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

USTest	0.01 9	0.02 12	0.00 1	0.14 99	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.02 21	0.00 1	0.00 1	0.00 1	0.00 1	0.02 18	0.02 20	0.00 1	0.00 1

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

Wz-Net-TNSev	0.02 15	0.05 49	0.04 43	0.07 47	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.06 55	0.04 45	0.01 9	0.01 9	0.01 10	0.01 10

Wz-Net-SNSev	0.03 29	0.09 65	0.07 58	0.09 55	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.09 68	0.07 59	0.01 9	0.01 9	0.01 10	0.01 10

Wz-Net-LNSev	0.06 44	0.24 125	0.20 190	0.23 162	0.01 10	0.02 19	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.23 192	0.21 201	0.02 18	0.01 9	0.01 10	0.01 10

Wz-Net-MNSev	0.06 44	0.54 267	0.10 69	0.12 82	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.12 93	0.11 96	0.01 9	0.01 9	0.01 10	0.01 10

WZ-Net	0.05 41	0.50 251	0.10 69	0.12 82	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.12 93	0.10 75	0.01 9	0.01 9	0.01 10	0.01 10

HITNet	0.01 9	0.01 9	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 9	0.01 10	0.01 10
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 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 9	0.01 10	0.01 10

PWC_ROB	0.01 9	0.02 12	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 9	0.01 10	0.01 10

PWCDC_ROB	0.01 9	0.01 9	0.02 14	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 9	0.01 10	0.01 10

PWCK	0.01 9	0.02 12	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 9	0.01 10	0.01 10

PSMNet-RUCA	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

FACV-RUCA	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

IGEV-RUCA	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

CoDeX	0.15 124	0.70 283	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.01 9	0.02 20	0.67 408	0.02 15	0.69 410	0.75 429	0.01 9	0.02 20	0.02 20

coex-ft	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

fast-acv-ft	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

CBFPSM	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

iinet-f	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

Wz-Net-LNSev-Ref	0.11 87	0.44 206	0.33 263	0.39 230	0.02 21	0.03 40	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.39 289	0.36 301	0.02 18	0.02 20	0.02 20	0.02 20

psmg	0.43 306	1.91 460	0.92 437	1.91 512	0.02 21	0.02 19	0.03 50	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.03 39	0.02 20	1.97 543	1.44 536	0.04 73	0.03 54	0.02 20	0.03 51

CSP-Net	0.34 222	1.29 425	1.19 461	1.36 492	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	1.26 503	1.21 514	0.03 38	0.09 111	0.02 20	0.09 111

SFCPSM	0.17 136	0.78 291	0.02 14	0.02 14	0.01 10	0.02 19	0.02 20	0.02 20	0.01 10	0.02 20	0.02 20	0.02 20	0.01 9	0.02 20	0.79 448	0.02 15	0.75 420	0.76 431	0.02 20	0.02 20	0.02 20

Syn2CoEx	0.25 186	1.31 427	0.74 405	0.92 395	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.03 42	0.02 21	0.02 20	0.02 20	0.87 424	0.75 420	0.02 18	0.02 20	0.02 20	0.02 20

MFN_U_SF_RVC	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

MSC_U_SF_DS_RVC	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

MFN_U_SF_DS_RVC	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

ADCMid	0.08 50	0.02 12	0.02 14	1.01 413	0.03 48	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.04 72	0.09 108	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

ADCS	0.09 52	0.02 12	0.04 43	0.90 390	0.06 110	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.14 130	0.36 288	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

AnyNet_C01	0.11 87	0.02 12	0.02 14	1.62 505	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.03 40	0.02 20	0.02 20	0.02 21	0.06 88	0.04 75	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.03 51

RYNet	0.02 15	0.02 12	0.02 14	0.03 28	0.03 48	0.03 40	0.02 20	0.02 20	0.02 21	0.03 40	0.02 20	0.02 20	0.03 52	0.03 39	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

LSM	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

LSM0	0.02 15	0.02 12	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

zh-sn7	0.10 65	0.98 329	0.14 126	0.15 109	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.15 125	0.13 136	0.03 38	0.03 54	0.03 43	0.03 51

zh-mn7	0.12 96	1.14 359	0.17 167	0.20 136	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.18 150	0.16 145	0.03 38	0.03 54	0.03 43	0.03 51

w-ln-seven-2	0.14 112	1.22 421	0.28 219	0.32 206	0.04 79	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.32 232	0.27 223	0.04 73	0.03 54	0.03 43	0.03 51

G2L-ROB	0.03 29	0.06 54	0.02 14	0.03 28	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.03 34	0.02 15	0.03 38	0.02 20	0.03 43	0.02 20

G2L-Stereo_test	0.03 29	0.04 37	0.02 14	0.03 28	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.03 34	0.02 15	0.03 38	0.02 20	0.03 43	0.02 20

coex_refinement	0.03 29	0.03 31	0.02 14	0.03 28	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.03 34	0.02 15	0.03 38	0.02 20	0.03 43	0.02 20

G2L-Stereo	0.03 29	0.03 31	0.02 14	0.03 28	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.03 34	0.02 15	0.03 38	0.02 20	0.03 43	0.02 20

TCMNet	0.03 29	0.04 37	0.03 36	0.03 28	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

TCMNet-wrong-test	0.03 29	0.04 37	0.03 36	0.03 28	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.02 20	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

YMNet	0.03 29	0.04 37	0.03 36	0.03 28	0.03 48	0.03 40	0.02 20	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.02 20	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

YMNet_1	0.03 29	0.04 37	0.03 36	0.03 28	0.03 48	0.03 40	0.02 20	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.02 20	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

DualNet (step1)	0.10 65	1.05 349	0.12 101	0.12 82	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.12 93	0.12 112	0.03 38	0.03 54	0.03 43	0.03 51

test_sample9	0.10 65	1.05 349	0.12 101	0.12 82	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.12 93	0.12 112	0.03 38	0.03 54	0.03 43	0.03 51

test_sample8	0.10 65	1.05 349	0.12 101	0.12 82	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 93	0.12 112	0.03 38	0.03 54	0.03 43	0.03 51

test_sample7	0.09 52	1.00 333	0.11 89	0.11 75	0.02 21	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 93	0.12 112	0.03 38	0.03 54	0.03 43	0.03 51

test_sample6	0.09 52	0.97 328	0.10 69	0.10 58	0.03 48	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.03 52	0.03 42	0.02 21	0.03 39	0.02 20	0.10 73	0.10 75	0.03 38	0.02 20	0.03 43	0.02 20

test_sample5	0.10 65	1.07 352	0.11 89	0.10 58	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.10 73	0.10 75	0.03 38	0.03 54	0.04 77	0.03 51

test_sample4	0.10 65	1.03 345	0.12 101	0.10 58	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 109	0.13 136	0.03 38	0.03 54	0.03 43	0.03 51

test_sample3	0.09 52	0.87 305	0.10 69	0.12 82	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 93	0.10 75	0.03 38	0.02 20	0.03 43	0.02 20

test_sample2	0.09 52	1.03 345	0.11 89	0.11 75	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 68	0.09 70	0.03 38	0.02 20	0.03 43	0.02 20

test_sample1	0.09 52	0.87 305	0.12 101	0.11 75	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.04 74	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.10 73	0.10 75	0.03 38	0.02 20	0.03 43	0.02 20

SMFormer	0.09 52	1.01 339	0.09 65	0.09 55	0.03 48	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 68	0.09 70	0.03 38	0.02 20	0.03 43	0.02 20

tta	0.09 52	0.95 325	0.09 65	0.10 58	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 68	0.10 75	0.03 38	0.02 20	0.03 43	0.02 20

mmm	0.14 112	1.83 451	0.12 101	0.11 75	0.03 48	0.03 40	0.03 50	0.03 42	0.04 81	0.03 40	0.03 52	0.03 42	0.03 52	0.06 88	0.04 75	0.12 93	0.11 96	0.05 86	0.04 78	0.05 92	0.04 79

DualNet	0.10 65	1.07 352	0.11 89	0.10 58	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.10 73	0.10 75	0.03 38	0.03 54	0.04 77	0.03 51

ttt	0.10 65	1.09 354	0.12 101	0.12 82	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 93	0.12 112	0.03 38	0.02 20	0.03 43	0.02 20

1111x	0.10 65	1.14 359	0.13 121	0.14 99	0.03 48	0.04 77	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 109	0.11 96	0.03 38	0.02 20	0.03 43	0.02 20

xxx	0.09 52	1.01 339	0.10 69	0.10 58	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.03 40	0.03 52	0.03 42	0.02 21	0.03 39	0.02 20	0.10 73	0.10 75	0.03 38	0.02 20	0.03 43	0.03 51

x	0.11 87	1.15 362	0.15 147	0.14 99	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.14 116	0.15 143	0.03 38	0.03 54	0.03 43	0.03 51

222	0.10 65	0.99 332	0.12 101	0.13 95	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 93	0.12 112	0.03 38	0.02 20	0.04 77	0.03 51

xxxx	0.11 87	1.16 364	0.16 155	0.12 82	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 109	0.16 145	0.03 38	0.04 78	0.04 77	0.04 79

BEATNet_4x	0.11 87	0.03 31	0.03 36	1.60 502	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.05 82	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

ADCL	0.11 87	0.03 31	0.03 36	1.60 502	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.05 82	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

AnyNet_C32	0.14 112	0.04 37	0.03 36	2.22 524	0.04 79	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.04 77	0.02 21	0.07 104	0.04 75	0.02 15	0.02 15	0.03 38	0.03 54	0.02 20	0.03 51

ADCPNet	0.10 65	0.03 31	0.04 43	1.27 485	0.03 48	0.04 77	0.03 50	0.03 42	0.03 55	0.04 74	0.03 52	0.04 77	0.03 52	0.08 107	0.04 75	0.04 44	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

z-mn7	0.16 132	1.21 415	0.33 263	0.41 256	0.04 79	0.04 77	0.03 50	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.04 84	0.04 72	0.04 75	0.35 249	0.31 263	0.04 73	0.04 78	0.04 77	0.04 79

w-ln-seven	0.18 139	1.47 436	0.33 263	0.40 244	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.04 84	0.04 72	0.04 75	0.38 267	0.32 267	0.05 86	0.04 78	0.04 77	0.04 79

GASNet	0.05 41	0.04 37	0.12 101	0.04 37	0.04 79	0.04 77	0.05 93	0.04 77	0.04 81	0.12 125	0.04 88	0.06 97	0.04 84	0.04 72	0.04 75	0.04 44	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

test_xeample	0.10 65	1.09 354	0.13 121	0.12 82	0.03 48	0.03 40	0.03 50	0.04 77	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.14 116	0.14 140	0.03 38	0.03 54	0.03 43	0.03 51

EDNetEfficient	0.04 38	0.05 49	0.04 43	0.04 37	0.03 48	0.04 77	0.03 50	0.04 77	0.03 55	0.04 74	0.03 52	0.04 77	0.03 52	0.04 72	0.03 48	0.05 51	0.03 36	0.05 86	0.03 54	0.04 77	0.03 51

FADNet-RVC-Resample	0.12 96	0.04 37	0.04 43	0.04 37	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.04 84	0.04 72	1.57 556	0.04 44	0.04 45	0.04 73	0.05 96	0.04 77	0.06 104

FADNet_RVC	0.12 96	0.04 37	0.04 43	0.05 43	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.05 94	0.04 72	1.65 560	0.05 51	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

FADNet-RVC	0.13 103	0.04 37	0.04 43	0.04 37	0.04 79	0.04 77	0.05 93	0.04 77	0.04 81	0.04 74	0.05 100	0.04 77	0.05 94	0.04 72	1.71 565	0.04 44	0.04 45	0.04 73	0.04 78	0.07 106	0.04 79

FADNet	0.12 96	0.05 49	0.04 43	0.04 37	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.05 94	0.04 72	1.66 562	0.06 55	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

ADCRef	0.12 96	0.03 31	0.04 43	1.71 508	0.04 79	0.03 40	0.03 50	0.04 77	0.04 81	0.04 74	0.03 52	0.04 77	0.03 52	0.06 88	0.04 75	0.04 44	0.04 45	0.04 73	0.04 78	0.03 43	0.04 79

ADCP+	0.15 124	0.04 37	0.04 43	2.20 523	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.05 100	0.04 77	0.04 84	0.08 107	0.04 75	0.04 44	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

NVStereoNet_ROB	0.04 38	0.04 37	0.04 43	0.04 37	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.04 84	0.04 72	0.04 75	0.04 44	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
z-ln-s-r	0.21 162	1.40 434	0.53 363	0.56 341	0.04 79	0.05 89	0.04 81	0.05 89	0.05 97	0.05 91	0.04 88	0.05 91	0.04 84	0.05 82	0.05 88	0.57 377	0.44 348	0.04 73	0.04 78	0.04 77	0.04 79

AASNet	0.06 44	0.08 58	0.08 60	0.08 49	0.05 99	0.06 92	0.05 93	0.05 89	0.06 108	0.06 96	0.06 109	0.05 91	0.06 109	0.06 88	0.05 88	0.08 62	0.08 61	0.08 102	0.05 96	0.06 96	0.05 97

SACVNet	0.06 44	0.08 58	0.08 60	0.08 49	0.05 99	0.06 92	0.05 93	0.05 89	0.06 108	0.06 96	0.06 109	0.05 91	0.06 109	0.06 88	0.05 88	0.08 62	0.08 61	0.08 102	0.05 96	0.06 96	0.05 97

AACVNet	0.06 44	0.08 58	0.08 60	0.08 49	0.05 99	0.06 92	0.05 93	0.05 89	0.06 108	0.06 96	0.06 109	0.05 91	0.06 109	0.06 88	0.05 88	0.08 62	0.08 61	0.08 102	0.05 96	0.06 96	0.05 97

EDNetEfficientorigin	0.04 38	0.06 54	0.04 43	0.05 43	0.04 79	0.05 89	0.04 81	0.05 89	0.04 81	0.05 91	0.04 88	0.05 91	0.04 84	0.05 82	0.04 75	0.05 51	0.03 36	0.06 94	0.03 54	0.04 77	0.03 51

DFGA-Net	0.05 41	0.06 54	0.04 43	0.06 46	0.04 79	0.06 92	0.04 81	0.06 94	0.04 81	0.06 96	0.04 88	0.06 97	0.04 84	0.06 88	0.04 75	0.06 55	0.04 45	0.05 86	0.04 78	0.05 92	0.04 79

ISRNet	0.11 87	0.05 49	0.36 282	0.24 167	0.07 111	0.13 126	0.05 93	0.06 94	0.05 97	0.05 91	0.05 100	0.13 127	0.05 94	0.05 82	0.09 108	0.24 197	0.20 190	0.10 108	0.05 96	0.06 96	0.13 150

qqq1	0.25 186	3.70 545	0.14 126	0.14 99	0.04 79	0.06 92	0.05 93	0.06 94	0.05 97	0.06 96	0.05 100	0.04 77	0.05 94	0.06 88	0.05 88	0.13 109	0.12 112	0.06 94	0.05 96	0.03 43	0.04 79

fff1	0.25 186	3.70 545	0.14 126	0.14 99	0.04 79	0.06 92	0.05 93	0.06 94	0.05 97	0.06 96	0.05 100	0.04 77	0.05 94	0.06 88	0.05 88	0.13 109	0.12 112	0.06 94	0.05 96	0.03 43	0.04 79

11t1	0.17 136	2.16 477	0.13 121	0.13 95	0.04 79	0.06 92	0.04 81	0.06 94	0.04 81	0.06 96	0.03 52	0.06 97	0.03 52	0.06 88	0.05 88	0.18 150	0.12 112	0.06 94	0.03 54	0.05 92	0.03 51

ffm	0.25 186	3.83 551	0.12 101	0.12 82	0.05 99	0.06 92	0.05 93	0.06 94	0.05 97	0.03 40	0.03 52	0.06 97	0.05 94	0.06 88	0.05 88	0.12 93	0.12 112	0.05 86	0.04 78	0.06 96	0.04 79

ff1	0.25 186	3.83 551	0.12 101	0.12 82	0.05 99	0.06 92	0.05 93	0.06 94	0.05 97	0.03 40	0.03 52	0.06 97	0.05 94	0.06 88	0.05 88	0.12 93	0.12 112	0.05 86	0.04 78	0.06 96	0.04 79

mmx	0.25 186	3.83 551	0.12 101	0.12 82	0.05 99	0.06 92	0.05 93	0.06 94	0.05 97	0.03 40	0.03 52	0.06 97	0.05 94	0.06 88	0.05 88	0.12 93	0.12 112	0.05 86	0.04 78	0.06 96	0.04 79

qqq	0.16 132	2.01 468	0.12 101	0.15 109	0.04 79	0.06 92	0.05 93	0.06 94	0.04 81	0.06 96	0.03 52	0.06 97	0.03 52	0.06 88	0.03 48	0.12 93	0.14 140	0.04 73	0.04 78	0.03 43	0.03 51

APVNet	0.09 52	0.05 49	0.04 43	0.05 43	0.04 79	0.05 89	0.90 457	0.06 94	0.04 81	0.05 91	0.04 88	0.05 91	0.04 84	0.05 82	0.04 75	0.05 51	0.04 45	0.05 86	0.04 78	0.05 92	0.05 97

GwcNet	0.12 96	0.07 57	0.05 57	0.08 49	0.05 99	0.08 105	1.20 486	0.07 104	0.05 97	0.05 91	0.05 100	0.08 106	0.05 94	0.08 107	0.03 48	0.07 60	0.05 56	0.06 94	0.05 96	0.07 106	0.05 97

BEATNet-Init1	0.19 142	0.08 58	0.08 60	2.23 525	0.08 113	0.08 105	0.07 111	0.07 104	0.08 114	0.08 106	0.07 112	0.08 106	0.07 113	0.11 124	0.08 104	0.08 62	0.08 61	0.08 102	0.07 105	0.08 109	0.08 108

DeepPrunerF	0.19 142	0.08 58	0.08 60	2.23 525	0.08 113	0.08 105	0.07 111	0.07 104	0.08 114	0.08 106	0.07 112	0.08 106	0.07 113	0.11 124	0.08 104	0.08 62	0.08 61	0.08 102	0.07 105	0.08 109	0.08 108

OmniDepth	0.08 50	0.08 58	0.11 89	0.11 75	0.05 99	0.08 105	0.05 93	0.08 107	0.07 111	0.08 106	0.05 100	0.08 106	0.05 94	0.09 110	0.08 104	0.15 125	0.11 96	0.07 99	0.05 96	0.07 106	0.06 104

FINET	0.07 49	0.08 58	0.07 58	0.07 47	0.07 111	0.08 105	0.06 108	0.08 107	0.07 111	0.08 106	0.07 112	0.08 106	0.06 109	0.07 104	0.07 102	0.08 62	0.07 59	0.07 99	0.07 105	0.06 96	0.06 104

SuperB	0.21 162	0.10 67	2.51 589	0.12 82	0.09 115	0.10 111	0.09 113	0.08 107	0.07 111	0.10 111	0.09 115	0.09 111	0.07 113	0.07 104	0.07 102	0.07 60	0.08 61	0.07 99	0.07 105	0.08 109	0.07 107

CAS++	0.17 136	0.27 143	0.21 193	0.10 58	0.21 227	0.15 134	0.22 218	0.10 110	0.21 216	0.22 172	0.10 119	0.19 157	0.18 200	0.10 113	0.19 183	0.20 162	0.19 188	0.18 162	0.10 118	0.19 161	0.18 198
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
SepStereo	0.09 52	0.09 65	0.10 69	0.09 55	0.09 115	0.09 110	0.09 113	0.10 110	0.08 114	0.10 111	0.09 115	0.09 111	0.09 116	0.09 110	0.08 104	0.09 68	0.08 61	0.09 107	0.08 109	0.09 112	0.08 108

AnonymousM	0.10 65	0.10 67	0.10 69	0.10 58	0.10 121	0.10 111	0.10 118	0.10 110	0.10 118	0.10 111	0.10 119	0.10 113	0.10 120	0.10 113	0.10 114	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

PVD	0.10 65	0.10 67	0.10 69	0.10 58	0.10 121	0.10 111	0.10 118	0.10 110	0.10 118	0.10 111	0.10 119	0.10 113	0.10 120	0.10 113	0.10 114	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

SHD	0.10 65	0.10 67	0.10 69	0.10 58	0.10 121	0.10 111	0.10 118	0.10 110	0.10 118	0.10 111	0.10 119	0.10 113	0.10 120	0.10 113	0.10 114	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

SAMSARA	0.10 65	0.10 67	0.10 69	0.10 58	0.10 121	0.10 111	0.10 118	0.10 110	0.10 118	0.10 111	0.10 119	0.10 113	0.10 120	0.10 113	0.10 114	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

XQC	0.10 65	0.10 67	0.10 69	0.10 58	0.10 121	0.10 111	0.10 118	0.10 110	0.10 118	0.10 111	0.10 119	0.10 113	0.10 120	0.10 113	0.10 114	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

RTSC	0.10 65	0.10 67	0.10 69	0.10 58	0.10 121	0.10 111	0.10 118	0.10 110	0.10 118	0.10 111	0.10 119	0.10 113	0.10 120	0.10 113	0.10 114	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

RTS	0.10 65	0.10 67	0.10 69	0.10 58	0.10 121	0.10 111	0.10 118	0.10 110	0.10 118	0.10 111	0.10 119	0.10 113	0.10 120	0.10 113	0.10 114	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

RTSA	0.10 65	0.10 67	0.10 69	0.10 58	0.10 121	0.10 111	0.10 118	0.10 110	0.10 118	0.10 111	0.10 119	0.10 113	0.10 120	0.10 113	0.10 114	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

MADNet+	0.10 65	0.10 67	0.10 69	0.10 58	0.10 121	0.10 111	0.10 118	0.10 110	0.10 118	0.10 111	0.10 119	0.10 113	0.10 120	0.10 113	0.10 114	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

MADNet++	0.10 65	0.10 67	0.10 69	0.10 58	0.10 121	0.10 111	0.10 118	0.10 110	0.10 118	0.10 111	0.10 119	0.10 113	0.10 120	0.10 113	0.10 114	0.10 73	0.10 75	0.10 108	0.10 118	0.10 113	0.10 116

JetRed	0.11 87	0.12 80	0.11 89	0.11 75	0.11 136	0.11 122	0.14 152	0.11 122	0.11 133	0.12 125	0.11 133	0.11 123	0.11 132	0.11 124	0.11 126	0.11 88	0.16 145	0.11 119	0.11 130	0.11 123	0.11 128

JetBlue	0.11 87	0.11 78	0.12 101	0.13 95	0.14 157	0.11 122	0.11 131	0.11 122	0.11 133	0.11 123	0.11 133	0.11 123	0.11 132	0.12 128	0.12 141	0.11 88	0.11 96	0.11 119	0.11 130	0.11 123	0.11 128

aanetorigin	0.13 103	0.11 78	0.11 89	0.11 75	0.11 136	0.11 122	0.11 131	0.11 122	0.11 133	0.11 123	0.12 144	0.11 123	0.11 132	0.11 124	0.11 126	0.11 88	0.11 96	0.14 127	0.11 130	0.49 359	0.11 128

PASM	0.39 269	3.06 531	1.36 527	1.58 498	0.09 115	0.11 122	0.11 131	0.11 122	0.11 133	0.09 110	0.09 115	0.11 123	0.09 116	0.09 110	0.09 108	0.11 88	0.11 96	0.11 119	0.09 111	0.11 123	0.11 128

DA	0.09 52	0.13 81	0.39 296	0.08 49	0.05 99	0.07 103	0.05 93	0.13 126	0.05 97	0.06 96	0.05 100	0.06 97	0.05 94	0.06 88	0.05 88	0.06 55	0.05 56	0.14 127	0.13 155	0.06 96	0.05 97

GGEV	0.09 52	0.13 81	0.39 296	0.08 49	0.05 99	0.07 103	0.05 93	0.13 126	0.05 97	0.06 96	0.05 100	0.06 97	0.05 94	0.06 88	0.05 88	0.06 55	0.05 56	0.14 127	0.13 155	0.06 96	0.05 97

S2M2_L	0.12 96	0.14 87	0.10 69	0.15 109	0.10 121	0.14 127	0.10 118	0.14 128	0.10 118	0.15 133	0.10 119	0.14 128	0.10 120	0.14 130	0.10 114	0.13 109	0.10 75	0.13 125	0.09 111	0.13 129	0.09 111
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
CIPLG	0.13 103	0.21 108	0.12 101	0.16 120	0.11 136	0.15 134	0.11 131	0.14 128	0.11 133	0.15 133	0.12 144	0.15 138	0.11 132	0.14 130	0.11 126	0.15 125	0.12 112	0.14 127	0.11 130	0.14 131	0.11 128

IPLG	0.13 103	0.20 103	0.14 126	0.15 109	0.11 136	0.14 127	0.11 131	0.14 128	0.11 133	0.14 127	0.11 133	0.14 128	0.11 132	0.14 130	0.11 126	0.15 125	0.12 112	0.14 127	0.11 130	0.14 131	0.11 128

IPLGR_C	0.14 112	0.20 103	0.12 101	0.15 109	0.11 136	0.14 127	0.15 162	0.14 128	0.11 133	0.15 133	0.12 144	0.14 128	0.11 132	0.16 140	0.11 126	0.15 125	0.12 112	0.14 127	0.12 147	0.15 141	0.12 144

MIPNet	0.14 112	0.21 108	0.17 167	0.16 120	0.11 136	0.15 134	0.12 147	0.14 128	0.11 133	0.16 138	0.11 133	0.14 128	0.11 132	0.14 130	0.11 126	0.14 116	0.12 112	0.14 127	0.11 130	0.14 131	0.11 128

IPLGR	0.14 112	0.24 125	0.14 126	0.16 120	0.12 152	0.15 134	0.12 147	0.14 128	0.11 133	0.15 133	0.12 144	0.14 128	0.11 132	0.14 130	0.11 126	0.15 125	0.12 112	0.14 127	0.11 130	0.14 131	0.11 128

ACRE	0.13 103	0.21 108	0.14 126	0.15 109	0.11 136	0.14 127	0.11 131	0.14 128	0.11 133	0.14 127	0.12 144	0.14 128	0.11 132	0.14 130	0.11 126	0.15 125	0.12 112	0.14 127	0.11 130	0.14 131	0.11 128

LRCNet_RVC	0.13 103	0.13 81	0.09 65	0.13 95	0.10 121	0.14 127	0.10 118	0.14 128	0.10 118	0.23 176	0.10 119	0.20 160	0.10 120	0.24 193	0.11 126	0.11 88	0.09 70	0.12 122	0.14 165	0.12 127	0.09 111

GMStereo	0.14 112	0.13 81	0.14 126	0.14 99	0.14 157	0.14 127	0.14 152	0.14 128	0.14 157	0.14 127	0.14 161	0.14 128	0.14 158	0.14 130	0.14 151	0.14 116	0.14 140	0.14 127	0.14 165	0.14 131	0.14 160
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
ac_64	0.22 166	0.13 81	0.19 187	0.23 162	0.10 121	0.26 213	1.02 473	0.14 128	0.10 118	0.28 214	0.14 161	0.17 149	0.19 213	0.28 229	0.09 108	0.22 176	0.16 145	0.23 187	0.17 203	0.11 123	0.12 144

DRN-Test	0.14 112	0.13 81	0.09 65	0.14 99	0.09 115	0.15 134	0.09 113	0.14 128	0.10 118	0.14 127	0.09 115	0.14 128	0.09 116	0.13 129	0.09 108	0.12 93	0.09 70	0.12 122	0.09 111	0.12 127	0.73 433

StereoDRNet	0.15 124	0.14 87	0.10 69	0.14 99	0.09 115	0.15 134	0.09 113	0.14 128	0.09 117	0.14 127	0.10 119	0.14 128	0.09 116	0.14 130	0.09 108	0.13 109	0.10 75	0.13 125	0.09 111	0.13 129	0.82 445

PDISCO_ROB	0.83 415	2.80 527	3.49 606	0.14 99	0.11 136	0.17 150	0.09 113	0.15 140	0.10 118	0.15 133	0.12 144	0.16 139	0.14 158	3.30 593	0.13 147	0.14 116	2.34 584	0.16 145	0.12 147	2.62 573	0.10 116

xyz-stereo-finetune2	0.18 139	0.48 245	0.16 155	0.16 120	0.15 173	0.15 134	0.16 172	0.16 141	0.16 181	0.16 138	0.16 182	0.16 139	0.16 180	0.16 140	0.16 167	0.16 134	0.16 145	0.16 145	0.16 183	0.16 145	0.16 174

xyz-stereo	0.18 139	0.50 251	0.16 155	0.15 109	0.16 187	0.16 142	0.16 172	0.16 141	0.16 181	0.16 138	0.16 182	0.16 139	0.16 180	0.16 140	0.16 167	0.16 134	0.16 145	0.16 145	0.16 183	0.16 145	0.16 174

castereo++	0.54 349	3.59 542	1.15 455	1.31 488	0.14 157	0.16 142	0.14 152	0.16 141	0.14 157	0.16 138	0.14 161	0.16 139	0.13 154	0.16 140	0.14 151	1.45 518	1.16 463	0.15 142	0.14 165	0.15 141	0.13 150

test_for_model	0.15 124	0.23 118	0.18 176	0.21 145	0.11 136	0.16 142	0.11 131	0.16 141	0.11 133	0.16 138	0.11 133	0.16 139	0.11 132	0.16 140	0.11 126	0.21 166	0.18 182	0.14 127	0.11 130	0.14 131	0.11 128

testlalala2	0.13 103	0.16 89	0.11 89	0.15 109	0.11 136	0.16 142	0.11 131	0.16 141	0.11 133	0.16 138	0.11 133	0.16 139	0.11 132	0.16 140	0.11 126	0.14 116	0.11 96	0.14 127	0.11 130	0.14 131	0.11 128

GMStereo_Zeroshot	0.16 132	0.16 89	0.16 155	0.16 120	0.16 187	0.16 142	0.16 172	0.16 141	0.16 181	0.16 138	0.16 182	0.16 139	0.16 180	0.16 140	0.16 167	0.16 134	0.16 145	0.16 145	0.16 183	0.16 145	0.16 174

testlalala_base	0.13 103	0.16 89	0.11 89	0.15 109	0.11 136	0.15 134	0.11 131	0.16 141	0.11 133	0.16 138	0.11 133	0.16 139	0.11 132	0.16 140	0.11 126	0.14 116	0.11 96	0.14 127	0.11 130	0.14 131	0.11 128

ICVP	0.15 124	0.53 264	0.11 89	0.16 120	0.11 136	0.16 142	0.11 131	0.16 141	0.11 133	0.16 138	0.11 133	0.16 139	0.11 132	0.16 140	0.11 126	0.16 134	0.11 96	0.16 145	0.11 130	0.16 145	0.11 128
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
S2M2_XL	0.14 112	0.17 95	0.12 101	0.17 128	0.11 136	0.17 150	0.11 131	0.17 149	0.11 133	0.17 147	0.11 133	0.17 149	0.11 132	0.17 149	0.11 126	0.16 134	0.11 96	0.16 145	0.11 130	0.16 145	0.11 128
Junhong Min, Youngpil Jeon, Jimin Kim, Minyong Choi: S^2M^2 : Scalable Stereo Matching Model for Reliable Depth Estimation. ICCV 2025
ProNet	0.14 112	0.20 103	0.14 126	0.16 120	0.11 136	0.16 142	0.11 131	0.17 149	0.11 133	0.17 147	0.12 144	0.17 149	0.13 154	0.17 149	0.12 141	0.15 125	0.11 96	0.16 145	0.11 130	0.15 141	0.12 144

HSM	0.14 112	0.16 89	0.12 101	0.17 128	0.12 152	0.17 150	0.11 131	0.17 149	0.11 133	0.17 147	0.12 144	0.17 149	0.12 149	0.17 149	0.12 141	0.16 134	0.11 96	0.16 145	0.11 130	0.16 145	0.12 144

ITSA-stereo	0.15 124	0.17 95	0.13 121	0.20 136	0.13 155	0.19 157	0.13 150	0.18 152	0.13 155	0.19 153	0.13 156	0.18 153	0.14 158	0.18 152	0.14 151	0.16 134	0.11 96	0.15 142	0.14 165	0.18 155	0.11 128

ELAS	0.13 103	0.16 89	0.11 89	0.15 109	0.09 115	0.18 154	0.11 131	0.18 152	0.11 133	0.17 147	0.11 133	0.18 153	0.11 132	0.18 152	0.11 126	0.14 116	0.08 61	0.14 127	0.08 109	0.14 131	0.09 111
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
IGEV-FE	0.35 231	0.37 169	0.17 167	0.19 133	0.17 196	0.20 162	0.17 185	0.19 154	0.17 194	0.19 153	0.17 192	0.19 157	0.17 192	0.37 261	0.36 288	0.19 154	0.17 168	0.19 165	0.17 203	0.38 273	2.84 595

DEFOM-Stereo_RVC	0.83 415	5.18 575	1.98 577	2.19 522	0.17 196	0.19 157	0.18 192	0.19 154	0.16 181	0.20 159	0.19 215	0.22 180	0.22 223	0.20 159	0.15 161	2.28 560	2.13 579	0.24 195	0.17 203	0.18 155	0.16 174

HCRNet	1.22 506	7.11 595	3.00 591	3.55 573	0.33 323	0.29 229	0.14 152	0.19 154	0.15 172	0.33 241	0.29 265	0.25 205	0.14 158	0.22 178	0.33 268	3.64 590	3.00 587	0.76 431	0.32 323	0.18 155	0.13 150

DeepPruner_ROB	0.16 132	0.18 98	0.13 121	0.19 133	0.13 155	0.19 157	0.13 150	0.19 154	0.13 155	0.19 153	0.13 156	0.19 157	0.13 154	0.19 155	0.13 147	0.18 150	0.13 136	0.18 162	0.13 155	0.18 155	0.13 150

ELAS_RVC	0.14 112	0.16 89	0.10 69	0.15 109	0.10 121	0.18 154	0.11 131	0.19 154	0.11 133	0.19 153	0.12 144	0.18 153	0.11 132	0.19 155	0.12 141	0.14 116	0.08 61	0.14 127	0.09 111	0.15 141	0.09 111
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
SGM_RVC	0.15 124	0.17 95	0.11 89	0.18 130	0.11 136	0.19 157	0.11 131	0.19 154	0.12 152	0.19 153	0.12 144	0.20 160	0.12 149	0.19 155	0.12 141	0.16 134	0.11 96	0.17 153	0.10 118	0.17 151	0.10 116
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
RAFT-FEzeroshot	0.34 222	0.26 140	0.17 167	0.21 145	0.17 196	0.20 162	0.16 172	0.20 160	0.16 181	0.20 159	0.17 192	0.21 167	0.16 180	0.27 217	0.24 201	0.19 154	0.16 145	0.19 165	0.16 183	0.26 207	3.08 604

RAFT-FE	0.34 222	0.26 140	0.17 167	0.21 145	0.17 196	0.20 162	0.16 172	0.20 160	0.16 181	0.20 159	0.17 192	0.21 167	0.16 180	0.27 217	0.24 201	0.19 154	0.16 145	0.19 165	0.16 183	0.26 207	3.08 604

castereo	0.61 360	3.79 550	1.35 519	1.52 497	0.15 173	0.17 150	0.16 172	0.20 160	0.21 216	0.18 151	0.16 182	0.21 167	0.12 149	0.26 213	0.17 171	1.43 517	1.38 533	0.17 153	0.16 183	0.18 155	0.16 174

DDVS	0.30 202	3.10 532	0.14 126	0.19 133	0.14 157	0.19 157	0.14 152	0.20 160	0.14 157	0.19 153	0.13 156	0.16 139	0.13 154	0.19 155	0.13 147	0.17 142	0.13 136	0.17 153	0.13 155	0.17 151	0.13 150

gwcnet-sp	0.82 412	1.72 444	1.48 537	0.39 230	0.15 173	0.31 235	0.21 213	0.20 160	0.25 233	1.61 533	0.23 229	0.28 226	0.26 245	0.20 159	0.15 161	0.24 197	1.33 524	0.32 241	0.16 183	6.75 620	0.23 209

scenet	0.82 412	1.72 444	1.48 537	0.39 230	0.15 173	0.31 235	0.21 213	0.20 160	0.25 233	1.61 533	0.23 229	0.28 226	0.26 245	0.20 159	0.15 161	0.24 197	1.33 524	0.32 241	0.16 183	6.75 620	0.23 209

ssnet	0.82 412	1.72 444	1.48 537	0.39 230	0.15 173	0.31 235	0.21 213	0.20 160	0.25 233	1.61 533	0.23 229	0.28 226	0.26 245	0.20 159	0.15 161	0.24 197	1.33 524	0.32 241	0.16 183	6.75 620	0.23 209

DAS	0.20 149	0.20 103	0.20 190	0.20 136	0.20 221	0.20 162	0.20 208	0.20 160	0.20 213	0.20 159	0.20 219	0.20 160	0.20 217	0.20 159	0.20 186	0.20 162	0.20 190	0.20 169	0.20 218	0.20 167	0.20 202

oiu110	0.19 142	0.22 112	0.14 126	0.21 145	0.14 157	0.21 172	0.14 152	0.21 168	0.14 157	0.23 176	0.14 161	0.21 167	0.14 158	0.21 169	0.48 352	0.19 154	0.16 145	0.22 176	0.13 155	0.19 161	0.13 150

dddd17k	0.19 142	0.22 112	0.14 126	0.21 145	0.14 157	0.21 172	0.14 152	0.21 168	0.14 157	0.23 176	0.14 161	0.21 167	0.14 158	0.21 169	0.48 352	0.19 154	0.16 145	0.22 176	0.13 155	0.19 161	0.13 150

ITERv10	0.19 142	0.22 112	0.14 126	0.21 145	0.14 157	0.21 172	0.14 152	0.21 168	0.14 157	0.23 176	0.14 161	0.21 167	0.14 158	0.21 169	0.48 352	0.19 154	0.16 145	0.22 176	0.13 155	0.19 161	0.13 150

ITERv8	0.19 142	0.22 112	0.14 126	0.21 145	0.14 157	0.21 172	0.14 152	0.21 168	0.14 157	0.23 176	0.14 161	0.21 167	0.14 158	0.21 169	0.48 352	0.19 154	0.16 145	0.22 176	0.13 155	0.19 161	0.13 150

ITERv4	0.19 142	0.22 112	0.14 126	0.21 145	0.14 157	0.21 172	0.14 152	0.21 168	0.14 157	0.23 176	0.14 161	0.21 167	0.14 158	0.21 169	0.48 352	0.19 154	0.16 145	0.22 176	0.13 155	0.19 161	0.13 150

IGEV_Zeroshot_test	0.20 149	0.19 99	0.40 301	0.30 198	0.17 196	0.22 179	0.17 185	0.21 168	0.17 194	0.20 159	0.17 192	0.21 167	0.18 200	0.21 169	0.17 171	0.20 162	0.16 145	0.20 169	0.16 183	0.20 167	0.17 186

ACVNet	0.20 149	0.19 99	0.14 126	0.20 136	0.14 157	0.20 162	0.96 465	0.21 168	0.14 157	0.20 159	0.13 156	0.21 167	0.14 158	0.20 159	0.14 151	0.17 142	0.12 112	0.17 153	0.12 147	0.17 151	0.12 144

acv_ft	0.20 149	0.19 99	0.14 126	0.20 136	0.14 157	0.20 162	0.96 465	0.21 168	0.14 157	0.20 159	0.13 156	0.21 167	0.14 158	0.20 159	0.14 151	0.17 142	0.12 112	0.17 153	0.12 147	0.17 151	0.12 144

LALA_ROB	0.15 124	0.19 99	0.12 101	0.18 130	0.11 136	0.20 162	0.12 147	0.21 168	0.12 152	0.20 159	0.12 144	0.20 160	0.12 149	0.21 169	0.13 147	0.17 142	0.10 75	0.18 162	0.11 130	0.18 155	0.11 128

ITERv28	0.20 149	0.24 125	0.15 147	0.22 153	0.15 173	0.22 179	0.15 162	0.22 177	0.15 172	0.24 186	0.15 174	0.22 180	0.15 173	0.22 178	0.50 360	0.21 166	0.17 168	0.24 195	0.14 165	0.20 167	0.14 160

ITERv24	0.20 149	0.24 125	0.15 147	0.22 153	0.15 173	0.22 179	0.15 162	0.22 177	0.15 172	0.24 186	0.15 174	0.22 180	0.15 173	0.22 178	0.50 360	0.21 166	0.17 168	0.24 195	0.14 165	0.20 167	0.14 160

dd23bbn	0.20 149	0.24 125	0.15 147	0.22 153	0.15 173	0.22 179	0.15 162	0.22 177	0.15 172	0.24 186	0.15 174	0.22 180	0.15 173	0.22 178	0.50 360	0.21 166	0.17 168	0.24 195	0.14 165	0.20 167	0.14 160

ITERv21	0.20 149	0.24 125	0.15 147	0.22 153	0.15 173	0.22 179	0.15 162	0.22 177	0.15 172	0.24 186	0.15 174	0.22 180	0.15 173	0.22 178	0.50 360	0.21 166	0.17 168	0.24 195	0.14 165	0.20 167	0.14 160

zxcv128	0.20 149	0.24 125	0.15 147	0.22 153	0.15 173	0.22 179	0.15 162	0.22 177	0.15 172	0.24 186	0.15 174	0.22 180	0.15 173	0.22 178	0.50 360	0.21 166	0.17 168	0.24 195	0.14 165	0.20 167	0.14 160

ITERv12	0.20 149	0.24 125	0.15 147	0.22 153	0.15 173	0.22 179	0.15 162	0.22 177	0.15 172	0.24 186	0.15 174	0.22 180	0.15 173	0.22 178	0.50 360	0.21 166	0.17 168	0.24 195	0.14 165	0.20 167	0.14 160

s6wercc	0.20 149	0.24 125	0.15 147	0.22 153	0.15 173	0.22 179	0.15 162	0.22 177	0.15 172	0.24 186	0.15 174	0.22 180	0.15 173	0.22 178	0.50 360	0.21 166	0.17 168	0.24 195	0.14 165	0.20 167	0.14 160

xyz-stereo-finetune	0.28 196	0.49 247	0.16 155	0.16 120	0.16 187	0.16 142	0.16 172	0.22 177	0.30 273	0.32 236	0.31 289	0.32 241	0.31 295	0.32 240	0.32 259	0.32 232	0.33 282	0.31 240	0.32 323	0.31 225	0.32 294

WAO-6	0.22 166	0.23 118	0.22 195	0.23 162	0.22 229	0.22 179	0.22 218	0.22 177	0.22 219	0.22 172	0.22 225	0.22 180	0.22 223	0.22 178	0.22 191	0.22 176	0.22 205	0.22 176	0.22 222	0.22 179	0.22 207

IMH-64-1	0.22 166	0.23 118	0.23 198	0.22 153	0.22 229	0.22 179	0.22 218	0.22 177	0.22 219	0.22 172	0.22 225	0.22 180	0.22 223	0.22 178	0.22 191	0.22 176	0.22 205	0.23 187	0.22 222	0.22 179	0.23 209

IMH-64	0.22 166	0.23 118	0.23 198	0.22 153	0.22 229	0.22 179	0.22 218	0.22 177	0.22 219	0.22 172	0.22 225	0.22 180	0.22 223	0.22 178	0.22 191	0.22 176	0.22 205	0.23 187	0.22 222	0.22 179	0.23 209

MSKI-zero shot	0.24 177	0.21 108	0.49 346	0.65 358	0.18 206	0.22 179	0.17 185	0.23 188	0.18 197	0.21 170	0.17 192	0.23 191	0.28 260	0.23 189	0.18 180	0.21 166	0.16 145	0.21 171	0.16 183	0.21 177	0.16 174

MIM_Stereo	0.25 186	0.23 118	0.66 388	0.80 380	0.17 196	0.22 179	0.17 185	0.23 188	0.18 197	0.26 205	0.17 192	0.21 167	0.17 192	0.25 203	0.17 171	0.23 192	0.16 145	0.21 171	0.17 203	0.22 179	0.17 186

dd	0.23 175	0.98 329	0.16 155	0.23 162	0.15 173	0.23 192	0.15 162	0.23 188	0.15 172	0.23 176	0.15 174	0.24 195	0.17 192	0.23 189	0.15 161	0.22 176	0.15 143	0.21 171	0.15 176	0.22 179	0.16 174

hj116sk	0.22 166	0.25 134	0.16 155	0.24 167	0.16 187	0.24 193	0.16 172	0.24 191	0.16 181	0.26 205	0.16 182	0.24 195	0.16 180	0.24 193	0.52 374	0.22 176	0.18 182	0.25 203	0.15 176	0.22 179	0.15 168

iked130	0.22 166	0.25 134	0.16 155	0.24 167	0.16 187	0.24 193	0.16 172	0.24 191	0.16 181	0.26 205	0.16 182	0.24 195	0.16 180	0.24 193	0.52 374	0.22 176	0.18 182	0.25 203	0.15 176	0.22 179	0.15 168

vnu138km	0.22 166	0.25 134	0.16 155	0.24 167	0.16 187	0.24 193	0.16 172	0.24 191	0.16 181	0.26 205	0.16 182	0.24 195	0.16 180	0.24 193	0.52 374	0.22 176	0.18 182	0.25 203	0.15 176	0.22 179	0.15 168

99wein	0.22 166	0.25 134	0.16 155	0.24 167	0.16 187	0.24 193	0.16 172	0.24 191	0.16 181	0.26 205	0.16 182	0.24 195	0.16 180	0.24 193	0.52 374	0.22 176	0.18 182	0.25 203	0.15 176	0.22 179	0.15 168

a5sdf	0.22 166	0.25 134	0.16 155	0.24 167	0.16 187	0.24 193	0.16 172	0.24 191	0.16 181	0.26 205	0.16 182	0.24 195	0.16 180	0.24 193	0.52 374	0.22 176	0.18 182	0.25 203	0.15 176	0.22 179	0.15 168

tg	0.21 162	0.25 134	0.21 193	0.26 184	0.17 196	0.24 193	0.17 185	0.24 191	0.17 194	0.24 186	0.17 192	0.24 195	0.17 192	0.24 193	0.17 171	0.24 197	0.17 168	0.23 187	0.16 183	0.23 193	0.16 174

ACV-stereo	0.30 202	2.08 470	0.25 208	0.25 177	0.18 206	0.24 193	0.17 185	0.24 191	0.18 197	0.24 186	0.17 192	0.25 205	0.17 192	0.24 193	0.17 171	0.22 176	0.16 145	0.22 176	0.16 183	0.22 179	0.16 174

Pointernet	0.21 162	0.22 112	0.19 187	0.24 167	0.19 218	0.24 193	0.19 204	0.24 191	0.19 211	0.24 186	0.19 215	0.24 195	0.19 213	0.24 193	0.19 183	0.22 176	0.17 168	0.22 176	0.17 203	0.22 179	0.17 186

dad	0.23 175	1.03 345	0.16 155	0.23 162	0.15 173	0.24 193	0.15 162	0.24 191	0.16 181	0.23 176	0.16 182	0.24 195	0.16 180	0.23 189	0.15 161	0.22 176	0.16 145	0.22 176	0.16 183	0.22 179	0.16 174

iResNetv2_ROB	0.20 149	0.23 118	0.18 176	0.24 167	0.20 221	0.24 193	0.18 192	0.24 191	0.18 197	0.24 186	0.18 205	0.23 191	0.19 213	0.24 193	0.18 180	0.21 166	0.16 145	0.21 171	0.16 183	0.22 179	0.16 174

iResNet	0.20 149	0.23 118	0.18 176	0.24 167	0.18 206	0.24 193	0.20 208	0.24 191	0.18 197	0.23 176	0.17 192	0.23 191	0.18 200	0.23 189	0.18 180	0.22 176	0.16 145	0.21 171	0.16 183	0.21 177	0.16 174

VIP-Stereo	0.70 379	2.97 530	2.43 588	2.49 537	0.16 187	0.25 205	0.16 172	0.25 202	0.16 181	0.25 197	0.18 205	0.25 205	0.16 180	0.26 213	0.16 167	1.86 533	1.26 516	0.23 187	0.15 176	0.23 193	0.15 168

UNDER WATER-64	0.25 186	0.26 140	0.25 208	0.26 184	0.25 242	0.25 205	0.25 234	0.25 202	0.25 233	0.25 197	0.25 242	0.25 205	0.25 236	0.26 213	0.25 209	0.25 211	0.25 213	0.25 203	0.25 241	0.25 205	0.25 220

LoS_RVC	0.30 202	1.14 359	0.25 208	0.25 177	0.25 242	0.26 213	0.25 234	0.25 202	0.25 233	0.25 197	0.25 242	0.26 215	0.26 245	0.26 213	0.25 209	0.26 213	0.26 216	0.25 203	0.25 241	0.26 207	0.26 226

CAS	0.30 202	1.17 365	0.25 208	0.25 177	0.25 242	0.26 213	0.25 234	0.25 202	0.26 246	0.25 197	0.25 242	0.25 205	0.25 236	0.25 203	0.25 209	0.26 213	0.26 216	0.26 213	0.25 241	0.26 207	0.25 220

AANet_RVC	1.26 508	0.31 160	4.99 617	5.93 608	0.20 221	0.25 205	0.20 208	0.25 202	0.20 213	0.23 176	0.19 215	0.25 205	0.20 217	0.25 203	0.20 186	5.66 619	4.76 612	0.26 213	0.30 289	0.24 195	0.27 234

Select-FE	0.41 295	0.44 206	0.23 198	0.26 184	0.22 229	0.26 213	0.22 218	0.26 207	0.23 225	0.26 205	0.23 229	0.26 215	0.23 229	0.45 338	0.42 330	0.25 211	0.22 205	0.25 203	0.22 222	0.45 336	2.90 596

gcap-zeroshot	0.35 231	0.32 161	0.37 286	0.49 315	0.39 362	0.33 245	0.21 213	0.26 207	0.35 329	0.42 300	0.34 327	0.49 363	0.29 267	0.47 347	0.39 311	0.34 240	0.17 168	0.38 289	0.23 228	0.48 355	0.34 315

LoS	0.25 186	0.27 143	0.25 208	0.25 177	0.25 242	0.25 205	0.25 234	0.26 207	0.25 233	0.25 197	0.25 242	0.25 205	0.25 236	0.25 203	0.25 209	0.26 213	0.25 213	0.25 203	0.26 247	0.26 207	0.25 220
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
GEStereo_RVC	0.86 421	4.45 565	0.20 190	0.27 187	0.20 221	0.27 217	0.20 208	0.26 207	0.18 197	5.03 621	0.20 219	0.27 217	0.19 213	0.27 217	0.21 189	0.20 162	0.19 188	0.19 165	4.02 625	0.20 167	0.18 198

ITERv30	0.24 177	0.28 146	0.18 176	0.27 187	0.18 206	0.27 217	0.18 192	0.27 211	0.18 197	0.28 214	0.18 205	0.27 217	0.18 200	0.27 217	0.53 382	0.24 197	0.20 190	0.27 217	0.17 203	0.24 195	0.17 186

qyd29nn	0.24 177	0.28 146	0.18 176	0.27 187	0.18 206	0.27 217	0.18 192	0.27 211	0.18 197	0.28 214	0.18 205	0.27 217	0.18 200	0.27 217	0.53 382	0.24 197	0.20 190	0.27 217	0.17 203	0.24 195	0.17 186

yuret106	0.24 177	0.28 146	0.18 176	0.27 187	0.18 206	0.27 217	0.18 192	0.27 211	0.18 197	0.28 214	0.18 205	0.27 217	0.18 200	0.27 217	0.53 382	0.24 197	0.20 190	0.27 217	0.17 203	0.24 195	0.17 186

uio108cc	0.24 177	0.28 146	0.18 176	0.27 187	0.18 206	0.27 217	0.18 192	0.27 211	0.18 197	0.28 214	0.18 205	0.27 217	0.18 200	0.27 217	0.53 382	0.24 197	0.20 190	0.27 217	0.17 203	0.24 195	0.17 186

v20iiwwt	0.24 177	0.28 146	0.18 176	0.27 187	0.18 206	0.27 217	0.18 192	0.27 211	0.18 197	0.28 214	0.18 205	0.27 217	0.18 200	0.27 217	0.53 382	0.24 197	0.20 190	0.27 217	0.17 203	0.24 195	0.17 186

ITERv14	0.24 177	0.28 146	0.18 176	0.27 187	0.18 206	0.27 217	0.18 192	0.27 211	0.18 197	0.28 214	0.18 205	0.27 217	0.18 200	0.27 217	0.53 382	0.24 197	0.20 190	0.27 217	0.17 203	0.24 195	0.17 186

v134_o9	0.24 177	0.28 146	0.18 176	0.27 187	0.18 206	0.27 217	0.18 192	0.27 211	0.18 197	0.28 214	0.18 205	0.27 217	0.18 200	0.27 217	0.53 382	0.24 197	0.20 190	0.27 217	0.17 203	0.24 195	0.17 186

ITERv7	0.24 177	0.28 146	0.18 176	0.27 187	0.18 206	0.27 217	0.18 192	0.27 211	0.18 197	0.28 214	0.18 205	0.27 217	0.18 200	0.27 217	0.53 382	0.24 197	0.20 190	0.27 217	0.17 203	0.24 195	0.17 186

DLNR-FE	0.28 196	0.89 310	0.30 227	0.34 212	0.19 218	0.28 226	0.19 204	0.28 219	0.20 213	0.28 214	0.20 219	0.28 226	0.20 217	0.28 229	0.20 186	0.33 236	0.28 229	0.25 203	0.19 217	0.24 195	0.19 200

PAM	0.39 269	1.88 456	0.34 273	0.37 221	0.41 372	0.45 345	0.22 218	0.28 219	0.23 225	0.28 214	0.24 236	0.29 232	0.23 229	0.29 233	0.23 197	0.38 267	0.32 267	0.38 289	0.37 355	0.32 227	0.22 207

TorneroNet-64	0.45 314	0.27 143	0.30 227	0.58 344	0.27 252	0.70 415	0.30 267	0.28 219	0.73 445	0.73 418	0.28 260	0.71 418	0.66 422	0.75 419	0.27 215	0.27 216	0.29 242	0.37 281	0.75 447	0.28 214	0.30 264

SQANet	0.28 196	0.28 146	0.28 219	0.28 196	0.28 257	0.28 226	0.28 253	0.28 219	0.28 255	0.28 214	0.28 260	0.28 226	0.28 260	0.28 229	0.28 225	0.28 218	0.28 229	0.28 227	0.28 261	0.28 214	0.28 247

CFNet	1.37 513	5.27 578	0.19 187	5.49 605	0.19 218	0.28 226	0.19 204	0.28 219	0.19 211	0.28 214	0.19 215	0.28 226	4.35 618	0.28 229	0.19 183	0.23 192	0.17 168	0.23 187	4.21 627	4.81 604	0.17 186

ssnet_v2	0.68 374	1.96 467	1.25 515	0.29 197	0.20 221	0.30 230	0.20 208	0.29 224	0.22 219	1.50 529	0.20 219	0.31 239	0.20 217	0.27 217	0.22 191	0.24 197	1.49 539	0.26 213	0.18 216	3.90 582	0.19 200

RAFT + AFF	0.31 209	0.45 224	0.34 273	0.39 230	0.28 257	0.38 267	0.33 311	0.29 224	0.31 292	0.30 227	0.30 277	0.29 232	0.27 253	0.29 233	0.30 242	0.28 218	0.29 242	0.29 232	0.29 276	0.27 212	0.32 294

MultiAttention	0.30 202	0.30 157	0.30 227	0.30 198	0.30 277	0.30 230	0.30 267	0.30 226	0.30 273	0.30 227	0.30 277	0.30 235	0.30 275	0.30 235	0.30 242	0.30 226	0.30 255	0.30 234	0.30 289	0.30 220	0.30 264

MSAF-DinoV2	0.30 202	0.30 157	0.30 227	0.30 198	0.30 277	0.30 230	0.30 267	0.30 226	0.30 273	0.30 227	0.30 277	0.30 235	0.30 275	0.30 235	0.30 242	0.30 226	0.30 255	0.30 234	0.30 289	0.30 220	0.30 264

DLNR_Zeroshot_test	0.31 209	0.28 146	0.47 331	0.79 377	0.24 240	0.30 230	0.26 242	0.30 226	0.24 228	0.32 236	0.23 229	0.31 239	0.24 233	0.30 235	0.23 197	0.29 225	0.26 216	0.29 232	0.24 236	0.33 234	0.23 209

DANet	0.30 202	0.30 157	0.30 227	0.30 198	0.30 277	0.30 230	0.30 267	0.30 226	0.30 273	0.30 227	0.30 277	0.30 235	0.30 275	0.30 235	0.30 242	0.30 226	0.30 255	0.30 234	0.30 289	0.30 220	0.30 264
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
DEFOM-Stereo	0.68 374	3.11 533	1.40 533	1.63 506	0.25 242	0.31 235	0.25 234	0.31 230	0.28 255	0.31 231	0.29 265	0.29 232	0.27 253	0.31 239	0.28 225	1.59 525	1.47 538	0.30 234	0.29 276	0.30 220	0.28 247

WCG-NET（raft）	0.32 217	1.24 423	0.24 205	0.32 206	0.24 240	0.32 243	0.23 226	0.32 231	0.24 228	0.32 236	0.24 236	0.32 241	0.24 233	0.32 240	0.24 201	0.30 226	0.23 210	0.30 234	0.23 228	0.30 220	0.23 209

tt1	0.31 209	0.93 322	0.24 205	0.33 210	0.23 235	0.31 235	0.24 231	0.32 231	0.24 228	0.32 236	0.23 229	0.32 241	0.25 236	0.32 240	0.24 201	0.27 216	0.26 216	0.27 217	0.26 247	0.27 212	0.27 234

iResNet_ROB	0.28 196	0.32 161	0.24 205	0.32 206	0.25 242	0.32 243	0.24 231	0.32 231	0.24 228	0.33 241	0.24 236	0.35 251	0.24 233	0.33 246	0.24 201	0.31 231	0.24 212	0.32 241	0.24 236	0.32 227	0.24 219

xxxxx1	0.31 209	0.91 315	0.23 198	0.31 203	0.23 235	0.31 235	0.23 226	0.33 234	0.25 233	0.31 231	0.24 236	0.33 244	0.25 236	0.32 240	0.24 201	0.28 218	0.28 229	0.28 227	0.28 261	0.29 217	0.27 234

testlalala	0.32 217	0.81 297	0.31 241	0.39 230	0.26 250	0.33 245	0.24 231	0.33 234	0.26 246	0.32 236	0.26 248	0.33 244	0.23 229	0.33 246	0.23 197	0.35 249	0.31 263	0.30 234	0.24 236	0.31 225	0.21 204

tt_ll	0.31 209	0.91 315	0.23 198	0.31 203	0.23 235	0.31 235	0.23 226	0.33 234	0.25 233	0.31 231	0.24 236	0.33 244	0.25 236	0.32 240	0.24 201	0.28 218	0.28 229	0.28 227	0.28 261	0.29 217	0.27 234

ff	0.31 209	0.91 315	0.23 198	0.31 203	0.23 235	0.31 235	0.23 226	0.33 234	0.25 233	0.31 231	0.24 236	0.33 244	0.25 236	0.32 240	0.24 201	0.28 218	0.28 229	0.28 227	0.28 261	0.29 217	0.27 234

FE-Mocha	0.35 231	0.71 284	0.40 301	0.47 304	0.27 252	0.34 247	0.27 245	0.34 238	0.26 246	0.34 243	0.26 248	0.34 249	0.27 253	0.34 248	0.27 215	0.44 331	0.41 328	0.33 249	0.29 276	0.32 227	0.29 252

GCAP-BAT	0.33 220	0.78 291	0.32 257	0.38 224	0.25 242	0.34 247	0.25 234	0.34 238	0.26 246	0.34 243	0.25 242	0.35 251	0.26 245	0.35 251	0.27 215	0.36 254	0.30 255	0.32 241	0.24 236	0.32 227	0.26 226

H2IRNET	0.34 222	0.34 163	0.34 273	0.34 212	0.34 333	0.34 247	0.34 322	0.34 238	0.34 326	0.34 243	0.34 327	0.34 249	0.34 325	0.34 248	0.34 281	0.34 240	0.34 290	0.34 257	0.34 335	0.34 238	0.34 315

DN-CSS_ROB	0.31 209	0.35 164	0.28 219	0.35 214	0.28 257	0.34 247	0.27 245	0.34 238	0.25 233	0.35 248	0.27 253	0.36 257	0.26 245	0.34 248	0.28 225	0.35 249	0.28 229	0.34 257	0.28 261	0.34 238	0.27 234

CES	0.39 269	0.47 239	0.36 282	0.36 218	0.37 346	0.45 345	0.35 327	0.35 242	0.40 359	0.36 251	0.44 383	0.47 352	0.36 334	0.44 328	0.36 288	0.37 258	0.39 316	0.44 359	0.35 347	0.37 261	0.36 327

FENet	0.54 349	1.52 438	1.19 461	1.41 495	0.23 235	0.35 252	0.23 226	0.35 242	0.23 225	0.34 243	0.23 229	0.35 251	0.23 229	0.35 251	0.23 197	1.40 515	1.07 447	0.32 241	0.23 228	0.33 234	0.23 209

MLCV	0.31 209	0.35 164	0.27 215	0.35 214	0.28 257	0.35 252	0.27 245	0.35 242	0.28 255	0.36 251	0.27 253	0.35 251	0.27 253	0.35 251	0.27 215	0.34 240	0.27 223	0.34 257	0.27 255	0.34 238	0.27 234

ETE_ROB	0.35 231	0.35 164	0.35 280	0.35 214	0.35 336	0.35 252	0.35 327	0.35 242	0.35 329	0.35 248	0.35 336	0.35 251	0.35 331	0.35 251	0.35 285	0.35 249	0.35 298	0.35 273	0.35 347	0.35 250	0.35 324

EKT-Stereo	0.37 243	0.40 181	0.44 318	1.07 417	0.29 266	0.34 247	0.31 283	0.36 246	0.29 261	0.38 257	0.31 289	0.37 263	0.30 275	0.36 257	0.29 235	0.34 240	0.28 229	0.39 300	0.30 289	0.37 261	0.30 264

CASnet	0.35 231	0.51 259	0.44 318	0.32 206	0.31 299	0.24 193	0.34 322	0.36 246	0.25 233	0.31 231	0.37 346	0.30 235	0.33 320	0.25 203	0.45 335	0.37 258	0.37 303	0.33 249	0.35 347	0.34 238	0.37 331
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
Any-RAFT	0.32 217	0.36 167	0.27 215	0.36 218	0.27 252	0.36 255	0.27 245	0.36 246	0.27 252	0.36 251	0.27 253	0.36 257	0.27 253	0.36 257	0.28 225	0.36 254	0.28 229	0.36 278	0.28 261	0.36 257	0.28 247

IGEV-Stereo	0.35 231	0.44 206	0.45 320	0.49 315	0.30 277	0.37 260	0.30 267	0.36 246	0.30 273	0.36 251	0.29 265	0.36 257	0.29 267	0.36 257	0.30 242	0.46 338	0.39 316	0.32 241	0.24 236	0.32 227	0.25 220
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
HGLStereo	0.28 196	0.29 156	0.22 195	0.36 218	0.22 229	0.36 255	0.21 213	0.36 246	0.21 216	0.42 300	0.21 224	0.36 257	0.22 223	0.36 257	0.21 189	0.34 240	0.21 201	0.34 257	0.21 219	0.34 238	0.21 204

DMCA	0.36 237	0.38 173	0.37 286	0.35 214	0.35 336	0.36 255	0.36 333	0.36 246	0.35 329	0.35 248	0.37 346	0.36 257	0.36 334	0.35 251	0.36 288	0.36 254	0.36 301	0.35 273	0.36 353	0.36 257	0.36 327

Monster-pub-eth3d	0.45 314	0.57 272	0.60 375	0.39 230	0.28 257	0.37 260	0.28 253	0.37 252	0.30 273	0.39 263	0.29 265	0.39 270	0.30 275	0.92 444	0.27 215	1.42 516	0.28 229	0.34 257	0.28 261	0.37 261	0.53 395

Monster-pub-mixall	0.44 311	0.56 271	0.60 375	0.38 224	0.27 252	0.37 260	0.27 245	0.37 252	0.29 261	0.38 257	0.27 253	0.38 265	0.29 267	0.85 434	0.27 215	1.46 519	0.26 216	0.34 257	0.26 247	0.36 257	0.53 395

Replicate-Monster	0.45 314	0.57 272	0.60 375	0.40 244	0.29 266	0.37 260	0.27 245	0.37 252	0.30 273	0.40 269	0.31 289	0.40 278	0.30 275	0.99 452	0.27 215	1.36 512	0.31 263	0.34 257	0.30 289	0.36 257	0.54 398

model_zeroshot	0.27 195	0.20 103	0.27 215	0.33 210	0.21 227	0.37 260	0.22 218	0.37 252	0.24 228	0.26 205	0.27 253	0.33 244	0.21 222	0.25 203	0.27 215	0.32 232	0.20 190	0.34 257	0.23 228	0.25 205	0.26 226

RSM	0.36 237	0.36 167	0.43 316	0.37 221	0.42 382	0.49 366	0.42 372	0.37 252	0.28 255	0.36 251	0.29 265	0.36 257	0.30 275	0.37 261	0.28 225	0.34 240	0.31 263	0.34 257	0.35 347	0.40 305	0.29 252

MyStereo04	0.56 355	3.72 548	0.59 373	0.49 315	0.41 372	0.36 255	0.32 298	0.37 252	0.31 292	0.34 243	0.46 389	0.35 251	0.32 312	0.35 251	0.33 268	0.49 350	0.45 349	0.34 257	0.32 323	0.35 250	0.43 361

Venus	0.38 249	0.38 173	0.38 289	0.38 224	0.38 353	0.37 260	0.38 345	0.37 252	0.37 341	0.41 283	0.37 346	0.39 270	0.37 339	0.38 264	0.38 300	0.37 258	0.38 309	0.38 289	0.37 355	0.37 261	0.38 338

XPNet_ROB	0.37 243	0.37 169	0.37 286	0.37 221	0.37 346	0.37 260	0.37 339	0.37 252	0.37 341	0.37 256	0.37 346	0.37 263	0.37 339	0.37 261	0.37 297	0.37 258	0.37 303	0.37 281	0.37 355	0.37 261	0.37 331

WAO-8	0.38 249	0.38 173	0.38 289	0.38 224	0.38 353	0.38 267	0.38 345	0.38 260	0.38 345	0.38 257	0.38 351	0.38 265	0.38 343	0.38 264	0.38 300	0.38 267	0.38 309	0.38 289	0.37 355	0.38 273	0.38 338

WAO-7	0.38 249	0.38 173	0.38 289	0.38 224	0.38 353	0.38 267	0.38 345	0.38 260	0.38 345	0.38 257	0.38 351	0.38 265	0.38 343	0.38 264	0.38 300	0.38 267	0.38 309	0.38 289	0.38 368	0.38 273	0.38 338

HanzoNet	0.39 269	0.38 173	0.40 301	0.39 230	0.41 372	0.38 267	0.38 345	0.38 260	0.38 345	0.39 263	0.39 360	0.38 265	0.38 343	0.39 272	0.40 315	0.38 267	0.38 309	0.40 305	0.38 368	0.38 273	0.40 346

IMH	0.38 249	0.38 173	0.38 289	0.38 224	0.38 353	0.38 267	0.38 345	0.38 260	0.38 345	0.42 300	0.38 351	0.40 278	0.38 343	0.38 264	0.38 300	0.38 267	0.38 309	0.39 300	0.38 368	0.38 273	0.38 338

LG-Stereo_L2	0.34 222	0.37 169	0.38 289	0.47 304	0.28 257	0.39 273	0.28 253	0.39 264	0.28 255	0.39 263	0.28 260	0.39 270	0.28 260	0.38 264	0.28 225	0.42 329	0.35 298	0.36 278	0.26 247	0.35 250	0.26 226

1test111	0.37 243	1.02 343	0.30 227	0.39 230	0.29 266	0.40 275	0.28 253	0.39 264	0.29 261	0.39 263	0.29 265	0.39 270	0.28 260	0.40 275	0.29 235	0.33 236	0.32 267	0.33 249	0.31 315	0.32 227	0.31 286

cc1	0.37 243	1.02 343	0.30 227	0.39 230	0.29 266	0.40 275	0.28 253	0.39 264	0.29 261	0.39 263	0.29 265	0.39 270	0.28 260	0.40 275	0.29 235	0.33 236	0.32 267	0.33 249	0.31 315	0.32 227	0.31 286

IER	0.88 423	7.04 594	2.23 582	2.75 542	0.28 257	0.43 323	0.25 234	0.39 264	0.25 233	0.41 283	0.27 253	0.39 270	0.25 236	0.40 275	0.28 225	0.37 258	0.28 229	0.37 281	0.25 241	0.37 261	0.25 220

DISCO	1.11 455	0.39 179	5.28 619	0.39 230	0.20 221	0.39 273	0.27 245	0.39 264	0.22 219	0.38 257	0.20 219	0.38 265	0.20 217	6.95 632	0.22 191	0.30 226	0.21 201	0.27 217	0.21 219	5.25 613	0.21 204

GIP-stereo	0.36 237	0.49 247	0.39 296	0.48 309	0.32 310	0.41 291	0.28 253	0.40 269	0.30 273	0.41 283	0.28 260	0.40 278	0.28 260	0.42 305	0.28 225	0.45 334	0.32 267	0.38 289	0.30 289	0.37 261	0.27 234

DCVSM-stereo	0.36 237	1.89 457	0.22 195	0.40 244	0.22 229	0.40 275	0.22 218	0.40 269	0.22 219	0.40 269	0.22 225	0.40 278	0.22 223	0.40 275	0.22 191	0.28 218	0.21 201	0.28 227	0.21 219	0.28 214	0.20 202

IGEV++	0.34 222	0.43 200	0.30 227	0.40 244	0.29 266	0.40 275	0.29 262	0.40 269	0.29 261	0.40 269	0.29 265	0.40 278	0.29 267	0.40 275	0.30 242	0.38 267	0.29 242	0.37 281	0.29 276	0.37 261	0.29 252

ACVNet-DCA	0.37 243	1.00 333	0.30 227	0.40 244	0.29 266	0.40 275	0.29 262	0.40 269	0.29 261	0.40 269	0.29 265	0.40 278	0.29 267	0.39 272	0.28 225	0.33 236	0.32 267	0.33 249	0.32 323	0.33 234	0.32 294

xx1	0.38 249	1.03 345	0.31 241	0.40 244	0.31 299	0.41 291	0.28 253	0.40 269	0.29 261	0.40 269	0.29 265	0.40 278	0.29 267	0.40 275	0.29 235	0.34 240	0.33 282	0.34 257	0.32 323	0.34 238	0.32 294

LL-Strereo2	0.48 331	1.73 449	0.51 356	0.59 347	0.34 333	0.42 313	0.33 311	0.40 269	0.31 292	0.42 300	0.33 319	0.42 311	0.31 295	0.44 328	0.39 311	0.60 380	0.51 380	0.44 359	0.33 331	0.44 332	0.33 307

knoymous	0.40 288	0.40 181	0.40 301	0.40 244	0.40 364	0.40 275	0.40 359	0.40 269	0.40 359	0.40 269	0.40 363	0.40 278	0.40 352	0.40 275	0.40 315	0.40 300	0.40 319	0.40 305	0.40 372	0.40 305	0.40 346

anonymousa	0.40 288	0.40 181	0.40 301	0.40 244	0.40 364	0.40 275	0.40 359	0.40 269	0.40 359	0.40 269	0.40 363	0.40 278	0.40 352	0.40 275	0.40 315	0.40 300	0.40 319	0.40 305	0.40 372	0.40 305	0.40 346

riskmin	0.40 288	0.40 181	0.40 301	0.40 244	0.40 364	0.40 275	0.40 359	0.40 269	0.40 359	0.40 269	0.40 363	0.40 278	0.40 352	0.40 275	0.40 315	0.40 300	0.40 319	0.40 305	0.40 372	0.40 305	0.40 346

Anonymous_2	0.40 288	0.40 181	0.40 301	0.40 244	0.40 364	0.40 275	0.40 359	0.40 269	0.40 359	0.40 269	0.40 363	0.40 278	0.40 352	0.40 275	0.40 315	0.40 300	0.40 319	0.40 305	0.40 372	0.40 305	0.40 346

Anonymous_1	0.40 288	0.40 181	0.40 301	0.40 244	0.40 364	0.40 275	0.40 359	0.40 269	0.40 359	0.40 269	0.40 363	0.40 278	0.40 352	0.40 275	0.40 315	0.40 300	0.40 319	0.40 305	0.40 372	0.40 305	0.40 346

NINENet	0.69 378	3.87 554	1.20 464	1.98 517	0.05 99	0.40 275	0.04 81	0.40 269	0.05 97	0.41 283	0.04 88	0.41 291	0.05 94	0.40 275	0.05 88	1.79 531	1.56 545	0.34 257	0.22 222	0.34 238	0.23 209

iRaft-Stereo_5w	0.34 222	0.42 196	0.31 241	0.39 230	0.30 277	0.38 267	0.30 267	0.40 269	0.29 261	0.40 269	0.37 346	0.41 291	0.34 325	0.38 264	0.30 242	0.34 240	0.27 223	0.34 257	0.26 247	0.34 238	0.26 226

AdaStereo	0.40 288	0.40 181	0.40 301	0.40 244	0.40 364	0.40 275	0.40 359	0.40 269	0.40 359	0.40 269	0.40 363	0.40 278	0.40 352	0.40 275	0.40 315	0.40 300	0.40 319	0.40 305	0.40 372	0.40 305	0.40 346
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.
StereoDRNet-Refined	0.33 220	0.39 179	0.26 214	0.39 230	0.26 250	0.40 275	0.26 242	0.40 269	0.26 246	0.39 263	0.26 248	0.39 270	0.26 245	0.39 272	0.26 214	0.37 258	0.25 213	0.37 281	0.25 241	0.37 261	0.37 331
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DDF-Stereo	0.43 306	1.15 362	0.57 371	0.53 332	0.32 310	0.41 291	0.32 298	0.41 284	0.32 310	0.41 283	0.32 310	0.41 291	0.32 312	0.40 275	0.32 259	0.52 364	0.50 374	0.38 289	0.31 315	0.39 291	0.31 286

Zero-FE251	0.36 237	0.40 181	0.28 219	0.41 256	0.28 257	0.41 291	0.28 253	0.41 284	0.28 255	0.41 283	0.28 260	0.41 291	0.28 260	0.42 305	0.30 242	0.37 258	0.26 216	0.37 281	0.27 255	0.45 336	0.56 406

RAFT-Test	0.36 237	0.37 169	0.33 263	0.41 256	0.32 310	0.41 291	0.32 298	0.41 284	0.32 310	0.41 283	0.32 310	0.41 291	0.32 312	0.41 290	0.33 268	0.37 258	0.29 242	0.37 281	0.29 276	0.38 273	0.31 286

BUS	0.83 415	1.91 460	0.92 437	4.48 583	0.02 21	0.40 275	0.04 81	0.41 284	0.02 21	0.48 352	0.03 52	0.41 291	0.05 94	0.03 39	0.05 88	1.97 543	4.19 609	0.33 249	0.23 228	0.34 238	0.27 234

CRFU-Net	0.65 367	1.67 442	1.22 511	1.96 516	0.27 252	0.41 291	0.27 245	0.41 284	0.27 252	0.40 269	0.26 248	0.41 291	0.27 253	0.40 275	0.27 215	1.80 532	1.62 552	0.34 257	0.23 228	0.33 234	0.23 209

BSDual-CNN	0.81 407	1.91 460	0.92 437	4.48 583	0.02 21	0.42 313	0.06 108	0.41 284	0.02 21	0.48 352	0.03 52	0.02 20	0.02 21	0.03 39	0.02 20	1.97 543	4.19 609	0.33 249	0.23 228	0.34 238	0.27 234

hknet	1.10 453	1.85 453	3.49 606	4.48 583	0.02 21	0.42 313	0.06 108	0.41 284	0.02 21	0.48 352	0.03 52	0.41 291	0.03 52	0.42 305	0.03 48	4.39 595	4.19 609	0.33 249	0.23 228	0.34 238	0.27 234

iRaft-Stereo_20w	0.34 222	0.41 189	0.31 241	0.39 230	0.29 266	0.40 275	0.32 298	0.41 284	0.32 310	0.38 257	0.30 277	0.39 270	0.30 275	0.38 264	0.32 259	0.35 249	0.27 223	0.34 257	0.27 255	0.34 238	0.29 252

GMOStereo	0.37 243	0.45 224	0.23 198	0.30 198	0.37 346	0.41 291	0.36 333	0.41 284	0.35 329	0.43 310	0.36 339	0.41 291	0.40 352	0.41 290	0.36 288	0.34 240	0.22 205	0.47 376	0.37 355	0.39 291	0.33 307

error version	0.93 433	4.47 566	2.35 585	1.99 518	0.37 346	0.41 291	0.36 333	0.41 284	0.35 329	0.43 310	0.36 339	0.41 291	0.40 352	0.41 290	0.36 288	1.87 535	2.16 580	0.47 376	0.37 355	0.39 291	0.33 307

test_1	0.93 433	4.47 566	2.35 585	1.99 518	0.37 346	0.41 291	0.36 333	0.41 284	0.35 329	0.43 310	0.36 339	0.41 291	0.40 352	0.41 290	0.36 288	1.87 535	2.16 580	0.47 376	0.37 355	0.39 291	0.33 307

GwcNet-ADL	0.41 295	0.41 189	0.41 310	0.41 256	0.41 372	0.41 291	0.41 367	0.41 284	0.41 368	0.41 283	0.41 369	0.41 291	0.41 363	0.41 290	0.41 322	0.41 313	0.41 328	0.41 328	0.41 379	0.41 322	0.41 353

PSMNet-ADL	0.41 295	0.41 189	0.41 310	0.41 256	0.41 372	0.41 291	0.41 367	0.41 284	0.41 368	0.41 283	0.41 369	0.41 291	0.41 363	0.41 290	0.41 322	0.41 313	0.41 328	0.41 328	0.41 379	0.41 322	0.41 353

GANet-ADL	0.41 295	0.41 189	0.41 310	0.41 256	0.41 372	0.41 291	0.41 367	0.41 284	0.41 368	0.41 283	0.41 369	0.41 291	0.41 363	0.41 290	0.41 322	0.41 313	0.41 328	0.41 328	0.41 379	0.41 322	0.41 353

ADLNet2	0.41 295	0.41 189	0.41 310	0.41 256	0.41 372	0.41 291	0.41 367	0.41 284	0.41 368	0.41 283	0.41 369	0.41 291	0.41 363	0.41 290	0.41 322	0.41 313	0.41 328	0.41 328	0.41 379	0.41 322	0.41 353

ADLNet	0.41 295	0.41 189	0.41 310	0.41 256	0.41 372	0.41 291	0.41 367	0.41 284	0.41 368	0.41 283	0.41 369	0.41 291	0.41 363	0.41 290	0.41 322	0.41 313	0.41 328	0.41 328	0.41 379	0.41 322	0.41 353

DGSMNet	0.34 222	0.41 189	0.27 215	0.41 256	0.28 257	0.41 291	0.28 253	0.41 284	0.27 252	0.41 283	0.27 253	0.42 311	0.27 253	0.41 290	0.28 225	0.40 300	0.29 242	0.40 305	0.28 261	0.40 305	0.27 234

Gwc-CoAtRS	0.41 295	1.49 437	0.32 257	0.42 269	0.32 310	0.41 291	0.32 298	0.41 284	0.33 317	0.41 283	0.32 310	0.41 291	0.32 312	0.41 290	0.32 259	0.39 289	0.28 229	0.39 300	0.28 261	0.40 305	0.28 247

ITER124	0.38 249	0.44 206	0.30 227	0.42 269	0.30 277	0.42 313	0.30 267	0.42 302	0.30 273	0.44 317	0.30 277	0.43 318	0.30 275	0.42 305	0.69 416	0.37 258	0.32 267	0.40 305	0.30 289	0.37 261	0.29 252

HART	0.38 249	0.45 224	0.34 273	0.42 269	0.33 323	0.41 291	0.34 322	0.42 302	0.33 317	0.43 310	0.34 327	0.42 311	0.34 325	0.41 290	0.38 300	0.40 300	0.32 267	0.42 350	0.32 323	0.40 305	0.32 294

RAFT-Stereo-weight	0.45 314	1.90 459	0.34 273	0.42 269	0.36 342	0.43 323	0.35 327	0.42 302	0.34 326	0.42 300	0.34 327	0.44 334	0.34 325	0.41 290	0.34 281	0.38 267	0.32 267	0.38 289	0.32 323	0.38 273	0.33 307

GES	0.66 369	2.34 494	0.29 223	0.41 256	0.29 266	0.41 291	0.29 262	0.42 302	0.29 261	0.40 269	0.41 369	0.41 291	0.30 275	0.51 378	0.29 235	0.32 232	0.29 242	0.32 241	2.46 598	2.49 560	0.30 264

FCDSN-DC	0.41 295	0.59 275	0.64 384	0.54 335	0.33 323	0.50 374	0.37 339	0.42 302	0.40 359	0.61 403	0.43 381	0.50 378	0.49 394	0.38 264	0.32 259	0.28 218	0.23 210	0.26 213	0.22 222	0.35 250	0.28 247
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
4k_L	0.38 249	0.44 206	0.30 227	0.43 278	0.31 299	0.43 323	0.30 267	0.43 307	0.30 273	0.45 318	0.31 289	0.43 318	0.30 275	0.43 315	0.69 416	0.38 267	0.32 267	0.40 305	0.30 289	0.38 273	0.30 264

aaa3	0.38 249	0.44 206	0.31 241	0.43 278	0.30 277	0.43 323	0.31 283	0.43 307	0.30 273	0.45 318	0.31 289	0.43 318	0.31 295	0.43 315	0.69 416	0.38 267	0.33 282	0.40 305	0.30 289	0.38 273	0.30 264

gc-stereo	0.38 249	0.44 206	0.30 227	0.43 278	0.30 277	0.43 323	0.31 283	0.43 307	0.31 292	0.45 318	0.31 289	0.43 318	0.30 275	0.43 315	0.69 416	0.38 267	0.32 267	0.41 328	0.30 289	0.38 273	0.30 264

mfccc	0.38 249	0.44 206	0.30 227	0.43 278	0.30 277	0.43 323	0.31 283	0.43 307	0.30 273	0.45 318	0.31 289	0.43 318	0.31 295	0.43 315	0.69 416	0.38 267	0.32 267	0.41 328	0.30 289	0.38 273	0.30 264

ss10	0.38 249	0.44 206	0.31 241	0.43 278	0.30 277	0.43 323	0.30 267	0.43 307	0.30 273	0.45 318	0.31 289	0.43 318	0.31 295	0.43 315	0.69 416	0.38 267	0.33 282	0.40 305	0.30 289	0.38 273	0.30 264

5k_new	0.38 249	0.44 206	0.31 241	0.43 278	0.30 277	0.43 323	0.31 283	0.43 307	0.31 292	0.45 318	0.31 289	0.43 318	0.30 275	0.43 315	0.69 416	0.38 267	0.33 282	0.40 305	0.30 289	0.38 273	0.30 264

SX	0.38 249	0.44 206	0.31 241	0.43 278	0.31 299	0.43 323	0.31 283	0.43 307	0.31 292	0.45 318	0.32 310	0.43 318	0.31 295	0.43 315	0.69 416	0.38 267	0.33 282	0.40 305	0.30 289	0.38 273	0.30 264

USM	0.38 249	0.44 206	0.31 241	0.43 278	0.30 277	0.43 323	0.30 267	0.43 307	0.30 273	0.45 318	0.30 277	0.43 318	0.31 295	0.43 315	0.68 411	0.38 267	0.32 267	0.40 305	0.30 289	0.38 273	0.30 264

weee2	0.38 249	0.44 206	0.31 241	0.43 278	0.30 277	0.43 323	0.31 283	0.43 307	0.31 292	0.45 318	0.31 289	0.43 318	0.31 295	0.43 315	0.69 416	0.38 267	0.33 282	0.40 305	0.30 289	0.38 273	0.30 264

ACM	0.38 249	0.44 206	0.30 227	0.43 278	0.30 277	0.43 323	0.30 267	0.43 307	0.30 273	0.45 318	0.31 289	0.43 318	0.30 275	0.43 315	0.73 439	0.38 267	0.32 267	0.40 305	0.30 289	0.37 261	0.30 264

4.5w_L	0.39 269	0.43 200	0.89 423	0.42 269	0.29 266	0.42 313	0.30 267	0.43 307	0.30 273	0.42 300	0.31 289	0.41 291	0.31 295	0.43 315	0.31 254	0.40 300	0.28 229	0.41 328	0.28 261	0.39 291	0.33 307

ITERv19	0.38 249	0.45 224	0.31 241	0.43 278	0.30 277	0.43 323	0.30 267	0.43 307	0.31 292	0.45 318	0.30 277	0.43 318	0.31 295	0.42 305	0.69 416	0.38 267	0.32 267	0.40 305	0.30 289	0.38 273	0.30 264

RCA-Stereo	0.51 344	3.22 537	0.34 273	0.44 290	0.34 333	0.44 338	0.34 322	0.43 307	0.34 326	0.43 310	0.34 327	0.44 334	0.33 320	0.43 315	0.33 268	0.38 267	0.29 242	0.38 289	0.29 276	0.38 273	0.29 252

UCFNet_RVC	2.75 587	10.06 616	0.29 223	10.31 632	0.29 266	0.42 313	0.29 262	0.43 307	0.29 261	0.42 300	0.29 265	0.42 311	9.87 635	0.43 315	0.29 235	0.36 254	9.84 635	0.36 278	0.26 247	9.77 634	0.26 226

SX1w	0.39 269	0.45 224	0.31 241	0.44 290	0.31 299	0.44 338	0.31 283	0.44 321	0.31 292	0.46 333	0.31 289	0.44 334	0.31 295	0.44 328	0.70 431	0.39 289	0.34 290	0.41 328	0.30 289	0.39 291	0.30 264

5k_stereo	0.39 269	0.45 224	0.31 241	0.44 290	0.31 299	0.44 338	0.31 283	0.44 321	0.31 292	0.46 333	0.31 289	0.44 334	0.31 295	0.44 328	0.71 436	0.39 289	0.34 290	0.41 328	0.30 289	0.39 291	0.30 264

mnv4	0.39 269	0.45 224	0.32 257	0.44 290	0.31 299	0.44 338	0.32 298	0.44 321	0.31 292	0.46 333	0.32 310	0.44 334	0.31 295	0.44 328	0.69 416	0.39 289	0.34 290	0.41 328	0.31 315	0.39 291	0.31 286

wo013ll	0.39 269	0.45 224	0.31 241	0.44 290	0.31 299	0.44 338	0.31 283	0.44 321	0.31 292	0.46 333	0.31 289	0.44 334	0.31 295	0.44 328	0.70 431	0.39 289	0.34 290	0.41 328	0.30 289	0.39 291	0.30 264

2k_new	0.39 269	0.45 224	0.31 241	0.44 290	0.31 299	0.44 338	0.32 298	0.44 321	0.31 292	0.46 333	0.31 289	0.44 334	0.31 295	0.44 328	0.70 431	0.39 289	0.34 290	0.41 328	0.31 315	0.39 291	0.31 286

CNT	0.39 269	0.45 224	0.31 241	0.44 290	0.32 310	0.44 338	0.31 283	0.44 321	0.31 292	0.46 333	0.31 289	0.44 334	0.31 295	0.44 328	0.73 439	0.39 289	0.34 290	0.41 328	0.30 289	0.39 291	0.30 264

uiiii_40	0.39 269	0.42 196	0.89 423	0.42 269	0.31 299	0.43 323	0.30 267	0.44 321	0.31 292	0.42 300	0.31 289	0.43 318	0.30 275	0.42 305	0.30 242	0.41 313	0.29 242	0.42 350	0.28 261	0.40 305	0.32 294

PyraSte	0.39 269	0.43 200	0.87 420	0.42 269	0.31 299	0.42 313	0.31 283	0.44 321	0.30 273	0.41 283	0.31 289	0.42 311	0.30 275	0.42 305	0.31 254	0.38 267	0.29 242	0.42 350	0.29 276	0.40 305	0.32 294

tim_s	0.39 269	0.44 206	0.90 428	0.41 256	0.30 277	0.41 291	0.30 267	0.44 321	0.30 273	0.41 283	0.31 289	0.42 311	0.30 275	0.41 290	0.31 254	0.41 313	0.30 255	0.41 328	0.29 276	0.40 305	0.32 294

xxxad45	0.39 269	0.44 206	0.90 428	0.41 256	0.30 277	0.41 291	0.31 283	0.44 321	0.30 273	0.43 310	0.30 277	0.43 318	0.31 295	0.41 290	0.31 254	0.40 300	0.29 242	0.41 328	0.30 289	0.40 305	0.32 294

StePilot	0.39 269	0.44 206	0.87 420	0.41 256	0.30 277	0.42 313	0.32 298	0.45 331	0.29 261	0.43 310	0.30 277	0.43 318	0.30 275	0.42 305	0.30 242	0.40 300	0.29 242	0.43 358	0.27 255	0.40 305	0.31 286

SteFusion	0.39 269	0.42 196	0.90 428	0.43 278	0.30 277	0.42 313	0.31 283	0.45 331	0.31 292	0.41 283	0.30 277	0.43 318	0.30 275	0.42 305	0.31 254	0.39 289	0.30 255	0.42 350	0.28 261	0.39 291	0.33 307

ACW_4w	0.39 269	0.42 196	0.88 422	0.42 269	0.30 277	0.42 313	0.30 267	0.45 331	0.31 292	0.42 300	0.31 289	0.42 311	0.30 275	0.42 305	0.30 242	0.40 300	0.28 229	0.42 350	0.28 261	0.40 305	0.32 294

5w_v4	0.39 269	0.43 200	0.91 434	0.42 269	0.30 277	0.43 323	0.31 283	0.45 331	0.31 292	0.42 300	0.30 277	0.41 291	0.29 267	0.44 328	0.30 242	0.40 300	0.29 242	0.42 350	0.28 261	0.40 305	0.32 294

water-stereo	0.41 295	0.84 300	0.46 324	0.50 322	0.33 323	0.45 345	0.33 311	0.45 331	0.32 310	0.45 318	0.32 310	0.45 342	0.32 312	0.45 338	0.32 259	0.44 331	0.41 328	0.39 300	0.31 315	0.39 291	0.32 294

GREAT-IGEV	0.38 249	0.43 200	0.36 282	0.48 309	0.32 310	0.45 345	0.32 298	0.45 331	0.32 310	0.45 318	0.32 310	0.45 342	0.32 312	0.45 338	0.32 259	0.44 331	0.33 282	0.41 328	0.29 276	0.41 322	0.29 252

mms	0.40 288	0.45 224	0.35 280	0.48 309	0.36 342	0.47 356	0.34 322	0.45 331	0.38 345	0.47 345	0.33 319	0.45 342	0.32 312	0.45 338	0.32 259	0.39 289	0.38 309	0.38 289	0.37 355	0.39 291	0.39 344

fffy	0.38 249	0.43 200	0.33 263	0.46 298	0.33 323	0.45 345	0.32 298	0.45 331	0.32 310	0.45 318	0.32 310	0.45 342	0.33 320	0.45 338	0.32 259	0.38 267	0.38 309	0.38 289	0.37 355	0.37 261	0.36 327

DilatedVolume-Stereo	0.43 306	0.86 303	0.48 339	0.50 322	0.33 323	0.46 351	0.33 311	0.46 339	0.33 317	0.46 333	0.33 319	0.47 352	0.33 320	0.47 347	0.34 281	0.45 334	0.42 337	0.40 305	0.33 331	0.47 351	0.38 338

otaku	0.46 320	0.46 235	0.46 324	0.46 298	0.46 390	0.46 351	0.46 382	0.46 339	0.46 382	0.46 333	0.46 389	0.46 346	0.46 380	0.46 343	0.46 339	0.46 338	0.46 351	0.46 367	0.46 392	0.46 339	0.46 367

Ntro	0.47 326	0.47 239	0.46 324	0.46 298	0.46 390	0.47 356	0.47 387	0.46 339	0.47 387	0.46 333	0.46 389	0.47 352	0.46 380	0.47 347	0.47 346	0.47 343	0.46 351	0.46 367	0.46 392	0.46 339	0.46 367

Dean	0.46 320	0.46 235	0.46 324	0.46 298	0.46 390	0.46 351	0.46 382	0.46 339	0.46 382	0.47 345	0.46 389	0.46 346	0.46 380	0.46 343	0.46 339	0.46 338	0.46 351	0.46 367	0.46 392	0.46 339	0.46 367

ACVNet_1	0.46 320	0.47 239	0.46 324	0.46 298	0.46 390	0.46 351	0.46 382	0.46 339	0.47 387	0.46 333	0.46 389	0.46 346	0.46 380	0.46 343	0.46 339	0.46 338	0.46 351	0.47 376	0.46 392	0.46 339	0.46 367

ACVNet-4b	0.46 320	0.46 235	0.46 324	0.46 298	0.46 390	0.46 351	0.46 382	0.46 339	0.46 382	0.46 333	0.46 389	0.46 346	0.46 380	0.47 347	0.46 339	0.46 338	0.46 351	0.46 367	0.46 392	0.46 339	0.46 367

Former-RAFT_DAM_RVC	0.49 337	0.98 329	0.64 384	0.84 385	0.46 390	0.45 345	0.35 327	0.47 345	0.47 387	0.45 318	0.34 327	0.46 346	0.48 389	0.46 343	0.35 285	0.39 289	0.71 415	0.39 300	0.35 347	0.41 322	0.41 353

HaxPig	0.47 326	0.47 239	0.47 331	0.49 315	0.47 396	0.47 356	0.47 387	0.47 345	0.47 387	0.47 345	0.47 397	0.47 352	0.47 388	0.47 347	0.47 346	0.47 343	0.47 359	0.47 376	0.47 399	0.47 351	0.48 376

UNDER WATER	0.47 326	0.47 239	0.47 331	0.47 304	0.47 396	0.47 356	0.47 387	0.47 345	0.47 387	0.47 345	0.47 397	0.47 352	0.46 380	0.47 347	0.47 346	0.47 343	0.47 359	0.47 376	0.46 392	0.47 351	0.47 374

LVE	0.47 326	0.47 239	0.47 331	0.47 304	0.49 402	0.47 356	0.47 387	0.47 345	0.49 396	0.47 345	0.47 397	0.47 352	0.46 380	0.47 347	0.47 346	0.47 343	0.47 359	0.48 384	0.47 399	0.47 351	0.47 374

SCV_C0	0.45 314	0.88 307	0.49 346	0.54 335	0.37 346	0.48 361	0.37 339	0.48 349	0.37 341	0.48 352	0.36 339	0.48 359	0.37 339	0.49 362	0.37 297	0.50 356	0.41 328	0.44 359	0.34 335	0.44 332	0.34 315

SCV	0.46 320	0.94 324	0.45 320	0.54 335	0.37 346	0.48 361	0.38 345	0.48 349	0.37 341	0.48 352	0.39 360	0.48 359	0.37 339	0.49 362	0.37 297	0.50 356	0.46 351	0.44 359	0.34 335	0.44 332	0.34 315

RainbowNet	0.48 331	0.48 245	0.48 339	0.48 309	0.48 400	0.48 361	0.48 396	0.48 349	0.48 394	0.48 352	0.48 401	0.48 359	0.48 389	0.48 356	0.48 352	0.48 347	0.48 363	0.48 384	0.48 402	0.48 355	0.48 376

notaker	0.48 331	0.49 247	0.48 339	0.48 309	0.48 400	0.48 361	0.48 396	0.48 349	0.49 396	0.48 352	0.48 401	0.48 359	0.48 389	0.48 356	0.48 352	0.48 347	0.48 363	0.48 384	0.48 402	0.48 355	0.49 381

UGAM	0.51 344	2.23 483	0.39 296	0.54 335	0.35 336	0.50 374	0.35 327	0.49 353	0.35 329	0.49 359	0.35 336	0.49 363	0.36 334	0.50 369	0.36 288	0.49 350	0.37 303	0.45 363	0.34 335	0.45 336	0.34 315

MyStereo07	0.60 357	3.72 548	0.48 339	0.49 315	0.41 372	0.36 255	0.32 298	0.49 353	0.43 376	0.51 379	0.42 379	0.49 363	0.43 372	0.51 378	0.64 403	0.49 350	0.45 349	0.34 257	0.32 323	0.35 250	0.43 361

KSHMR	0.66 369	0.50 251	0.48 339	1.15 427	0.52 412	0.49 366	0.51 404	0.49 353	0.71 440	0.67 413	0.50 406	1.16 473	1.11 467	0.66 408	0.52 374	0.49 350	0.49 366	0.51 398	0.66 431	0.50 364	1.14 476

ACVNet_2	0.49 337	0.49 247	0.49 346	0.49 315	0.49 402	0.49 366	0.49 398	0.49 353	0.49 396	0.49 359	0.49 404	0.49 363	0.49 394	0.49 362	0.49 359	0.49 350	0.49 366	0.49 389	0.49 405	0.49 359	0.49 381

CFNet_ucs	2.73 586	9.64 613	0.33 263	9.92 629	0.32 310	0.49 366	0.33 311	0.49 353	0.33 317	0.49 359	0.33 319	0.49 363	8.98 633	0.48 356	0.33 268	0.41 313	9.96 636	0.40 305	0.29 276	10.12 636	0.54 398

CFNet_pseudo	2.67 585	9.36 611	0.32 257	10.99 633	0.33 323	0.85 432	0.33 311	0.49 353	0.33 317	0.49 359	0.32 310	0.49 363	7.26 629	0.49 362	0.33 268	0.41 313	9.62 633	0.41 328	0.29 276	10.03 635	0.29 252

pcwnet_v2	2.66 584	9.89 615	0.33 263	9.89 628	0.32 310	0.50 374	0.32 298	0.49 353	0.33 317	0.49 359	0.34 327	0.49 363	8.76 632	0.48 356	0.33 268	0.41 313	9.58 632	0.40 305	0.29 276	9.01 631	0.63 416

psmorigin	0.41 295	0.46 235	0.33 263	0.49 315	0.33 323	0.49 366	0.33 311	0.49 353	0.33 317	0.49 359	0.33 319	0.49 363	0.33 320	0.51 378	0.33 268	0.41 313	0.30 255	0.41 328	0.30 289	0.79 408	0.29 252

GSStereo	0.81 407	4.28 564	0.50 350	0.59 347	0.40 364	0.51 386	0.38 345	0.50 361	0.38 345	0.50 372	0.38 351	0.50 378	3.79 610	0.50 369	0.38 300	0.54 368	0.43 341	0.46 367	0.34 335	0.46 339	0.35 324

GS-Stereo							0.38 345	0.50 361	0.38 345	0.50 372	0.38 351	0.50 378	3.79 610	0.50 369	0.38 300	0.54 368	0.43 341	0.46 367	0.34 335	0.46 339	0.35 324

252Zero-FE	0.45 314	0.50 251	0.36 282	0.50 322	0.36 342	0.50 374	0.36 333	0.50 361	0.36 339	0.49 359	0.36 339	0.49 363	0.36 334	0.54 387	0.41 322	0.45 334	0.34 290	0.45 363	0.34 335	0.55 378	0.75 437

GASTEREO	0.48 331	1.21 415	0.47 331	0.57 342	0.38 353	0.50 374	0.38 345	0.50 361	0.38 345	0.50 372	0.38 351	0.50 378	0.38 343	0.50 369	0.38 300	0.52 364	0.42 337	0.46 367	0.34 335	0.46 339	0.34 315

FoundationStereo	0.50 339	0.50 251	0.50 350	0.50 322	0.50 406	0.50 374	0.50 400	0.50 361	0.50 399	0.50 372	0.50 406	0.50 378	0.50 397	0.50 369	0.50 360	0.50 356	0.50 374	0.50 393	0.50 407	0.50 364	0.50 387

StereoAnything_RVC	0.50 339	0.50 251	0.50 350	0.50 322	0.50 406	0.50 374	0.50 400	0.50 361	0.50 399	0.50 372	0.50 406	0.50 378	0.50 397	0.50 369	0.50 360	0.50 356	0.50 374	0.50 393	0.50 407	0.50 364	0.50 387

dual_stereo	0.50 339	0.50 251	0.50 350	0.50 322	0.50 406	0.50 374	0.50 400	0.50 361	0.50 399	0.50 372	0.50 406	0.50 378	0.50 397	0.50 369	0.50 360	0.50 356	0.50 374	0.50 393	0.50 407	0.50 364	0.50 387

UGAM-zero	0.51 344	2.17 478	0.39 296	0.53 332	0.36 342	0.50 374	0.36 333	0.50 361	0.36 339	0.49 359	0.36 339	0.50 378	0.35 331	0.50 369	0.36 288	0.49 350	0.37 303	0.47 376	0.35 347	0.46 339	0.34 315

GCST	0.50 339	2.08 470	0.38 289	0.53 332	0.35 336	0.49 366	0.35 327	0.50 361	0.35 329	0.49 359	0.35 336	0.49 363	0.35 331	0.49 362	0.35 285	0.48 347	0.37 303	0.45 363	0.33 331	0.44 332	0.33 307

TorneroNet	0.66 369	0.53 264	0.50 350	0.50 322	0.64 433	1.06 456	0.70 434	0.50 361	0.51 406	0.49 359	0.69 439	0.49 363	0.50 397	0.48 356	1.15 481	0.71 403	0.49 366	1.14 472	1.08 475	0.49 359	0.49 381

Selective-IGEV	0.51 344	0.55 269	0.45 320	0.69 363	0.45 388	0.61 405	0.45 380	0.50 361	0.40 359	0.56 395	0.44 383	0.55 397	0.40 352	0.72 414	0.67 408	0.59 379	0.46 351	0.45 363	0.34 335	0.46 339	0.37 331

ccnet	0.80 402	2.28 486	0.33 263	0.50 322	0.33 323	0.50 374	0.33 311	0.50 361	0.33 317	0.49 359	0.33 319	0.49 363	1.56 543	2.38 563	0.33 268	0.41 313	0.29 242	0.42 350	1.57 557	2.28 548	0.29 252

SANet	0.50 339	0.50 251	0.50 350	0.50 322	0.50 406	0.50 374	0.50 400	0.50 361	0.50 399	0.50 372	0.50 406	0.50 378	0.50 397	0.50 369	0.50 360	0.50 356	0.50 374	0.50 393	0.50 407	0.50 364	0.50 387

GEAStereo	0.62 362	3.91 555	0.48 339	0.69 363	0.38 353	0.51 386	0.38 345	0.51 374	0.38 345	0.53 385	0.38 351	0.50 378	0.38 343	0.51 378	0.38 300	0.54 368	0.43 341	0.46 367	0.34 335	0.46 339	0.34 315

gasm-f	0.62 362	3.91 555	0.48 339	0.69 363	0.38 353	0.51 386	0.38 345	0.51 374	0.38 345	0.53 385	0.38 351	0.50 378	0.38 343	0.51 378	0.38 300	0.54 368	0.43 341	0.46 367	0.34 335	0.46 339	0.34 315

ccccc		0.44 206		0.48 309	0.35 336	0.48 361		0.51 374		0.47 345		0.47 352		0.47 347		0.41 313	0.40 319	0.40 305	0.40 372	0.41 322

ktn	0.72 386	0.53 264	1.08 450	1.14 425	0.51 411	1.22 517	1.36 544	0.51 374	0.59 417	0.51 379	0.51 412	0.69 417	1.20 478	0.67 410	0.51 372	0.51 362	0.49 366	0.58 408	0.66 431	0.52 372	0.53 395

depthmonostereo	0.44 311	0.85 302	0.46 324	0.54 335	0.40 364	0.52 389	0.38 345	0.52 378	0.35 329	0.47 345	0.34 327	0.46 346	0.34 325	0.47 347	0.34 281	0.45 334	0.43 341	0.41 328	0.33 331	0.41 322	0.32 294

fffft	0.48 331	0.51 259	0.45 320	0.52 331	0.45 388	0.52 389	0.45 380	0.52 378	0.48 394	0.53 385	0.45 387	0.52 389	0.45 377	0.52 383	0.46 339	0.51 362	0.41 328	0.50 393	0.41 379	0.50 364	0.41 353
1: 1. 1
LG-Stereo_L1	0.47 326	0.52 261	0.47 331	0.62 352	0.39 362	0.53 391	0.40 359	0.53 380	0.39 358	0.53 385	0.39 360	0.53 390	0.39 351	0.53 385	0.39 311	0.55 374	0.46 351	0.49 389	0.37 355	0.49 359	0.37 331

PSMNet_ROB	0.54 349	0.54 267	0.54 364	0.54 335	0.53 415	0.54 394	0.54 408	0.53 380	0.54 409	0.54 390	0.54 416	0.54 393	0.53 404	0.54 387	0.54 390	0.54 368	0.53 384	0.54 405	0.54 413	0.54 377	0.54 398

MSCF	0.51 344	1.40 434	0.49 346	0.58 344	0.38 353	0.50 374	0.38 345	0.54 382	0.41 368	0.52 382	0.41 369	0.53 390	0.42 369	0.53 385	0.41 322	0.60 380	0.47 359	0.48 384	0.37 355	0.48 355	0.38 338

Occ-G	1.12 456	0.52 261	3.72 611	3.50 572	0.50 406	0.56 396	0.47 387	0.54 382	0.46 382	0.54 390	0.41 369	0.54 393	0.42 369	0.52 383	0.42 330	3.42 589	4.02 608	0.52 401	0.45 390	0.51 370	0.44 364

iRaftStereo_RVC	0.97 437	3.17 536	2.30 584	2.42 534	0.38 353	0.54 394	0.38 345	0.54 382	0.38 345	0.54 390	0.38 351	0.54 393	0.38 343	0.54 387	0.38 300	2.38 568	2.34 584	0.49 389	0.36 353	0.49 359	0.36 327

FSD					0.44 385	0.56 396	0.44 375	0.55 385	0.44 379	0.56 395	0.44 383	0.56 400	0.44 374	0.56 392	0.46 339	0.61 384	0.42 337	0.52 401	0.42 387	0.52 372

LG-Stereo_Zeroshot	0.48 331	0.55 269	0.47 331	0.63 354	0.41 372	0.56 396	0.44 375	0.56 386	0.41 368	0.56 395	0.41 369	0.57 402	0.42 369	0.56 392	0.41 322	0.55 374	0.43 341	0.51 398	0.37 355	0.51 370	0.37 331

MyStereo06	0.75 391	4.12 558	0.60 375	0.63 354	0.61 429	0.62 408	0.66 423	0.56 386	0.45 381	0.55 393	0.48 401	0.54 393	0.46 380	0.57 397	0.45 335	0.60 380	0.57 390	0.64 414	0.55 414	0.72 398	0.55 403

CASS	0.57 356	0.89 310	0.56 369	0.57 342	0.56 420	0.56 396	0.56 412	0.56 386	0.53 407	0.57 398	0.57 420	0.59 406	0.48 389	0.56 392	0.57 396	0.55 374	0.56 388	0.47 376	0.56 418	0.62 384	0.56 406
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
LG-Stereo	0.60 357	0.58 274	0.47 331	0.64 357	0.74 452	1.00 448	0.69 431	0.57 389	0.41 368	0.57 398	0.41 369	0.57 402	0.41 363	1.00 454	0.75 444	0.91 425	0.51 380	0.52 401	0.37 355	0.52 372	0.37 331

LL-Strereo	1.01 446	5.06 573	1.63 546	0.70 367	1.43 551	0.56 396	0.46 382	0.57 389	0.50 399	0.57 398	0.50 406	1.58 534	0.49 394	0.59 399	0.50 360	1.64 528	0.52 382	0.51 398	1.37 544	0.52 372	0.45 366

PML	0.46 320	1.36 431	0.29 223	0.58 344	0.30 277	0.57 402	0.29 262	0.57 389	0.29 261	0.57 398	0.29 265	0.57 402	0.29 267	0.56 392	0.29 235	0.52 364	0.30 255	0.53 404	0.31 315	0.53 376	0.30 264

AIO-test1	0.54 349	0.60 277	0.52 359	0.66 361	0.47 396	0.61 405	0.47 387	0.58 392	0.46 382	0.61 403	0.46 389	0.61 408	0.45 377	0.62 401	0.45 335	0.61 384	0.52 382	0.57 407	0.48 402	0.57 380	0.48 376

LMCR-Stereo	0.65 367	0.63 278	0.65 387	0.65 358	0.65 435	0.66 412	0.63 419	0.58 392	0.65 425	0.63 408	0.64 430	0.65 414	0.65 419	0.66 408	0.66 407	0.66 393	0.64 402	0.65 417	0.67 435	0.68 389	0.73 433

AIO-Stereo-zeroshot1	0.75 391	0.92 320	0.85 419	0.96 406	0.59 423	1.27 520	0.44 375	0.59 394	0.69 432	0.91 440	0.68 436	0.55 397	0.61 413	1.06 460	0.83 454	0.62 388	0.70 411	0.90 450	0.41 379	0.89 423	0.56 406

MyStereo8	0.71 383	3.92 557	0.52 359	0.59 347	0.52 412	0.57 402	0.53 406	0.59 394	0.50 399	0.59 402	0.51 412	0.57 402	0.50 397	0.56 392	0.52 374	0.54 368	0.49 366	0.54 405	0.49 405	0.55 378	0.50 387

AEACV	1.12 456	0.52 261	3.12 603	3.24 557	0.86 460	0.53 391	0.49 398	0.60 396	0.47 387	0.53 385	0.49 404	0.55 397	0.45 377	0.55 391	0.47 346	3.01 585	3.88 606	0.71 423	0.60 423	0.80 411	0.48 376

CFNet_RVC	2.38 577	8.71 606	0.38 289	9.33 624	0.42 382	0.56 396	0.42 372	0.60 396	0.38 345	0.62 406	0.42 379	0.56 400	7.29 630	0.62 401	0.42 330	0.53 367	0.37 303	0.49 389	0.34 335	8.30 627	6.87 632

AIO-test2	0.55 353	0.59 275	0.52 359	0.67 362	0.47 396	0.61 405	0.47 387	0.61 398	0.47 387	0.61 403	0.47 397	0.61 408	0.48 389	0.62 401	0.47 346	0.64 390	0.53 384	0.58 408	0.47 399	0.58 381	0.48 376

MonSter	0.60 357	0.64 280	0.52 359	0.62 352	0.44 385	2.07 553	0.44 375	0.62 399	0.44 379	0.62 406	0.44 383	0.62 410	0.44 374	0.62 401	0.44 334	0.58 378	0.42 337	0.62 411	0.46 392	0.58 381	0.42 360

test-3	0.98 439	4.13 560	1.85 566	1.85 509	0.61 429	0.69 414	0.37 339	0.63 400	0.61 420	0.66 412	0.51 412	0.73 423	0.44 374	0.57 397	0.54 390	1.68 529	1.81 564	0.40 305	0.43 388	0.66 387	0.50 387

DispNO	1.00 440	0.63 278	0.43 316	3.45 568	0.44 385	0.65 411	0.43 374	0.64 401	0.43 376	0.64 409	0.43 381	0.64 411	3.03 589	0.64 406	0.43 333	4.55 598	0.43 341	0.63 413	0.43 388	0.63 385	0.43 361

MyStereo05	0.80 402	4.12 558	0.63 382	0.63 354	0.61 429	0.62 408	0.66 423	0.65 402	0.62 421	0.67 413	0.61 426	0.65 414	0.58 409	0.67 410	0.55 392	0.60 380	0.57 390	0.64 414	0.55 414	0.72 398	0.55 403

DSFCA	0.66 369	0.73 286	0.78 411	0.65 358	0.65 435	0.64 410	0.64 420	0.65 402	0.63 423	0.64 409	0.64 430	0.64 411	0.64 417	0.65 407	0.65 404	0.65 391	0.65 404	0.65 417	0.65 429	0.66 387	0.64 417

WCG-NET	0.61 360	1.21 415	0.54 364	0.61 351	0.53 415	0.67 413	0.53 406	0.66 404	0.53 407	0.64 409	0.53 415	0.65 414	0.53 404	0.59 399	0.52 374	0.65 391	0.48 363	0.64 414	0.52 411	0.58 381	0.50 387

SMoEStereo_RVC	0.63 364	0.75 289	0.51 356	0.73 371	0.53 415	0.71 417	0.47 387	0.67 405	0.58 415	0.74 423	0.60 422	0.72 421	0.53 404	0.74 418	0.51 372	0.61 384	0.62 400	0.62 411	0.61 425	0.63 385	0.61 412

PA-Net	11.80 633	223.51 659	0.62 381	0.59 347	0.71 447	0.59 404	0.73 440	0.67 405	0.73 445	0.55 393	0.61 426	0.60 407	0.74 437	0.63 405	0.73 439	0.66 393	0.60 395	0.69 420	0.66 431	0.72 398	0.65 418
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
HH	0.71 383	2.54 504	0.74 405	1.10 419	0.32 310	0.41 291	0.37 339	0.69 407	0.78 449	0.73 418	0.90 461	0.75 425	1.00 457	0.84 430	0.69 416	0.69 396	0.40 319	0.35 273	0.26 247	0.35 250	0.26 226

HanStereo	0.71 383	2.54 504	0.74 405	1.10 419	0.32 310	0.41 291	0.37 339	0.69 407	0.78 449	0.73 418	0.90 461	0.75 425	1.00 457	0.84 430	0.69 416	0.69 396	0.40 319	0.35 273	0.26 247	0.35 250	0.26 226

tt45	1.04 450	0.88 307	1.36 527	0.92 395	1.03 480	1.51 534	0.79 446	0.70 409	0.88 458	0.74 423	0.90 461	1.60 535	0.72 435	1.60 532	0.75 444	0.91 425	0.78 423	1.52 544	0.79 451	1.14 447	1.32 540

anonymity	0.63 364	0.69 282	0.56 369	0.71 369	0.56 420	0.71 417	0.56 412	0.71 410	0.56 411	0.72 417	0.56 419	0.71 418	0.56 408	0.71 413	0.58 397	0.68 395	0.55 386	0.68 419	0.55 414	0.68 389	0.54 398

DMCA-RVC	0.70 379	0.80 294	0.70 395	0.70 367	0.70 445	0.70 415	0.70 434	0.71 410	0.70 435	0.70 416	0.71 445	0.71 418	0.70 430	0.70 412	0.69 416	0.69 396	0.70 411	0.69 420	0.70 440	0.69 393	0.70 425

iGMRVC	0.84 418	2.85 528	0.72 401	0.72 370	0.73 450	0.77 420	0.79 446	0.73 412	0.74 447	0.73 418	0.72 448	0.73 423	0.76 440	0.73 416	0.73 439	0.72 404	0.73 417	0.73 424	0.72 445	0.73 401	0.72 430

4D-IteraStereo	0.78 399	3.13 534	0.89 423	0.69 363	0.32 310	0.40 275	0.32 298	0.76 413	0.97 471	0.52 382	0.65 432	0.89 443	0.32 312	0.76 420	0.98 467	0.83 419	0.94 439	0.35 273	0.27 255	0.70 396	0.89 451

ITERv2	0.70 379	0.74 287	0.55 366	0.77 375	0.55 418	0.78 422	0.55 409	0.77 414	0.55 410	0.77 426	0.55 417	0.78 428	0.62 414	0.79 421	0.55 392	0.69 396	0.49 366	0.73 424	1.50 555	0.69 393	0.49 381

ITER	0.72 386	0.77 290	0.55 366	0.77 375	0.57 422	0.78 422	0.55 409	0.77 414	0.56 411	0.79 429	0.55 417	0.78 428	0.67 424	0.80 424	0.55 392	0.70 401	0.50 374	0.81 439	1.66 569	0.69 393	0.49 381

ARAFT	0.68 374	0.81 297	0.63 382	0.74 372	0.60 424	0.78 422	0.62 418	0.77 414	0.66 427	0.74 423	0.63 428	0.75 425	0.62 414	0.83 429	0.60 400	0.70 401	0.55 386	0.70 422	0.60 423	0.78 406	0.55 403

zaero_v3	0.68 374	0.74 287	0.55 366	0.79 377	0.55 418	0.79 426	0.55 409	0.79 417	0.57 413	0.77 426	0.59 421	0.79 432	0.62 414	0.80 424	0.55 392	0.69 396	0.49 366	0.74 427	1.04 473	0.71 397	0.49 381

GCAP-Stereo	0.75 391	4.15 561	0.42 315	0.75 373	0.35 336	0.78 422	0.40 359	0.79 417	0.38 345	0.78 428	0.36 339	0.78 428	0.36 334	0.79 421	0.39 311	0.75 407	0.39 316	0.76 431	0.39 371	0.75 402	0.39 344

G-Net	0.79 400	0.79 293	0.79 414	0.79 377	0.79 456	0.79 426	0.79 446	0.79 417	0.79 452	0.79 429	0.79 456	0.79 432	0.79 444	0.79 421	0.79 448	0.79 410	0.79 424	0.79 434	0.79 451	0.79 408	0.79 441

AFF-stereo	0.73 389	0.88 307	0.67 392	0.75 373	0.68 442	0.75 419	0.64 420	0.80 420	0.72 442	0.83 435	0.70 441	0.82 438	0.64 417	0.84 430	0.67 408	0.77 409	0.63 401	0.81 439	0.63 427	0.78 406	0.62 415

NaN_ROB	0.80 402	0.80 294	0.80 415	0.80 380	0.80 458	0.80 428	0.80 449	0.80 420	0.80 453	0.80 431	0.80 457	0.80 434	0.80 445	0.80 424	0.80 450	0.80 411	0.80 427	0.80 437	0.80 453	0.80 411	0.80 442

CSAN	0.80 402	0.80 294	0.80 415	0.80 380	0.80 458	0.80 428	0.80 449	0.80 420	0.80 453	0.80 431	0.80 457	0.80 434	0.80 445	0.80 424	0.80 450	0.80 411	0.80 427	0.80 437	0.80 453	0.80 411	0.80 442

RAFT-Stereo + iAFF	0.70 379	0.72 285	0.71 398	0.80 380	0.62 432	0.82 430	0.61 417	0.81 423	0.62 421	0.81 433	0.63 428	0.80 434	0.70 430	0.73 416	0.61 402	0.76 408	0.61 399	0.74 427	0.61 425	0.77 405	0.61 412

zero-FE	0.72 386	1.31 427	0.66 388	0.92 395	0.60 424	0.82 430	0.58 414	0.82 424	0.58 415	0.81 433	0.60 422	0.81 437	0.60 411	0.82 428	0.58 397	0.74 406	0.59 394	0.73 424	0.52 411	0.76 403	0.51 394

Selective-RAFT-Error	0.88 423	0.84 300	0.98 442	0.86 388	0.97 472	0.88 435	0.95 464	0.84 425	0.99 474	0.92 442	0.82 459	0.84 439	0.98 456	0.87 435	0.97 466	0.81 414	0.83 430	0.79 434	0.82 456	0.79 408	0.85 447

PAM_32	0.64 366	2.38 498	0.51 356	0.92 395	0.43 384	0.53 391	0.44 375	0.87 426	0.43 376	0.52 382	0.45 387	0.53 390	0.40 352	0.54 387	0.46 339	0.62 388	0.56 388	0.48 384	0.45 390	0.76 403	0.44 364

DCRE	0.84 418	1.89 457	0.77 410	0.94 401	0.72 449	0.88 435	0.73 440	0.87 426	0.78 449	0.90 438	0.71 445	0.88 441	0.67 424	0.88 436	0.73 439	0.81 414	0.68 406	0.81 439	0.70 440	0.82 416	0.70 425

Selective-RAFT	0.89 425	0.89 310	0.72 401	1.16 432	0.78 455	1.06 456	0.82 452	0.87 426	0.97 471	1.00 450	0.91 464	0.90 444	1.00 457	0.89 438	0.93 463	0.83 419	0.83 430	0.82 444	0.82 456	0.81 414	0.82 445

UDG	0.80 402	2.21 482	0.60 375	0.91 392	0.60 424	0.90 438	0.58 414	0.88 429	0.60 418	0.90 438	0.60 422	0.88 441	0.60 411	0.90 439	0.58 397	0.86 423	0.60 395	0.84 446	0.59 422	0.84 419	0.61 412

MoCha-V2	2.11 553	26.97 637	0.78 411	0.92 395	0.77 454	0.96 445	0.72 439	0.90 430	0.72 442	0.94 446	0.70 441	0.90 444	0.71 434	0.91 440	0.71 436	0.85 422	0.71 415	0.88 449	0.69 438	0.87 421	0.67 421

DDUNet	0.81 407	2.45 502	0.57 371	0.90 390	0.60 424	0.88 435	0.59 416	0.90 430	0.60 418	0.88 437	0.60 422	0.90 444	0.58 409	0.88 436	0.60 400	0.84 421	0.60 395	0.86 448	0.57 420	0.86 420	0.60 411

CFNet-RSSM	0.91 426	4.89 571	0.34 273	0.44 290	1.07 482	1.62 538	1.40 551	0.91 432	0.35 329	1.60 530	1.39 551	0.64 411	0.34 325	0.44 328	0.33 268	0.41 313	0.35 298	0.75 429	0.30 289	0.41 322	0.29 252

UNet	0.29 201	0.90 313	0.10 69	0.14 99	0.10 121	0.14 127	0.10 118	0.91 432	0.69 432	0.14 127	0.11 133	0.14 128	0.11 132	0.14 130	0.10 114	0.12 93	0.09 70	0.12 122	0.09 111	0.88 422	0.76 439

DGTPSM_ROB	0.93 433	1.00 333	0.92 437	0.94 401	0.96 471	0.91 439	0.92 460	0.91 432	0.96 470	0.91 440	0.96 469	0.93 450	0.92 452	0.94 446	0.92 459	0.92 428	0.92 437	0.90 450	0.92 461	0.94 432	0.91 453

test_xeample3	1.10 453	1.81 450	0.61 380	0.84 385	0.49 402	0.77 420	0.66 423	0.92 435	1.40 551	0.68 415	0.46 389	0.78 428	0.54 407	1.72 537	1.48 553	1.34 509	1.52 541	1.35 537	1.67 571	1.33 512	1.55 553

DPSM_ROB	0.92 428	0.91 315	0.91 434	0.91 392	0.92 467	0.92 440	0.92 460	0.92 435	0.91 461	0.93 444	0.91 464	0.92 447	0.90 449	0.91 440	0.92 459	0.92 428	0.91 435	0.91 453	0.92 461	0.93 430	0.93 455

DPSM	0.92 428	0.91 315	0.91 434	0.91 392	0.92 467	0.92 440	0.92 460	0.92 435	0.91 461	0.93 444	0.91 464	0.92 447	0.90 449	0.91 440	0.92 459	0.92 428	0.91 435	0.91 453	0.92 461	0.93 430	0.93 455

pmcnn	0.92 428	0.92 320	0.92 437	0.92 395	0.92 467	0.92 440	0.92 460	0.92 435	0.92 465	0.92 442	0.92 468	0.92 447	0.92 452	0.92 444	0.92 459	0.92 428	0.92 437	0.92 455	0.92 461	0.92 429	0.92 454

RSM++	0.76 395	0.82 299	0.66 388	0.85 387	0.64 433	0.85 432	0.71 437	0.94 439	0.64 424	0.87 436	0.67 435	0.87 440	0.65 419	0.84 430	0.65 404	0.81 414	0.70 411	0.79 434	0.71 443	0.83 418	0.70 425

ToySt	0.92 428	2.11 473	0.90 428	0.95 403	0.79 456	0.99 447	0.78 445	0.94 439	0.81 456	0.94 446	0.78 455	0.95 451	0.77 442	0.94 446	0.86 456	0.91 425	0.79 424	0.85 447	0.77 448	0.89 423	0.73 433

R-Stereo Train	0.81 407	0.96 326	0.67 392	0.95 403	0.67 439	0.95 443	0.68 428	0.95 441	0.68 429	0.95 448	0.68 436	0.96 452	0.68 426	0.96 450	0.68 411	0.94 433	0.68 406	0.94 456	0.68 436	0.94 432	0.68 422

RAFT-Stereo	0.81 407	0.96 326	0.67 392	0.95 403	0.67 439	0.95 443	0.68 428	0.95 441	0.68 429	0.95 448	0.68 436	0.96 452	0.68 426	0.96 450	0.68 411	0.94 433	0.68 406	0.94 456	0.68 436	0.94 432	0.68 422
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
AdaDepth	0.86 421	0.93 322	0.71 398	1.01 413	1.07 482	1.02 453	0.71 437	1.00 443	0.71 440	1.01 454	0.71 445	1.00 455	0.72 435	1.14 471	0.71 436	0.92 428	0.64 402	0.90 450	0.64 428	0.89 423	0.69 424

GANet	1.00 440	1.00 333	1.00 444	1.00 410	1.00 473	1.00 448	1.00 468	1.00 443	1.00 475	1.00 450	1.00 472	1.00 455	1.00 457	1.00 454	1.00 469	1.00 435	1.00 440	1.00 463	1.00 468	1.00 436	1.00 462

TDLM	1.00 440	1.00 333	1.00 444	1.00 410	1.00 473	1.00 448	1.00 468	1.00 443	1.00 475	1.00 450	1.00 472	1.00 455	1.00 457	1.00 454	1.00 469	1.00 435	1.00 440	1.00 463	1.00 468	1.00 436	1.00 462

CVANet_RVC	1.00 440	1.00 333	1.00 444	1.00 410	1.00 473	1.00 448	1.00 468	1.00 443	1.00 475	1.00 450	1.00 472	1.00 455	1.00 457	1.00 454	1.00 469	1.00 435	1.00 440	1.00 463	1.00 468	1.00 436	1.00 462

trnet	1.01 446	1.01 339	1.01 447	1.01 413	1.01 477	1.01 452	1.01 471	1.01 447	1.01 478	1.01 454	1.01 475	1.01 459	1.01 463	1.01 458	1.01 472	1.01 438	1.01 443	1.01 466	1.01 472	1.01 439	1.01 465

DPSimNet_ROB	0.97 437	1.18 367	0.81 417	1.10 419	0.91 466	1.02 453	0.82 452	1.04 448	0.91 461	1.03 456	0.86 460	1.28 525	0.82 447	1.03 459	0.89 457	1.17 453	0.81 429	1.02 467	0.82 456	1.08 444	0.81 444

999	1.00 440	1.12 358	0.59 373	1.10 419	1.21 541	1.09 461	0.52 405	1.08 449	1.43 553	1.18 471	1.35 545	0.98 454	0.52 403	0.91 440	0.85 455	0.72 404	1.46 537	0.83 445	0.98 466	0.68 389	1.41 548

GLC_STEREO	1.07 451	1.01 339	1.06 449	1.07 417	1.05 481	1.06 456	1.08 475	1.08 449	1.05 481	1.07 458	1.06 477	1.08 462	1.05 465	1.06 460	1.10 476	1.07 441	1.09 453	1.05 470	1.05 474	1.06 443	1.12 472

HSM-Net_RVC	0.95 436	1.17 365	0.78 411	1.18 434	0.71 447	1.16 470	0.75 442	1.09 451	0.80 453	1.10 460	0.75 452	1.17 474	0.74 437	1.17 474	0.80 450	1.13 450	0.73 417	1.17 478	0.77 448	1.16 451	0.72 430
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
MSMD_ROB	1.19 458	1.10 357	0.70 395	1.10 419	0.60 424	1.10 462	0.70 434	1.10 452	0.70 435	1.10 460	0.70 441	1.10 466	0.70 430	7.00 633	0.70 431	1.10 444	0.70 411	1.10 471	0.70 440	1.10 445	0.70 425

AIO-Stereo	0.84 418	0.66 281	0.70 395	0.83 384	0.67 439	0.98 446	0.82 452	1.14 453	0.72 442	1.03 456	0.74 451	1.03 460	1.09 466	0.99 452	0.45 335	1.04 439	0.73 417	0.95 458	0.74 446	0.94 432	0.46 367

Wavelet-MonSter	1.00 440	1.21 415	0.76 408	1.94 513	1.01 477	1.11 465	0.76 443	1.15 454	0.76 448	1.11 465	0.76 453	1.14 471	0.76 440	1.11 468	0.76 446	1.21 500	0.90 433	1.02 467	0.71 443	1.02 441	0.71 429

RP	2.33 571	25.00 630	1.13 452	1.15 427	1.15 486	1.10 462	1.15 480	1.15 454	1.15 483	1.12 466	1.15 480	1.09 464	1.13 468	1.10 466	1.15 481	1.11 449	1.09 453	1.16 474	1.12 477	1.16 451	1.17 481

NCC-stereo	2.36 573	25.52 632	1.17 457	1.15 427	1.17 491	1.11 465	1.11 476	1.15 454	1.16 484	1.10 460	1.16 483	1.10 466	1.15 471	1.14 471	1.13 479	1.09 442	1.11 457	1.15 473	1.16 481	1.17 456	1.17 481

AIO-Stereo-zeroshot	0.91 426	0.86 303	0.89 423	1.25 484	0.69 443	1.05 455	0.81 451	1.16 457	0.50 399	1.12 466	0.97 470	0.72 421	0.82 447	1.06 460	0.95 464	0.61 384	0.87 432	1.03 469	0.85 459	1.04 442	1.01 465

edge stereo	2.43 578	27.07 638	1.14 453	1.06 416	1.14 485	1.08 459	1.17 483	1.16 457	1.14 482	1.10 460	1.16 483	1.09 464	1.16 475	1.10 466	1.16 484	1.10 444	1.11 457	1.16 474	1.19 483	1.13 446	1.11 470

RGC	2.36 573	25.48 631	1.19 461	1.15 427	1.15 486	1.10 462	1.16 482	1.17 459	1.16 484	1.12 466	1.16 483	1.11 469	1.13 468	1.09 464	1.18 486	1.10 444	1.15 462	1.16 474	1.12 477	1.14 447	1.12 472

Nwc_Net	2.37 575	25.95 634	1.15 455	1.14 425	1.15 486	1.08 459	1.14 479	1.17 459	1.16 484	1.14 469	1.15 480	1.08 462	1.15 471	1.11 468	1.14 480	1.10 444	1.11 457	1.16 474	1.09 476	1.16 451	1.15 477

Abc-Net	2.32 570	24.75 629	1.14 453	1.17 433	1.17 491	1.11 465	1.15 480	1.17 459	1.21 536	1.08 459	1.16 483	1.12 470	1.14 470	1.09 464	1.17 485	1.09 442	1.16 463	1.17 478	1.17 482	1.16 451	1.11 470
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
UPFNet	0.42 305	1.20 369	0.17 167	0.24 167	0.17 196	0.25 205	0.17 185	1.19 462	0.90 459	0.25 197	0.17 192	0.24 195	0.17 192	0.25 203	0.17 171	0.22 176	0.17 168	0.22 176	0.16 183	1.15 449	0.93 455

AF-Net	2.37 575	25.71 633	1.17 457	1.13 424	1.15 486	1.15 469	1.18 484	1.19 462	1.16 484	1.10 460	1.15 480	1.10 466	1.18 476	1.12 470	1.15 481	1.10 444	1.10 456	1.17 478	1.15 479	1.16 451	1.12 472

stereogan	2.33 571	24.38 628	1.18 459	1.18 434	1.18 493	1.14 468	1.18 484	1.19 462	1.19 490	1.14 469	1.18 487	1.14 471	1.18 476	1.14 471	1.18 486	1.14 452	1.14 461	1.19 482	1.19 483	1.15 449	1.19 485

DisPM	1.20 459	1.20 369	1.20 464	1.20 436	1.20 495	1.20 471	1.20 486	1.20 465	1.20 491	1.20 473	1.20 488	1.20 476	1.20 478	1.20 476	1.20 488	1.20 455	1.20 468	1.20 483	1.20 486	1.20 460	1.20 486

CrosDoStereo	1.20 459	1.20 369	1.20 464	1.20 436	1.20 495	1.20 471	1.20 486	1.20 465	1.20 491	1.20 473	1.20 488	1.20 476	1.20 478	1.20 476	1.20 488	1.20 455	1.20 468	1.20 483	1.20 486	1.20 460	1.20 486

PFNet+	1.20 459	1.20 369	1.20 464	1.20 436	1.20 495	1.20 471	1.20 486	1.20 465	1.20 491	1.20 473	1.20 488	1.20 476	1.20 478	1.20 476	1.20 488	1.20 455	1.20 468	1.20 483	1.20 486	1.20 460	1.20 486

LCNet	1.20 459	1.20 369	1.20 464	1.20 436	1.20 495	1.20 471	1.20 486	1.20 465	1.20 491	1.20 473	1.20 488	1.20 476	1.20 478	1.20 476	1.20 488	1.20 455	1.20 468	1.20 483	1.20 486	1.20 460	1.20 486

HHNet	1.20 459	1.20 369	1.20 464	1.20 436	1.20 495	1.20 471	1.20 486	1.20 465	1.20 491	1.20 473	1.20 488	1.20 476	1.20 478	1.20 476	1.20 488	1.20 455	1.20 468	1.20 483	1.20 486	1.20 460	1.20 486

Patchmatch Stereo++	1.20 459	1.20 369	1.20 464	1.20 436	1.20 495	1.20 471	1.20 486	1.20 465	1.20 491	1.20 473	1.20 488	1.20 476	1.20 478	1.20 476	1.20 488	1.20 455	1.20 468	1.20 483	1.20 486	1.20 460	1.20 486
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	1.20 459	1.20 369	1.20 464	1.20 436	1.20 495	1.20 471	1.20 486	1.20 465	1.20 491	1.20 473	1.20 488	1.20 476	1.20 478	1.20 476	1.20 488	1.20 455	1.20 468	1.20 483	1.20 486	1.20 460	1.20 486

STrans-v2	1.20 459	1.20 369	1.20 464	1.20 436	1.20 495	1.20 471	1.20 486	1.20 465	1.20 491	1.20 473	1.20 488	1.20 476	1.20 478	1.20 476	1.20 488	1.20 455	1.20 468	1.20 483	1.20 486	1.20 460	1.20 486

TransformOpticalFlow	1.20 459	1.20 369	1.20 464	1.20 436	1.20 495	1.20 471	1.20 486	1.20 465	1.20 491	1.20 473	1.20 488	1.20 476	1.20 478	1.20 476	1.20 488	1.20 455	1.20 468	1.20 483	1.20 486	1.20 460	1.20 486

OMP-Stereo	1.20 459	1.20 369	1.20 464	1.20 436	1.20 495	1.20 471	1.20 486	1.20 465	1.20 491	1.20 473	1.20 488	1.20 476	1.20 478	1.20 476	1.20 488	1.20 455	1.20 468	1.20 483	1.20 486	1.20 460	1.20 486

IIG-Stereo	1.20 459	1.20 369	1.20 464	1.20 436	1.20 495	1.20 471	1.20 486	1.20 465	1.20 491	1.20 473	1.20 488	1.20 476	1.20 478	1.20 476	1.20 488	1.20 455	1.20 468	1.20 483	1.20 486	1.20 460	1.20 486

NF-Stereo	1.20 459	1.20 369	1.20 464	1.20 436	1.20 495	1.20 471	1.20 486	1.20 465	1.20 491	1.20 473	1.20 488	1.20 476	1.20 478	1.20 476	1.20 488	1.20 455	1.20 468	1.20 483	1.20 486	1.20 460	1.20 486

OCTAStereo	1.20 459	1.20 369	1.20 464	1.20 436	1.20 495	1.20 471	1.20 486	1.20 465	1.20 491	1.20 473	1.20 488	1.20 476	1.20 478	1.20 476	1.20 488	1.20 455	1.20 468	1.20 483	1.20 486	1.20 460	1.20 486

PSM-softLoss	1.20 459	1.20 369	1.20 464	1.20 436	1.20 495	1.20 471	1.20 486	1.20 465	1.20 491	1.20 473	1.20 488	1.20 476	1.20 478	1.20 476	1.20 488	1.20 455	1.20 468	1.20 483	1.20 486	1.20 460	1.20 486

KMStereo	1.20 459	1.20 369	1.20 464	1.20 436	1.20 495	1.20 471	1.20 486	1.20 465	1.20 491	1.20 473	1.20 488	1.20 476	1.20 478	1.20 476	1.20 488	1.20 455	1.20 468	1.20 483	1.20 486	1.20 460	1.20 486

NRIStereo	1.20 459	1.20 369	1.20 464	1.20 436	1.20 495	1.20 471	1.20 486	1.20 465	1.20 491	1.20 473	1.20 488	1.20 476	1.20 478	1.20 476	1.20 488	1.20 455	1.20 468	1.20 483	1.20 486	1.20 460	1.20 486

PSM-adaLoss	1.20 459	1.20 369	1.20 464	1.20 436	1.20 495	1.20 471	1.20 486	1.20 465	1.20 491	1.20 473	1.20 488	1.20 476	1.20 478	1.20 476	1.20 488	1.20 455	1.20 468	1.20 483	1.20 486	1.20 460	1.20 486

PSM-AAD	1.20 459	1.20 369	1.20 464	1.20 436	1.20 495	1.20 471	1.20 486	1.20 465	1.20 491	1.20 473	1.20 488	1.20 476	1.20 478	1.20 476	1.20 488	1.20 455	1.20 468	1.20 483	1.20 486	1.20 460	1.20 486

FTStereo	1.20 459	1.20 369	1.20 464	1.20 436	1.20 495	1.20 471	1.20 486	1.20 465	1.20 491	1.20 473	1.20 488	1.20 476	1.20 478	1.20 476	1.20 488	1.20 455	1.20 468	1.20 483	1.20 486	1.20 460	1.20 486

ROB_FTStereo_v2	1.20 459	1.20 369	1.20 464	1.20 436	1.20 495	1.20 471	1.20 486	1.20 465	1.20 491	1.20 473	1.20 488	1.20 476	1.20 478	1.20 476	1.20 488	1.20 455	1.20 468	1.20 483	1.20 486	1.20 460	1.20 486

ROB_FTStereo	1.20 459	1.20 369	1.20 464	1.20 436	1.20 495	1.20 471	1.20 486	1.20 465	1.20 491	1.20 473	1.20 488	1.20 476	1.20 478	1.20 476	1.20 488	1.20 455	1.20 468	1.20 483	1.20 486	1.20 460	1.20 486

Consistency-Raft	1.20 459	1.20 369	1.20 464	1.20 436	1.20 495	1.20 471	1.20 486	1.20 465	1.20 491	1.20 473	1.20 488	1.20 476	1.20 478	1.20 476	1.20 488	1.20 455	1.20 468	1.20 483	1.20 486	1.20 460	1.20 486

KYRaft	1.20 459	1.20 369	1.20 464	1.20 436	1.20 495	1.20 471	1.20 486	1.20 465	1.20 491	1.20 473	1.20 488	1.20 476	1.20 478	1.20 476	1.20 488	1.20 455	1.20 468	1.20 483	1.20 486	1.20 460	1.20 486

HUI-Stereo	1.20 459	1.20 369	1.20 464	1.20 436	1.20 495	1.20 471	1.20 486	1.20 465	1.20 491	1.20 473	1.20 488	1.20 476	1.20 478	1.20 476	1.20 488	1.20 455	1.20 468	1.20 483	1.20 486	1.20 460	1.20 486

ASMatch	1.20 459	1.20 369	1.20 464	1.20 436	1.20 495	1.20 471	1.20 486	1.20 465	1.20 491	1.20 473	1.20 488	1.20 476	1.20 478	1.20 476	1.20 488	1.20 455	1.20 468	1.20 483	1.20 486	1.20 460	1.20 486

DeepStereo_LL	1.20 459	1.20 369	1.20 464	1.20 436	1.20 495	1.20 471	1.20 486	1.20 465	1.20 491	1.20 473	1.20 488	1.20 476	1.20 478	1.20 476	1.20 488	1.20 455	1.20 468	1.20 483	1.20 486	1.20 460	1.20 486

DEmStereo	1.20 459	1.20 369	1.20 464	1.20 436	1.20 495	1.20 471	1.20 486	1.20 465	1.20 491	1.20 473	1.20 488	1.20 476	1.20 478	1.20 476	1.20 488	1.20 455	1.20 468	1.20 483	1.20 486	1.20 460	1.20 486

SST-Stereo	1.20 459	1.20 369	1.20 464	1.20 436	1.20 495	1.20 471	1.20 486	1.20 465	1.20 491	1.20 473	1.20 488	1.20 476	1.20 478	1.20 476	1.20 488	1.20 455	1.20 468	1.20 483	1.20 486	1.20 460	1.20 486

THIR-Stereo	1.20 459	1.20 369	1.20 464	1.20 436	1.20 495	1.20 471	1.20 486	1.20 465	1.20 491	1.20 473	1.20 488	1.20 476	1.20 478	1.20 476	1.20 488	1.20 455	1.20 468	1.20 483	1.20 486	1.20 460	1.20 486

RAFT_R40	1.20 459	1.20 369	1.20 464	1.20 436	1.20 495	1.20 471	1.20 486	1.20 465	1.20 491	1.20 473	1.20 488	1.20 476	1.20 478	1.20 476	1.20 488	1.20 455	1.20 468	1.20 483	1.20 486	1.20 460	1.20 486

DRaft	1.20 459	1.20 369	1.20 464	1.20 436	1.20 495	1.20 471	1.20 486	1.20 465	1.20 491	1.20 473	1.20 488	1.20 476	1.20 478	1.20 476	1.20 488	1.20 455	1.20 468	1.20 483	1.20 486	1.20 460	1.20 486

PFNet	1.20 459	1.20 369	1.20 464	1.20 436	1.20 495	1.20 471	1.20 486	1.20 465	1.20 491	1.20 473	1.20 488	1.20 476	1.20 478	1.20 476	1.20 488	1.20 455	1.20 468	1.20 483	1.20 486	1.20 460	1.20 486

GrayStereo	1.20 459	1.20 369	1.20 464	1.20 436	1.20 495	1.20 471	1.20 486	1.20 465	1.20 491	1.20 473	1.20 488	1.20 476	1.20 478	1.20 476	1.20 488	1.20 455	1.20 468	1.20 483	1.20 486	1.20 460	1.20 486

RE-Stereo	1.20 459	1.20 369	1.20 464	1.20 436	1.20 495	1.20 471	1.20 486	1.20 465	1.20 491	1.20 473	1.20 488	1.20 476	1.20 478	1.20 476	1.20 488	1.20 455	1.20 468	1.20 483	1.20 486	1.20 460	1.20 486

Pruner-Stereo	1.20 459	1.20 369	1.20 464	1.20 436	1.20 495	1.20 471	1.20 486	1.20 465	1.20 491	1.20 473	1.20 488	1.20 476	1.20 478	1.20 476	1.20 488	1.20 455	1.20 468	1.20 483	1.20 486	1.20 460	1.20 486

TVStereo	1.20 459	1.20 369	1.20 464	1.20 436	1.20 495	1.20 471	1.20 486	1.20 465	1.20 491	1.20 473	1.20 488	1.20 476	1.20 478	1.20 476	1.20 488	1.20 455	1.20 468	1.20 483	1.20 486	1.20 460	1.20 486

DeepStereo_RVC	1.20 459	1.20 369	1.20 464	1.20 436	1.20 495	1.20 471	1.20 486	1.20 465	1.20 491	1.20 473	1.20 488	1.20 476	1.20 478	1.20 476	1.20 488	1.20 455	1.20 468	1.20 483	1.20 486	1.20 460	1.20 486

RAFT-RH_RVC	1.20 459	1.20 369	1.20 464	1.20 436	1.20 495	1.20 471	1.20 486	1.20 465	1.20 491	1.20 473	1.20 488	1.20 476	1.20 478	1.20 476	1.20 488	1.20 455	1.20 468	1.20 483	1.20 486	1.20 460	1.20 486

IRAFT_RVC	1.20 459	1.20 369	1.20 464	1.20 436	1.20 495	1.20 471	1.20 486	1.20 465	1.20 491	1.20 473	1.20 488	1.20 476	1.20 478	1.20 476	1.20 488	1.20 455	1.20 468	1.20 483	1.20 486	1.20 460	1.20 486

RAFT-345	1.20 459	1.20 369	1.20 464	1.20 436	1.20 495	1.20 471	1.20 486	1.20 465	1.20 491	1.20 473	1.20 488	1.20 476	1.20 478	1.20 476	1.20 488	1.20 455	1.20 468	1.20 483	1.20 486	1.20 460	1.20 486

iRAFT	1.20 459	1.20 369	1.20 464	1.20 436	1.20 495	1.20 471	1.20 486	1.20 465	1.20 491	1.20 473	1.20 488	1.20 476	1.20 478	1.20 476	1.20 488	1.20 455	1.20 468	1.20 483	1.20 486	1.20 460	1.20 486

CRE-IMP	1.20 459	1.20 369	1.20 464	1.20 436	1.20 495	1.20 471	1.20 486	1.20 465	1.20 491	1.20 473	1.20 488	1.20 476	1.20 478	1.20 476	1.20 488	1.20 455	1.20 468	1.20 483	1.20 486	1.20 460	1.20 486

GMM-Stereo	1.20 459	1.20 369	1.20 464	1.20 436	1.20 495	1.20 471	1.20 486	1.20 465	1.20 491	1.20 473	1.20 488	1.20 476	1.20 478	1.20 476	1.20 488	1.20 455	1.20 468	1.20 483	1.20 486	1.20 460	1.20 486

RAFT-IKP	1.20 459	1.20 369	1.20 464	1.20 436	1.20 495	1.20 471	1.20 486	1.20 465	1.20 491	1.20 473	1.20 488	1.20 476	1.20 478	1.20 476	1.20 488	1.20 455	1.20 468	1.20 483	1.20 486	1.20 460	1.20 486

Prome-Stereo	1.20 459	1.20 369	1.20 464	1.20 436	1.20 495	1.20 471	1.20 486	1.20 465	1.20 491	1.20 473	1.20 488	1.20 476	1.20 478	1.20 476	1.20 488	1.20 455	1.20 468	1.20 483	1.20 486	1.20 460	1.20 486

FC-DCNN	1.07 451	1.09 354	0.98 442	0.89 389	0.52 412	1.41 531	0.91 459	1.21 510	1.24 539	1.96 542	2.05 596	1.91 543	1.30 531	1.27 524	1.08 475	0.80 411	0.60 395	0.58 408	0.41 379	0.68 389	0.54 398

CroCo-Stereo	0.73 389	1.22 421	0.25 208	1.22 481	0.25 242	1.22 517	0.25 234	1.22 511	0.25 233	1.22 519	0.25 242	1.22 522	0.25 236	1.22 522	0.25 209	1.22 502	0.26 216	1.21 528	0.25 241	1.22 507	0.25 220
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
S-Stereo	2.51 580	26.86 636	1.23 513	1.22 481	1.22 543	1.24 519	1.25 535	1.22 511	1.24 539	1.21 518	1.24 536	1.19 475	1.27 528	1.19 475	1.24 535	1.19 454	1.20 468	1.25 530	1.19 483	1.24 508	1.23 534

FAT-Stereo	2.46 579	26.05 635	1.23 513	1.23 483	1.22 543	1.20 471	1.24 534	1.23 513	1.23 538	1.19 472	1.22 534	1.21 521	1.24 526	1.20 476	1.24 535	1.21 500	1.17 466	1.22 529	1.25 536	1.20 460	1.24 535

CroCo-Stereo Lap2	0.77 396	1.29 425	0.29 223	1.27 485	0.29 266	1.27 520	0.26 242	1.26 514	0.26 246	1.26 520	0.26 248	1.27 524	0.26 245	1.26 523	0.27 215	1.27 504	0.27 223	1.27 532	0.27 255	1.27 510	0.27 234

MMNet	0.44 311	1.24 423	0.17 167	0.25 177	0.17 196	0.25 205	0.18 192	1.26 514	0.93 466	0.25 197	0.17 192	0.25 205	0.18 200	0.25 203	0.17 171	0.23 192	0.16 145	0.23 187	0.16 183	1.20 460	0.99 460

delet	0.43 306	1.21 415	0.17 167	0.25 177	0.17 196	0.25 205	0.18 192	1.26 514	0.95 468	0.25 197	0.17 192	0.25 205	0.17 192	0.25 203	0.17 171	0.23 192	0.16 145	0.22 176	0.16 183	1.18 457	0.98 459

psm_up	0.43 306	1.19 368	0.17 167	0.25 177	0.18 206	0.25 205	0.19 204	1.26 514	0.91 461	0.26 205	0.17 192	0.25 205	0.17 192	0.25 203	0.17 171	0.22 176	0.17 168	0.23 187	0.16 183	1.18 457	0.99 460

PS-NSSS	1.38 514	1.39 433	1.34 517	1.34 490	1.35 545	1.38 527	1.37 549	1.35 518	1.38 550	1.34 521	1.34 544	1.39 529	1.38 539	1.70 536	1.40 550	1.36 512	1.36 530	1.36 539	1.37 544	1.37 514	1.36 545

MM-Stereo_test2	1.20 459	1.85 453	1.05 448	1.46 496	0.94 470	1.36 525	0.99 467	1.36 519	0.95 468	1.41 526	0.98 471	1.40 531	0.96 454	1.37 526	0.95 464	1.37 514	1.06 446	1.33 534	0.93 465	1.29 511	0.89 451

MaskLacGwcNet_RVC	1.35 511	1.35 430	1.35 519	1.35 491	1.35 545	1.35 523	1.35 542	1.36 519	1.35 547	1.36 523	1.35 545	1.36 526	1.36 536	1.36 525	1.35 546	1.35 510	1.35 529	1.35 537	1.35 541	1.35 513	1.35 544

NLCSM	1.94 529	1.36 431	0.90 428	17.57 634	1.19 494	1.40 529	0.90 457	1.37 521	0.90 459	1.37 524	0.91 464	1.38 527	0.91 451	1.37 526	0.90 458	1.28 505	0.90 433	1.25 530	0.85 459	1.24 508	0.85 447

CC-Net-ROB	1.36 512	1.33 429	1.33 516	1.36 492	1.38 548	1.36 525	1.33 540	1.37 521	1.34 544	1.35 522	1.36 547	1.38 527	1.34 534	1.38 528	1.38 549	1.35 510	1.38 533	1.33 534	1.35 541	1.43 516	1.34 543

RASNet	1.49 515	1.65 441	1.45 535	1.38 494	1.43 551	1.47 533	1.36 544	1.38 523	1.36 548	1.39 525	1.60 561	1.45 532	1.45 542	1.51 531	2.21 591	1.53 524	1.36 530	1.36 539	1.36 543	1.66 525	1.36 545

MM-Stereo_test3	1.27 509	2.07 469	1.18 459	1.60 502	1.02 479	1.45 532	1.01 471	1.40 524	1.04 480	1.44 527	1.03 476	1.46 533	1.02 464	1.44 530	1.02 473	1.51 523	1.12 460	1.32 533	0.98 466	1.38 515	0.97 458

MLG-Stereo	0.92 428	0.90 313	0.84 418	1.27 485	0.49 402	1.38 527	0.88 455	1.41 525	0.97 471	0.73 418	1.09 478	1.26 523	0.43 372	0.72 414	1.05 474	1.13 450	0.49 366	1.18 481	0.66 431	1.01 439	0.46 367

DPSMNet_ROB	1.60 518	1.59 440	1.70 549	1.59 499	1.59 557	1.61 536	1.61 560	1.60 526	1.60 557	1.62 536	1.59 560	1.60 535	1.60 545	1.60 532	1.59 557	1.59 525	1.60 551	1.59 545	1.59 562	1.59 521	1.59 558

FlowAnything_test	1.02 448	1.72 444	0.71 398	1.59 499	0.70 445	1.61 536	0.69 431	1.61 527	0.70 435	1.60 530	0.70 441	1.61 538	0.69 428	1.61 534	0.70 431	0.81 414	0.58 392	0.81 439	0.55 414	0.81 414	0.56 406

FlowAnything	1.02 448	1.71 443	0.72 401	1.59 499	0.69 443	1.60 535	0.69 431	1.61 527	0.70 435	1.60 530	0.69 439	1.60 535	0.69 428	1.61 534	0.69 416	0.81 414	0.58 392	0.81 439	0.56 418	0.82 416	0.56 406

CFNet-ft	0.55 353	1.57 439	0.14 126	0.20 136	0.14 157	0.20 162	2.53 594	1.61 527	0.14 157	0.20 159	0.14 161	0.20 160	0.14 158	0.20 159	0.14 151	0.17 142	0.12 112	0.17 153	0.12 147	1.56 520	1.24 535

11t	1.27 509	2.70 513	1.34 517	1.32 489	0.89 462	1.30 522	1.34 541	1.64 530	0.57 413	1.45 528	0.72 448	1.05 461	1.29 530	1.07 463	1.29 542	1.49 520	1.02 444	0.97 461	1.15 479	1.48 517	1.31 539

IGEVStereo-DCA	1.77 523	4.21 562	1.84 564	2.49 537	2.11 590	2.54 576	1.36 544	1.65 531	1.17 488	2.75 585	1.90 579	2.54 571	1.15 471	0.94 446	1.11 477	1.50 521	1.32 517	0.96 459	1.46 553	1.49 518	0.88 449

rrr	1.77 523	4.21 562	1.84 564	2.49 537	2.11 590	2.54 576	1.36 544	1.65 531	1.17 488	2.75 585	1.90 579	2.54 571	1.15 471	0.94 446	1.11 477	1.50 521	1.32 517	0.96 459	1.46 553	1.49 518	0.88 449

HBP-ISP	1.24 507	1.72 444	1.65 547	1.15 427	0.76 453	1.40 529	0.88 455	1.67 533	1.02 479	1.69 537	1.38 550	1.69 539	1.21 524	1.87 544	1.21 533	1.05 440	0.79 424	0.97 461	0.80 453	1.19 459	0.75 437

ours_stereo	1.20 459	1.21 415	0.90 428	1.64 507	1.11 484	1.35 523	0.67 427	1.76 534	0.93 466	1.70 538	1.10 479	1.39 529	0.75 439	1.41 529	0.81 453	1.60 527	1.03 445	1.33 534	1.00 468	1.61 522	0.72 430

2.5w	2.01 543	2.40 499	1.37 529	3.28 559	2.01 584	2.71 581	1.43 557	1.82 535	1.83 577	1.90 541	1.41 552	2.71 580	1.35 535	2.71 580	1.85 578	2.66 579	1.53 542	1.64 546	1.23 533	2.53 567	1.87 578

1w_stereo	2.05 551	2.32 489	1.35 519	3.74 581	2.01 584	2.73 584	1.42 554	1.88 536	1.93 587	2.03 550	1.28 540	2.71 580	1.99 575	2.72 582	1.72 567	2.20 553	1.32 517	1.87 555	1.86 582	2.45 556	1.54 552

GANetREF_RVC	1.55 516	1.94 466	1.22 511	1.88 510	1.21 541	1.88 542	1.22 532	1.88 536	1.22 537	1.88 539	1.22 534	1.88 541	1.22 525	1.89 545	1.22 534	1.87 535	1.22 515	1.88 558	1.22 532	1.88 534	1.22 532
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
ccs_rob	2.79 588	10.17 618	0.32 257	10.00 630	0.33 323	0.49 366	0.33 311	1.90 538	0.32 310	0.51 379	0.33 319	0.49 363	9.24 634	0.49 362	0.33 268	0.41 313	9.82 634	0.41 328	0.28 261	9.34 632	0.29 252

3.25w	2.04 549	2.20 480	1.48 537	3.03 551	2.17 594	2.63 580	1.39 550	1.96 539	1.95 588	1.96 542	1.37 548	2.71 580	1.96 572	2.71 580	1.73 572	2.26 556	1.32 517	1.87 555	1.87 583	2.51 563	1.63 563

MFMNet_re	1.81 526	1.91 460	1.71 551	1.95 515	1.70 568	1.95 547	1.70 565	1.96 539	1.74 570	1.97 544	1.72 569	1.95 544	1.71 553	1.97 548	1.71 565	1.86 533	1.62 552	1.85 551	1.66 569	1.86 533	1.64 564

SPS-STEREO	1.59 517	1.91 460	1.21 510	1.94 513	1.20 495	2.00 550	1.23 533	1.99 541	1.24 539	2.00 547	1.25 537	2.03 551	1.26 527	2.00 549	1.29 542	1.90 539	1.18 467	1.89 559	1.21 531	1.89 535	1.20 486
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
IGEV	2.02 544	2.20 480	1.82 560	2.90 549	2.16 592	2.41 566	1.25 535	2.00 542	1.98 589	1.99 546	1.31 542	2.72 584	1.93 569	2.67 579	1.69 564	2.26 556	1.32 517	1.83 550	1.87 583	2.53 567	1.61 561

3.5w_stereo	2.03 546	2.72 517	1.35 519	3.41 566	1.57 555	2.72 582	1.49 558	2.01 543	1.34 544	2.15 557	1.61 563	2.63 577	1.36 536	2.72 582	1.99 589	2.66 579	1.58 547	1.68 548	1.24 534	2.53 567	1.87 578

3w_stereo	2.04 549	2.24 484	1.70 549	3.15 554	2.18 596	2.49 570	1.26 537	2.03 544	1.98 589	1.98 545	1.33 543	2.72 584	1.99 575	2.59 574	1.72 567	2.22 555	1.33 524	1.85 551	1.88 588	2.50 562	1.58 557

MM-Stereo_test1	1.80 525	3.41 540	1.52 542	2.12 520	1.41 550	2.04 551	1.41 552	2.05 545	1.46 554	2.04 551	1.41 552	2.05 552	1.42 541	2.05 550	1.43 552	2.04 547	1.54 544	1.94 560	1.38 546	1.99 537	1.33 541

4.5_new	2.00 536	1.84 452	1.98 577	2.77 544	2.16 592	2.27 558	1.28 539	2.09 546	1.98 589	2.01 548	1.28 540	2.71 580	1.98 573	2.51 571	1.65 560	2.26 556	1.33 524	1.87 555	1.87 583	2.49 560	1.60 559

ff7	1.68 519	2.68 510	1.35 519	0.97 407	0.89 462	1.84 539	2.15 589	2.12 547	1.80 574	2.05 552	1.56 557	2.33 558	2.12 580	2.23 555	2.25 592	1.31 506	1.07 447	1.48 541	1.41 547	0.90 426	1.04 467

ffff	1.68 519	2.68 510	1.35 519	0.97 407	0.89 462	1.84 539	2.15 589	2.12 547	1.80 574	2.05 552	1.56 557	2.33 558	2.12 580	2.23 555	2.25 592	1.31 506	1.07 447	1.48 541	1.41 547	0.90 426	1.04 467

ccc-4	1.68 519	2.68 510	1.35 519	0.97 407	0.89 462	1.84 539	2.15 589	2.12 547	1.80 574	2.05 552	1.56 557	2.33 558	2.12 580	2.23 555	2.25 592	1.31 506	1.07 447	1.48 541	1.41 547	0.90 426	1.04 467

MC-Stereo	1.76 522	2.96 529	1.37 529	2.14 521	1.37 547	2.14 556	1.36 544	2.14 550	1.37 549	2.14 556	1.37 548	2.14 553	1.37 538	2.14 554	1.37 548	1.97 543	1.32 517	1.97 561	1.32 540	1.98 536	1.33 541

3.25w_new	2.03 546	2.72 517	1.35 519	3.33 564	1.57 555	2.72 582	1.53 559	2.15 551	1.33 543	2.15 557	1.60 561	2.63 577	1.30 531	2.72 582	1.99 589	2.67 581	1.53 542	1.75 549	1.25 536	2.53 567	1.87 578

RAFT_CTSACE	1.92 528	3.71 547	1.72 552	1.88 510	1.72 569	2.04 551	1.42 554	2.18 552	1.89 585	2.02 549	1.97 585	1.95 544	2.06 579	1.93 546	1.62 558	1.76 530	1.66 555	2.02 562	1.73 579	1.73 528	1.43 550

4w-stereo	2.02 544	2.72 517	1.44 534	3.36 565	1.59 557	2.48 569	1.72 566	2.28 553	1.24 539	2.24 559	1.65 565	2.56 573	1.32 533	2.39 565	1.98 588	2.67 581	1.51 540	1.66 547	1.24 534	2.53 567	1.88 581

NCCL2	2.28 569	2.27 485	2.28 583	2.28 530	2.28 597	2.27 558	2.29 592	2.28 553	2.28 595	2.27 560	2.28 597	2.28 554	2.27 583	2.27 558	2.28 596	2.28 560	2.28 583	2.27 569	2.29 596	2.27 547	2.29 586

TRStereo	2.00 536	2.13 474	1.85 566	2.27 527	1.84 573	2.28 560	1.84 569	2.29 555	1.86 579	2.30 561	1.87 574	2.30 555	1.87 563	2.08 551	1.72 567	2.08 548	1.72 558	2.08 564	1.72 576	2.08 539	1.72 569

XX-Stereo	2.00 536	2.13 474	1.85 566	2.27 527	1.84 573	2.28 560	1.84 569	2.29 555	1.86 579	2.30 561	1.87 574	2.30 555	1.87 563	2.08 551	1.72 567	2.08 548	1.72 558	2.08 564	1.72 576	2.08 539	1.72 569

EAI-Stereo	2.00 536	2.13 474	1.85 566	2.27 527	1.84 573	2.28 560	1.84 569	2.29 555	1.86 579	2.30 561	1.87 574	2.30 555	1.87 563	2.08 551	1.72 567	2.08 548	1.72 558	2.08 564	1.72 576	2.08 539	1.72 569

STTStereo	3.73 595	30.40 642	2.37 587	2.39 533	2.31 599	2.35 563	2.33 593	2.29 555	2.42 596	2.32 565	2.34 598	2.33 558	2.36 584	2.30 560	2.27 595	2.35 566	2.22 582	2.31 572	2.22 593	2.29 549	2.34 590

GANet-RSSM	0.75 391	1.91 460	0.14 126	0.47 304	0.14 157	0.21 172	3.21 614	2.30 559	0.14 157	0.46 333	0.14 161	0.23 191	0.18 200	0.21 169	0.14 151	0.18 150	0.27 223	0.37 281	0.13 155	2.13 542	2.12 582

MonStereo1	1.94 529	2.77 523	1.52 542	3.73 580	1.51 554	2.13 555	1.42 554	2.32 560	1.52 555	2.31 564	1.50 555	2.53 568	1.59 544	2.34 562	1.56 555	1.91 540	1.36 530	1.86 554	1.31 539	2.07 538	1.53 551

MonStereo	2.17 555	2.41 500	1.49 541	2.67 541	1.67 562	2.60 579	2.04 587	2.32 560	1.76 571	2.44 569	1.68 567	2.50 566	1.69 551	2.38 563	1.80 575	2.28 560	1.78 561	2.63 588	2.14 591	3.47 578	1.68 567

AIO_test	2.18 557	2.09 472	2.04 581	2.42 534	2.01 584	2.47 568	1.94 579	2.34 562	2.03 593	2.56 575	1.94 582	2.43 564	1.94 570	2.41 566	1.87 582	2.39 569	2.10 578	2.35 576	1.91 589	2.25 546	2.19 584

AIO_rvc	2.18 557	2.34 494	1.87 570	2.32 531	1.94 582	2.40 565	1.89 577	2.37 563	2.07 594	2.52 574	1.95 584	2.44 565	1.99 575	2.41 566	1.89 584	2.32 565	2.09 577	2.24 568	2.18 592	2.21 543	2.23 585

HUF	2.18 557	2.30 487	1.99 580	2.34 532	2.02 587	2.41 566	2.06 588	2.38 564	1.89 585	2.36 566	1.85 572	2.56 573	1.98 573	2.31 561	1.97 587	2.30 563	2.03 576	2.30 571	2.11 590	2.23 544	2.16 583

asd	2.18 557	2.77 523	1.58 544	3.59 574	2.00 583	2.58 578	1.85 572	2.39 565	1.71 563	2.47 571	1.97 585	2.59 575	1.61 546	2.56 572	1.79 574	2.51 576	1.99 568	2.11 567	1.62 566	2.36 552	1.60 559

2.25w	2.00 536	1.86 455	1.98 577	2.95 550	2.17 594	2.26 557	1.35 542	2.42 566	2.00 592	2.07 555	1.27 539	2.53 568	1.99 575	2.29 559	1.49 554	2.21 554	1.32 517	1.85 551	1.87 583	2.52 564	1.62 562

FBW_ROB	2.12 554	2.46 503	1.77 554	2.49 537	1.79 572	2.38 564	1.83 568	2.46 567	1.78 573	2.48 572	1.97 585	2.40 563	1.78 560	2.42 568	1.83 576	2.31 564	1.85 566	2.38 577	1.82 581	2.35 551	1.84 574

qwe	2.18 557	2.60 507	1.58 544	3.83 582	1.90 581	2.53 574	1.90 578	2.48 568	1.73 568	2.37 567	1.92 581	2.53 568	1.68 549	2.56 572	1.83 576	2.52 578	1.87 567	2.07 563	1.68 573	2.32 550	1.71 568

monsterstereo	2.20 563	2.33 490	1.95 575	3.65 576	2.07 589	2.49 570	1.61 560	2.48 568	1.83 577	2.45 570	1.61 563	2.67 579	1.86 562	2.64 576	1.94 585	2.48 575	1.66 555	2.34 574	1.68 573	2.40 553	1.86 576

monsters	2.18 557	2.41 500	1.96 576	3.47 569	2.03 588	2.53 574	1.64 562	2.48 568	1.73 568	2.40 568	1.50 555	2.62 576	1.94 570	2.59 574	1.94 585	2.44 571	1.57 546	2.28 570	1.87 583	2.42 554	1.86 576

UDGNet	2.23 567	5.40 583	1.72 552	2.48 536	1.69 565	2.51 573	1.69 564	2.51 571	1.72 567	2.50 573	1.69 568	2.52 567	1.69 551	2.50 570	1.68 563	2.41 570	1.70 557	2.42 579	1.69 575	2.42 554	1.64 564

4.25w-stereo	1.98 531	2.72 517	1.46 536	3.47 569	1.43 551	2.07 553	1.98 580	2.53 572	1.52 555	2.71 578	1.98 591	1.81 540	1.62 547	1.96 547	1.36 547	1.88 538	2.00 569	2.53 585	1.61 564	1.74 529	1.15 477

cf-r	0.66 369	2.17 478	0.12 101	0.18 130	0.12 152	0.18 154	2.70 597	2.60 573	0.12 152	0.18 151	0.12 144	0.18 153	0.12 149	0.18 152	0.12 141	0.15 125	0.11 96	0.15 142	0.11 130	1.81 532	1.74 572

asda	2.17 555	2.54 504	1.81 555	3.47 569	1.78 571	2.50 572	1.86 573	2.61 574	1.68 559	2.61 576	1.83 571	2.37 562	1.73 555	2.44 569	1.88 583	2.51 576	1.84 565	2.34 574	1.62 566	2.23 544	1.77 573

4.25_new	2.00 536	2.33 490	1.82 560	3.32 562	1.69 565	1.95 547	1.99 583	2.72 575	1.71 563	2.72 579	1.97 585	2.01 549	1.74 557	1.77 539	1.28 540	2.18 551	2.01 571	2.48 583	1.58 560	1.65 523	1.17 481

4.5w_new	2.00 536	2.33 490	1.82 560	3.32 562	1.69 565	1.95 547	1.99 583	2.72 575	1.71 563	2.72 579	1.97 585	2.01 549	1.74 557	1.77 539	1.28 540	2.18 551	2.01 571	2.48 583	1.58 560	1.65 523	1.17 481

4.5w-stereo	1.99 532	2.33 490	1.81 555	3.28 559	1.68 564	1.94 544	1.99 583	2.72 575	1.70 562	2.72 579	1.99 594	1.97 546	1.68 549	1.76 538	1.29 542	1.91 540	2.02 575	2.53 585	1.61 564	1.75 530	1.16 480

2.75w_new	1.99 532	2.34 494	1.81 555	3.14 553	1.62 559	1.94 544	1.99 583	2.72 575	1.71 563	2.72 579	1.99 594	1.90 542	1.73 555	1.82 543	1.29 542	2.37 567	2.01 571	2.31 572	1.42 550	1.77 531	1.22 532

3.75w	1.99 532	2.31 488	1.83 563	3.16 555	1.65 561	1.93 543	1.98 580	2.72 575	1.68 559	2.73 584	1.97 585	2.00 548	1.72 554	1.81 542	1.25 538	2.27 559	2.01 571	2.38 577	1.42 550	1.71 527	1.24 535

2w_stereo	1.99 532	2.36 497	1.81 555	3.24 557	1.67 562	1.94 544	1.98 580	2.72 575	1.68 559	2.72 579	1.94 582	1.98 547	1.74 557	1.79 541	1.27 539	1.95 542	2.00 569	2.53 585	1.60 563	1.68 526	1.15 477

sCroCo_RVC	2.10 552	2.76 521	1.92 574	2.78 547	1.39 549	2.73 584	1.41 552	2.73 581	1.40 551	2.77 590	1.41 552	2.74 586	1.40 540	2.74 585	1.40 550	2.72 583	1.42 535	2.72 589	1.44 552	2.79 574	1.42 549

LGtest1	2.22 564	2.70 513	1.89 571	2.76 543	1.86 576	2.75 586	1.86 573	2.75 582	1.86 579	2.75 585	1.86 573	2.77 589	1.87 563	2.75 586	1.86 579	2.46 572	1.58 547	2.45 580	1.56 556	2.45 556	1.56 554

LG-G_1	2.22 564	2.71 515	1.89 571	2.77 544	1.87 579	2.75 586	1.87 575	2.76 583	1.87 583	2.75 585	1.87 574	2.76 587	1.87 563	2.75 586	1.86 579	2.47 573	1.58 547	2.45 580	1.57 557	2.45 556	1.57 555

LG-G	2.22 564	2.71 515	1.89 571	2.77 544	1.87 579	2.75 586	1.87 575	2.76 583	1.87 583	2.75 585	1.87 574	2.76 587	1.87 563	2.75 586	1.86 579	2.47 573	1.58 547	2.45 580	1.57 557	2.45 556	1.57 555

GwcNet-RSSM	0.77 396	2.77 523	0.14 126	0.20 136	0.14 157	0.20 162	2.67 596	2.78 585	0.14 157	0.20 159	0.14 161	0.20 160	0.14 158	0.21 169	0.14 151	0.17 142	0.12 112	0.17 153	0.12 147	2.52 564	2.31 587

PSMNet-RSSM	0.77 396	2.76 521	0.14 126	0.20 136	0.14 157	0.20 162	2.66 595	2.79 586	0.14 157	0.21 170	0.14 161	0.21 167	0.14 158	0.20 159	0.14 151	0.17 142	0.12 112	0.17 153	0.12 147	2.52 564	2.31 587

hitnet-ft	0.79 400	2.78 526	0.14 126	0.20 136	0.14 157	0.21 172	2.89 598	2.80 587	0.14 157	0.20 159	0.14 161	0.20 160	0.14 158	0.20 159	0.14 151	0.17 142	0.12 112	0.17 153	0.12 147	2.54 572	2.33 589

NLCA_NET_v2_RVC	5.04 623	50.87 652	2.78 590	2.87 548	2.71 600	2.78 589	0.47 387	2.88 588	2.86 600	1.89 540	2.67 599	2.79 590	2.79 588	2.78 589	2.83 597	2.82 584	2.82 586	2.83 590	2.77 599	2.83 575	2.76 594
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
MSMDNet	2.65 583	10.14 617	0.33 263	9.74 627	0.32 310	0.87 434	0.33 311	2.95 589	0.68 429	0.49 359	0.34 327	0.49 363	5.70 625	0.49 362	0.33 268	0.42 329	9.57 631	0.41 328	0.31 315	8.36 628	0.65 418

plain	1.88 527	3.16 535	0.64 384	3.10 552	0.65 435	3.10 591	0.64 420	3.12 590	0.65 425	3.10 591	0.65 432	3.11 591	0.65 419	3.12 590	0.65 404	3.12 586	0.65 404	3.13 591	0.65 429	3.13 576	0.65 418

MIF-Stereo (partial)	2.58 582	3.31 539	0.66 388	3.18 556	0.66 438	3.18 592	0.66 423	3.21 591	0.67 428	3.19 592	0.66 434	3.19 592	0.66 422	3.31 594	0.68 411	5.09 615	1.79 563	8.23 634	1.67 571	6.18 618	1.38 547

Anonymous3	2.55 581	3.26 538	1.65 547	3.28 559	1.63 560	3.24 593	1.68 563	3.27 592	1.66 558	3.28 593	1.67 566	3.25 593	1.66 548	3.27 592	1.64 559	3.26 587	1.65 554	3.30 592	1.65 568	4.95 609	1.65 566

PCWNet_CMD	2.80 589	9.82 614	0.32 257	10.09 631	0.32 310	0.49 366	0.33 311	3.34 593	0.33 317	0.49 359	0.33 319	0.49 363	8.73 631	0.48 356	0.33 268	0.41 313	9.22 630	0.42 350	0.29 276	9.55 633	0.31 286

UniTT-Stereo	2.03 546	3.43 541	0.72 401	3.42 567	0.73 450	3.27 594	0.68 428	3.38 594	0.69 432	3.29 594	0.72 448	3.28 594	0.70 430	3.35 595	0.68 411	3.39 588	0.68 406	3.31 593	0.69 438	3.37 577	0.73 433

Sa-1000	4.34 613	8.37 602	6.84 626	6.98 616	4.45 628	3.58 595	3.00 599	3.42 595	3.39 614	2.61 576	4.00 623	3.83 599	4.01 616	3.90 599	3.90 619	5.98 622	5.62 617	3.76 599	2.34 597	4.35 589	2.47 593

test_5	4.62 617	7.55 598	6.23 622	6.32 611	3.40 616	5.29 624	3.50 616	3.53 596	4.11 624	4.28 601	4.47 627	4.26 604	4.38 619	3.68 597	3.24 610	5.89 620	5.60 616	4.84 620	3.50 616	4.33 588	3.93 624

DPSNet	3.66 594	3.60 543	3.62 609	3.63 575	3.64 620	3.65 597	3.65 619	3.66 597	3.67 616	3.67 596	3.65 617	3.67 597	3.66 605	3.66 596	3.68 614	3.68 591	3.66 604	3.67 597	3.68 620	3.67 579	3.67 617

RAStereo	2.23 567	3.64 544	0.76 408	3.65 576	0.86 460	3.66 598	0.76 443	3.67 598	0.81 456	3.66 595	0.76 453	3.66 596	0.77 442	3.68 597	0.77 447	3.68 591	0.77 422	3.69 598	0.77 448	3.70 580	0.77 440

SA	4.33 612	7.35 596	6.85 627	5.96 609	4.09 625	3.59 596	3.15 613	3.82 599	2.64 597	3.91 597	3.85 620	3.57 595	2.72 587	3.13 591	4.03 621	7.09 629	6.86 624	3.57 595	3.12 611	3.85 581	3.51 616

test_3	5.01 622	8.86 608	7.77 630	8.09 619	2.76 601	4.13 602	4.05 625	3.88 600	3.76 620	4.33 602	4.13 624	3.71 598	3.91 613	4.21 603	4.06 622	7.93 630	7.69 627	4.53 603	3.91 623	4.17 586	4.29 626

TestStereo1	4.60 614	8.41 603	6.44 624	6.86 614	3.79 622	3.97 600	3.78 621	3.99 601	3.74 618	3.97 598	3.52 615	3.94 600	3.58 602	3.98 600	3.72 616	6.82 626	6.50 622	3.76 599	3.66 618	3.90 582	3.74 620

SA-5K	4.60 614	8.41 603	6.44 624	6.86 614	3.79 622	3.97 600	3.78 621	3.99 601	3.74 618	3.97 598	3.52 615	3.94 600	3.58 602	3.98 600	3.72 616	6.82 626	6.50 622	3.76 599	3.66 618	3.90 582	3.74 620

test_4	4.88 620	8.13 601	6.98 628	7.46 617	4.44 627	4.25 603	3.85 623	4.04 603	3.92 622	4.13 600	3.91 621	4.18 603	3.84 612	4.14 602	4.06 622	7.01 628	7.13 625	4.53 603	3.72 621	4.09 585	3.72 618

raft_robust	4.71 618	7.75 600	5.40 621	6.81 613	3.31 614	4.28 604	4.20 626	4.32 604	4.37 627	4.35 603	4.35 626	4.14 602	3.75 609	4.30 605	4.20 624	6.67 625	6.37 620	3.36 594	4.24 628	4.86 607	3.25 613

RAFT+CT+SA	4.28 610	7.62 599	4.91 616	5.55 606	2.28 597	3.09 590	3.64 618	4.49 605	3.07 606	4.80 617	3.35 613	4.77 620	3.70 607	4.29 604	3.05 600	5.58 618	5.98 619	3.58 596	3.78 622	4.26 587	3.72 618

cross-raft	4.83 619	7.52 597	6.43 623	6.63 612	3.96 624	4.51 605	3.99 624	4.49 605	3.96 623	4.52 604	3.96 622	4.50 605	3.97 615	4.50 606	3.97 620	6.65 624	6.44 621	4.33 602	3.92 624	4.35 589	3.91 623

rvit_0105_6	3.87 600	5.73 590	3.10 602	4.69 596	3.12 612	4.54 607	3.02 601	4.56 607	3.04 601	4.54 608	3.03 602	4.54 606	3.04 592	4.56 607	3.05 600	4.58 602	3.05 588	4.58 607	3.05 603	4.58 594	3.05 599

rvit_105_1	3.83 596	5.22 576	3.01 592	4.53 586	3.01 602	4.51 605	3.01 600	4.56 607	3.04 601	4.53 606	3.03 602	4.55 608	3.03 589	4.56 607	3.04 598	4.57 599	3.05 588	4.57 605	3.05 603	4.57 593	3.05 599

rvit_stereo_0081	3.83 596	5.23 577	3.01 592	4.53 586	3.03 604	4.55 611	3.02 601	4.56 607	3.04 601	4.52 604	3.02 600	4.54 606	3.03 589	4.56 607	3.04 598	4.57 599	3.05 588	4.57 605	3.05 603	4.58 594	3.05 599

rvit_stereo_0082	3.86 598	5.82 591	3.01 592	4.53 586	3.03 604	4.54 607	3.02 601	4.56 607	3.04 601	4.53 606	3.02 600	4.55 608	3.04 592	4.57 610	3.05 600	4.57 599	3.05 588	4.58 607	3.05 603	4.58 594	3.06 602

rvit_stereo_0080	3.89 601	5.70 588	3.04 597	4.54 589	3.03 604	4.56 612	3.05 607	4.60 611	3.07 606	4.58 611	3.06 605	4.59 610	3.06 594	4.61 611	3.08 604	4.63 604	3.09 593	4.64 611	3.10 608	4.65 598	3.10 606

whm_eth	3.89 601	5.70 588	3.04 597	4.54 589	3.03 604	4.56 612	3.05 607	4.60 611	3.07 606	4.58 611	3.06 605	4.59 610	3.06 594	4.61 611	3.08 604	4.63 604	3.09 593	4.64 611	3.10 608	4.65 598	3.10 606

rvit_0105_3	3.91 603	5.33 580	3.06 600	4.60 594	3.07 610	4.60 614	3.06 609	4.62 613	3.08 609	4.60 613	3.07 608	4.62 615	3.08 596	4.67 615	3.10 607	4.70 607	3.11 595	4.77 618	3.19 614	4.77 603	3.14 610

rvit_stereo_0081_aga	3.86 598	5.33 580	3.02 595	4.55 592	3.04 608	4.54 607	3.02 601	4.64 614	3.06 605	4.54 608	3.04 604	4.62 615	3.08 596	4.62 613	3.07 603	4.58 602	3.06 592	4.60 609	3.08 607	4.63 597	3.07 603

rvit_stereo_0083	3.92 605	5.30 579	3.06 600	4.61 595	3.09 611	4.67 616	3.08 610	4.66 615	3.09 610	4.62 614	3.10 610	4.66 618	3.11 598	4.67 615	3.16 609	4.72 609	3.16 598	4.77 618	3.11 610	4.66 600	3.11 608

rvit_stereo_ft	3.93 606	5.44 585	3.05 599	4.59 593	3.06 609	4.61 615	3.08 610	4.67 616	3.12 611	4.63 615	3.10 610	4.65 617	3.11 598	4.69 617	3.13 608	4.70 607	3.14 597	4.71 616	3.15 612	4.74 601	3.16 611

rvit_0105_4	3.91 603	5.47 587	3.02 595	4.54 589	3.02 603	4.54 607	3.03 605	4.75 617	3.17 612	4.57 610	3.06 605	4.61 614	3.16 600	4.65 614	3.09 606	4.66 606	3.11 595	4.68 614	3.18 613	4.81 604	3.16 611

TestStereo	4.88 620	4.75 568	4.79 615	4.87 600	4.92 629	4.81 622	4.90 629	4.78 618	4.77 628	4.87 619	4.89 628	4.90 623	4.91 621	4.99 622	4.79 626	4.98 612	4.87 613	4.87 621	4.92 630	5.00 610	5.00 627

MLG-Stereo_test2	4.28 610	5.46 586	3.69 610	4.86 599	3.72 621	5.58 626	3.42 615	4.81 619	3.77 621	4.85 618	3.72 619	5.55 627	3.63 604	5.58 625	3.53 613	4.41 596	3.28 602	4.99 622	2.95 601	4.75 602	3.13 609

sAnonymous2	3.31 592	2.63 508	1.38 531	3.71 578	1.86 576	4.70 617	1.11 476	4.82 620	2.72 598	5.45 625	1.98 591	4.59 610	2.64 585	2.65 577	6.21 630	4.37 593	1.08 451	5.16 624	2.24 594	4.52 591	2.39 591

CroCo_RVC	3.31 592	2.63 508	1.38 531	3.71 578	1.86 576	4.70 617	1.11 476	4.82 620	2.72 598	5.45 625	1.98 591	4.59 610	2.64 585	2.65 577	6.21 630	4.37 593	1.08 451	5.16 624	2.24 594	4.52 591	2.39 591

rvit_0105_5	4.10 607	5.40 583	3.13 605	4.71 597	3.15 613	4.72 619	3.10 612	4.90 622	3.27 613	4.69 616	3.16 612	4.84 622	3.25 601	4.96 621	3.34 611	5.05 614	3.39 603	5.10 623	3.40 615	5.11 611	3.42 614

FC-DCNN v2	5.10 624	5.15 574	4.49 614	5.07 602	3.37 615	6.87 629	4.75 628	5.04 623	6.34 632	7.84 633	5.06 629	6.72 633	4.09 617	4.99 622	5.44 629	5.03 613	3.16 598	4.67 613	4.86 629	5.15 612	3.89 622

MaDis-Stereo	3.19 591	6.02 593	1.12 451	5.61 607	1.16 490	5.43 625	1.02 473	5.15 624	0.70 435	5.43 624	1.21 533	5.03 625	0.97 455	4.85 618	0.99 468	4.53 597	1.16 463	5.53 626	1.25 536	5.37 614	1.30 538

MLG-Stereo_test1	4.25 608	5.34 582	3.61 608	5.31 603	3.63 619	5.23 623	3.57 617	5.38 625	3.65 615	5.23 622	3.47 614	4.76 619	3.74 608	4.85 618	3.71 615	4.96 611	3.18 600	4.71 616	2.92 600	4.86 607	2.90 596

MLG-Stereo_test3	4.26 609	4.85 570	3.95 612	5.35 604	3.60 618	4.75 620	3.76 620	5.49 626	3.71 617	5.39 623	3.69 618	4.82 621	3.66 605	4.85 618	3.73 618	4.93 610	3.19 601	4.69 615	2.99 602	4.84 606	2.98 598

StereoVision	3.15 590	5.00 572	0.89 423	4.83 598	1.00 473	3.93 599	1.27 538	6.37 627	1.34 544	5.67 627	1.26 538	5.84 628	1.27 528	5.03 624	1.24 535	5.10 616	1.09 453	4.61 610	0.57 420	5.62 616	1.12 472

SGM-Forest	5.21 626	5.92 592	4.08 613	6.18 610	4.16 626	6.31 628	4.34 627	6.50 628	4.33 626	6.14 629	4.21 625	6.61 632	4.55 620	6.67 628	4.48 625	5.94 621	3.94 607	5.85 629	4.03 626	5.79 617	4.17 625
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
RAFT	6.73 629	9.36 611	7.40 629	8.51 622	6.55 633	6.88 630	6.60 633	6.79 629	6.60 633	6.80 630	6.72 635	5.31 626	5.50 624	6.61 627	6.61 633	8.42 632	5.89 618	5.73 627	5.45 634	6.61 619	6.24 631

test-1	6.46 627	9.16 610	8.03 633	8.09 619	5.62 632	6.11 627	6.35 632	6.85 630	4.94 629	6.08 628	6.29 634	4.98 624	6.43 626	6.22 626	6.36 632	6.16 623	7.47 626	5.82 628	5.44 633	7.11 623	5.68 630

test-v	7.53 631	11.89 619	7.98 631	9.36 625	7.14 634	7.06 631	7.09 634	7.37 631	6.91 634	7.29 631	5.71 632	6.45 630	6.93 627	6.73 630	7.27 634	8.93 635	7.85 628	6.98 631	6.80 635	7.56 624	7.34 633

test-2	7.53 631	11.89 619	7.98 631	9.36 625	7.14 634	7.06 631	7.09 634	7.37 631	6.91 634	7.29 631	5.71 632	6.45 630	6.93 627	6.73 630	7.27 634	8.93 635	7.85 628	6.98 631	6.80 635	7.56 624	7.34 633

DispFullNet	4.61 616	4.84 569	3.12 603	5.00 601	3.57 617	4.75 620	3.03 605	7.75 633	4.17 625	4.91 620	3.09 609	6.20 629	3.95 614	6.71 629	3.51 612	5.30 617	3.67 605	5.86 630	3.63 617	5.61 615	3.46 615

rvit_stereo_0075_2	6.64 628	8.80 607	5.25 618	7.89 618	5.27 631	7.90 633	5.27 630	7.92 634	5.28 630	7.91 634	5.29 631	7.93 634	5.27 622	7.92 634	5.28 627	7.93 630	5.28 615	7.93 633	5.29 632	7.93 626	5.28 629

U	5.15 625	8.49 605	1.81 555	8.49 621	1.77 570	8.49 634	1.77 567	8.51 635	1.77 572	8.49 635	1.77 570	8.50 635	1.78 560	8.58 635	1.77 573	8.54 633	1.78 561	8.55 635	1.78 580	8.55 629	1.84 574

SGM+DAISY	7.06 630	9.15 609	5.38 620	8.84 623	5.18 630	8.80 635	5.31 631	8.79 636	5.28 630	8.89 636	5.20 630	8.93 636	5.33 623	8.95 636	5.36 628	8.70 634	5.21 614	8.74 636	5.20 631	8.89 630	5.15 628

rafts_anoy	20.00 635	20.00 621	20.00 635	20.00 635	20.00 637	20.00 636	20.00 637	20.00 637	20.00 637	20.00 637	20.00 637	20.00 637	20.00 637	20.00 637	20.00 637	20.00 637	20.00 638	20.00 637	20.00 638	20.00 637	20.00 636

raft+_RVC	20.00 635	20.00 621	20.00 635	20.00 635	20.00 637	20.00 636	20.00 637	20.00 637	20.00 637	20.00 637	20.00 637	20.00 637	20.00 637	20.00 637	20.00 637	20.00 637	20.00 638	20.00 637	20.00 638	20.00 637	20.00 636

raftrobust	20.00 635	20.00 621	20.00 635	20.00 635	20.00 637	20.00 636	20.00 637	20.00 637	20.00 637	20.00 637	20.00 637	20.00 637	20.00 637	20.00 637	20.00 637	20.00 637	20.00 638	20.00 637	20.00 638	20.00 637	20.00 636

CasAABBNet	20.00 635	20.00 621	20.00 635	20.00 635	20.00 637	20.00 636	20.00 637	20.00 637	20.00 637	20.00 637	20.00 637	20.00 637	20.00 637	20.00 637	20.00 637	20.00 637	20.00 638	20.00 637	20.00 638	20.00 637	20.00 636

RALCasStereoNet	20.00 635	20.00 621	20.00 635	20.00 635	20.00 637	20.00 636	20.00 637	20.00 637	20.00 637	20.00 637	20.00 637	20.00 637	20.00 637	20.00 637	20.00 637	20.00 637	20.00 638	20.00 637	20.00 638	20.00 637	20.00 636

RALAANet	20.00 635	20.00 621	20.00 635	20.00 635	20.00 637	20.00 636	20.00 637	20.00 637	20.00 637	20.00 637	20.00 637	20.00 637	20.00 637	20.00 637	20.00 637	20.00 637	20.00 638	20.00 637	20.00 638	20.00 637	20.00 636

MANE	19.05 634	23.00 627	15.00 634	23.00 641	15.00 636	24.00 642	16.00 636	24.00 643	16.00 636	22.00 643	15.00 636	23.00 643	16.00 636	23.00 643	15.00 636	22.00 643	15.00 637	22.00 643	15.00 637	22.00 643	15.00 635

111	30.40 641	30.94 643	29.72 642	32.61 642	30.02 644	33.57 643	30.47 644	31.50 644	29.39 644	30.98 644	29.11 644	29.78 644	30.39 647	29.45 644	30.76 647	30.08 644	29.02 645	29.92 644	30.32 648	29.86 644	30.17 643

fff	1000028.16 661	29.62 639	29.72 642	32.61 642	30.02 644	35.13 645	31.83 645	32.07 645	10000000.00 663	35.27 647	29.82 645	32.45 645	30.15 644	32.35 645	30.09 644	31.04 645	29.55 646	30.64 645	30.14 645	10000000.00 664	30.77 644

csc	1000028.16 661	29.62 639	29.72 642	32.61 642	30.02 644	35.13 645	31.83 645	32.07 645	10000000.00 663	35.27 647	29.82 645	32.45 645	30.15 644	32.35 645	30.09 644	31.04 645	29.55 646	30.64 645	30.14 645	10000000.00 664	30.77 644

cscssc	1000028.16 661	29.62 639	29.72 642	32.61 642	30.02 644	35.13 645	31.83 645	32.07 645	10000000.00 663	35.27 647	29.82 645	32.45 645	30.15 644	32.35 645	30.09 644	31.04 645	29.55 646	30.64 645	30.14 645	10000000.00 664	30.77 644

tt	500032.53 659	34.60 645	29.72 642	37.47 651	34.41 649	36.85 649	35.22 649	34.71 648	33.55 646	34.50 645	35.43 648	33.81 648	10000000.00 664	33.57 648	33.13 648	33.68 648	35.00 650	34.03 649	35.26 651	30.96 645	34.63 648

DCANet	500032.53 659	34.60 645	29.72 642	37.47 651	34.41 649	36.85 649	35.22 649	34.71 648	33.55 646	34.50 645	35.43 648	33.81 648	10000000.00 664	33.57 648	33.13 648	33.68 648	35.00 650	34.03 649	35.26 651	30.96 645	34.63 648

DCANet-4	35.22 643	34.54 644	35.08 648	33.58 646	35.47 651	34.55 644	35.53 651	36.08 650	35.85 648	35.92 650	35.77 650	35.18 650	35.48 649	35.39 650	37.15 653	34.55 650	33.92 649	35.02 651	34.90 650	35.79 648	34.74 650

ADStereo(finetuned)	36.13 644	36.63 648	38.07 652	36.97 647	33.25 648	35.91 648	34.45 648	36.36 651	32.99 645	38.14 655	36.71 651	36.69 651	34.13 648	38.57 655	40.79 654	37.60 655	36.58 652	35.90 652	33.36 649	35.42 647	34.04 647

Reg-Stereo(zero)	37.00 645	37.00 649	37.00 649	37.00 648	37.00 652	37.00 651	37.00 652	37.00 652	37.00 649	37.00 651	37.00 652	37.00 652	37.00 650	37.00 651	37.00 650	37.00 652	37.00 653	37.00 653	37.00 653	37.00 649	37.00 651

HI	37.00 645	37.00 649	37.00 649	37.00 648	37.00 652	37.00 651	37.00 652	37.00 652	37.00 649	37.00 651	37.00 652	37.00 652	37.00 650	37.00 651	37.00 650	37.00 652	37.00 653	37.00 653	37.00 653	37.00 649	37.00 651

CoSv	37.00 645	37.00 649	37.00 649	37.00 648	37.00 652	37.00 651	37.00 652	37.00 652	37.00 649	37.00 651	37.00 652	37.00 652	37.00 650	37.00 651	37.00 650	37.00 652	37.00 653	37.00 653	37.00 653	37.00 649	37.00 651

WCMA_ROB	31.10 642	35.43 647	27.12 641	39.51 653	23.10 643	38.78 654	25.30 643	37.49 655	25.39 643	37.29 654	27.02 643	38.52 655	26.48 643	37.80 654	26.44 643	36.28 651	22.65 644	33.90 648	22.30 644	37.10 652	24.18 642

CBMV	128.50 650	1422.70 664	53.10 654	79.50 655	51.30 656	77.30 656	49.70 655	74.00 656	48.20 653	77.20 657	48.80 656	73.90 657	48.00 654	73.80 657	48.80 656	70.40 657	45.10 657	68.90 657	46.10 657	68.20 654	45.00 655
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MDST_ROB	69.83 648	87.70 653	41.95 653	113.75 656	65.62 657	75.05 655	55.25 656	75.64 657	45.04 652	71.61 656	41.75 655	72.81 656	44.06 653	68.38 656	44.63 655	101.89 658	59.57 658	107.10 658	61.05 658	104.38 655	59.38 656

NOSS_ROB	102.95 649	153.00 657	121.00 656	51.00 654	44.00 655	165.00 658	127.00 657	153.00 658	119.00 654	164.00 659	125.00 657	168.00 659	120.00 655	153.00 658	117.00 657	49.00 656	44.00 656	49.00 656	44.00 656	49.00 653	44.00 654

MeshStereo	159.24 651	171.00 658	160.68 659	162.58 657	160.59 658	164.01 657	160.35 658	158.51 659	158.56 655	158.34 658	160.12 658	158.56 658	159.92 656	157.26 659	158.94 658	154.38 659	158.36 659	155.75 659	159.13 660	153.67 656	154.07 657
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
AE-Stereo	201.80 652	123.00 654	115.00 655	219.00 658	218.00 660	223.00 659	244.00 660	217.00 660	236.00 657	202.00 660	203.00 659	205.00 660	208.00 657	225.00 660	204.00 659	210.00 660	198.00 660	197.00 660	184.00 661	204.00 657	201.00 658

MGS-Stereo	239.45 653	123.00 654	135.00 657	266.00 659	286.00 661	277.00 660	305.00 661	271.00 661	242.00 658	274.00 661	279.00 661	255.00 661	270.00 659	268.00 661	297.00 661	221.00 661	247.00 662	216.00 661	123.00 659	217.00 658	217.00 660

EGLCR-Stereo	246.90 654	129.00 656	139.00 658	266.00 659	286.00 661	277.00 660	305.00 661	271.00 661	242.00 658	274.00 661	279.00 661	255.00 661	270.00 659	268.00 661	297.00 661	230.00 662	247.00 662	216.00 661	223.00 663	237.00 659	227.00 661

DLCB_ROB	284.23 655	354.61 660	207.27 660	363.24 661	206.46 659	364.72 662	210.41 659	364.72 663	210.41 656	364.81 663	208.64 660	364.81 663	208.64 658	364.72 663	210.41 660	354.70 663	205.53 661	354.70 663	205.53 662	354.70 660	205.53 659

LE_ROB	396.57 656	471.28 661	329.84 661	471.48 662	308.15 663	526.83 663	322.10 663	488.15 664	323.76 660	495.46 664	317.97 663	497.17 664	320.10 661	481.62 664	326.76 663	462.71 664	298.97 664	466.16 664	285.98 664	447.62 661	289.21 662

SGM-ForestM	596.69 657	677.77 662	444.52 662	699.85 663	517.25 664	732.94 664	488.29 664	770.79 665	460.11 661	750.81 665	487.98 664	792.79 665	499.41 662	730.90 665	475.81 664	720.03 665	491.16 665	663.96 665	418.60 665	674.76 662	436.05 663

CBMV_ROB	818.48 658	913.88 663	709.52 663	862.84 664	597.78 665	1073.99 665	700.52 665	1015.66 666	702.59 662	1115.65 666	760.02 665	1130.24 666	721.57 663	1037.41 666	692.65 665	814.05 666	564.29 666	843.28 666	595.31 666	915.51 663	602.92 664

111111	10000000.00 664	10000000.00 665	10000000.00 664	10000000.00 665	10000000.00 666	10000000.00 666	10000000.00 666	10000000.00 667	10000000.00 663	10000000.00 667	10000000.00 666	10000000.00 667	10000000.00 664	10000000.00 667	10000000.00 666	10000000.00 667	10000000.00 667	10000000.00 667	10000000.00 667	10000000.00 664	10000000.00 665

SGD-Stereo	10000000.00 664	10000000.00 665	10000000.00 664	10000000.00 665	10000000.00 666	10000000.00 666	10000000.00 666	10000000.00 667	10000000.00 663	10000000.00 667	10000000.00 666	10000000.00 667	10000000.00 664	10000000.00 667	10000000.00 666	10000000.00 667	10000000.00 667	10000000.00 667	10000000.00 667	10000000.00 664	10000000.00 665

IGEV-Stereo++	10000000.00 664	10000000.00 665	10000000.00 664	10000000.00 665	10000000.00 666	10000000.00 666	10000000.00 666	10000000.00 667	10000000.00 663	10000000.00 667	10000000.00 666	10000000.00 667	10000000.00 664	10000000.00 667	10000000.00 666	10000000.00 667	10000000.00 667	10000000.00 667	10000000.00 667	10000000.00 664	10000000.00 665

IGEV-BASED-STEREO-	10000000.00 664	10000000.00 665	10000000.00 664	10000000.00 665	10000000.00 666	10000000.00 666	10000000.00 666	10000000.00 667	10000000.00 663	10000000.00 667	10000000.00 666	10000000.00 667	10000000.00 664	10000000.00 667	10000000.00 666	10000000.00 667	10000000.00 667	10000000.00 667	10000000.00 667	10000000.00 664	10000000.00 665

IGEV-Stereo+	10000000.00 664	10000000.00 665	10000000.00 664	10000000.00 665	10000000.00 666	10000000.00 666	10000000.00 666	10000000.00 667	10000000.00 663	10000000.00 667	10000000.00 666	10000000.00 667	10000000.00 664	10000000.00 667	10000000.00 666	10000000.00 667	10000000.00 667	10000000.00 667	10000000.00 667	10000000.00 664	10000000.00 665

SDNR	10000000.00 664	10000000.00 665	10000000.00 664	10000000.00 665	10000000.00 666	10000000.00 666	10000000.00 666	10000000.00 667	10000000.00 663	10000000.00 667	10000000.00 666	10000000.00 667	10000000.00 664	10000000.00 667	10000000.00 666	10000000.00 667	10000000.00 667	10000000.00 667	10000000.00 667	10000000.00 664	10000000.00 665

anonymousdsp2	10000000.00 664	10000000.00 665	10000000.00 664	10000000.00 665	10000000.00 666	10000000.00 666	10000000.00 666	10000000.00 667	10000000.00 663	10000000.00 667	10000000.00 666	10000000.00 667	10000000.00 664	10000000.00 667	10000000.00 666	10000000.00 667	10000000.00 667	10000000.00 667	10000000.00 667	10000000.00 664	10000000.00 665

anonymousdsp	10000000.00 664	10000000.00 665	10000000.00 664	10000000.00 665	10000000.00 666	10000000.00 666	10000000.00 666	10000000.00 667	10000000.00 663	10000000.00 667	10000000.00 666	10000000.00 667	10000000.00 664	10000000.00 667	10000000.00 666	10000000.00 667	10000000.00 667	10000000.00 667	10000000.00 667	10000000.00 664	10000000.00 665

test_example2	10000000.00 664	10000000.00 665	10000000.00 664	10000000.00 665	10000000.00 666	10000000.00 666	10000000.00 666	10000000.00 667	10000000.00 663	10000000.00 667	10000000.00 666	10000000.00 667	10000000.00 664	10000000.00 667	10000000.00 666	10000000.00 667	10000000.00 667	10000000.00 667	10000000.00 667	10000000.00 664	10000000.00 665

DIP-Stereo	10000000.00 664	10000000.00 665	10000000.00 664	10000000.00 665	10000000.00 666	10000000.00 666	10000000.00 666	10000000.00 667	10000000.00 663	10000000.00 667	10000000.00 666	10000000.00 667	10000000.00 664	10000000.00 667	10000000.00 666	10000000.00 667	10000000.00 667	10000000.00 667	10000000.00 667	10000000.00 664	10000000.00 665
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