 63	0.20 228	0.09 64	0.15 169	0.12 163	0.08 112	0.11 80	0.10 97	0.05 5	0.06 270	0.07 165	0.06 150	0.05 69	0.04 11

11t1	0.12 216	0.07 105	0.14 222	0.14 22	0.08 99	0.17 317	0.15 196	0.19 185	0.15 128	0.15 232	0.15 169	0.17 267	0.16 322	0.15 245	0.13 232	0.08 268	0.05 131	0.06 73	0.05 81	0.08 285	0.07 235

plain	0.11 145	0.09 271	0.10 68	0.19 318	0.09 197	0.11 136	0.14 127	0.14 63	0.13 92	0.13 185	0.15 169	0.09 95	0.12 217	0.13 200	0.12 197	0.07 209	0.05 131	0.09 324	0.06 150	0.06 154	0.06 159

testlalala_base	0.10 106	0.09 271	0.14 222	0.21 396	0.08 99	0.10 99	0.14 127	0.13 50	0.11 43	0.08 42	0.15 169	0.07 45	0.08 112	0.11 80	0.12 197	0.08 268	0.05 131	0.05 3	0.03 1	0.07 221	0.05 83

riskmin	0.11 145	0.06 44	0.13 179	0.14 22	0.08 99	0.14 241	0.14 127	0.18 160	0.15 128	0.12 156	0.15 169	0.17 267	0.11 187	0.14 227	0.12 197	0.09 320	0.05 131	0.07 165	0.05 81	0.08 285	0.08 304

LCNet	0.11 145	0.07 105	0.09 43	0.19 318	0.09 197	0.08 39	0.14 127	0.21 214	0.15 128	0.12 156	0.15 169	0.16 250	0.11 187	0.12 153	0.11 142	0.05 5	0.04 3	0.08 242	0.07 239	0.06 154	0.14 442

STrans-v2	0.10 106	0.07 105	0.13 179	0.18 260	0.08 99	0.10 99	0.14 127	0.22 237	0.11 43	0.11 126	0.15 169	0.12 163	0.10 159	0.11 80	0.12 197	0.05 5	0.04 3	0.06 73	0.06 150	0.05 69	0.05 83

NRIStereo	0.11 145	0.08 209	0.15 258	0.18 260	0.08 99	0.10 99	0.13 81	0.17 133	0.15 128	0.12 156	0.15 169	0.13 186	0.13 248	0.13 200	0.10 97	0.06 87	0.04 3	0.07 165	0.06 150	0.06 154	0.07 235

DeepStereo_RVC	0.11 145	0.08 209	0.17 322	0.18 260	0.08 99	0.08 39	0.11 25	0.17 133	0.12 64	0.13 185	0.15 169	0.12 163	0.12 217	0.12 153	0.11 142	0.06 87	0.04 3	0.07 165	0.06 150	0.07 221	0.08 304

IRAFT_RVC	0.12 216	0.08 209	0.17 322	0.19 318	0.08 99	0.07 21	0.14 127	0.25 298	0.23 274	0.14 208	0.15 169	0.15 230	0.12 217	0.12 153	0.11 142	0.06 87	0.04 3	0.09 324	0.06 150	0.06 154	0.06 159

GMM-Stereo	0.11 145	0.07 105	0.10 68	0.18 260	0.09 197	0.08 39	0.14 127	0.24 278	0.16 150	0.11 126	0.15 169	0.13 186	0.11 187	0.11 80	0.11 142	0.05 5	0.04 3	0.08 242	0.07 239	0.06 154	0.09 348

raft+_RVC	0.11 145	0.07 105	0.09 43	0.16 114	0.07 46	0.10 99	0.11 25	0.24 278	0.20 228	0.12 156	0.15 169	0.12 163	0.08 112	0.12 153	0.13 232	0.07 209	0.04 3	0.07 165	0.06 150	0.05 69	0.05 83

TANstereo	0.09 50	0.04 1	0.08 12	0.13 8	0.06 11	0.11 136	0.13 81	0.15 77	0.19 208	0.11 126	0.15 169	0.10 122	0.07 78	0.12 153	0.09 39	0.07 209	0.05 131	0.05 3	0.04 20	0.06 154	0.05 83

DFGA-Net	0.13 243	0.11 357	0.19 377	0.18 260	0.10 302	0.13 202	0.13 81	0.23 255	0.25 308	0.16 261	0.16 186	0.13 186	0.12 217	0.17 311	0.15 302	0.07 209	0.05 131	0.08 242	0.07 239	0.05 69	0.05 83

FACV-RUCA	0.13 243	0.11 357	0.13 179	0.19 318	0.12 383	0.15 266	0.16 255	0.22 237	0.21 242	0.16 261	0.16 186	0.15 230	0.16 322	0.14 227	0.13 232	0.07 209	0.05 131	0.08 242	0.06 150	0.10 379	0.08 304

UGAM	0.13 243	0.10 333	0.09 43	0.22 416	0.08 99	0.13 202	0.20 387	0.18 160	0.24 284	0.22 368	0.16 186	0.13 186	0.13 248	0.19 352	0.13 232	0.07 209	0.05 131	0.13 432	0.11 411	0.07 221	0.05 83

MIF-Stereo (partial)	0.11 145	0.06 44	0.10 68	0.19 318	0.10 302	0.10 99	0.12 47	0.17 133	0.19 208	0.14 208	0.16 186	0.10 122	0.11 187	0.12 153	0.12 197	0.08 268	0.05 131	0.08 242	0.07 239	0.06 154	0.07 235

LL-Strereo	0.13 243	0.10 333	0.12 146	0.20 366	0.10 302	0.11 136	0.18 326	0.33 410	0.25 308	0.16 261	0.16 186	0.14 205	0.14 280	0.19 352	0.11 142	0.06 87	0.05 131	0.09 324	0.08 305	0.04 2	0.05 83

Patchmatch Stereo++	0.11 145	0.09 271	0.17 322	0.19 318	0.08 99	0.06 7	0.11 25	0.17 133	0.13 92	0.15 232	0.16 186	0.14 205	0.12 217	0.11 80	0.11 142	0.06 87	0.05 131	0.08 242	0.06 150	0.08 285	0.07 235
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
TransformOpticalFlow	0.10 106	0.08 209	0.13 179	0.18 260	0.07 46	0.09 61	0.15 196	0.19 185	0.16 150	0.12 156	0.16 186	0.11 142	0.11 187	0.11 80	0.11 142	0.05 5	0.04 3	0.06 73	0.06 150	0.05 69	0.05 83

PSM-adaLoss	0.11 145	0.09 271	0.17 322	0.19 318	0.08 99	0.06 7	0.12 47	0.17 133	0.13 92	0.15 232	0.16 186	0.14 205	0.12 217	0.11 80	0.11 142	0.06 87	0.05 131	0.08 242	0.06 150	0.08 285	0.07 235

ROB_FTStereo_v2	0.11 145	0.09 271	0.17 322	0.19 318	0.08 99	0.06 7	0.12 47	0.17 133	0.13 92	0.15 232	0.16 186	0.14 205	0.12 217	0.11 80	0.11 142	0.06 87	0.05 131	0.08 242	0.06 150	0.08 285	0.07 235

ROB_FTStereo	0.11 145	0.09 271	0.17 322	0.19 318	0.08 99	0.06 7	0.11 25	0.17 133	0.13 92	0.15 232	0.16 186	0.14 205	0.12 217	0.11 80	0.11 142	0.06 87	0.05 131	0.08 242	0.06 150	0.08 285	0.07 235

KYRaft	0.12 216	0.07 105	0.10 68	0.19 318	0.09 197	0.08 39	0.15 196	0.23 255	0.12 64	0.13 185	0.16 186	0.20 308	0.10 159	0.12 153	0.11 142	0.06 87	0.04 3	0.08 242	0.08 305	0.06 154	0.15 456

HUI-Stereo	0.11 145	0.09 271	0.17 322	0.19 318	0.08 99	0.06 7	0.11 25	0.17 133	0.13 92	0.15 232	0.16 186	0.14 205	0.12 217	0.11 80	0.11 142	0.06 87	0.05 131	0.08 242	0.06 150	0.08 285	0.07 235

ASMatch	0.11 145	0.06 44	0.13 179	0.17 180	0.10 302	0.08 39	0.14 127	0.18 160	0.16 150	0.12 156	0.16 186	0.16 250	0.11 187	0.13 200	0.11 142	0.05 5	0.04 3	0.06 73	0.06 150	0.04 2	0.09 348

PFNet	0.12 216	0.06 44	0.17 322	0.18 260	0.08 99	0.09 61	0.15 196	0.26 310	0.20 228	0.16 261	0.16 186	0.14 205	0.12 217	0.13 200	0.11 142	0.06 87	0.04 3	0.07 165	0.06 150	0.05 69	0.05 83

iGMRVC	0.11 145	0.09 271	0.17 322	0.19 318	0.08 99	0.06 7	0.12 47	0.17 133	0.13 92	0.15 232	0.16 186	0.14 205	0.12 217	0.11 80	0.11 142	0.06 87	0.05 131	0.08 242	0.06 150	0.08 285	0.07 235

iRAFT	0.11 145	0.09 271	0.17 322	0.19 318	0.08 99	0.06 7	0.11 25	0.17 133	0.13 92	0.15 232	0.16 186	0.14 205	0.12 217	0.11 80	0.11 142	0.06 87	0.05 131	0.08 242	0.06 150	0.08 285	0.07 235

RAFT-IKP	0.11 145	0.09 271	0.17 322	0.19 318	0.08 99	0.06 7	0.11 25	0.17 133	0.13 92	0.15 232	0.16 186	0.14 205	0.12 217	0.11 80	0.11 142	0.06 87	0.05 131	0.08 242	0.06 150	0.08 285	0.07 235

Prome-Stereo	0.11 145	0.07 105	0.11 109	0.18 260	0.09 197	0.12 174	0.14 127	0.23 255	0.13 92	0.13 185	0.16 186	0.13 186	0.08 112	0.12 153	0.10 97	0.05 5	0.05 131	0.07 165	0.06 150	0.06 154	0.10 374

DIP-Stereo	0.11 145	0.08 209	0.15 258	0.17 180	0.09 197	0.13 202	0.09 8	0.16 101	0.16 150	0.12 156	0.16 186	0.14 205	0.12 217	0.16 272	0.14 268	0.06 87	0.05 131	0.06 73	0.05 81	0.05 69	0.07 235
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
HI	0.11 145	0.06 44	0.12 146	0.13 8	0.09 197	0.09 61	0.14 127	0.22 237	0.11 43	0.20 341	0.17 205	0.14 205	0.10 159	0.16 272	0.09 39	0.05 5	0.04 3	0.07 165	0.08 305	0.07 221	0.06 159

CoSv	0.11 145	0.06 44	0.12 146	0.13 8	0.09 197	0.09 61	0.14 127	0.22 237	0.11 43	0.20 341	0.17 205	0.14 205	0.10 159	0.16 272	0.09 39	0.05 5	0.04 3	0.07 165	0.08 305	0.07 221	0.06 159

rvit_0105_3	0.16 340	0.10 333	0.15 258	0.20 366	0.12 383	0.15 266	0.26 456	0.25 298	0.30 361	0.15 232	0.17 205	0.21 315	0.14 280	0.18 327	0.14 268	0.14 450	0.11 427	0.12 418	0.14 447	0.07 221	0.07 235

CoDeX	0.12 216	0.07 105	0.13 179	0.17 180	0.08 99	0.12 174	0.16 255	0.23 255	0.27 333	0.13 185	0.17 205	0.15 230	0.12 217	0.14 227	0.11 142	0.07 209	0.05 131	0.07 165	0.06 150	0.06 154	0.05 83

knoymous	0.11 145	0.06 44	0.12 146	0.14 22	0.07 46	0.15 266	0.13 81	0.20 198	0.14 111	0.11 126	0.17 205	0.13 186	0.09 137	0.14 227	0.11 142	0.09 320	0.05 131	0.06 73	0.05 81	0.07 221	0.07 235

DCANet-4	0.11 145	0.07 105	0.13 179	0.16 114	0.06 11	0.09 61	0.17 281	0.18 160	0.20 228	0.13 185	0.17 205	0.09 95	0.14 280	0.12 153	0.13 232	0.06 87	0.04 3	0.05 3	0.04 20	0.04 2	0.05 83

fff	0.10 106	0.06 44	0.12 146	0.15 60	0.07 46	0.09 61	0.17 281	0.16 101	0.21 242	0.13 185	0.17 205	0.10 122	0.11 187	0.12 153	0.13 232	0.06 87	0.04 3	0.05 3	0.04 20	0.04 2	0.05 83

GMOStereo	0.11 145	0.09 271	0.08 12	0.19 318	0.08 99	0.12 174	0.28 467	0.13 50	0.18 187	0.11 126	0.17 205	0.14 205	0.12 217	0.07 2	0.07 1	0.05 5	0.05 131	0.09 324	0.07 239	0.04 2	0.04 11

error version	0.11 145	0.09 271	0.08 12	0.19 318	0.08 99	0.12 174	0.28 467	0.13 50	0.18 187	0.11 126	0.17 205	0.14 205	0.12 217	0.07 2	0.07 1	0.05 5	0.05 131	0.09 324	0.07 239	0.04 2	0.04 11

test-v	0.11 145	0.09 271	0.08 12	0.19 318	0.08 99	0.12 174	0.28 467	0.13 50	0.18 187	0.11 126	0.17 205	0.14 205	0.12 217	0.07 2	0.07 1	0.05 5	0.05 131	0.09 324	0.07 239	0.04 2	0.04 11

IIG-Stereo	0.11 145	0.06 44	0.13 179	0.17 180	0.08 99	0.11 136	0.12 47	0.22 237	0.18 187	0.14 208	0.17 205	0.12 163	0.13 248	0.12 153	0.13 232	0.06 87	0.05 131	0.07 165	0.06 150	0.06 154	0.05 83

NF-Stereo	0.11 145	0.07 105	0.13 179	0.17 180	0.09 197	0.10 99	0.13 81	0.23 255	0.19 208	0.12 156	0.17 205	0.12 163	0.12 217	0.11 80	0.11 142	0.06 87	0.04 3	0.07 165	0.06 150	0.07 221	0.12 415

OCTAStereo	0.11 145	0.07 105	0.14 222	0.17 180	0.09 197	0.10 99	0.13 81	0.23 255	0.19 208	0.12 156	0.17 205	0.12 163	0.12 217	0.11 80	0.11 142	0.06 87	0.04 3	0.07 165	0.06 150	0.07 221	0.11 396

GrayStereo	0.11 145	0.06 44	0.11 109	0.19 318	0.09 197	0.09 61	0.16 255	0.18 160	0.17 173	0.14 208	0.17 205	0.17 267	0.11 187	0.12 153	0.11 142	0.05 5	0.05 131	0.07 165	0.06 150	0.06 154	0.10 374

RE-Stereo	0.11 145	0.07 105	0.13 179	0.17 180	0.09 197	0.10 99	0.13 81	0.23 255	0.19 208	0.12 156	0.17 205	0.12 163	0.12 217	0.11 80	0.11 142	0.06 87	0.04 3	0.07 165	0.06 150	0.07 221	0.11 396

TVStereo	0.11 145	0.07 105	0.13 179	0.17 180	0.09 197	0.10 99	0.13 81	0.23 255	0.19 208	0.12 156	0.17 205	0.12 163	0.12 217	0.11 80	0.11 142	0.06 87	0.04 3	0.07 165	0.06 150	0.07 221	0.11 396

test-2	0.11 145	0.09 271	0.08 12	0.19 318	0.08 99	0.12 174	0.28 467	0.13 50	0.18 187	0.11 126	0.17 205	0.14 205	0.12 217	0.07 2	0.07 1	0.05 5	0.05 131	0.09 324	0.07 239	0.04 2	0.04 11

Anonymous3	0.16 340	0.14 418	0.34 457	0.26 461	0.14 424	0.27 443	0.18 326	0.28 348	0.28 349	0.15 232	0.17 205	0.14 205	0.11 187	0.16 272	0.12 197	0.08 268	0.08 369	0.08 242	0.08 305	0.08 285	0.11 396

RALCasStereoNet	0.11 145	0.07 105	0.09 43	0.16 114	0.08 99	0.13 202	0.14 127	0.17 133	0.11 43	0.12 156	0.17 205	0.14 205	0.10 159	0.12 153	0.11 142	0.07 209	0.06 270	0.06 73	0.05 81	0.08 285	0.07 235

csc	0.10 106	0.06 44	0.12 146	0.15 60	0.07 46	0.09 61	0.17 281	0.16 101	0.21 242	0.13 185	0.17 205	0.10 122	0.11 187	0.12 153	0.13 232	0.06 87	0.04 3	0.05 3	0.04 20	0.04 2	0.05 83

cscssc	0.10 106	0.06 44	0.12 146	0.15 60	0.07 46	0.09 61	0.17 281	0.16 101	0.21 242	0.13 185	0.17 205	0.10 122	0.11 187	0.12 153	0.13 232	0.06 87	0.04 3	0.05 3	0.04 20	0.04 2	0.05 83

GMStereo	0.13 243	0.15 424	0.14 222	0.18 260	0.09 197	0.16 294	0.16 255	0.20 198	0.25 308	0.17 273	0.17 205	0.11 142	0.11 187	0.16 272	0.13 232	0.07 209	0.06 270	0.06 73	0.06 150	0.07 221	0.06 159
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
HITNet	0.11 145	0.06 44	0.12 146	0.14 22	0.06 11	0.12 174	0.10 13	0.18 160	0.18 187	0.13 185	0.17 205	0.15 230	0.11 187	0.15 245	0.14 268	0.06 87	0.04 3	0.04 1	0.04 20	0.06 154	0.05 83
Vladimir Tankovich, Christian HÃ¤ne, Yinda Zhang, Adarsh Kowdle, Sean Fanello, Sofien Bouaziz: HITNet: Hierarchical Iterative Tile Refinement Network for Real-time Stereo Matching. CVPR 2021
rvit_0105_6	0.14 272	0.09 271	0.18 354	0.17 180	0.10 302	0.10 99	0.17 281	0.19 185	0.26 321	0.12 156	0.18 228	0.17 267	0.13 248	0.18 327	0.13 232	0.15 454	0.11 427	0.12 418	0.10 382	0.09 345	0.06 159

rvit_stereo_0081_aga	0.12 216	0.09 271	0.15 258	0.18 260	0.10 302	0.14 241	0.14 127	0.14 63	0.19 208	0.10 93	0.18 228	0.16 250	0.09 137	0.12 153	0.10 97	0.10 357	0.06 270	0.08 242	0.07 239	0.07 221	0.06 159

ITSA-stereo	0.16 340	0.11 357	0.14 222	0.19 318	0.08 99	0.13 202	0.14 127	0.30 376	0.49 464	0.17 273	0.18 228	0.22 333	0.15 300	0.17 311	0.16 321	0.10 357	0.06 270	0.08 242	0.08 305	0.08 285	0.09 348

MyStereo8	0.12 216	0.07 105	0.15 258	0.15 60	0.09 197	0.18 333	0.14 127	0.19 185	0.22 264	0.12 156	0.18 228	0.11 142	0.10 159	0.16 272	0.18 350	0.07 209	0.05 131	0.07 165	0.05 81	0.08 285	0.09 348

CASS	0.14 272	0.12 375	0.12 146	0.23 435	0.09 197	0.15 266	0.17 281	0.19 185	0.20 228	0.17 273	0.18 228	0.15 230	0.15 300	0.15 245	0.14 268	0.09 320	0.06 270	0.10 369	0.08 305	0.09 345	0.07 235
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
DCRE	0.11 145	0.07 105	0.13 179	0.16 114	0.11 354	0.11 136	0.17 281	0.18 160	0.17 173	0.11 126	0.18 228	0.11 142	0.10 159	0.15 245	0.11 142	0.06 87	0.05 131	0.06 73	0.06 150	0.05 69	0.05 83

ADStereo(finetuned)	0.10 106	0.06 44	0.13 179	0.16 114	0.06 11	0.09 61	0.17 281	0.16 101	0.20 228	0.13 185	0.18 228	0.10 122	0.12 217	0.12 153	0.12 197	0.06 87	0.04 3	0.05 3	0.04 20	0.05 69	0.05 83

test_4	0.11 145	0.10 333	0.08 12	0.19 318	0.09 197	0.08 39	0.21 403	0.15 77	0.18 187	0.12 156	0.18 228	0.12 163	0.09 137	0.08 11	0.11 142	0.04 1	0.04 3	0.08 242	0.08 305	0.04 2	0.04 11

IPLG	0.11 145	0.08 209	0.15 258	0.17 180	0.08 99	0.11 136	0.14 127	0.20 198	0.15 128	0.13 185	0.18 228	0.07 45	0.07 78	0.14 227	0.14 268	0.06 87	0.04 3	0.06 73	0.05 81	0.04 2	0.04 11

GANet-ADL	0.13 243	0.07 105	0.15 258	0.17 180	0.10 302	0.19 354	0.15 196	0.30 376	0.21 242	0.13 185	0.18 228	0.19 291	0.13 248	0.16 272	0.14 268	0.08 268	0.06 270	0.06 73	0.05 81	0.07 221	0.08 304

SST-Stereo	0.11 145	0.07 105	0.16 299	0.18 260	0.09 197	0.06 7	0.12 47	0.18 160	0.10 23	0.15 232	0.18 228	0.13 186	0.12 217	0.10 40	0.11 142	0.06 87	0.04 3	0.09 324	0.06 150	0.07 221	0.06 159

RAFT_R40	0.11 145	0.07 105	0.15 258	0.18 260	0.09 197	0.06 7	0.13 81	0.17 133	0.15 128	0.14 208	0.18 228	0.15 230	0.12 217	0.10 40	0.11 142	0.06 87	0.04 3	0.09 324	0.06 150	0.06 154	0.05 83

DCANet	0.10 106	0.06 44	0.12 146	0.16 114	0.06 11	0.09 61	0.17 281	0.16 101	0.20 228	0.13 185	0.18 228	0.10 122	0.11 187	0.11 80	0.12 197	0.06 87	0.04 3	0.05 3	0.04 20	0.05 69	0.05 83

SFCPSM	0.13 243	0.07 105	0.15 258	0.17 180	0.09 197	0.15 266	0.16 255	0.28 348	0.27 333	0.14 208	0.18 228	0.12 163	0.13 248	0.14 227	0.11 142	0.08 268	0.05 131	0.07 165	0.07 239	0.07 221	0.06 159

qqq	0.13 243	0.09 271	0.15 258	0.16 114	0.08 99	0.13 202	0.15 196	0.24 278	0.16 150	0.15 232	0.19 242	0.16 250	0.16 322	0.15 245	0.16 321	0.07 209	0.06 270	0.08 242	0.08 305	0.07 221	0.07 235

DisPM	0.11 145	0.07 105	0.13 179	0.16 114	0.09 197	0.06 7	0.13 81	0.18 160	0.17 173	0.14 208	0.19 242	0.12 163	0.10 159	0.12 153	0.11 142	0.07 209	0.05 131	0.07 165	0.06 150	0.06 154	0.11 396

PFNet+	0.12 216	0.06 44	0.14 222	0.16 114	0.09 197	0.05 3	0.12 47	0.18 160	0.21 242	0.16 261	0.19 242	0.14 205	0.10 159	0.11 80	0.11 142	0.08 268	0.05 131	0.09 324	0.08 305	0.06 154	0.11 396

PSM-softLoss	0.12 216	0.07 105	0.15 258	0.17 180	0.09 197	0.08 39	0.12 47	0.24 278	0.17 173	0.15 232	0.19 242	0.13 186	0.11 187	0.11 80	0.11 142	0.07 209	0.05 131	0.08 242	0.07 239	0.07 221	0.12 415

KMStereo	0.12 216	0.07 105	0.15 258	0.17 180	0.09 197	0.08 39	0.12 47	0.24 278	0.17 173	0.15 232	0.19 242	0.13 186	0.11 187	0.11 80	0.11 142	0.07 209	0.05 131	0.08 242	0.07 239	0.07 221	0.12 415

Pruner-Stereo	0.11 145	0.07 105	0.12 146	0.17 180	0.09 197	0.06 7	0.12 47	0.18 160	0.17 173	0.14 208	0.19 242	0.13 186	0.10 159	0.11 80	0.11 142	0.06 87	0.04 3	0.07 165	0.06 150	0.06 154	0.08 304

BEATNet_4x	0.12 216	0.09 271	0.15 258	0.18 260	0.07 46	0.15 266	0.07 2	0.23 255	0.19 208	0.16 261	0.19 242	0.19 291	0.14 280	0.17 311	0.15 302	0.07 209	0.05 131	0.05 3	0.05 81	0.06 154	0.07 235

R-Stereo Train	0.10 106	0.06 44	0.11 109	0.17 180	0.08 99	0.11 136	0.14 127	0.24 278	0.11 43	0.12 156	0.19 242	0.11 142	0.08 112	0.10 40	0.11 142	0.07 209	0.05 131	0.06 73	0.05 81	0.05 69	0.05 83

RAFT-Stereo	0.10 106	0.06 44	0.11 109	0.17 180	0.08 99	0.11 136	0.14 127	0.24 278	0.11 43	0.12 156	0.19 242	0.11 142	0.08 112	0.10 40	0.11 142	0.07 209	0.05 131	0.06 73	0.05 81	0.05 69	0.05 83
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
rvit_0105_4	0.15 312	0.09 271	0.17 322	0.17 180	0.10 302	0.12 174	0.20 387	0.23 255	0.27 333	0.14 208	0.20 251	0.17 267	0.14 280	0.17 311	0.13 232	0.15 454	0.11 427	0.11 399	0.10 382	0.09 345	0.06 159

SMFormer	0.14 272	0.07 105	0.18 354	0.14 22	0.08 99	0.17 317	0.17 281	0.27 324	0.27 333	0.19 320	0.20 251	0.19 291	0.15 300	0.15 245	0.17 337	0.08 268	0.05 131	0.07 165	0.06 150	0.08 285	0.07 235

tta	0.14 272	0.07 105	0.18 354	0.14 22	0.08 99	0.17 317	0.17 281	0.27 324	0.27 333	0.19 320	0.20 251	0.19 291	0.15 300	0.15 245	0.17 337	0.08 268	0.05 131	0.07 165	0.06 150	0.06 154	0.06 159

qqq1	0.14 272	0.07 105	0.18 354	0.14 22	0.08 99	0.17 317	0.17 281	0.27 324	0.27 333	0.19 320	0.20 251	0.19 291	0.15 300	0.15 245	0.12 197	0.08 268	0.05 131	0.05 3	0.05 81	0.06 154	0.06 159

fff1	0.14 272	0.07 105	0.18 354	0.14 22	0.08 99	0.17 317	0.17 281	0.27 324	0.27 333	0.19 320	0.20 251	0.19 291	0.15 300	0.15 245	0.12 197	0.08 268	0.05 131	0.05 3	0.05 81	0.06 154	0.06 159

PCWNet_CMD	0.14 272	0.08 209	0.15 258	0.17 180	0.09 197	0.14 241	0.14 127	0.29 366	0.36 410	0.14 208	0.20 251	0.21 315	0.13 248	0.17 311	0.14 268	0.07 209	0.05 131	0.07 165	0.07 239	0.07 221	0.07 235

TestStereo1	0.13 243	0.08 209	0.08 12	0.20 366	0.08 99	0.18 333	0.29 478	0.23 255	0.17 173	0.17 273	0.20 251	0.16 250	0.11 187	0.12 153	0.13 232	0.06 87	0.06 270	0.08 242	0.06 150	0.05 69	0.05 83

x	0.13 243	0.08 209	0.15 258	0.14 22	0.08 99	0.19 354	0.14 127	0.22 237	0.21 242	0.15 232	0.20 251	0.20 308	0.18 358	0.18 327	0.18 350	0.07 209	0.05 131	0.06 73	0.06 150	0.07 221	0.07 235

raft_robust	0.13 243	0.10 333	0.07 2	0.18 260	0.08 99	0.13 202	0.24 434	0.29 366	0.34 392	0.20 341	0.20 251	0.15 230	0.10 159	0.11 80	0.12 197	0.05 5	0.05 131	0.07 165	0.07 239	0.05 69	0.04 11

SA-5K	0.13 243	0.08 209	0.08 12	0.20 366	0.08 99	0.18 333	0.29 478	0.23 255	0.17 173	0.17 273	0.20 251	0.16 250	0.11 187	0.12 153	0.13 232	0.06 87	0.06 270	0.08 242	0.06 150	0.05 69	0.05 83

Sa-1000	0.12 216	0.08 209	0.09 43	0.18 260	0.08 99	0.15 266	0.22 414	0.22 237	0.19 208	0.15 232	0.20 251	0.17 267	0.11 187	0.10 40	0.10 97	0.06 87	0.05 131	0.09 324	0.09 348	0.05 69	0.05 83

UDGNet	0.14 272	0.13 403	0.17 322	0.18 260	0.10 302	0.12 174	0.16 255	0.21 214	0.27 333	0.20 341	0.20 251	0.17 267	0.13 248	0.16 272	0.14 268	0.10 357	0.06 270	0.09 324	0.07 239	0.07 221	0.07 235

dd	0.15 312	0.17 442	0.17 322	0.19 318	0.09 197	0.15 266	0.18 326	0.22 237	0.26 321	0.23 383	0.20 251	0.21 315	0.10 159	0.21 387	0.17 337	0.10 357	0.06 270	0.08 242	0.06 150	0.08 285	0.07 235

PSMNet-ADL	0.15 312	0.12 375	0.13 179	0.22 416	0.09 197	0.13 202	0.20 387	0.26 310	0.23 274	0.18 305	0.20 251	0.23 349	0.17 345	0.18 327	0.18 350	0.09 320	0.08 369	0.08 242	0.11 411	0.08 285	0.07 235

ADLNet2	0.16 340	0.09 271	0.14 222	0.17 180	0.09 197	0.20 374	0.16 255	0.32 396	0.39 425	0.17 273	0.20 251	0.20 308	0.19 376	0.21 387	0.23 411	0.08 268	0.07 338	0.07 165	0.07 239	0.09 345	0.07 235

DMCA	0.14 272	0.09 271	0.17 322	0.19 318	0.09 197	0.15 266	0.17 281	0.23 255	0.28 349	0.14 208	0.20 251	0.17 267	0.18 358	0.15 245	0.17 337	0.10 357	0.06 270	0.08 242	0.06 150	0.09 345	0.10 374

MSMDNet	0.14 272	0.08 209	0.15 258	0.17 180	0.09 197	0.14 241	0.14 127	0.29 366	0.36 410	0.14 208	0.20 251	0.21 315	0.13 248	0.18 327	0.14 268	0.07 209	0.05 131	0.07 165	0.07 239	0.07 221	0.07 235

coex_refinement	0.14 272	0.07 105	0.12 146	0.17 180	0.10 302	0.16 294	0.15 196	0.27 324	0.29 355	0.18 305	0.21 268	0.22 333	0.17 345	0.16 272	0.19 364	0.08 268	0.05 131	0.06 73	0.06 150	0.09 345	0.08 304

rvit_105_1	0.19 388	0.12 375	0.25 417	0.21 396	0.16 451	0.22 398	0.28 467	0.32 396	0.42 439	0.20 341	0.21 268	0.22 333	0.18 358	0.19 352	0.18 350	0.12 414	0.12 441	0.13 432	0.15 462	0.08 285	0.07 235

DualNet (step1)	0.17 362	0.12 375	0.21 391	0.13 8	0.14 424	0.18 333	0.14 127	0.28 348	0.24 284	0.21 355	0.21 268	0.24 358	0.20 388	0.16 272	0.16 321	0.15 454	0.06 270	0.14 445	0.14 447	0.15 455	0.13 426

test_sample9	0.18 377	0.12 375	0.21 391	0.13 8	0.14 424	0.18 333	0.14 127	0.28 348	0.24 284	0.21 355	0.21 268	0.24 358	0.20 388	0.19 352	0.18 350	0.15 454	0.30 502	0.14 445	0.14 447	0.15 455	0.13 426

test_sample7	0.16 340	0.10 333	0.16 299	0.14 22	0.12 383	0.16 294	0.17 281	0.28 348	0.24 284	0.21 355	0.21 268	0.24 358	0.20 388	0.16 272	0.16 321	0.12 414	0.06 270	0.10 369	0.09 348	0.11 399	0.10 374

test_sample2	0.13 243	0.07 105	0.12 146	0.14 22	0.08 99	0.16 294	0.18 326	0.21 214	0.16 150	0.14 208	0.21 268	0.20 308	0.15 300	0.15 245	0.13 232	0.08 268	0.06 270	0.07 165	0.06 150	0.08 285	0.08 304

NINENet	0.16 340	0.10 333	0.16 299	0.17 180	0.11 354	0.20 374	0.14 127	0.41 470	0.37 415	0.18 305	0.21 268	0.16 250	0.14 280	0.16 272	0.14 268	0.08 268	0.08 369	0.10 369	0.07 239	0.10 379	0.09 348

psmg	0.14 272	0.09 271	0.14 222	0.17 180	0.10 302	0.15 266	0.17 281	0.29 366	0.20 228	0.17 273	0.21 268	0.25 370	0.16 322	0.16 272	0.14 268	0.08 268	0.07 338	0.08 242	0.08 305	0.07 221	0.07 235

AAGNet	0.12 216	0.08 209	0.17 322	0.19 318	0.09 197	0.08 39	0.13 81	0.19 185	0.13 92	0.16 261	0.21 268	0.13 186	0.14 280	0.11 80	0.14 268	0.06 87	0.04 3	0.09 324	0.06 150	0.06 154	0.05 83

RAFT	0.13 243	0.09 271	0.11 109	0.18 260	0.08 99	0.15 266	0.23 424	0.21 214	0.20 228	0.21 355	0.21 268	0.18 282	0.13 248	0.17 311	0.10 97	0.06 87	0.07 338	0.10 369	0.09 348	0.06 154	0.05 83

CFNet_pseudo	0.14 272	0.08 209	0.16 299	0.16 114	0.09 197	0.13 202	0.14 127	0.27 324	0.34 392	0.15 232	0.21 268	0.22 333	0.13 248	0.18 327	0.14 268	0.07 209	0.05 131	0.08 242	0.06 150	0.07 221	0.07 235

HSM-Net_RVC	0.14 272	0.08 209	0.12 146	0.15 60	0.08 99	0.16 294	0.15 196	0.27 324	0.29 355	0.20 341	0.21 268	0.29 404	0.14 280	0.18 327	0.13 232	0.06 87	0.06 270	0.06 73	0.06 150	0.07 221	0.06 159
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
ccs_rob	0.14 272	0.09 271	0.16 299	0.16 114	0.09 197	0.13 202	0.14 127	0.27 324	0.34 392	0.15 232	0.21 268	0.22 333	0.13 248	0.18 327	0.14 268	0.07 209	0.05 131	0.08 242	0.07 239	0.07 221	0.07 235

UCFNet_RVC	0.15 312	0.08 209	0.13 179	0.11 1	0.10 302	0.20 374	0.10 13	0.24 278	0.23 274	0.17 273	0.21 268	0.24 358	0.15 300	0.18 327	0.15 302	0.12 414	0.07 338	0.11 399	0.13 442	0.11 399	0.10 374

DeepPruner_ROB	0.16 340	0.11 357	0.16 299	0.17 180	0.10 302	0.17 317	0.15 196	0.32 396	0.21 242	0.19 320	0.21 268	0.22 333	0.19 376	0.21 387	0.16 321	0.13 431	0.09 393	0.09 324	0.10 382	0.11 399	0.11 396

test_sample8	0.20 397	0.12 375	0.21 391	0.13 8	0.14 424	0.18 333	0.14 127	0.32 396	0.21 242	0.28 430	0.22 283	0.36 448	0.26 430	0.19 352	0.18 350	0.15 454	0.30 502	0.14 445	0.14 447	0.15 455	0.13 426

test_sample3	0.14 272	0.08 209	0.15 258	0.14 22	0.09 197	0.20 374	0.17 281	0.27 324	0.18 187	0.17 273	0.22 283	0.19 291	0.15 300	0.17 311	0.14 268	0.09 320	0.06 270	0.07 165	0.06 150	0.09 345	0.08 304

test_sample1	0.13 243	0.07 105	0.14 222	0.14 22	0.08 99	0.19 354	0.17 281	0.20 198	0.15 128	0.14 208	0.22 283	0.18 282	0.16 322	0.17 311	0.15 302	0.07 209	0.06 270	0.06 73	0.06 150	0.08 285	0.08 304

NOSS_ROB	0.19 388	0.13 403	0.18 354	0.16 114	0.12 383	0.16 294	0.12 47	0.30 376	0.33 381	0.20 341	0.22 283	0.27 386	0.24 416	0.21 387	0.16 321	0.16 471	0.18 478	0.23 484	0.21 481	0.13 427	0.13 426

ACV-stereo	0.15 312	0.10 333	0.29 439	0.18 260	0.12 383	0.15 266	0.13 81	0.23 255	0.21 242	0.19 320	0.23 287	0.22 333	0.15 300	0.23 411	0.17 337	0.08 268	0.07 338	0.07 165	0.07 239	0.08 285	0.07 235

DispNO	0.15 312	0.09 271	0.18 354	0.19 318	0.12 383	0.11 136	0.21 403	0.23 255	0.29 355	0.18 305	0.23 287	0.19 291	0.17 345	0.16 272	0.16 321	0.07 209	0.05 131	0.08 242	0.08 305	0.07 221	0.06 159

mmm	0.14 272	0.08 209	0.18 354	0.17 180	0.09 197	0.17 317	0.18 326	0.21 214	0.16 150	0.16 261	0.23 287	0.21 315	0.16 322	0.16 272	0.17 337	0.08 268	0.05 131	0.08 242	0.08 305	0.08 285	0.07 235

ssnet_v2	0.17 362	0.10 333	0.18 354	0.17 180	0.11 354	0.21 385	0.22 414	0.34 424	0.25 308	0.23 383	0.23 287	0.27 386	0.19 376	0.22 404	0.21 387	0.11 388	0.10 415	0.09 324	0.09 348	0.08 285	0.08 304

BUS	0.15 312	0.09 271	0.14 222	0.22 416	0.10 302	0.20 374	0.14 127	0.34 424	0.20 228	0.17 273	0.23 287	0.16 250	0.14 280	0.16 272	0.14 268	0.08 268	0.06 270	0.10 369	0.09 348	0.07 221	0.07 235

BSDual-CNN	0.15 312	0.09 271	0.14 222	0.22 416	0.10 302	0.15 266	0.15 196	0.34 424	0.20 228	0.17 273	0.23 287	0.25 370	0.16 322	0.16 272	0.14 268	0.08 268	0.06 270	0.10 369	0.09 348	0.07 221	0.07 235

hknet	0.15 312	0.11 357	0.14 222	0.22 416	0.11 354	0.15 266	0.15 196	0.34 424	0.26 321	0.17 273	0.23 287	0.22 333	0.18 358	0.17 311	0.13 232	0.07 209	0.06 270	0.10 369	0.09 348	0.07 221	0.07 235

DEmStereo	0.12 216	0.06 44	0.14 222	0.14 22	0.10 302	0.16 294	0.15 196	0.16 101	0.24 284	0.17 273	0.23 287	0.12 163	0.14 280	0.12 153	0.14 268	0.05 5	0.04 3	0.07 165	0.06 150	0.05 69	0.05 83

FADNet_RVC	0.17 362	0.14 418	0.41 471	0.20 366	0.11 354	0.13 202	0.13 81	0.27 324	0.22 264	0.21 355	0.23 287	0.20 308	0.18 358	0.15 245	0.17 337	0.08 268	0.08 369	0.12 418	0.09 348	0.11 399	0.10 374

AdaStereo	0.15 312	0.11 357	0.16 299	0.19 318	0.09 197	0.21 385	0.11 25	0.33 410	0.28 349	0.21 355	0.23 287	0.21 315	0.13 248	0.19 352	0.15 302	0.13 431	0.05 131	0.10 369	0.07 239	0.09 345	0.07 235
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.
DN-CSS_ROB	0.13 243	0.13 403	0.17 322	0.18 260	0.10 302	0.16 294	0.08 4	0.22 237	0.19 208	0.17 273	0.23 287	0.13 186	0.13 248	0.13 200	0.14 268	0.05 5	0.05 131	0.10 369	0.10 382	0.08 285	0.06 159

DCVSM-stereo	0.15 312	0.09 271	0.16 299	0.16 114	0.10 302	0.15 266	0.09 8	0.20 198	0.24 284	0.20 341	0.24 298	0.26 380	0.15 300	0.19 352	0.14 268	0.09 320	0.07 338	0.09 324	0.08 305	0.10 379	0.12 415

ttt	0.14 272	0.08 209	0.14 222	0.15 60	0.08 99	0.15 266	0.18 326	0.27 324	0.30 361	0.16 261	0.24 298	0.17 267	0.14 280	0.13 200	0.14 268	0.11 388	0.08 369	0.09 324	0.08 305	0.09 345	0.09 348

1111x	0.16 340	0.09 271	0.13 179	0.18 260	0.08 99	0.18 333	0.25 450	0.32 396	0.25 308	0.17 273	0.24 298	0.27 386	0.15 300	0.14 227	0.24 423	0.07 209	0.07 338	0.08 242	0.09 348	0.07 221	0.07 235

CFNet_ucs	0.15 312	0.09 271	0.17 322	0.16 114	0.11 354	0.14 241	0.14 127	0.30 376	0.34 392	0.16 261	0.24 298	0.23 349	0.14 280	0.18 327	0.15 302	0.09 320	0.06 270	0.08 242	0.07 239	0.09 345	0.09 348

GASNet	0.22 418	0.24 476	0.34 457	0.26 461	0.17 463	0.27 443	0.16 255	0.45 487	0.42 439	0.27 418	0.24 298	0.30 411	0.16 322	0.27 433	0.18 350	0.12 414	0.09 393	0.12 418	0.11 411	0.16 466	0.08 304

gwcnet-sp	0.14 272	0.07 105	0.13 179	0.18 260	0.09 197	0.16 294	0.18 326	0.24 278	0.24 284	0.19 320	0.24 298	0.15 230	0.16 322	0.16 272	0.15 302	0.08 268	0.07 338	0.07 165	0.08 305	0.08 285	0.07 235

scenet	0.14 272	0.07 105	0.13 179	0.18 260	0.09 197	0.16 294	0.18 326	0.24 278	0.24 284	0.19 320	0.24 298	0.15 230	0.16 322	0.16 272	0.15 302	0.08 268	0.07 338	0.07 165	0.08 305	0.08 285	0.07 235

ToySt	0.17 362	0.11 357	0.19 377	0.17 180	0.11 354	0.16 294	0.26 456	0.24 278	0.33 381	0.19 320	0.24 298	0.26 380	0.24 416	0.19 352	0.21 387	0.07 209	0.08 369	0.09 324	0.10 382	0.09 345	0.08 304

anonymousa	0.13 243	0.07 105	0.14 222	0.18 260	0.09 197	0.13 202	0.17 281	0.20 198	0.29 355	0.15 232	0.24 298	0.16 250	0.14 280	0.14 227	0.14 268	0.07 209	0.05 131	0.07 165	0.09 348	0.05 69	0.07 235

Anonymous_2	0.22 418	0.17 442	0.28 430	0.15 60	0.16 451	0.33 464	0.22 414	0.23 255	0.18 187	0.23 383	0.24 298	0.26 380	0.27 436	0.27 433	0.24 423	0.22 491	0.26 498	0.17 465	0.17 473	0.16 466	0.18 477

ssnet	0.14 272	0.07 105	0.13 179	0.18 260	0.09 197	0.16 294	0.18 326	0.24 278	0.24 284	0.19 320	0.24 298	0.15 230	0.16 322	0.16 272	0.15 302	0.08 268	0.07 338	0.07 165	0.08 305	0.08 285	0.07 235

dad	0.18 377	0.20 462	0.21 391	0.17 180	0.11 354	0.20 374	0.19 368	0.21 214	0.28 349	0.30 444	0.24 298	0.30 411	0.13 248	0.19 352	0.17 337	0.18 477	0.09 393	0.11 399	0.09 348	0.11 399	0.07 235

AASNet	0.16 340	0.08 209	0.13 179	0.19 318	0.09 197	0.19 354	0.15 196	0.38 457	0.37 415	0.20 341	0.24 298	0.20 308	0.17 345	0.17 311	0.21 387	0.10 357	0.08 369	0.08 242	0.07 239	0.09 345	0.09 348

CrosDoStereo	0.12 216	0.07 105	0.12 146	0.14 22	0.09 197	0.12 174	0.15 196	0.17 133	0.22 264	0.19 320	0.24 298	0.15 230	0.11 187	0.11 80	0.12 197	0.06 87	0.05 131	0.07 165	0.07 239	0.05 69	0.05 83

FTStereo	0.12 216	0.07 105	0.14 222	0.18 260	0.09 197	0.07 21	0.15 196	0.22 237	0.18 187	0.12 156	0.24 298	0.11 142	0.13 248	0.13 200	0.14 268	0.05 5	0.05 131	0.07 165	0.07 239	0.06 154	0.10 374

DeepStereo_LL	0.12 216	0.07 105	0.12 146	0.14 22	0.09 197	0.12 174	0.15 196	0.17 133	0.22 264	0.19 320	0.24 298	0.15 230	0.11 187	0.11 80	0.12 197	0.06 87	0.05 131	0.07 165	0.07 239	0.05 69	0.05 83

THIR-Stereo	0.12 216	0.07 105	0.11 109	0.15 60	0.08 99	0.14 241	0.16 255	0.18 160	0.25 308	0.17 273	0.24 298	0.13 186	0.13 248	0.12 153	0.14 268	0.06 87	0.05 131	0.07 165	0.07 239	0.05 69	0.05 83

LMCR-Stereo	0.15 312	0.08 209	0.14 222	0.21 396	0.09 197	0.18 333	0.19 368	0.28 348	0.19 208	0.24 395	0.24 298	0.23 349	0.17 345	0.20 370	0.17 337	0.07 209	0.06 270	0.08 242	0.06 150	0.10 379	0.09 348

pcwnet_v2	0.19 388	0.11 357	0.26 425	0.18 260	0.14 424	0.18 333	0.15 196	0.37 450	0.46 460	0.19 320	0.24 298	0.21 315	0.19 376	0.21 387	0.20 374	0.13 431	0.10 415	0.10 369	0.10 382	0.11 399	0.13 426

GES	0.14 272	0.08 209	0.16 299	0.15 60	0.10 302	0.13 202	0.13 81	0.28 348	0.26 321	0.17 273	0.24 298	0.19 291	0.14 280	0.16 272	0.14 268	0.08 268	0.08 369	0.07 165	0.06 150	0.08 285	0.09 348

HCRNet	0.16 340	0.23 473	0.12 146	0.35 492	0.11 354	0.15 266	0.17 281	0.26 310	0.22 264	0.19 320	0.24 298	0.21 315	0.14 280	0.15 245	0.13 232	0.11 388	0.07 338	0.11 399	0.10 382	0.09 345	0.07 235

UPFNet	0.16 340	0.08 209	0.12 146	0.20 366	0.12 383	0.20 374	0.23 424	0.28 348	0.26 321	0.18 305	0.24 298	0.22 333	0.20 388	0.19 352	0.22 400	0.09 320	0.07 338	0.08 242	0.09 348	0.08 285	0.06 159

FENet	0.13 243	0.08 209	0.13 179	0.16 114	0.08 99	0.15 266	0.16 255	0.23 255	0.23 274	0.17 273	0.24 298	0.16 250	0.13 248	0.14 227	0.15 302	0.08 268	0.05 131	0.08 242	0.08 305	0.08 285	0.08 304

ac_64	0.16 340	0.09 271	0.15 258	0.18 260	0.10 302	0.22 398	0.17 281	0.24 278	0.22 264	0.19 320	0.24 298	0.29 404	0.18 358	0.19 352	0.22 400	0.09 320	0.08 369	0.08 242	0.09 348	0.07 221	0.06 159

CFNet	0.15 312	0.11 357	0.17 322	0.17 180	0.08 99	0.19 354	0.10 13	0.29 366	0.26 321	0.19 320	0.24 298	0.24 358	0.18 358	0.18 327	0.15 302	0.08 268	0.06 270	0.09 324	0.10 382	0.08 285	0.07 235

HSM	0.15 312	0.09 271	0.15 258	0.16 114	0.09 197	0.16 294	0.14 127	0.28 348	0.25 308	0.20 341	0.24 298	0.37 451	0.17 345	0.20 370	0.15 302	0.07 209	0.05 131	0.07 165	0.06 150	0.07 221	0.06 159

iResNet	0.13 243	0.10 333	0.18 354	0.19 318	0.08 99	0.14 241	0.18 326	0.21 214	0.27 333	0.16 261	0.24 298	0.15 230	0.13 248	0.14 227	0.15 302	0.06 87	0.04 3	0.06 73	0.05 81	0.06 154	0.05 83

GCST	0.37 485	0.42 503	0.27 427	1.03 527	0.39 502	0.18 333	0.08 4	0.21 214	0.18 187	0.28 430	0.25 325	0.15 230	0.12 217	0.16 272	0.14 268	0.64 520	0.43 509	0.75 517	0.65 519	0.64 514	0.46 513

StereoVision	0.14 272	0.13 403	0.10 68	0.24 445	0.10 302	0.16 294	0.21 403	0.21 214	0.20 228	0.12 156	0.25 325	0.10 122	0.10 159	0.16 272	0.10 97	0.09 320	0.10 415	0.12 418	0.12 431	0.06 154	0.05 83

SDNR	0.20 397	0.09 271	0.19 377	0.16 114	0.12 383	0.79 515	0.13 81	0.26 310	0.33 381	0.19 320	0.25 325	0.19 291	0.12 217	0.19 352	0.15 302	0.16 471	0.18 478	0.14 445	0.11 411	0.08 285	0.12 415

iinet-f	0.17 362	0.07 105	0.46 477	0.14 22	0.10 302	0.21 385	0.14 127	0.27 324	0.23 274	0.22 368	0.25 325	0.21 315	0.16 322	0.18 327	0.22 400	0.09 320	0.07 338	0.07 165	0.06 150	0.09 345	0.10 374

HHNet	0.11 145	0.06 44	0.16 299	0.15 60	0.14 424	0.07 21	0.13 81	0.20 198	0.18 187	0.15 232	0.25 325	0.11 142	0.09 137	0.13 200	0.10 97	0.06 87	0.04 3	0.08 242	0.06 150	0.05 69	0.09 348

GEStereo_RVC	0.17 362	0.12 375	0.16 299	0.22 416	0.11 354	0.19 354	0.18 326	0.32 396	0.49 464	0.20 341	0.25 325	0.17 267	0.13 248	0.21 387	0.16 321	0.10 357	0.06 270	0.08 242	0.07 239	0.09 345	0.08 304

TestStereo	0.14 272	0.15 424	0.11 109	0.23 435	0.08 99	0.15 266	0.21 403	0.20 198	0.23 274	0.14 208	0.25 325	0.16 250	0.13 248	0.16 272	0.14 268	0.06 87	0.06 270	0.08 242	0.06 150	0.09 345	0.05 83

UNet	0.17 362	0.09 271	0.18 354	0.19 318	0.12 383	0.28 453	0.19 368	0.33 410	0.30 361	0.21 355	0.25 325	0.23 349	0.19 376	0.20 370	0.19 364	0.07 209	0.06 270	0.08 242	0.07 239	0.08 285	0.07 235

GANet-RSSM	0.14 272	0.07 105	0.13 179	0.13 8	0.08 99	0.14 241	0.18 326	0.23 255	0.21 242	0.17 273	0.25 325	0.24 358	0.16 322	0.16 272	0.16 321	0.10 357	0.06 270	0.07 165	0.08 305	0.08 285	0.07 235

DSFCA	0.16 340	0.09 271	0.14 222	0.16 114	0.10 302	0.21 385	0.19 368	0.28 348	0.31 370	0.23 383	0.25 325	0.22 333	0.16 322	0.20 370	0.20 374	0.10 357	0.07 338	0.09 324	0.09 348	0.08 285	0.08 304

FADNet	0.21 410	0.23 473	0.37 466	0.18 260	0.17 463	0.25 425	0.13 81	0.32 396	0.32 376	0.23 383	0.25 325	0.27 386	0.21 396	0.19 352	0.16 321	0.13 431	0.15 467	0.12 418	0.15 462	0.17 473	0.18 477

RASNet	0.15 312	0.07 105	0.15 258	0.16 114	0.08 99	0.19 354	0.14 127	0.30 376	0.21 242	0.17 273	0.25 325	0.21 315	0.19 376	0.20 370	0.20 374	0.07 209	0.06 270	0.06 73	0.08 305	0.06 154	0.06 159

MLCV	0.13 243	0.08 209	0.17 322	0.18 260	0.06 11	0.16 294	0.17 281	0.19 185	0.22 264	0.19 320	0.25 325	0.17 267	0.13 248	0.15 245	0.14 268	0.05 5	0.04 3	0.05 3	0.04 20	0.05 69	0.04 11

TCMNet	0.19 388	0.12 375	0.20 381	0.21 396	0.18 472	0.21 385	0.24 434	0.28 348	0.36 410	0.23 383	0.26 338	0.25 370	0.20 388	0.20 370	0.23 411	0.13 431	0.11 427	0.11 399	0.12 431	0.13 427	0.12 415

ISRNet	0.18 377	0.08 209	0.20 381	0.19 318	0.13 408	0.15 266	0.12 47	0.30 376	0.33 381	0.21 355	0.26 338	0.27 386	0.18 358	0.17 311	0.20 374	0.20 485	0.08 369	0.14 445	0.14 447	0.14 443	0.17 474

test_sample4	0.14 272	0.08 209	0.15 258	0.15 60	0.08 99	0.19 354	0.18 326	0.26 310	0.18 187	0.17 273	0.26 338	0.18 282	0.15 300	0.17 311	0.13 232	0.08 268	0.06 270	0.08 242	0.06 150	0.09 345	0.08 304

ffm	0.12 216	0.09 271	0.15 258	0.16 114	0.09 197	0.17 317	0.17 281	0.15 77	0.19 208	0.15 232	0.26 338	0.19 291	0.13 248	0.10 40	0.08 14	0.06 87	0.05 131	0.09 324	0.08 305	0.06 154	0.06 159

ff1	0.13 243	0.09 271	0.15 258	0.16 114	0.09 197	0.17 317	0.17 281	0.15 77	0.19 208	0.15 232	0.26 338	0.19 291	0.13 248	0.15 245	0.22 400	0.06 87	0.05 131	0.09 324	0.08 305	0.06 154	0.06 159

mmx	0.15 312	0.09 271	0.15 258	0.16 114	0.09 197	0.17 317	0.17 281	0.27 324	0.26 321	0.15 232	0.26 338	0.19 291	0.13 248	0.15 245	0.22 400	0.08 268	0.06 270	0.09 324	0.08 305	0.08 285	0.08 304

xxx	0.15 312	0.09 271	0.15 258	0.16 114	0.09 197	0.17 317	0.17 281	0.27 324	0.26 321	0.15 232	0.26 338	0.19 291	0.13 248	0.15 245	0.22 400	0.08 268	0.06 270	0.09 324	0.08 305	0.08 285	0.08 304

IER	0.14 272	0.08 209	0.13 179	0.17 180	0.09 197	0.14 241	0.16 255	0.26 310	0.27 333	0.18 305	0.26 338	0.17 267	0.20 388	0.17 311	0.14 268	0.08 268	0.05 131	0.07 165	0.06 150	0.08 285	0.07 235

RAFT+CT+SA	0.13 243	0.11 357	0.09 43	0.19 318	0.09 197	0.15 266	0.28 467	0.22 237	0.22 264	0.15 232	0.26 338	0.10 122	0.10 159	0.11 80	0.12 197	0.05 5	0.04 3	0.07 165	0.08 305	0.07 221	0.06 159

DAS	0.15 312	0.08 209	0.18 354	0.19 318	0.10 302	0.19 354	0.17 281	0.28 348	0.30 361	0.18 305	0.26 338	0.21 315	0.16 322	0.16 272	0.13 232	0.08 268	0.06 270	0.06 73	0.06 150	0.07 221	0.07 235

SepStereo	0.15 312	0.08 209	0.18 354	0.19 318	0.10 302	0.19 354	0.17 281	0.28 348	0.30 361	0.18 305	0.26 338	0.21 315	0.16 322	0.26 431	0.13 232	0.08 268	0.06 270	0.06 73	0.06 150	0.07 221	0.07 235

ACVNet	0.15 312	0.09 271	0.15 258	0.13 8	0.12 383	0.14 241	0.20 387	0.22 237	0.34 392	0.17 273	0.26 338	0.21 315	0.17 345	0.18 327	0.21 387	0.07 209	0.06 270	0.06 73	0.06 150	0.08 285	0.06 159

acv_ft	0.15 312	0.09 271	0.16 299	0.19 318	0.10 302	0.16 294	0.17 281	0.25 298	0.34 392	0.19 320	0.26 338	0.21 315	0.17 345	0.18 327	0.19 364	0.07 209	0.06 270	0.06 73	0.06 150	0.08 285	0.06 159

cf-r	0.14 272	0.07 105	0.13 179	0.16 114	0.08 99	0.14 241	0.19 368	0.21 214	0.25 308	0.17 273	0.26 338	0.22 333	0.17 345	0.14 227	0.15 302	0.10 357	0.05 131	0.06 73	0.08 305	0.06 154	0.06 159

CFNet-ft	0.14 272	0.07 105	0.15 258	0.12 4	0.09 197	0.17 317	0.18 326	0.22 237	0.24 284	0.17 273	0.26 338	0.24 358	0.14 280	0.16 272	0.15 302	0.11 388	0.06 270	0.08 242	0.09 348	0.09 345	0.08 304

CFNet_RVC	0.14 272	0.07 105	0.15 258	0.12 4	0.09 197	0.17 317	0.18 326	0.22 237	0.24 284	0.17 273	0.26 338	0.24 358	0.14 280	0.16 272	0.15 302	0.11 388	0.06 270	0.08 242	0.09 348	0.09 345	0.08 304

iResNet_ROB	0.14 272	0.07 105	0.13 179	0.15 60	0.07 46	0.19 354	0.14 127	0.26 310	0.32 376	0.23 383	0.26 338	0.23 349	0.16 322	0.15 245	0.14 268	0.07 209	0.05 131	0.05 3	0.04 20	0.08 285	0.08 304

G2L-Stereo_aug	0.15 312	0.06 44	0.12 146	0.14 22	0.07 46	0.19 354	0.19 368	0.20 198	0.39 425	0.22 368	0.27 355	0.27 386	0.15 300	0.18 327	0.19 364	0.07 209	0.05 131	0.05 3	0.04 20	0.06 154	0.07 235

G2L-Stereo	0.14 272	0.07 105	0.13 179	0.17 180	0.09 197	0.13 202	0.12 47	0.27 324	0.22 264	0.17 273	0.27 355	0.21 315	0.13 248	0.18 327	0.18 350	0.09 320	0.08 369	0.08 242	0.07 239	0.07 221	0.07 235

CBFPSM	0.15 312	0.07 105	0.27 427	0.17 180	0.09 197	0.13 202	0.15 196	0.22 237	0.23 274	0.20 341	0.27 355	0.23 349	0.16 322	0.16 272	0.19 364	0.06 87	0.06 270	0.06 73	0.07 239	0.07 221	0.07 235

RAFT_CTSACE	0.12 216	0.09 271	0.10 68	0.22 416	0.08 99	0.12 174	0.24 434	0.18 160	0.17 173	0.21 355	0.27 355	0.13 186	0.07 78	0.13 200	0.09 39	0.05 5	0.06 270	0.08 242	0.07 239	0.04 2	0.04 11

SA	0.13 243	0.09 271	0.09 43	0.18 260	0.08 99	0.12 174	0.24 434	0.23 255	0.19 208	0.17 273	0.27 355	0.15 230	0.11 187	0.11 80	0.11 142	0.05 5	0.05 131	0.09 324	0.08 305	0.05 69	0.05 83

AACVNet	0.16 340	0.08 209	0.15 258	0.15 60	0.10 302	0.18 333	0.15 196	0.24 278	0.25 308	0.27 418	0.27 355	0.28 397	0.18 358	0.19 352	0.17 337	0.09 320	0.07 338	0.09 324	0.07 239	0.10 379	0.09 348

DRaft	0.12 216	0.06 44	0.12 146	0.14 22	0.09 197	0.14 241	0.17 281	0.21 214	0.30 361	0.18 305	0.27 355	0.10 122	0.16 322	0.11 80	0.12 197	0.05 5	0.04 3	0.07 165	0.07 239	0.05 69	0.05 83

ADLNet	0.16 340	0.08 209	0.15 258	0.16 114	0.10 302	0.16 294	0.17 281	0.33 410	0.27 333	0.23 383	0.27 355	0.24 358	0.16 322	0.18 327	0.21 387	0.10 357	0.06 270	0.10 369	0.10 382	0.08 285	0.09 348

delet	0.17 362	0.09 271	0.18 354	0.19 318	0.11 354	0.21 385	0.22 414	0.30 376	0.38 421	0.17 273	0.27 355	0.19 291	0.19 376	0.19 352	0.21 387	0.08 268	0.08 369	0.09 324	0.11 411	0.06 154	0.07 235

DMCA-RVC	0.17 362	0.10 333	0.16 299	0.24 445	0.11 354	0.19 354	0.18 326	0.26 310	0.24 284	0.21 355	0.27 355	0.25 370	0.27 436	0.18 327	0.21 387	0.12 414	0.08 369	0.13 432	0.10 382	0.10 379	0.08 304

FADNet-RVC-Resample	0.17 362	0.12 375	0.32 452	0.22 416	0.12 383	0.19 354	0.14 127	0.25 298	0.24 284	0.24 395	0.27 355	0.20 308	0.15 300	0.17 311	0.16 321	0.07 209	0.08 369	0.12 418	0.10 382	0.09 345	0.11 396

xyz-stereo	0.14 272	0.07 105	0.22 400	0.15 60	0.05 1	0.22 398	0.15 196	0.17 133	0.31 370	0.15 232	0.28 366	0.26 380	0.17 345	0.13 200	0.12 197	0.05 5	0.05 131	0.06 73	0.05 81	0.04 2	0.04 11

rvit_stereo_0075_2	0.17 362	0.12 375	0.25 417	0.23 435	0.16 451	0.13 202	0.10 13	0.30 376	0.27 333	0.20 341	0.28 366	0.22 333	0.15 300	0.18 327	0.13 232	0.16 471	0.10 415	0.17 465	0.10 382	0.10 379	0.10 374

test_sample6	0.14 272	0.09 271	0.14 222	0.17 180	0.08 99	0.17 317	0.19 368	0.26 310	0.18 187	0.18 305	0.28 366	0.19 291	0.15 300	0.15 245	0.13 232	0.08 268	0.05 131	0.08 242	0.07 239	0.08 285	0.08 304

test_sample5	0.14 272	0.08 209	0.14 222	0.16 114	0.08 99	0.18 333	0.18 326	0.25 298	0.17 173	0.17 273	0.28 366	0.18 282	0.15 300	0.16 272	0.13 232	0.08 268	0.06 270	0.08 242	0.07 239	0.09 345	0.08 304

DualNet	0.14 272	0.08 209	0.14 222	0.16 114	0.08 99	0.18 333	0.18 326	0.25 298	0.17 173	0.18 305	0.28 366	0.18 282	0.15 300	0.16 272	0.13 232	0.08 268	0.06 270	0.08 242	0.07 239	0.09 345	0.08 304

CRFU-Net	0.16 340	0.08 209	0.15 258	0.17 180	0.09 197	0.20 374	0.14 127	0.27 324	0.21 242	0.28 430	0.28 366	0.29 404	0.18 358	0.19 352	0.18 350	0.09 320	0.09 393	0.07 165	0.07 239	0.08 285	0.09 348

test_5	0.14 272	0.12 375	0.08 12	0.20 366	0.10 302	0.14 241	0.28 467	0.21 214	0.24 284	0.19 320	0.28 366	0.11 142	0.15 300	0.12 153	0.13 232	0.06 87	0.05 131	0.07 165	0.08 305	0.08 285	0.07 235

UDG	0.21 410	0.17 442	0.20 381	0.23 435	0.15 439	0.31 460	0.20 387	0.33 410	0.35 405	0.24 395	0.28 366	0.31 425	0.29 448	0.21 387	0.23 411	0.15 454	0.12 441	0.13 432	0.09 348	0.14 443	0.15 456

xxxx	0.15 312	0.07 105	0.14 222	0.14 22	0.08 99	0.24 417	0.18 326	0.32 396	0.20 228	0.14 208	0.28 366	0.22 333	0.14 280	0.15 245	0.29 460	0.09 320	0.05 131	0.07 165	0.07 239	0.08 285	0.08 304

psm_up	0.19 388	0.10 333	0.18 354	0.21 396	0.11 354	0.17 317	0.19 368	0.38 457	0.34 392	0.22 368	0.28 366	0.29 404	0.25 423	0.20 370	0.22 400	0.09 320	0.10 415	0.11 399	0.11 411	0.08 285	0.08 304

PSMNet-RSSM	0.14 272	0.07 105	0.14 222	0.15 60	0.08 99	0.13 202	0.16 255	0.25 298	0.24 284	0.17 273	0.28 366	0.23 349	0.14 280	0.16 272	0.14 268	0.11 388	0.06 270	0.09 324	0.12 431	0.08 285	0.07 235

GwcNet-RSSM	0.14 272	0.07 105	0.12 146	0.16 114	0.08 99	0.15 266	0.20 387	0.22 237	0.28 349	0.18 305	0.28 366	0.23 349	0.17 345	0.15 245	0.16 321	0.10 357	0.06 270	0.07 165	0.09 348	0.07 221	0.07 235

TDLM	0.18 377	0.12 375	0.14 222	0.24 445	0.10 302	0.18 333	0.18 326	0.37 450	0.30 361	0.22 368	0.28 366	0.28 397	0.18 358	0.23 411	0.19 364	0.11 388	0.07 338	0.10 369	0.10 382	0.08 285	0.08 304

NVstereo2D	0.19 388	0.11 357	0.16 299	0.17 180	0.16 451	0.28 453	0.23 424	0.44 485	0.42 439	0.15 232	0.28 366	0.25 370	0.19 376	0.23 411	0.18 350	0.09 320	0.06 270	0.10 369	0.08 305	0.15 455	0.10 374

StereoDRNet	0.19 388	0.11 357	0.18 354	0.22 416	0.11 354	0.22 398	0.22 414	0.37 450	0.34 392	0.24 395	0.28 366	0.30 411	0.19 376	0.20 370	0.21 387	0.10 357	0.08 369	0.11 399	0.09 348	0.09 345	0.07 235

222	0.16 340	0.07 105	0.15 258	0.14 22	0.08 99	0.25 425	0.18 326	0.30 376	0.21 242	0.18 305	0.29 381	0.17 267	0.16 322	0.16 272	0.44 499	0.10 357	0.05 131	0.07 165	0.06 150	0.08 285	0.08 304

test_xeample	0.15 312	0.07 105	0.14 222	0.15 60	0.08 99	0.22 398	0.20 387	0.29 366	0.21 242	0.16 261	0.29 381	0.19 291	0.17 345	0.16 272	0.28 453	0.09 320	0.05 131	0.07 165	0.07 239	0.07 221	0.07 235

RYNet	0.23 431	0.12 375	0.22 400	0.19 318	0.17 463	0.47 491	0.26 456	0.39 462	0.49 464	0.24 395	0.29 381	0.34 441	0.24 416	0.20 370	0.31 470	0.10 357	0.06 270	0.09 324	0.09 348	0.14 443	0.15 456

iResNetv2_ROB	0.15 312	0.08 209	0.16 299	0.16 114	0.08 99	0.16 294	0.13 81	0.26 310	0.36 410	0.21 355	0.29 381	0.24 358	0.13 248	0.14 227	0.14 268	0.06 87	0.06 270	0.06 73	0.04 20	0.09 345	0.08 304

DLCB_ROB	0.18 377	0.10 333	0.16 299	0.23 435	0.11 354	0.24 417	0.18 326	0.30 376	0.28 349	0.27 418	0.29 381	0.28 397	0.25 423	0.20 370	0.20 374	0.08 268	0.08 369	0.09 324	0.09 348	0.07 221	0.07 235

SGM-Forest	0.20 397	0.14 418	0.18 354	0.20 366	0.13 408	0.21 385	0.22 414	0.33 410	0.31 370	0.24 395	0.29 381	0.28 397	0.20 388	0.23 411	0.18 350	0.15 454	0.16 472	0.15 456	0.14 447	0.13 427	0.12 415
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
DDVS	0.16 340	0.10 333	0.22 400	0.16 114	0.12 383	0.15 266	0.14 127	0.25 298	0.19 208	0.18 305	0.30 387	0.27 386	0.13 248	0.20 370	0.16 321	0.09 320	0.06 270	0.09 324	0.07 239	0.11 399	0.11 396

ICVP	0.16 340	0.09 271	0.12 146	0.22 416	0.09 197	0.18 333	0.21 403	0.26 310	0.24 284	0.18 305	0.30 387	0.27 386	0.18 358	0.18 327	0.15 302	0.10 357	0.07 338	0.08 242	0.07 239	0.07 221	0.08 304
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
MMNet	0.17 362	0.10 333	0.17 322	0.20 366	0.11 354	0.27 443	0.20 387	0.26 310	0.42 439	0.22 368	0.30 387	0.22 333	0.20 388	0.18 327	0.20 374	0.06 87	0.06 270	0.07 165	0.07 239	0.08 285	0.07 235

STTStereo	0.18 377	0.13 403	0.28 430	0.20 366	0.11 354	0.16 294	0.21 403	0.29 366	0.23 274	0.22 368	0.30 387	0.29 404	0.18 358	0.20 370	0.20 374	0.12 414	0.11 427	0.11 399	0.14 447	0.09 345	0.08 304

CSP-Net	0.16 340	0.09 271	0.14 222	0.17 180	0.09 197	0.19 354	0.18 326	0.25 298	0.33 381	0.26 411	0.31 391	0.25 370	0.16 322	0.21 387	0.19 364	0.09 320	0.06 270	0.07 165	0.07 239	0.08 285	0.08 304

SACVNet	0.19 388	0.12 375	0.15 258	0.17 180	0.13 408	0.22 398	0.18 326	0.31 392	0.31 370	0.24 395	0.31 391	0.30 411	0.23 409	0.23 411	0.17 337	0.11 388	0.08 369	0.10 369	0.10 382	0.12 414	0.14 442

XQC	0.29 468	0.23 473	0.53 484	0.29 482	0.19 476	0.36 476	0.28 467	0.37 450	0.58 486	0.31 449	0.31 391	0.37 451	0.30 459	0.39 484	0.39 490	0.13 431	0.09 393	0.15 456	0.12 431	0.18 475	0.18 477

DeepPrunerF	0.24 441	0.17 442	0.45 476	0.26 461	0.16 451	0.23 411	0.29 478	0.37 450	0.51 470	0.27 418	0.31 391	0.24 358	0.28 445	0.22 404	0.23 411	0.15 454	0.11 427	0.20 478	0.18 477	0.12 414	0.14 442

CVANet_RVC	0.18 377	0.11 357	0.14 222	0.21 396	0.11 354	0.19 354	0.18 326	0.34 424	0.34 392	0.22 368	0.31 391	0.28 397	0.18 358	0.24 422	0.18 350	0.12 414	0.08 369	0.12 418	0.12 431	0.09 345	0.08 304

NLCA_NET_v2_RVC	0.17 362	0.10 333	0.23 408	0.20 366	0.10 302	0.15 266	0.18 326	0.31 392	0.25 308	0.21 355	0.31 391	0.25 370	0.17 345	0.21 387	0.20 374	0.09 320	0.06 270	0.08 242	0.09 348	0.07 221	0.08 304
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
NaN_ROB	0.23 431	0.20 462	0.25 417	0.25 452	0.13 408	0.31 460	0.27 461	0.34 424	0.41 437	0.31 449	0.31 391	0.32 431	0.23 409	0.31 455	0.22 400	0.11 388	0.17 476	0.10 369	0.11 411	0.08 285	0.09 348

CBMV_ROB	0.19 388	0.13 403	0.18 354	0.16 114	0.11 354	0.16 294	0.12 47	0.27 324	0.29 355	0.27 418	0.31 391	0.27 386	0.24 416	0.24 422	0.16 321	0.15 454	0.18 478	0.22 483	0.20 479	0.10 379	0.12 415

CBMV	0.20 397	0.15 424	0.18 354	0.18 260	0.10 302	0.20 374	0.11 25	0.30 376	0.31 370	0.29 439	0.31 391	0.31 425	0.23 409	0.28 441	0.19 364	0.13 431	0.15 467	0.17 465	0.16 466	0.10 379	0.10 374
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
GMStereo_Zeroshot	0.16 340	0.13 403	0.25 417	0.20 366	0.10 302	0.17 317	0.13 81	0.30 376	0.25 308	0.23 383	0.32 400	0.25 370	0.11 187	0.19 352	0.14 268	0.09 320	0.06 270	0.11 399	0.06 150	0.12 414	0.08 304

DGSMNet	0.25 447	0.19 458	0.34 457	0.21 396	0.24 488	0.24 417	0.21 403	0.36 443	0.42 439	0.25 408	0.32 400	0.38 457	0.21 396	0.29 448	0.24 423	0.13 431	0.11 427	0.14 445	0.16 466	0.23 484	0.23 490

hitnet-ft	0.18 377	0.10 333	0.17 322	0.14 22	0.09 197	0.27 443	0.20 387	0.25 298	0.26 321	0.24 395	0.32 400	0.32 431	0.23 409	0.24 422	0.21 387	0.12 414	0.07 338	0.10 369	0.08 305	0.12 414	0.11 396

FADNet-RVC	0.21 410	0.20 462	0.40 469	0.21 396	0.16 451	0.21 385	0.15 196	0.27 324	0.27 333	0.26 411	0.32 400	0.26 380	0.21 396	0.22 404	0.19 364	0.12 414	0.13 453	0.12 418	0.14 447	0.13 427	0.18 477

DANet	0.21 410	0.16 432	0.29 439	0.25 452	0.13 408	0.23 411	0.19 368	0.28 348	0.27 333	0.28 430	0.32 400	0.35 446	0.32 466	0.31 455	0.24 423	0.11 388	0.09 393	0.11 399	0.10 382	0.13 427	0.11 396
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
DISCO	0.20 397	0.09 271	0.22 400	0.17 180	0.10 302	0.25 425	0.18 326	0.28 348	0.45 453	0.23 383	0.32 400	0.34 441	0.26 430	0.29 448	0.29 460	0.08 268	0.06 270	0.07 165	0.07 239	0.09 345	0.10 374

HBP-ISP	0.18 377	0.13 403	0.17 322	0.15 60	0.11 354	0.08 39	0.13 81	0.28 348	0.30 361	0.22 368	0.33 406	0.21 315	0.25 423	0.23 411	0.18 350	0.15 454	0.17 476	0.21 479	0.17 473	0.10 379	0.09 348

FINET	0.22 418	0.18 455	0.28 430	0.19 318	0.16 451	0.24 417	0.24 434	0.33 410	0.49 464	0.26 411	0.33 406	0.22 333	0.23 409	0.23 411	0.18 350	0.18 477	0.16 472	0.11 399	0.10 382	0.15 455	0.14 442

GwcNet	0.20 397	0.14 418	0.20 381	0.18 260	0.12 383	0.25 425	0.20 387	0.36 443	0.45 453	0.20 341	0.33 406	0.33 437	0.21 396	0.22 404	0.25 430	0.11 388	0.09 393	0.09 324	0.09 348	0.09 345	0.10 374

HGLStereo	0.17 362	0.09 271	0.19 377	0.17 180	0.12 383	0.18 333	0.18 326	0.31 392	0.33 381	0.22 368	0.33 406	0.24 358	0.18 358	0.20 370	0.21 387	0.10 357	0.09 393	0.07 165	0.07 239	0.09 345	0.10 374

AF-Net	0.23 431	0.17 442	0.17 322	0.27 469	0.13 408	0.26 435	0.24 434	0.33 410	0.51 470	0.25 408	0.33 406	0.39 462	0.27 436	0.28 441	0.26 441	0.11 388	0.10 415	0.16 463	0.12 431	0.11 399	0.11 396

ADCRef	0.20 397	0.12 375	0.43 475	0.20 366	0.12 383	0.23 411	0.18 326	0.32 396	0.37 415	0.26 411	0.33 406	0.18 282	0.23 409	0.25 427	0.26 441	0.07 209	0.06 270	0.09 324	0.09 348	0.08 285	0.09 348

PA-Net	0.24 441	0.18 455	0.34 457	0.28 475	0.22 484	0.22 398	0.39 502	0.29 366	0.39 425	0.22 368	0.33 406	0.25 370	0.26 430	0.21 387	0.25 430	0.10 357	0.23 496	0.15 456	0.22 484	0.09 345	0.13 426
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
DRN-Test	0.20 397	0.11 357	0.21 391	0.22 416	0.10 302	0.22 398	0.22 414	0.40 465	0.38 421	0.24 395	0.33 406	0.26 380	0.22 403	0.22 404	0.25 430	0.11 388	0.07 338	0.11 399	0.10 382	0.09 345	0.08 304

PSMNet_ROB	0.22 418	0.12 375	0.15 258	0.27 469	0.15 439	0.25 425	0.36 497	0.43 481	0.37 415	0.27 418	0.33 406	0.32 431	0.23 409	0.21 387	0.27 446	0.12 414	0.08 369	0.13 432	0.11 411	0.10 379	0.09 348

pmcnn	0.15 312	0.07 105	0.20 381	0.15 60	0.07 46	0.21 385	0.16 255	0.25 298	0.26 321	0.21 355	0.33 406	0.29 404	0.19 376	0.18 327	0.17 337	0.07 209	0.05 131	0.05 3	0.04 20	0.07 221	0.06 159

fast-acv-ft	0.18 377	0.11 357	0.20 381	0.19 318	0.12 383	0.26 435	0.21 403	0.26 310	0.35 405	0.22 368	0.34 416	0.27 386	0.21 396	0.21 387	0.23 411	0.09 320	0.09 393	0.08 242	0.10 382	0.08 285	0.07 235

RAFT-345	0.11 145	0.07 105	0.16 299	0.17 180	0.08 99	0.08 39	0.12 47	0.16 101	0.10 23	0.11 126	0.34 416	0.09 95	0.10 159	0.11 80	0.12 197	0.05 5	0.05 131	0.07 165	0.06 150	0.04 2	0.05 83

RTSC	0.23 431	0.13 403	0.30 445	0.21 396	0.13 408	0.29 455	0.17 281	0.36 443	0.68 498	0.27 418	0.34 416	0.30 411	0.22 403	0.32 459	0.31 470	0.10 357	0.08 369	0.09 324	0.10 382	0.13 427	0.14 442

PS-NSSS	0.20 397	0.21 467	0.23 408	0.20 366	0.10 302	0.19 354	0.17 281	0.36 443	0.26 321	0.27 418	0.34 416	0.27 386	0.24 416	0.20 370	0.20 374	0.15 454	0.12 441	0.17 465	0.14 447	0.10 379	0.09 348

YMNet	0.20 397	0.12 375	0.20 381	0.21 396	0.14 424	0.27 443	0.23 424	0.32 396	0.34 392	0.28 430	0.35 420	0.30 411	0.18 358	0.18 327	0.22 400	0.11 388	0.13 453	0.10 369	0.10 382	0.09 345	0.09 348

YMNet_1	0.20 397	0.12 375	0.20 381	0.21 396	0.14 424	0.27 443	0.23 424	0.32 396	0.34 392	0.28 430	0.35 420	0.30 411	0.18 358	0.18 327	0.22 400	0.11 388	0.13 453	0.10 369	0.10 382	0.09 345	0.09 348

SAMSARA	0.41 490	0.28 484	0.34 457	0.55 508	0.39 502	0.85 518	1.25 533	0.49 493	0.52 476	0.36 464	0.35 420	0.56 495	0.39 479	0.39 484	0.41 493	0.15 454	0.20 484	0.15 456	0.14 447	0.23 484	0.21 486

GANetREF_RVC	0.31 476	0.34 496	0.29 439	0.35 492	0.16 451	0.33 464	0.42 505	0.48 492	0.52 476	0.35 462	0.35 420	0.34 441	0.32 466	0.40 487	0.33 478	0.27 500	0.20 484	0.29 497	0.15 462	0.19 478	0.18 477
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
AANet_RVC	0.16 340	0.10 333	0.11 109	0.18 260	0.09 197	0.19 354	0.18 326	0.27 324	0.32 376	0.22 368	0.35 420	0.21 315	0.22 403	0.22 404	0.17 337	0.06 87	0.05 131	0.06 73	0.06 150	0.07 221	0.06 159

Syn2CoEx	0.22 418	0.16 432	0.29 439	0.29 482	0.15 439	0.26 435	0.21 403	0.34 424	0.32 376	0.29 439	0.36 425	0.28 397	0.25 423	0.20 370	0.25 430	0.16 471	0.12 441	0.14 445	0.11 411	0.09 345	0.08 304

S-Stereo	0.21 410	0.12 375	0.25 417	0.21 396	0.13 408	0.21 385	0.19 368	0.33 410	0.45 453	0.23 383	0.36 425	0.28 397	0.29 448	0.20 370	0.23 411	0.09 320	0.12 441	0.10 369	0.10 382	0.13 427	0.14 442

MaskLacGwcNet_RVC	0.22 418	0.21 467	0.25 417	0.26 461	0.11 354	0.24 417	0.14 127	0.39 462	0.24 284	0.32 456	0.36 425	0.30 411	0.21 396	0.19 352	0.22 400	0.17 476	0.14 463	0.21 479	0.16 466	0.13 427	0.12 415

SQANet	0.24 441	0.24 476	0.31 448	0.31 486	0.19 476	0.27 443	0.13 81	0.30 376	0.33 381	0.25 408	0.37 428	0.31 425	0.22 403	0.27 433	0.23 411	0.15 454	0.10 415	0.21 479	0.16 466	0.22 481	0.16 465

DDUNet	0.23 431	0.18 455	0.22 400	0.22 416	0.15 439	0.25 425	0.24 434	0.30 376	0.31 370	0.31 449	0.37 428	0.34 441	0.26 430	0.25 427	0.21 387	0.18 477	0.13 453	0.17 465	0.11 411	0.16 466	0.17 474

FAT-Stereo	0.21 410	0.13 403	0.22 400	0.21 396	0.12 383	0.18 333	0.18 326	0.35 438	0.40 430	0.28 430	0.37 428	0.33 437	0.33 468	0.21 387	0.20 374	0.09 320	0.11 427	0.10 369	0.09 348	0.11 399	0.14 442

ADCP+	0.20 397	0.10 333	0.35 463	0.21 396	0.12 383	0.22 398	0.27 461	0.31 392	0.35 405	0.26 411	0.37 428	0.22 333	0.22 403	0.27 433	0.28 453	0.09 320	0.06 270	0.08 242	0.08 305	0.10 379	0.10 374

CC-Net-ROB	0.28 464	0.31 493	0.36 465	0.30 484	0.15 439	0.25 425	0.19 368	0.45 487	0.34 392	0.39 471	0.37 428	0.39 462	0.31 464	0.27 433	0.27 446	0.24 498	0.18 478	0.30 499	0.23 488	0.19 478	0.15 456

ETE_ROB	0.23 431	0.17 442	0.23 408	0.25 452	0.14 424	0.26 435	0.29 478	0.32 396	0.37 415	0.28 430	0.37 428	0.45 479	0.27 436	0.28 441	0.27 446	0.11 388	0.09 393	0.12 418	0.10 382	0.14 443	0.13 426

DispFullNet	0.27 462	0.22 471	0.66 497	0.28 475	0.17 463	0.27 443	0.17 281	0.34 424	0.57 483	0.27 418	0.37 428	0.43 475	0.24 416	0.39 484	0.25 430	0.12 414	0.06 270	0.19 476	0.11 411	0.23 484	0.16 465

RP	0.22 418	0.13 403	0.22 400	0.23 435	0.12 383	0.21 385	0.20 387	0.26 310	0.45 453	0.22 368	0.38 435	0.37 451	0.25 423	0.28 441	0.25 430	0.11 388	0.12 441	0.13 432	0.12 431	0.13 427	0.14 442

G-Net	0.25 447	0.17 442	0.38 467	0.23 435	0.16 451	0.51 494	0.23 424	0.29 366	0.35 405	0.36 464	0.38 435	0.31 425	0.29 448	0.28 441	0.27 446	0.11 388	0.09 393	0.12 418	0.10 382	0.16 466	0.14 442

NCC-stereo	0.25 447	0.15 424	0.31 448	0.26 461	0.17 463	0.21 385	0.31 486	0.41 470	0.40 430	0.24 395	0.38 435	0.33 437	0.29 448	0.37 478	0.28 453	0.13 431	0.11 427	0.15 456	0.22 484	0.13 427	0.13 426

Abc-Net	0.25 447	0.15 424	0.31 448	0.26 461	0.17 463	0.21 385	0.31 486	0.41 470	0.40 430	0.24 395	0.38 435	0.33 437	0.29 448	0.37 478	0.28 453	0.13 431	0.11 427	0.15 456	0.22 484	0.13 427	0.13 426
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
DPSNet	0.28 464	0.16 432	0.33 454	0.18 260	0.13 408	0.55 497	0.42 505	0.52 497	0.68 498	0.29 439	0.38 435	0.39 462	0.30 459	0.32 459	0.23 411	0.11 388	0.10 415	0.11 399	0.08 305	0.20 480	0.16 465

NCCL2	0.24 441	0.15 424	0.18 354	0.34 490	0.18 472	0.24 417	0.24 434	0.34 424	0.29 355	0.31 449	0.38 435	0.38 457	0.29 448	0.23 411	0.25 430	0.15 454	0.12 441	0.18 474	0.21 481	0.13 427	0.13 426

SGM_RVC	0.24 441	0.12 375	0.16 299	0.15 60	0.09 197	0.34 468	0.19 368	0.35 438	0.32 376	0.44 485	0.38 435	0.53 493	0.36 475	0.36 474	0.26 441	0.13 431	0.13 453	0.13 432	0.13 442	0.11 399	0.11 396
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
SuperB	0.20 397	0.10 333	0.57 489	0.16 114	0.09 197	0.19 354	0.18 326	0.25 298	0.51 470	0.27 418	0.39 442	0.17 267	0.22 403	0.22 404	0.21 387	0.08 268	0.06 270	0.06 73	0.06 150	0.12 414	0.11 396

stereogan	0.22 418	0.11 357	0.21 391	0.20 366	0.12 383	0.32 462	0.19 368	0.36 443	0.45 453	0.23 383	0.39 442	0.35 446	0.27 436	0.33 462	0.23 411	0.10 357	0.12 441	0.10 369	0.10 382	0.14 443	0.14 442

LALA_ROB	0.25 447	0.16 432	0.23 408	0.27 469	0.17 463	0.27 443	0.27 461	0.42 475	0.38 421	0.33 460	0.39 442	0.51 489	0.26 430	0.29 448	0.28 453	0.16 471	0.09 393	0.13 432	0.12 431	0.13 427	0.13 426

RAFT-RH_RVC	0.12 216	0.06 44	0.14 222	0.16 114	0.09 197	0.12 174	0.12 47	0.17 133	0.12 64	0.13 185	0.40 445	0.11 142	0.10 159	0.13 200	0.12 197	0.05 5	0.04 3	0.08 242	0.05 81	0.05 69	0.06 159

APVNet	0.23 431	0.12 375	0.20 381	0.18 260	0.14 424	0.32 462	0.31 486	0.40 465	0.33 381	0.27 418	0.40 445	0.30 411	0.29 448	0.27 433	0.25 430	0.11 388	0.12 441	0.11 399	0.14 447	0.12 414	0.13 426

RGC	0.25 447	0.20 462	0.29 439	0.28 475	0.16 451	0.22 398	0.23 424	0.33 410	0.44 449	0.27 418	0.40 445	0.38 457	0.28 445	0.37 478	0.23 411	0.11 388	0.13 453	0.17 465	0.17 473	0.15 455	0.16 465

edge stereo	0.23 431	0.14 418	0.21 391	0.21 396	0.13 408	0.24 417	0.16 255	0.32 396	0.42 439	0.32 456	0.40 445	0.39 462	0.35 472	0.25 427	0.25 430	0.13 431	0.11 427	0.14 445	0.11 411	0.12 414	0.14 442

PASM	0.33 478	0.25 481	0.51 483	0.28 475	0.27 494	0.30 458	0.31 486	0.35 438	0.51 470	0.36 464	0.40 445	0.47 486	0.35 472	0.34 465	0.36 482	0.23 496	0.26 498	0.26 487	0.28 496	0.23 484	0.21 486

MDST_ROB	0.22 418	0.10 333	0.18 354	0.18 260	0.11 354	0.40 486	0.19 368	0.44 485	0.42 439	0.40 474	0.40 445	0.29 404	0.21 396	0.27 433	0.19 364	0.11 388	0.10 415	0.14 445	0.11 411	0.10 379	0.08 304

CSAN	0.30 471	0.24 476	0.28 430	0.34 490	0.19 476	0.34 468	0.42 505	0.38 457	0.51 470	0.38 470	0.40 445	0.44 478	0.34 469	0.29 448	0.31 470	0.19 480	0.16 472	0.19 476	0.19 478	0.14 443	0.15 456

SANet	0.25 447	0.14 418	0.29 439	0.21 396	0.11 354	0.29 455	0.25 450	0.40 465	0.65 497	0.36 464	0.40 445	0.42 473	0.27 436	0.27 433	0.25 430	0.12 414	0.09 393	0.10 369	0.09 348	0.13 427	0.12 415

XPNet_ROB	0.22 418	0.12 375	0.20 381	0.22 416	0.13 408	0.22 398	0.19 368	0.35 438	0.40 430	0.30 444	0.40 445	0.38 457	0.27 436	0.26 431	0.29 460	0.15 454	0.10 415	0.10 369	0.10 382	0.13 427	0.12 415

PWC_ROB	0.21 410	0.16 432	0.27 427	0.18 260	0.11 354	0.22 398	0.13 81	0.33 410	0.49 464	0.30 444	0.40 445	0.32 431	0.25 423	0.31 455	0.23 411	0.10 357	0.07 338	0.11 399	0.08 305	0.11 399	0.10 374

PSMNet-RUCA	0.28 464	0.33 495	0.42 473	0.36 494	0.32 500	0.18 333	0.20 387	0.42 475	0.30 361	0.33 460	0.41 455	0.40 468	0.24 416	0.31 455	0.20 374	0.19 480	0.11 427	0.25 486	0.15 462	0.22 481	0.16 465

Wz-Net-MNSev	0.23 431	0.13 403	0.33 454	0.20 366	0.15 439	0.36 476	0.25 450	0.34 424	0.45 453	0.29 439	0.41 455	0.39 462	0.19 376	0.25 427	0.27 446	0.09 320	0.07 338	0.09 324	0.09 348	0.12 414	0.10 374

Nwc_Net	0.23 431	0.17 442	0.22 400	0.25 452	0.15 439	0.25 425	0.27 461	0.38 457	0.39 425	0.22 368	0.41 455	0.30 411	0.29 448	0.28 441	0.25 430	0.11 388	0.10 415	0.17 465	0.20 479	0.10 379	0.11 396

ADCPNet	0.26 457	0.17 442	0.62 494	0.21 396	0.15 439	0.36 476	0.25 450	0.33 410	0.37 415	0.31 449	0.41 455	0.36 448	0.29 448	0.29 448	0.34 480	0.12 414	0.10 415	0.11 399	0.12 431	0.14 443	0.13 426

StereoDRNet-Refined	0.17 362	0.12 375	0.16 299	0.20 366	0.10 302	0.18 333	0.18 326	0.27 324	0.24 284	0.26 411	0.41 455	0.23 349	0.18 358	0.21 387	0.21 387	0.09 320	0.05 131	0.09 324	0.10 382	0.07 221	0.07 235
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
FBW_ROB	0.25 447	0.17 442	0.23 408	0.27 469	0.14 424	0.26 435	0.22 414	0.42 475	0.43 447	0.42 480	0.41 455	0.43 475	0.27 436	0.32 459	0.24 423	0.09 320	0.15 467	0.15 456	0.12 431	0.12 414	0.10 374

PDISCO_ROB	0.28 464	0.16 432	0.28 430	0.28 475	0.20 479	0.33 464	0.27 461	0.45 487	0.58 486	0.28 430	0.41 455	0.45 479	0.30 459	0.34 465	0.35 481	0.12 414	0.09 393	0.17 465	0.16 466	0.17 473	0.13 426

Wz-Net-TNSev	0.29 468	0.20 462	0.69 505	0.19 318	0.15 439	0.38 482	0.27 461	0.36 443	0.56 482	0.35 462	0.42 462	0.45 479	0.39 479	0.33 462	0.31 470	0.13 431	0.13 453	0.10 369	0.12 431	0.15 455	0.15 456

Wz-Net-LNSev	0.22 418	0.16 432	0.41 471	0.22 416	0.13 408	0.25 425	0.24 434	0.33 410	0.44 449	0.30 444	0.42 462	0.32 431	0.19 376	0.23 411	0.27 446	0.10 357	0.09 393	0.08 242	0.08 305	0.12 414	0.11 396

SHD	0.26 457	0.15 424	0.31 448	0.24 445	0.18 472	0.23 411	0.15 196	0.39 462	0.72 503	0.32 456	0.42 462	0.36 448	0.29 448	0.33 462	0.30 465	0.13 431	0.11 427	0.14 445	0.13 442	0.16 466	0.20 485

Wz-Net-LNSev-Ref	0.18 377	0.09 271	0.30 445	0.15 60	0.11 354	0.23 411	0.20 387	0.27 324	0.40 430	0.26 411	0.43 465	0.25 370	0.15 300	0.21 387	0.20 374	0.07 209	0.05 131	0.06 73	0.05 81	0.10 379	0.09 348

GANet	0.22 418	0.13 403	0.21 391	0.25 452	0.14 424	0.23 411	0.22 414	0.42 475	0.27 333	0.31 449	0.43 465	0.37 451	0.29 448	0.23 411	0.23 411	0.10 357	0.12 441	0.10 369	0.09 348	0.10 379	0.08 304

RTS	0.46 497	0.19 458	3.33 530	0.25 452	0.15 439	0.72 510	0.21 403	0.37 450	0.78 510	0.42 480	0.44 467	0.31 425	0.43 491	0.55 503	0.37 486	0.10 357	0.09 393	0.13 432	0.13 442	0.15 455	0.15 456

RTSA	0.46 497	0.19 458	3.33 530	0.25 452	0.15 439	0.72 510	0.21 403	0.37 450	0.78 510	0.42 480	0.44 467	0.31 425	0.43 491	0.55 503	0.37 486	0.10 357	0.09 393	0.13 432	0.13 442	0.15 455	0.15 456

ACVNet-4b	0.39 487	0.53 506	0.56 487	0.45 502	0.24 488	0.46 490	0.18 326	0.50 494	0.64 495	0.42 480	0.45 469	0.60 497	0.27 436	0.34 465	0.24 423	0.33 503	0.14 463	0.48 506	0.42 506	0.31 501	0.27 498

ADCMid	0.26 457	0.15 424	0.42 473	0.20 366	0.14 424	0.25 425	0.26 456	0.35 438	0.40 430	0.37 468	0.45 469	0.34 441	0.42 488	0.36 474	0.36 482	0.10 357	0.09 393	0.11 399	0.11 411	0.13 427	0.13 426

ccnet	0.30 471	0.28 484	0.24 414	0.20 366	0.28 495	0.41 487	0.22 414	0.46 490	0.33 381	0.37 468	0.46 471	0.37 451	0.30 459	0.40 487	0.43 496	0.23 496	0.14 463	0.21 479	0.17 473	0.23 484	0.19 482

MFN_U_SF_DS_RVC	0.30 471	0.24 476	0.30 445	0.36 494	0.16 451	0.36 476	0.31 486	0.34 424	0.43 447	0.41 478	0.46 471	0.38 457	0.30 459	0.35 470	0.29 460	0.19 480	0.20 484	0.26 487	0.29 497	0.18 475	0.19 482

ADCL	0.25 447	0.12 375	0.49 482	0.22 416	0.12 383	0.36 476	0.29 478	0.30 376	0.57 483	0.24 395	0.47 473	0.30 411	0.31 464	0.30 454	0.30 465	0.09 320	0.07 338	0.09 324	0.09 348	0.10 379	0.10 374

aanetorigin	0.22 418	0.17 442	0.57 489	0.18 260	0.10 302	0.16 294	0.19 368	0.20 198	0.33 381	0.49 491	0.48 474	0.30 411	0.28 445	0.21 387	0.24 423	0.08 268	0.07 338	0.08 242	0.07 239	0.10 379	0.09 348

Ntro	0.41 490	0.40 501	0.54 486	0.46 505	0.30 499	0.64 503	0.24 434	0.47 491	0.68 498	0.42 480	0.49 475	0.47 486	0.42 488	0.40 487	0.32 475	0.32 502	0.28 500	0.37 502	0.31 500	0.33 503	0.29 499

PWCDC_ROB	0.21 410	0.13 403	0.23 408	0.25 452	0.12 383	0.20 374	0.15 196	0.34 424	0.55 480	0.29 439	0.49 475	0.21 315	0.15 300	0.28 441	0.20 374	0.11 388	0.09 393	0.10 369	0.08 305	0.11 399	0.09 348

otaku	0.39 487	0.38 499	0.53 484	0.44 501	0.28 495	0.57 499	0.24 434	0.42 475	0.62 493	0.40 474	0.50 477	0.46 483	0.34 469	0.40 487	0.33 478	0.30 501	0.30 502	0.39 503	0.33 502	0.30 498	0.29 499

anonymity	0.53 502	0.58 507	0.66 497	0.41 498	0.61 518	0.54 496	0.41 503	0.57 502	0.41 437	0.56 497	0.50 477	0.50 488	0.55 501	0.59 508	0.50 506	0.58 516	0.50 519	0.51 508	0.51 513	0.52 507	0.58 515

ADCS	0.30 471	0.19 458	0.48 481	0.21 396	0.18 472	0.29 455	0.24 434	0.42 475	0.64 495	0.40 474	0.50 477	0.40 468	0.37 476	0.40 487	0.43 496	0.13 431	0.13 453	0.13 432	0.14 447	0.16 466	0.16 465

AnyNet_C32	0.26 457	0.16 432	0.39 468	0.20 366	0.17 463	0.26 435	0.31 486	0.32 396	0.45 453	0.31 449	0.50 477	0.30 411	0.34 469	0.41 492	0.36 482	0.12 414	0.12 441	0.12 418	0.14 447	0.14 443	0.15 456

FCDSN-DC	0.33 478	0.28 484	0.28 430	0.30 484	0.24 488	0.39 484	0.28 467	0.43 481	0.42 439	0.44 485	0.53 481	0.51 489	0.42 488	0.37 478	0.30 465	0.21 488	0.20 484	0.27 490	0.26 491	0.25 492	0.25 493
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
WCMA_ROB	0.24 441	0.11 357	0.24 414	0.17 180	0.14 424	0.34 468	0.16 255	0.33 410	0.33 381	0.39 471	0.54 482	0.40 468	0.35 472	0.35 470	0.26 441	0.12 414	0.12 441	0.12 418	0.11 411	0.14 443	0.14 442

psmorigin	0.25 447	0.16 432	0.35 463	0.17 180	0.13 408	0.24 417	0.14 127	0.34 424	0.34 392	0.41 478	0.55 483	0.41 471	0.38 478	0.35 470	0.28 453	0.11 388	0.15 467	0.11 399	0.11 411	0.12 414	0.17 474

Wz-Net-SNSev	0.26 457	0.17 442	0.46 477	0.25 452	0.14 424	0.26 435	0.24 434	0.38 457	0.57 483	0.30 444	0.56 484	0.39 462	0.26 430	0.24 422	0.32 475	0.10 357	0.09 393	0.10 369	0.11 411	0.11 399	0.11 396

EDNetEfficient	0.30 471	0.24 476	1.18 521	0.18 260	0.10 302	0.20 374	0.20 387	0.21 214	0.61 490	0.74 508	0.56 484	0.30 411	0.40 483	0.23 411	0.32 475	0.09 320	0.07 338	0.08 242	0.07 239	0.11 399	0.10 374

MFN_U_SF_RVC	0.33 478	0.22 471	0.58 492	0.31 486	0.15 439	0.36 476	0.17 281	0.54 500	0.46 460	0.47 490	0.56 484	0.58 496	0.39 479	0.36 474	0.38 489	0.15 454	0.15 467	0.18 474	0.21 481	0.16 466	0.16 465

FC-DCNN	0.33 478	0.28 484	0.28 430	0.26 461	0.23 485	0.38 482	0.29 478	0.40 465	0.44 449	0.46 488	0.56 484	0.51 489	0.41 484	0.38 482	0.31 470	0.21 488	0.20 484	0.27 490	0.26 491	0.25 492	0.24 491

FC-DCNN v2	0.33 478	0.28 484	0.28 430	0.26 461	0.23 485	0.39 484	0.29 478	0.41 470	0.44 449	0.46 488	0.57 488	0.51 489	0.41 484	0.38 482	0.30 465	0.21 488	0.20 484	0.27 490	0.26 491	0.25 492	0.24 491

WZ-Net	0.29 468	0.17 442	0.82 513	0.23 435	0.16 451	0.35 472	0.29 478	0.40 465	0.59 488	0.24 395	0.57 488	0.37 451	0.25 423	0.34 465	0.37 486	0.09 320	0.08 369	0.09 324	0.10 382	0.14 443	0.16 465

SGM-ForestM	0.33 478	0.12 375	0.17 322	0.16 114	0.11 354	0.42 488	0.20 387	0.43 481	0.53 479	0.53 494	0.57 488	1.41 525	0.44 493	0.42 493	0.29 460	0.14 450	0.16 472	0.16 463	0.16 466	0.12 414	0.13 426

MADNet+	0.76 514	0.72 516	3.76 533	0.67 511	0.41 504	0.99 524	0.97 531	0.72 511	0.75 508	0.52 493	0.58 491	0.64 501	0.68 511	0.89 523	1.04 529	0.35 504	0.36 506	0.28 496	0.23 488	0.38 504	0.33 504

MeshStereo	0.27 462	0.13 403	0.18 354	0.15 60	0.11 354	0.33 464	0.24 434	0.41 470	0.36 410	0.53 494	0.58 491	0.67 503	0.41 484	0.36 474	0.27 446	0.14 450	0.13 453	0.13 432	0.11 411	0.11 399	0.11 396
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
ACVNet_1	0.45 496	0.51 505	0.61 493	0.45 502	0.28 495	0.50 492	0.28 467	0.58 507	0.71 502	0.63 499	0.59 493	0.74 508	0.50 497	0.50 497	0.36 482	0.26 499	0.25 497	0.39 503	0.29 497	0.32 502	0.25 493

LSM	0.34 484	0.21 467	0.62 494	0.27 469	0.62 519	0.35 472	0.26 456	0.43 481	0.49 464	0.45 487	0.60 494	0.42 473	0.37 476	0.35 470	0.26 441	0.13 431	0.21 493	0.14 445	0.16 466	0.18 475	0.34 505

SPS-STEREO	0.58 506	0.59 509	0.66 497	0.45 502	0.55 512	0.65 504	0.44 508	0.63 509	0.51 470	0.69 502	0.65 495	0.66 502	0.58 506	0.62 509	0.62 513	0.62 519	0.47 514	0.51 508	0.49 510	0.55 510	0.58 515
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
RainbowNet	0.54 503	0.61 510	0.71 510	0.57 509	0.43 506	0.66 505	0.37 498	0.60 508	0.87 514	0.51 492	0.67 496	0.63 499	0.47 494	0.50 497	0.44 499	0.47 511	0.48 515	0.53 510	0.41 505	0.53 509	0.41 510

EDNetEfficientorigin	7.92 539	0.32 494	152.98 554	0.20 366	0.10 302	0.22 398	0.17 281	0.23 255	0.60 489	0.73 506	0.67 496	0.41 471	0.51 499	0.24 422	0.41 493	0.08 268	0.07 338	0.09 324	0.07 239	0.12 414	0.11 396

LE_ROB	0.50 501	0.07 105	0.14 222	0.15 60	0.08 99	0.26 435	0.17 281	0.23 255	1.71 532	4.68 536	0.67 496	0.46 483	0.47 494	0.21 387	0.30 465	0.07 209	0.06 270	0.06 73	0.06 150	0.08 285	0.06 159

MSMD_ROB	0.31 476	0.26 482	0.26 425	0.24 445	0.21 481	0.34 468	0.25 450	0.34 424	0.39 425	0.40 474	0.69 499	0.45 479	0.41 484	0.34 465	0.28 453	0.20 485	0.20 484	0.26 487	0.25 490	0.23 484	0.22 489

coex-ft	3.24 532	0.35 497	57.83 553	0.18 260	0.13 408	0.27 443	0.23 424	0.28 348	0.72 503	1.89 534	0.70 500	0.43 475	0.47 494	0.29 448	0.43 496	0.09 320	0.09 393	0.12 418	0.09 348	0.14 443	0.14 442

SGM+DAISY	0.57 505	0.58 507	0.67 501	0.41 498	0.55 512	0.68 507	0.51 511	0.57 502	0.46 460	0.67 500	0.70 500	0.69 506	0.57 505	0.64 510	0.58 511	0.59 517	0.49 516	0.50 507	0.50 512	0.52 507	0.59 518

MSC_U_SF_DS_RVC	0.44 494	0.39 500	0.56 487	0.40 497	0.20 479	0.66 505	0.33 495	0.54 500	0.72 503	0.71 504	0.72 502	0.62 498	0.55 501	0.52 499	0.47 503	0.20 485	0.19 483	0.29 497	0.30 499	0.24 490	0.19 482

Consistency-Raft	0.44 494	0.40 501	0.46 477	0.37 496	0.43 506	0.42 488	0.41 503	0.57 502	0.55 480	0.32 456	0.73 503	0.32 431	0.50 497	0.42 493	0.49 505	0.39 505	0.36 506	0.45 505	0.52 515	0.42 505	0.30 501

MFMNet_re	0.65 507	0.66 514	0.66 497	0.51 506	0.69 523	0.70 508	0.58 515	0.65 510	0.75 508	0.61 498	0.73 503	0.63 499	0.68 511	0.65 511	0.60 512	0.66 521	0.58 528	0.63 512	0.59 516	0.68 518	0.69 525

AnyNet_C01	0.37 485	0.26 482	1.41 524	0.22 416	0.17 463	0.51 494	0.28 467	0.36 443	0.40 430	0.39 471	0.75 505	0.46 483	0.39 479	0.46 495	0.50 506	0.13 431	0.13 453	0.13 432	0.14 447	0.14 443	0.16 465

PWCK	0.72 511	0.95 525	0.99 519	0.77 514	0.32 500	0.79 515	0.38 500	0.92 516	0.90 515	0.96 519	0.76 506	0.97 512	0.62 508	0.87 520	0.68 516	0.73 523	0.46 510	0.76 519	0.49 510	0.71 521	0.44 512

ELAS_RVC	0.42 492	0.29 491	0.33 454	0.28 475	0.24 488	0.56 498	0.38 500	0.50 494	0.61 490	0.74 508	0.76 506	0.67 503	0.56 503	0.55 503	0.42 495	0.22 491	0.21 493	0.27 490	0.26 491	0.27 497	0.26 496
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
JetBlue	0.73 513	0.46 504	1.21 522	0.52 507	0.47 508	2.16 533	0.67 521	0.78 512	0.72 503	0.70 503	0.79 508	1.21 518	0.84 518	1.06 529	1.04 529	0.40 506	0.28 500	0.33 500	0.33 502	0.30 498	0.34 505

PVD	0.40 489	0.21 467	0.40 469	0.32 489	0.23 485	0.30 458	0.45 509	0.53 499	0.97 517	0.55 496	0.80 509	0.54 494	0.60 507	0.53 501	0.40 492	0.19 480	0.14 463	0.17 465	0.14 447	0.24 490	0.32 503

ELAS	0.42 492	0.29 491	0.34 457	0.28 475	0.24 488	0.63 502	0.37 498	0.52 497	0.52 476	0.72 505	0.82 510	0.68 505	0.56 503	0.52 499	0.45 502	0.22 491	0.21 493	0.27 490	0.26 491	0.26 495	0.26 496
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
UNDER WATER-64	0.97 523	0.96 526	1.48 526	0.88 522	0.57 515	1.24 532	0.90 529	0.78 512	0.96 516	1.05 522	0.85 511	1.56 530	1.26 532	0.97 527	0.99 527	0.88 528	0.57 527	1.04 528	0.88 528	0.81 525	0.75 526

TorneroNet-64	0.76 514	0.73 517	0.77 511	0.78 516	0.58 517	0.94 523	0.58 515	0.85 515	1.26 522	0.67 500	0.88 512	1.41 525	0.76 515	0.87 520	0.68 516	0.49 512	0.46 510	0.73 516	0.59 516	0.68 518	0.54 514

UNDER WATER	0.99 525	1.00 527	1.47 525	1.00 526	0.71 526	1.18 531	0.86 527	0.81 514	1.09 519	1.02 521	0.90 513	1.53 529	1.26 532	1.06 529	1.02 528	0.79 526	0.54 522	1.02 527	0.88 528	0.83 526	0.75 526

NVStereoNet_ROB	0.47 499	0.37 498	0.47 480	0.42 500	0.29 498	0.35 472	0.35 496	0.50 494	0.61 490	0.73 506	0.94 514	0.70 507	0.68 511	0.48 496	0.62 513	0.22 491	0.33 505	0.34 501	0.34 504	0.30 498	0.31 502
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
tt	4.65 534	0.07 105	3.54 532	2.01 534	1.55 533	10.25 540	16.66 540	8.90 544	5.03 537	1.33 530	0.96 515	4.71 535	4.74 536	3.33 535	5.86 538	6.06 543	10.30 547	1.87 537	2.09 537	2.61 535	1.19 534

WAO-6	0.82 517	0.81 520	0.63 496	0.87 521	0.63 520	0.79 515	0.60 517	0.98 522	1.52 531	0.91 518	0.97 516	1.08 515	1.04 526	0.72 513	0.70 519	0.72 522	0.49 516	0.91 525	0.71 523	0.70 520	0.59 518

BEATNet-Init1	0.54 503	0.28 484	0.68 504	0.31 486	0.21 481	0.85 518	0.31 486	0.57 502	0.69 501	0.89 515	1.00 517	2.17 532	0.66 510	0.58 507	0.44 499	0.19 480	0.18 478	0.23 484	0.22 484	0.22 481	0.21 486

IMH-64-1	0.66 508	0.62 511	0.69 505	0.72 512	0.51 509	0.60 500	0.51 511	0.92 516	0.84 512	0.75 511	1.02 518	0.81 509	0.78 516	0.80 514	0.50 506	0.43 507	0.46 510	0.72 514	0.48 508	0.55 510	0.40 508

IMH-64	0.66 508	0.62 511	0.69 505	0.72 512	0.51 509	0.60 500	0.51 511	0.92 516	0.84 512	0.75 511	1.02 518	0.81 509	0.78 516	0.80 514	0.50 506	0.43 507	0.46 510	0.72 514	0.48 508	0.55 510	0.40 508

DPSimNet_ROB	1.14 528	1.25 531	0.87 517	1.15 530	0.90 530	1.15 530	1.18 532	1.20 533	1.26 522	1.45 531	1.05 520	1.44 528	1.13 530	0.92 524	1.70 532	1.47 534	0.52 521	1.22 531	1.04 533	0.92 527	1.03 532

IMH	0.72 511	0.65 513	0.70 508	0.77 514	0.54 511	0.71 509	0.56 514	0.99 524	1.08 518	0.82 514	1.09 521	0.89 511	0.88 520	0.88 522	0.53 510	0.44 510	0.50 519	0.75 517	0.51 513	0.58 513	0.42 511

ACVNet_2	0.67 510	0.68 515	0.70 508	0.64 510	0.41 504	0.75 513	0.50 510	0.98 522	1.38 527	0.90 516	1.09 521	1.04 513	0.74 514	0.55 503	0.48 504	0.43 507	0.40 508	0.53 510	0.45 507	0.48 506	0.36 507

TorneroNet	0.83 518	0.75 518	0.83 515	0.85 519	0.63 520	1.03 527	0.65 519	0.96 520	1.14 520	0.80 513	1.10 523	1.36 523	0.88 520	0.95 525	0.82 524	0.57 514	0.49 516	0.79 522	0.66 521	0.74 524	0.64 524

ktn	1.02 526	1.23 530	0.82 513	1.24 531	0.86 529	1.00 526	0.86 527	0.96 520	1.37 526	1.05 522	1.12 524	1.16 517	1.06 527	0.95 525	0.62 513	1.28 533	0.71 531	1.39 533	0.83 527	1.06 530	0.77 528

Dean	0.88 520	0.88 524	0.81 512	0.82 518	0.57 515	0.91 520	0.62 518	1.17 532	1.71 532	1.15 527	1.16 525	1.31 522	1.00 525	0.82 516	0.83 525	0.57 514	0.56 525	0.78 521	0.65 519	0.67 517	0.58 515

notaker	0.98 524	1.13 528	1.02 520	1.14 529	0.81 527	0.73 512	0.69 524	0.94 519	1.15 521	1.19 529	1.19 526	1.41 525	1.17 531	1.10 531	0.74 521	0.82 527	0.64 530	1.18 529	0.79 526	1.02 528	0.82 529

WAO-7	0.80 516	0.78 519	0.57 489	0.85 519	0.67 522	0.76 514	0.69 524	1.07 526	1.30 524	0.90 516	1.20 527	1.05 514	0.93 522	0.71 512	0.68 516	0.60 518	0.62 529	0.67 513	0.68 522	0.64 514	0.59 518

MANE	0.47 499	0.28 484	0.28 430	0.27 469	0.24 488	0.50 492	0.32 494	0.57 502	0.62 493	0.74 508	1.20 527	1.21 518	0.64 509	0.54 502	0.39 490	0.22 491	0.20 484	0.27 490	0.31 500	0.26 495	0.25 493

LVE	0.84 519	0.87 523	0.86 516	0.81 517	0.56 514	1.09 529	0.66 520	1.07 526	1.45 529	0.97 520	1.23 529	1.11 516	0.86 519	0.84 517	0.72 520	0.49 512	0.56 525	0.76 519	0.60 518	0.66 516	0.60 521

KSHMR	1.10 527	1.19 529	0.90 518	1.26 532	1.00 531	0.99 524	0.96 530	1.13 531	1.35 525	1.16 528	1.28 530	1.40 524	0.97 524	1.03 528	0.93 526	1.03 531	1.08 533	1.20 530	1.03 532	1.03 529	0.98 531

WAO-8	0.92 521	0.83 521	0.67 501	0.94 524	0.70 524	0.92 521	0.68 522	1.08 528	1.80 534	1.06 524	1.42 531	1.29 520	1.08 528	0.86 518	0.80 522	0.74 524	0.54 522	0.86 523	0.75 524	0.71 521	0.63 522

Venus	0.92 521	0.83 521	0.67 501	0.94 524	0.70 524	0.92 521	0.68 522	1.08 528	1.80 534	1.06 524	1.42 531	1.29 520	1.08 528	0.86 518	0.80 522	0.74 524	0.54 522	0.86 523	0.75 524	0.71 521	0.63 522

HanzoNet	1.31 529	1.29 532	1.22 523	1.13 528	0.85 528	1.05 528	0.84 526	1.06 525	1.47 530	1.66 532	1.63 533	2.48 534	1.78 534	1.63 533	1.69 531	1.27 532	0.80 532	1.32 532	1.02 531	1.07 531	0.90 530

JetRed	1.66 530	1.51 533	3.09 529	0.93 523	1.21 532	5.28 536	1.61 535	1.29 534	1.42 528	1.84 533	1.77 534	1.59 531	0.95 523	1.43 532	2.51 536	0.91 530	1.61 534	0.93 526	0.91 530	1.36 532	1.03 532

TCMNet-wrong-test	3.69 533	5.54 542	3.91 534	12.22 545	11.75 546	4.77 535	3.86 536	1.08 528	0.74 507	1.13 526	2.21 535	6.16 539	0.53 500	3.43 536	2.33 534	0.90 529	0.20 484	1.85 536	1.69 535	5.71 541	3.79 541

MADNet++	1.97 531	1.75 534	1.66 527	1.83 533	1.69 534	2.38 534	1.45 534	2.36 535	2.11 536	2.58 535	2.37 536	2.25 533	2.21 535	2.28 534	2.36 535	1.87 535	1.67 535	1.53 534	1.34 534	1.87 533	1.78 535

USTest	6.16 535	2.65 536	2.79 528	6.48 541	7.21 540	14.33 543	21.38 542	6.98 543	9.55 542	5.35 539	6.12 537	5.71 538	7.69 539	6.31 540	6.75 539	1.97 536	3.38 541	1.63 535	2.14 538	2.49 534	2.35 536

xxxxx1	7.75 536	5.06 539	7.26 536	3.15 535	3.91 536	16.37 544	22.88 545	5.87 540	8.68 539	7.99 540	8.55 538	9.13 542	8.46 540	10.05 542	10.47 540	2.43 537	2.48 537	3.56 540	12.26 544	3.48 536	3.02 538

tt_ll	7.75 536	5.06 539	7.26 536	3.15 535	3.91 536	16.37 544	22.88 545	5.87 540	8.68 539	7.99 540	8.55 538	9.13 542	8.46 540	10.05 542	10.47 540	2.43 537	2.48 537	3.56 540	12.26 544	3.48 536	3.02 538

ff	7.75 536	5.06 539	7.26 536	3.15 535	3.91 536	16.37 544	22.88 545	5.87 540	8.68 539	7.99 540	8.55 538	9.13 542	8.46 540	10.05 542	10.47 540	2.43 537	2.48 537	3.56 540	12.26 544	3.48 536	3.02 538

DPSMNet_ROB	8.06 540	4.50 537	8.69 543	5.36 540	10.74 543	8.32 538	22.71 543	5.47 538	13.38 544	5.13 537	9.98 541	5.10 536	10.47 543	5.53 538	12.77 544	3.80 541	8.00 542	3.49 538	6.95 541	3.75 540	7.09 543

DGTPSM_ROB	8.06 540	4.50 537	8.69 543	5.34 538	10.73 542	8.32 538	22.71 543	5.47 538	13.38 544	5.13 537	9.98 541	5.10 536	10.47 543	5.53 538	12.77 544	3.79 540	8.00 542	3.49 538	6.95 541	3.74 539	7.09 543

Anonymous_1	10.87 545	7.82 543	7.41 539	10.29 542	10.08 541	18.64 548	26.11 548	11.02 545	13.45 546	9.43 543	10.10 543	9.73 545	11.31 545	10.69 545	12.47 543	6.42 544	8.38 544	5.70 543	10.22 543	11.41 545	6.65 542

DPSM_ROB	11.10 546	8.47 544	7.95 540	10.84 543	11.58 544	19.10 549	26.50 549	12.02 546	14.09 547	10.38 544	10.91 544	10.39 546	11.92 546	11.67 546	13.39 546	6.99 545	8.79 545	5.82 544	6.92 539	6.97 542	7.31 545

DPSM	11.10 546	8.47 544	7.95 540	10.84 543	11.58 544	19.10 549	26.50 549	12.02 546	14.09 547	10.38 544	10.91 544	10.39 546	11.92 546	11.67 546	13.39 546	6.99 545	8.79 545	5.82 544	6.92 539	6.97 542	7.31 545

HaxPig	15.73 548	18.55 551	19.19 548	16.92 546	15.89 548	7.80 537	7.57 537	13.37 548	10.80 543	15.40 547	14.87 546	15.95 548	14.81 548	15.67 548	15.97 548	18.96 550	16.72 548	19.47 550	18.10 550	19.45 550	19.06 551

LRCNet_RVC	10.76 544	13.97 547	7.97 542	19.07 547	2.04 535	0.35 472	0.31 486	5.29 536	0.48 463	13.02 546	17.65 547	8.69 541	5.73 537	4.78 537	2.22 533	23.53 551	2.69 540	27.60 552	25.75 552	17.60 549	16.54 550

MEDIAN_ROB	20.38 549	24.05 552	23.36 550	21.18 548	21.62 549	10.51 541	8.17 538	17.68 549	15.46 549	20.04 549	19.65 548	20.30 549	20.16 549	21.17 549	21.03 549	23.81 552	21.77 552	24.98 551	23.75 551	25.01 551	23.94 552

LSM0	22.80 552	17.22 550	19.17 547	22.12 551	28.90 553	38.38 553	53.27 551	24.21 552	28.36 551	20.84 552	21.11 549	21.63 552	24.25 552	23.42 551	26.98 551	14.08 549	17.39 549	11.72 549	13.98 549	14.22 548	14.66 547

CasAABBNet	22.33 550	17.11 548	15.84 545	21.94 549	23.28 550	38.30 551	53.40 553	24.05 551	28.44 552	20.66 550	21.86 550	21.03 551	24.04 551	23.35 550	27.03 552	14.06 547	17.69 550	11.70 547	13.94 548	14.04 546	14.76 548

Selective-RAFT-Error	22.39 551	17.14 549	16.01 546	22.00 550	23.34 551	38.37 552	53.36 552	24.24 553	28.53 553	20.80 551	21.94 551	20.94 550	24.02 550	23.48 552	27.33 553	14.07 548	17.70 551	11.70 547	13.93 547	14.05 547	14.83 549

AVERAGE_ROB	24.89 553	29.12 553	27.98 551	24.83 552	24.59 552	17.82 547	11.61 539	21.45 550	19.91 550	25.04 553	24.38 552	25.06 553	25.31 553	24.69 553	22.86 550	29.74 553	27.09 553	28.97 553	27.94 553	30.07 552	29.35 553

PML	8.57 542	9.39 546	6.24 535	5.34 538	6.36 539	13.21 542	20.99 541	5.35 537	6.68 538	17.75 548	26.46 553	7.58 540	6.08 538	7.89 541	5.76 537	5.33 542	1.83 536	5.95 546	1.93 536	8.75 544	2.53 537

test_example2	97.69 554	92.93 554	45.57 552	96.02 553	109.84 554	88.44 554	93.70 554	25.54 554	94.63 554	130.46 555	126.87 554	58.93 554	75.48 554	87.99 554	77.94 554	150.16 554	221.11 554	76.29 554	98.21 554	108.42 554	95.33 554

ccccc		285.89 555		366.70 555	366.78 555	118.88 555		113.97 555		125.77 554		120.54 555		252.62 555		382.79 555	352.84 555	254.30 555	222.62 555	426.61 555

Low-res two-view benchmark