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

Pointernet	0.29 15	0.25 38	1.49 72	0.24 11	0.20 136	0.47 57	0.15 4	0.62 115	0.47 84	0.22 12	0.29 34	0.26 44	0.20 24	0.28 9	0.20 24	0.10 96	0.07 14	0.07 1	0.12 175	0.10 16	0.07 3

LoS_RVC	0.29 15	0.33 106	1.19 24	0.25 23	0.34 305	0.43 38	0.22 69	0.42 12	0.32 4	0.22 12	0.33 58	0.23 20	0.24 56	0.31 30	0.21 34	0.07 1	0.07 14	0.07 1	0.05 1	0.10 16	0.31 351

CAS	0.35 58	0.25 38	1.30 37	0.79 417	0.34 305	0.51 82	0.23 92	0.46 24	0.39 25	0.22 12	0.31 49	0.20 5	0.17 6	0.28 9	0.23 51	0.73 430	0.06 1	0.07 1	0.05 1	0.09 10	0.37 383

WCG-NET	0.30 21	0.32 100	1.16 20	0.25 23	0.19 121	0.51 82	0.18 17	0.54 78	0.46 69	0.35 68	0.29 34	0.32 77	0.26 83	0.36 61	0.19 6	0.10 96	0.10 159	0.08 4	0.07 15	0.29 304	0.09 23

IGEV-Stereo++	0.23 1	0.23 27	0.64 4	0.24 11	0.22 167	0.47 57	0.13 1	0.52 60	0.33 6	0.18 2	0.24 14	0.17 2	0.22 39	0.32 37	0.19 6	0.08 5	0.06 1	0.08 4	0.06 8	0.17 155	0.09 23

IGEV-Stereo+	0.29 15	0.29 78	0.86 7	0.25 23	0.34 305	0.30 8	0.14 2	0.32 1	0.53 130	0.18 2	0.12 1	0.18 3	0.19 18	0.49 135	0.17 2	0.09 23	0.08 68	0.08 4	0.20 326	0.46 398	0.59 421

WCG-NET（raft）	0.32 33	0.53 209	1.21 27	0.23 4	0.12 3	0.44 40	0.24 119	0.40 6	0.50 99	0.35 68	0.35 68	0.47 178	0.25 69	0.35 55	0.20 24	0.08 5	0.29 389	0.08 4	0.07 15	0.22 235	0.11 55

test_for_model	0.64 299	1.60 433	1.82 175	1.23 443	1.02 439	0.53 106	0.23 92	0.75 177	0.50 99	0.57 247	0.29 34	0.25 35	0.20 24	0.26 3	0.22 44	0.76 432	0.31 395	0.08 4	0.07 15	1.68 454	0.50 413

trnet	0.28 9	0.26 48	1.32 40	0.19 1	0.12 3	0.54 111	0.15 4	0.48 35	0.46 69	0.27 48	0.33 58	0.24 27	0.21 30	0.30 23	0.21 34	0.10 96	0.07 14	0.08 4	0.05 1	0.09 10	0.07 3

testlalala2	0.44 129	0.28 73	2.59 359	0.64 404	0.56 399	0.57 155	0.20 34	0.78 213	0.52 112	0.40 90	0.39 92	0.45 157	0.21 30	0.27 5	0.22 44	0.09 23	0.10 159	0.08 4	0.29 367	0.12 40	0.10 41

MoCha-V2	0.36 62	0.32 100	1.41 54	0.36 256	0.31 278	0.35 22	0.19 21	0.57 89	0.39 25	0.30 56	0.32 53	0.28 58	0.27 99	0.47 120	0.24 70	0.08 5	0.56 430	0.08 4	0.38 403	0.18 179	0.12 86

IGEV++	0.34 47	0.43 164	1.32 40	0.31 148	0.14 17	0.32 13	0.21 51	0.70 147	0.34 8	0.22 12	0.28 29	0.22 13	0.27 99	0.35 55	0.27 96	0.09 23	0.39 414	0.08 4	0.15 252	0.25 269	0.45 404

UniTT-Stereo	0.30 21	0.36 129	1.68 101	0.27 58	0.24 196	0.29 6	0.18 17	0.33 2	0.34 8	0.26 43	0.37 76	0.18 3	0.18 14	0.31 30	0.27 96	0.10 96	0.08 68	0.08 4	0.07 15	0.25 269	0.08 13

Any-RAFT	0.38 74	0.25 38	1.89 206	0.27 58	0.17 69	0.68 301	0.21 51	0.78 213	0.53 130	0.43 106	0.43 106	0.54 209	0.30 134	0.41 84	0.20 24	0.10 96	0.12 228	0.08 4	0.06 8	0.10 16	0.09 23

LoS	0.31 28	0.30 87	1.52 78	0.23 4	0.13 9	0.54 111	0.20 34	0.48 35	0.49 92	0.25 35	0.28 29	0.37 95	0.24 56	0.38 73	0.23 51	0.10 96	0.08 68	0.08 4	0.05 1	0.15 101	0.07 3
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
CES	0.30 21	0.27 52	1.09 16	0.23 4	0.50 385	0.40 33	0.20 34	0.46 24	0.44 51	0.22 12	0.28 29	0.26 44	0.19 18	0.33 45	0.21 34	0.09 23	0.07 14	0.08 4	0.05 1	0.15 101	0.49 410

Selective-IGEV	0.29 15	0.23 27	1.28 34	0.27 58	0.30 262	0.35 22	0.20 34	0.56 86	0.38 19	0.21 7	0.30 42	0.22 13	0.18 14	0.37 68	0.18 3	0.07 1	0.06 1	0.08 4	0.15 252	0.16 134	0.29 336

DCANet-4	0.40 92	0.27 52	2.21 289	0.25 23	0.14 17	0.51 82	0.22 69	0.77 199	0.72 303	0.54 209	0.47 128	0.28 58	0.37 179	0.37 68	0.34 172	0.09 23	0.07 14	0.08 4	0.07 15	0.08 1	0.22 269

fff	0.43 119	0.77 298	1.95 231	0.24 11	0.13 9	0.51 82	0.22 69	0.77 199	0.75 334	0.54 209	0.47 128	0.31 69	0.65 339	0.36 61	0.34 172	0.09 23	0.07 14	0.08 4	0.07 15	0.08 1	0.22 269

CroCo-Stereo	0.30 21	0.45 179	1.08 14	0.31 148	0.17 69	0.19 1	0.21 51	0.73 163	0.50 99	0.21 7	0.24 14	0.55 212	0.22 39	0.27 5	0.26 88	0.09 23	0.08 68	0.08 4	0.07 15	0.12 40	0.09 23
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
CREStereo++_RVC	0.33 40	0.29 78	1.74 119	0.24 11	0.16 45	0.54 111	0.15 4	0.40 6	0.55 147	0.37 76	0.51 168	0.24 27	0.19 18	0.27 5	0.26 88	0.09 23	0.06 1	0.08 4	0.30 373	0.08 1	0.06 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
TANstereo	0.33 40	0.49 195	1.75 125	0.23 4	0.12 3	0.54 111	0.16 9	0.40 6	0.45 64	0.45 122	0.51 168	0.26 44	0.22 39	0.29 18	0.20 24	0.10 96	0.10 159	0.08 4	0.06 8	0.08 1	0.11 55

XX-TBD	0.34 47	0.77 298	1.75 125	0.34 223	0.13 9	0.51 82	0.17 11	0.43 16	0.50 99	0.37 76	0.49 157	0.23 20	0.18 14	0.28 9	0.24 70	0.10 96	0.07 14	0.08 4	0.06 8	0.09 10	0.07 3

raftrobust	0.38 74	0.68 268	1.54 80	0.32 176	0.46 378	0.52 99	0.21 51	0.56 86	0.42 40	0.52 187	0.35 68	0.31 69	0.33 150	0.37 68	0.30 133	0.10 96	0.11 204	0.08 4	0.07 15	0.21 221	0.19 239

csc	0.43 119	0.77 298	1.95 231	0.24 11	0.13 9	0.51 82	0.22 69	0.77 199	0.75 334	0.54 209	0.47 128	0.31 69	0.65 339	0.36 61	0.34 172	0.09 23	0.07 14	0.08 4	0.07 15	0.08 1	0.22 269

cscssc	0.43 119	0.77 298	1.95 231	0.24 11	0.13 9	0.51 82	0.22 69	0.77 199	0.75 334	0.54 209	0.47 128	0.31 69	0.65 339	0.36 61	0.34 172	0.09 23	0.07 14	0.08 4	0.07 15	0.08 1	0.22 269

CREStereo	0.28 9	0.30 87	1.33 42	0.19 1	0.13 9	0.55 123	0.17 11	0.48 35	0.46 69	0.27 48	0.33 58	0.24 27	0.21 30	0.31 30	0.21 34	0.11 151	0.07 14	0.08 4	0.05 1	0.10 16	0.07 3
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	0.31 28	0.35 123	1.30 37	0.20 3	0.14 17	0.57 155	0.25 134	0.46 24	0.42 40	0.27 48	0.32 53	0.27 50	0.24 56	0.39 77	0.23 51	0.43 408	0.07 14	0.08 4	0.05 1	0.18 179	0.07 3

pmcnn	1.32 421	1.05 386	2.77 384	0.74 413	1.43 450	0.72 322	0.56 366	0.96 349	0.91 387	0.99 397	2.92 453	6.01 464	0.70 352	2.38 403	3.32 442	0.13 228	0.10 159	0.08 4	0.06 8	0.34 343	0.22 269

UGAM-zero	0.63 295	0.39 145	2.49 341	0.30 122	0.49 383	0.67 289	0.19 21	0.91 307	0.45 64	0.77 366	0.45 119	1.16 414	0.82 374	2.05 380	0.29 119	0.09 23	0.15 282	0.09 30	0.44 415	0.11 29	0.22 269

GCAP-BAT	0.43 119	0.31 96	1.82 175	0.25 23	0.26 224	0.65 277	0.23 92	0.48 35	0.37 17	0.67 333	0.82 354	0.44 148	0.24 56	0.48 125	0.87 339	0.09 23	0.13 244	0.09 30	0.22 338	0.08 1	0.09 23

Occ-G	0.30 21	0.30 87	1.33 42	0.23 4	0.15 31	0.36 25	0.25 134	0.43 16	0.31 2	0.26 43	0.35 68	0.46 170	0.22 39	0.30 23	0.25 81	0.09 23	0.07 14	0.09 30	0.16 271	0.31 322	0.08 13

AIO-Stereo	0.30 21	0.27 52	1.25 31	0.27 58	0.24 196	0.37 26	0.20 34	0.52 60	0.36 13	0.21 7	0.30 42	0.23 20	0.14 1	0.31 30	0.20 24	0.08 5	0.07 14	0.09 30	0.38 403	0.19 199	0.31 351

RSM++	0.27 5	0.26 48	0.87 8	0.28 80	0.13 9	0.39 31	0.20 34	0.45 22	0.45 64	0.20 5	0.24 14	0.24 27	0.17 6	0.36 61	0.20 24	0.08 5	0.07 14	0.09 30	0.35 393	0.26 287	0.18 227

RSM	0.28 9	0.26 48	0.97 11	0.25 23	0.24 196	0.37 26	0.21 51	0.49 41	0.44 51	0.21 7	0.27 26	0.28 58	0.17 6	0.38 73	0.20 24	0.07 1	0.07 14	0.09 30	0.34 390	0.21 221	0.16 191

RAFT-Stereo-weight	0.34 47	0.29 78	1.43 58	0.28 80	0.28 246	0.55 123	0.22 69	0.78 213	0.48 86	0.46 130	0.38 84	0.36 93	0.17 6	0.33 45	0.23 51	0.09 23	0.08 68	0.09 30	0.07 15	0.09 10	0.09 23

gcap-zeroshot	0.41 98	0.62 240	1.78 143	0.31 148	0.32 285	0.69 307	0.21 51	0.74 167	0.52 112	0.43 106	0.35 68	0.62 251	0.24 56	0.41 84	0.24 70	0.09 23	0.16 298	0.09 30	0.31 378	0.08 1	0.09 23

MGS-Stereo	0.32 33	0.34 116	1.70 107	0.25 23	0.14 17	0.40 33	0.22 69	0.38 4	0.43 48	0.24 22	0.51 168	0.25 35	0.18 14	0.31 30	0.20 24	0.09 23	0.08 68	0.09 30	0.08 36	0.47 399	0.08 13

qqq1	0.48 175	0.46 181	1.60 88	0.30 122	0.15 31	0.45 41	0.24 119	0.90 297	0.72 303	0.56 236	0.64 287	0.51 197	0.41 216	1.87 356	0.23 51	0.13 228	0.10 159	0.09 30	0.08 36	0.14 85	0.11 55

fff1	0.48 175	0.46 181	1.60 88	0.30 122	0.15 31	0.45 41	0.24 119	0.90 297	0.72 303	0.56 236	0.64 287	0.51 197	0.41 216	1.87 356	0.23 51	0.13 228	0.10 159	0.09 30	0.08 36	0.14 85	0.11 55

MSKI-zero shot	0.46 156	0.38 136	2.47 338	0.27 58	0.43 363	0.56 137	0.20 34	0.77 199	0.43 48	0.60 284	0.51 168	0.44 148	0.17 6	0.68 195	0.21 34	0.09 23	0.29 389	0.09 30	0.32 383	0.14 85	0.10 41

DLNR_Zeroshot_test	13.43 473	19.94 478	23.55 479	121.61 489	35.03 484	0.46 54	0.15 4	8.02 471	0.35 10	0.28 53	0.37 76	0.26 44	0.17 6	0.76 216	0.29 119	6.42 470	0.26 380	0.09 30	0.38 403	50.13 487	0.18 227

testlalala	0.36 62	0.30 87	1.77 138	0.28 80	0.33 298	0.60 197	0.22 69	0.55 83	0.51 106	0.55 226	0.35 68	0.31 69	0.20 24	0.26 3	0.22 44	0.10 96	0.13 244	0.09 30	0.24 343	0.08 1	0.07 3

testlalala_base	0.46 156	0.30 87	1.82 175	0.34 223	0.27 236	0.55 123	0.21 51	0.85 262	0.32 4	0.32 66	0.39 92	0.31 69	0.23 49	0.30 23	0.28 105	0.95 438	0.30 393	0.09 30	0.21 331	1.03 434	0.18 227

AEACV	0.33 40	0.24 35	1.44 60	0.28 80	0.35 316	0.47 57	0.21 51	0.43 16	0.28 1	0.26 43	0.25 19	0.22 13	0.38 185	0.30 23	0.18 3	0.09 23	0.35 402	0.09 30	0.36 400	0.23 244	0.25 308

SPstereo	0.34 47	0.89 338	1.76 129	0.26 45	0.12 3	0.52 99	0.14 2	0.49 41	0.38 19	0.29 55	0.30 42	0.29 65	0.22 39	0.30 23	0.20 24	0.09 23	0.17 314	0.09 30	0.07 15	0.21 221	0.11 55

RAFT-Test	0.44 129	0.38 136	2.01 247	0.27 58	0.44 364	0.64 265	0.37 289	0.72 155	0.57 160	0.45 122	0.48 140	0.65 265	0.24 56	0.35 55	0.29 119	0.09 23	0.11 204	0.09 30	0.38 403	0.10 16	0.11 55

Selective-RAFT	0.35 58	0.26 48	1.48 70	0.31 148	0.15 31	0.61 217	0.19 21	0.60 109	0.54 142	0.28 53	0.29 34	0.40 114	0.33 150	0.50 141	0.27 96	0.10 96	0.07 14	0.09 30	0.35 393	0.19 199	0.08 13

MC-Stereo	0.32 33	0.31 96	1.46 63	0.31 148	0.15 31	0.53 106	0.19 21	0.44 19	0.35 10	0.36 72	0.38 84	0.27 50	0.27 99	0.42 89	0.19 6	0.09 23	0.13 244	0.09 30	0.16 271	0.20 213	0.13 120

RCA-Stereo	0.34 47	0.32 100	1.30 37	0.26 45	0.14 17	0.58 171	0.23 92	0.78 213	0.62 214	0.40 90	0.44 116	0.28 58	0.35 160	0.29 18	0.20 24	0.09 23	0.10 159	0.09 30	0.07 15	0.19 199	0.08 13

ADStereo(finetuned)	0.45 147	0.77 298	2.12 271	0.25 23	0.14 17	0.51 82	0.22 69	0.77 199	0.72 303	0.54 209	0.48 140	0.31 69	0.76 367	0.37 68	0.38 192	0.09 23	0.07 14	0.09 30	0.07 15	0.13 66	0.23 289

iRaft-Stereo_20w	0.58 269	0.39 145	1.96 240	0.45 344	0.32 285	0.92 388	0.57 370	1.14 416	0.56 157	0.81 375	0.40 97	0.55 212	0.69 350	0.65 191	1.04 360	0.09 23	0.16 298	0.09 30	0.36 400	0.17 155	0.25 308

GwcNet-ADL	0.50 201	0.74 287	2.90 399	0.31 148	0.20 136	0.58 171	0.29 214	0.87 280	0.64 233	0.47 132	0.47 128	0.56 224	0.33 150	0.46 113	0.46 233	0.13 228	0.12 228	0.09 30	0.09 53	0.14 85	0.21 259

GANet-ADL	0.44 129	0.41 153	2.31 306	0.33 196	0.20 136	0.57 155	0.25 134	0.75 177	0.54 142	0.42 101	0.59 235	0.56 224	0.30 134	0.40 82	0.38 192	0.14 265	0.11 204	0.09 30	0.08 36	0.22 235	0.17 208

cross-raft	0.40 92	0.27 52	2.22 293	0.30 122	0.17 69	0.49 71	0.35 275	0.71 150	0.39 25	0.43 106	0.45 119	0.64 262	0.25 69	0.32 37	0.25 81	0.08 5	0.08 68	0.09 30	0.23 341	0.11 29	0.14 135

s12784h	0.36 62	0.28 73	1.58 85	0.23 4	0.11 1	0.62 237	0.24 119	0.79 229	0.64 233	0.44 112	0.52 180	0.28 58	0.26 83	0.50 141	0.24 70	0.11 151	0.06 1	0.09 30	0.06 8	0.16 134	0.06 1

RALCasStereoNet	0.45 147	0.88 335	1.85 185	0.30 122	0.26 224	0.49 71	0.26 153	0.58 94	0.51 106	0.36 72	0.48 140	0.36 93	0.28 113	0.55 161	0.34 172	0.10 96	0.53 428	0.09 30	0.08 36	0.25 269	0.34 367

DCANet	0.42 113	0.77 298	1.95 231	0.25 23	0.14 17	0.51 82	0.22 69	0.77 199	0.72 303	0.54 209	0.48 140	0.31 69	0.41 216	0.36 61	0.39 203	0.09 23	0.07 14	0.09 30	0.07 15	0.13 66	0.23 289

111	0.48 175	1.09 390	1.95 231	0.24 11	0.13 9	0.59 187	0.26 153	0.83 248	0.78 352	0.48 150	0.52 180	0.56 224	0.38 185	0.49 135	0.38 192	0.09 23	0.07 14	0.09 30	0.07 15	0.23 244	0.35 369

RAFT-Stereo + iAFF	0.42 113	0.86 329	1.78 143	0.28 80	0.17 69	0.52 99	0.20 34	0.62 115	0.61 196	0.50 168	0.61 255	0.39 106	0.32 147	0.35 55	0.30 133	0.07 1	0.10 159	0.09 30	0.09 53	0.35 351	0.10 41

EAI-Stereo	0.78 364	0.25 38	1.67 100	0.54 382	0.59 405	1.95 442	2.05 456	1.11 415	0.64 233	0.95 395	1.49 417	0.50 194	0.67 346	0.59 171	1.44 388	0.09 23	0.19 334	0.09 30	0.49 419	0.13 66	0.22 269

CFNet-RSSM	0.41 98	0.32 100	2.20 288	0.27 58	0.44 364	0.52 99	0.19 21	0.76 189	0.48 86	0.43 106	0.36 73	0.54 209	0.26 83	0.33 45	0.25 81	0.09 23	0.08 68	0.09 30	0.38 403	0.10 16	0.09 23

Gwc-CoAtRS	0.38 74	0.33 106	1.92 218	0.27 58	0.41 356	0.48 65	0.19 21	0.59 100	0.46 69	0.43 106	0.39 92	0.57 230	0.26 83	0.32 37	0.26 88	0.09 23	0.09 127	0.09 30	0.31 378	0.11 29	0.09 23

R-Stereo Train	0.36 62	0.21 13	1.70 107	0.29 108	0.18 96	0.55 123	0.26 153	0.78 213	0.36 13	0.57 247	0.67 301	0.33 82	0.24 56	0.32 37	0.23 51	0.10 96	0.08 68	0.09 30	0.07 15	0.09 10	0.12 86

RAFT-Stereo	0.36 62	0.21 13	1.70 107	0.29 108	0.18 96	0.55 123	0.26 153	0.78 213	0.36 13	0.57 247	0.67 301	0.33 82	0.24 56	0.32 37	0.23 51	0.10 96	0.08 68	0.09 30	0.07 15	0.09 10	0.12 86
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
RASNet	0.61 287	0.68 268	2.03 254	0.35 238	0.46 378	0.65 277	0.28 193	0.78 213	0.70 286	0.48 150	0.64 287	0.93 373	0.61 328	2.21 392	0.73 319	0.12 199	0.09 127	0.09 30	0.10 86	0.14 85	0.11 55

MLCV	0.48 175	0.89 338	1.85 185	0.29 108	0.14 17	0.59 187	0.23 92	0.72 155	0.59 177	0.66 329	0.66 298	0.55 212	0.36 166	1.03 246	0.49 250	0.09 23	0.06 1	0.09 30	0.07 15	0.19 199	0.11 55

iResNet	0.51 218	0.76 290	2.59 359	0.41 313	0.17 69	0.64 265	0.27 178	0.82 242	0.70 286	0.57 247	0.64 287	0.43 137	0.36 166	0.70 206	0.52 260	0.10 96	0.07 14	0.09 30	0.08 36	0.21 221	0.13 120

iResNet_ROB	0.50 201	1.15 401	1.73 115	0.31 148	0.21 146	0.58 171	0.22 69	0.95 344	0.82 365	0.58 263	0.62 260	0.57 230	0.39 199	0.84 229	0.40 209	0.11 151	0.08 68	0.09 30	0.06 8	0.21 221	0.13 120

model_zeroshot	0.44 129	0.68 268	1.97 243	0.28 80	0.18 96	0.69 307	0.21 51	0.63 120	0.40 30	1.00 398	0.34 64	0.42 133	0.20 24	0.69 201	0.24 70	0.10 96	0.22 356	0.10 70	0.22 338	0.12 40	0.10 41

RAStereo	0.28 9	0.48 192	1.52 78	0.26 45	0.18 96	0.25 3	0.19 21	0.42 12	0.35 10	0.20 5	0.25 19	0.20 5	0.16 4	0.24 2	0.24 70	0.09 23	0.08 68	0.10 70	0.08 36	0.12 40	0.08 13

AIO-Stereo-zeroshot	0.61 287	0.61 234	3.35 434	0.33 196	0.58 403	0.66 283	0.20 34	0.98 361	0.55 147	0.73 356	0.52 180	0.99 387	0.65 339	0.58 167	0.29 119	0.10 96	0.16 298	0.10 70	0.41 411	0.29 304	0.20 253

rvit_stereo_0080	0.27 5	0.38 136	0.76 5	0.24 11	0.18 96	0.34 18	0.27 178	0.54 78	0.44 51	0.24 22	0.26 24	0.27 50	0.22 39	0.29 18	0.23 51	0.13 228	0.10 159	0.10 70	0.10 86	0.15 101	0.11 55

test_sample1	0.40 92	0.18 2	1.19 24	0.31 148	0.18 96	0.48 65	0.23 92	0.78 213	0.49 92	0.44 112	0.44 116	0.45 157	0.41 216	1.39 279	0.33 165	0.11 151	0.09 127	0.10 70	0.09 53	0.12 40	0.13 120

MyStereo8	0.54 240	0.80 310	2.76 382	0.32 176	0.33 298	0.71 316	0.20 34	0.87 280	0.57 160	0.51 180	0.59 235	0.50 194	0.33 150	0.68 195	0.55 269	0.10 96	0.29 389	0.10 70	0.13 202	0.21 221	0.34 367

11t1	0.33 40	0.19 4	1.41 54	0.33 196	0.16 45	0.48 65	0.21 51	0.67 137	0.48 86	0.40 90	0.34 64	0.32 77	0.33 150	0.42 89	0.27 96	0.11 151	0.12 228	0.10 70	0.08 36	0.13 66	0.14 135

ff7	0.32 33	0.52 204	1.38 49	0.25 23	0.16 45	0.56 137	0.23 92	0.46 24	0.41 34	0.24 22	0.23 8	0.20 5	0.23 49	0.48 125	0.19 6	0.09 23	0.08 68	0.10 70	0.18 297	0.23 244	0.22 269

IGEVStereo-DCA	0.33 40	0.34 116	1.38 49	0.27 58	0.16 45	0.45 41	0.23 92	0.46 24	0.41 34	0.24 22	0.21 4	0.26 44	0.25 69	0.64 184	0.52 260	0.09 23	0.07 14	0.10 70	0.18 297	0.16 134	0.22 269

ffff	0.32 33	0.52 204	1.38 49	0.25 23	0.16 45	0.56 137	0.23 92	0.46 24	0.41 34	0.24 22	0.23 8	0.20 5	0.23 49	0.48 125	0.19 6	0.09 23	0.08 68	0.10 70	0.18 297	0.23 244	0.22 269

rrr	0.46 156	0.34 116	3.08 412	0.27 58	0.16 45	0.45 41	0.28 193	1.09 410	0.51 106	0.24 22	0.21 4	0.26 44	0.25 69	0.64 184	0.52 260	0.09 23	0.07 14	0.10 70	0.29 367	0.16 134	0.25 308

11t	0.32 33	0.52 204	1.38 49	0.25 23	0.16 45	0.56 137	0.23 92	0.46 24	0.41 34	0.24 22	0.23 8	0.20 5	0.23 49	0.48 125	0.19 6	0.09 23	0.08 68	0.10 70	0.18 297	0.23 244	0.22 269

whm_eth	0.27 5	0.38 136	0.76 5	0.24 11	0.18 96	0.34 18	0.27 178	0.54 78	0.44 51	0.24 22	0.26 24	0.27 50	0.22 39	0.29 18	0.23 51	0.13 228	0.10 159	0.10 70	0.10 86	0.15 101	0.11 55

MaDis-Stereo	0.29 15	0.54 213	1.44 60	0.24 11	0.29 252	0.29 6	0.16 9	0.45 22	0.37 17	0.19 4	0.21 4	0.28 58	0.22 39	0.30 23	0.29 119	0.10 96	0.09 127	0.10 70	0.08 36	0.11 29	0.11 55

IGEV_Zeroshot_test	0.53 235	0.33 106	2.91 400	0.32 176	0.18 96	0.54 111	0.21 51	0.72 155	0.42 40	0.81 375	0.51 168	0.71 305	0.41 216	0.48 125	1.13 365	0.09 23	0.15 282	0.10 70	0.35 393	0.19 199	0.09 23

HH	0.49 192	0.49 195	2.78 386	0.50 365	0.41 356	0.38 29	0.23 92	0.72 155	0.38 19	0.63 311	0.48 140	0.87 359	0.41 216	0.64 184	0.21 34	0.09 23	0.17 314	0.10 70	0.09 53	0.16 134	0.12 86

HanStereo	0.49 192	0.49 195	2.78 386	0.50 365	0.41 356	0.38 29	0.23 92	0.72 155	0.38 19	0.63 311	0.48 140	0.87 359	0.41 216	0.64 184	0.21 34	0.09 23	0.17 314	0.10 70	0.09 53	0.16 134	0.12 86

anonymousdsp2	0.34 47	0.24 35	1.16 20	0.28 80	0.15 31	0.57 155	0.23 92	0.79 229	0.47 84	0.38 82	0.37 76	0.40 114	0.25 69	0.47 120	0.21 34	0.09 23	0.07 14	0.10 70	0.13 202	0.19 199	0.27 324

anonymousdsp	0.34 47	0.53 209	1.47 67	0.25 23	0.16 45	0.56 137	0.23 92	0.49 41	0.40 30	0.25 35	0.24 14	0.22 13	0.24 56	0.55 161	0.19 6	0.09 23	0.11 204	0.10 70	0.18 297	0.24 259	0.29 336

CBFPSM	0.56 258	0.91 342	1.82 175	0.28 80	0.23 183	0.71 316	0.37 289	0.72 155	0.64 233	0.50 168	0.49 157	1.03 394	0.83 375	0.62 179	1.35 381	0.10 96	0.12 228	0.10 70	0.10 86	0.18 179	0.19 239

EGLCR-Stereo	0.29 15	0.27 52	0.97 11	0.30 122	0.19 121	0.56 137	0.17 11	0.68 140	0.36 13	0.30 56	0.18 2	0.27 50	0.17 6	0.38 73	0.19 6	0.09 23	0.07 14	0.10 70	0.08 36	0.10 16	0.35 369

DCRE	0.50 201	0.63 251	2.13 273	0.30 122	0.23 183	0.45 41	0.24 119	0.59 100	0.53 130	0.50 168	2.10 432	0.42 133	0.26 83	0.35 55	0.23 51	0.09 23	0.14 259	0.10 70	0.32 383	0.16 134	0.15 168

ProNet	0.30 21	0.54 213	1.29 35	0.25 23	0.15 31	0.47 57	0.25 134	0.48 35	0.39 25	0.21 7	0.23 8	0.22 13	0.20 24	0.44 98	0.19 6	0.08 5	0.08 68	0.10 70	0.08 36	0.23 244	0.12 86

CroCo-Stereo Lap2	0.33 40	0.61 234	1.47 67	0.32 176	0.38 339	0.23 2	0.22 69	0.58 94	0.46 69	0.22 12	0.27 26	0.29 65	0.23 49	0.32 37	0.26 88	0.09 23	0.09 127	0.10 70	0.08 36	0.21 221	0.14 135

ccc-4	0.32 33	0.52 204	1.38 49	0.25 23	0.16 45	0.56 137	0.23 92	0.46 24	0.41 34	0.24 22	0.23 8	0.20 5	0.23 49	0.48 125	0.19 6	0.09 23	0.08 68	0.10 70	0.18 297	0.23 244	0.22 269

Wz-Net-LNSev-Ref	0.57 264	0.87 332	2.11 268	0.32 176	0.30 262	0.84 371	0.40 301	0.88 285	0.72 303	0.65 327	0.73 336	0.66 270	0.57 311	0.93 235	0.71 312	0.13 228	0.07 14	0.10 70	0.08 36	0.15 101	0.14 135

raft_robust	0.55 252	0.84 324	1.73 115	0.28 80	0.54 394	0.53 106	0.25 134	0.88 285	0.75 334	0.48 150	0.46 125	0.76 326	0.75 366	1.46 288	0.27 96	0.09 23	0.10 159	0.10 70	0.30 373	0.26 287	0.16 191

IGEV-Stereo	0.34 47	0.54 213	1.47 67	0.25 23	0.16 45	0.56 137	0.23 92	0.49 41	0.40 30	0.25 35	0.24 14	0.22 13	0.24 56	0.54 157	0.19 6	0.09 23	0.10 159	0.10 70	0.18 297	0.24 259	0.29 336
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
CSP-Net	0.50 201	0.39 145	1.25 31	0.29 108	0.23 183	0.77 347	0.35 275	0.86 271	0.57 160	0.59 276	0.59 235	0.65 265	0.40 205	1.77 336	0.44 229	0.16 299	0.11 204	0.10 70	0.10 86	0.20 213	0.14 135

test-3	0.43 119	0.20 8	1.70 107	0.34 223	0.32 285	0.45 41	0.23 92	0.71 150	0.46 69	0.51 180	0.29 34	0.45 157	0.21 30	0.59 171	0.98 346	0.08 5	0.07 14	0.10 70	0.35 393	0.29 304	0.28 330

test_1	0.43 119	0.20 8	1.70 107	0.34 223	0.32 285	0.45 41	0.23 92	0.71 150	0.46 69	0.50 168	0.29 34	0.45 157	0.21 30	0.59 171	0.98 346	0.08 5	0.07 14	0.10 70	0.35 393	0.29 304	0.29 336

STrans-v2	0.67 314	0.56 224	2.64 365	0.27 58	0.23 183	0.57 155	0.33 264	0.96 349	0.69 278	0.92 391	0.85 362	0.89 365	0.93 390	1.83 349	1.21 373	0.09 23	0.07 14	0.10 70	0.09 53	0.11 29	0.12 86

DEmStereo	0.68 321	0.31 96	2.25 299	0.42 321	0.17 69	0.66 283	0.89 416	0.51 49	0.59 177	0.60 284	1.01 387	0.45 157	1.26 412	1.54 302	2.26 421	0.10 96	0.08 68	0.10 70	0.10 86	0.10 16	0.11 55

DRaft	0.62 292	0.38 136	1.76 129	0.24 11	0.16 45	0.64 265	0.66 387	0.53 68	0.53 130	0.67 333	0.99 384	0.38 102	1.00 397	1.44 283	2.10 415	0.10 96	0.14 259	0.10 70	0.14 230	0.18 179	0.21 259

GrayStereo	0.66 311	0.19 4	1.76 129	0.90 425	0.23 183	0.62 237	1.42 451	0.62 115	0.60 181	0.72 352	0.78 348	0.56 224	3.07 454	0.60 176	0.26 88	0.09 23	0.08 68	0.10 70	0.21 331	0.11 29	0.18 227

test-1	0.44 129	0.48 192	1.69 103	0.30 122	0.27 236	0.50 76	0.28 193	0.80 231	0.43 48	0.40 90	0.54 199	0.41 120	0.24 56	0.31 30	1.16 369	0.09 23	0.20 343	0.10 70	0.17 287	0.11 29	0.26 317

Prome-Stereo	0.49 192	0.30 87	1.76 129	0.60 400	0.23 183	0.63 254	0.42 310	0.62 115	0.60 181	0.59 276	1.03 391	0.43 137	0.72 357	0.60 176	0.33 165	0.09 23	0.07 14	0.10 70	0.09 53	0.11 29	0.43 401

raft+_RVC	0.44 129	0.67 266	1.85 185	0.34 223	0.71 419	0.51 82	0.25 134	0.64 121	0.51 106	0.35 68	0.45 119	0.32 77	0.28 113	0.43 92	0.32 155	0.09 23	0.19 334	0.10 70	0.09 53	0.20 213	0.40 394

XX-Stereo	0.55 252	0.54 213	3.50 437	0.48 361	0.39 341	0.54 111	0.17 11	0.89 291	0.40 30	0.44 112	0.65 296	0.85 353	0.19 18	0.77 220	0.21 34	0.10 96	0.14 259	0.10 70	0.32 383	0.17 155	0.14 135

test_xeample3	0.46 156	0.34 116	2.99 407	0.37 276	0.16 45	0.49 71	0.33 264	1.06 405	0.44 51	0.25 35	0.23 8	0.24 27	0.25 69	0.49 135	0.56 276	0.09 23	0.07 14	0.10 70	0.40 408	0.17 155	0.26 317

AFF-stereo	0.44 129	0.96 359	1.78 143	0.31 148	0.15 31	0.50 76	0.21 51	0.64 121	0.63 225	0.47 132	0.64 287	0.49 191	0.34 158	0.46 113	0.31 145	0.08 5	0.09 127	0.10 70	0.10 86	0.37 363	0.10 41

GMStereo	0.38 74	0.99 374	1.91 215	0.27 58	0.16 45	0.39 31	0.23 92	0.47 32	0.62 214	0.38 82	0.34 64	0.25 35	0.25 69	0.39 77	0.29 119	0.14 265	0.08 68	0.10 70	0.12 175	0.15 101	0.11 55
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
ACVNet	0.45 147	0.44 173	1.79 162	0.28 80	0.21 146	0.59 187	0.36 282	0.66 128	0.68 269	0.45 122	0.59 235	0.69 292	0.40 205	0.44 98	0.55 269	0.11 151	0.09 127	0.10 70	0.09 53	0.34 343	0.10 41

acv_ft	0.48 175	0.44 173	1.76 129	0.32 176	0.41 356	0.63 254	0.28 193	0.81 235	0.68 269	0.61 291	0.59 235	0.69 292	0.45 253	0.44 98	0.63 294	0.11 151	0.09 127	0.10 70	0.09 53	0.41 383	0.10 41

DIP-Stereo	0.37 68	0.34 116	1.50 75	0.27 58	0.18 96	0.63 254	0.17 11	0.92 316	0.53 130	0.49 161	0.48 140	0.30 67	0.30 134	0.39 77	0.30 133	0.10 96	0.08 68	0.10 70	0.08 36	0.15 101	0.12 86
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
HSM-Net_RVC	0.67 314	0.34 116	2.23 297	0.26 45	0.19 121	0.67 289	0.29 214	1.26 426	0.69 278	0.72 352	0.70 326	0.78 331	0.42 232	3.77 454	0.41 215	0.13 228	0.09 127	0.10 70	0.09 53	0.12 40	0.11 55
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
AANet_RVC	0.68 321	1.00 376	2.09 264	0.33 196	0.25 211	0.58 171	0.32 256	0.81 235	0.80 360	0.61 291	0.94 376	0.80 338	0.41 216	2.46 413	1.02 357	0.36 405	0.14 259	0.10 70	0.09 53	0.23 244	0.22 269

HITNet	0.46 156	0.92 343	2.09 264	0.33 196	0.14 17	0.55 123	0.22 69	0.83 248	0.56 157	0.51 180	0.49 157	0.48 189	0.37 179	0.48 125	0.54 268	0.09 23	0.06 1	0.10 70	0.08 36	0.23 244	0.09 23
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
iResNetv2_ROB	0.59 274	1.43 427	2.96 402	0.40 307	0.22 167	0.58 171	0.28 193	0.91 307	0.73 317	0.57 247	0.63 272	0.60 245	0.41 216	0.74 212	0.35 179	0.11 151	0.08 68	0.10 70	0.07 15	0.43 389	0.17 208

HSM	0.62 292	0.76 290	1.72 114	0.30 122	0.29 252	0.64 265	0.28 193	0.94 332	0.62 214	0.58 263	0.57 226	1.40 423	0.64 337	2.59 423	0.42 217	0.11 151	0.08 68	0.10 70	0.08 36	0.14 85	0.11 55

rvit_stereo_0081_aga	0.27 5	0.29 78	1.08 14	0.26 45	0.20 136	0.33 15	0.21 51	0.41 10	0.42 40	0.26 43	0.28 29	0.27 50	0.21 30	0.31 30	0.21 34	0.14 265	0.10 159	0.11 120	0.10 86	0.14 85	0.10 41

rvit_stereo_0081	0.25 2	0.21 13	0.61 2	0.28 80	0.17 69	0.31 10	0.22 69	0.42 12	0.53 130	0.24 22	0.25 19	0.25 35	0.21 30	0.34 51	0.23 51	0.13 228	0.10 159	0.11 120	0.10 86	0.12 40	0.09 23

rvit_stereo_0082	0.25 2	0.21 13	0.61 2	0.28 80	0.17 69	0.31 10	0.22 69	0.42 12	0.53 130	0.24 22	0.25 19	0.25 35	0.21 30	0.34 51	0.23 51	0.13 228	0.10 159	0.11 120	0.10 86	0.12 40	0.09 23

AIO-Stereo-zeroshot1	0.70 329	0.65 259	3.45 435	0.50 365	0.60 410	0.75 336	0.23 92	0.96 349	0.60 181	0.76 362	1.30 409	0.81 341	0.60 320	0.57 164	0.82 334	0.10 96	0.16 298	0.11 120	0.43 414	0.31 322	0.22 269

IGEV-BASED-STEREO-	0.37 68	1.34 424	1.24 30	0.23 4	0.12 3	0.33 15	0.20 34	0.40 6	0.33 6	0.25 35	0.21 4	0.16 1	0.14 1	0.27 5	0.63 294	0.55 420	0.06 1	0.11 120	0.13 202	0.25 269	0.49 410

rvit_stereo_ft	0.31 28	0.61 234	1.18 22	0.32 176	0.21 146	0.28 4	0.27 178	0.55 83	0.48 86	0.23 19	0.27 26	0.28 58	0.26 83	0.32 37	0.25 81	0.13 228	0.09 127	0.11 120	0.11 143	0.13 66	0.14 135

test_sample2	0.41 98	0.19 4	1.23 28	0.31 148	0.17 69	0.51 82	0.27 178	0.81 235	0.55 147	0.44 112	0.45 119	0.46 170	0.38 185	1.51 298	0.30 133	0.12 199	0.09 127	0.11 120	0.10 86	0.14 85	0.14 135

Former-RAFT_DAM_RVC	0.50 201	0.33 106	0.93 10	0.26 45	0.22 167	0.46 54	0.20 34	1.10 411	1.34 426	3.16 462	0.32 53	0.22 13	0.20 24	0.30 23	0.22 44	0.10 96	0.09 127	0.11 120	0.09 53	0.15 101	0.19 239

SMFormer	0.50 201	0.46 181	1.60 88	0.30 122	0.15 31	0.45 41	0.24 119	0.90 297	0.72 303	0.56 236	0.64 287	0.51 197	0.41 216	1.87 356	0.49 250	0.13 228	0.10 159	0.11 120	0.10 86	0.15 101	0.16 191

tta	0.50 201	0.46 181	1.60 88	0.30 122	0.15 31	0.45 41	0.24 119	0.90 297	0.72 303	0.56 236	0.64 287	0.51 197	0.41 216	1.87 356	0.49 250	0.13 228	0.10 159	0.11 120	0.10 86	0.14 85	0.11 55

AE-Stereo	0.42 113	0.29 78	1.65 95	0.43 325	0.47 380	0.56 137	0.23 92	0.86 271	0.46 69	0.31 60	0.41 101	0.43 137	0.24 56	0.34 51	0.24 70	0.09 23	0.48 426	0.11 120	0.45 416	0.22 235	0.19 239

CoDeX	0.52 229	0.43 164	2.25 299	0.29 108	0.26 224	0.61 217	0.32 256	0.99 373	0.68 269	0.48 150	0.55 208	0.52 203	0.40 205	1.60 313	0.35 179	0.12 199	0.09 127	0.11 120	0.10 86	0.13 66	0.12 86

ACVNet-DCA	0.42 113	0.64 253	2.07 258	0.35 238	0.14 17	0.76 339	0.25 134	0.76 189	0.52 112	0.31 60	0.38 84	0.24 27	0.38 185	0.69 201	0.19 6	0.10 96	0.24 365	0.11 120	0.09 53	0.12 40	0.14 135

1test111	0.44 129	0.64 253	2.07 258	0.35 238	0.14 17	0.76 339	0.25 134	0.76 189	0.52 112	0.31 60	0.38 84	0.24 27	0.38 185	0.96 238	0.30 133	0.10 96	0.24 365	0.11 120	0.09 53	0.12 40	0.14 135

cc1	0.47 170	0.64 253	2.07 258	0.35 238	0.14 17	0.76 339	0.25 134	0.74 167	1.01 401	0.31 60	0.38 84	0.24 27	0.38 185	0.69 201	0.19 6	0.10 96	0.24 365	0.11 120	0.09 53	0.25 269	0.40 394

tt1	0.44 129	0.64 253	1.83 180	0.35 238	0.14 17	0.76 339	0.25 134	0.74 167	0.88 380	0.31 60	0.37 76	0.25 35	0.35 160	0.63 182	0.19 6	0.10 96	0.24 365	0.11 120	0.09 53	0.25 269	0.36 377

1111x	0.74 351	0.21 13	1.93 221	0.31 148	0.17 69	0.63 254	0.32 256	1.03 399	0.74 321	0.52 187	0.62 260	0.57 230	0.47 269	2.38 403	4.25 453	0.12 199	0.14 259	0.11 120	0.12 175	0.12 40	0.14 135

EKT-Stereo	1.47 432	0.49 195	1.93 221	2.57 463	19.31 477	0.55 123	0.22 69	0.69 142	0.42 40	0.38 82	0.36 73	0.43 137	0.27 99	0.69 201	0.26 88	0.12 199	0.14 259	0.11 120	0.16 271	0.20 213	0.15 168

MIM_Stereo	0.41 98	0.60 230	1.88 199	0.31 148	0.21 146	0.50 76	0.19 21	0.64 121	0.44 51	0.43 106	0.53 189	0.43 137	0.27 99	0.51 144	0.28 105	0.08 5	0.14 259	0.11 120	0.10 86	0.26 287	0.26 317

iinet-f	0.57 264	0.93 349	2.27 302	0.31 148	0.25 211	0.83 369	0.33 264	0.81 235	0.65 246	0.54 209	0.63 272	0.73 311	0.67 346	0.73 211	0.67 304	0.13 228	0.13 244	0.11 120	0.10 86	0.43 389	0.16 191

gwcnet-sp	0.49 192	0.43 164	2.54 353	0.31 148	0.22 167	0.67 289	0.31 233	0.78 213	0.65 246	0.58 263	0.47 128	0.46 170	0.43 242	0.76 216	0.46 233	0.11 151	0.11 204	0.11 120	0.11 143	0.15 101	0.14 135

scenet	0.49 192	0.43 164	2.54 353	0.31 148	0.22 167	0.67 289	0.31 233	0.78 213	0.65 246	0.58 263	0.47 128	0.46 170	0.43 242	0.76 216	0.46 233	0.11 151	0.11 204	0.11 120	0.11 143	0.15 101	0.14 135

ssnet	0.49 192	0.43 164	2.54 353	0.31 148	0.22 167	0.67 289	0.31 233	0.78 213	0.65 246	0.58 263	0.47 128	0.46 170	0.43 242	0.76 216	0.46 233	0.11 151	0.11 204	0.11 120	0.11 143	0.15 101	0.14 135

x	0.35 58	0.20 8	1.36 46	0.33 196	0.17 69	0.47 57	0.24 119	0.75 177	0.54 142	0.40 90	0.40 97	0.42 133	0.34 158	0.45 107	0.32 155	0.11 151	0.14 259	0.11 120	0.09 53	0.12 40	0.14 135

IER	0.43 119	0.38 136	1.69 103	0.26 45	0.25 211	0.66 283	0.26 153	0.71 150	0.55 147	0.54 209	0.59 235	0.60 245	0.53 294	0.52 148	0.39 203	0.11 151	0.08 68	0.11 120	0.11 143	0.14 85	0.11 55

RAFT_CTSACE	0.46 156	0.76 290	2.07 258	0.35 238	0.30 262	0.54 111	0.30 221	0.61 111	0.48 86	0.49 161	0.76 344	0.55 212	0.36 166	0.58 167	0.22 44	0.08 5	0.13 244	0.11 120	0.10 86	0.41 383	0.08 13

RAFT+CT+SA	0.50 201	0.86 329	1.82 175	0.37 276	0.75 421	0.54 111	0.34 268	0.77 199	0.63 225	0.38 82	0.55 208	0.34 86	0.29 126	0.68 195	0.27 96	0.09 23	0.07 14	0.11 120	0.51 421	0.29 304	0.41 399

test_4	0.40 92	0.37 131	2.01 247	0.29 108	0.21 146	0.50 76	0.28 193	0.47 32	0.39 25	0.42 101	0.76 344	0.38 102	0.22 39	0.52 148	0.33 165	0.08 5	0.07 14	0.11 120	0.15 252	0.28 301	0.07 3

iRaft-Stereo_5w	0.54 240	1.01 380	2.08 263	0.27 58	0.21 146	0.49 71	0.28 193	0.73 163	0.58 170	0.40 90	0.61 255	0.62 251	0.46 264	1.78 337	0.47 242	0.09 23	0.07 14	0.11 120	0.10 86	0.39 377	0.12 86

MIPNet	0.83 376	0.81 315	2.40 324	0.61 401	0.18 96	1.48 423	1.39 447	1.60 439	0.74 321	1.94 441	0.85 362	0.73 311	1.68 435	0.87 233	0.31 145	0.09 23	0.08 68	0.11 120	0.32 383	0.25 269	0.12 86

IPLGR	0.54 240	0.56 224	2.68 370	0.36 256	0.18 96	0.62 237	0.54 358	1.02 392	0.64 233	0.73 356	0.46 125	0.47 178	0.45 253	1.12 258	0.29 119	0.09 23	0.08 68	0.11 120	0.09 53	0.19 199	0.12 86

test_3	0.44 129	0.20 8	1.70 107	0.36 256	0.32 285	0.47 57	0.30 221	0.73 163	0.49 92	0.50 168	0.30 42	0.45 157	0.22 39	0.59 171	0.98 346	0.08 5	0.10 159	0.11 120	0.35 393	0.29 304	0.28 330

PSMNet-ADL	0.51 218	0.38 136	1.65 95	0.35 238	0.21 146	0.67 289	0.26 153	0.74 167	0.55 147	0.42 101	0.52 180	0.70 302	0.45 253	1.91 366	0.57 279	0.15 281	0.13 244	0.11 120	0.13 202	0.15 101	0.20 253

ADLNet2	0.68 321	0.84 324	3.19 424	0.33 196	0.36 323	0.64 265	0.37 289	0.89 291	0.79 357	0.54 209	0.65 296	0.93 373	0.48 277	2.07 382	0.56 276	0.13 228	0.11 204	0.11 120	0.11 143	0.33 336	0.18 227

CrosDoStereo	0.94 390	0.37 131	2.53 347	0.25 23	0.32 285	0.54 111	3.76 466	0.72 155	0.60 181	0.70 345	1.40 414	0.53 205	1.49 428	1.78 337	3.09 435	0.10 96	0.08 68	0.11 120	0.11 143	0.21 221	0.11 55

TRStereo	0.53 235	0.76 290	2.38 320	0.42 321	0.29 252	0.69 307	0.23 92	1.81 444	0.55 147	0.36 72	0.32 53	0.47 178	0.40 205	0.46 113	0.25 81	0.12 199	0.11 204	0.11 120	0.41 411	0.13 66	0.32 356

TransformOpticalFlow	0.64 299	0.56 224	2.66 368	0.44 330	0.26 224	0.62 237	0.28 193	0.83 248	0.71 295	0.76 362	0.74 339	0.91 368	0.85 379	1.83 349	0.81 333	0.10 96	0.07 14	0.11 120	0.09 53	0.11 29	0.12 86

IIG-Stereo	0.59 274	0.65 259	1.74 119	0.54 382	0.23 183	0.61 217	0.21 51	0.73 163	0.65 246	0.64 320	0.69 316	0.69 292	0.38 185	2.09 385	1.39 384	0.11 151	0.07 14	0.11 120	0.09 53	0.15 101	0.09 23

NRIStereo	0.46 156	0.25 38	1.77 138	0.47 353	0.16 45	0.95 390	0.74 403	0.51 49	0.56 157	0.48 150	0.39 92	0.59 239	0.29 126	0.77 220	0.32 155	0.11 151	0.13 244	0.11 120	0.09 53	0.21 221	0.24 299

ASMatch	0.60 279	0.43 164	2.58 357	0.91 426	0.36 323	0.56 137	0.25 134	0.52 60	0.61 196	0.47 132	1.21 403	0.47 178	0.66 344	1.34 276	0.94 342	0.10 96	0.08 68	0.11 120	0.11 143	0.10 16	0.16 191

DeepStereo_LL	0.94 390	0.37 131	2.53 347	0.25 23	0.32 285	0.54 111	3.76 466	0.72 155	0.60 181	0.70 345	1.40 414	0.53 205	1.49 428	1.78 337	3.09 435	0.10 96	0.08 68	0.11 120	0.11 143	0.21 221	0.11 55

DeepStereo_RVC	0.44 129	0.28 73	1.92 218	0.49 363	0.17 69	0.60 197	0.59 374	0.50 47	0.52 112	0.49 161	0.45 119	0.39 106	0.86 382	0.45 107	0.33 165	0.11 151	0.08 68	0.11 120	0.09 53	0.15 101	0.19 239

RAFT-345	0.53 235	0.30 87	2.34 312	0.38 290	0.34 305	0.58 171	0.42 310	0.47 32	0.61 196	0.51 180	1.00 386	0.43 137	0.28 113	1.57 306	0.82 334	0.10 96	0.07 14	0.11 120	0.09 53	0.10 16	0.08 13

sAnonymous2	0.38 74	0.62 240	2.15 279	0.31 148	0.24 196	0.34 18	0.27 178	0.53 68	0.46 69	0.24 22	0.29 34	0.23 20	0.28 113	0.28 9	0.22 44	0.12 199	0.09 127	0.11 120	0.13 202	0.38 369	0.35 369

CroCo_RVC	0.38 74	0.62 240	2.15 279	0.31 148	0.24 196	0.34 18	0.27 178	0.53 68	0.46 69	0.24 22	0.29 34	0.23 20	0.28 113	0.28 9	0.22 44	0.12 199	0.09 127	0.11 120	0.13 202	0.38 369	0.35 369

RALAANet	0.43 119	0.98 370	1.90 209	0.32 176	0.23 183	0.48 65	0.19 21	0.67 137	0.53 130	0.48 150	0.45 119	0.39 106	0.30 134	0.48 125	0.37 186	0.10 96	0.08 68	0.11 120	0.14 230	0.27 295	0.10 41

222	0.78 364	0.23 27	1.23 28	0.28 80	0.18 96	0.62 237	0.24 119	1.02 392	0.70 286	0.58 263	0.66 298	0.46 170	0.42 232	1.80 345	6.53 464	0.13 228	0.10 159	0.11 120	0.10 86	0.12 40	0.17 208

xxxx	0.70 329	0.21 13	1.33 42	0.28 80	0.18 96	0.63 254	0.24 119	1.02 392	0.69 278	0.50 168	0.62 260	0.58 237	0.38 185	1.47 295	5.21 459	0.13 228	0.12 228	0.11 120	0.10 86	0.12 40	0.15 168

test_xeample	0.72 339	0.21 13	1.36 46	0.27 58	0.17 69	0.59 187	0.28 193	1.01 389	0.70 286	0.55 226	0.67 301	0.44 148	0.39 199	1.88 363	5.17 458	0.12 199	0.10 159	0.11 120	0.10 86	0.13 66	0.15 168

cf-r	0.53 235	0.81 315	2.15 279	0.33 196	0.28 246	0.60 197	0.28 193	0.78 213	0.64 233	0.51 180	0.60 248	0.75 322	0.40 205	1.32 274	0.43 225	0.13 228	0.09 127	0.11 120	0.12 175	0.15 101	0.14 135

DISCO	0.57 264	0.34 116	1.87 198	0.45 344	0.34 305	0.84 371	0.35 275	0.84 258	0.78 352	0.59 276	0.63 272	1.06 401	0.53 294	1.10 252	0.82 334	0.12 199	0.09 127	0.11 120	0.10 86	0.22 235	0.18 227

test_sample3	0.50 201	0.41 153	1.88 199	0.32 176	0.19 121	0.57 155	0.25 134	0.92 316	0.64 233	0.52 187	0.49 157	0.47 178	0.35 160	1.79 341	0.37 186	0.13 228	0.10 159	0.12 171	0.11 143	0.16 134	0.16 191

H2IRNET	0.40 92	0.61 234	1.90 209	0.29 108	0.17 69	0.54 111	0.18 17	0.52 60	0.50 99	0.27 48	0.56 219	0.47 178	0.35 160	0.46 113	0.33 165	0.10 96	0.07 14	0.12 171	0.14 230	0.32 328	0.12 86

MyStereo07	0.34 47	0.40 149	1.46 63	0.29 108	0.23 183	0.60 197	0.31 233	0.53 68	0.42 40	0.25 35	0.25 19	0.20 5	0.26 83	0.57 164	0.19 6	0.09 23	0.18 324	0.12 171	0.11 143	0.16 134	0.19 239

MyStereo06	0.54 240	0.41 153	2.68 370	0.30 122	0.23 183	0.60 197	0.30 221	0.81 235	0.44 51	0.84 382	0.52 180	0.78 331	0.58 315	0.48 125	1.10 363	0.09 23	0.17 314	0.12 171	0.10 86	0.16 134	0.20 253

MyStereo05	0.49 192	0.41 153	2.72 376	0.30 122	0.23 183	0.60 197	0.30 221	0.82 242	0.77 347	0.52 187	0.37 76	0.51 197	0.42 232	0.52 148	0.38 192	0.09 23	0.17 314	0.12 171	0.10 86	0.16 134	0.20 253

MyStereo04	0.48 175	0.40 149	2.65 367	0.29 108	0.23 183	0.60 197	0.31 233	0.83 248	0.75 334	0.47 132	0.36 73	0.53 205	0.42 232	0.53 154	0.39 203	0.09 23	0.18 324	0.12 171	0.11 143	0.16 134	0.19 239

xx1	0.46 156	0.64 253	2.07 258	0.35 238	0.14 17	0.76 339	0.25 134	0.74 167	1.01 401	0.31 60	0.38 84	0.46 170	0.36 166	0.69 201	0.19 6	0.10 96	0.24 365	0.12 171	0.12 175	0.12 40	0.14 135

MIF-Stereo (partial)	0.34 47	0.41 153	1.93 221	0.26 45	0.24 196	0.32 13	0.17 11	0.53 68	0.42 40	0.25 35	0.37 76	0.25 35	0.26 83	0.44 98	0.31 145	0.11 151	0.08 68	0.12 171	0.10 86	0.19 199	0.14 135

4D-IteraStereo	0.44 129	0.96 359	2.63 363	0.27 58	0.30 262	0.45 41	0.25 134	0.52 60	0.50 99	0.40 90	0.31 49	0.40 114	0.19 18	0.35 55	0.32 155	0.09 23	0.06 1	0.12 171	0.11 143	0.19 199	0.30 344

knoymous	0.34 47	0.25 38	1.75 125	0.24 11	0.18 96	0.45 41	0.24 119	0.57 89	0.38 19	0.41 97	0.39 92	0.55 212	0.25 69	0.38 73	0.23 51	0.11 151	0.08 68	0.12 171	0.07 15	0.13 66	0.12 86

anonymousa	0.48 175	0.46 181	2.44 333	0.29 108	0.34 305	0.61 217	0.25 134	0.66 128	0.54 142	0.53 197	0.77 347	0.73 311	0.46 264	0.33 45	0.31 145	0.10 96	0.09 127	0.12 171	0.29 367	0.10 16	0.19 239

riskmin	0.37 68	0.22 23	1.74 119	0.32 176	0.20 136	0.48 65	0.20 34	0.66 128	0.46 69	0.36 72	0.34 64	0.69 292	0.45 253	0.39 77	0.27 96	0.11 151	0.08 68	0.12 171	0.08 36	0.13 66	0.16 191

TestStereo1	0.49 192	0.81 315	1.85 185	0.39 298	0.57 401	0.56 137	0.34 268	0.75 177	0.69 278	0.44 112	0.63 272	0.35 90	0.42 232	0.64 184	0.29 119	0.10 96	0.08 68	0.12 171	0.10 86	0.33 336	0.26 317

qqq	0.38 74	0.21 13	1.34 45	0.28 80	0.15 31	0.45 41	0.26 153	0.76 189	0.52 112	0.39 88	0.41 101	0.46 170	0.36 166	0.96 238	0.30 133	0.11 151	0.14 259	0.12 171	0.12 175	0.12 40	0.14 135

DisPM	0.43 119	0.33 106	1.78 143	0.57 392	0.18 96	0.59 187	0.63 385	0.53 68	0.61 196	0.60 284	0.53 189	0.38 102	0.26 83	0.75 213	0.29 119	0.12 199	0.07 14	0.12 171	0.11 143	0.11 29	0.14 135

Wz-Net-LNSev	0.59 274	0.96 359	2.47 338	0.34 223	0.37 334	0.79 356	0.44 324	0.86 271	0.77 347	0.61 291	0.67 301	0.79 336	0.56 306	0.64 184	0.62 292	0.15 281	0.14 259	0.12 171	0.12 175	0.18 179	0.19 239

test_5	0.51 218	0.87 332	1.99 244	0.37 276	0.65 414	0.58 171	0.35 275	0.78 213	0.62 214	0.48 150	0.55 208	0.45 157	0.40 205	0.72 210	0.30 133	0.09 23	0.07 14	0.12 171	0.12 175	0.33 336	0.38 386

SA-5K	0.49 192	0.81 315	1.85 185	0.39 298	0.57 401	0.56 137	0.34 268	0.75 177	0.69 278	0.44 112	0.63 272	0.35 90	0.42 232	0.64 184	0.29 119	0.10 96	0.08 68	0.12 171	0.10 86	0.33 336	0.26 317

GLC_STEREO	0.28 9	0.27 52	1.36 46	0.28 80	0.12 3	0.41 35	0.20 34	0.37 3	0.38 19	0.26 43	0.30 42	0.25 35	0.19 18	0.33 45	0.24 70	0.09 23	0.11 204	0.12 171	0.10 86	0.13 66	0.09 23

DAS	0.56 258	0.35 123	1.55 82	0.33 196	0.34 305	0.50 76	0.42 310	0.83 248	0.74 321	0.83 380	0.68 309	0.56 224	0.48 277	2.40 407	0.46 233	0.12 199	0.08 68	0.12 171	0.09 53	0.18 179	0.15 168

SepStereo	0.52 229	0.35 123	1.55 82	0.33 196	0.34 305	0.50 76	0.42 310	0.83 248	0.74 321	0.83 380	0.68 309	0.56 224	0.48 277	1.56 304	0.46 233	0.12 199	0.08 68	0.12 171	0.09 53	0.18 179	0.15 168

LCNet	0.54 240	0.37 131	1.78 143	0.92 427	0.22 167	0.96 391	0.30 221	0.59 100	0.58 170	0.51 180	0.55 208	0.41 120	0.76 367	0.84 229	0.26 88	0.09 23	0.06 1	0.12 171	0.18 297	0.98 433	0.39 390

HHNet	0.60 279	0.65 259	2.60 362	0.36 256	0.25 211	0.64 265	0.61 379	0.64 121	0.62 214	0.55 226	1.13 400	0.32 77	0.60 320	0.42 89	1.79 402	0.15 281	0.07 14	0.12 171	0.10 86	0.18 179	0.15 168

Patchmatch Stereo++	0.39 87	0.27 52	1.78 143	0.44 330	0.16 45	0.61 217	0.27 178	0.51 49	0.52 112	0.47 132	0.43 106	0.43 137	0.28 113	0.54 157	0.28 105	0.12 199	0.08 68	0.12 171	0.10 86	0.17 155	0.12 86
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	0.88 383	0.33 106	1.79 162	0.54 382	0.98 434	0.62 237	0.46 334	0.50 47	0.60 181	0.58 263	0.53 189	0.50 194	0.73 360	1.23 269	7.48 465	0.11 151	0.07 14	0.12 171	0.10 86	0.14 85	0.09 23

OMP-Stereo	0.59 274	0.65 259	1.74 119	0.56 390	0.37 334	0.60 197	0.26 153	0.70 147	0.65 246	0.66 329	0.60 248	0.69 292	0.32 147	2.09 385	1.20 371	0.10 96	0.07 14	0.12 171	0.09 53	0.17 155	0.10 41

NF-Stereo	0.48 175	0.25 38	1.81 169	0.52 373	0.16 45	0.61 217	0.44 324	0.66 128	0.61 196	0.50 168	0.47 128	0.37 95	0.26 83	1.45 287	0.79 331	0.11 151	0.07 14	0.12 171	0.10 86	0.13 66	0.16 191

OCTAStereo	0.48 175	0.25 38	1.81 169	0.52 373	0.16 45	0.61 217	0.43 316	0.66 128	0.61 196	0.50 168	0.47 128	0.37 95	0.26 83	1.44 283	0.80 332	0.11 151	0.07 14	0.12 171	0.10 86	0.13 66	0.17 208

PSM-adaLoss	0.38 74	0.27 52	1.78 143	0.44 330	0.17 69	0.60 197	0.29 214	0.51 49	0.52 112	0.47 132	0.43 106	0.44 148	0.28 113	0.47 120	0.28 105	0.12 199	0.08 68	0.12 171	0.10 86	0.17 155	0.12 86

FTStereo	0.76 356	0.18 2	2.35 315	0.71 411	0.21 146	0.73 327	1.79 454	0.57 89	0.53 130	1.07 403	1.63 422	1.29 417	2.13 443	0.75 213	0.29 119	0.19 338	0.08 68	0.12 171	0.11 143	0.11 29	0.40 394

ROB_FTStereo_v2	0.38 74	0.27 52	1.78 143	0.44 330	0.17 69	0.61 217	0.28 193	0.51 49	0.52 112	0.47 132	0.43 106	0.44 148	0.28 113	0.47 120	0.28 105	0.12 199	0.08 68	0.12 171	0.10 86	0.17 155	0.12 86

ROB_FTStereo	0.38 74	0.27 52	1.78 143	0.44 330	0.17 69	0.61 217	0.26 153	0.51 49	0.52 112	0.47 132	0.43 106	0.43 137	0.28 113	0.49 135	0.28 105	0.12 199	0.08 68	0.12 171	0.10 86	0.17 155	0.12 86

KYRaft	0.48 175	0.29 78	1.75 125	0.33 196	0.21 146	0.75 336	0.44 324	0.58 94	0.57 160	0.64 320	0.93 375	0.53 205	0.72 357	0.60 176	0.24 70	0.10 96	0.07 14	0.12 171	0.14 230	0.12 40	0.54 414

HUI-Stereo	0.38 74	0.27 52	1.79 162	0.44 330	0.17 69	0.61 217	0.28 193	0.51 49	0.52 112	0.47 132	0.43 106	0.44 148	0.28 113	0.45 107	0.28 105	0.12 199	0.08 68	0.12 171	0.10 86	0.17 155	0.12 86

SST-Stereo	0.52 229	0.20 8	1.76 129	0.62 402	0.53 392	0.62 237	0.66 387	0.55 83	0.61 196	0.58 263	0.53 189	0.52 203	0.60 320	1.59 312	0.29 119	0.11 151	0.07 14	0.12 171	0.10 86	0.16 134	0.10 41

RAFT_R40	0.50 201	0.21 13	1.76 129	0.50 365	0.40 349	0.61 217	0.53 355	0.56 86	0.60 181	0.56 236	0.54 199	0.55 212	0.51 287	1.57 306	0.53 264	0.11 151	0.07 14	0.12 171	0.10 86	0.16 134	0.09 23

PFNet	0.60 279	0.33 106	2.47 338	0.41 313	0.55 397	0.62 237	0.27 178	0.61 111	0.63 225	0.61 291	0.56 219	0.45 157	0.32 147	1.88 363	1.14 366	0.28 392	0.09 127	0.12 171	0.16 271	0.26 287	0.20 253

RE-Stereo	0.48 175	0.25 38	1.81 169	0.52 373	0.16 45	0.61 217	0.43 316	0.66 128	0.60 181	0.50 168	0.47 128	0.37 95	0.26 83	1.44 283	0.78 327	0.11 151	0.07 14	0.12 171	0.10 86	0.13 66	0.17 208

Pruner-Stereo	0.51 218	0.27 52	1.78 143	1.79 454	0.19 121	0.62 237	0.45 331	0.57 89	0.60 181	0.61 291	0.48 140	0.41 120	0.24 56	0.46 113	1.00 352	0.12 199	0.07 14	0.12 171	0.10 86	0.12 40	0.13 120

TVStereo	0.48 175	0.25 38	1.81 169	0.52 373	0.16 45	0.61 217	0.43 316	0.66 128	0.60 181	0.50 168	0.47 128	0.37 95	0.26 83	1.44 283	0.78 327	0.11 151	0.07 14	0.12 171	0.10 86	0.13 66	0.17 208

iGMRVC	0.39 87	0.27 52	1.78 143	0.44 330	0.17 69	0.61 217	0.27 178	0.51 49	0.52 112	0.47 132	0.43 106	0.44 148	0.28 113	0.55 161	0.28 105	0.12 199	0.08 68	0.12 171	0.10 86	0.17 155	0.12 86

iRAFT	0.39 87	0.27 52	1.78 143	0.44 330	0.16 45	0.61 217	0.27 178	0.51 49	0.52 112	0.47 132	0.43 106	0.43 137	0.28 113	0.54 157	0.28 105	0.12 199	0.08 68	0.12 171	0.10 86	0.17 155	0.12 86

CRE-IMP	0.41 98	0.22 23	1.76 129	0.48 361	0.17 69	0.79 356	0.69 395	0.52 60	0.52 112	0.47 132	0.42 104	0.45 157	0.26 83	0.41 84	0.31 145	0.11 151	0.07 14	0.12 171	0.09 53	0.17 155	0.23 289

RAFT-IKP	0.38 74	0.27 52	1.79 162	0.44 330	0.16 45	0.60 197	0.28 193	0.51 49	0.52 112	0.47 132	0.43 106	0.43 137	0.28 113	0.50 141	0.28 105	0.12 199	0.08 68	0.12 171	0.10 86	0.17 155	0.12 86

LMCR-Stereo	0.52 229	0.71 277	2.39 322	0.40 307	0.21 146	0.74 330	0.31 233	1.02 392	0.64 233	0.61 291	0.63 272	0.39 106	0.51 287	0.62 179	0.42 217	0.19 338	0.09 127	0.12 171	0.09 53	0.23 244	0.12 86

iRaftStereo_RVC	0.37 68	0.53 209	1.41 54	0.28 80	0.15 31	0.52 99	0.20 34	0.54 78	0.46 69	0.37 76	0.43 106	0.41 120	0.23 49	0.36 61	0.26 88	0.09 23	0.15 282	0.12 171	0.11 143	0.41 383	0.37 383

GEStereo_RVC	0.54 240	0.87 332	1.95 231	0.47 353	0.25 211	0.62 237	0.37 289	1.00 381	0.74 321	0.53 197	0.54 199	0.59 239	0.44 249	1.10 252	0.46 233	0.15 281	0.11 204	0.12 171	0.10 86	0.26 287	0.19 239

TestStereo	0.45 147	0.54 213	2.11 268	0.29 108	0.16 45	0.43 38	0.24 119	0.54 78	0.45 64	0.37 76	0.46 125	0.34 86	0.27 99	1.98 373	0.27 96	0.11 151	0.08 68	0.12 171	0.09 53	0.14 85	0.08 13

sCroCo_RVC	0.33 40	0.32 100	1.89 206	0.34 223	0.27 236	0.30 8	0.22 69	0.48 35	0.44 51	0.22 12	0.33 58	0.25 35	0.25 69	0.32 37	0.24 70	0.14 265	0.16 298	0.12 171	0.12 175	0.15 101	0.13 120

GES	0.44 129	0.28 73	1.88 199	0.30 122	0.18 96	0.61 217	0.30 221	0.88 285	0.46 69	0.47 132	0.52 180	0.39 106	0.42 232	0.58 167	0.67 304	0.15 281	0.11 204	0.12 171	0.10 86	0.15 101	0.17 208

SFCPSM	0.46 156	0.24 35	2.35 315	0.27 58	0.27 236	0.70 314	0.32 256	0.96 349	0.63 225	0.49 161	0.52 180	0.43 137	0.36 166	0.52 148	0.43 225	0.12 199	0.09 127	0.12 171	0.16 271	0.16 134	0.12 86

MMNet	0.50 201	0.48 192	1.93 221	0.33 196	0.27 236	0.79 356	0.28 193	0.81 235	0.74 321	0.60 284	0.56 219	0.59 239	0.55 302	0.79 225	0.59 286	0.10 96	0.09 127	0.12 171	0.11 143	0.13 66	0.14 135

FENet	0.44 129	0.30 87	2.42 327	0.32 176	0.17 69	0.58 171	0.22 69	0.77 199	0.59 177	0.47 132	0.42 104	0.55 212	0.38 185	0.49 135	0.47 242	0.12 199	0.09 127	0.12 171	0.11 143	0.13 66	0.16 191

ac_64	0.55 252	0.46 181	1.92 218	0.36 256	0.34 305	0.63 254	0.31 233	0.82 242	0.61 196	0.55 226	0.51 168	0.89 365	0.48 277	1.83 349	0.55 269	0.14 265	0.11 204	0.12 171	0.12 175	0.18 179	0.12 86

GwcNet-RSSM	0.57 264	0.94 351	2.13 273	0.32 176	0.25 211	0.60 197	0.30 221	0.80 231	0.66 260	0.52 187	0.64 287	0.71 305	0.40 205	1.79 341	0.50 255	0.13 228	0.09 127	0.12 171	0.12 175	0.21 221	0.15 168

BEATNet_4x	0.47 170	0.73 284	1.91 215	0.33 196	0.15 31	0.56 137	0.25 134	0.85 262	0.58 170	0.54 209	0.51 168	0.57 230	0.42 232	0.57 164	0.61 290	0.11 151	0.08 68	0.12 171	0.09 53	0.20 213	0.16 191

rvit_stereo_0083	0.25 2	0.19 4	0.58 1	0.28 80	0.18 96	0.28 4	0.22 69	0.38 4	0.54 142	0.23 19	0.30 42	0.27 50	0.26 83	0.37 68	0.24 70	0.14 265	0.12 228	0.13 227	0.10 86	0.12 40	0.10 41

test_sample6	0.52 229	0.44 173	1.81 169	0.33 196	0.18 96	0.55 123	0.27 178	0.94 332	0.66 260	0.54 209	0.62 260	0.47 178	0.36 166	1.97 372	0.38 192	0.14 265	0.10 159	0.13 227	0.13 202	0.17 155	0.16 191

test_sample5	0.51 218	0.43 164	1.83 180	0.32 176	0.18 96	0.55 123	0.26 153	0.92 316	0.65 246	0.53 197	0.59 235	0.45 157	0.36 166	1.87 356	0.36 181	0.13 228	0.10 159	0.13 227	0.12 175	0.17 155	0.16 191

test_sample4	0.50 201	0.42 160	1.88 199	0.32 176	0.19 121	0.56 137	0.26 153	0.93 324	0.65 246	0.54 209	0.54 199	0.45 157	0.36 166	1.79 341	0.36 181	0.13 228	0.10 159	0.13 227	0.12 175	0.17 155	0.16 191

CAS++	0.31 28	0.33 106	1.43 58	0.25 23	0.17 69	0.31 10	0.20 34	0.78 213	0.41 34	0.30 56	0.30 42	0.21 12	0.16 4	0.33 45	0.18 3	0.15 281	0.12 228	0.13 227	0.10 86	0.15 101	0.11 55
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
DualNet	0.51 218	0.43 164	1.83 180	0.32 176	0.18 96	0.55 123	0.26 153	0.92 316	0.65 246	0.54 209	0.62 260	0.45 157	0.36 166	1.87 356	0.36 181	0.13 228	0.10 159	0.13 227	0.12 175	0.17 155	0.16 191

ttt	0.66 311	0.22 23	1.68 101	0.34 223	0.24 196	0.60 197	0.26 153	1.00 381	0.77 347	0.55 226	0.67 301	0.54 209	0.36 166	2.14 388	3.03 434	0.16 299	0.13 244	0.13 227	0.12 175	0.15 101	0.17 208

plain	0.37 68	0.47 189	2.15 279	0.27 58	0.19 121	0.33 15	0.20 34	0.58 94	0.46 69	0.23 19	0.37 76	0.23 20	0.25 69	0.45 107	0.28 105	0.11 151	0.08 68	0.13 227	0.09 53	0.42 387	0.12 86

ToySt	0.44 129	0.61 234	1.89 206	0.29 108	0.18 96	0.55 123	0.35 275	0.67 137	0.53 130	0.39 88	0.50 164	0.59 239	0.43 242	0.51 144	0.49 250	0.10 96	0.12 228	0.13 227	0.16 271	0.24 259	0.19 239

Sa-1000	0.51 218	0.72 281	1.90 209	0.31 148	0.60 410	0.60 197	0.31 233	0.94 332	0.71 295	0.52 187	0.83 355	0.42 133	0.33 150	0.68 195	0.28 105	0.10 96	0.09 127	0.13 227	0.29 367	0.29 304	0.10 41

SA	0.50 201	0.75 289	1.95 231	0.31 148	0.61 412	0.57 155	0.31 233	0.91 307	0.73 317	0.42 101	0.62 260	0.38 102	0.47 269	0.68 195	0.29 119	0.09 23	0.09 127	0.13 227	0.32 383	0.30 315	0.10 41

psmg	0.41 98	0.27 52	1.13 17	0.27 58	0.21 146	0.75 336	0.36 282	0.90 297	0.61 196	0.59 276	0.59 235	0.63 254	0.37 179	0.43 92	0.38 192	0.13 228	0.10 159	0.13 227	0.12 175	0.13 66	0.11 55

CIPLG	0.56 258	1.19 406	2.46 336	0.80 418	0.31 278	0.61 217	0.57 370	0.76 189	0.57 160	0.56 236	0.63 272	0.41 120	0.30 134	0.45 107	0.40 209	0.11 151	0.20 343	0.13 227	0.13 202	0.35 351	0.19 239

dd	0.42 113	0.96 359	1.77 138	0.31 148	0.17 69	0.57 155	0.26 153	0.49 41	0.68 269	0.41 97	0.40 97	0.34 86	0.27 99	0.45 107	0.40 209	0.17 313	0.10 159	0.13 227	0.12 175	0.21 221	0.12 86

IPLGR_C	0.58 269	1.25 413	2.72 376	0.80 418	0.31 278	0.60 197	0.61 379	0.76 189	0.58 170	0.56 236	0.62 260	0.41 120	0.31 142	0.43 92	0.40 209	0.11 151	0.22 356	0.13 227	0.15 252	0.35 351	0.19 239

AASNet	0.56 258	1.03 384	2.34 312	0.37 276	0.33 298	0.65 277	0.29 214	0.96 349	0.73 317	0.54 209	0.60 248	0.55 212	0.38 185	0.59 171	0.58 284	0.14 265	0.12 228	0.13 227	0.10 86	0.43 389	0.24 299

GMOStereo	0.41 98	0.62 240	1.78 143	0.28 80	0.36 323	0.51 82	0.31 233	0.53 68	0.44 51	0.57 247	0.48 140	0.41 120	0.27 99	0.28 9	0.23 51	0.08 5	0.38 408	0.13 227	0.11 143	0.34 343	0.11 55

error version	0.41 98	0.62 240	1.78 143	0.28 80	0.36 323	0.51 82	0.31 233	0.53 68	0.44 51	0.57 247	0.48 140	0.41 120	0.27 99	0.28 9	0.23 51	0.08 5	0.38 408	0.13 227	0.11 143	0.34 343	0.11 55

test-v	0.41 98	0.62 240	1.78 143	0.28 80	0.36 323	0.51 82	0.31 233	0.53 68	0.44 51	0.57 247	0.48 140	0.41 120	0.27 99	0.28 9	0.23 51	0.08 5	0.38 408	0.13 227	0.11 143	0.34 343	0.11 55

ACRE	0.56 258	1.14 397	2.77 384	0.76 414	0.28 246	0.60 197	0.56 366	0.76 189	0.58 170	0.55 226	0.62 260	0.41 120	0.29 126	0.44 98	0.39 203	0.11 151	0.19 334	0.13 227	0.14 230	0.36 356	0.18 227

PSM-softLoss	0.48 175	0.27 52	1.85 185	0.51 369	0.17 69	0.61 217	0.40 301	0.61 111	0.57 160	0.52 187	0.48 140	0.39 106	0.25 69	1.46 288	0.77 325	0.12 199	0.08 68	0.13 227	0.12 175	0.12 40	0.14 135

KMStereo	0.48 175	0.27 52	1.85 185	0.51 369	0.17 69	0.61 217	0.40 301	0.61 111	0.57 160	0.52 187	0.48 140	0.39 106	0.25 69	1.46 288	0.77 325	0.12 199	0.08 68	0.13 227	0.12 175	0.12 40	0.14 135

RAFT-RH_RVC	0.61 287	0.50 201	2.33 310	0.36 256	0.29 252	0.60 197	0.18 17	0.44 19	0.58 170	0.76 362	1.91 428	0.47 178	0.29 126	1.60 313	1.23 375	0.14 265	0.07 14	0.13 227	0.13 202	0.10 16	0.09 23

IRAFT_RVC	0.54 240	0.53 209	1.78 143	0.46 348	0.21 146	0.58 171	0.43 316	0.65 126	0.66 260	0.54 209	0.50 164	0.49 191	0.51 287	1.58 310	1.01 356	0.11 151	0.25 378	0.13 227	0.10 86	0.15 101	0.13 120

test-2	0.41 98	0.62 240	1.78 143	0.28 80	0.36 323	0.51 82	0.31 233	0.53 68	0.44 51	0.57 247	0.48 140	0.41 120	0.27 99	0.28 9	0.23 51	0.08 5	0.38 408	0.13 227	0.11 143	0.34 343	0.11 55

GMM-Stereo	0.50 201	0.23 27	2.41 325	0.54 382	0.24 196	0.77 347	0.46 334	0.59 100	0.57 160	0.58 263	0.73 336	0.47 178	0.43 242	0.68 195	0.27 96	0.10 96	0.06 1	0.13 227	0.13 202	0.14 85	0.44 403

rafts_anoy	0.43 119	0.89 338	1.96 240	0.32 176	0.30 262	0.48 65	0.24 119	0.62 115	0.49 92	0.37 76	0.38 84	0.33 82	0.30 134	0.51 144	0.34 172	0.10 96	0.39 414	0.13 227	0.15 252	0.17 155	0.15 168

Anonymous3	0.42 113	0.35 123	2.09 264	0.33 196	0.24 196	0.72 322	0.31 233	0.74 167	0.55 147	0.35 68	0.40 97	0.33 82	0.29 126	0.44 98	0.28 105	0.18 324	0.18 324	0.13 227	0.13 202	0.17 155	0.17 208

delet	0.52 229	0.54 213	1.62 93	0.31 148	0.35 316	0.74 330	0.46 334	0.85 262	0.74 321	0.55 226	0.60 248	0.67 279	0.50 285	1.12 258	0.57 279	0.11 151	0.11 204	0.13 227	0.14 230	0.16 134	0.12 86

UNet	0.54 240	0.44 173	2.83 390	0.31 148	0.33 298	0.74 330	0.27 178	0.82 242	0.61 196	0.53 197	0.54 199	0.72 307	0.54 297	0.78 224	0.56 276	0.11 151	0.09 127	0.13 227	0.11 143	0.14 85	0.12 86

UPFNet	0.46 156	0.28 73	1.73 115	0.33 196	0.32 285	0.65 277	0.38 295	0.83 248	0.59 177	0.57 247	0.52 180	0.61 247	0.40 205	0.75 213	0.52 260	0.13 228	0.12 228	0.13 227	0.12 175	0.15 101	0.11 55

HGLStereo	0.54 240	0.69 272	2.00 246	0.35 238	0.40 349	0.66 283	0.30 221	0.83 248	0.62 214	0.57 247	0.69 316	0.69 292	0.54 297	1.07 249	0.55 269	0.13 228	0.13 244	0.13 227	0.11 143	0.19 199	0.17 208

DSFCA	0.54 240	0.35 123	1.41 54	0.28 80	0.28 246	0.79 356	0.88 415	0.76 189	0.70 286	0.72 352	0.66 298	0.67 279	0.57 311	1.17 264	0.63 294	0.16 299	0.14 259	0.13 227	0.14 230	0.16 134	0.13 120

MSMDNet	0.46 156	0.44 173	2.28 303	0.26 45	0.20 136	0.55 123	0.21 51	0.75 177	0.64 233	0.48 150	0.55 208	0.68 285	0.56 306	0.46 113	0.30 133	0.11 151	0.10 159	0.13 227	0.10 86	0.18 179	0.15 168

mmm	0.38 74	0.21 13	1.18 22	0.35 238	0.17 69	0.49 71	0.26 153	0.78 213	0.52 112	0.50 168	0.57 226	0.41 120	0.37 179	0.71 208	0.31 145	0.11 151	0.13 244	0.14 261	0.13 202	0.15 101	0.14 135

PCWNet_CMD	0.46 156	0.45 179	2.28 303	0.26 45	0.20 136	0.55 123	0.21 51	0.75 177	0.64 233	0.48 150	0.55 208	0.68 285	0.57 311	0.46 113	0.30 133	0.11 151	0.10 159	0.14 261	0.10 86	0.18 179	0.14 135

LL-Strereo	0.72 339	1.29 416	2.49 341	0.36 256	0.45 372	0.55 123	0.32 256	0.93 324	0.71 295	0.67 333	0.58 232	0.85 353	0.79 370	2.67 429	0.46 233	0.10 96	0.18 324	0.14 261	0.12 175	0.40 381	0.42 400

CASS	0.39 87	0.30 87	1.61 92	0.32 176	0.17 69	0.53 106	0.24 119	0.70 147	0.49 92	0.59 276	0.54 199	0.40 114	0.40 205	0.41 84	0.30 133	0.17 313	0.10 159	0.14 261	0.11 143	0.18 179	0.17 208
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
ssnet_v2	0.55 252	0.60 230	1.86 193	0.32 176	0.22 167	0.72 322	0.44 324	0.94 332	0.74 321	0.63 311	0.54 199	0.81 341	0.47 269	0.77 220	0.70 310	0.16 299	0.14 259	0.14 261	0.14 230	0.30 315	0.30 344

BUS	0.41 98	0.27 52	1.13 17	0.30 122	0.21 146	0.91 386	0.23 92	1.00 381	0.61 196	0.63 311	0.53 189	0.66 270	0.30 134	0.43 92	0.32 155	0.13 228	0.10 159	0.14 261	0.12 175	0.12 40	0.11 55

Wz-Net-MNSev	0.65 307	0.97 367	2.19 287	0.36 256	0.33 298	0.90 384	0.60 376	0.92 316	0.81 364	0.75 359	0.72 334	0.73 311	0.65 339	1.39 279	0.71 312	0.16 299	0.13 244	0.14 261	0.14 230	0.24 259	0.18 227

BSDual-CNN	0.41 98	0.27 52	1.13 17	0.30 122	0.21 146	0.76 339	0.31 233	1.00 381	0.61 196	0.63 311	0.53 189	0.63 254	0.37 179	0.43 92	0.38 192	0.13 228	0.10 159	0.14 261	0.12 175	0.12 40	0.11 55

hknet	0.47 170	0.29 78	1.70 107	0.30 122	0.24 196	0.76 339	0.31 233	1.00 381	0.64 233	0.63 311	0.53 189	0.80 338	0.38 185	0.77 220	0.37 186	0.11 151	0.10 159	0.14 261	0.12 175	0.12 40	0.11 55

IPLG	0.69 325	0.84 324	2.43 331	0.35 238	0.21 146	1.65 433	0.61 379	1.36 430	0.58 170	1.39 431	0.51 168	0.37 95	0.87 383	1.41 281	0.36 181	0.09 23	0.07 14	0.14 261	0.12 175	0.32 328	0.11 55

AACVNet	0.54 240	0.78 306	1.73 115	0.36 256	0.21 146	0.57 155	0.25 134	0.71 150	0.51 106	0.55 226	0.59 235	0.64 262	0.41 216	2.13 387	0.41 215	0.14 265	0.11 204	0.14 261	0.11 143	0.33 336	0.15 168

PFNet+	0.45 147	0.37 131	1.86 193	0.46 348	0.18 96	0.58 171	0.77 407	0.52 60	0.64 233	0.56 236	0.48 140	0.39 106	0.26 83	0.93 235	0.32 155	0.13 228	0.09 127	0.14 261	0.13 202	0.12 40	0.15 168

THIR-Stereo	0.86 380	0.62 240	2.13 273	0.25 23	0.16 45	0.58 171	2.74 462	0.59 100	0.51 106	0.62 302	1.62 421	0.97 383	1.80 439	1.69 325	2.25 420	0.10 96	0.08 68	0.14 261	0.11 143	0.15 101	0.11 55

RAFT	0.45 147	0.92 343	1.59 86	0.34 223	0.19 121	0.46 54	0.35 275	0.65 126	0.49 92	0.49 161	0.49 157	0.70 302	0.40 205	0.47 120	0.32 155	0.11 151	0.16 298	0.14 261	0.13 202	0.51 406	0.13 120

ICVP	0.46 156	0.29 78	2.41 325	0.33 196	0.22 167	0.59 187	0.55 361	0.75 177	0.50 99	0.44 112	0.60 248	0.49 191	0.35 160	0.53 154	0.37 186	0.16 299	0.16 298	0.14 261	0.11 143	0.15 101	0.15 168
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
ADLNet	0.60 279	0.71 277	1.95 231	0.35 238	0.34 305	0.67 289	0.34 268	0.90 297	0.74 321	0.68 340	0.62 260	0.80 338	0.45 253	1.78 337	0.64 298	0.14 265	0.11 204	0.14 261	0.14 230	0.29 304	0.21 259

ARAFT	0.60 279	1.23 410	3.10 414	0.28 80	0.16 45	0.64 265	0.36 282	0.90 297	0.67 267	0.61 291	0.49 157	0.55 212	0.31 142	1.24 272	0.32 155	0.10 96	0.08 68	0.14 261	0.13 202	0.37 363	0.21 259

EDNetEfficient	1.27 419	0.70 275	4.05 448	0.64 404	0.98 434	0.94 389	1.40 448	0.85 262	1.75 441	2.34 452	1.33 412	1.05 399	2.21 445	1.58 310	4.15 451	0.15 281	0.19 334	0.14 261	0.27 361	0.38 369	0.32 356

PSMNet-RSSM	0.53 235	0.82 319	1.78 143	0.31 148	0.25 211	0.58 171	0.28 193	0.84 258	0.60 181	0.50 168	0.61 255	0.67 279	0.43 242	1.68 323	0.42 217	0.15 281	0.10 159	0.14 261	0.16 271	0.15 101	0.13 120

DMCA	0.41 98	0.52 204	1.26 33	0.31 148	0.24 196	0.59 187	0.26 153	0.77 199	0.63 225	0.58 263	0.48 140	0.57 230	0.35 160	0.40 82	0.50 255	0.14 265	0.10 159	0.14 261	0.10 86	0.15 101	0.15 168

RTSC	0.72 339	1.00 376	2.22 293	0.40 307	0.29 252	0.82 367	0.31 233	0.96 349	1.10 412	0.92 391	0.81 352	0.78 331	0.58 315	1.23 269	1.55 393	0.18 324	0.17 314	0.14 261	0.17 287	0.43 389	0.30 344

NLCA_NET_v2_RVC	0.55 252	0.92 343	2.36 318	0.38 290	0.37 334	0.60 197	0.28 193	0.82 242	0.62 214	0.62 302	0.55 208	0.72 307	0.45 253	1.00 242	0.43 225	0.15 281	0.11 204	0.14 261	0.14 230	0.15 101	0.16 191
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
DeepPruner_ROB	0.50 201	0.70 275	1.94 228	0.29 108	0.26 224	0.63 254	0.31 233	0.80 231	0.48 86	0.61 291	0.55 208	0.66 270	0.38 185	0.98 240	0.40 209	0.19 338	0.14 259	0.14 261	0.14 230	0.23 244	0.17 208

StereoDRNet-Refined	0.50 201	0.41 153	1.50 75	0.33 196	0.21 146	0.68 301	0.26 153	0.81 235	0.68 269	0.67 333	0.68 309	0.73 311	0.42 232	1.10 252	0.59 286	0.11 151	0.08 68	0.14 261	0.14 230	0.25 269	0.21 259
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DLCB_ROB	0.54 240	0.55 222	1.49 72	0.36 256	0.25 211	0.65 277	0.36 282	0.80 231	0.70 286	0.72 352	0.69 316	0.83 347	0.46 264	1.53 301	0.60 288	0.13 228	0.12 228	0.14 261	0.14 230	0.14 85	0.13 120

DN-CSS_ROB	0.48 175	1.23 410	1.99 244	0.39 298	0.22 167	0.56 137	0.19 21	0.75 177	0.61 196	0.45 122	0.62 260	0.41 120	0.31 142	0.70 206	0.32 155	0.11 151	0.08 68	0.14 261	0.13 202	0.36 356	0.12 86

rvit_0105_6	0.31 28	0.29 78	1.00 13	0.31 148	0.18 96	0.35 22	0.25 134	0.51 49	0.61 196	0.25 35	0.28 29	0.32 77	0.25 69	0.39 77	0.25 81	0.18 324	0.16 298	0.15 287	0.13 202	0.14 85	0.13 120

rvit_0105_5	0.36 62	0.39 145	1.48 70	0.30 122	0.18 96	0.41 35	0.30 221	0.64 121	0.62 214	0.30 56	0.33 58	0.37 95	0.29 126	0.41 84	0.28 105	0.18 324	0.16 298	0.15 287	0.15 252	0.15 101	0.14 135

rvit_0105_4	0.35 58	0.35 123	1.45 62	0.31 148	0.18 96	0.37 26	0.28 193	0.59 100	0.62 214	0.27 48	0.31 49	0.35 90	0.27 99	0.43 92	0.25 81	0.18 324	0.16 298	0.15 287	0.13 202	0.15 101	0.12 86

ffm	0.47 170	0.23 27	2.01 247	0.30 122	0.21 146	0.57 155	0.26 153	0.74 167	0.88 380	0.53 197	0.63 272	0.66 270	0.39 199	0.63 182	0.19 6	0.10 96	0.24 365	0.15 287	0.13 202	0.25 269	0.36 377

ff1	0.73 348	0.23 27	2.01 247	0.30 122	0.21 146	0.57 155	0.26 153	0.74 167	0.88 380	0.53 197	0.63 272	0.66 270	0.39 199	2.52 418	3.43 445	0.10 96	0.24 365	0.15 287	0.13 202	0.25 269	0.36 377

mmx	0.72 339	0.23 27	2.01 247	0.30 122	0.21 146	0.57 155	0.26 153	0.99 373	0.76 343	0.53 197	0.63 272	0.66 270	0.39 199	2.52 418	3.43 445	0.13 228	0.10 159	0.15 287	0.13 202	0.15 101	0.15 168

xxx	0.72 339	0.23 27	2.01 247	0.30 122	0.21 146	0.57 155	0.26 153	0.99 373	0.76 343	0.53 197	0.63 272	0.66 270	0.39 199	2.52 418	3.43 445	0.13 228	0.10 159	0.15 287	0.13 202	0.15 101	0.15 168

CASnet	0.28 9	0.31 96	1.20 26	0.28 80	0.11 1	0.47 57	0.19 21	0.44 19	0.44 51	0.38 82	0.31 49	0.23 20	0.17 6	0.29 18	0.19 6	0.10 96	0.06 1	0.15 287	0.12 175	0.16 134	0.07 3
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
WZ-Net	0.92 388	1.31 418	3.76 440	0.41 313	0.36 323	0.86 377	0.71 399	1.00 381	1.06 408	0.82 379	0.92 372	1.06 401	1.05 402	2.16 389	1.61 395	0.19 338	0.13 244	0.15 287	0.16 271	0.32 328	0.28 330

CFNet_pseudo	0.45 147	0.46 181	2.23 297	0.25 23	0.19 121	0.56 137	0.21 51	0.77 199	0.60 181	0.49 161	0.56 219	0.69 292	0.47 269	0.52 148	0.31 145	0.11 151	0.10 159	0.15 287	0.10 86	0.17 155	0.14 135

pcwnet_v2	0.64 299	0.49 195	4.41 452	0.32 176	0.27 236	0.60 197	0.25 134	0.97 357	0.88 380	0.59 276	0.70 326	0.63 254	0.55 302	0.66 193	0.37 186	0.17 313	0.15 282	0.15 287	0.14 230	0.21 221	0.23 289

HCRNet	0.46 156	0.49 195	1.65 95	0.38 290	0.29 252	0.58 171	0.22 69	0.75 177	0.62 214	0.47 132	0.49 157	0.48 189	0.36 166	1.12 258	0.37 186	0.15 281	0.10 159	0.15 287	0.13 202	0.17 155	0.17 208

RAFT + AFF	0.64 299	1.20 407	1.95 231	0.34 223	0.33 298	0.67 289	0.52 352	0.99 373	0.74 321	0.53 197	0.58 232	0.57 230	0.80 371	1.76 334	0.51 258	0.12 199	0.27 386	0.15 287	0.14 230	0.43 389	0.29 336

GwcNet	0.69 325	0.71 277	3.12 417	0.36 256	0.45 372	0.81 364	0.44 324	0.86 271	0.84 371	0.60 284	0.74 339	0.82 345	0.49 282	1.65 319	0.66 301	0.16 299	0.15 282	0.15 287	0.15 252	0.31 322	0.24 299

CFNet	0.58 269	0.96 359	1.78 143	0.33 196	0.25 211	0.63 254	0.22 69	0.88 285	0.75 334	0.46 130	0.59 235	0.58 237	0.40 205	2.29 396	0.48 245	0.12 199	0.09 127	0.15 287	0.14 230	0.30 315	0.15 168

StereoDRNet	0.64 299	0.88 335	2.35 315	0.41 313	0.45 372	0.73 327	0.47 342	0.94 332	0.74 321	0.75 359	0.54 199	0.74 317	0.47 269	1.70 326	0.72 316	0.15 281	0.14 259	0.15 287	0.14 230	0.20 213	0.19 239

PWCDC_ROB	0.72 339	1.06 387	2.09 264	0.47 353	0.36 323	0.78 352	0.26 153	0.98 361	1.34 426	0.61 291	2.07 430	0.64 262	0.61 328	0.83 227	0.71 312	0.31 398	0.14 259	0.15 287	0.12 175	0.60 417	0.21 259

test_sample7	0.47 170	0.33 106	1.49 72	0.34 223	0.20 136	0.51 82	0.30 221	0.93 324	0.66 260	0.57 247	0.51 168	0.55 212	0.45 253	1.11 255	0.38 192	0.17 313	0.14 259	0.16 304	0.15 252	0.19 199	0.18 227

GMStereo_Zeroshot	0.41 98	0.36 129	1.54 80	0.41 313	0.19 121	0.52 99	0.19 21	0.59 100	0.52 112	0.57 247	0.59 235	0.63 254	0.29 126	0.58 167	0.33 165	0.15 281	0.09 127	0.16 304	0.09 53	0.24 259	0.12 86

StereoVision	0.45 147	0.72 281	1.94 228	0.33 196	0.32 285	0.47 57	0.26 153	0.68 140	0.57 160	0.32 66	0.89 369	0.45 157	0.27 99	0.49 135	0.36 181	0.13 228	0.15 282	0.16 304	0.15 252	0.19 199	0.13 120

CFNet_ucs	0.48 175	0.50 201	2.32 307	0.26 45	0.22 167	0.57 155	0.22 69	0.85 262	0.65 246	0.53 197	0.64 287	0.68 285	0.44 249	0.54 157	0.31 145	0.13 228	0.12 228	0.16 304	0.11 143	0.19 199	0.17 208

LL-Strereo2	0.41 98	0.90 341	1.83 180	0.44 330	0.24 196	0.54 111	0.27 178	0.58 94	0.45 64	0.41 97	0.33 58	0.44 148	0.21 30	0.44 98	0.34 172	0.09 23	0.08 68	0.16 304	0.14 230	0.17 155	0.17 208

Wz-Net-TNSev	0.91 386	1.73 444	3.08 412	0.36 256	0.31 278	1.00 397	0.71 399	1.06 405	0.97 395	0.71 349	0.72 334	1.09 405	0.87 383	2.42 409	1.59 394	0.20 346	0.20 343	0.16 304	0.20 326	0.44 396	0.35 369

Wz-Net-SNSev	0.76 356	1.32 421	3.11 416	0.40 307	0.31 278	0.71 316	0.60 376	0.98 361	0.87 377	0.67 333	0.83 355	0.96 380	0.60 320	1.67 322	0.97 345	0.16 299	0.15 282	0.16 304	0.17 287	0.36 356	0.24 299

NINENet	0.50 201	0.33 106	1.69 103	0.55 388	0.25 211	0.91 386	0.23 92	0.98 361	0.71 295	0.53 197	0.55 208	0.66 270	0.30 134	1.22 268	0.32 155	0.15 281	0.13 244	0.16 304	0.11 143	0.16 134	0.13 120

SACVNet	0.60 279	0.74 287	1.90 209	0.37 276	0.28 246	0.64 265	0.37 289	0.86 271	0.61 196	0.65 327	0.62 260	0.69 292	0.44 249	2.08 383	0.42 217	0.18 324	0.14 259	0.16 304	0.15 252	0.38 369	0.24 299

psm_up	0.57 264	0.61 234	1.83 180	0.35 238	0.30 262	0.64 265	0.37 289	0.90 297	0.68 269	0.59 276	0.55 208	0.68 285	0.54 297	1.91 366	0.46 233	0.16 299	0.15 282	0.16 304	0.15 252	0.23 244	0.13 120

ADCP+	0.94 390	1.12 393	3.14 418	0.34 223	0.39 341	1.06 401	0.79 408	0.89 291	0.80 360	0.66 329	0.67 301	0.85 353	1.55 431	0.93 235	4.55 455	0.13 228	0.11 204	0.16 304	0.15 252	0.26 287	0.25 308

RYNet	0.70 329	0.56 224	2.25 299	0.35 238	0.41 356	0.86 377	0.43 316	0.94 332	0.82 365	0.62 302	0.53 189	0.91 368	0.60 320	2.70 431	1.00 352	0.14 265	0.11 204	0.16 304	0.14 230	0.25 269	0.27 324

ccs_rob	0.45 147	0.46 181	2.22 293	0.26 45	0.19 121	0.56 137	0.21 51	0.77 199	0.60 181	0.49 161	0.56 219	0.69 292	0.47 269	0.52 148	0.31 145	0.11 151	0.09 127	0.16 304	0.10 86	0.17 155	0.14 135

DPSNet	0.86 380	0.60 230	2.34 312	0.58 394	0.36 323	1.07 406	0.75 404	1.30 427	1.05 405	0.70 345	0.68 309	0.94 377	1.29 413	2.08 383	1.82 403	0.26 383	0.23 362	0.16 304	0.17 287	0.48 400	0.40 394

NaN_ROB	1.14 407	0.94 351	2.96 402	0.53 379	0.56 399	1.13 410	0.99 423	0.98 361	1.00 399	1.09 405	0.87 365	0.77 328	1.06 404	5.90 462	2.72 429	0.16 299	0.23 362	0.16 304	0.24 343	0.22 235	0.36 377

SANet	1.20 413	1.21 408	3.33 433	0.38 290	0.27 236	1.73 437	0.85 413	1.10 411	2.49 451	1.16 410	1.83 426	1.72 430	1.50 430	2.37 400	2.84 432	0.18 324	0.16 298	0.16 304	0.15 252	0.32 328	0.32 356

XPNet_ROB	0.61 287	0.72 281	1.66 99	0.37 276	0.27 236	0.67 289	0.47 342	0.89 291	0.71 295	0.78 368	0.70 326	0.81 341	0.53 294	1.70 326	0.76 323	0.21 352	0.16 298	0.16 304	0.15 252	0.20 213	0.21 259

rvit_0105_3	0.39 87	0.47 189	1.46 63	0.33 196	0.19 121	0.45 41	0.35 275	0.69 142	0.65 246	0.37 76	0.37 76	0.40 114	0.31 142	0.44 98	0.30 133	0.18 324	0.17 314	0.17 321	0.18 297	0.15 101	0.15 168

UGAM	0.58 269	0.47 189	2.21 289	0.30 122	0.19 121	0.53 106	0.34 268	0.59 100	0.63 225	0.44 112	0.73 336	0.78 331	0.37 179	2.58 422	0.39 203	0.10 96	0.08 68	0.17 321	0.14 230	0.42 387	0.17 208

CRFU-Net	0.56 258	0.38 136	1.86 193	0.46 348	0.26 224	0.82 367	0.36 282	0.90 297	0.49 92	0.62 302	0.59 235	0.78 331	1.35 420	1.00 242	0.48 245	0.15 281	0.14 259	0.17 321	0.10 86	0.19 199	0.14 135

PSM-AAD	0.63 295	0.22 23	1.77 138	0.37 276	0.23 183	0.86 377	1.17 437	0.59 100	0.60 181	0.64 320	0.71 330	0.68 285	2.93 451	0.65 191	0.31 145	0.09 23	0.07 14	0.17 321	0.15 252	0.13 66	0.33 363

FINET	0.65 307	0.95 357	3.06 411	0.35 238	0.40 349	0.58 171	0.48 345	0.92 316	1.10 412	0.57 247	0.68 309	0.47 178	0.44 249	1.15 263	0.60 288	0.23 368	0.21 351	0.17 321	0.15 252	0.26 287	0.25 308

psmorigin	1.36 425	0.60 230	13.80 473	0.37 276	0.29 252	0.62 237	0.33 264	0.77 199	0.61 196	0.96 396	0.88 367	1.17 415	0.73 360	4.00 455	0.86 338	0.19 338	0.22 356	0.17 321	0.18 297	0.24 259	0.29 336

aanetorigin	0.77 360	0.80 310	2.59 359	0.43 325	0.44 364	0.58 171	1.01 427	0.57 89	0.68 269	1.53 436	1.23 404	0.81 341	1.08 405	1.07 249	1.07 361	0.18 324	0.15 282	0.17 321	0.21 331	0.54 411	0.30 344

EDNetEfficientorigin	8.18 467	0.98 370	145.96 489	0.51 369	0.89 429	0.72 322	0.48 345	0.85 262	1.56 436	2.12 443	1.49 417	1.29 417	1.31 416	1.83 349	2.13 416	0.13 228	0.12 228	0.17 321	0.18 297	0.39 377	0.45 404

FAT-Stereo	0.70 329	0.54 213	2.88 392	0.36 256	0.29 252	0.62 237	0.54 358	0.97 357	0.87 377	0.76 362	0.92 372	0.94 377	0.80 371	1.84 354	0.57 279	0.18 324	0.19 334	0.17 321	0.16 271	0.22 235	0.25 308

FADNet-RVC	0.61 287	1.26 414	2.12 271	0.33 196	0.26 224	0.59 187	0.29 214	0.86 271	0.62 214	0.45 122	0.50 164	0.62 251	0.46 264	1.73 330	0.55 269	0.17 313	0.20 343	0.17 321	0.18 297	0.59 414	0.28 330

FADNet	0.64 299	1.22 409	2.06 256	0.32 176	0.30 262	0.66 283	0.29 214	0.88 285	0.72 303	0.44 112	0.48 140	0.66 270	0.57 311	1.84 354	0.45 232	0.46 413	0.20 343	0.17 321	0.19 316	0.59 414	0.24 299

S-Stereo	0.80 368	0.69 272	3.89 443	0.39 298	0.37 334	0.69 307	0.70 398	0.94 332	0.98 398	0.62 302	0.91 371	0.83 347	0.60 320	2.37 400	0.66 301	0.18 324	0.21 351	0.17 321	0.18 297	0.30 315	0.35 369

STTStereo	0.51 218	0.69 272	2.14 278	0.36 256	0.30 262	0.61 217	0.32 256	0.77 199	0.60 181	0.60 284	0.54 199	0.67 279	0.43 242	0.86 232	0.42 217	0.16 299	0.15 282	0.17 321	0.20 326	0.16 134	0.15 168

SuperB	1.15 409	1.14 397	5.43 459	0.36 256	0.26 224	0.81 364	0.89 416	0.88 285	1.17 417	0.67 333	0.68 309	0.63 254	1.39 424	1.74 332	3.37 443	0.15 281	0.12 228	0.17 321	0.16 271	2.80 463	0.25 308

ADCRef	0.80 368	0.96 359	2.29 305	0.37 276	0.35 316	0.96 391	0.51 349	0.87 280	0.75 334	0.88 386	0.83 355	0.61 247	1.36 421	1.02 244	3.27 440	0.13 228	0.11 204	0.17 321	0.19 316	0.25 269	0.21 259

UCFNet_RVC	0.48 175	0.82 319	1.85 185	0.30 122	0.27 236	0.64 265	0.26 153	0.74 167	0.55 147	0.48 150	0.53 189	0.63 254	0.41 216	0.88 234	0.38 192	0.15 281	0.10 159	0.17 321	0.17 287	0.18 179	0.15 168

AdaStereo	0.44 129	0.38 136	1.79 162	0.34 223	0.20 136	0.57 155	0.28 193	0.92 316	0.69 278	0.52 187	0.55 208	0.61 247	0.33 150	0.48 125	0.39 203	0.17 313	0.08 68	0.17 321	0.11 143	0.18 179	0.12 86
Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Zhe Wang, Jianping Shi: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021.
NVstereo2D	0.58 269	0.40 149	2.03 254	0.35 238	0.35 316	0.69 307	0.39 299	0.91 307	0.80 360	0.47 132	0.53 189	0.67 279	0.46 264	1.99 376	0.48 245	0.19 338	0.11 204	0.17 321	0.13 202	0.25 269	0.25 308

DRN-Test	0.64 299	0.43 164	2.44 333	0.39 298	0.44 364	0.80 363	0.41 307	1.02 392	0.78 352	0.80 370	0.63 272	0.69 292	0.56 306	1.79 341	0.69 309	0.15 281	0.12 228	0.17 321	0.16 271	0.18 179	0.17 208

rvit_105_1	0.44 129	0.54 213	1.46 63	0.36 256	0.24 196	0.51 82	0.45 331	0.75 177	0.74 321	0.45 122	0.44 116	0.44 148	0.36 166	0.62 179	0.38 192	0.20 346	0.18 324	0.18 340	0.22 338	0.18 179	0.18 227

coex-ft	5.95 465	1.67 438	60.57 487	0.34 223	0.30 262	0.77 347	0.69 395	0.74 167	4.41 458	19.22 478	2.15 434	1.62 429	7.97 467	1.81 348	8.96 467	0.44 409	2.08 463	0.18 340	0.19 316	0.38 369	4.62 469

fast-acv-ft	0.63 295	0.88 335	3.10 414	0.38 290	0.30 262	0.79 356	0.48 345	0.69 142	0.72 303	0.58 263	0.78 348	0.76 326	0.60 320	0.67 194	0.73 319	0.15 281	0.15 282	0.18 340	0.17 287	0.37 363	0.16 191

RTS	1.21 414	1.31 418	6.39 461	0.52 373	0.51 390	1.61 429	0.79 408	1.03 399	1.37 428	1.13 407	1.30 409	1.10 407	0.85 379	2.65 426	2.08 412	0.21 352	0.24 365	0.18 340	0.18 297	0.43 389	0.32 356

RTSA	1.21 414	1.31 418	6.39 461	0.52 373	0.51 390	1.61 429	0.79 408	1.03 399	1.37 428	1.13 407	1.30 409	1.10 407	0.85 379	2.65 426	2.08 412	0.21 352	0.24 365	0.18 340	0.18 297	0.43 389	0.32 356

PWC_ROB	0.70 329	0.94 351	1.88 199	0.39 298	0.39 341	0.62 237	0.30 221	0.98 361	0.94 391	0.91 390	1.29 408	0.77 328	0.62 333	1.62 317	1.03 359	0.18 324	0.11 204	0.18 340	0.13 202	0.51 406	0.22 269

DispNO	0.67 314	0.98 370	2.58 357	0.31 148	0.27 236	0.59 187	0.29 214	0.83 248	0.68 269	0.53 197	0.79 351	0.83 347	0.47 269	2.46 413	0.68 307	0.12 199	0.10 159	0.19 346	0.31 378	0.16 134	0.17 208

GASNet	0.73 348	1.47 429	3.04 409	0.47 353	0.33 298	0.57 155	0.34 268	0.91 307	0.75 334	0.58 263	0.58 232	0.74 317	0.55 302	2.03 378	0.65 300	0.21 352	0.15 282	0.19 346	0.17 287	0.51 406	0.28 330

Syn2CoEx	0.70 329	1.07 389	2.74 380	0.43 325	0.30 262	0.64 265	0.42 310	0.99 373	0.78 352	0.62 302	0.78 348	0.74 317	0.72 357	1.92 370	0.61 290	0.20 346	0.17 314	0.19 346	0.15 252	0.29 304	0.22 269

PA-Net	0.84 378	1.00 376	3.49 436	0.63 403	0.40 349	0.70 314	0.52 352	0.86 271	0.84 371	0.52 187	0.59 235	0.70 302	0.54 297	2.35 399	2.23 419	0.17 313	0.27 386	0.19 346	0.28 364	0.22 235	0.36 377
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
DANet	0.80 368	0.65 259	2.21 289	1.19 442	0.48 382	0.74 330	1.25 440	0.89 291	1.53 434	0.89 388	0.71 330	0.96 380	0.56 306	1.83 349	0.96 344	0.18 324	0.16 298	0.19 346	0.16 271	0.26 287	0.29 336
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
MDST_ROB	1.17 412	0.42 160	3.87 442	0.54 382	0.44 364	4.11 463	0.58 372	1.31 428	0.84 371	2.12 443	1.12 399	0.98 384	0.71 354	4.24 458	0.99 351	0.16 299	0.14 259	0.19 346	0.17 287	0.18 179	0.35 369

ETE_ROB	0.60 279	0.71 277	1.55 82	0.37 276	0.25 211	0.69 307	0.51 349	1.47 433	0.70 286	0.80 370	0.69 316	0.85 353	0.49 282	1.36 278	0.58 284	0.16 299	0.13 244	0.19 346	0.16 271	0.21 221	0.23 289

PSMNet_ROB	0.66 311	1.01 380	2.33 310	0.38 290	0.31 278	0.72 322	0.55 361	0.86 271	0.69 278	0.54 209	0.60 248	0.75 322	0.47 269	2.00 377	0.82 334	0.17 313	0.13 244	0.19 346	0.19 316	0.24 259	0.27 324

DMCA-RVC	0.62 292	0.96 359	2.63 363	0.36 256	0.90 430	0.56 137	0.31 233	0.69 142	0.57 160	0.68 340	0.52 180	0.59 239	0.56 306	1.23 269	0.53 264	0.16 299	0.38 408	0.20 354	0.15 252	0.20 213	0.15 168

stereogan	0.69 325	0.51 203	2.44 333	0.39 298	0.39 341	1.01 398	0.41 307	0.94 332	0.92 390	0.73 356	0.85 362	1.15 412	0.69 350	1.57 306	0.53 264	0.19 338	0.18 324	0.20 354	0.16 271	0.36 356	0.24 299

SHD	0.72 339	0.77 298	2.36 318	0.45 344	0.40 349	0.71 316	0.32 256	1.02 392	1.25 422	1.07 403	0.84 358	0.90 367	0.73 360	1.09 251	0.98 346	0.21 352	0.18 324	0.20 354	0.21 331	0.32 328	0.31 351

LALA_ROB	0.60 279	0.76 290	1.69 103	0.36 256	0.29 252	0.79 356	0.55 361	0.94 332	0.77 347	0.81 375	0.67 301	0.94 377	0.49 282	0.99 241	0.73 319	0.21 352	0.15 282	0.20 354	0.18 297	0.23 244	0.21 259

WCMA_ROB	1.12 405	0.83 322	2.66 368	0.58 394	0.34 305	1.17 414	0.71 399	0.93 324	0.94 391	1.74 439	2.63 447	3.09 447	1.71 437	1.70 326	1.84 404	0.26 383	0.21 351	0.20 354	0.21 331	0.28 301	0.43 401

SGM-Forest	1.04 402	0.42 160	3.59 439	0.41 313	0.32 285	1.05 400	1.32 443	0.94 332	0.83 369	1.16 410	2.23 438	1.03 394	1.39 424	2.49 416	2.35 423	0.21 352	0.21 351	0.20 354	0.19 316	0.23 244	0.32 356
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
ADCPNet	0.99 395	0.99 374	3.93 446	0.37 276	0.68 416	1.36 419	0.62 383	0.87 280	0.76 343	0.78 368	0.81 352	1.08 403	1.18 410	1.14 261	2.49 426	0.21 352	0.69 443	0.21 360	0.95 451	0.29 304	0.37 383

CBMV	0.71 336	0.76 290	2.64 365	0.33 196	0.20 136	0.78 352	0.79 408	0.98 361	0.78 352	0.85 385	0.71 330	0.86 357	1.10 407	1.46 288	0.62 292	0.18 324	0.20 343	0.21 360	0.19 316	0.25 269	0.33 363
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
rvit_stereo_0075_2	0.40 92	0.40 149	1.88 199	0.33 196	0.32 285	0.41 35	0.22 69	0.58 94	0.53 130	0.38 82	0.51 168	0.40 114	0.27 99	0.44 98	0.29 119	0.20 346	0.15 282	0.22 362	0.15 252	0.18 179	0.23 289

SDNR	1.22 417	0.80 310	2.71 374	0.33 196	1.48 455	1.98 446	0.23 92	1.93 448	2.44 449	0.89 388	2.52 442	1.36 421	0.51 287	3.65 452	1.93 405	0.30 396	0.31 395	0.22 362	0.16 271	0.33 336	0.36 377

SAMSARA	0.91 386	0.97 367	2.22 293	0.80 418	0.58 403	1.32 417	1.31 442	1.01 389	0.94 391	1.36 427	0.87 365	1.38 422	0.90 388	1.72 329	1.02 357	0.24 375	0.30 393	0.22 362	0.25 351	0.36 356	0.35 369

ADCL	0.99 395	0.79 308	2.43 331	0.39 298	0.32 285	1.50 425	1.90 455	0.92 316	0.97 395	1.26 424	1.27 406	1.00 389	1.42 426	1.14 261	3.31 441	0.17 313	0.14 259	0.22 362	0.21 331	0.30 315	0.22 269

ADCS	1.05 403	1.36 426	2.98 406	0.42 321	0.36 323	0.96 391	0.81 412	1.06 405	1.12 414	1.25 420	0.97 381	1.08 403	0.90 388	1.25 273	4.86 457	0.21 352	0.21 351	0.22 362	0.23 341	0.36 356	0.38 386

CVANet_RVC	0.65 307	0.80 310	2.13 273	0.36 256	0.26 224	0.62 237	0.42 310	0.84 258	0.72 303	0.69 342	0.68 309	0.68 285	0.52 292	2.64 425	0.42 217	0.19 338	0.12 228	0.22 362	0.17 287	0.37 363	0.15 168

MeshStereo	1.21 414	1.15 401	3.01 408	0.34 223	0.28 246	1.10 407	0.69 395	1.35 429	1.01 401	2.71 456	2.41 441	2.96 444	1.45 427	2.80 437	1.40 386	0.22 365	0.22 356	0.22 362	0.19 316	0.50 404	0.26 317
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
FADNet-RVC-Resample	0.67 314	1.16 405	3.16 420	0.37 276	0.29 252	0.62 237	0.38 295	0.86 271	0.63 225	0.51 180	0.50 164	0.57 230	0.45 253	1.57 306	0.49 250	0.24 375	0.32 400	0.23 369	0.19 316	0.27 295	0.62 423

RP	0.67 314	0.82 319	1.94 228	0.43 325	0.44 364	0.65 277	0.45 331	0.89 291	0.82 365	0.66 329	0.92 372	0.99 387	0.76 367	1.55 303	0.66 301	0.25 380	0.18 324	0.23 369	0.20 326	0.31 322	0.22 269

NCC-stereo	0.79 366	0.94 351	2.42 327	0.59 397	0.45 372	1.90 440	0.46 334	0.99 373	0.72 303	0.64 320	0.84 358	0.91 368	0.73 360	1.80 345	1.00 352	0.27 388	0.19 334	0.23 369	0.31 378	0.24 259	0.22 269

Nwc_Net	0.68 321	0.83 322	2.53 347	0.41 313	0.39 341	0.77 347	0.38 295	1.01 389	0.70 286	0.60 284	0.99 384	0.98 384	0.68 349	1.41 281	0.63 294	0.23 368	0.15 282	0.23 369	0.25 351	0.23 244	0.18 227

Abc-Net	0.79 366	0.94 351	2.42 327	0.59 397	0.45 372	1.90 440	0.46 334	0.99 373	0.72 303	0.64 320	0.84 358	0.91 368	0.73 360	1.80 345	1.00 352	0.27 388	0.19 334	0.23 369	0.31 378	0.24 259	0.22 269
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
XQC	0.73 348	0.98 370	2.39 322	0.46 348	0.35 316	0.81 364	0.46 334	1.00 381	1.00 399	0.80 370	0.69 316	0.88 363	0.74 365	1.32 274	1.20 371	0.24 375	0.16 298	0.23 369	0.20 326	0.41 383	0.33 363

APVNet	0.70 329	0.67 266	2.71 374	0.38 290	0.36 323	0.85 375	0.43 316	0.91 307	0.68 269	0.55 226	0.69 316	0.75 322	0.55 302	2.31 397	0.78 327	0.17 313	0.17 314	0.24 375	0.19 316	0.33 336	0.23 289

G-Net	0.99 395	0.64 253	2.76 382	0.57 392	0.67 415	2.03 447	0.72 402	0.76 189	0.67 267	1.14 409	2.56 444	1.30 420	1.02 399	1.48 296	1.74 400	0.25 380	0.24 365	0.24 375	0.26 357	0.37 363	0.31 351

SGM-ForestM	2.98 456	1.70 442	3.52 438	0.67 409	0.47 380	5.18 466	3.36 464	3.30 462	2.86 456	4.44 464	3.79 459	9.80 468	5.50 464	6.29 464	6.52 463	0.27 388	0.36 404	0.24 375	0.27 361	0.38 369	0.58 420

LSM	3.31 458	1.11 392	5.29 458	9.40 472	30.65 483	0.84 371	1.12 434	0.91 307	1.22 420	1.36 427	2.19 435	0.93 373	0.83 375	1.66 320	0.90 340	0.21 352	0.31 395	0.24 375	0.28 364	0.39 377	6.33 470

CSAN	1.25 418	1.12 393	3.04 409	0.51 369	0.37 334	1.06 401	1.15 436	1.22 422	1.08 410	1.17 415	1.91 428	1.04 397	1.31 416	5.96 463	2.43 425	0.26 383	0.22 356	0.24 375	0.24 343	0.31 322	0.30 344

GANet-RSSM	0.55 252	0.73 284	1.90 209	0.36 256	0.26 224	0.59 187	0.27 178	0.78 213	0.52 112	0.47 132	0.57 226	0.63 254	0.45 253	1.92 370	0.43 225	0.14 265	0.10 159	0.25 380	0.11 143	0.34 343	0.14 135

AF-Net	0.69 325	0.92 343	2.21 289	0.41 313	0.40 349	0.68 301	0.40 301	1.02 392	0.86 374	0.69 342	1.03 391	1.04 397	0.84 378	1.19 265	0.78 327	0.22 365	0.14 259	0.25 380	0.17 287	0.30 315	0.18 227

AnyNet_C32	1.00 398	1.33 423	2.53 347	0.49 363	0.54 394	1.15 412	1.14 435	0.91 307	0.89 384	1.11 406	0.95 378	0.87 359	0.93 390	1.50 297	4.07 450	0.21 352	0.20 343	0.25 380	0.24 343	0.38 369	0.33 363

edge stereo	0.81 374	0.73 284	3.30 430	0.37 276	1.21 447	0.62 237	0.39 299	0.93 324	0.79 357	0.80 370	0.88 367	1.14 411	0.71 354	2.18 390	0.71 312	0.21 352	0.20 343	0.26 383	0.18 297	0.38 369	0.26 317

STTRV1_RVC	0.80 368	0.55 222	2.89 395	0.42 321	0.49 383	0.79 356	0.44 324	1.15 419	0.82 365	0.62 302	0.89 369	0.72 307	0.63 336	2.69 430	0.64 298	0.48 414	0.64 435	0.27 384	0.24 343	0.35 351	0.27 324

PS-NSSS	0.63 295	1.00 376	1.81 169	0.30 122	0.31 278	0.63 254	0.34 268	0.98 361	0.69 278	0.54 209	0.74 339	0.51 197	0.41 216	2.43 411	0.48 245	0.24 375	0.17 314	0.27 384	0.18 297	0.27 295	0.21 259

CBMV_ROB	0.76 356	0.42 160	2.68 370	0.33 196	0.22 167	0.74 330	0.47 342	0.96 349	0.76 343	1.04 402	0.96 379	0.88 363	0.93 390	2.06 381	1.19 370	0.22 365	0.24 365	0.27 384	0.25 351	0.25 269	0.28 330

PDISCO_ROB	0.75 353	1.06 387	2.11 268	0.64 404	0.59 405	1.13 410	0.43 316	1.14 416	1.05 405	0.64 320	0.71 330	0.96 380	0.61 328	1.21 266	0.76 323	0.37 406	0.18 324	0.27 384	0.24 343	0.56 413	0.32 356

CFNet-ft	0.51 218	0.76 290	1.79 162	0.28 80	0.30 262	0.63 254	0.28 193	0.66 128	0.55 147	0.45 122	0.57 226	0.74 317	0.41 216	1.46 288	0.42 217	0.14 265	0.10 159	0.28 388	0.13 202	0.18 179	0.14 135

FADNet_RVC	0.81 374	1.14 397	2.42 327	0.30 122	0.24 196	0.71 316	0.24 119	0.95 344	0.61 196	0.44 112	0.56 219	0.59 239	0.42 232	1.52 300	0.68 307	0.94 437	0.96 453	0.28 388	1.00 453	0.90 432	1.36 457

RGC	0.71 336	0.97 367	2.18 286	0.44 330	0.44 364	0.73 327	0.40 301	0.94 332	0.71 295	0.71 349	1.04 394	1.01 390	0.71 354	1.74 332	0.70 310	0.23 368	0.18 324	0.28 388	0.26 357	0.29 304	0.27 324

PVD	0.90 385	0.85 328	2.15 279	0.53 379	0.50 385	0.99 394	0.56 366	1.15 419	1.64 437	1.41 432	1.41 416	1.11 409	1.13 409	1.35 277	1.31 378	0.26 383	0.28 388	0.28 388	0.26 357	0.37 363	0.49 410

AnyNet_C01	1.14 407	1.49 430	4.23 451	0.54 382	0.53 392	1.51 426	1.37 445	1.04 403	1.07 409	1.17 415	1.33 412	1.15 412	1.08 405	1.61 316	2.74 430	0.25 380	0.22 356	0.28 388	0.24 343	0.48 400	0.40 394

CFNet_RVC	0.51 218	0.76 290	1.79 162	0.28 80	0.30 262	0.63 254	0.28 193	0.66 128	0.55 147	0.45 122	0.57 226	0.74 317	0.41 216	1.46 288	0.42 217	0.14 265	0.10 159	0.28 388	0.13 202	0.18 179	0.14 135

NOSS_ROB	0.64 299	0.65 259	1.62 93	0.46 348	0.25 211	0.67 289	0.30 221	0.93 324	0.77 347	0.59 276	0.57 226	0.77 328	0.38 185	2.78 435	0.44 229	0.23 368	0.24 365	0.28 388	0.26 357	0.27 295	0.39 390

HBP-ISP	0.76 356	1.30 417	3.19 424	0.35 238	0.26 224	0.85 375	0.54 358	1.03 399	0.72 303	0.80 370	0.69 316	0.68 285	0.83 375	2.04 379	0.44 229	0.23 368	0.24 365	0.29 395	0.25 351	0.28 301	0.24 299

DeepPrunerF	0.86 380	0.86 329	2.91 400	0.45 344	0.50 385	0.64 265	0.48 345	1.14 416	2.64 453	0.63 311	0.61 255	0.65 265	0.62 333	2.21 392	1.31 378	0.23 368	0.19 334	0.30 396	0.28 364	0.36 356	0.25 308

FC-DCNN v2	1.54 436	0.58 228	2.80 388	0.44 330	0.39 341	2.05 448	0.66 387	1.90 447	1.84 444	2.79 458	2.97 454	4.41 458	3.07 454	2.65 426	2.30 422	0.29 393	0.26 380	0.31 397	0.30 373	0.32 328	0.38 386

FCDSN-DC	1.29 420	0.54 213	2.50 344	0.47 353	0.41 356	1.12 408	0.60 376	1.10 411	1.27 424	2.23 449	2.87 450	3.67 451	3.12 456	2.39 406	1.69 397	0.30 396	0.26 380	0.31 397	0.30 373	0.35 351	0.38 386
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
FC-DCNN	1.49 434	0.59 229	2.88 392	0.44 330	0.39 341	1.97 445	0.66 387	1.67 441	1.70 439	2.72 457	2.89 451	4.22 454	2.97 453	2.55 421	2.19 417	0.29 393	0.26 380	0.31 397	0.30 373	0.32 328	0.39 390

ccnet	0.71 336	0.41 153	1.59 86	0.40 307	0.45 372	1.06 401	0.55 361	0.98 361	0.71 295	0.88 386	0.97 381	0.82 345	0.88 386	1.68 323	0.94 342	0.32 399	0.26 380	0.32 400	0.27 361	0.34 343	0.30 344

MFN_U_SF_DS_RVC	1.01 400	1.67 438	2.32 307	0.47 353	0.39 341	1.47 422	0.95 420	0.95 344	0.91 387	0.84 382	0.94 376	1.05 399	0.60 320	2.95 440	0.72 316	0.41 407	0.72 447	0.32 400	0.55 424	0.74 424	1.22 453

MSMD_ROB	1.34 423	0.96 359	2.38 320	0.39 298	0.32 285	1.96 443	0.62 383	0.91 307	1.43 430	2.94 460	2.60 445	4.77 460	1.95 441	2.43 411	1.33 380	0.29 393	0.26 380	0.32 400	0.32 383	0.30 315	0.30 344

TDLM	0.67 314	0.92 343	1.76 129	0.37 276	0.24 196	0.66 283	0.56 366	0.82 242	0.74 321	1.16 410	0.62 260	0.61 247	0.48 277	2.70 431	0.50 255	0.20 346	0.11 204	0.35 403	0.14 230	0.32 328	0.16 191

ELAS	1.39 428	0.79 308	2.86 391	0.53 379	0.50 385	2.81 457	2.20 457	1.61 440	1.50 433	2.28 451	2.35 439	1.82 431	2.13 443	1.73 330	2.22 418	0.35 403	0.37 406	0.35 403	0.35 393	0.49 402	0.47 407
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
MaskLacGwcNet_RVC	0.77 360	1.04 385	2.06 256	0.94 429	0.35 316	0.89 383	0.40 301	0.85 262	0.63 225	0.55 226	0.63 272	0.75 322	0.38 185	2.38 403	0.48 245	1.10 444	0.31 395	0.36 405	0.21 331	0.53 410	0.55 417

GANetREF_RVC	0.75 353	1.15 401	2.46 336	0.47 353	0.26 224	0.83 369	0.61 379	0.97 357	0.89 384	0.62 302	0.61 255	0.72 307	0.59 318	2.42 409	0.55 269	0.32 399	0.25 378	0.36 405	0.24 343	0.39 377	0.31 351
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
PASM	0.72 339	0.68 268	1.91 215	0.47 353	0.44 364	0.60 197	0.51 349	0.76 189	0.80 360	0.77 366	0.67 301	0.87 359	0.61 328	2.40 407	0.67 304	0.32 399	0.35 402	0.36 405	0.41 411	0.45 397	0.39 390

FBW_ROB	0.83 376	0.77 298	1.77 138	0.44 330	0.30 262	0.87 381	0.46 334	1.10 411	0.91 387	0.81 375	0.75 342	1.01 390	0.61 328	3.66 453	1.23 375	0.26 383	0.23 362	0.36 405	0.25 351	0.27 295	0.62 423

UDGNet	0.44 129	1.02 383	1.74 119	0.35 238	0.19 121	0.58 171	0.23 92	0.49 41	0.66 260	0.41 97	0.38 84	0.34 86	0.29 126	0.53 154	0.30 133	0.24 375	0.10 159	0.37 409	0.19 316	0.27 295	0.15 168

ELAS_RVC	1.37 427	0.78 306	3.21 426	0.55 388	0.50 385	1.49 424	2.48 460	1.48 434	1.71 440	2.13 446	2.09 431	2.07 435	2.56 449	1.90 365	2.02 409	0.35 403	0.36 404	0.37 409	0.34 390	0.49 402	0.47 407
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
MADNet+	1.36 425	1.93 455	5.95 460	0.81 421	0.59 405	1.57 428	1.09 431	1.39 432	1.22 420	0.84 382	1.01 387	1.25 416	1.12 408	3.19 445	2.36 424	0.45 411	0.47 423	0.38 411	0.34 390	0.59 414	0.57 418

dad	0.51 218	1.01 380	1.74 119	0.29 108	0.19 121	0.60 197	0.26 153	0.52 60	0.75 334	0.63 311	0.63 272	0.63 254	0.33 150	0.85 231	0.47 242	0.27 388	0.15 282	0.40 412	0.18 297	0.22 235	0.14 135

hitnet-ft	0.67 314	0.80 310	1.90 209	0.28 80	0.22 167	0.69 307	0.36 282	0.85 262	0.65 246	0.56 236	0.84 358	1.03 394	0.95 395	2.32 398	0.55 269	0.23 368	0.14 259	0.41 413	0.13 202	0.24 259	0.17 208

ADCMid	0.96 394	1.32 421	2.74 380	0.38 290	0.35 316	0.99 394	0.58 372	0.94 332	0.86 374	1.23 419	1.01 387	1.01 390	1.00 397	1.05 248	3.97 448	0.21 352	0.19 334	0.42 414	0.32 383	0.40 381	0.29 336

SGM_RVC	1.89 443	0.92 343	2.50 344	0.96 432	0.93 433	1.63 431	1.37 445	1.52 437	12.43 467	1.85 440	1.69 423	2.40 440	1.74 438	2.81 438	1.71 398	0.53 416	0.47 423	0.42 414	0.47 417	0.74 424	0.74 429
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
MANE	2.90 455	1.14 397	2.96 402	1.03 434	1.01 437	5.01 465	2.45 459	5.36 467	6.88 465	3.58 463	4.76 464	5.99 463	4.99 461	4.23 457	4.61 456	0.56 421	0.67 438	0.44 416	0.78 444	0.51 406	1.03 449

GANet	0.75 353	0.84 324	2.01 247	0.40 307	0.25 211	0.74 330	0.66 387	0.87 280	0.73 317	0.71 349	1.07 396	0.84 350	0.59 318	2.71 433	1.15 368	0.17 313	0.16 298	0.44 416	0.16 271	0.31 322	0.20 253

JetBlue	1.78 440	1.63 434	3.92 444	0.73 412	1.21 447	4.38 464	3.35 463	1.59 438	1.20 419	1.26 424	1.52 419	2.37 439	1.88 440	3.23 446	3.00 433	0.53 416	0.47 423	0.48 418	0.49 419	1.29 445	0.97 443

Consistency-Raft	0.88 383	0.93 349	3.23 428	0.99 433	0.64 413	0.77 347	0.55 361	0.98 361	0.97 395	0.61 291	1.03 391	0.65 265	1.05 402	0.79 225	1.38 383	0.44 409	0.46 420	0.51 419	0.58 432	0.65 419	0.47 407

NVStereoNet_ROB	1.16 411	0.95 357	2.54 353	0.58 394	0.55 397	0.78 352	0.63 385	1.00 381	1.08 410	1.03 400	4.07 460	1.48 426	1.22 411	2.88 439	1.27 377	0.50 415	0.46 420	0.54 420	0.62 435	0.50 404	0.63 425
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
anonymity	0.80 368	0.66 265	1.29 35	0.59 397	0.75 421	0.67 289	0.52 352	0.95 344	0.71 295	0.94 393	0.70 326	0.67 279	0.87 383	0.71 208	1.35 381	0.64 425	0.62 434	0.58 421	1.44 460	0.60 417	0.65 426

SPS-STEREO	1.07 404	1.13 396	2.88 392	0.65 407	0.69 417	0.99 394	0.68 393	1.05 404	0.87 377	1.36 427	1.23 404	1.46 425	0.94 393	1.87 356	1.72 399	0.66 426	0.61 433	0.58 421	0.57 430	0.65 419	0.77 433
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
SQANet	0.80 368	1.58 432	2.53 347	0.76 414	0.83 425	0.76 339	0.36 282	0.83 248	0.64 233	0.63 311	0.69 316	0.73 311	0.51 287	1.21 266	0.53 264	0.77 433	0.29 389	0.59 423	0.29 367	0.86 431	0.61 422

MFMNet_re	0.92 388	1.28 415	2.53 347	0.82 422	0.76 424	0.90 384	0.75 404	0.98 361	1.04 404	1.03 400	1.05 395	0.84 350	0.94 393	0.83 227	0.72 316	0.68 427	0.60 432	0.63 424	0.60 434	0.77 427	0.74 429

SGM+DAISY	1.83 442	1.43 427	3.81 441	0.87 423	1.01 437	2.38 454	2.53 461	1.36 430	1.75 441	2.92 459	3.22 456	2.65 442	2.93 451	2.22 395	3.10 437	0.72 429	0.69 443	0.63 424	0.62 435	0.77 427	0.98 444

NCCL2	0.65 307	0.94 351	1.96 240	0.43 325	0.30 262	0.71 316	0.68 393	0.84 258	0.65 246	0.70 345	0.60 248	0.86 357	0.54 297	1.56 304	0.57 279	0.20 346	0.16 298	0.67 426	0.25 351	0.22 235	0.24 299

MSC_U_SF_DS_RVC	1.34 423	1.70 442	2.50 344	0.56 390	0.40 349	2.15 450	0.99 423	1.24 424	1.26 423	1.02 399	1.10 398	1.29 417	0.88 386	3.10 444	1.08 362	1.66 456	0.83 449	0.68 427	0.88 448	1.57 450	1.80 464

AnonymousM	0.37 68	0.44 173	1.50 75	0.25 23	0.15 31	0.52 99	0.23 92	0.60 109	0.42 40	0.42 101	0.32 53	0.30 67	0.25 69	0.34 51	0.23 51	0.11 151	0.09 127	0.71 428	0.36 400	0.12 40	0.07 3

otaku	1.03 401	1.68 440	2.72 376	0.95 430	0.73 420	1.03 399	0.59 374	0.99 373	0.86 374	0.69 342	1.61 420	0.98 384	0.64 337	1.46 288	1.14 366	0.95 438	0.46 420	0.72 429	0.40 408	1.24 443	0.78 434

Ntro	1.00 398	1.68 440	2.80 388	0.95 430	0.85 426	1.06 401	0.53 355	0.98 361	0.90 386	0.62 302	0.76 344	0.93 373	0.66 344	1.66 320	0.98 346	0.99 441	0.45 418	0.75 430	0.40 408	1.19 439	0.75 431

GCST	0.72 339	1.10 391	2.15 279	1.11 439	0.59 405	0.62 237	0.19 21	0.75 177	0.53 130	0.56 236	0.63 272	0.47 178	0.31 142	1.11 255	0.33 165	0.75 431	0.45 418	0.84 431	0.64 438	0.69 422	0.54 414

DualNet (step1)	0.59 274	0.62 240	1.93 221	0.27 58	0.22 167	0.68 301	0.31 233	0.93 324	0.66 260	0.57 247	0.51 168	0.55 212	0.45 253	1.11 255	0.38 192	0.61 422	0.14 259	0.87 432	0.56 427	0.25 269	0.23 289

test_sample9	0.94 390	0.62 240	1.93 221	0.27 58	0.22 167	0.68 301	0.31 233	0.93 324	0.66 260	0.57 247	0.51 168	0.55 212	0.45 253	1.91 366	2.55 427	0.61 422	4.16 466	0.87 432	0.56 427	0.25 269	0.23 289

test_sample8	1.12 405	0.62 240	1.93 221	0.27 58	0.22 167	0.68 301	0.31 233	0.95 344	0.61 196	1.18 417	0.56 219	2.53 441	1.31 416	1.91 366	2.55 427	0.61 422	4.16 466	0.87 432	0.56 427	0.25 269	0.23 289

UDG	0.77 360	1.23 410	2.15 279	0.67 409	0.59 405	0.78 352	0.38 295	0.90 297	0.70 286	0.61 291	0.69 316	1.01 390	0.67 346	1.02 244	0.73 319	0.45 411	0.34 401	0.87 432	0.51 421	0.67 421	0.46 406

CC-Net-ROB	0.85 379	1.15 401	2.13 273	0.88 424	0.38 339	0.88 382	0.44 324	1.06 405	0.79 357	0.58 263	0.69 316	0.65 265	0.50 285	2.74 434	0.51 258	0.93 436	0.39 414	0.87 432	0.29 367	0.54 411	0.54 414

WAO-7	1.48 433	1.63 434	2.49 341	0.93 428	0.75 421	1.72 436	1.10 432	1.84 446	1.96 446	1.43 433	2.54 443	1.97 433	1.61 434	3.06 442	2.08 412	0.69 428	0.66 437	0.94 437	0.74 442	0.80 429	0.69 428

DDUNet	0.77 360	1.12 393	1.88 199	0.76 414	0.69 417	0.84 371	0.43 316	0.85 262	0.65 246	0.67 333	0.75 342	0.91 368	0.52 292	1.03 246	0.57 279	0.54 418	0.37 406	0.95 438	0.52 423	0.71 423	0.57 418

PWCK	1.49 434	1.90 452	3.22 427	1.09 437	0.54 394	1.71 435	1.73 453	1.49 435	1.53 434	1.44 434	1.80 425	1.82 431	1.30 415	3.34 448	1.76 401	1.07 443	0.56 430	0.97 439	0.58 432	1.38 449	0.65 426

ACVNet_2	1.42 431	1.81 446	3.23 428	1.08 436	0.92 432	1.32 417	0.85 413	1.49 435	1.69 438	1.19 418	1.73 424	2.13 436	1.03 400	2.50 417	1.40 386	0.91 435	0.53 428	1.00 440	0.55 424	2.11 459	0.85 437

RainbowNet	1.15 409	1.78 445	2.72 376	1.12 440	0.91 431	1.06 401	0.76 406	1.16 421	1.13 416	0.75 359	0.97 381	1.09 405	0.80 371	1.60 313	1.21 373	1.17 446	1.26 456	1.01 441	0.57 430	1.13 437	0.88 441

ACVNet_1	1.33 422	1.91 453	4.03 447	1.09 437	0.88 428	1.19 415	0.66 387	1.24 424	1.17 417	0.94 393	0.96 379	3.09 447	1.04 401	2.37 400	1.11 364	1.04 442	0.48 426	1.03 442	0.48 418	1.12 436	0.83 436

ACVNet-4b	1.93 444	1.85 449	4.10 449	1.07 435	0.86 427	1.15 412	0.53 355	1.06 405	1.12 414	0.64 320	1.09 397	1.99 434	0.70 352	2.20 391	9.86 470	5.62 467	0.41 417	1.03 442	0.55 424	1.86 457	0.85 437

LVE	1.96 445	2.17 464	3.14 418	1.68 451	1.80 459	1.63 431	1.03 428	2.34 452	2.81 454	1.25 420	2.89 451	4.24 456	1.29 413	2.79 436	1.44 388	2.85 463	0.91 452	1.18 444	1.46 461	1.23 442	1.10 450

Dean	1.79 441	1.83 447	3.92 444	1.29 444	1.07 442	1.55 427	1.00 426	1.95 449	2.33 448	1.47 435	4.19 461	4.26 457	1.33 419	2.21 392	1.48 390	1.14 445	0.68 442	1.18 444	0.74 442	1.24 443	0.98 444

DispFullNet	1.67 439	2.10 458	5.22 456	1.53 450	8.90 466	0.86 377	0.31 233	0.96 349	0.96 394	1.37 430	1.01 387	1.13 410	1.98 442	1.51 298	0.91 341	0.54 418	0.31 395	1.18 444	0.63 437	1.13 437	0.80 435

WAO-6	1.58 438	1.54 431	2.32 307	1.14 441	1.00 436	2.30 452	1.03 428	1.82 445	2.85 455	1.25 420	2.61 446	2.20 437	1.56 432	2.47 415	1.99 408	0.95 438	0.67 438	1.19 447	0.83 446	1.08 435	0.88 441

IMH-64-1	1.39 428	1.64 436	1.86 193	1.36 445	1.11 443	1.39 420	1.19 438	1.76 442	1.45 431	1.16 410	2.21 436	1.53 427	1.38 422	1.98 373	1.52 391	1.29 448	0.67 438	1.27 448	0.69 439	1.29 445	0.98 444

IMH-64	1.39 428	1.64 436	1.86 193	1.36 445	1.11 443	1.39 420	1.19 438	1.76 442	1.45 431	1.16 410	2.21 436	1.53 427	1.38 422	1.98 373	1.52 391	1.29 448	0.67 438	1.27 448	0.69 439	1.29 445	0.98 444

IMH	2.02 446	2.15 463	2.69 373	1.68 451	1.12 445	1.66 434	0.92 419	2.10 450	1.92 445	1.32 426	2.66 448	2.21 438	1.69 436	5.78 461	1.68 396	5.54 466	0.96 453	1.31 450	0.71 441	1.32 448	0.99 448

LE_ROB	4.43 462	1.35 425	9.38 465	2.79 465	3.93 463	2.43 455	3.46 465	2.68 455	11.19 466	11.66 471	4.73 463	5.26 461	10.46 469	4.50 460	9.49 468	0.82 434	0.69 443	1.34 451	0.98 452	0.75 426	0.76 432

JetRed	3.29 457	4.93 468	10.17 466	1.45 447	1.72 458	7.44 467	5.05 468	3.06 457	2.12 447	2.41 453	2.39 440	2.99 445	2.37 446	3.51 451	6.44 462	1.32 451	1.90 462	1.37 452	1.23 459	2.21 460	1.76 462

TorneroNet-64	2.65 448	1.83 447	3.30 430	1.46 448	1.20 446	3.89 460	0.99 423	3.51 464	6.71 464	2.56 454	4.60 462	4.22 454	3.85 459	3.33 447	3.14 438	1.19 447	0.65 436	1.39 453	0.79 445	3.31 465	1.15 451

Anonymous_2	0.74 351	0.32 100	1.65 95	0.33 196	0.30 262	0.67 289	0.32 256	0.69 142	0.46 69	0.48 150	0.41 101	0.84 350	0.58 315	0.51 144	0.40 209	0.32 399	0.38 408	1.43 454	3.69 467	0.80 429	0.27 324

TorneroNet	5.50 464	1.92 454	3.16 420	1.47 449	1.25 449	14.07 472	1.06 430	4.90 465	20.99 484	10.17 467	16.48 476	11.88 472	6.93 465	3.34 448	4.20 452	1.30 450	0.69 443	1.45 455	0.86 447	2.61 462	1.20 452

WAO-8	2.80 452	2.14 461	2.89 395	1.91 458	1.04 440	3.98 461	0.96 421	3.26 460	6.17 461	2.15 447	3.37 457	3.31 449	2.41 447	11.84 470	2.03 410	2.05 460	1.86 460	1.54 456	0.92 449	1.22 440	0.87 439

Venus	2.80 452	2.14 461	2.89 395	1.91 458	1.04 440	3.98 461	0.96 421	3.26 460	6.17 461	2.15 447	3.37 457	3.31 449	2.41 447	11.84 470	2.03 410	2.05 460	1.86 460	1.54 456	0.92 449	1.22 440	0.87 439

UNDER WATER-64	2.47 447	1.89 451	4.86 454	1.82 457	1.44 452	3.18 459	1.57 452	2.62 453	5.64 460	2.05 442	2.13 433	4.13 453	3.76 458	2.62 424	3.42 444	1.47 453	0.85 450	1.57 458	1.07 455	1.82 456	1.49 459

UNDER WATER	2.74 450	1.85 449	4.54 453	1.81 456	1.44 452	2.34 453	1.40 448	3.24 459	6.60 463	2.60 455	2.76 449	5.75 462	5.24 463	3.02 441	4.01 449	1.45 452	0.81 448	1.59 459	1.06 454	1.80 455	1.51 460

KSHMR	4.10 460	1.97 456	5.27 457	1.71 453	1.47 454	1.96 443	1.28 441	3.19 458	17.33 478	2.12 443	15.91 474	9.18 467	1.57 433	8.42 468	1.98 407	1.52 454	1.26 456	1.67 460	1.19 457	1.67 453	1.40 458

notaker	2.66 449	2.07 457	3.31 432	2.61 464	1.43 450	1.76 438	1.11 433	2.76 456	1.79 443	2.26 450	11.53 471	3.96 452	4.29 460	3.09 443	2.76 431	1.55 455	0.88 451	1.70 461	1.07 455	2.00 458	1.35 456

ktn	4.35 461	2.10 458	2.89 395	1.80 455	1.49 456	2.13 449	1.41 450	2.26 451	12.72 468	11.41 470	16.43 475	11.15 470	3.75 457	4.36 459	3.18 439	1.82 458	0.98 455	1.73 462	1.21 458	2.97 464	1.27 454

MFN_U_SF_RVC	1.55 437	2.39 465	3.16 420	0.65 407	0.41 356	1.12 408	0.46 334	1.23 423	1.33 425	1.61 437	1.20 402	1.43 424	0.98 396	1.76 334	1.97 406	1.90 459	1.80 458	1.98 463	2.15 462	1.63 451	1.77 463

BEATNet-Init1	12.10 470	11.19 471	27.29 485	2.99 466	3.51 462	21.84 483	11.10 470	14.34 476	13.83 473	20.34 479	20.33 481	26.35 487	20.03 478	19.06 481	14.80 476	1.74 457	1.81 459	2.05 464	2.49 465	3.69 467	3.12 467

tt	4.93 463	0.27 52	4.20 450	2.29 461	1.58 457	10.20 470	16.97 474	9.42 472	5.02 459	1.67 438	1.28 407	4.68 459	5.03 462	3.37 450	5.92 461	6.16 468	9.47 475	2.82 465	3.18 466	3.60 466	1.53 461

MADNet++	2.79 451	2.11 460	2.97 405	2.49 462	2.28 460	2.95 458	2.31 458	2.67 454	2.47 450	3.03 461	3.13 455	2.70 443	2.92 450	4.10 456	4.48 454	2.68 462	2.24 465	3.04 466	2.44 464	2.37 461	2.34 465

DGTPSM_ROB	8.89 468	5.62 469	12.25 468	5.92 469	11.32 468	8.54 468	24.18 476	6.40 469	13.49 469	5.15 465	11.46 469	6.19 465	10.92 470	7.00 465	13.72 472	4.47 464	7.65 469	3.92 467	7.45 471	4.38 468	7.87 472

DPSMNet_ROB	9.48 469	5.64 470	13.01 472	8.82 471	11.82 469	8.54 468	24.20 477	6.41 470	13.65 472	5.32 466	11.47 470	6.33 466	10.92 470	7.69 466	13.89 473	7.25 473	8.19 471	5.06 468	7.78 472	5.31 470	8.26 473

DGSMNet	2.89 454	0.63 251	3.18 423	3.43 467	4.17 465	2.57 456	6.98 469	0.97 357	0.83 369	0.56 236	1.86 427	0.79 336	0.62 333	1.64 318	1.39 384	4.61 465	5.01 468	5.17 469	4.71 468	4.44 469	4.19 468

HanzoNet	7.64 466	2.86 466	5.05 455	7.01 470	3.97 464	2.18 451	1.34 444	3.37 463	4.05 457	13.17 472	10.58 465	10.73 469	16.52 476	8.45 469	10.51 471	10.48 474	9.72 476	5.59 470	13.46 475	6.84 471	6.83 471

PML	23.15 480	16.83 475	7.78 463	5.49 468	9.93 467	51.13 488	104.50 488	5.76 468	13.62 471	37.30 488	105.93 488	30.86 488	23.50 483	12.07 472	7.87 466	6.30 469	2.12 464	6.32 471	2.43 463	10.44 474	2.90 466

DPSM_ROB	12.34 471	11.21 473	12.51 469	12.91 474	12.80 471	19.84 480	28.28 482	14.38 477	14.28 474	10.58 468	11.26 467	12.03 473	11.85 473	13.15 476	15.34 477	7.11 471	8.31 472	6.50 472	7.35 469	8.84 472	8.31 474

DPSM	12.34 471	11.21 473	12.51 469	12.91 474	12.80 471	19.84 480	28.28 482	14.38 477	14.28 474	10.58 468	11.26 467	12.03 473	11.85 473	13.15 476	15.34 477	7.11 471	8.31 472	6.50 472	7.35 469	8.84 472	8.31 474

CasAABBNet	24.81 482	22.53 484	24.83 480	26.08 482	25.74 480	39.86 485	57.06 487	28.87 485	28.83 487	21.16 482	22.54 484	24.22 483	23.89 485	26.38 485	30.87 487	14.25 475	16.71 479	13.09 474	14.81 477	17.78 476	16.71 478

Selective-RAFT-Error	24.87 483	22.59 485	25.14 482	26.13 483	25.82 481	39.93 486	57.03 486	28.97 486	28.95 488	21.21 483	22.65 485	24.25 484	23.98 486	26.43 486	30.83 486	14.27 476	16.71 479	13.10 475	14.82 478	17.82 477	16.76 479

LSM0	26.58 484	22.63 486	25.88 483	30.13 484	52.21 488	39.94 487	56.74 485	28.97 486	28.72 486	21.14 481	22.26 483	24.43 485	23.88 484	26.54 487	30.87 487	14.32 477	16.55 478	13.12 476	14.71 476	17.92 478	20.60 482

U	3.37 459	0.17 1	0.91 9	0.26 45	13.79 473	19.19 477	0.15 4	0.41 10	0.31 2	0.17 1	0.18 2	0.27 50	0.15 3	0.21 1	0.16 1	0.09 23	0.06 1	17.88 477	12.81 474	0.10 16	0.08 13

DPSimNet_ROB	17.97 476	20.20 482	24.98 481	17.62 476	15.92 474	21.53 482	21.00 475	13.70 474	15.61 476	23.89 484	14.69 473	22.87 481	24.58 487	12.70 475	14.56 474	18.48 478	12.91 477	20.21 478	12.05 473	17.76 475	14.17 477

HaxPig	19.86 477	22.40 483	22.34 478	17.95 477	17.95 476	11.77 471	11.89 471	16.02 479	15.89 477	21.10 480	21.41 482	18.74 479	18.39 477	20.08 482	19.69 480	23.63 484	23.22 482	24.06 479	23.69 480	23.00 480	23.95 483

LRCNet_RVC	13.74 474	19.30 476	12.75 471	19.46 478	12.69 470	1.86 439	0.41 307	12.33 473	1.05 405	15.77 474	18.83 480	12.62 475	8.70 468	12.21 473	9.62 469	22.22 480	8.37 474	25.85 480	24.01 481	19.32 479	17.44 480

ASD4	21.52 478	19.65 477	22.13 477	22.45 480	16.42 475	23.29 484	30.71 484	33.06 488	17.47 479	24.18 485	14.11 472	21.71 480	15.88 475	21.06 483	18.11 479	19.78 479	17.78 481	26.52 481	20.33 479	27.03 481	18.73 481

MEDIAN_ROB	23.96 481	27.05 487	26.39 484	22.16 479	22.13 478	16.12 473	13.97 472	20.24 480	20.05 480	25.50 486	25.31 486	22.96 482	22.63 482	24.39 484	23.24 484	28.20 485	27.23 486	28.62 482	27.75 482	27.50 482	27.76 484

AVERAGE_ROB	26.93 485	30.34 488	29.27 486	25.82 481	25.34 479	19.48 479	15.17 473	23.55 484	23.00 485	28.45 487	27.87 487	26.25 486	25.86 488	26.96 488	25.55 485	31.30 486	30.07 487	31.76 483	30.81 483	30.79 486	30.93 485

Anonymous_1	22.91 479	11.20 472	12.13 467	12.75 473	26.28 482	19.43 478	27.92 481	14.08 475	13.61 470	14.96 473	10.58 465	11.26 471	11.19 472	12.55 474	14.57 475	38.28 487	7.88 470	34.96 484	63.99 484	89.57 488	10.94 476

FADE	15.89 475	3.00 467	8.70 464	2.11 460	2.94 461	1.19 415	0.91 418	5.00 466	2.49 451	1.25 420	1.19 401	3.05 446	7.02 466	8.02 467	5.31 460	94.83 488	35.90 488	65.83 485	66.18 485	1.66 452	1.30 455

xxxxx1	28.96 486	20.11 479	14.07 474	49.74 485	39.15 485	18.98 474	26.64 478	21.94 481	20.21 481	16.45 475	17.48 477	18.36 476	21.56 479	16.21 478	20.88 481	23.07 481	26.55 483	66.40 486	78.70 486	30.27 483	32.51 486

tt_ll	28.96 486	20.11 479	14.07 474	49.74 485	39.15 485	18.98 474	26.64 478	21.94 481	20.21 481	16.45 475	17.48 477	18.36 476	21.56 479	16.21 478	20.88 481	23.07 481	26.55 483	66.40 486	78.70 486	30.27 483	32.51 486

ff	28.96 486	20.11 479	14.07 474	49.74 485	39.15 485	18.98 474	26.64 478	21.94 481	20.21 481	16.45 475	17.48 477	18.36 476	21.56 479	16.21 478	20.88 481	23.07 481	26.55 483	66.40 486	78.70 486	30.27 483	32.51 486

test_example2	115.39 489	123.23 489	94.57 488	115.52 488	123.55 489	101.63 489	114.33 489	53.41 489	99.48 489	134.90 489	135.05 489	85.83 489	85.11 489	111.32 489	106.15 489	152.55 489	205.26 489	99.78 489	114.96 489	140.96 489	110.20 489

Low-res two-view benchmark