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

CREStereo++_RVC	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
s12784h	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

TANstereo	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

XX-TBD	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

CREStereo	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
PMTNet	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

MEDIAN_ROB	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

AVERAGE_ROB	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1

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

PWCDC_ROB	0.01 9	0.01 9	0.02 13	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9

coex-ft	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

fast-acv-ft	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

CBFPSM	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

iinet-f	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

MFN_U_SF_RVC	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

MSC_U_SF_DS_RVC	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

MFN_U_SF_DS_RVC	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

ADCMid	0.08 37	0.02 12	0.02 13	1.01 279	0.03 40	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.04 57	0.09 86	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

ADCS	0.09 38	0.02 12	0.04 31	0.90 259	0.06 88	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.14 107	0.36 221	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

AnyNet_C01	0.11 70	0.02 12	0.02 13	1.62 362	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.03 36	0.02 19	0.02 19	0.02 21	0.06 69	0.04 60	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.03 43

RYNet	0.02 14	0.02 12	0.02 13	0.03 25	0.03 40	0.03 36	0.02 19	0.02 19	0.02 20	0.03 36	0.02 19	0.02 19	0.03 44	0.03 33	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

LSM	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

LSM0	0.02 14	0.02 12	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

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

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

BEATNet_4x	0.11 70	0.03 27	0.03 28	1.60 360	0.03 40	0.03 36	0.03 40	0.03 38	0.03 47	0.03 36	0.03 44	0.03 38	0.03 44	0.05 65	0.03 39	0.03 30	0.03 28	0.03 34	0.03 46	0.03 39	0.03 43

ADCL	0.11 70	0.03 27	0.03 28	1.60 360	0.03 40	0.03 36	0.03 40	0.03 38	0.03 47	0.03 36	0.03 44	0.03 38	0.03 44	0.05 65	0.03 39	0.03 30	0.03 28	0.03 34	0.03 46	0.03 39	0.03 43

ADCRef	0.12 78	0.03 27	0.04 31	1.71 363	0.04 65	0.03 36	0.03 40	0.04 62	0.04 66	0.04 60	0.03 44	0.04 62	0.03 44	0.06 69	0.04 60	0.04 32	0.04 33	0.04 59	0.04 63	0.03 39	0.04 64

ADCPNet	0.10 49	0.03 27	0.04 31	1.27 349	0.03 40	0.04 62	0.03 40	0.03 38	0.03 47	0.04 60	0.03 44	0.04 62	0.03 44	0.08 85	0.04 60	0.04 32	0.03 28	0.03 34	0.03 46	0.03 39	0.03 43

GASNet	0.05 29	0.04 31	0.12 86	0.04 26	0.04 65	0.04 62	0.05 74	0.04 62	0.04 66	0.12 102	0.04 73	0.06 79	0.04 69	0.04 57	0.04 60	0.04 32	0.04 33	0.04 59	0.04 63	0.04 62	0.04 64

FADNet-RVC-Resample	0.12 78	0.04 31	0.04 31	0.04 26	0.04 65	0.04 62	0.04 65	0.04 62	0.04 66	0.04 60	0.04 73	0.04 62	0.04 69	0.04 57	1.57 396	0.04 32	0.04 33	0.04 59	0.05 77	0.04 62	0.06 83

FADNet_RVC	0.12 78	0.04 31	0.04 31	0.05 32	0.04 65	0.04 62	0.04 65	0.04 62	0.04 66	0.04 60	0.04 73	0.04 62	0.05 75	0.04 57	1.65 400	0.05 39	0.04 33	0.04 59	0.04 63	0.04 62	0.04 64

FADNet-RVC	0.13 83	0.04 31	0.04 31	0.04 26	0.04 65	0.04 62	0.05 74	0.04 62	0.04 66	0.04 60	0.05 81	0.04 62	0.05 75	0.04 57	1.71 403	0.04 32	0.04 33	0.04 59	0.04 63	0.07 84	0.04 64

AnyNet_C32	0.14 92	0.04 31	0.03 28	2.22 376	0.04 65	0.03 36	0.03 40	0.03 38	0.03 47	0.03 36	0.03 44	0.04 62	0.02 21	0.07 82	0.04 60	0.02 14	0.02 14	0.03 34	0.03 46	0.02 19	0.03 43

ADCP+	0.15 102	0.04 31	0.04 31	2.20 375	0.04 65	0.04 62	0.04 65	0.04 62	0.04 66	0.04 60	0.05 81	0.04 62	0.04 69	0.08 85	0.04 60	0.04 32	0.04 33	0.04 59	0.04 63	0.04 62	0.04 64

NVStereoNet_ROB	0.04 26	0.04 31	0.04 31	0.04 26	0.04 65	0.04 62	0.04 65	0.04 62	0.04 66	0.04 60	0.04 73	0.04 62	0.04 69	0.04 57	0.04 60	0.04 32	0.04 33	0.04 59	0.04 63	0.04 62	0.04 64
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
Wz-Net-TNSev	0.02 14	0.05 38	0.04 31	0.07 35	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.06 43	0.04 33	0.01 9	0.01 9	0.01 9	0.01 9

APVNet	0.09 38	0.05 38	0.04 31	0.05 32	0.04 65	0.05 72	0.90 310	0.06 76	0.04 66	0.05 74	0.04 73	0.05 74	0.04 69	0.05 65	0.04 60	0.05 39	0.04 33	0.05 69	0.04 63	0.05 74	0.05 78

EDNetEfficient	0.04 26	0.05 38	0.04 31	0.04 26	0.03 40	0.04 62	0.03 40	0.04 62	0.03 47	0.04 60	0.03 44	0.04 62	0.03 44	0.04 57	0.03 39	0.05 39	0.03 28	0.05 69	0.03 46	0.04 62	0.03 43

FADNet	0.12 78	0.05 38	0.04 31	0.04 26	0.04 65	0.04 62	0.04 65	0.04 62	0.04 66	0.04 60	0.04 73	0.04 62	0.05 75	0.04 57	1.66 401	0.06 43	0.04 33	0.04 59	0.04 63	0.04 62	0.04 64

EDNetEfficientorigin	0.04 26	0.06 42	0.04 31	0.05 32	0.04 65	0.05 72	0.04 65	0.05 72	0.04 66	0.05 74	0.04 73	0.05 74	0.04 69	0.05 65	0.04 60	0.05 39	0.03 28	0.06 75	0.03 46	0.04 62	0.03 43

GwcNet	0.12 78	0.07 43	0.05 44	0.08 37	0.05 80	0.08 84	1.20 336	0.07 84	0.05 79	0.05 74	0.05 81	0.08 85	0.05 75	0.08 85	0.03 39	0.07 45	0.05 43	0.06 75	0.05 77	0.07 84	0.05 78

AASNet	0.06 31	0.08 44	0.08 47	0.08 37	0.05 80	0.06 74	0.05 74	0.05 72	0.06 86	0.06 77	0.06 86	0.05 74	0.06 86	0.06 69	0.05 70	0.08 47	0.08 46	0.08 82	0.05 77	0.06 77	0.05 78

SACVNet	0.06 31	0.08 44	0.08 47	0.08 37	0.05 80	0.06 74	0.05 74	0.05 72	0.06 86	0.06 77	0.06 86	0.05 74	0.06 86	0.06 69	0.05 70	0.08 47	0.08 46	0.08 82	0.05 77	0.06 77	0.05 78

AACVNet	0.06 31	0.08 44	0.08 47	0.08 37	0.05 80	0.06 74	0.05 74	0.05 72	0.06 86	0.06 77	0.06 86	0.05 74	0.06 86	0.06 69	0.05 70	0.08 47	0.08 46	0.08 82	0.05 77	0.06 77	0.05 78

FINET	0.07 36	0.08 44	0.07 45	0.07 35	0.07 89	0.08 84	0.06 85	0.08 87	0.07 89	0.08 84	0.07 89	0.08 85	0.06 86	0.07 82	0.07 81	0.08 47	0.07 44	0.07 80	0.07 84	0.06 77	0.06 83

BEATNet-Init1	0.19 115	0.08 44	0.08 47	2.23 377	0.08 90	0.08 84	0.07 88	0.07 84	0.08 91	0.08 84	0.07 89	0.08 85	0.07 90	0.11 101	0.08 83	0.08 47	0.08 46	0.08 82	0.07 84	0.08 86	0.08 86

DeepPrunerF	0.19 115	0.08 44	0.08 47	2.23 377	0.08 90	0.08 84	0.07 88	0.07 84	0.08 91	0.08 84	0.07 89	0.08 85	0.07 90	0.11 101	0.08 83	0.08 47	0.08 46	0.08 82	0.07 84	0.08 86	0.08 86

Wz-Net-SNSev	0.03 25	0.09 50	0.07 45	0.09 41	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.09 53	0.07 44	0.01 9	0.01 9	0.01 9	0.01 9

SepStereo	0.09 38	0.09 50	0.10 56	0.09 41	0.09 92	0.09 88	0.09 90	0.10 89	0.08 91	0.10 88	0.09 92	0.09 89	0.09 93	0.09 88	0.08 83	0.09 53	0.08 46	0.09 87	0.08 88	0.09 89	0.08 86

AnonymousM	0.10 49	0.10 52	0.10 56	0.10 44	0.10 98	0.10 89	0.10 95	0.10 89	0.10 95	0.10 88	0.10 96	0.10 91	0.10 97	0.10 90	0.10 91	0.10 58	0.10 60	0.10 88	0.10 96	0.10 90	0.10 93

SuperB	0.21 123	0.10 52	2.51 410	0.12 67	0.09 92	0.10 89	0.09 90	0.08 87	0.07 89	0.10 88	0.09 92	0.09 89	0.07 90	0.07 82	0.07 81	0.07 45	0.08 46	0.07 80	0.07 84	0.08 86	0.07 85

PVD	0.10 49	0.10 52	0.10 56	0.10 44	0.10 98	0.10 89	0.10 95	0.10 89	0.10 95	0.10 88	0.10 96	0.10 91	0.10 97	0.10 90	0.10 91	0.10 58	0.10 60	0.10 88	0.10 96	0.10 90	0.10 93

SHD	0.10 49	0.10 52	0.10 56	0.10 44	0.10 98	0.10 89	0.10 95	0.10 89	0.10 95	0.10 88	0.10 96	0.10 91	0.10 97	0.10 90	0.10 91	0.10 58	0.10 60	0.10 88	0.10 96	0.10 90	0.10 93

SAMSARA	0.10 49	0.10 52	0.10 56	0.10 44	0.10 98	0.10 89	0.10 95	0.10 89	0.10 95	0.10 88	0.10 96	0.10 91	0.10 97	0.10 90	0.10 91	0.10 58	0.10 60	0.10 88	0.10 96	0.10 90	0.10 93

XQC	0.10 49	0.10 52	0.10 56	0.10 44	0.10 98	0.10 89	0.10 95	0.10 89	0.10 95	0.10 88	0.10 96	0.10 91	0.10 97	0.10 90	0.10 91	0.10 58	0.10 60	0.10 88	0.10 96	0.10 90	0.10 93

RTSC	0.10 49	0.10 52	0.10 56	0.10 44	0.10 98	0.10 89	0.10 95	0.10 89	0.10 95	0.10 88	0.10 96	0.10 91	0.10 97	0.10 90	0.10 91	0.10 58	0.10 60	0.10 88	0.10 96	0.10 90	0.10 93

RTS	0.10 49	0.10 52	0.10 56	0.10 44	0.10 98	0.10 89	0.10 95	0.10 89	0.10 95	0.10 88	0.10 96	0.10 91	0.10 97	0.10 90	0.10 91	0.10 58	0.10 60	0.10 88	0.10 96	0.10 90	0.10 93

RTSA	0.10 49	0.10 52	0.10 56	0.10 44	0.10 98	0.10 89	0.10 95	0.10 89	0.10 95	0.10 88	0.10 96	0.10 91	0.10 97	0.10 90	0.10 91	0.10 58	0.10 60	0.10 88	0.10 96	0.10 90	0.10 93

MADNet+	0.10 49	0.10 52	0.10 56	0.10 44	0.10 98	0.10 89	0.10 95	0.10 89	0.10 95	0.10 88	0.10 96	0.10 91	0.10 97	0.10 90	0.10 91	0.10 58	0.10 60	0.10 88	0.10 96	0.10 90	0.10 93

MADNet++	0.10 49	0.10 52	0.10 56	0.10 44	0.10 98	0.10 89	0.10 95	0.10 89	0.10 95	0.10 88	0.10 96	0.10 91	0.10 97	0.10 90	0.10 91	0.10 58	0.10 60	0.10 88	0.10 96	0.10 90	0.10 93

JetBlue	0.11 70	0.11 63	0.12 86	0.13 80	0.14 131	0.11 100	0.11 107	0.11 101	0.11 109	0.11 100	0.11 109	0.11 101	0.11 108	0.12 105	0.12 116	0.11 73	0.11 80	0.11 98	0.11 108	0.11 100	0.11 105

aanetorigin	0.13 83	0.11 63	0.11 75	0.11 61	0.11 112	0.11 100	0.11 107	0.11 101	0.11 109	0.11 100	0.12 119	0.11 101	0.11 108	0.11 101	0.11 102	0.11 73	0.11 80	0.14 105	0.11 108	0.49 238	0.11 105

JetRed	0.11 70	0.12 65	0.11 75	0.11 61	0.11 112	0.11 100	0.14 126	0.11 101	0.11 109	0.12 102	0.11 109	0.11 101	0.11 108	0.11 101	0.11 102	0.11 73	0.16 124	0.11 98	0.11 108	0.11 100	0.11 105

LRCNet_RVC	0.13 83	0.13 66	0.09 52	0.13 80	0.10 98	0.14 104	0.10 95	0.14 105	0.10 95	0.23 141	0.10 96	0.20 129	0.10 97	0.24 150	0.11 102	0.11 73	0.09 55	0.12 101	0.14 134	0.12 104	0.09 89

GMStereo	0.14 92	0.13 66	0.14 109	0.14 84	0.14 131	0.14 104	0.14 126	0.14 105	0.14 131	0.14 104	0.14 134	0.14 105	0.14 130	0.14 107	0.14 125	0.14 100	0.14 119	0.14 105	0.14 134	0.14 107	0.14 127
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
ac_64	0.22 125	0.13 66	0.19 136	0.23 122	0.10 98	0.26 157	1.02 323	0.14 105	0.10 95	0.28 158	0.14 134	0.17 121	0.19 151	0.28 167	0.09 86	0.22 137	0.16 124	0.23 147	0.17 150	0.11 100	0.12 119

DRN-Test	0.14 92	0.13 66	0.09 52	0.14 84	0.09 92	0.15 110	0.09 90	0.14 105	0.10 95	0.14 104	0.09 92	0.14 105	0.09 93	0.13 106	0.09 86	0.12 78	0.09 55	0.12 101	0.09 90	0.12 104	0.73 294

StereoDRNet	0.15 102	0.14 70	0.10 56	0.14 84	0.09 92	0.15 110	0.09 90	0.14 105	0.09 94	0.14 104	0.10 96	0.14 105	0.09 93	0.14 107	0.09 86	0.13 94	0.10 60	0.13 104	0.09 90	0.13 106	0.82 305

testlalala2	0.13 83	0.16 71	0.11 75	0.15 93	0.11 112	0.16 117	0.11 107	0.16 117	0.11 109	0.16 114	0.11 109	0.16 115	0.11 108	0.16 116	0.11 102	0.14 100	0.11 80	0.14 105	0.11 108	0.14 107	0.11 105

GMStereo_Zeroshot	0.16 109	0.16 71	0.16 124	0.16 101	0.16 145	0.16 117	0.16 132	0.16 117	0.16 141	0.16 114	0.16 142	0.16 115	0.16 139	0.16 116	0.16 138	0.16 116	0.16 124	0.16 119	0.16 137	0.16 120	0.16 128

testlalala_base	0.13 83	0.16 71	0.11 75	0.15 93	0.11 112	0.15 110	0.11 107	0.16 117	0.11 109	0.16 114	0.11 109	0.16 115	0.11 108	0.16 116	0.11 102	0.14 100	0.11 80	0.14 105	0.11 108	0.14 107	0.11 105

HSM	0.14 92	0.16 71	0.12 86	0.17 107	0.12 127	0.17 122	0.11 107	0.17 122	0.11 109	0.17 120	0.12 119	0.17 121	0.12 124	0.17 122	0.12 116	0.16 116	0.11 80	0.16 119	0.11 108	0.16 120	0.12 119

ELAS_RVC	0.14 92	0.16 71	0.10 56	0.15 93	0.10 98	0.18 124	0.11 107	0.19 125	0.11 109	0.19 124	0.12 119	0.18 124	0.11 108	0.19 126	0.12 116	0.14 100	0.08 46	0.14 105	0.09 90	0.15 117	0.09 89
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.13 83	0.16 71	0.11 75	0.15 93	0.09 92	0.18 124	0.11 107	0.18 124	0.11 109	0.17 120	0.11 109	0.18 124	0.11 108	0.18 124	0.11 102	0.14 100	0.08 46	0.14 105	0.08 88	0.14 107	0.09 89
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
SGM_RVC	0.15 102	0.17 77	0.11 75	0.18 108	0.11 112	0.19 127	0.11 107	0.19 125	0.12 127	0.19 124	0.12 119	0.20 129	0.12 124	0.19 126	0.12 116	0.16 116	0.11 80	0.17 124	0.10 96	0.17 123	0.10 93
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DeepPruner_ROB	0.16 109	0.18 78	0.13 105	0.19 111	0.13 130	0.19 127	0.13 125	0.19 125	0.13 130	0.19 124	0.13 131	0.19 127	0.13 128	0.19 126	0.13 122	0.18 127	0.13 117	0.18 131	0.13 132	0.18 126	0.13 125

IGEV_Zeroshot_test	0.20 117	0.19 79	0.40 211	0.30 141	0.17 146	0.22 138	0.17 133	0.21 133	0.17 143	0.20 127	0.17 144	0.21 136	0.18 146	0.21 138	0.17 139	0.20 130	0.16 124	0.20 135	0.16 137	0.20 130	0.17 134

ACVNet	0.20 117	0.19 79	0.14 109	0.20 112	0.14 131	0.20 129	0.96 317	0.21 133	0.14 131	0.20 127	0.13 131	0.21 136	0.14 130	0.20 129	0.14 125	0.17 120	0.12 93	0.17 124	0.12 124	0.17 123	0.12 119

acv_ft	0.20 117	0.19 79	0.14 109	0.20 112	0.14 131	0.20 129	0.96 317	0.21 133	0.14 131	0.20 127	0.13 131	0.21 136	0.14 130	0.20 129	0.14 125	0.17 120	0.12 93	0.17 124	0.12 124	0.17 123	0.12 119

LALA_ROB	0.15 102	0.19 79	0.12 86	0.18 108	0.11 112	0.20 129	0.12 122	0.21 133	0.12 127	0.20 127	0.12 119	0.20 129	0.12 124	0.21 138	0.13 122	0.17 120	0.10 60	0.18 131	0.11 108	0.18 126	0.11 105

model_zeroshot	0.27 141	0.20 83	0.27 161	0.33 151	0.21 162	0.37 191	0.22 153	0.37 181	0.24 161	0.26 155	0.27 186	0.33 174	0.21 159	0.25 153	0.27 175	0.32 173	0.20 144	0.34 186	0.23 162	0.25 144	0.26 163

ProNet	0.14 92	0.20 83	0.14 109	0.16 101	0.11 112	0.16 117	0.11 107	0.17 122	0.11 109	0.17 120	0.12 119	0.17 121	0.13 128	0.17 122	0.12 116	0.15 109	0.11 80	0.16 119	0.11 108	0.15 117	0.12 119

DAS	0.20 117	0.20 83	0.20 139	0.20 112	0.20 156	0.20 129	0.20 143	0.20 129	0.20 151	0.20 127	0.20 156	0.20 129	0.20 155	0.20 129	0.20 151	0.20 130	0.20 144	0.20 135	0.20 154	0.20 130	0.20 141

IPLG	0.13 83	0.20 83	0.14 109	0.15 93	0.11 112	0.14 104	0.11 107	0.14 105	0.11 109	0.14 104	0.11 109	0.14 105	0.11 108	0.14 107	0.11 102	0.15 109	0.12 93	0.14 105	0.11 108	0.14 107	0.11 105

IPLGR_C	0.14 92	0.20 83	0.12 86	0.15 93	0.11 112	0.14 104	0.15 129	0.14 105	0.11 109	0.15 110	0.12 119	0.14 105	0.11 108	0.16 116	0.11 102	0.15 109	0.12 93	0.14 105	0.12 124	0.15 117	0.12 119

MSKI-zero shot	0.24 131	0.21 88	0.49 244	0.65 235	0.18 151	0.22 138	0.17 133	0.23 140	0.18 144	0.21 135	0.17 144	0.23 144	0.28 192	0.23 146	0.18 145	0.21 134	0.16 124	0.21 137	0.16 137	0.21 133	0.16 128

CIPLG	0.13 83	0.21 88	0.12 86	0.16 101	0.11 112	0.15 110	0.11 107	0.14 105	0.11 109	0.15 110	0.12 119	0.15 114	0.11 108	0.14 107	0.11 102	0.15 109	0.12 93	0.14 105	0.11 108	0.14 107	0.11 105

MIPNet	0.14 92	0.21 88	0.17 128	0.16 101	0.11 112	0.15 110	0.12 122	0.14 105	0.11 109	0.16 114	0.11 109	0.14 105	0.11 108	0.14 107	0.11 102	0.14 100	0.12 93	0.14 105	0.11 108	0.14 107	0.11 105

ACRE	0.13 83	0.21 88	0.14 109	0.15 93	0.11 112	0.14 104	0.11 107	0.14 105	0.11 109	0.14 104	0.12 119	0.14 105	0.11 108	0.14 107	0.11 102	0.15 109	0.12 93	0.14 105	0.11 108	0.14 107	0.11 105

Pointernet	0.21 123	0.22 92	0.19 136	0.24 127	0.19 154	0.24 145	0.19 140	0.24 143	0.19 149	0.24 146	0.19 153	0.24 148	0.19 151	0.24 150	0.19 148	0.22 137	0.17 136	0.22 142	0.17 150	0.22 135	0.17 134

test_for_model	0.15 102	0.23 93	0.18 133	0.21 119	0.11 112	0.16 117	0.11 107	0.16 117	0.11 109	0.16 114	0.11 109	0.16 115	0.11 108	0.16 116	0.11 102	0.21 134	0.18 141	0.14 105	0.11 108	0.14 107	0.11 105

WAO-6	0.22 125	0.23 93	0.22 143	0.23 122	0.22 164	0.22 138	0.22 153	0.22 137	0.22 155	0.22 137	0.22 161	0.22 141	0.22 160	0.22 142	0.22 155	0.22 137	0.22 149	0.22 142	0.22 157	0.22 135	0.22 145

IMH-64-1	0.22 125	0.23 93	0.23 145	0.22 120	0.22 164	0.22 138	0.22 153	0.22 137	0.22 155	0.22 137	0.22 161	0.22 141	0.22 160	0.22 142	0.22 155	0.22 137	0.22 149	0.23 147	0.22 157	0.22 135	0.23 146

IMH-64	0.22 125	0.23 93	0.23 145	0.22 120	0.22 164	0.22 138	0.22 153	0.22 137	0.22 155	0.22 137	0.22 161	0.22 141	0.22 160	0.22 142	0.22 155	0.22 137	0.22 149	0.23 147	0.22 157	0.22 135	0.23 146

MIM_Stereo	0.25 132	0.23 93	0.66 265	0.80 249	0.17 146	0.22 138	0.17 133	0.23 140	0.18 144	0.26 155	0.17 144	0.21 136	0.17 141	0.25 153	0.17 139	0.23 147	0.16 124	0.21 137	0.17 150	0.22 135	0.17 134

iResNetv2_ROB	0.20 117	0.23 93	0.18 133	0.24 127	0.20 156	0.24 145	0.18 137	0.24 143	0.18 144	0.24 146	0.18 152	0.23 144	0.19 151	0.24 150	0.18 145	0.21 134	0.16 124	0.21 137	0.16 137	0.22 135	0.16 128

iResNet	0.20 117	0.23 93	0.18 133	0.24 127	0.18 151	0.24 145	0.20 143	0.24 143	0.18 144	0.23 141	0.17 144	0.23 144	0.18 146	0.23 146	0.18 145	0.22 137	0.16 124	0.21 137	0.16 137	0.21 133	0.16 128

Wz-Net-LNSev	0.06 31	0.24 100	0.20 139	0.23 122	0.01 9	0.02 18	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.23 147	0.21 146	0.02 18	0.01 9	0.01 9	0.01 9

IPLGR	0.14 92	0.24 100	0.14 109	0.16 101	0.12 127	0.15 110	0.12 122	0.14 105	0.11 109	0.15 110	0.12 119	0.14 105	0.11 108	0.14 107	0.11 102	0.15 109	0.12 93	0.14 105	0.11 108	0.14 107	0.11 105

UNDER WATER-64	0.25 132	0.26 102	0.25 155	0.26 137	0.25 175	0.25 150	0.25 166	0.25 147	0.25 166	0.25 148	0.25 175	0.25 152	0.25 169	0.26 163	0.25 169	0.25 156	0.25 156	0.25 153	0.25 175	0.25 144	0.25 157

CAS++	0.17 112	0.27 103	0.21 142	0.10 44	0.21 162	0.15 110	0.22 153	0.10 89	0.21 153	0.22 137	0.10 96	0.19 127	0.18 146	0.10 90	0.19 148	0.20 130	0.19 142	0.18 131	0.10 96	0.19 129	0.18 138
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
TorneroNet-64	0.45 209	0.27 103	0.30 171	0.58 228	0.27 185	0.70 283	0.30 192	0.28 154	0.73 303	0.73 283	0.28 192	0.71 283	0.66 284	0.75 286	0.27 175	0.27 160	0.29 179	0.37 206	0.75 305	0.28 151	0.30 196

LoS	0.25 132	0.27 103	0.25 155	0.25 131	0.25 175	0.25 150	0.25 166	0.26 151	0.25 166	0.25 148	0.25 175	0.25 152	0.25 169	0.25 153	0.25 169	0.26 157	0.25 156	0.25 153	0.26 182	0.26 146	0.25 157
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
DLNR_Zeroshot_test	0.31 149	0.28 106	0.47 236	0.79 247	0.24 173	0.30 164	0.26 173	0.30 159	0.24 161	0.32 167	0.23 164	0.31 170	0.24 166	0.30 171	0.23 160	0.29 168	0.26 160	0.29 166	0.24 170	0.33 164	0.23 146

SQANet	0.28 142	0.28 106	0.28 165	0.28 139	0.28 188	0.28 161	0.28 182	0.28 154	0.28 187	0.28 158	0.28 192	0.28 162	0.28 192	0.28 167	0.28 181	0.28 162	0.28 170	0.28 162	0.28 192	0.28 151	0.28 183

HGLStereo	0.28 142	0.29 108	0.22 143	0.36 158	0.22 164	0.36 186	0.21 148	0.36 175	0.21 153	0.42 219	0.21 160	0.36 187	0.22 160	0.36 189	0.21 153	0.34 178	0.21 146	0.34 186	0.21 155	0.34 168	0.21 142

DANet	0.30 146	0.30 109	0.30 171	0.30 141	0.30 203	0.30 164	0.30 192	0.30 159	0.30 200	0.30 161	0.30 204	0.30 168	0.30 202	0.30 171	0.30 195	0.30 169	0.30 187	0.30 168	0.30 209	0.30 156	0.30 196
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
AANet_RVC	1.26 362	0.31 110	4.99 435	5.93 426	0.20 156	0.25 150	0.20 143	0.25 147	0.20 151	0.23 141	0.19 153	0.25 152	0.20 155	0.25 153	0.20 151	5.66 434	4.76 427	0.26 156	0.30 209	0.24 143	0.27 171

gcap-zeroshot	0.35 168	0.32 111	0.37 200	0.49 212	0.39 244	0.33 177	0.21 148	0.26 151	0.35 218	0.42 219	0.34 217	0.49 248	0.29 196	0.47 240	0.39 235	0.34 178	0.17 136	0.38 213	0.23 162	0.48 234	0.34 214

iResNet_ROB	0.28 142	0.32 111	0.24 151	0.32 147	0.25 175	0.32 174	0.24 163	0.32 161	0.24 161	0.33 171	0.24 170	0.35 180	0.24 166	0.33 178	0.24 163	0.31 172	0.24 155	0.32 171	0.24 170	0.32 159	0.24 156

H2IRNET	0.34 162	0.34 113	0.34 193	0.34 153	0.34 224	0.34 179	0.34 213	0.34 168	0.34 215	0.34 173	0.34 217	0.34 179	0.34 215	0.34 180	0.34 216	0.34 178	0.34 198	0.34 186	0.34 226	0.34 168	0.34 214

MLCV	0.31 149	0.35 114	0.27 161	0.35 154	0.28 188	0.35 183	0.27 176	0.35 171	0.28 187	0.36 181	0.27 186	0.35 180	0.27 186	0.35 182	0.27 175	0.34 178	0.27 165	0.34 186	0.27 188	0.34 168	0.27 171

ETE_ROB	0.35 168	0.35 114	0.35 198	0.35 154	0.35 227	0.35 183	0.35 216	0.35 171	0.35 218	0.35 177	0.35 224	0.35 180	0.35 219	0.35 182	0.35 218	0.35 187	0.35 199	0.35 199	0.35 230	0.35 180	0.35 218

DN-CSS_ROB	0.31 149	0.35 114	0.28 165	0.35 154	0.28 188	0.34 179	0.27 176	0.34 168	0.25 166	0.35 177	0.27 186	0.36 187	0.26 178	0.34 180	0.28 181	0.35 187	0.28 170	0.34 186	0.28 192	0.34 168	0.27 171

RSM	0.36 172	0.36 117	0.43 225	0.37 161	0.42 259	0.49 252	0.42 250	0.37 181	0.28 187	0.36 181	0.29 194	0.36 187	0.30 202	0.37 193	0.28 181	0.34 178	0.31 191	0.34 186	0.35 230	0.40 205	0.29 187

Any-RAFT	0.32 157	0.36 117	0.27 161	0.36 158	0.27 185	0.36 186	0.27 176	0.36 175	0.27 184	0.36 181	0.27 186	0.36 187	0.27 186	0.36 189	0.28 181	0.36 191	0.28 170	0.36 204	0.28 192	0.36 186	0.28 183

RAFT-Test	0.36 172	0.37 119	0.33 186	0.41 190	0.32 209	0.41 217	0.32 197	0.41 207	0.32 205	0.41 208	0.32 208	0.41 215	0.32 208	0.41 218	0.33 203	0.37 195	0.29 179	0.37 206	0.29 201	0.38 195	0.31 201

XPNet_ROB	0.37 175	0.37 119	0.37 200	0.37 161	0.37 234	0.37 191	0.37 227	0.37 181	0.37 228	0.37 186	0.37 232	0.37 193	0.37 226	0.37 193	0.37 229	0.37 195	0.37 203	0.37 206	0.37 238	0.37 188	0.37 222

WAO-8	0.38 181	0.38 121	0.38 203	0.38 163	0.38 239	0.38 195	0.38 232	0.38 186	0.38 230	0.38 187	0.38 237	0.38 195	0.38 228	0.38 195	0.38 230	0.38 202	0.38 209	0.38 213	0.37 238	0.38 195	0.38 226

WAO-7	0.38 181	0.38 121	0.38 203	0.38 163	0.38 239	0.38 195	0.38 232	0.38 186	0.38 230	0.38 187	0.38 237	0.38 195	0.38 228	0.38 195	0.38 230	0.38 202	0.38 209	0.38 213	0.38 244	0.38 195	0.38 226

HanzoNet	0.39 186	0.38 121	0.40 211	0.39 168	0.41 251	0.38 195	0.38 232	0.38 186	0.38 230	0.39 192	0.39 241	0.38 195	0.38 228	0.39 202	0.40 238	0.38 202	0.38 209	0.40 223	0.38 244	0.38 195	0.40 231

Venus	0.38 181	0.38 121	0.38 203	0.38 163	0.38 239	0.37 191	0.38 232	0.37 181	0.37 228	0.41 208	0.37 232	0.39 199	0.37 226	0.38 195	0.38 230	0.37 195	0.38 209	0.38 213	0.37 238	0.37 188	0.38 226

IMH	0.38 181	0.38 121	0.38 203	0.38 163	0.38 239	0.38 195	0.38 232	0.38 186	0.38 230	0.42 219	0.38 237	0.40 205	0.38 228	0.38 195	0.38 230	0.38 202	0.38 209	0.39 219	0.38 244	0.38 195	0.38 226

DMCA	0.36 172	0.38 121	0.37 200	0.35 154	0.35 227	0.36 186	0.36 222	0.36 175	0.35 218	0.35 177	0.37 232	0.36 187	0.36 222	0.35 182	0.36 221	0.36 191	0.36 201	0.35 199	0.36 236	0.36 186	0.36 219

StereoDRNet-Refined	0.33 160	0.39 127	0.26 160	0.39 168	0.26 183	0.40 202	0.26 173	0.40 194	0.26 179	0.39 192	0.26 181	0.39 199	0.26 178	0.39 202	0.26 174	0.37 195	0.25 156	0.37 206	0.25 175	0.37 188	0.37 222
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DISCO	1.11 311	0.39 127	5.28 437	0.39 168	0.20 156	0.39 201	0.27 176	0.39 190	0.22 155	0.38 187	0.20 156	0.38 195	0.20 155	6.95 447	0.22 155	0.30 169	0.21 146	0.27 160	0.21 155	5.25 428	0.21 142

EKT-Stereo	0.37 175	0.40 129	0.44 227	1.07 282	0.29 194	0.34 179	0.31 196	0.36 175	0.29 190	0.38 187	0.31 207	0.37 193	0.30 202	0.36 189	0.29 188	0.34 178	0.28 170	0.39 219	0.30 209	0.37 188	0.30 196

knoymous	0.40 189	0.40 129	0.40 211	0.40 181	0.40 245	0.40 202	0.40 238	0.40 194	0.40 237	0.40 196	0.40 242	0.40 205	0.40 233	0.40 205	0.40 238	0.40 212	0.40 217	0.40 223	0.40 248	0.40 205	0.40 231

anonymousa	0.40 189	0.40 129	0.40 211	0.40 181	0.40 245	0.40 202	0.40 238	0.40 194	0.40 237	0.40 196	0.40 242	0.40 205	0.40 233	0.40 205	0.40 238	0.40 212	0.40 217	0.40 223	0.40 248	0.40 205	0.40 231

riskmin	0.40 189	0.40 129	0.40 211	0.40 181	0.40 245	0.40 202	0.40 238	0.40 194	0.40 237	0.40 196	0.40 242	0.40 205	0.40 233	0.40 205	0.40 238	0.40 212	0.40 217	0.40 223	0.40 248	0.40 205	0.40 231

Anonymous_2	0.40 189	0.40 129	0.40 211	0.40 181	0.40 245	0.40 202	0.40 238	0.40 194	0.40 237	0.40 196	0.40 242	0.40 205	0.40 233	0.40 205	0.40 238	0.40 212	0.40 217	0.40 223	0.40 248	0.40 205	0.40 231

Anonymous_1	0.40 189	0.40 129	0.40 211	0.40 181	0.40 245	0.40 202	0.40 238	0.40 194	0.40 237	0.40 196	0.40 242	0.40 205	0.40 233	0.40 205	0.40 238	0.40 212	0.40 217	0.40 223	0.40 248	0.40 205	0.40 231

AdaStereo	0.40 189	0.40 129	0.40 211	0.40 181	0.40 245	0.40 202	0.40 238	0.40 194	0.40 237	0.40 196	0.40 242	0.40 205	0.40 233	0.40 205	0.40 238	0.40 212	0.40 217	0.40 223	0.40 248	0.40 205	0.40 231
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.
iRaft-Stereo_20w	0.34 162	0.41 136	0.31 177	0.39 168	0.29 194	0.40 202	0.32 197	0.41 207	0.32 205	0.38 187	0.30 204	0.39 199	0.30 202	0.38 195	0.32 200	0.35 187	0.27 165	0.34 186	0.27 188	0.34 168	0.29 187

GwcNet-ADL	0.41 196	0.41 136	0.41 219	0.41 190	0.41 251	0.41 217	0.41 245	0.41 207	0.41 246	0.41 208	0.41 248	0.41 215	0.41 243	0.41 218	0.41 245	0.41 219	0.41 225	0.41 234	0.41 254	0.41 214	0.41 238

PSMNet-ADL	0.41 196	0.41 136	0.41 219	0.41 190	0.41 251	0.41 217	0.41 245	0.41 207	0.41 246	0.41 208	0.41 248	0.41 215	0.41 243	0.41 218	0.41 245	0.41 219	0.41 225	0.41 234	0.41 254	0.41 214	0.41 238

GANet-ADL	0.41 196	0.41 136	0.41 219	0.41 190	0.41 251	0.41 217	0.41 245	0.41 207	0.41 246	0.41 208	0.41 248	0.41 215	0.41 243	0.41 218	0.41 245	0.41 219	0.41 225	0.41 234	0.41 254	0.41 214	0.41 238

ADLNet2	0.41 196	0.41 136	0.41 219	0.41 190	0.41 251	0.41 217	0.41 245	0.41 207	0.41 246	0.41 208	0.41 248	0.41 215	0.41 243	0.41 218	0.41 245	0.41 219	0.41 225	0.41 234	0.41 254	0.41 214	0.41 238

ADLNet	0.41 196	0.41 136	0.41 219	0.41 190	0.41 251	0.41 217	0.41 245	0.41 207	0.41 246	0.41 208	0.41 248	0.41 215	0.41 243	0.41 218	0.41 245	0.41 219	0.41 225	0.41 234	0.41 254	0.41 214	0.41 238

DGSMNet	0.34 162	0.41 136	0.27 161	0.41 190	0.28 188	0.41 217	0.28 182	0.41 207	0.27 184	0.41 208	0.27 186	0.42 231	0.27 186	0.41 218	0.28 181	0.40 212	0.29 179	0.40 223	0.28 192	0.40 205	0.27 171

iRaft-Stereo_5w	0.34 162	0.42 143	0.31 177	0.39 168	0.30 203	0.38 195	0.30 192	0.40 194	0.29 190	0.40 196	0.37 232	0.41 215	0.34 215	0.38 195	0.30 195	0.34 178	0.27 165	0.34 186	0.26 182	0.34 168	0.26 163

IGEV++	0.34 162	0.43 144	0.30 171	0.40 181	0.29 194	0.40 202	0.29 187	0.40 194	0.29 190	0.40 196	0.29 194	0.40 205	0.29 196	0.40 205	0.30 195	0.38 202	0.29 179	0.37 206	0.29 201	0.37 188	0.29 187

Wz-Net-LNSev-Ref	0.11 70	0.44 145	0.33 186	0.39 168	0.02 20	0.03 36	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.39 209	0.36 201	0.02 18	0.02 20	0.02 19	0.02 19

IGEV-Stereo	0.35 168	0.44 145	0.45 229	0.49 212	0.30 203	0.37 191	0.30 192	0.36 175	0.30 200	0.36 181	0.29 194	0.36 187	0.29 196	0.36 189	0.30 195	0.46 234	0.39 214	0.32 171	0.24 170	0.32 159	0.25 157
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
GMOStereo	0.37 175	0.45 147	0.23 145	0.30 141	0.37 234	0.41 217	0.36 222	0.41 207	0.35 218	0.43 225	0.36 227	0.41 215	0.40 233	0.41 218	0.36 221	0.34 178	0.22 149	0.47 254	0.37 238	0.39 202	0.33 208

RAFT + AFF	0.31 149	0.45 147	0.34 193	0.39 168	0.28 188	0.38 195	0.33 204	0.29 157	0.31 202	0.30 161	0.30 204	0.29 167	0.27 186	0.29 170	0.30 195	0.28 162	0.29 179	0.29 166	0.29 201	0.27 149	0.32 205

otaku	0.46 211	0.46 149	0.46 231	0.46 202	0.46 263	0.46 242	0.46 255	0.46 229	0.46 254	0.46 230	0.46 261	0.46 236	0.46 252	0.46 236	0.46 257	0.46 234	0.46 233	0.46 250	0.46 264	0.46 224	0.46 249

Dean	0.46 211	0.46 149	0.46 231	0.46 202	0.46 263	0.46 242	0.46 255	0.46 229	0.46 254	0.47 235	0.46 261	0.46 236	0.46 252	0.46 236	0.46 257	0.46 234	0.46 233	0.46 250	0.46 264	0.46 224	0.46 249

ACVNet-4b	0.46 211	0.46 149	0.46 231	0.46 202	0.46 263	0.46 242	0.46 255	0.46 229	0.46 254	0.46 230	0.46 261	0.46 236	0.46 252	0.47 240	0.46 257	0.46 234	0.46 233	0.46 250	0.46 264	0.46 224	0.46 249

psmorigin	0.41 196	0.46 149	0.33 186	0.49 212	0.33 218	0.49 252	0.33 204	0.49 240	0.33 208	0.49 244	0.33 211	0.49 248	0.33 212	0.51 260	0.33 203	0.41 219	0.30 187	0.41 234	0.30 209	0.79 267	0.29 187

Ntro	0.47 216	0.47 153	0.46 231	0.46 202	0.46 263	0.47 246	0.47 260	0.46 229	0.47 259	0.46 230	0.46 261	0.47 241	0.46 252	0.47 240	0.47 261	0.47 239	0.46 233	0.46 250	0.46 264	0.46 224	0.46 249

HaxPig	0.47 216	0.47 153	0.47 236	0.49 212	0.47 269	0.47 246	0.47 260	0.47 234	0.47 259	0.47 235	0.47 268	0.47 241	0.47 260	0.47 240	0.47 261	0.47 239	0.47 239	0.47 254	0.47 270	0.47 231	0.48 257

UNDER WATER	0.47 216	0.47 153	0.47 236	0.47 207	0.47 269	0.47 246	0.47 260	0.47 234	0.47 259	0.47 235	0.47 268	0.47 241	0.46 252	0.47 240	0.47 261	0.47 239	0.47 239	0.47 254	0.46 264	0.47 231	0.47 255

LVE	0.47 216	0.47 153	0.47 236	0.47 207	0.49 273	0.47 246	0.47 260	0.47 234	0.49 266	0.47 235	0.47 268	0.47 241	0.46 252	0.47 240	0.47 261	0.47 239	0.47 239	0.48 262	0.47 270	0.47 231	0.47 255

ACVNet_1	0.46 211	0.47 153	0.46 231	0.46 202	0.46 263	0.46 242	0.46 255	0.46 229	0.47 259	0.46 230	0.46 261	0.46 236	0.46 252	0.46 236	0.46 257	0.46 234	0.46 233	0.47 254	0.46 264	0.46 224	0.46 249

CES	0.39 186	0.47 153	0.36 199	0.36 158	0.37 234	0.45 240	0.35 216	0.35 171	0.40 237	0.36 181	0.44 259	0.47 241	0.36 222	0.44 233	0.36 221	0.37 195	0.39 214	0.44 245	0.35 230	0.37 188	0.36 219

RainbowNet	0.48 220	0.48 159	0.48 240	0.48 210	0.48 271	0.48 250	0.48 266	0.48 238	0.48 265	0.48 239	0.48 271	0.48 246	0.48 261	0.48 246	0.48 266	0.48 243	0.48 242	0.48 262	0.48 272	0.48 234	0.48 257

notaker	0.48 220	0.49 160	0.48 240	0.48 210	0.48 271	0.48 250	0.48 266	0.48 238	0.49 266	0.48 239	0.48 271	0.48 246	0.48 261	0.48 246	0.48 266	0.48 243	0.48 242	0.48 262	0.48 272	0.48 234	0.49 260

ACVNet_2	0.49 223	0.49 160	0.49 244	0.49 212	0.49 273	0.49 252	0.49 268	0.49 240	0.49 266	0.49 244	0.49 274	0.49 248	0.49 265	0.49 252	0.49 268	0.49 246	0.49 244	0.49 265	0.49 274	0.49 238	0.49 260

KSHMR	0.66 240	0.50 162	0.48 240	1.15 291	0.52 279	0.49 252	0.51 271	0.49 240	0.71 299	0.67 278	0.50 276	1.16 330	1.11 319	0.66 277	0.52 272	0.49 246	0.49 244	0.51 269	0.66 291	0.50 242	1.14 333

WZ-Net	0.05 29	0.50 162	0.10 56	0.12 67	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.12 78	0.10 60	0.01 9	0.01 9	0.01 9	0.01 9

SANet	0.50 225	0.50 162	0.50 246	0.50 219	0.50 276	0.50 260	0.50 270	0.50 248	0.50 269	0.50 256	0.50 276	0.50 262	0.50 268	0.50 257	0.50 269	0.50 252	0.50 249	0.50 268	0.50 276	0.50 242	0.50 263

CASnet	0.35 168	0.51 165	0.44 227	0.32 147	0.31 207	0.24 145	0.34 213	0.36 175	0.25 166	0.31 163	0.37 232	0.30 168	0.33 212	0.25 153	0.45 253	0.37 195	0.37 203	0.33 179	0.35 230	0.34 168	0.37 222
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
Occ-G	1.12 312	0.52 166	3.72 430	3.50 398	0.50 276	0.56 269	0.47 260	0.54 256	0.46 254	0.54 262	0.41 248	0.54 265	0.42 248	0.52 263	0.42 250	3.42 407	4.02 423	0.52 271	0.45 263	0.51 244	0.44 247

AEACV	1.12 312	0.52 166	3.12 424	3.24 394	0.86 318	0.53 266	0.49 268	0.60 265	0.47 259	0.53 261	0.49 274	0.55 269	0.45 251	0.55 266	0.47 261	3.01 403	3.88 421	0.71 287	0.60 285	0.80 270	0.48 257

ktn	0.72 253	0.53 168	1.08 309	1.14 289	0.51 278	1.22 376	1.36 390	0.51 254	0.59 278	0.51 257	0.51 279	0.69 282	1.20 330	0.67 279	0.51 271	0.51 253	0.49 244	0.58 275	0.66 291	0.52 245	0.53 266

TorneroNet	0.66 240	0.53 168	0.50 246	0.50 219	0.64 294	1.06 317	0.70 291	0.50 248	0.51 273	0.49 244	0.69 300	0.49 248	0.50 268	0.48 246	1.15 331	0.71 273	0.49 244	1.14 327	1.08 326	0.49 238	0.49 260

ICVP	0.15 102	0.53 168	0.11 75	0.16 101	0.11 112	0.16 117	0.11 107	0.16 117	0.11 109	0.16 114	0.11 109	0.16 115	0.11 108	0.16 116	0.11 102	0.16 116	0.11 80	0.16 119	0.11 108	0.16 120	0.11 105
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
Wz-Net-MNSev	0.06 31	0.54 171	0.10 56	0.12 67	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.12 78	0.11 80	0.01 9	0.01 9	0.01 9	0.01 9

PSMNet_ROB	0.54 231	0.54 171	0.54 250	0.54 224	0.53 282	0.54 267	0.54 273	0.53 255	0.54 275	0.54 262	0.54 282	0.54 265	0.53 271	0.54 264	0.54 274	0.54 256	0.53 252	0.54 273	0.54 277	0.54 248	0.54 267

Selective-IGEV	0.51 227	0.55 173	0.45 229	0.69 238	0.45 262	0.61 276	0.45 254	0.50 248	0.40 237	0.56 267	0.44 259	0.55 269	0.40 233	0.72 283	0.67 288	0.59 259	0.46 233	0.45 247	0.34 226	0.46 224	0.37 222

FCDSN-DC	0.41 196	0.59 174	0.64 261	0.54 224	0.33 218	0.50 260	0.37 227	0.42 223	0.40 237	0.61 272	0.43 257	0.50 262	0.49 265	0.38 195	0.32 200	0.28 162	0.23 153	0.26 156	0.22 157	0.35 180	0.28 183
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
DispNO	1.00 301	0.63 175	0.43 225	3.45 397	0.44 261	0.65 280	0.43 252	0.64 268	0.43 251	0.64 275	0.43 257	0.64 277	3.03 410	0.64 275	0.43 252	4.55 415	0.43 230	0.63 278	0.43 261	0.63 251	0.43 244

LMCR-Stereo	0.65 238	0.63 175	0.65 264	0.65 235	0.65 296	0.66 281	0.63 280	0.58 262	0.65 286	0.63 274	0.64 291	0.65 280	0.65 281	0.66 277	0.66 287	0.66 266	0.64 264	0.65 281	0.67 294	0.68 254	0.73 294

AIO-Stereo	0.84 281	0.66 177	0.70 271	0.83 253	0.67 300	0.98 309	0.82 306	1.14 310	0.72 300	1.03 313	0.74 309	1.03 318	1.09 318	0.99 312	0.45 253	1.04 302	0.73 278	0.95 314	0.74 304	0.94 288	0.46 249

anonymity	0.63 237	0.69 178	0.56 251	0.71 242	0.56 283	0.71 285	0.56 274	0.71 274	0.56 276	0.72 282	0.56 283	0.71 283	0.56 273	0.71 282	0.58 278	0.68 268	0.55 253	0.68 283	0.55 278	0.68 254	0.54 267

CoDeX	0.15 102	0.70 179	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.01 9	0.02 19	0.67 288	0.02 14	0.69 271	0.75 290	0.01 9	0.02 19	0.02 19

RAFT-Stereo + iAFF	0.70 248	0.72 180	0.71 274	0.80 249	0.62 293	0.82 294	0.61 278	0.81 284	0.62 282	0.81 292	0.63 289	0.80 295	0.70 289	0.73 284	0.61 282	0.76 276	0.61 262	0.74 289	0.61 287	0.77 264	0.61 277

DSFCA	0.66 240	0.73 181	0.78 283	0.65 235	0.65 296	0.64 279	0.64 281	0.65 269	0.63 284	0.64 275	0.64 291	0.64 277	0.64 279	0.65 276	0.65 284	0.65 265	0.65 265	0.65 281	0.65 289	0.66 252	0.64 281

GCAP-BAT	0.33 160	0.78 182	0.32 181	0.38 163	0.25 175	0.34 179	0.25 166	0.34 168	0.26 179	0.34 173	0.25 175	0.35 180	0.26 178	0.35 182	0.27 175	0.36 191	0.30 187	0.32 171	0.24 170	0.32 159	0.26 163

SFCPSM	0.17 112	0.78 182	0.02 13	0.02 14	0.01 9	0.02 18	0.02 19	0.02 19	0.01 9	0.02 19	0.02 19	0.02 19	0.01 9	0.02 19	0.79 304	0.02 14	0.75 281	0.76 292	0.02 20	0.02 19	0.02 19

G-Net	0.79 265	0.79 184	0.79 286	0.79 247	0.79 314	0.79 291	0.79 301	0.79 279	0.79 309	0.79 289	0.79 313	0.79 294	0.79 299	0.79 288	0.79 304	0.79 278	0.79 284	0.79 295	0.79 309	0.79 267	0.79 301

DMCA-RVC	0.70 248	0.80 185	0.70 271	0.70 240	0.70 305	0.70 283	0.70 291	0.71 274	0.70 296	0.70 281	0.71 304	0.71 283	0.70 289	0.70 281	0.69 295	0.69 269	0.70 272	0.69 284	0.70 299	0.69 257	0.70 288

NaN_ROB	0.80 267	0.80 185	0.80 287	0.80 249	0.80 316	0.80 292	0.80 303	0.80 281	0.80 310	0.80 290	0.80 314	0.80 295	0.80 300	0.80 290	0.80 306	0.80 279	0.80 287	0.80 298	0.80 310	0.80 270	0.80 302

CSAN	0.80 267	0.80 185	0.80 287	0.80 249	0.80 316	0.80 292	0.80 303	0.80 281	0.80 310	0.80 290	0.80 314	0.80 295	0.80 300	0.80 290	0.80 306	0.80 279	0.80 287	0.80 298	0.80 310	0.80 270	0.80 302

testlalala	0.32 157	0.81 188	0.31 177	0.39 168	0.26 183	0.33 177	0.24 163	0.33 164	0.26 179	0.32 167	0.26 181	0.33 174	0.23 164	0.33 178	0.23 160	0.35 187	0.31 191	0.30 168	0.24 170	0.31 158	0.21 142

ARAFT	0.68 245	0.81 188	0.63 259	0.74 244	0.60 286	0.78 289	0.62 279	0.77 278	0.66 288	0.74 287	0.63 289	0.75 289	0.62 278	0.83 292	0.60 280	0.70 272	0.55 253	0.70 286	0.60 285	0.78 265	0.55 271

RSM++	0.76 260	0.82 190	0.66 265	0.85 256	0.64 294	0.85 295	0.71 294	0.94 298	0.64 285	0.87 294	0.67 296	0.87 300	0.65 281	0.84 293	0.65 284	0.81 282	0.70 272	0.79 295	0.71 302	0.83 275	0.70 288

Selective-RAFT-Error	0.88 285	0.84 191	0.98 302	0.86 257	0.97 329	0.88 298	0.95 316	0.84 285	0.99 326	0.92 300	0.82 316	0.84 299	0.98 309	0.87 297	0.97 318	0.81 282	0.83 290	0.79 295	0.82 313	0.79 267	0.85 307

AIO-Stereo-zeroshot	0.91 288	0.86 192	0.89 291	1.25 348	0.69 304	1.05 316	0.81 305	1.16 313	0.50 269	1.12 322	0.97 325	0.72 286	0.82 302	1.06 318	0.95 317	0.61 263	0.87 292	1.03 324	0.85 316	1.04 296	1.01 322

test_sample3	0.09 38	0.87 193	0.10 56	0.12 67	0.03 40	0.03 36	0.03 40	0.03 38	0.03 47	0.03 36	0.03 44	0.03 38	0.03 44	0.03 33	0.03 39	0.12 78	0.10 60	0.03 34	0.02 20	0.03 39	0.02 19

test_sample1	0.09 38	0.87 193	0.12 86	0.11 61	0.03 40	0.03 36	0.03 40	0.03 38	0.02 20	0.04 60	0.02 19	0.03 38	0.03 44	0.03 33	0.03 39	0.10 58	0.10 60	0.03 34	0.02 20	0.03 39	0.02 19

AFF-stereo	0.73 254	0.88 195	0.67 268	0.75 245	0.68 303	0.75 286	0.64 281	0.80 281	0.72 300	0.83 293	0.70 301	0.82 298	0.64 279	0.84 293	0.67 288	0.77 277	0.63 263	0.81 300	0.63 288	0.78 265	0.62 279

CASS	0.57 235	0.89 196	0.56 251	0.57 227	0.56 283	0.56 269	0.56 274	0.56 258	0.53 274	0.57 268	0.57 284	0.59 275	0.48 261	0.56 267	0.57 277	0.55 258	0.56 255	0.47 254	0.56 281	0.62 250	0.56 274
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
Selective-RAFT	0.89 287	0.89 196	0.72 275	1.16 296	0.78 313	1.06 317	0.82 306	0.87 286	0.97 324	1.00 308	0.91 320	0.90 304	1.00 310	0.89 300	0.93 316	0.83 285	0.83 290	0.82 302	0.82 313	0.81 273	0.82 305

UNet	0.29 145	0.90 198	0.10 56	0.14 84	0.10 98	0.14 104	0.10 95	0.91 291	0.69 293	0.14 104	0.11 109	0.14 105	0.11 108	0.14 107	0.10 91	0.12 78	0.09 55	0.12 101	0.09 90	0.88 279	0.76 299

xxxxx1	0.31 149	0.91 199	0.23 145	0.31 144	0.23 168	0.31 167	0.23 158	0.33 164	0.25 166	0.31 163	0.24 170	0.33 174	0.25 169	0.32 173	0.24 163	0.28 162	0.28 170	0.28 162	0.28 192	0.29 153	0.27 171

tt_ll	0.31 149	0.91 199	0.23 145	0.31 144	0.23 168	0.31 167	0.23 158	0.33 164	0.25 166	0.31 163	0.24 170	0.33 174	0.25 169	0.32 173	0.24 163	0.28 162	0.28 170	0.28 162	0.28 192	0.29 153	0.27 171

ff	0.31 149	0.91 199	0.23 145	0.31 144	0.23 168	0.31 167	0.23 158	0.33 164	0.25 166	0.31 163	0.24 170	0.33 174	0.25 169	0.32 173	0.24 163	0.28 162	0.28 170	0.28 162	0.28 192	0.29 153	0.27 171

DPSM_ROB	0.92 290	0.91 199	0.91 295	0.91 261	0.92 325	0.92 303	0.92 312	0.92 294	0.91 316	0.93 302	0.91 320	0.92 307	0.90 304	0.91 302	0.92 312	0.92 292	0.91 293	0.91 309	0.92 317	0.93 286	0.93 313

DPSM	0.92 290	0.91 199	0.91 295	0.91 261	0.92 325	0.92 303	0.92 312	0.92 294	0.91 316	0.93 302	0.91 320	0.92 307	0.90 304	0.91 302	0.92 312	0.92 292	0.91 293	0.91 309	0.92 317	0.93 286	0.93 313

AIO-Stereo-zeroshot1	0.75 256	0.92 204	0.85 290	0.96 272	0.59 285	1.27 379	0.44 253	0.59 263	0.69 293	0.91 298	0.68 297	0.55 269	0.61 277	1.06 318	0.83 309	0.62 264	0.70 272	0.90 307	0.41 254	0.89 280	0.56 274

pmcnn	0.92 290	0.92 204	0.92 297	0.92 264	0.92 325	0.92 303	0.92 312	0.92 294	0.92 320	0.92 300	0.92 323	0.92 307	0.92 306	0.92 305	0.92 312	0.92 292	0.92 295	0.92 311	0.92 317	0.92 285	0.92 312

tt1	0.31 149	0.93 206	0.24 151	0.33 151	0.23 168	0.31 167	0.24 163	0.32 161	0.24 161	0.32 167	0.23 164	0.32 172	0.25 169	0.32 173	0.24 163	0.27 160	0.26 160	0.27 160	0.26 182	0.27 149	0.27 171

tta	0.09 38	0.95 207	0.09 52	0.10 44	0.02 20	0.03 36	0.02 19	0.03 38	0.02 20	0.03 36	0.02 19	0.03 38	0.02 21	0.03 33	0.02 19	0.09 53	0.10 60	0.03 34	0.02 20	0.03 39	0.02 19

R-Stereo Train	0.81 272	0.96 208	0.67 268	0.95 269	0.67 300	0.95 306	0.68 288	0.95 300	0.68 290	0.95 306	0.68 297	0.96 312	0.68 287	0.96 310	0.68 291	0.94 296	0.68 267	0.94 312	0.68 295	0.94 288	0.68 286

RAFT-Stereo	0.81 272	0.96 208	0.67 268	0.95 269	0.67 300	0.95 306	0.68 288	0.95 300	0.68 290	0.95 306	0.68 297	0.96 312	0.68 287	0.96 310	0.68 291	0.94 296	0.68 267	0.94 312	0.68 295	0.94 288	0.68 286
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
test_sample6	0.09 38	0.97 210	0.10 56	0.10 44	0.03 40	0.03 36	0.02 19	0.03 38	0.02 20	0.03 36	0.03 44	0.03 38	0.02 21	0.03 33	0.02 19	0.10 58	0.10 60	0.03 34	0.02 20	0.03 39	0.02 19

Former-RAFT_DAM_RVC	0.49 223	0.98 211	0.64 261	0.84 254	0.46 263	0.45 240	0.35 216	0.47 234	0.47 259	0.45 229	0.34 217	0.46 236	0.48 261	0.46 236	0.35 218	0.39 209	0.71 276	0.39 219	0.35 230	0.41 214	0.41 238

dd	0.23 129	0.98 211	0.16 124	0.23 122	0.15 140	0.23 144	0.15 129	0.23 140	0.15 139	0.23 141	0.15 141	0.24 148	0.17 141	0.23 146	0.15 133	0.22 137	0.15 122	0.21 137	0.15 136	0.22 135	0.16 128

222	0.10 49	0.99 213	0.12 86	0.13 80	0.03 40	0.03 36	0.03 40	0.03 38	0.03 47	0.03 36	0.03 44	0.03 38	0.03 44	0.03 33	0.03 39	0.12 78	0.12 93	0.03 34	0.02 20	0.04 62	0.03 43

test_sample7	0.09 38	1.00 214	0.11 75	0.11 61	0.02 20	0.03 36	0.03 40	0.03 38	0.03 47	0.04 60	0.03 44	0.03 38	0.03 44	0.03 33	0.03 39	0.12 78	0.12 93	0.03 34	0.03 46	0.03 39	0.03 43

ACVNet-DCA	0.37 175	1.00 214	0.30 171	0.40 181	0.29 194	0.40 202	0.29 187	0.40 194	0.29 190	0.40 196	0.29 194	0.40 205	0.29 196	0.39 202	0.28 181	0.33 175	0.32 193	0.33 179	0.32 218	0.33 164	0.32 205

GANet	1.00 301	1.00 214	1.00 304	1.00 276	1.00 330	1.00 311	1.00 319	1.00 302	1.00 327	1.00 308	1.00 326	1.00 314	1.00 310	1.00 313	1.00 321	1.00 298	1.00 298	1.00 319	1.00 321	1.00 292	1.00 319

TDLM	1.00 301	1.00 214	1.00 304	1.00 276	1.00 330	1.00 311	1.00 319	1.00 302	1.00 327	1.00 308	1.00 326	1.00 314	1.00 310	1.00 313	1.00 321	1.00 298	1.00 298	1.00 319	1.00 321	1.00 292	1.00 319

CVANet_RVC	1.00 301	1.00 214	1.00 304	1.00 276	1.00 330	1.00 311	1.00 319	1.00 302	1.00 327	1.00 308	1.00 326	1.00 314	1.00 310	1.00 313	1.00 321	1.00 298	1.00 298	1.00 319	1.00 321	1.00 292	1.00 319

DGTPSM_ROB	0.93 294	1.00 214	0.92 297	0.94 267	0.96 328	0.91 302	0.92 312	0.91 291	0.96 323	0.91 298	0.96 324	0.93 310	0.92 306	0.94 306	0.92 312	0.92 292	0.92 295	0.90 307	0.92 317	0.94 288	0.91 311

trnet	1.01 305	1.01 220	1.01 307	1.01 279	1.01 334	1.01 314	1.01 322	1.01 305	1.01 330	1.01 312	1.01 329	1.01 317	1.01 316	1.01 316	1.01 324	1.01 301	1.01 301	1.01 322	1.01 324	1.01 295	1.01 322

SMFormer	0.09 38	1.01 220	0.09 52	0.09 41	0.03 40	0.03 36	0.02 19	0.03 38	0.02 20	0.03 36	0.02 19	0.03 38	0.02 21	0.03 33	0.02 19	0.09 53	0.09 55	0.03 34	0.02 20	0.03 39	0.02 19

xxx	0.09 38	1.01 220	0.10 56	0.10 44	0.03 40	0.03 36	0.03 40	0.03 38	0.02 20	0.03 36	0.03 44	0.03 38	0.02 21	0.03 33	0.02 19	0.10 58	0.10 60	0.03 34	0.02 20	0.03 39	0.03 43

GLC_STEREO	1.07 307	1.01 220	1.06 308	1.07 282	1.05 335	1.06 317	1.08 325	1.08 307	1.05 332	1.07 315	1.06 330	1.08 320	1.05 317	1.06 318	1.10 326	1.07 304	1.09 309	1.05 325	1.05 325	1.06 297	1.12 329

1test111	0.37 175	1.02 224	0.30 171	0.39 168	0.29 194	0.40 202	0.28 182	0.39 190	0.29 190	0.39 192	0.29 194	0.39 199	0.28 192	0.40 205	0.29 188	0.33 175	0.32 193	0.33 179	0.31 214	0.32 159	0.31 201

cc1	0.37 175	1.02 224	0.30 171	0.39 168	0.29 194	0.40 202	0.28 182	0.39 190	0.29 190	0.39 192	0.29 194	0.39 199	0.28 192	0.40 205	0.29 188	0.33 175	0.32 193	0.33 179	0.31 214	0.32 159	0.31 201

test_sample4	0.10 49	1.03 226	0.12 86	0.10 44	0.03 40	0.03 36	0.03 40	0.03 38	0.03 47	0.03 36	0.03 44	0.03 38	0.03 44	0.03 33	0.03 39	0.13 94	0.13 117	0.03 34	0.03 46	0.03 39	0.03 43

test_sample2	0.09 38	1.03 226	0.11 75	0.11 61	0.03 40	0.03 36	0.03 40	0.03 38	0.02 20	0.03 36	0.02 19	0.03 38	0.02 21	0.03 33	0.02 19	0.09 53	0.09 55	0.03 34	0.02 20	0.03 39	0.02 19

xx1	0.38 181	1.03 226	0.31 177	0.40 181	0.31 207	0.41 217	0.28 182	0.40 194	0.29 190	0.40 196	0.29 194	0.40 205	0.29 196	0.40 205	0.29 188	0.34 178	0.33 197	0.34 186	0.32 218	0.34 168	0.32 205

dad	0.23 129	1.03 226	0.16 124	0.23 122	0.15 140	0.24 145	0.15 129	0.24 143	0.16 141	0.23 141	0.16 142	0.24 148	0.16 139	0.23 146	0.15 133	0.22 137	0.16 124	0.22 142	0.16 137	0.22 135	0.16 128

DualNet (step1)	0.10 49	1.05 230	0.12 86	0.12 67	0.03 40	0.03 36	0.03 40	0.03 38	0.03 47	0.04 60	0.02 19	0.03 38	0.03 44	0.03 33	0.03 39	0.12 78	0.12 93	0.03 34	0.03 46	0.03 39	0.03 43

test_sample9	0.10 49	1.05 230	0.12 86	0.12 67	0.03 40	0.03 36	0.03 40	0.03 38	0.03 47	0.04 60	0.02 19	0.03 38	0.03 44	0.03 33	0.03 39	0.12 78	0.12 93	0.03 34	0.03 46	0.03 39	0.03 43

test_sample8	0.10 49	1.05 230	0.12 86	0.12 67	0.03 40	0.03 36	0.03 40	0.03 38	0.03 47	0.03 36	0.03 44	0.03 38	0.03 44	0.03 33	0.03 39	0.12 78	0.12 93	0.03 34	0.03 46	0.03 39	0.03 43

test_sample5	0.10 49	1.07 233	0.11 75	0.10 44	0.03 40	0.03 36	0.03 40	0.03 38	0.03 47	0.03 36	0.03 44	0.03 38	0.03 44	0.03 33	0.03 39	0.10 58	0.10 60	0.03 34	0.03 46	0.04 62	0.03 43

DualNet	0.10 49	1.07 233	0.11 75	0.10 44	0.03 40	0.03 36	0.03 40	0.03 38	0.03 47	0.03 36	0.03 44	0.03 38	0.03 44	0.03 33	0.03 39	0.10 58	0.10 60	0.03 34	0.03 46	0.04 62	0.03 43

ttt	0.10 49	1.09 235	0.12 86	0.12 67	0.03 40	0.03 36	0.03 40	0.03 38	0.03 47	0.03 36	0.03 44	0.03 38	0.03 44	0.03 33	0.03 39	0.12 78	0.12 93	0.03 34	0.02 20	0.03 39	0.02 19

test_xeample	0.10 49	1.09 235	0.13 105	0.12 67	0.03 40	0.03 36	0.03 40	0.04 62	0.03 47	0.03 36	0.03 44	0.03 38	0.03 44	0.03 33	0.03 39	0.14 100	0.14 119	0.03 34	0.03 46	0.03 39	0.03 43

FC-DCNN	1.07 307	1.09 235	0.98 302	0.89 258	0.52 279	1.41 386	0.91 311	1.21 366	1.24 390	1.96 390	2.05 415	1.91 390	1.30 383	1.27 380	1.08 325	0.80 279	0.60 258	0.58 275	0.41 254	0.68 254	0.54 267

MSMD_ROB	1.19 314	1.10 238	0.70 271	1.10 284	0.60 286	1.10 322	0.70 291	1.10 309	0.70 296	1.10 317	0.70 301	1.10 324	0.70 289	7.00 448	0.70 298	1.10 307	0.70 272	1.10 326	0.70 299	1.10 299	0.70 288

1111x	0.10 49	1.14 239	0.13 105	0.14 84	0.03 40	0.04 62	0.03 40	0.03 38	0.03 47	0.03 36	0.03 44	0.03 38	0.03 44	0.03 33	0.03 39	0.13 94	0.11 80	0.03 34	0.02 20	0.03 39	0.02 19

LoS_RVC	0.30 146	1.14 239	0.25 155	0.25 131	0.25 175	0.26 157	0.25 166	0.25 147	0.25 166	0.25 148	0.25 175	0.26 160	0.26 178	0.26 163	0.25 169	0.26 157	0.26 160	0.25 153	0.25 175	0.26 146	0.26 163

x	0.11 70	1.15 241	0.15 123	0.14 84	0.03 40	0.03 36	0.03 40	0.03 38	0.03 47	0.04 60	0.03 44	0.03 38	0.03 44	0.03 33	0.03 39	0.14 100	0.15 122	0.03 34	0.03 46	0.03 39	0.03 43

xxxx	0.11 70	1.16 242	0.16 124	0.12 67	0.03 40	0.03 36	0.03 40	0.03 38	0.03 47	0.03 36	0.03 44	0.03 38	0.03 44	0.03 33	0.03 39	0.13 94	0.16 124	0.03 34	0.04 63	0.04 62	0.04 64

CAS	0.30 146	1.17 243	0.25 155	0.25 131	0.25 175	0.26 157	0.25 166	0.25 147	0.26 179	0.25 148	0.25 175	0.25 152	0.25 169	0.25 153	0.25 169	0.26 157	0.26 160	0.26 156	0.25 175	0.26 146	0.25 157

HSM-Net_RVC	0.95 297	1.17 243	0.78 283	1.18 298	0.71 306	1.16 329	0.75 298	1.09 308	0.80 310	1.10 317	0.75 310	1.17 331	0.74 294	1.17 330	0.80 306	1.13 313	0.73 278	1.17 333	0.77 306	1.16 304	0.72 292
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
DPSimNet_ROB	0.97 298	1.18 245	0.81 289	1.10 284	0.91 324	1.02 315	0.82 306	1.04 306	0.91 316	1.03 313	0.86 317	1.28 381	0.82 302	1.03 317	0.89 311	1.17 315	0.81 289	1.02 323	0.82 313	1.08 298	0.81 304

psm_up	0.43 205	1.19 246	0.17 128	0.25 131	0.18 151	0.25 150	0.19 140	1.26 370	0.91 316	0.26 155	0.17 144	0.25 152	0.17 141	0.25 153	0.17 139	0.22 137	0.17 136	0.23 147	0.16 137	1.18 310	0.99 317

DisPM	1.20 315	1.20 247	1.20 321	1.20 300	1.20 346	1.20 330	1.20 336	1.20 321	1.20 342	1.20 328	1.20 339	1.20 333	1.20 330	1.20 332	1.20 338	1.20 317	1.20 322	1.20 337	1.20 337	1.20 313	1.20 338

CrosDoStereo	1.20 315	1.20 247	1.20 321	1.20 300	1.20 346	1.20 330	1.20 336	1.20 321	1.20 342	1.20 328	1.20 339	1.20 333	1.20 330	1.20 332	1.20 338	1.20 317	1.20 322	1.20 337	1.20 337	1.20 313	1.20 338

PFNet+	1.20 315	1.20 247	1.20 321	1.20 300	1.20 346	1.20 330	1.20 336	1.20 321	1.20 342	1.20 328	1.20 339	1.20 333	1.20 330	1.20 332	1.20 338	1.20 317	1.20 322	1.20 337	1.20 337	1.20 313	1.20 338

LCNet	1.20 315	1.20 247	1.20 321	1.20 300	1.20 346	1.20 330	1.20 336	1.20 321	1.20 342	1.20 328	1.20 339	1.20 333	1.20 330	1.20 332	1.20 338	1.20 317	1.20 322	1.20 337	1.20 337	1.20 313	1.20 338

HHNet	1.20 315	1.20 247	1.20 321	1.20 300	1.20 346	1.20 330	1.20 336	1.20 321	1.20 342	1.20 328	1.20 339	1.20 333	1.20 330	1.20 332	1.20 338	1.20 317	1.20 322	1.20 337	1.20 337	1.20 313	1.20 338

Patchmatch Stereo++	1.20 315	1.20 247	1.20 321	1.20 300	1.20 346	1.20 330	1.20 336	1.20 321	1.20 342	1.20 328	1.20 339	1.20 333	1.20 330	1.20 332	1.20 338	1.20 317	1.20 322	1.20 337	1.20 337	1.20 313	1.20 338
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
AAGNet	1.20 315	1.20 247	1.20 321	1.20 300	1.20 346	1.20 330	1.20 336	1.20 321	1.20 342	1.20 328	1.20 339	1.20 333	1.20 330	1.20 332	1.20 338	1.20 317	1.20 322	1.20 337	1.20 337	1.20 313	1.20 338

STrans-v2	1.20 315	1.20 247	1.20 321	1.20 300	1.20 346	1.20 330	1.20 336	1.20 321	1.20 342	1.20 328	1.20 339	1.20 333	1.20 330	1.20 332	1.20 338	1.20 317	1.20 322	1.20 337	1.20 337	1.20 313	1.20 338

TransformOpticalFlow	1.20 315	1.20 247	1.20 321	1.20 300	1.20 346	1.20 330	1.20 336	1.20 321	1.20 342	1.20 328	1.20 339	1.20 333	1.20 330	1.20 332	1.20 338	1.20 317	1.20 322	1.20 337	1.20 337	1.20 313	1.20 338

OMP-Stereo	1.20 315	1.20 247	1.20 321	1.20 300	1.20 346	1.20 330	1.20 336	1.20 321	1.20 342	1.20 328	1.20 339	1.20 333	1.20 330	1.20 332	1.20 338	1.20 317	1.20 322	1.20 337	1.20 337	1.20 313	1.20 338

IIG-Stereo	1.20 315	1.20 247	1.20 321	1.20 300	1.20 346	1.20 330	1.20 336	1.20 321	1.20 342	1.20 328	1.20 339	1.20 333	1.20 330	1.20 332	1.20 338	1.20 317	1.20 322	1.20 337	1.20 337	1.20 313	1.20 338

NF-Stereo	1.20 315	1.20 247	1.20 321	1.20 300	1.20 346	1.20 330	1.20 336	1.20 321	1.20 342	1.20 328	1.20 339	1.20 333	1.20 330	1.20 332	1.20 338	1.20 317	1.20 322	1.20 337	1.20 337	1.20 313	1.20 338

OCTAStereo	1.20 315	1.20 247	1.20 321	1.20 300	1.20 346	1.20 330	1.20 336	1.20 321	1.20 342	1.20 328	1.20 339	1.20 333	1.20 330	1.20 332	1.20 338	1.20 317	1.20 322	1.20 337	1.20 337	1.20 313	1.20 338

PSM-softLoss	1.20 315	1.20 247	1.20 321	1.20 300	1.20 346	1.20 330	1.20 336	1.20 321	1.20 342	1.20 328	1.20 339	1.20 333	1.20 330	1.20 332	1.20 338	1.20 317	1.20 322	1.20 337	1.20 337	1.20 313	1.20 338

KMStereo	1.20 315	1.20 247	1.20 321	1.20 300	1.20 346	1.20 330	1.20 336	1.20 321	1.20 342	1.20 328	1.20 339	1.20 333	1.20 330	1.20 332	1.20 338	1.20 317	1.20 322	1.20 337	1.20 337	1.20 313	1.20 338

NRIStereo	1.20 315	1.20 247	1.20 321	1.20 300	1.20 346	1.20 330	1.20 336	1.20 321	1.20 342	1.20 328	1.20 339	1.20 333	1.20 330	1.20 332	1.20 338	1.20 317	1.20 322	1.20 337	1.20 337	1.20 313	1.20 338

PSM-adaLoss	1.20 315	1.20 247	1.20 321	1.20 300	1.20 346	1.20 330	1.20 336	1.20 321	1.20 342	1.20 328	1.20 339	1.20 333	1.20 330	1.20 332	1.20 338	1.20 317	1.20 322	1.20 337	1.20 337	1.20 313	1.20 338

PSM-AAD	1.20 315	1.20 247	1.20 321	1.20 300	1.20 346	1.20 330	1.20 336	1.20 321	1.20 342	1.20 328	1.20 339	1.20 333	1.20 330	1.20 332	1.20 338	1.20 317	1.20 322	1.20 337	1.20 337	1.20 313	1.20 338

FTStereo	1.20 315	1.20 247	1.20 321	1.20 300	1.20 346	1.20 330	1.20 336	1.20 321	1.20 342	1.20 328	1.20 339	1.20 333	1.20 330	1.20 332	1.20 338	1.20 317	1.20 322	1.20 337	1.20 337	1.20 313	1.20 338

ROB_FTStereo_v2	1.20 315	1.20 247	1.20 321	1.20 300	1.20 346	1.20 330	1.20 336	1.20 321	1.20 342	1.20 328	1.20 339	1.20 333	1.20 330	1.20 332	1.20 338	1.20 317	1.20 322	1.20 337	1.20 337	1.20 313	1.20 338

ROB_FTStereo	1.20 315	1.20 247	1.20 321	1.20 300	1.20 346	1.20 330	1.20 336	1.20 321	1.20 342	1.20 328	1.20 339	1.20 333	1.20 330	1.20 332	1.20 338	1.20 317	1.20 322	1.20 337	1.20 337	1.20 313	1.20 338

Consistency-Raft	1.20 315	1.20 247	1.20 321	1.20 300	1.20 346	1.20 330	1.20 336	1.20 321	1.20 342	1.20 328	1.20 339	1.20 333	1.20 330	1.20 332	1.20 338	1.20 317	1.20 322	1.20 337	1.20 337	1.20 313	1.20 338

KYRaft	1.20 315	1.20 247	1.20 321	1.20 300	1.20 346	1.20 330	1.20 336	1.20 321	1.20 342	1.20 328	1.20 339	1.20 333	1.20 330	1.20 332	1.20 338	1.20 317	1.20 322	1.20 337	1.20 337	1.20 313	1.20 338

HUI-Stereo	1.20 315	1.20 247	1.20 321	1.20 300	1.20 346	1.20 330	1.20 336	1.20 321	1.20 342	1.20 328	1.20 339	1.20 333	1.20 330	1.20 332	1.20 338	1.20 317	1.20 322	1.20 337	1.20 337	1.20 313	1.20 338

ASMatch	1.20 315	1.20 247	1.20 321	1.20 300	1.20 346	1.20 330	1.20 336	1.20 321	1.20 342	1.20 328	1.20 339	1.20 333	1.20 330	1.20 332	1.20 338	1.20 317	1.20 322	1.20 337	1.20 337	1.20 313	1.20 338

DeepStereo_LL	1.20 315	1.20 247	1.20 321	1.20 300	1.20 346	1.20 330	1.20 336	1.20 321	1.20 342	1.20 328	1.20 339	1.20 333	1.20 330	1.20 332	1.20 338	1.20 317	1.20 322	1.20 337	1.20 337	1.20 313	1.20 338

DEmStereo	1.20 315	1.20 247	1.20 321	1.20 300	1.20 346	1.20 330	1.20 336	1.20 321	1.20 342	1.20 328	1.20 339	1.20 333	1.20 330	1.20 332	1.20 338	1.20 317	1.20 322	1.20 337	1.20 337	1.20 313	1.20 338

SST-Stereo	1.20 315	1.20 247	1.20 321	1.20 300	1.20 346	1.20 330	1.20 336	1.20 321	1.20 342	1.20 328	1.20 339	1.20 333	1.20 330	1.20 332	1.20 338	1.20 317	1.20 322	1.20 337	1.20 337	1.20 313	1.20 338

THIR-Stereo	1.20 315	1.20 247	1.20 321	1.20 300	1.20 346	1.20 330	1.20 336	1.20 321	1.20 342	1.20 328	1.20 339	1.20 333	1.20 330	1.20 332	1.20 338	1.20 317	1.20 322	1.20 337	1.20 337	1.20 313	1.20 338

RAFT_R40	1.20 315	1.20 247	1.20 321	1.20 300	1.20 346	1.20 330	1.20 336	1.20 321	1.20 342	1.20 328	1.20 339	1.20 333	1.20 330	1.20 332	1.20 338	1.20 317	1.20 322	1.20 337	1.20 337	1.20 313	1.20 338

DRaft	1.20 315	1.20 247	1.20 321	1.20 300	1.20 346	1.20 330	1.20 336	1.20 321	1.20 342	1.20 328	1.20 339	1.20 333	1.20 330	1.20 332	1.20 338	1.20 317	1.20 322	1.20 337	1.20 337	1.20 313	1.20 338

PFNet	1.20 315	1.20 247	1.20 321	1.20 300	1.20 346	1.20 330	1.20 336	1.20 321	1.20 342	1.20 328	1.20 339	1.20 333	1.20 330	1.20 332	1.20 338	1.20 317	1.20 322	1.20 337	1.20 337	1.20 313	1.20 338

GrayStereo	1.20 315	1.20 247	1.20 321	1.20 300	1.20 346	1.20 330	1.20 336	1.20 321	1.20 342	1.20 328	1.20 339	1.20 333	1.20 330	1.20 332	1.20 338	1.20 317	1.20 322	1.20 337	1.20 337	1.20 313	1.20 338

RE-Stereo	1.20 315	1.20 247	1.20 321	1.20 300	1.20 346	1.20 330	1.20 336	1.20 321	1.20 342	1.20 328	1.20 339	1.20 333	1.20 330	1.20 332	1.20 338	1.20 317	1.20 322	1.20 337	1.20 337	1.20 313	1.20 338

Pruner-Stereo	1.20 315	1.20 247	1.20 321	1.20 300	1.20 346	1.20 330	1.20 336	1.20 321	1.20 342	1.20 328	1.20 339	1.20 333	1.20 330	1.20 332	1.20 338	1.20 317	1.20 322	1.20 337	1.20 337	1.20 313	1.20 338

TVStereo	1.20 315	1.20 247	1.20 321	1.20 300	1.20 346	1.20 330	1.20 336	1.20 321	1.20 342	1.20 328	1.20 339	1.20 333	1.20 330	1.20 332	1.20 338	1.20 317	1.20 322	1.20 337	1.20 337	1.20 313	1.20 338

DeepStereo_RVC	1.20 315	1.20 247	1.20 321	1.20 300	1.20 346	1.20 330	1.20 336	1.20 321	1.20 342	1.20 328	1.20 339	1.20 333	1.20 330	1.20 332	1.20 338	1.20 317	1.20 322	1.20 337	1.20 337	1.20 313	1.20 338

RAFT-RH_RVC	1.20 315	1.20 247	1.20 321	1.20 300	1.20 346	1.20 330	1.20 336	1.20 321	1.20 342	1.20 328	1.20 339	1.20 333	1.20 330	1.20 332	1.20 338	1.20 317	1.20 322	1.20 337	1.20 337	1.20 313	1.20 338

IRAFT_RVC	1.20 315	1.20 247	1.20 321	1.20 300	1.20 346	1.20 330	1.20 336	1.20 321	1.20 342	1.20 328	1.20 339	1.20 333	1.20 330	1.20 332	1.20 338	1.20 317	1.20 322	1.20 337	1.20 337	1.20 313	1.20 338

RAFT-345	1.20 315	1.20 247	1.20 321	1.20 300	1.20 346	1.20 330	1.20 336	1.20 321	1.20 342	1.20 328	1.20 339	1.20 333	1.20 330	1.20 332	1.20 338	1.20 317	1.20 322	1.20 337	1.20 337	1.20 313	1.20 338

iRAFT	1.20 315	1.20 247	1.20 321	1.20 300	1.20 346	1.20 330	1.20 336	1.20 321	1.20 342	1.20 328	1.20 339	1.20 333	1.20 330	1.20 332	1.20 338	1.20 317	1.20 322	1.20 337	1.20 337	1.20 313	1.20 338

CRE-IMP	1.20 315	1.20 247	1.20 321	1.20 300	1.20 346	1.20 330	1.20 336	1.20 321	1.20 342	1.20 328	1.20 339	1.20 333	1.20 330	1.20 332	1.20 338	1.20 317	1.20 322	1.20 337	1.20 337	1.20 313	1.20 338

GMM-Stereo	1.20 315	1.20 247	1.20 321	1.20 300	1.20 346	1.20 330	1.20 336	1.20 321	1.20 342	1.20 328	1.20 339	1.20 333	1.20 330	1.20 332	1.20 338	1.20 317	1.20 322	1.20 337	1.20 337	1.20 313	1.20 338

RAFT-IKP	1.20 315	1.20 247	1.20 321	1.20 300	1.20 346	1.20 330	1.20 336	1.20 321	1.20 342	1.20 328	1.20 339	1.20 333	1.20 330	1.20 332	1.20 338	1.20 317	1.20 322	1.20 337	1.20 337	1.20 313	1.20 338

Prome-Stereo	1.20 315	1.20 247	1.20 321	1.20 300	1.20 346	1.20 330	1.20 336	1.20 321	1.20 342	1.20 328	1.20 339	1.20 333	1.20 330	1.20 332	1.20 338	1.20 317	1.20 322	1.20 337	1.20 337	1.20 313	1.20 338

UPFNet	0.42 204	1.20 247	0.17 128	0.24 127	0.17 146	0.25 150	0.17 133	1.19 318	0.90 315	0.25 148	0.17 144	0.24 148	0.17 141	0.25 153	0.17 139	0.22 137	0.17 136	0.22 142	0.16 137	1.15 302	0.93 313

delet	0.43 205	1.21 293	0.17 128	0.25 131	0.17 146	0.25 150	0.18 137	1.26 370	0.95 322	0.25 148	0.17 144	0.25 152	0.17 141	0.25 153	0.17 139	0.23 147	0.16 124	0.22 142	0.16 137	1.18 310	0.98 316

CroCo-Stereo	0.73 254	1.22 294	0.25 155	1.22 345	0.25 175	1.22 376	0.25 166	1.22 367	0.25 166	1.22 374	0.25 175	1.22 379	0.25 169	1.22 378	0.25 169	1.22 363	0.26 160	1.21 382	0.25 175	1.22 360	0.25 157
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
WCG-NET（raft）	0.32 157	1.24 295	0.24 151	0.32 147	0.24 173	0.32 174	0.23 158	0.32 161	0.24 161	0.32 167	0.24 170	0.32 172	0.24 166	0.32 173	0.24 163	0.30 169	0.23 153	0.30 168	0.23 162	0.30 156	0.23 146

MMNet	0.44 208	1.24 295	0.17 128	0.25 131	0.17 146	0.25 150	0.18 137	1.26 370	0.93 321	0.25 148	0.17 144	0.25 152	0.18 146	0.25 153	0.17 139	0.23 147	0.16 124	0.23 147	0.16 137	1.20 313	0.99 317

WCG-NET	0.40 189	1.29 297	0.24 151	0.32 147	0.25 175	0.32 174	0.27 176	0.44 228	0.46 254	0.35 177	0.26 181	0.35 180	0.27 186	0.35 182	0.45 253	0.42 232	0.25 156	0.62 277	0.25 175	0.48 234	0.26 163

CroCo-Stereo Lap2	0.77 261	1.29 297	0.29 167	1.27 349	0.29 194	1.27 379	0.26 173	1.26 370	0.26 179	1.26 375	0.26 181	1.27 380	0.26 178	1.26 379	0.27 175	1.27 365	0.27 165	1.27 385	0.27 188	1.27 362	0.27 171

CSP-Net	0.34 162	1.29 297	1.19 318	1.36 354	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	1.26 364	1.21 368	0.03 34	0.09 90	0.02 19	0.09 89

Syn2CoEx	0.25 132	1.31 300	0.74 278	0.92 264	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.03 38	0.02 21	0.02 19	0.02 19	0.87 290	0.75 281	0.02 18	0.02 20	0.02 19	0.02 19

CC-Net-ROB	1.36 365	1.33 301	1.33 373	1.36 354	1.38 398	1.36 383	1.33 387	1.37 376	1.34 393	1.35 377	1.36 392	1.38 383	1.34 384	1.38 382	1.38 392	1.35 370	1.38 379	1.33 386	1.35 387	1.43 366	1.34 391

MaskLacGwcNet_RVC	1.35 364	1.35 302	1.35 376	1.35 353	1.35 395	1.35 382	1.35 389	1.36 375	1.35 395	1.36 378	1.35 391	1.36 382	1.36 385	1.36 381	1.35 390	1.35 370	1.35 376	1.35 387	1.35 387	1.35 364	1.35 392

PML	0.46 211	1.36 303	0.29 167	0.58 228	0.30 203	0.57 273	0.29 187	0.57 260	0.29 190	0.57 268	0.29 194	0.57 273	0.29 196	0.56 267	0.29 188	0.52 254	0.30 187	0.53 272	0.31 214	0.53 247	0.30 196

PS-NSSS	1.38 367	1.39 304	1.34 374	1.34 352	1.35 395	1.38 384	1.37 395	1.35 374	1.38 398	1.34 376	1.34 390	1.39 384	1.38 387	1.70 385	1.40 393	1.36 372	1.36 377	1.36 389	1.37 390	1.37 365	1.36 393

Gwc-CoAtRS	0.41 196	1.49 305	0.32 181	0.42 198	0.32 209	0.41 217	0.32 197	0.41 207	0.33 208	0.41 208	0.32 208	0.41 215	0.32 208	0.41 218	0.32 200	0.39 209	0.28 170	0.39 219	0.28 192	0.40 205	0.28 183

FENet	0.54 231	1.52 306	1.19 318	1.41 357	0.23 168	0.35 183	0.23 158	0.35 171	0.23 160	0.34 173	0.23 164	0.35 180	0.23 164	0.35 182	0.23 160	1.40 373	1.07 303	0.32 171	0.23 162	0.33 164	0.23 146

CFNet-ft	0.55 233	1.57 307	0.14 109	0.20 112	0.14 131	0.20 129	2.53 413	1.61 379	0.14 131	0.20 127	0.14 134	0.20 129	0.14 130	0.20 129	0.14 125	0.17 120	0.12 93	0.17 124	0.12 124	1.56 370	1.24 386

DPSMNet_ROB	1.60 371	1.59 308	1.70 391	1.59 359	1.59 402	1.61 388	1.61 399	1.60 378	1.60 401	1.62 386	1.59 400	1.60 387	1.60 391	1.60 384	1.59 397	1.59 378	1.60 385	1.59 394	1.59 399	1.59 371	1.59 399

RASNet	1.49 368	1.65 309	1.45 384	1.38 356	1.43 400	1.47 387	1.36 390	1.38 377	1.36 396	1.39 379	1.60 401	1.45 385	1.45 389	1.51 383	2.21 410	1.53 377	1.36 377	1.36 389	1.36 389	1.66 372	1.36 393

CRFU-Net	0.65 238	1.67 310	1.22 368	1.96 370	0.27 185	0.41 217	0.27 176	0.41 207	0.27 184	0.40 196	0.26 181	0.41 215	0.27 186	0.40 205	0.27 175	1.80 383	1.62 386	0.34 186	0.23 162	0.33 164	0.23 146

gwcnet-sp	0.82 276	1.72 311	1.48 385	0.39 168	0.15 140	0.31 167	0.21 148	0.20 129	0.25 166	1.61 383	0.23 164	0.28 162	0.26 178	0.20 129	0.15 133	0.24 152	1.33 373	0.32 171	0.16 137	6.75 435	0.23 146

scenet	0.82 276	1.72 311	1.48 385	0.39 168	0.15 140	0.31 167	0.21 148	0.20 129	0.25 166	1.61 383	0.23 164	0.28 162	0.26 178	0.20 129	0.15 133	0.24 152	1.33 373	0.32 171	0.16 137	6.75 435	0.23 146

ssnet	0.82 276	1.72 311	1.48 385	0.39 168	0.15 140	0.31 167	0.21 148	0.20 129	0.25 166	1.61 383	0.23 164	0.28 162	0.26 178	0.20 129	0.15 133	0.24 152	1.33 373	0.32 171	0.16 137	6.75 435	0.23 146

HBP-ISP	1.24 361	1.72 311	1.65 389	1.15 291	0.76 311	1.40 385	0.88 309	1.67 383	1.02 331	1.69 387	1.38 394	1.69 388	1.21 376	1.87 387	1.21 383	1.05 303	0.79 284	0.97 317	0.80 310	1.19 312	0.75 298

LL-Strereo2	0.48 220	1.73 315	0.51 248	0.59 230	0.34 224	0.42 233	0.33 204	0.40 194	0.31 202	0.42 219	0.33 211	0.42 231	0.31 207	0.44 233	0.39 235	0.60 260	0.51 250	0.44 245	0.33 224	0.44 221	0.33 208

test_xeample3	1.10 309	1.81 316	0.61 257	0.84 254	0.49 273	0.77 287	0.66 284	0.92 294	1.40 399	0.68 280	0.46 261	0.78 292	0.54 272	1.72 386	1.48 395	1.34 369	1.52 383	1.35 387	1.67 402	1.33 363	1.55 398

mmm	0.14 92	1.83 317	0.12 86	0.11 61	0.03 40	0.03 36	0.03 40	0.03 38	0.04 66	0.03 36	0.03 44	0.03 38	0.03 44	0.06 69	0.04 60	0.12 78	0.11 80	0.05 69	0.04 63	0.05 74	0.04 64

hknet	1.10 309	1.85 318	3.49 427	4.48 404	0.02 20	0.42 233	0.06 85	0.41 207	0.02 20	0.48 239	0.03 44	0.41 215	0.03 44	0.42 230	0.03 39	4.39 413	4.19 424	0.33 179	0.23 162	0.34 168	0.27 171

DCRE	0.84 281	1.89 319	0.77 282	0.94 267	0.72 308	0.88 298	0.73 296	0.87 286	0.78 306	0.90 296	0.71 304	0.88 301	0.67 286	0.88 298	0.73 300	0.81 282	0.68 267	0.81 300	0.70 299	0.82 274	0.70 288

RAFT-Stereo-weight	0.45 209	1.90 320	0.34 193	0.42 198	0.36 232	0.43 237	0.35 216	0.42 223	0.34 215	0.42 219	0.34 217	0.44 234	0.34 215	0.41 218	0.34 216	0.38 202	0.32 193	0.38 213	0.32 218	0.38 195	0.33 208

BUS	0.83 279	1.91 321	0.92 297	4.48 404	0.02 20	0.40 202	0.04 65	0.41 207	0.02 20	0.48 239	0.03 44	0.41 215	0.05 75	0.03 33	0.05 70	1.97 389	4.19 424	0.33 179	0.23 162	0.34 168	0.27 171

BSDual-CNN	0.81 272	1.91 321	0.92 297	4.48 404	0.02 20	0.42 233	0.06 85	0.41 207	0.02 20	0.48 239	0.03 44	0.02 19	0.02 21	0.03 33	0.02 19	1.97 389	4.19 424	0.33 179	0.23 162	0.34 168	0.27 171

psmg	0.43 205	1.91 321	0.92 297	1.91 367	0.02 20	0.02 18	0.03 40	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.03 33	0.02 19	1.97 389	1.44 381	0.04 59	0.03 46	0.02 19	0.03 43

GANet-RSSM	0.75 256	1.91 321	0.14 109	0.47 207	0.14 131	0.21 136	3.21 433	2.30 398	0.14 131	0.46 230	0.14 134	0.23 144	0.18 146	0.21 138	0.14 125	0.18 127	0.27 165	0.37 206	0.13 132	2.13 382	2.12 409

MFMNet_re	1.81 378	1.91 321	1.71 392	1.95 369	1.70 405	1.95 394	1.70 402	1.96 386	1.74 404	1.97 391	1.72 404	1.95 391	1.71 394	1.97 390	1.71 403	1.86 384	1.62 386	1.85 395	1.66 401	1.86 375	1.64 400

SPS-STEREO	1.59 370	1.91 321	1.21 367	1.94 368	1.20 346	2.00 395	1.23 383	1.99 387	1.24 390	2.00 392	1.25 388	2.03 393	1.26 379	2.00 391	1.29 388	1.90 388	1.18 321	1.89 397	1.21 382	1.89 377	1.20 338
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
GANetREF_RVC	1.55 369	1.94 327	1.22 368	1.88 365	1.21 392	1.88 393	1.22 382	1.88 384	1.22 388	1.88 388	1.22 385	1.88 389	1.22 377	1.89 388	1.22 384	1.87 385	1.22 369	1.88 396	1.22 383	1.88 376	1.22 384
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
ssnet_v2	0.68 245	1.96 328	1.25 372	0.29 140	0.20 156	0.30 164	0.20 143	0.29 157	0.22 155	1.50 381	0.20 156	0.31 170	0.20 155	0.27 165	0.22 155	0.24 152	1.49 382	0.26 156	0.18 153	3.90 400	0.19 140

qqq	0.16 109	2.01 329	0.12 86	0.15 93	0.04 65	0.06 74	0.05 74	0.06 76	0.04 66	0.06 77	0.03 44	0.06 79	0.03 44	0.06 69	0.03 39	0.12 78	0.14 119	0.04 59	0.04 63	0.03 39	0.03 43

GCST	0.50 225	2.08 330	0.38 203	0.53 222	0.35 227	0.49 252	0.35 216	0.50 248	0.35 218	0.49 244	0.35 224	0.49 248	0.35 219	0.49 252	0.35 218	0.48 243	0.37 203	0.45 247	0.33 224	0.44 221	0.33 208

ToySt	0.92 290	2.11 331	0.90 294	0.95 269	0.79 314	0.99 310	0.78 300	0.94 298	0.81 313	0.94 304	0.78 312	0.95 311	0.77 297	0.94 306	0.86 310	0.91 291	0.79 284	0.85 304	0.77 306	0.89 280	0.73 294

TRStereo	2.00 381	2.13 332	1.85 399	2.27 379	1.84 409	2.28 399	1.84 405	2.29 394	1.86 410	2.30 399	1.87 406	2.30 396	1.87 397	2.08 392	1.72 405	2.08 393	1.72 391	2.08 400	1.72 405	2.08 379	1.72 403

XX-Stereo	2.00 381	2.13 332	1.85 399	2.27 379	1.84 409	2.28 399	1.84 405	2.29 394	1.86 410	2.30 399	1.87 406	2.30 396	1.87 397	2.08 392	1.72 405	2.08 393	1.72 391	2.08 400	1.72 405	2.08 379	1.72 403

EAI-Stereo	2.00 381	2.13 332	1.85 399	2.27 379	1.84 409	2.28 399	1.84 405	2.29 394	1.86 410	2.30 399	1.87 406	2.30 396	1.87 397	2.08 392	1.72 405	2.08 393	1.72 391	2.08 400	1.72 405	2.08 379	1.72 403

11t1	0.17 112	2.16 335	0.13 105	0.13 80	0.04 65	0.06 74	0.04 65	0.06 76	0.04 66	0.06 77	0.03 44	0.06 79	0.03 44	0.06 69	0.05 70	0.18 127	0.12 93	0.06 75	0.03 46	0.05 74	0.03 43

UGAM-zero	0.51 227	2.17 336	0.39 209	0.53 222	0.36 232	0.50 260	0.36 222	0.50 248	0.36 227	0.49 244	0.36 227	0.50 262	0.35 219	0.50 257	0.36 221	0.49 246	0.37 203	0.47 254	0.35 230	0.46 224	0.34 214

cf-r	0.66 240	2.17 336	0.12 86	0.18 108	0.12 127	0.18 124	2.70 416	2.60 401	0.12 127	0.18 123	0.12 119	0.18 124	0.12 124	0.18 124	0.12 116	0.15 109	0.11 80	0.15 118	0.11 108	1.81 374	1.74 406

UDG	0.80 267	2.21 338	0.60 255	0.91 261	0.60 286	0.90 301	0.58 276	0.88 288	0.60 279	0.90 296	0.60 285	0.88 301	0.60 276	0.90 301	0.58 278	0.86 289	0.60 258	0.84 303	0.59 284	0.84 276	0.61 277

UGAM	0.51 227	2.23 339	0.39 209	0.54 224	0.35 227	0.50 260	0.35 216	0.49 240	0.35 218	0.49 244	0.35 224	0.49 248	0.36 222	0.50 257	0.36 221	0.49 246	0.37 203	0.45 247	0.34 226	0.45 223	0.34 214

NCCL2	2.28 390	2.27 340	2.28 405	2.28 382	2.28 416	2.27 398	2.29 411	2.28 393	2.28 414	2.27 398	2.28 416	2.28 395	2.27 404	2.27 399	2.28 415	2.28 396	2.28 401	2.27 403	2.29 414	2.27 383	2.29 410

ccnet	0.80 267	2.28 341	0.33 186	0.50 219	0.33 218	0.50 260	0.33 204	0.50 248	0.33 208	0.49 244	0.33 211	0.49 248	1.56 390	2.38 401	0.33 203	0.41 219	0.29 179	0.42 243	1.57 398	2.28 384	0.29 187

GES	0.66 240	2.34 342	0.29 167	0.41 190	0.29 194	0.41 217	0.29 187	0.42 223	0.29 190	0.40 196	0.41 248	0.41 215	0.30 202	0.51 260	0.29 188	0.32 173	0.29 179	0.32 171	2.46 416	2.49 388	0.30 196

DDUNet	0.81 272	2.45 343	0.57 253	0.90 259	0.60 286	0.88 298	0.59 277	0.90 289	0.60 279	0.88 295	0.60 285	0.90 304	0.58 274	0.88 298	0.60 280	0.84 287	0.60 258	0.86 305	0.57 282	0.86 277	0.60 276

FBW_ROB	2.12 387	2.46 344	1.77 395	2.49 386	1.79 408	2.38 403	1.83 404	2.46 399	1.78 406	2.48 403	1.97 411	2.40 403	1.78 395	2.42 402	1.83 409	2.31 397	1.85 397	2.38 405	1.82 410	2.35 386	1.84 407

HH	0.71 250	2.54 345	0.74 278	1.10 284	0.32 209	0.41 217	0.37 227	0.69 272	0.78 306	0.73 283	0.90 318	0.75 289	1.00 310	0.84 293	0.69 295	0.69 269	0.40 217	0.35 199	0.26 182	0.35 180	0.26 163

HanStereo	0.71 250	2.54 345	0.74 278	1.10 284	0.32 209	0.41 217	0.37 227	0.69 272	0.78 306	0.73 283	0.90 318	0.75 289	1.00 310	0.84 293	0.69 295	0.69 269	0.40 217	0.35 199	0.26 182	0.35 180	0.26 163

sAnonymous2	3.31 413	2.63 347	1.38 382	3.71 402	1.86 412	4.70 436	1.11 326	4.82 437	2.72 417	5.45 440	1.98 413	4.59 428	2.64 406	2.65 404	6.21 446	4.37 411	1.08 307	5.16 439	2.24 412	4.52 409	2.39 415

CroCo_RVC	3.31 413	2.63 347	1.38 382	3.71 402	1.86 412	4.70 436	1.11 326	4.82 437	2.72 417	5.45 440	1.98 413	4.59 428	2.64 406	2.65 404	6.21 446	4.37 411	1.08 307	5.16 439	2.24 412	4.52 409	2.39 415

ff7	1.68 372	2.68 349	1.35 376	0.97 273	0.89 320	1.84 390	2.15 408	2.12 388	1.80 407	2.05 394	1.56 397	2.33 399	2.12 401	2.23 396	2.25 411	1.31 366	1.07 303	1.48 391	1.41 392	0.90 282	1.04 324

ffff	1.68 372	2.68 349	1.35 376	0.97 273	0.89 320	1.84 390	2.15 408	2.12 388	1.80 407	2.05 394	1.56 397	2.33 399	2.12 401	2.23 396	2.25 411	1.31 366	1.07 303	1.48 391	1.41 392	0.90 282	1.04 324

ccc-4	1.68 372	2.68 349	1.35 376	0.97 273	0.89 320	1.84 390	2.15 408	2.12 388	1.80 407	2.05 394	1.56 397	2.33 399	2.12 401	2.23 396	2.25 411	1.31 366	1.07 303	1.48 391	1.41 392	0.90 282	1.04 324

11t	1.27 363	2.70 352	1.34 374	1.32 351	0.89 320	1.30 381	1.34 388	1.64 380	0.57 277	1.45 380	0.72 306	1.05 319	1.29 382	1.07 321	1.29 388	1.49 374	1.02 302	0.97 317	1.15 330	1.48 367	1.31 389

sCroCo_RVC	2.10 385	2.76 353	1.92 403	2.78 390	1.39 399	2.73 407	1.41 397	2.73 402	1.40 399	2.77 408	1.41 396	2.74 407	1.40 388	2.74 406	1.40 393	2.72 401	1.42 380	2.72 407	1.44 395	2.79 393	1.42 396

PSMNet-RSSM	0.77 261	2.76 353	0.14 109	0.20 112	0.14 131	0.20 129	2.66 414	2.79 404	0.14 131	0.21 135	0.14 134	0.21 136	0.14 130	0.20 129	0.14 125	0.17 120	0.12 93	0.17 124	0.12 124	2.52 389	2.31 411

GwcNet-RSSM	0.77 261	2.77 355	0.14 109	0.20 112	0.14 131	0.20 129	2.67 415	2.78 403	0.14 131	0.20 127	0.14 134	0.20 129	0.14 130	0.21 138	0.14 125	0.17 120	0.12 93	0.17 124	0.12 124	2.52 389	2.31 411

hitnet-ft	0.79 265	2.78 356	0.14 109	0.20 112	0.14 131	0.21 136	2.89 417	2.80 405	0.14 131	0.20 127	0.14 134	0.20 129	0.14 130	0.20 129	0.14 125	0.17 120	0.12 93	0.17 124	0.12 124	2.54 391	2.33 413

PDISCO_ROB	0.83 279	2.80 357	3.49 427	0.14 84	0.11 112	0.17 122	0.09 90	0.15 116	0.10 95	0.15 110	0.12 119	0.16 115	0.14 130	3.30 411	0.13 122	0.14 100	2.34 402	0.16 119	0.12 124	2.62 392	0.10 93

iGMRVC	0.84 281	2.85 358	0.72 275	0.72 243	0.73 309	0.77 287	0.79 301	0.73 276	0.74 305	0.73 283	0.72 306	0.73 287	0.76 296	0.73 284	0.73 300	0.72 274	0.73 278	0.73 288	0.72 303	0.73 262	0.72 292

MC-Stereo	1.76 375	2.96 359	1.37 381	2.14 374	1.37 397	2.14 397	1.36 390	2.14 391	1.37 397	2.14 397	1.37 393	2.14 394	1.37 386	2.14 395	1.37 391	1.97 389	1.32 370	1.97 398	1.32 386	1.98 378	1.33 390

PASM	0.39 186	3.06 360	1.36 380	1.58 358	0.09 92	0.11 100	0.11 107	0.11 101	0.11 109	0.09 87	0.09 92	0.11 101	0.09 93	0.09 88	0.09 86	0.11 73	0.11 80	0.11 98	0.09 90	0.11 100	0.11 105

4D-IteraStereo	0.78 264	3.13 361	0.89 291	0.69 238	0.32 209	0.40 202	0.32 197	0.76 277	0.97 324	0.52 260	0.65 293	0.89 303	0.32 208	0.76 287	0.98 319	0.83 285	0.94 297	0.35 199	0.27 188	0.70 258	0.89 310

plain	1.88 379	3.16 362	0.64 261	3.10 392	0.65 296	3.10 410	0.64 281	3.12 408	0.65 286	3.10 409	0.65 293	3.11 409	0.65 281	3.12 408	0.65 284	3.12 404	0.65 265	3.13 409	0.65 289	3.13 395	0.65 282

iRaftStereo_RVC	0.97 298	3.17 363	2.30 406	2.42 384	0.38 239	0.54 267	0.38 232	0.54 256	0.38 230	0.54 262	0.38 237	0.54 265	0.38 228	0.54 264	0.38 230	2.38 399	2.34 402	0.49 265	0.36 236	0.49 238	0.36 219

RCA-Stereo	0.51 227	3.22 364	0.34 193	0.44 200	0.34 224	0.44 239	0.34 213	0.43 226	0.34 215	0.43 225	0.34 217	0.44 234	0.33 212	0.43 231	0.33 203	0.38 202	0.29 179	0.38 213	0.29 201	0.38 195	0.29 187

Anonymous3	2.55 402	3.26 365	1.65 389	3.28 395	1.63 403	3.24 412	1.68 400	3.27 410	1.66 402	3.28 411	1.67 402	3.25 411	1.66 392	3.27 410	1.64 399	3.26 405	1.65 388	3.30 410	1.65 400	4.95 424	1.65 402

MIF-Stereo (partial)	2.58 403	3.31 366	0.66 265	3.18 393	0.66 299	3.18 411	0.66 284	3.21 409	0.67 289	3.19 410	0.66 295	3.19 410	0.66 284	3.31 412	0.68 291	5.09 430	1.79 395	8.23 449	1.67 402	6.18 433	1.38 395

UniTT-Stereo	2.03 384	3.43 367	0.72 275	3.42 396	0.73 309	3.27 413	0.68 288	3.38 412	0.69 293	3.29 412	0.72 306	3.28 412	0.70 289	3.35 413	0.68 291	3.39 406	0.68 267	3.31 411	0.69 297	3.37 396	0.73 294

DPSNet	3.66 415	3.60 368	3.62 429	3.63 400	3.64 437	3.65 416	3.65 436	3.66 415	3.67 434	3.67 414	3.65 435	3.67 415	3.66 425	3.66 414	3.68 432	3.68 409	3.66 419	3.67 415	3.68 435	3.67 397	3.67 434

RAStereo	2.23 388	3.64 369	0.76 281	3.65 401	0.86 318	3.66 417	0.76 299	3.67 416	0.81 313	3.66 413	0.76 311	3.66 414	0.77 297	3.68 415	0.77 303	3.68 409	0.77 283	3.69 416	0.77 306	3.70 398	0.77 300

qqq1	0.25 132	3.70 370	0.14 109	0.14 84	0.04 65	0.06 74	0.05 74	0.06 76	0.05 79	0.06 77	0.05 81	0.04 62	0.05 75	0.06 69	0.05 70	0.13 94	0.12 93	0.06 75	0.05 77	0.03 39	0.04 64

fff1	0.25 132	3.70 370	0.14 109	0.14 84	0.04 65	0.06 74	0.05 74	0.06 76	0.05 79	0.06 77	0.05 81	0.04 62	0.05 75	0.06 69	0.05 70	0.13 94	0.12 93	0.06 75	0.05 77	0.03 39	0.04 64

RAFT_CTSACE	1.92 380	3.71 372	1.72 393	1.88 365	1.72 406	2.04 396	1.42 398	2.18 392	1.89 413	2.02 393	1.97 411	1.95 391	2.06 400	1.93 389	1.62 398	1.76 381	1.66 389	2.02 399	1.73 408	1.73 373	1.43 397

MyStereo07	0.60 236	3.72 373	0.48 240	0.49 212	0.41 251	0.36 186	0.32 197	0.49 240	0.43 251	0.51 257	0.42 255	0.49 248	0.43 249	0.51 260	0.64 283	0.49 246	0.45 231	0.34 186	0.32 218	0.35 180	0.43 244

MyStereo04	0.56 234	3.72 373	0.59 254	0.49 212	0.41 251	0.36 186	0.32 197	0.37 181	0.31 202	0.34 173	0.46 261	0.35 180	0.32 208	0.35 182	0.33 203	0.49 246	0.45 231	0.34 186	0.32 218	0.35 180	0.43 244

ffm	0.25 132	3.83 375	0.12 86	0.12 67	0.05 80	0.06 74	0.05 74	0.06 76	0.05 79	0.03 36	0.03 44	0.06 79	0.05 75	0.06 69	0.05 70	0.12 78	0.12 93	0.05 69	0.04 63	0.06 77	0.04 64

ff1	0.25 132	3.83 375	0.12 86	0.12 67	0.05 80	0.06 74	0.05 74	0.06 76	0.05 79	0.03 36	0.03 44	0.06 79	0.05 75	0.06 69	0.05 70	0.12 78	0.12 93	0.05 69	0.04 63	0.06 77	0.04 64

mmx	0.25 132	3.83 375	0.12 86	0.12 67	0.05 80	0.06 74	0.05 74	0.06 76	0.05 79	0.03 36	0.03 44	0.06 79	0.05 75	0.06 69	0.05 70	0.12 78	0.12 93	0.05 69	0.04 63	0.06 77	0.04 64

NINENet	0.69 247	3.87 378	1.20 321	1.98 371	0.05 80	0.40 202	0.04 65	0.40 194	0.05 79	0.41 208	0.04 73	0.41 215	0.05 75	0.40 205	0.05 70	1.79 382	1.56 384	0.34 186	0.22 157	0.34 168	0.23 146

MyStereo8	0.71 250	3.92 379	0.52 249	0.59 230	0.52 279	0.57 273	0.53 272	0.59 263	0.50 269	0.59 271	0.51 279	0.57 273	0.50 268	0.56 267	0.52 272	0.54 256	0.49 244	0.54 273	0.49 274	0.55 249	0.50 263

MyStereo06	0.75 256	4.12 380	0.60 255	0.63 233	0.61 290	0.62 277	0.66 284	0.56 258	0.45 253	0.55 265	0.48 271	0.54 265	0.46 252	0.57 270	0.45 253	0.60 260	0.57 256	0.64 279	0.55 278	0.72 259	0.55 271

MyStereo05	0.80 267	4.12 380	0.63 259	0.63 233	0.61 290	0.62 277	0.66 284	0.65 269	0.62 282	0.67 278	0.61 287	0.65 280	0.58 274	0.67 279	0.55 276	0.60 260	0.57 256	0.64 279	0.55 278	0.72 259	0.55 271

test-3	0.98 300	4.13 382	1.85 399	1.85 364	0.61 290	0.69 282	0.37 227	0.63 267	0.61 281	0.66 277	0.51 279	0.73 287	0.44 250	0.57 270	0.54 274	1.68 380	1.81 396	0.40 223	0.43 261	0.66 252	0.50 263

SPstereo	0.75 256	4.15 383	0.42 224	0.75 245	0.35 227	0.78 289	0.40 238	0.79 279	0.38 230	0.78 288	0.36 227	0.78 292	0.36 222	0.79 288	0.39 235	0.75 275	0.39 214	0.76 292	0.39 247	0.75 263	0.39 230

IGEVStereo-DCA	1.77 376	4.21 384	1.84 397	2.49 386	2.11 414	2.54 405	1.36 390	1.65 381	1.17 339	2.75 406	1.90 409	2.54 405	1.15 323	0.94 306	1.11 327	1.50 375	1.32 370	0.96 315	1.46 396	1.49 368	0.88 308

rrr	1.77 376	4.21 384	1.84 397	2.49 386	2.11 414	2.54 405	1.36 390	1.65 381	1.17 339	2.75 406	1.90 409	2.54 405	1.15 323	0.94 306	1.11 327	1.50 375	1.32 370	0.96 315	1.46 396	1.49 368	0.88 308

GEStereo_RVC	0.86 284	4.45 386	0.20 139	0.27 138	0.20 156	0.27 160	0.20 143	0.26 151	0.18 144	5.03 438	0.20 156	0.27 161	0.19 151	0.27 165	0.21 153	0.20 130	0.19 142	0.19 134	4.02 440	0.20 130	0.18 138

error version	0.93 294	4.47 387	2.35 407	1.99 372	0.37 234	0.41 217	0.36 222	0.41 207	0.35 218	0.43 225	0.36 227	0.41 215	0.40 233	0.41 218	0.36 221	1.87 385	2.16 398	0.47 254	0.37 238	0.39 202	0.33 208

test_1	0.93 294	4.47 387	2.35 407	1.99 372	0.37 234	0.41 217	0.36 222	0.41 207	0.35 218	0.43 225	0.36 227	0.41 215	0.40 233	0.41 218	0.36 221	1.87 385	2.16 398	0.47 254	0.37 238	0.39 202	0.33 208

TestStereo	4.88 438	4.75 389	4.79 433	4.87 420	4.92 445	4.81 440	4.90 445	4.78 436	4.77 444	4.87 436	4.89 444	4.90 439	4.91 437	4.99 438	4.79 442	4.98 427	4.87 428	4.87 437	4.92 445	5.00 425	5.00 444

DispFullNet	4.61 434	4.84 390	3.12 424	5.00 421	3.57 436	4.75 439	3.03 424	7.75 448	4.17 441	4.91 437	3.09 428	6.20 444	3.95 430	6.71 444	3.51 431	5.30 432	3.67 420	5.86 445	3.63 432	5.61 430	3.46 432

CFNet-RSSM	0.91 288	4.89 391	0.34 193	0.44 200	1.07 336	1.62 389	1.40 396	0.91 291	0.35 218	1.60 382	1.39 395	0.64 277	0.34 215	0.44 233	0.33 203	0.41 219	0.35 199	0.75 290	0.30 209	0.41 214	0.29 187

StereoVision	3.15 411	5.00 392	0.89 291	4.83 419	1.00 330	3.93 418	1.27 386	6.37 442	1.34 393	5.67 442	1.26 389	5.84 443	1.27 380	5.03 440	1.24 385	5.10 431	1.09 309	4.61 428	0.57 282	5.62 431	1.12 329

LL-Strereo	1.01 305	5.06 393	1.63 388	0.70 240	1.43 400	0.56 269	0.46 255	0.57 260	0.50 269	0.57 268	0.50 276	1.58 386	0.49 265	0.59 272	0.50 269	1.64 379	0.52 251	0.51 269	1.37 390	0.52 245	0.45 248

FC-DCNN v2	5.10 442	5.15 394	4.49 432	5.07 422	3.37 434	6.87 445	4.75 444	5.04 440	6.34 448	7.84 448	5.06 445	6.72 448	4.09 433	4.99 438	5.44 445	5.03 428	3.16 416	4.67 431	4.86 444	5.15 427	3.89 439

rvit_105_1	3.83 417	5.22 395	3.01 413	4.53 407	3.01 421	4.51 424	3.01 419	4.56 425	3.04 420	4.53 424	3.03 421	4.55 426	3.03 410	4.56 425	3.04 417	4.57 416	3.05 406	4.57 423	3.05 418	4.57 411	3.05 419

rvit_stereo_0081	3.83 417	5.23 396	3.01 413	4.53 407	3.03 423	4.55 430	3.02 420	4.56 425	3.04 420	4.52 422	3.02 419	4.54 424	3.03 410	4.56 425	3.04 417	4.57 416	3.05 406	4.57 423	3.05 418	4.58 412	3.05 419

CFNet	1.37 366	5.27 397	0.19 136	5.49 423	0.19 154	0.28 161	0.19 140	0.28 154	0.19 149	0.28 158	0.19 153	0.28 162	4.35 434	0.28 167	0.19 148	0.23 147	0.17 136	0.23 147	4.21 442	4.81 421	0.17 134

rvit_stereo_0083	3.92 426	5.30 398	3.06 421	4.61 416	3.09 430	4.67 435	3.08 429	4.66 433	3.09 429	4.62 432	3.10 429	4.66 436	3.11 419	4.67 433	3.16 428	4.72 426	3.16 416	4.77 434	3.11 425	4.66 418	3.11 426

rvit_0105_3	3.91 424	5.33 399	3.06 421	4.60 415	3.07 429	4.60 433	3.06 428	4.62 431	3.08 428	4.60 431	3.07 427	4.62 433	3.08 417	4.67 433	3.10 426	4.70 424	3.11 413	4.77 434	3.19 429	4.77 420	3.14 427

rvit_stereo_0081_aga	3.86 419	5.33 399	3.02 416	4.55 413	3.04 427	4.54 426	3.02 420	4.64 432	3.06 424	4.54 426	3.04 423	4.62 433	3.08 417	4.62 431	3.07 422	4.58 419	3.06 410	4.60 427	3.08 422	4.63 415	3.07 423

rvit_0105_5	4.10 428	5.40 401	3.13 426	4.71 418	3.15 432	4.72 438	3.10 431	4.90 439	3.27 432	4.69 434	3.16 431	4.84 438	3.25 422	4.96 437	3.34 430	5.05 429	3.39 418	5.10 438	3.40 430	5.11 426	3.42 431

UDGNet	2.23 388	5.40 401	1.72 393	2.48 385	1.69 404	2.51 404	1.69 401	2.51 400	1.72 403	2.50 404	1.69 403	2.52 404	1.69 393	2.50 403	1.68 402	2.41 400	1.70 390	2.42 406	1.69 404	2.42 387	1.64 400

rvit_stereo_ft	3.93 427	5.44 403	3.05 420	4.59 414	3.06 428	4.61 434	3.08 429	4.67 434	3.12 430	4.63 433	3.10 429	4.65 435	3.11 419	4.69 435	3.13 427	4.70 424	3.14 415	4.71 433	3.15 427	4.74 419	3.16 428

rvit_0105_4	3.91 424	5.47 404	3.02 416	4.54 410	3.02 422	4.54 426	3.03 424	4.75 435	3.17 431	4.57 428	3.06 424	4.61 432	3.16 421	4.65 432	3.09 425	4.66 423	3.11 413	4.68 432	3.18 428	4.81 421	3.16 428

rvit_stereo_0080	3.89 422	5.70 405	3.04 418	4.54 410	3.03 423	4.56 431	3.05 426	4.60 429	3.07 425	4.58 429	3.06 424	4.59 428	3.06 415	4.61 429	3.08 423	4.63 421	3.09 411	4.64 429	3.10 423	4.65 416	3.10 424

whm_eth	3.89 422	5.70 405	3.04 418	4.54 410	3.03 423	4.56 431	3.05 426	4.60 429	3.07 425	4.58 429	3.06 424	4.59 428	3.06 415	4.61 429	3.08 423	4.63 421	3.09 411	4.64 429	3.10 423	4.65 416	3.10 424

rvit_0105_6	3.87 421	5.73 407	3.10 423	4.69 417	3.12 431	4.54 426	3.02 420	4.56 425	3.04 420	4.54 426	3.03 421	4.54 424	3.04 413	4.56 425	3.05 419	4.58 419	3.05 406	4.58 425	3.05 418	4.58 412	3.05 419

rvit_stereo_0082	3.86 419	5.82 408	3.01 413	4.53 407	3.03 423	4.54 426	3.02 420	4.56 425	3.04 420	4.53 424	3.02 419	4.55 426	3.04 413	4.57 428	3.05 419	4.57 416	3.05 406	4.58 425	3.05 418	4.58 412	3.06 422

SGM-Forest	5.21 444	5.92 409	4.08 431	6.18 428	4.16 442	6.31 444	4.34 443	6.50 443	4.33 442	6.14 444	4.21 441	6.61 447	4.55 436	6.67 443	4.48 441	5.94 436	3.94 422	5.85 444	4.03 441	5.79 432	4.17 442
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
MaDis-Stereo	3.19 412	6.02 410	1.12 310	5.61 425	1.16 342	5.43 442	1.02 323	5.15 441	0.70 296	5.43 439	1.21 384	5.03 441	0.97 308	4.85 436	0.99 320	4.53 414	1.16 318	5.53 441	1.25 384	5.37 429	1.30 388

IER	0.88 285	7.04 411	2.23 404	2.75 389	0.28 188	0.43 237	0.25 166	0.39 190	0.25 166	0.41 208	0.27 186	0.39 199	0.25 169	0.40 205	0.28 181	0.37 195	0.28 170	0.37 206	0.25 175	0.37 188	0.25 157

HCRNet	1.22 360	7.11 412	3.00 412	3.55 399	0.33 218	0.29 163	0.14 126	0.19 125	0.15 139	0.33 171	0.29 194	0.25 152	0.14 130	0.22 142	0.33 203	3.64 408	3.00 405	0.76 292	0.32 218	0.18 126	0.13 125

SA	4.33 430	7.35 413	6.85 445	5.96 427	4.09 441	3.59 415	3.15 432	3.82 417	2.64 416	3.91 415	3.85 436	3.57 413	2.72 408	3.13 409	4.03 437	7.09 444	6.86 439	3.57 413	3.12 426	3.85 399	3.51 433

cross-raft	4.83 437	7.52 414	6.43 441	6.63 430	3.96 440	4.51 424	3.99 440	4.49 423	3.96 439	4.52 422	3.96 438	4.50 423	3.97 431	4.50 424	3.97 436	6.65 439	6.44 436	4.33 420	3.92 439	4.35 407	3.91 440

test_5	4.62 435	7.55 415	6.23 440	6.32 429	3.40 435	5.29 441	3.50 434	3.53 414	4.11 440	4.28 419	4.47 443	4.26 422	4.38 435	3.68 415	3.24 429	5.89 435	5.60 431	4.84 436	3.50 431	4.33 406	3.93 441

RAFT+CT+SA	4.28 429	7.62 416	4.91 434	5.55 424	2.28 416	3.09 409	3.64 435	4.49 423	3.07 425	4.80 435	3.35 432	4.77 437	3.70 426	4.29 422	3.05 419	5.58 433	5.98 434	3.58 414	3.78 437	4.26 405	3.72 435

raft_robust	4.71 436	7.75 417	5.40 439	6.81 431	3.31 433	4.28 423	4.20 442	4.32 422	4.37 443	4.35 421	4.35 442	4.14 420	3.75 427	4.30 423	4.20 440	6.67 440	6.37 435	3.36 412	4.24 443	4.86 423	3.25 430

test_4	4.88 438	8.13 418	6.98 446	7.46 435	4.44 443	4.25 422	3.85 439	4.04 421	3.92 438	4.13 418	3.91 437	4.18 421	3.84 428	4.14 420	4.06 438	7.01 443	7.13 440	4.53 421	3.72 436	4.09 403	3.72 435

Sa-1000	4.34 431	8.37 419	6.84 444	6.98 434	4.45 444	3.58 414	3.00 418	3.42 413	3.39 433	2.61 405	4.00 439	3.83 417	4.01 432	3.90 417	3.90 435	5.98 437	5.62 432	3.76 417	2.34 415	4.35 407	2.47 417

TestStereo1	4.60 432	8.41 420	6.44 442	6.86 432	3.79 438	3.97 419	3.78 437	3.99 419	3.74 435	3.97 416	3.52 433	3.94 418	3.58 423	3.98 418	3.72 433	6.82 441	6.50 437	3.76 417	3.66 433	3.90 400	3.74 437

SA-5K	4.60 432	8.41 420	6.44 442	6.86 432	3.79 438	3.97 419	3.78 437	3.99 419	3.74 435	3.97 416	3.52 433	3.94 418	3.58 423	3.98 418	3.72 433	6.82 441	6.50 437	3.76 417	3.66 433	3.90 400	3.74 437

U	5.15 443	8.49 422	1.81 396	8.49 439	1.77 407	8.49 450	1.77 403	8.51 450	1.77 405	8.49 450	1.77 405	8.50 450	1.78 395	8.58 450	1.77 408	8.54 448	1.78 394	8.55 450	1.78 409	8.55 444	1.84 407

CFNet_RVC	2.38 398	8.71 423	0.38 203	9.33 442	0.42 259	0.56 269	0.42 250	0.60 265	0.38 230	0.62 273	0.42 255	0.56 272	7.29 446	0.62 273	0.42 250	0.53 255	0.37 203	0.49 265	0.34 226	8.30 442	6.87 449

rvit_stereo_0075_2	6.64 446	8.80 424	5.25 436	7.89 436	5.27 447	7.90 449	5.27 446	7.92 449	5.28 446	7.91 449	5.29 447	7.93 449	5.27 438	7.92 449	5.28 443	7.93 445	5.28 430	7.93 448	5.29 447	7.93 441	5.28 446

test_3	5.01 440	8.86 425	7.77 448	8.09 437	2.76 420	4.13 421	4.05 441	3.88 418	3.76 437	4.33 420	4.13 440	3.71 416	3.91 429	4.21 421	4.06 438	7.93 445	7.69 442	4.53 421	3.91 438	4.17 404	4.29 443

SGM+DAISY	7.06 448	9.15 426	5.38 438	8.84 441	5.18 446	8.80 451	5.31 447	8.79 451	5.28 446	8.89 451	5.20 446	8.93 451	5.33 439	8.95 451	5.36 444	8.70 449	5.21 429	8.74 451	5.20 446	8.89 445	5.15 445

test-1	6.46 445	9.16 427	8.03 451	8.09 437	5.62 448	6.11 443	6.35 448	6.85 445	4.94 445	6.08 443	6.29 450	4.98 440	6.43 442	6.22 441	6.36 448	6.16 438	7.47 441	5.82 443	5.44 448	7.11 438	5.68 447

RAFT	6.73 447	9.36 428	7.40 447	8.51 440	6.55 449	6.88 446	6.60 449	6.79 444	6.60 449	6.80 445	6.72 451	5.31 442	5.50 440	6.61 442	6.61 449	8.42 447	5.89 433	5.73 442	5.45 449	6.61 434	6.24 448

CFNet_pseudo	2.67 406	9.36 428	0.32 181	10.99 451	0.33 218	0.85 295	0.33 204	0.49 240	0.33 208	0.49 244	0.32 208	0.49 248	7.26 445	0.49 252	0.33 203	0.41 219	9.62 448	0.41 234	0.29 201	10.03 450	0.29 187

CFNet_ucs	2.73 407	9.64 430	0.33 186	9.92 447	0.32 209	0.49 252	0.33 204	0.49 240	0.33 208	0.49 244	0.33 211	0.49 248	8.98 449	0.48 246	0.33 203	0.41 219	9.96 451	0.40 223	0.29 201	10.12 451	0.54 267

PCWNet_CMD	2.80 410	9.82 431	0.32 181	10.09 449	0.32 209	0.49 252	0.33 204	3.34 411	0.33 208	0.49 244	0.33 211	0.49 248	8.73 447	0.48 246	0.33 203	0.41 219	9.22 445	0.42 243	0.29 201	9.55 448	0.31 201

pcwnet_v2	2.66 405	9.89 432	0.33 186	9.89 446	0.32 209	0.50 260	0.32 197	0.49 240	0.33 208	0.49 244	0.34 217	0.49 248	8.76 448	0.48 246	0.33 203	0.41 219	9.58 447	0.40 223	0.29 201	9.01 446	0.63 280

UCFNet_RVC	2.75 408	10.06 433	0.29 167	10.31 450	0.29 194	0.42 233	0.29 187	0.43 226	0.29 190	0.42 219	0.29 194	0.42 231	9.87 451	0.43 231	0.29 188	0.36 191	9.84 450	0.36 204	0.26 182	9.77 449	0.26 163

MSMDNet	2.65 404	10.14 434	0.33 186	9.74 445	0.32 209	0.87 297	0.33 204	2.95 407	0.68 290	0.49 244	0.34 217	0.49 248	5.70 441	0.49 252	0.33 203	0.42 232	9.57 446	0.41 234	0.31 214	8.36 443	0.65 282

ccs_rob	2.79 409	10.17 435	0.32 181	10.00 448	0.33 218	0.49 252	0.33 204	1.90 385	0.32 205	0.51 257	0.33 211	0.49 248	9.24 450	0.49 252	0.33 203	0.41 219	9.82 449	0.41 234	0.28 192	9.34 447	0.29 187

test-v	7.53 449	11.89 436	7.98 449	9.36 443	7.14 450	7.06 447	7.09 450	7.37 446	6.91 450	7.29 446	5.71 448	6.45 445	6.93 443	6.73 445	7.27 450	8.93 450	7.85 443	6.98 446	6.80 450	7.56 439	7.34 450

test-2	7.53 449	11.89 436	7.98 449	9.36 443	7.14 450	7.06 447	7.09 450	7.37 446	6.91 450	7.29 446	5.71 448	6.45 445	6.93 443	6.73 445	7.27 450	8.93 450	7.85 443	6.98 446	6.80 450	7.56 439	7.34 450

rafts_anoy	20.00 453	20.00 438	20.00 453	20.00 452	20.00 453	20.00 452	20.00 453	20.00 452	20.00 453	20.00 452	20.00 453	20.00 452	20.00 453	20.00 452	20.00 453	20.00 452	20.00 453	20.00 452	20.00 453	20.00 452	20.00 453

raft+_RVC	20.00 453	20.00 438	20.00 453	20.00 452	20.00 453	20.00 452	20.00 453	20.00 452	20.00 453	20.00 452	20.00 453	20.00 452	20.00 453	20.00 452	20.00 453	20.00 452	20.00 453	20.00 452	20.00 453	20.00 452	20.00 453

raftrobust	20.00 453	20.00 438	20.00 453	20.00 452	20.00 453	20.00 452	20.00 453	20.00 452	20.00 453	20.00 452	20.00 453	20.00 452	20.00 453	20.00 452	20.00 453	20.00 452	20.00 453	20.00 452	20.00 453	20.00 452	20.00 453

CasAABBNet	20.00 453	20.00 438	20.00 453	20.00 452	20.00 453	20.00 452	20.00 453	20.00 452	20.00 453	20.00 452	20.00 453	20.00 452	20.00 453	20.00 452	20.00 453	20.00 452	20.00 453	20.00 452	20.00 453	20.00 452	20.00 453

RALCasStereoNet	20.00 453	20.00 438	20.00 453	20.00 452	20.00 453	20.00 452	20.00 453	20.00 452	20.00 453	20.00 452	20.00 453	20.00 452	20.00 453	20.00 452	20.00 453	20.00 452	20.00 453	20.00 452	20.00 453	20.00 452	20.00 453

RALAANet	20.00 453	20.00 438	20.00 453	20.00 452	20.00 453	20.00 452	20.00 453	20.00 452	20.00 453	20.00 452	20.00 453	20.00 452	20.00 453	20.00 452	20.00 453	20.00 452	20.00 453	20.00 452	20.00 453	20.00 452	20.00 453

MANE	19.05 452	23.00 444	15.00 452	23.00 458	15.00 452	24.00 458	16.00 452	24.00 458	16.00 452	22.00 458	15.00 452	23.00 458	16.00 452	23.00 458	15.00 452	22.00 458	15.00 452	22.00 458	15.00 452	22.00 458	15.00 452

stereogan	2.33 392	24.38 445	1.18 317	1.18 298	1.18 345	1.14 327	1.18 334	1.19 318	1.19 341	1.14 325	1.18 338	1.14 329	1.18 328	1.14 328	1.18 336	1.14 314	1.14 316	1.19 336	1.19 334	1.15 302	1.19 337

Abc-Net	2.32 391	24.75 446	1.14 312	1.17 297	1.17 343	1.11 325	1.15 330	1.17 315	1.21 387	1.08 316	1.16 334	1.12 328	1.14 322	1.09 322	1.17 335	1.09 305	1.16 318	1.17 333	1.17 333	1.16 304	1.11 327
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
RP	2.33 392	25.00 447	1.13 311	1.15 291	1.15 338	1.10 322	1.15 330	1.15 311	1.15 334	1.12 322	1.15 331	1.09 322	1.13 320	1.10 324	1.15 331	1.11 312	1.09 309	1.16 329	1.12 328	1.16 304	1.17 335

RGC	2.36 394	25.48 448	1.19 318	1.15 291	1.15 338	1.10 322	1.16 332	1.17 315	1.16 335	1.12 322	1.16 334	1.11 327	1.13 320	1.09 322	1.18 336	1.10 307	1.15 317	1.16 329	1.12 328	1.14 301	1.12 329

NCC-stereo	2.36 394	25.52 449	1.17 315	1.15 291	1.17 343	1.11 325	1.11 326	1.15 311	1.16 335	1.10 317	1.16 334	1.10 324	1.15 323	1.14 328	1.13 329	1.09 305	1.11 313	1.15 328	1.16 332	1.17 309	1.17 335

AF-Net	2.37 396	25.71 450	1.17 315	1.13 288	1.15 338	1.15 328	1.18 334	1.19 318	1.16 335	1.10 317	1.15 331	1.10 324	1.18 328	1.12 327	1.15 331	1.10 307	1.10 312	1.17 333	1.15 330	1.16 304	1.12 329

Nwc_Net	2.37 396	25.95 451	1.15 314	1.14 289	1.15 338	1.08 320	1.14 329	1.17 315	1.16 335	1.14 325	1.15 331	1.08 320	1.15 323	1.11 326	1.14 330	1.10 307	1.11 313	1.16 329	1.09 327	1.16 304	1.15 334

FAT-Stereo	2.46 400	26.05 452	1.23 370	1.23 347	1.22 393	1.20 330	1.24 384	1.23 369	1.23 389	1.19 327	1.22 385	1.21 378	1.24 378	1.20 332	1.24 385	1.21 362	1.17 320	1.22 383	1.25 384	1.20 313	1.24 386

S-Stereo	2.51 401	26.86 453	1.23 370	1.22 345	1.22 393	1.24 378	1.25 385	1.22 367	1.24 390	1.21 373	1.24 387	1.19 332	1.27 380	1.19 331	1.24 385	1.19 316	1.20 322	1.25 384	1.19 334	1.24 361	1.23 385

MoCha-V2	2.11 386	26.97 454	0.78 283	0.92 264	0.77 312	0.96 308	0.72 295	0.90 289	0.72 300	0.94 304	0.70 301	0.90 304	0.71 293	0.91 302	0.71 299	0.85 288	0.71 276	0.88 306	0.69 297	0.87 278	0.67 285

edge stereo	2.43 399	27.07 455	1.14 312	1.06 281	1.14 337	1.08 320	1.17 333	1.16 313	1.14 333	1.10 317	1.16 334	1.09 322	1.16 327	1.10 324	1.16 334	1.10 307	1.11 313	1.16 329	1.19 334	1.13 300	1.11 327

fff	1000028.16 476	29.62 456	29.72 460	32.61 459	30.02 460	35.13 461	31.83 461	32.07 460	10000000.00 476	35.27 462	29.82 461	32.45 460	30.15 460	32.35 460	30.09 460	31.04 460	29.55 461	30.64 460	30.14 460	10000000.00 476	30.77 461

csc	1000028.16 476	29.62 456	29.72 460	32.61 459	30.02 460	35.13 461	31.83 461	32.07 460	10000000.00 476	35.27 462	29.82 461	32.45 460	30.15 460	32.35 460	30.09 460	31.04 460	29.55 461	30.64 460	30.14 460	10000000.00 476	30.77 461

cscssc	1000028.16 476	29.62 456	29.72 460	32.61 459	30.02 460	35.13 461	31.83 461	32.07 460	10000000.00 476	35.27 462	29.82 461	32.45 460	30.15 460	32.35 460	30.09 460	31.04 460	29.55 461	30.64 460	30.14 460	10000000.00 476	30.77 461

STTStereo	3.73 416	30.40 459	2.37 409	2.39 383	2.31 418	2.35 402	2.33 412	2.29 394	2.42 415	2.32 402	2.34 417	2.33 399	2.36 405	2.30 400	2.27 414	2.35 398	2.22 400	2.31 404	2.22 411	2.29 385	2.34 414

111	30.40 459	30.94 460	29.72 460	32.61 459	30.02 460	33.57 459	30.47 460	31.50 459	29.39 460	30.98 459	29.11 460	29.78 459	30.39 463	29.45 459	30.76 463	30.08 459	29.02 460	29.92 459	30.32 463	29.86 459	30.17 460

DCANet-4	35.22 461	34.54 461	35.08 466	33.58 463	35.47 467	34.55 460	35.53 467	36.08 465	35.85 464	35.92 465	35.77 466	35.18 465	35.48 465	35.39 465	37.15 466	34.55 465	33.92 464	35.02 466	34.90 465	35.79 463	34.74 467

tt	500032.53 474	34.60 462	29.72 460	37.47 465	34.41 465	36.85 465	35.22 465	34.71 463	33.55 462	34.50 460	35.43 464	33.81 463	10000000.00 477	33.57 463	33.13 464	33.68 463	35.00 465	34.03 464	35.26 466	30.96 460	34.63 465

DCANet	500032.53 474	34.60 462	29.72 460	37.47 465	34.41 465	36.85 465	35.22 465	34.71 463	33.55 462	34.50 460	35.43 464	33.81 463	10000000.00 477	33.57 463	33.13 464	33.68 463	35.00 465	34.03 464	35.26 466	30.96 460	34.63 465

WCMA_ROB	31.10 460	35.43 464	27.12 459	39.51 467	23.10 459	38.78 467	25.30 459	37.49 467	25.39 459	37.29 466	27.02 459	38.52 467	26.48 459	37.80 466	26.44 459	36.28 466	22.65 459	33.90 463	22.30 459	37.10 464	24.18 459

ADStereo(finetuned)	36.13 462	36.63 465	38.07 467	36.97 464	33.25 464	35.91 464	34.45 464	36.36 466	32.99 461	38.14 467	36.71 467	36.69 466	34.13 464	38.57 467	40.79 467	37.60 467	36.58 467	35.90 467	33.36 464	35.42 462	34.04 464

NLCA_NET_v2_RVC	5.04 441	50.87 466	2.78 411	2.87 391	2.71 419	2.78 408	0.47 260	2.88 406	2.86 419	1.89 389	2.67 418	2.79 408	2.79 409	2.78 407	2.83 416	2.82 402	2.82 404	2.83 408	2.77 417	2.83 394	2.76 418
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
MDST_ROB	69.83 463	87.70 467	41.95 468	113.75 470	65.62 470	75.05 468	55.25 469	75.64 469	45.04 465	71.61 468	41.75 468	72.81 468	44.06 466	68.38 468	44.63 468	101.89 470	59.57 470	107.10 470	61.05 470	104.38 467	59.38 470

MGS-Stereo	239.45 468	123.00 468	135.00 472	266.00 473	286.00 474	277.00 473	305.00 474	271.00 473	242.00 471	274.00 473	279.00 474	255.00 473	270.00 472	268.00 473	297.00 474	221.00 473	247.00 474	216.00 473	123.00 471	217.00 470	217.00 474

AE-Stereo	201.80 467	123.00 468	115.00 470	219.00 472	218.00 473	223.00 472	244.00 473	217.00 472	236.00 470	202.00 472	203.00 472	205.00 472	208.00 470	225.00 472	204.00 472	210.00 472	198.00 472	197.00 472	184.00 473	204.00 469	201.00 472

EGLCR-Stereo	246.90 469	129.00 470	139.00 473	266.00 473	286.00 474	277.00 473	305.00 474	271.00 473	242.00 471	274.00 473	279.00 474	255.00 473	270.00 472	268.00 473	297.00 474	230.00 474	247.00 474	216.00 473	223.00 475	237.00 471	227.00 475

NOSS_ROB	102.95 464	153.00 471	121.00 471	51.00 468	44.00 468	165.00 471	127.00 470	153.00 470	119.00 467	164.00 471	125.00 470	168.00 471	120.00 468	153.00 470	117.00 470	49.00 468	44.00 468	49.00 468	44.00 468	49.00 465	44.00 468

MeshStereo	159.24 466	171.00 472	160.68 474	162.58 471	160.59 471	164.01 470	160.35 471	158.51 471	158.56 468	158.34 470	160.12 471	158.56 470	159.92 469	157.26 471	158.94 471	154.38 471	158.36 471	155.75 471	159.13 472	153.67 468	154.07 471
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
PA-Net	11.80 451	223.51 473	0.62 258	0.59 230	0.71 306	0.59 275	0.73 296	0.67 271	0.73 303	0.55 265	0.61 287	0.60 276	0.74 294	0.63 274	0.73 300	0.66 266	0.60 258	0.69 284	0.66 291	0.72 259	0.65 282
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
DLCB_ROB	284.23 470	354.61 474	207.27 475	363.24 475	206.46 472	364.72 475	210.41 472	364.72 475	210.41 469	364.81 475	208.64 473	364.81 475	208.64 471	364.72 475	210.41 473	354.70 475	205.53 473	354.70 475	205.53 474	354.70 472	205.53 473

LE_ROB	396.57 471	471.28 475	329.84 476	471.48 476	308.15 476	526.83 476	322.10 476	488.15 476	323.76 473	495.46 476	317.97 476	497.17 476	320.10 474	481.62 476	326.76 476	462.71 476	298.97 476	466.16 476	285.98 476	447.62 473	289.21 476

SGM-ForestM	596.69 472	677.77 476	444.52 477	699.85 477	517.25 477	732.94 477	488.29 477	770.79 477	460.11 474	750.81 477	487.98 477	792.79 477	499.41 475	730.90 477	475.81 477	720.03 477	491.16 477	663.96 477	418.60 477	674.76 474	436.05 477

CBMV_ROB	818.48 473	913.88 477	709.52 478	862.84 478	597.78 478	1073.99 478	700.52 478	1015.66 478	702.59 475	1115.65 478	760.02 478	1130.24 478	721.57 476	1037.41 478	692.65 478	814.05 478	564.29 478	843.28 478	595.31 478	915.51 475	602.92 478

CBMV	128.50 465	1422.70 478	53.10 469	79.50 469	51.30 469	77.30 469	49.70 468	74.00 468	48.20 466	77.20 469	48.80 469	73.90 469	48.00 467	73.80 469	48.80 469	70.40 469	45.10 469	68.90 469	46.10 469	68.20 466	45.00 469
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
IGEV-Stereo++	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 476	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 477	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 476	10000000.00 479

IGEV-BASED-STEREO-	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 476	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 477	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 476	10000000.00 479

IGEV-Stereo+	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 476	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 477	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 476	10000000.00 479

SDNR	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 476	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 477	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 476	10000000.00 479

anonymousdsp2	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 476	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 477	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 476	10000000.00 479

anonymousdsp	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 476	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 477	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 476	10000000.00 479

test_example2	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 476	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 477	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 476	10000000.00 479

DIP-Stereo	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 476	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 477	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 479	10000000.00 476	10000000.00 479
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022

Low-res two-view benchmark