Low-res two-view results

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

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

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

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

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

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

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

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

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

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

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

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

USTest	0.01 9	0.02 12	0.00 1	0.14 95	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.02 21	0.00 1	0.00 1	0.00 1	0.00 1	0.02 18	0.02 20	0.00 1	0.00 1

HITNet	0.01 9	0.01 9	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 9	0.01 10	0.01 10
Vladimir Tankovich, Christian HÃ¤ne, Yinda Zhang, Adarsh Kowdle, Sean Fanello, Sofien Bouaziz: HITNet: Hierarchical Iterative Tile Refinement Network for Real-time Stereo Matching. CVPR 2021
NVstereo2D	0.01 9	0.01 9	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 9	0.01 10	0.01 10

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

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

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

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

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

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

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

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

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

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

Wz-Net-TNSev	0.02 15	0.05 49	0.04 42	0.07 46	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.06 54	0.04 44	0.01 9	0.01 9	0.01 10	0.01 10

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

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

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

RYNet	0.02 15	0.02 12	0.02 14	0.03 28	0.03 47	0.03 40	0.02 20	0.02 20	0.02 21	0.03 40	0.02 20	0.02 20	0.03 51	0.03 39	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

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

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

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

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

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

TCMNet	0.03 29	0.04 37	0.03 34	0.03 28	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.04 70	0.03 51	0.03 42	0.03 51	0.03 39	0.03 47	0.03 34	0.03 35	0.03 38	0.03 53	0.03 43	0.03 50

TCMNet-wrong-test	0.03 29	0.04 37	0.03 34	0.03 28	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.03 39	0.02 20	0.03 34	0.03 35	0.03 38	0.03 53	0.03 43	0.03 50

YMNet	0.03 29	0.04 37	0.03 34	0.03 28	0.03 47	0.03 40	0.02 20	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.02 20	0.03 47	0.03 34	0.03 35	0.03 38	0.03 53	0.03 43	0.03 50

YMNet_1	0.03 29	0.04 37	0.03 34	0.03 28	0.03 47	0.03 40	0.02 20	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.02 20	0.03 47	0.03 34	0.03 35	0.03 38	0.03 53	0.03 43	0.03 50

Wz-Net-SNSev	0.03 29	0.09 63	0.07 57	0.09 52	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.09 65	0.07 56	0.01 9	0.01 9	0.01 10	0.01 10

EDNetEfficientorigin	0.04 37	0.06 54	0.04 42	0.05 42	0.04 76	0.05 83	0.04 76	0.05 83	0.04 77	0.05 85	0.04 84	0.05 85	0.04 80	0.05 76	0.04 71	0.05 50	0.03 35	0.06 87	0.03 53	0.04 73	0.03 50

EDNetEfficient	0.04 37	0.05 49	0.04 42	0.04 36	0.03 47	0.04 73	0.03 49	0.04 73	0.03 54	0.04 70	0.03 51	0.04 73	0.03 51	0.04 68	0.03 47	0.05 50	0.03 35	0.05 80	0.03 53	0.04 73	0.03 50

NVStereoNet_ROB	0.04 37	0.04 37	0.04 42	0.04 36	0.04 76	0.04 73	0.04 76	0.04 73	0.04 77	0.04 70	0.04 84	0.04 73	0.04 80	0.04 68	0.04 71	0.04 43	0.04 44	0.04 70	0.04 74	0.04 73	0.04 75
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
DFGA-Net	0.05 40	0.06 54	0.04 42	0.06 45	0.04 76	0.06 85	0.04 76	0.06 87	0.04 77	0.06 89	0.04 84	0.06 90	0.04 80	0.06 81	0.04 71	0.06 54	0.04 44	0.05 80	0.04 74	0.05 85	0.04 75

GASNet	0.05 40	0.04 37	0.12 99	0.04 36	0.04 76	0.04 73	0.05 86	0.04 73	0.04 77	0.12 115	0.04 84	0.06 90	0.04 80	0.04 68	0.04 71	0.04 43	0.04 44	0.04 70	0.04 74	0.04 73	0.04 75

WZ-Net	0.05 40	0.50 188	0.10 68	0.12 78	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.12 90	0.10 72	0.01 9	0.01 9	0.01 10	0.01 10

Wz-Net-LNSev	0.06 43	0.24 116	0.20 157	0.23 140	0.01 10	0.02 19	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.23 165	0.21 166	0.02 18	0.01 9	0.01 10	0.01 10

Wz-Net-MNSev	0.06 43	0.54 203	0.10 68	0.12 78	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.12 90	0.11 93	0.01 9	0.01 9	0.01 10	0.01 10

AASNet	0.06 43	0.08 57	0.08 59	0.08 48	0.05 92	0.06 85	0.05 86	0.05 83	0.06 99	0.06 89	0.06 99	0.05 85	0.06 99	0.06 81	0.05 82	0.08 59	0.08 58	0.08 94	0.05 89	0.06 89	0.05 90

SACVNet	0.06 43	0.08 57	0.08 59	0.08 48	0.05 92	0.06 85	0.05 86	0.05 83	0.06 99	0.06 89	0.06 99	0.05 85	0.06 99	0.06 81	0.05 82	0.08 59	0.08 58	0.08 94	0.05 89	0.06 89	0.05 90

AACVNet	0.06 43	0.08 57	0.08 59	0.08 48	0.05 92	0.06 85	0.05 86	0.05 83	0.06 99	0.06 89	0.06 99	0.05 85	0.06 99	0.06 81	0.05 82	0.08 59	0.08 58	0.08 94	0.05 89	0.06 89	0.05 90

FINET	0.07 48	0.08 57	0.07 57	0.07 46	0.07 101	0.08 96	0.06 98	0.08 100	0.07 102	0.08 97	0.07 102	0.08 97	0.06 99	0.07 95	0.07 93	0.08 59	0.07 56	0.07 92	0.07 97	0.06 89	0.06 95

ADCMid	0.08 49	0.02 12	0.02 14	1.01 324	0.03 47	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.04 68	0.09 98	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

test_sample7	0.09 50	1.00 256	0.11 88	0.11 72	0.02 21	0.03 40	0.03 49	0.03 42	0.03 54	0.04 70	0.03 51	0.03 42	0.03 51	0.03 39	0.03 47	0.12 90	0.12 107	0.03 38	0.03 53	0.03 43	0.03 50

test_sample6	0.09 50	0.97 252	0.10 68	0.10 55	0.03 47	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.03 51	0.03 42	0.02 21	0.03 39	0.02 20	0.10 70	0.10 72	0.03 38	0.02 20	0.03 43	0.02 20

test_sample3	0.09 50	0.87 231	0.10 68	0.12 78	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.03 39	0.03 47	0.12 90	0.10 72	0.03 38	0.02 20	0.03 43	0.02 20

test_sample2	0.09 50	1.03 268	0.11 88	0.11 72	0.03 47	0.03 40	0.03 49	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 65	0.09 67	0.03 38	0.02 20	0.03 43	0.02 20

test_sample1	0.09 50	0.87 231	0.12 99	0.11 72	0.03 47	0.03 40	0.03 49	0.03 42	0.02 21	0.04 70	0.02 20	0.03 42	0.03 51	0.03 39	0.03 47	0.10 70	0.10 72	0.03 38	0.02 20	0.03 43	0.02 20

SMFormer	0.09 50	1.01 262	0.09 64	0.09 52	0.03 47	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 65	0.09 67	0.03 38	0.02 20	0.03 43	0.02 20

tta	0.09 50	0.95 249	0.09 64	0.10 55	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 65	0.10 72	0.03 38	0.02 20	0.03 43	0.02 20

xxx	0.09 50	1.01 262	0.10 68	0.10 55	0.03 47	0.03 40	0.03 49	0.03 42	0.02 21	0.03 40	0.03 51	0.03 42	0.02 21	0.03 39	0.02 20	0.10 70	0.10 72	0.03 38	0.02 20	0.03 43	0.03 50

SepStereo	0.09 50	0.09 63	0.10 68	0.09 52	0.09 105	0.09 100	0.09 103	0.10 102	0.08 104	0.10 101	0.09 105	0.09 101	0.09 106	0.09 101	0.08 95	0.09 65	0.08 58	0.09 99	0.08 101	0.09 102	0.08 98

APVNet	0.09 50	0.05 49	0.04 42	0.05 42	0.04 76	0.05 83	0.90 361	0.06 87	0.04 77	0.05 85	0.04 84	0.05 85	0.04 80	0.05 76	0.04 71	0.05 50	0.04 44	0.05 80	0.04 74	0.05 85	0.05 90

ADCS	0.09 50	0.02 12	0.04 42	0.90 302	0.06 100	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.14 120	0.36 253	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

DualNet (step1)	0.10 61	1.05 272	0.12 99	0.12 78	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.04 70	0.02 20	0.03 42	0.03 51	0.03 39	0.03 47	0.12 90	0.12 107	0.03 38	0.03 53	0.03 43	0.03 50

test_sample9	0.10 61	1.05 272	0.12 99	0.12 78	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.04 70	0.02 20	0.03 42	0.03 51	0.03 39	0.03 47	0.12 90	0.12 107	0.03 38	0.03 53	0.03 43	0.03 50

test_sample8	0.10 61	1.05 272	0.12 99	0.12 78	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.03 39	0.03 47	0.12 90	0.12 107	0.03 38	0.03 53	0.03 43	0.03 50

test_sample5	0.10 61	1.07 275	0.11 88	0.10 55	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.03 39	0.03 47	0.10 70	0.10 72	0.03 38	0.03 53	0.04 73	0.03 50

test_sample4	0.10 61	1.03 268	0.12 99	0.10 55	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.03 39	0.03 47	0.13 106	0.13 131	0.03 38	0.03 53	0.03 43	0.03 50

DualNet	0.10 61	1.07 275	0.11 88	0.10 55	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.03 39	0.03 47	0.10 70	0.10 72	0.03 38	0.03 53	0.04 73	0.03 50

ttt	0.10 61	1.09 277	0.12 99	0.12 78	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.03 39	0.03 47	0.12 90	0.12 107	0.03 38	0.02 20	0.03 43	0.02 20

1111x	0.10 61	1.14 282	0.13 118	0.14 95	0.03 47	0.04 73	0.03 49	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.03 39	0.03 47	0.13 106	0.11 93	0.03 38	0.02 20	0.03 43	0.02 20

AnonymousM	0.10 61	0.10 65	0.10 68	0.10 55	0.10 111	0.10 101	0.10 108	0.10 102	0.10 108	0.10 101	0.10 109	0.10 103	0.10 110	0.10 103	0.10 104	0.10 70	0.10 72	0.10 100	0.10 110	0.10 103	0.10 106

222	0.10 61	0.99 255	0.12 99	0.13 91	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.03 39	0.03 47	0.12 90	0.12 107	0.03 38	0.02 20	0.04 73	0.03 50

test_xeample	0.10 61	1.09 277	0.13 118	0.12 78	0.03 47	0.03 40	0.03 49	0.04 73	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.03 39	0.03 47	0.14 113	0.14 134	0.03 38	0.03 53	0.03 43	0.03 50

PVD	0.10 61	0.10 65	0.10 68	0.10 55	0.10 111	0.10 101	0.10 108	0.10 102	0.10 108	0.10 101	0.10 109	0.10 103	0.10 110	0.10 103	0.10 104	0.10 70	0.10 72	0.10 100	0.10 110	0.10 103	0.10 106

SHD	0.10 61	0.10 65	0.10 68	0.10 55	0.10 111	0.10 101	0.10 108	0.10 102	0.10 108	0.10 101	0.10 109	0.10 103	0.10 110	0.10 103	0.10 104	0.10 70	0.10 72	0.10 100	0.10 110	0.10 103	0.10 106

SAMSARA	0.10 61	0.10 65	0.10 68	0.10 55	0.10 111	0.10 101	0.10 108	0.10 102	0.10 108	0.10 101	0.10 109	0.10 103	0.10 110	0.10 103	0.10 104	0.10 70	0.10 72	0.10 100	0.10 110	0.10 103	0.10 106

XQC	0.10 61	0.10 65	0.10 68	0.10 55	0.10 111	0.10 101	0.10 108	0.10 102	0.10 108	0.10 101	0.10 109	0.10 103	0.10 110	0.10 103	0.10 104	0.10 70	0.10 72	0.10 100	0.10 110	0.10 103	0.10 106

RTSC	0.10 61	0.10 65	0.10 68	0.10 55	0.10 111	0.10 101	0.10 108	0.10 102	0.10 108	0.10 101	0.10 109	0.10 103	0.10 110	0.10 103	0.10 104	0.10 70	0.10 72	0.10 100	0.10 110	0.10 103	0.10 106

RTS	0.10 61	0.10 65	0.10 68	0.10 55	0.10 111	0.10 101	0.10 108	0.10 102	0.10 108	0.10 101	0.10 109	0.10 103	0.10 110	0.10 103	0.10 104	0.10 70	0.10 72	0.10 100	0.10 110	0.10 103	0.10 106

RTSA	0.10 61	0.10 65	0.10 68	0.10 55	0.10 111	0.10 101	0.10 108	0.10 102	0.10 108	0.10 101	0.10 109	0.10 103	0.10 110	0.10 103	0.10 104	0.10 70	0.10 72	0.10 100	0.10 110	0.10 103	0.10 106

MADNet+	0.10 61	0.10 65	0.10 68	0.10 55	0.10 111	0.10 101	0.10 108	0.10 102	0.10 108	0.10 101	0.10 109	0.10 103	0.10 110	0.10 103	0.10 104	0.10 70	0.10 72	0.10 100	0.10 110	0.10 103	0.10 106

MADNet++	0.10 61	0.10 65	0.10 68	0.10 55	0.10 111	0.10 101	0.10 108	0.10 102	0.10 108	0.10 101	0.10 109	0.10 103	0.10 110	0.10 103	0.10 104	0.10 70	0.10 72	0.10 100	0.10 110	0.10 103	0.10 106

ADCPNet	0.10 61	0.03 31	0.04 42	1.27 395	0.03 47	0.04 73	0.03 49	0.03 42	0.03 54	0.04 70	0.03 51	0.04 73	0.03 51	0.08 98	0.04 71	0.04 43	0.03 35	0.03 38	0.03 53	0.03 43	0.03 50

ISRNet	0.11 82	0.05 49	0.36 223	0.24 145	0.07 101	0.13 116	0.05 86	0.06 87	0.05 91	0.05 85	0.05 93	0.13 117	0.05 87	0.05 76	0.09 98	0.24 170	0.20 163	0.10 100	0.05 89	0.06 89	0.13 139

JetRed	0.11 82	0.12 78	0.11 88	0.11 72	0.11 126	0.11 112	0.14 141	0.11 114	0.11 123	0.12 115	0.11 123	0.11 113	0.11 122	0.11 114	0.11 116	0.11 85	0.16 139	0.11 111	0.11 122	0.11 113	0.11 118

JetBlue	0.11 82	0.11 76	0.12 99	0.13 91	0.14 146	0.11 112	0.11 121	0.11 114	0.11 123	0.11 113	0.11 123	0.11 113	0.11 122	0.12 118	0.12 130	0.11 85	0.11 93	0.11 111	0.11 122	0.11 113	0.11 118

x	0.11 82	1.15 284	0.15 138	0.14 95	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.04 70	0.03 51	0.03 42	0.03 51	0.03 39	0.03 47	0.14 113	0.15 137	0.03 38	0.03 53	0.03 43	0.03 50

Wz-Net-LNSev-Ref	0.11 82	0.44 165	0.33 206	0.39 189	0.02 21	0.03 40	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.39 233	0.36 227	0.02 18	0.02 20	0.02 20	0.02 20

xxxx	0.11 82	1.16 285	0.16 139	0.12 78	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.03 39	0.03 47	0.13 106	0.16 139	0.03 38	0.04 74	0.04 73	0.04 75

BEATNet_4x	0.11 82	0.03 31	0.03 34	1.60 410	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.05 76	0.03 47	0.03 34	0.03 35	0.03 38	0.03 53	0.03 43	0.03 50

ADCL	0.11 82	0.03 31	0.03 34	1.60 410	0.03 47	0.03 40	0.03 49	0.03 42	0.03 54	0.03 40	0.03 51	0.03 42	0.03 51	0.05 76	0.03 47	0.03 34	0.03 35	0.03 38	0.03 53	0.03 43	0.03 50

AnyNet_C01	0.11 82	0.02 12	0.02 14	1.62 413	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.03 40	0.02 20	0.02 20	0.02 21	0.06 81	0.04 71	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.03 50

S2M2	0.12 91	0.14 83	0.10 68	0.15 105	0.10 111	0.14 117	0.10 108	0.14 118	0.10 108	0.15 123	0.10 109	0.14 118	0.10 110	0.14 120	0.10 104	0.13 106	0.10 72	0.13 117	0.09 103	0.13 119	0.09 101

GwcNet	0.12 91	0.07 56	0.05 56	0.08 48	0.05 92	0.08 96	1.20 389	0.07 97	0.05 91	0.05 85	0.05 93	0.08 97	0.05 87	0.08 98	0.03 47	0.07 57	0.05 55	0.06 87	0.05 89	0.07 97	0.05 90

FADNet-RVC-Resample	0.12 91	0.04 37	0.04 42	0.04 36	0.04 76	0.04 73	0.04 76	0.04 73	0.04 77	0.04 70	0.04 84	0.04 73	0.04 80	0.04 68	1.57 450	0.04 43	0.04 44	0.04 70	0.05 89	0.04 73	0.06 95

FADNet_RVC	0.12 91	0.04 37	0.04 42	0.05 42	0.04 76	0.04 73	0.04 76	0.04 73	0.04 77	0.04 70	0.04 84	0.04 73	0.05 87	0.04 68	1.65 454	0.05 50	0.04 44	0.04 70	0.04 74	0.04 73	0.04 75

FADNet	0.12 91	0.05 49	0.04 42	0.04 36	0.04 76	0.04 73	0.04 76	0.04 73	0.04 77	0.04 70	0.04 84	0.04 73	0.05 87	0.04 68	1.66 455	0.06 54	0.04 44	0.04 70	0.04 74	0.04 73	0.04 75

ADCRef	0.12 91	0.03 31	0.04 42	1.71 416	0.04 76	0.03 40	0.03 49	0.04 73	0.04 77	0.04 70	0.03 51	0.04 73	0.03 51	0.06 81	0.04 71	0.04 43	0.04 44	0.04 70	0.04 74	0.03 43	0.04 75

testlalala2	0.13 97	0.16 85	0.11 88	0.15 105	0.11 126	0.16 132	0.11 121	0.16 131	0.11 123	0.16 128	0.11 123	0.16 129	0.11 122	0.16 130	0.11 116	0.14 113	0.11 93	0.14 119	0.11 122	0.14 121	0.11 118

testlalala_base	0.13 97	0.16 85	0.11 88	0.15 105	0.11 126	0.15 124	0.11 121	0.16 131	0.11 123	0.16 128	0.11 123	0.16 129	0.11 122	0.16 130	0.11 116	0.14 113	0.11 93	0.14 119	0.11 122	0.14 121	0.11 118

CIPLG	0.13 97	0.21 104	0.12 99	0.16 115	0.11 126	0.15 124	0.11 121	0.14 118	0.11 123	0.15 123	0.12 133	0.15 128	0.11 122	0.14 120	0.11 116	0.15 122	0.12 107	0.14 119	0.11 122	0.14 121	0.11 118

IPLG	0.13 97	0.20 98	0.14 123	0.15 105	0.11 126	0.14 117	0.11 121	0.14 118	0.11 123	0.14 117	0.11 123	0.14 118	0.11 122	0.14 120	0.11 116	0.15 122	0.12 107	0.14 119	0.11 122	0.14 121	0.11 118

ACRE	0.13 97	0.21 104	0.14 123	0.15 105	0.11 126	0.14 117	0.11 121	0.14 118	0.11 123	0.14 117	0.12 133	0.14 118	0.11 122	0.14 120	0.11 116	0.15 122	0.12 107	0.14 119	0.11 122	0.14 121	0.11 118

LRCNet_RVC	0.13 97	0.13 79	0.09 64	0.13 91	0.10 111	0.14 117	0.10 108	0.14 118	0.10 108	0.23 162	0.10 109	0.20 148	0.10 110	0.24 170	0.11 116	0.11 85	0.09 67	0.12 114	0.14 149	0.12 117	0.09 101

aanetorigin	0.13 97	0.11 76	0.11 88	0.11 72	0.11 126	0.11 112	0.11 121	0.11 114	0.11 123	0.11 113	0.12 133	0.11 113	0.11 122	0.11 114	0.11 116	0.11 85	0.11 93	0.14 119	0.11 122	0.49 273	0.11 118

FADNet-RVC	0.13 97	0.04 37	0.04 42	0.04 36	0.04 76	0.04 73	0.05 86	0.04 73	0.04 77	0.04 70	0.05 93	0.04 73	0.05 87	0.04 68	1.71 457	0.04 43	0.04 44	0.04 70	0.04 74	0.07 97	0.04 75

ELAS	0.13 97	0.16 85	0.11 88	0.15 105	0.09 105	0.18 143	0.11 121	0.18 141	0.11 123	0.17 137	0.11 123	0.18 142	0.11 122	0.18 141	0.11 116	0.14 113	0.08 58	0.14 119	0.08 101	0.14 121	0.09 101
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
mmm	0.14 106	1.83 361	0.12 99	0.11 72	0.03 47	0.03 40	0.03 49	0.03 42	0.04 77	0.03 40	0.03 51	0.03 42	0.03 51	0.06 81	0.04 71	0.12 90	0.11 93	0.05 80	0.04 74	0.05 85	0.04 75

ProNet	0.14 106	0.20 98	0.14 123	0.16 115	0.11 126	0.16 132	0.11 121	0.17 139	0.11 123	0.17 137	0.12 133	0.17 139	0.13 143	0.17 139	0.12 130	0.15 122	0.11 93	0.16 135	0.11 122	0.15 131	0.12 133

IPLGR_C	0.14 106	0.20 98	0.12 99	0.15 105	0.11 126	0.14 117	0.15 146	0.14 118	0.11 123	0.15 123	0.12 133	0.14 118	0.11 122	0.16 130	0.11 116	0.15 122	0.12 107	0.14 119	0.12 138	0.15 131	0.12 133

MIPNet	0.14 106	0.21 104	0.17 146	0.16 115	0.11 126	0.15 124	0.12 136	0.14 118	0.11 123	0.16 128	0.11 123	0.14 118	0.11 122	0.14 120	0.11 116	0.14 113	0.12 107	0.14 119	0.11 122	0.14 121	0.11 118

IPLGR	0.14 106	0.24 116	0.14 123	0.16 115	0.12 141	0.15 124	0.12 136	0.14 118	0.11 123	0.15 123	0.12 133	0.14 118	0.11 122	0.14 120	0.11 116	0.15 122	0.12 107	0.14 119	0.11 122	0.14 121	0.11 118

GMStereo	0.14 106	0.13 79	0.14 123	0.14 95	0.14 146	0.14 117	0.14 141	0.14 118	0.14 146	0.14 117	0.14 150	0.14 118	0.14 147	0.14 120	0.14 140	0.14 113	0.14 134	0.14 119	0.14 149	0.14 121	0.14 144
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
AnyNet_C32	0.14 106	0.04 37	0.03 34	2.22 431	0.04 76	0.03 40	0.03 49	0.03 42	0.03 54	0.03 40	0.03 51	0.04 73	0.02 21	0.07 95	0.04 71	0.02 15	0.02 15	0.03 38	0.03 53	0.02 20	0.03 50

HSM	0.14 106	0.16 85	0.12 99	0.17 123	0.12 141	0.17 140	0.11 121	0.17 139	0.11 123	0.17 137	0.12 133	0.17 139	0.12 138	0.17 139	0.12 130	0.16 129	0.11 93	0.16 135	0.11 122	0.16 135	0.12 133

DRN-Test	0.14 106	0.13 79	0.09 64	0.14 95	0.09 105	0.15 124	0.09 103	0.14 118	0.10 108	0.14 117	0.09 105	0.14 118	0.09 106	0.13 119	0.09 98	0.12 90	0.09 67	0.12 114	0.09 103	0.12 117	0.73 343

ELAS_RVC	0.14 106	0.16 85	0.10 68	0.15 105	0.10 111	0.18 143	0.11 121	0.19 143	0.11 123	0.19 142	0.12 133	0.18 142	0.11 122	0.19 144	0.12 130	0.14 113	0.08 58	0.14 119	0.09 103	0.15 131	0.09 101
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ITSA-stereo	0.15 116	0.17 91	0.13 118	0.20 129	0.13 144	0.19 146	0.13 139	0.18 141	0.13 144	0.19 142	0.13 145	0.18 142	0.14 147	0.18 141	0.14 140	0.16 129	0.11 93	0.15 132	0.14 149	0.18 144	0.11 118

test_for_model	0.15 116	0.23 109	0.18 151	0.21 137	0.11 126	0.16 132	0.11 121	0.16 131	0.11 123	0.16 128	0.11 123	0.16 129	0.11 122	0.16 130	0.11 116	0.21 151	0.18 160	0.14 119	0.11 122	0.14 121	0.11 118

CoDeX	0.15 116	0.70 216	0.02 14	0.02 14	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.01 9	0.02 20	0.67 334	0.02 15	0.69 316	0.75 338	0.01 9	0.02 20	0.02 20

ICVP	0.15 116	0.53 200	0.11 88	0.16 115	0.11 126	0.16 132	0.11 121	0.16 131	0.11 123	0.16 128	0.11 123	0.16 129	0.11 122	0.16 130	0.11 116	0.16 129	0.11 93	0.16 135	0.11 122	0.16 135	0.11 118
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
ADCP+	0.15 116	0.04 37	0.04 42	2.20 430	0.04 76	0.04 73	0.04 76	0.04 73	0.04 77	0.04 70	0.05 93	0.04 73	0.04 80	0.08 98	0.04 71	0.04 43	0.04 44	0.04 70	0.04 74	0.04 73	0.04 75

StereoDRNet	0.15 116	0.14 83	0.10 68	0.14 95	0.09 105	0.15 124	0.09 103	0.14 118	0.09 107	0.14 117	0.10 109	0.14 118	0.09 106	0.14 120	0.09 98	0.13 106	0.10 72	0.13 117	0.09 103	0.13 119	0.82 354

LALA_ROB	0.15 116	0.19 94	0.12 99	0.18 124	0.11 126	0.20 151	0.12 136	0.21 154	0.12 141	0.20 147	0.12 133	0.20 148	0.12 138	0.21 158	0.13 136	0.17 136	0.10 72	0.18 151	0.11 122	0.18 144	0.11 118

SGM_RVC	0.15 116	0.17 91	0.11 88	0.18 124	0.11 126	0.19 146	0.11 121	0.19 143	0.12 141	0.19 142	0.12 133	0.20 148	0.12 138	0.19 144	0.12 130	0.16 129	0.11 93	0.17 142	0.10 110	0.17 140	0.10 106
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
GMStereo_Zeroshot	0.16 124	0.16 85	0.16 139	0.16 115	0.16 164	0.16 132	0.16 149	0.16 131	0.16 158	0.16 128	0.16 159	0.16 129	0.16 157	0.16 130	0.16 156	0.16 129	0.16 139	0.16 135	0.16 154	0.16 135	0.16 145

qqq	0.16 124	2.01 376	0.12 99	0.15 105	0.04 76	0.06 85	0.05 86	0.06 87	0.04 77	0.06 89	0.03 51	0.06 90	0.03 51	0.06 81	0.03 47	0.12 90	0.14 134	0.04 70	0.04 74	0.03 43	0.03 50

DeepPruner_ROB	0.16 124	0.18 93	0.13 118	0.19 127	0.13 144	0.19 146	0.13 139	0.19 143	0.13 144	0.19 142	0.13 145	0.19 146	0.13 143	0.19 144	0.13 136	0.18 144	0.13 131	0.18 151	0.13 146	0.18 144	0.13 139

CAS++	0.17 127	0.27 120	0.21 160	0.10 55	0.21 186	0.15 124	0.22 177	0.10 102	0.21 175	0.22 158	0.10 109	0.19 146	0.18 168	0.10 103	0.19 171	0.20 147	0.19 161	0.18 151	0.10 110	0.19 150	0.18 161
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
11t1	0.17 127	2.16 385	0.13 118	0.13 91	0.04 76	0.06 85	0.04 76	0.06 87	0.04 77	0.06 89	0.03 51	0.06 90	0.03 51	0.06 81	0.05 82	0.18 144	0.12 107	0.06 87	0.03 53	0.05 85	0.03 50

SFCPSM	0.17 127	0.78 220	0.02 14	0.02 14	0.01 10	0.02 19	0.02 20	0.02 20	0.01 10	0.02 20	0.02 20	0.02 20	0.01 9	0.02 20	0.79 352	0.02 15	0.75 326	0.76 340	0.02 20	0.02 20	0.02 20

xyz-stereo-finetune2	0.18 130	0.48 182	0.16 139	0.16 115	0.15 157	0.15 124	0.16 149	0.16 131	0.16 158	0.16 128	0.16 159	0.16 129	0.16 157	0.16 130	0.16 156	0.16 129	0.16 139	0.16 135	0.16 154	0.16 135	0.16 145

xyz-stereo	0.18 130	0.50 188	0.16 139	0.15 105	0.16 164	0.16 132	0.16 149	0.16 131	0.16 158	0.16 128	0.16 159	0.16 129	0.16 157	0.16 130	0.16 156	0.16 129	0.16 139	0.16 135	0.16 154	0.16 135	0.16 145

BEATNet-Init1	0.19 132	0.08 57	0.08 59	2.23 432	0.08 103	0.08 96	0.07 101	0.07 97	0.08 104	0.08 97	0.07 102	0.08 97	0.07 103	0.11 114	0.08 95	0.08 59	0.08 58	0.08 94	0.07 97	0.08 99	0.08 98

DeepPrunerF	0.19 132	0.08 57	0.08 59	2.23 432	0.08 103	0.08 96	0.07 101	0.07 97	0.08 104	0.08 97	0.07 102	0.08 97	0.07 103	0.11 114	0.08 95	0.08 59	0.08 58	0.08 94	0.07 97	0.08 99	0.08 98

IGEV_Zeroshot_test	0.20 134	0.19 94	0.40 239	0.30 162	0.17 167	0.22 160	0.17 154	0.21 154	0.17 163	0.20 147	0.17 164	0.21 155	0.18 168	0.21 158	0.17 159	0.20 147	0.16 139	0.20 155	0.16 154	0.20 151	0.17 157

DAS	0.20 134	0.20 98	0.20 157	0.20 129	0.20 180	0.20 151	0.20 167	0.20 148	0.20 173	0.20 147	0.20 179	0.20 148	0.20 177	0.20 148	0.20 174	0.20 147	0.20 163	0.20 155	0.20 177	0.20 151	0.20 164

ACVNet	0.20 134	0.19 94	0.14 123	0.20 129	0.14 146	0.20 151	0.96 368	0.21 154	0.14 146	0.20 147	0.13 145	0.21 155	0.14 147	0.20 148	0.14 140	0.17 136	0.12 107	0.17 142	0.12 138	0.17 140	0.12 133

acv_ft	0.20 134	0.19 94	0.14 123	0.20 129	0.14 146	0.20 151	0.96 368	0.21 154	0.14 146	0.20 147	0.13 145	0.21 155	0.14 147	0.20 148	0.14 140	0.17 136	0.12 107	0.17 142	0.12 138	0.17 140	0.12 133

iResNetv2_ROB	0.20 134	0.23 109	0.18 151	0.24 145	0.20 180	0.24 167	0.18 160	0.24 165	0.18 165	0.24 167	0.18 174	0.23 165	0.19 173	0.24 170	0.18 168	0.21 151	0.16 139	0.21 157	0.16 154	0.22 156	0.16 145

iResNet	0.20 134	0.23 109	0.18 151	0.24 145	0.18 174	0.24 167	0.20 167	0.24 165	0.18 165	0.23 162	0.17 164	0.23 165	0.18 168	0.23 166	0.18 168	0.22 154	0.16 139	0.21 157	0.16 154	0.21 154	0.16 145

tg	0.21 140	0.25 118	0.21 160	0.26 157	0.17 167	0.24 167	0.17 154	0.24 165	0.17 163	0.24 167	0.17 164	0.24 169	0.17 161	0.24 170	0.17 159	0.24 170	0.17 154	0.23 168	0.16 154	0.23 165	0.16 145

Pointernet	0.21 140	0.22 108	0.19 154	0.24 145	0.19 178	0.24 167	0.19 164	0.24 165	0.19 171	0.24 167	0.19 175	0.24 169	0.19 173	0.24 170	0.19 171	0.22 154	0.17 154	0.22 162	0.17 172	0.22 156	0.17 157

SuperB	0.21 140	0.10 65	2.51 470	0.12 78	0.09 105	0.10 101	0.09 103	0.08 100	0.07 102	0.10 101	0.09 105	0.09 101	0.07 103	0.07 95	0.07 93	0.07 57	0.08 58	0.07 92	0.07 97	0.08 99	0.07 97

WAO-6	0.22 143	0.23 109	0.22 162	0.23 140	0.22 188	0.22 160	0.22 177	0.22 158	0.22 178	0.22 158	0.22 184	0.22 161	0.22 182	0.22 162	0.22 178	0.22 154	0.22 170	0.22 162	0.22 181	0.22 156	0.22 169

IMH-64-1	0.22 143	0.23 109	0.23 165	0.22 138	0.22 188	0.22 160	0.22 177	0.22 158	0.22 178	0.22 158	0.22 184	0.22 161	0.22 182	0.22 162	0.22 178	0.22 154	0.22 170	0.23 168	0.22 181	0.22 156	0.23 171

IMH-64	0.22 143	0.23 109	0.23 165	0.22 138	0.22 188	0.22 160	0.22 177	0.22 158	0.22 178	0.22 158	0.22 184	0.22 161	0.22 182	0.22 162	0.22 178	0.22 154	0.22 170	0.23 168	0.22 181	0.22 156	0.23 171

ac_64	0.22 143	0.13 79	0.19 154	0.23 140	0.10 111	0.26 181	1.02 376	0.14 118	0.10 108	0.28 181	0.14 150	0.17 139	0.19 173	0.28 190	0.09 98	0.22 154	0.16 139	0.23 168	0.17 172	0.11 113	0.12 133

dd	0.23 147	0.98 253	0.16 139	0.23 140	0.15 157	0.23 166	0.15 146	0.23 162	0.15 156	0.23 162	0.15 158	0.24 169	0.17 161	0.23 166	0.15 150	0.22 154	0.15 137	0.21 157	0.15 153	0.22 156	0.16 145

dad	0.23 147	1.03 268	0.16 139	0.23 140	0.15 157	0.24 167	0.15 146	0.24 165	0.16 158	0.23 162	0.16 159	0.24 169	0.16 157	0.23 166	0.15 150	0.22 154	0.16 139	0.22 162	0.16 154	0.22 156	0.16 145

MSKI-zero shot	0.24 149	0.21 104	0.49 277	0.65 275	0.18 174	0.22 160	0.17 154	0.23 162	0.18 165	0.21 156	0.17 164	0.23 165	0.28 217	0.23 166	0.18 168	0.21 151	0.16 139	0.21 157	0.16 154	0.21 154	0.16 145

qqq1	0.25 150	3.70 430	0.14 123	0.14 95	0.04 76	0.06 85	0.05 86	0.06 87	0.05 91	0.06 89	0.05 93	0.04 73	0.05 87	0.06 81	0.05 82	0.13 106	0.12 107	0.06 87	0.05 89	0.03 43	0.04 75

fff1	0.25 150	3.70 430	0.14 123	0.14 95	0.04 76	0.06 85	0.05 86	0.06 87	0.05 91	0.06 89	0.05 93	0.04 73	0.05 87	0.06 81	0.05 82	0.13 106	0.12 107	0.06 87	0.05 89	0.03 43	0.04 75

UNDER WATER-64	0.25 150	0.26 119	0.25 174	0.26 157	0.25 200	0.25 174	0.25 192	0.25 171	0.25 191	0.25 171	0.25 200	0.25 174	0.25 194	0.26 185	0.25 194	0.25 176	0.25 177	0.25 176	0.25 199	0.25 167	0.25 182

ffm	0.25 150	3.83 436	0.12 99	0.12 78	0.05 92	0.06 85	0.05 86	0.06 87	0.05 91	0.03 40	0.03 51	0.06 90	0.05 87	0.06 81	0.05 82	0.12 90	0.12 107	0.05 80	0.04 74	0.06 89	0.04 75

ff1	0.25 150	3.83 436	0.12 99	0.12 78	0.05 92	0.06 85	0.05 86	0.06 87	0.05 91	0.03 40	0.03 51	0.06 90	0.05 87	0.06 81	0.05 82	0.12 90	0.12 107	0.05 80	0.04 74	0.06 89	0.04 75

mmx	0.25 150	3.83 436	0.12 99	0.12 78	0.05 92	0.06 85	0.05 86	0.06 87	0.05 91	0.03 40	0.03 51	0.06 90	0.05 87	0.06 81	0.05 82	0.12 90	0.12 107	0.05 80	0.04 74	0.06 89	0.04 75

MIM_Stereo	0.25 150	0.23 109	0.66 309	0.80 292	0.17 167	0.22 160	0.17 154	0.23 162	0.18 165	0.26 178	0.17 164	0.21 155	0.17 161	0.25 175	0.17 159	0.23 165	0.16 139	0.21 157	0.17 172	0.22 156	0.17 157

LoS	0.25 150	0.27 120	0.25 174	0.25 150	0.25 200	0.25 174	0.25 192	0.26 175	0.25 191	0.25 171	0.25 200	0.25 174	0.25 194	0.25 175	0.25 194	0.26 177	0.25 177	0.25 176	0.26 205	0.26 169	0.25 182
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
Syn2CoEx	0.25 150	1.31 344	0.74 322	0.92 307	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.03 42	0.02 21	0.02 20	0.02 20	0.87 334	0.75 326	0.02 18	0.02 20	0.02 20	0.02 20

model_zeroshot	0.27 159	0.20 98	0.27 181	0.33 171	0.21 186	0.37 215	0.22 177	0.37 207	0.24 186	0.26 178	0.27 210	0.33 200	0.21 181	0.25 175	0.27 200	0.32 194	0.20 163	0.34 212	0.23 186	0.25 167	0.26 188

xyz-stereo-finetune	0.28 160	0.49 184	0.16 139	0.16 115	0.16 164	0.16 132	0.16 149	0.22 158	0.30 227	0.32 192	0.31 234	0.32 197	0.31 234	0.32 198	0.32 228	0.32 194	0.33 220	0.31 196	0.32 245	0.31 183	0.32 233

SQANet	0.28 160	0.28 123	0.28 185	0.28 160	0.28 213	0.28 185	0.28 208	0.28 178	0.28 212	0.28 181	0.28 216	0.28 185	0.28 217	0.28 190	0.28 206	0.28 182	0.28 190	0.28 185	0.28 216	0.28 174	0.28 209

HGLStereo	0.28 160	0.29 125	0.22 162	0.36 178	0.22 188	0.36 210	0.21 172	0.36 201	0.21 175	0.42 247	0.21 183	0.36 212	0.22 182	0.36 214	0.21 176	0.34 200	0.21 166	0.34 212	0.21 178	0.34 195	0.21 166

iResNet_ROB	0.28 160	0.32 128	0.24 171	0.32 168	0.25 200	0.32 199	0.24 189	0.32 187	0.24 186	0.33 197	0.24 194	0.35 206	0.24 191	0.33 204	0.24 188	0.31 193	0.24 176	0.32 197	0.24 194	0.32 185	0.24 181

UNet	0.29 164	0.90 238	0.10 68	0.14 95	0.10 111	0.14 117	0.10 108	0.91 340	0.69 340	0.14 117	0.11 123	0.14 118	0.11 122	0.14 120	0.10 104	0.12 90	0.09 67	0.12 114	0.09 103	0.88 328	0.76 348

DDVS	0.30 165	3.10 417	0.14 123	0.19 127	0.14 146	0.19 146	0.14 141	0.20 148	0.14 146	0.19 142	0.13 145	0.16 129	0.13 143	0.19 144	0.13 136	0.17 136	0.13 131	0.17 142	0.13 146	0.17 140	0.13 139

ACV-stereo	0.30 165	2.08 378	0.25 174	0.25 150	0.18 174	0.24 167	0.17 154	0.24 165	0.18 165	0.24 167	0.17 164	0.25 174	0.17 161	0.24 170	0.17 159	0.22 154	0.16 139	0.22 162	0.16 154	0.22 156	0.16 145

LoS_RVC	0.30 165	1.14 282	0.25 174	0.25 150	0.25 200	0.26 181	0.25 192	0.25 171	0.25 191	0.25 171	0.25 200	0.26 183	0.26 203	0.26 185	0.25 194	0.26 177	0.26 180	0.25 176	0.25 199	0.26 169	0.26 188

CAS	0.30 165	1.17 286	0.25 174	0.25 150	0.25 200	0.26 181	0.25 192	0.25 171	0.26 204	0.25 171	0.25 200	0.25 174	0.25 194	0.25 175	0.25 194	0.26 177	0.26 180	0.26 179	0.25 199	0.26 169	0.25 182

DANet	0.30 165	0.30 126	0.30 191	0.30 162	0.30 229	0.30 188	0.30 220	0.30 184	0.30 227	0.30 185	0.30 231	0.30 193	0.30 229	0.30 195	0.30 223	0.30 190	0.30 207	0.30 192	0.30 235	0.30 180	0.30 224
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
tt1	0.31 170	0.93 247	0.24 171	0.33 171	0.23 193	0.31 191	0.24 189	0.32 187	0.24 186	0.32 192	0.23 188	0.32 197	0.25 194	0.32 198	0.24 188	0.27 180	0.26 180	0.27 183	0.26 205	0.27 172	0.27 196

xxxxx1	0.31 170	0.91 240	0.23 165	0.31 165	0.23 193	0.31 191	0.23 184	0.33 190	0.25 191	0.31 187	0.24 194	0.33 200	0.25 194	0.32 198	0.24 188	0.28 182	0.28 190	0.28 185	0.28 216	0.29 177	0.27 196

DLNR_Zeroshot_test	0.31 170	0.28 123	0.47 266	0.79 290	0.24 198	0.30 188	0.26 200	0.30 184	0.24 186	0.32 192	0.23 188	0.31 195	0.24 191	0.30 195	0.23 184	0.29 189	0.26 180	0.29 190	0.24 194	0.33 191	0.23 171

tt_ll	0.31 170	0.91 240	0.23 165	0.31 165	0.23 193	0.31 191	0.23 184	0.33 190	0.25 191	0.31 187	0.24 194	0.33 200	0.25 194	0.32 198	0.24 188	0.28 182	0.28 190	0.28 185	0.28 216	0.29 177	0.27 196

ff	0.31 170	0.91 240	0.23 165	0.31 165	0.23 193	0.31 191	0.23 184	0.33 190	0.25 191	0.31 187	0.24 194	0.33 200	0.25 194	0.32 198	0.24 188	0.28 182	0.28 190	0.28 185	0.28 216	0.29 177	0.27 196

RAFT + AFF	0.31 170	0.45 168	0.34 214	0.39 189	0.28 213	0.38 219	0.33 234	0.29 182	0.31 231	0.30 185	0.30 231	0.29 190	0.27 211	0.29 193	0.30 223	0.28 182	0.29 199	0.29 190	0.29 225	0.27 172	0.32 233

MLCV	0.31 170	0.35 131	0.27 181	0.35 174	0.28 213	0.35 207	0.27 203	0.35 197	0.28 212	0.36 206	0.27 210	0.35 206	0.27 211	0.35 208	0.27 200	0.34 200	0.27 185	0.34 212	0.27 212	0.34 195	0.27 196

DN-CSS_ROB	0.31 170	0.35 131	0.28 185	0.35 174	0.28 213	0.34 203	0.27 203	0.34 194	0.25 191	0.35 203	0.27 210	0.36 212	0.26 203	0.34 206	0.28 206	0.35 209	0.28 190	0.34 212	0.28 216	0.34 195	0.27 196

WCG-NET（raft）	0.32 178	1.24 340	0.24 171	0.32 168	0.24 198	0.32 199	0.23 184	0.32 187	0.24 186	0.32 192	0.24 194	0.32 197	0.24 191	0.32 198	0.24 188	0.30 190	0.23 174	0.30 192	0.23 186	0.30 180	0.23 171

testlalala	0.32 178	0.81 226	0.31 197	0.39 189	0.26 208	0.33 201	0.24 189	0.33 190	0.26 204	0.32 192	0.26 206	0.33 200	0.23 188	0.33 204	0.23 184	0.35 209	0.31 211	0.30 192	0.24 194	0.31 183	0.21 166

Any-RAFT	0.32 178	0.36 134	0.27 181	0.36 178	0.27 210	0.36 210	0.27 203	0.36 201	0.27 209	0.36 206	0.27 210	0.36 212	0.27 211	0.36 214	0.28 206	0.36 213	0.28 190	0.36 230	0.28 216	0.36 214	0.28 209

GCAP-BAT	0.33 181	0.78 220	0.32 201	0.38 184	0.25 200	0.34 203	0.25 192	0.34 194	0.26 204	0.34 199	0.25 200	0.35 206	0.26 203	0.35 208	0.27 200	0.36 213	0.30 207	0.32 197	0.24 194	0.32 185	0.26 188

StereoDRNet-Refined	0.33 181	0.39 145	0.26 180	0.39 189	0.26 208	0.40 227	0.26 200	0.40 221	0.26 204	0.39 217	0.26 206	0.39 224	0.26 203	0.39 228	0.26 199	0.37 217	0.25 177	0.37 233	0.25 199	0.37 216	0.37 255
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
LG-Stereo_L2	0.34 183	0.37 136	0.38 229	0.47 231	0.28 213	0.39 225	0.28 208	0.39 216	0.28 212	0.39 217	0.28 216	0.39 224	0.28 217	0.38 220	0.28 206	0.42 259	0.35 224	0.36 230	0.26 205	0.35 207	0.26 188

H2IRNET	0.34 183	0.34 130	0.34 214	0.34 173	0.34 254	0.34 203	0.34 243	0.34 194	0.34 247	0.34 199	0.34 248	0.34 205	0.34 246	0.34 206	0.34 248	0.34 200	0.34 223	0.34 212	0.34 255	0.34 195	0.34 244

IGEV++	0.34 183	0.43 162	0.30 191	0.40 202	0.29 220	0.40 227	0.29 215	0.40 221	0.29 217	0.40 222	0.29 220	0.40 231	0.29 223	0.40 231	0.30 223	0.38 224	0.29 199	0.37 233	0.29 225	0.37 216	0.29 214

iRaft-Stereo_5w	0.34 183	0.42 161	0.31 197	0.39 189	0.30 229	0.38 219	0.30 220	0.40 221	0.29 217	0.40 222	0.37 265	0.41 243	0.34 246	0.38 220	0.30 223	0.34 200	0.27 185	0.34 212	0.26 205	0.34 195	0.26 188

CSP-Net	0.34 183	1.29 342	1.19 367	1.36 402	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	1.26 411	1.21 418	0.03 38	0.09 103	0.02 20	0.09 101

iRaft-Stereo_20w	0.34 183	0.41 154	0.31 197	0.39 189	0.29 220	0.40 227	0.32 225	0.41 236	0.32 234	0.38 212	0.30 231	0.39 224	0.30 229	0.38 220	0.32 228	0.35 209	0.27 185	0.34 212	0.27 212	0.34 195	0.29 214

DGSMNet	0.34 183	0.41 154	0.27 181	0.41 212	0.28 213	0.41 243	0.28 208	0.41 236	0.27 209	0.41 235	0.27 210	0.42 259	0.27 211	0.41 245	0.28 206	0.40 237	0.29 199	0.40 254	0.28 216	0.40 236	0.27 196

gcap-zeroshot	0.35 190	0.32 128	0.37 226	0.49 241	0.39 278	0.33 201	0.21 172	0.26 175	0.35 250	0.42 247	0.34 248	0.49 283	0.29 223	0.47 272	0.39 270	0.34 200	0.17 154	0.38 240	0.23 186	0.48 270	0.34 244

CASnet	0.35 190	0.51 195	0.44 255	0.32 168	0.31 233	0.24 167	0.34 243	0.36 201	0.25 191	0.31 187	0.37 265	0.30 193	0.33 242	0.25 175	0.45 291	0.37 217	0.37 229	0.33 205	0.35 261	0.34 195	0.37 255
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
IGEV-Stereo	0.35 190	0.44 165	0.45 257	0.49 241	0.30 229	0.37 215	0.30 220	0.36 201	0.30 227	0.36 206	0.29 220	0.36 212	0.29 223	0.36 214	0.30 223	0.46 263	0.39 242	0.32 197	0.24 194	0.32 185	0.25 182
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
ETE_ROB	0.35 190	0.35 131	0.35 221	0.35 174	0.35 257	0.35 207	0.35 248	0.35 197	0.35 250	0.35 203	0.35 256	0.35 206	0.35 251	0.35 208	0.35 250	0.35 209	0.35 224	0.35 225	0.35 261	0.35 207	0.35 250

GIP-stereo	0.36 194	0.49 184	0.39 236	0.48 235	0.32 235	0.41 243	0.28 208	0.40 221	0.30 227	0.41 235	0.28 216	0.40 231	0.28 217	0.42 258	0.28 206	0.45 262	0.32 213	0.38 240	0.30 235	0.37 216	0.27 196

DCVSM-stereo	0.36 194	1.89 365	0.22 162	0.40 202	0.22 188	0.40 227	0.22 177	0.40 221	0.22 178	0.40 222	0.22 184	0.40 231	0.22 182	0.40 231	0.22 178	0.28 182	0.21 166	0.28 185	0.21 178	0.28 174	0.20 164

RSM	0.36 194	0.36 134	0.43 253	0.37 181	0.42 296	0.49 287	0.42 285	0.37 207	0.28 212	0.36 206	0.29 220	0.36 212	0.30 229	0.37 218	0.28 206	0.34 200	0.31 211	0.34 212	0.35 261	0.40 236	0.29 214

RAFT-Test	0.36 194	0.37 136	0.33 206	0.41 212	0.32 235	0.41 243	0.32 225	0.41 236	0.32 234	0.41 235	0.32 236	0.41 243	0.32 236	0.41 245	0.33 235	0.37 217	0.29 199	0.37 233	0.29 225	0.38 225	0.31 229

DMCA	0.36 194	0.38 139	0.37 226	0.35 174	0.35 257	0.36 210	0.36 254	0.36 201	0.35 250	0.35 203	0.37 265	0.36 212	0.36 254	0.35 208	0.36 253	0.36 213	0.36 227	0.35 225	0.36 267	0.36 214	0.36 251

ACVNet-DCA	0.37 199	1.00 256	0.30 191	0.40 202	0.29 220	0.40 227	0.29 215	0.40 221	0.29 217	0.40 222	0.29 220	0.40 231	0.29 223	0.39 228	0.28 206	0.33 197	0.32 213	0.33 205	0.32 245	0.33 191	0.32 233

1test111	0.37 199	1.02 266	0.30 191	0.39 189	0.29 220	0.40 227	0.28 208	0.39 216	0.29 217	0.39 217	0.29 220	0.39 224	0.28 217	0.40 231	0.29 216	0.33 197	0.32 213	0.33 205	0.31 241	0.32 185	0.31 229

cc1	0.37 199	1.02 266	0.30 191	0.39 189	0.29 220	0.40 227	0.28 208	0.39 216	0.29 217	0.39 217	0.29 220	0.39 224	0.28 217	0.40 231	0.29 216	0.33 197	0.32 213	0.33 205	0.31 241	0.32 185	0.31 229

EKT-Stereo	0.37 199	0.40 147	0.44 255	1.07 327	0.29 220	0.34 203	0.31 224	0.36 201	0.29 217	0.38 212	0.31 234	0.37 218	0.30 229	0.36 214	0.29 216	0.34 200	0.28 190	0.39 250	0.30 235	0.37 216	0.30 224

GMOStereo	0.37 199	0.45 168	0.23 165	0.30 162	0.37 266	0.41 243	0.36 254	0.41 236	0.35 250	0.43 253	0.36 259	0.41 243	0.40 268	0.41 245	0.36 253	0.34 200	0.22 170	0.47 290	0.37 269	0.39 232	0.33 238

XPNet_ROB	0.37 199	0.37 136	0.37 226	0.37 181	0.37 266	0.37 215	0.37 259	0.37 207	0.37 260	0.37 211	0.37 265	0.37 218	0.37 258	0.37 218	0.37 261	0.37 217	0.37 229	0.37 233	0.37 269	0.37 216	0.37 255

HART	0.38 205	0.45 168	0.34 214	0.42 220	0.33 246	0.41 243	0.34 243	0.42 252	0.33 239	0.43 253	0.34 248	0.42 259	0.34 246	0.41 245	0.38 264	0.40 237	0.32 213	0.42 276	0.32 245	0.40 236	0.32 233

GREAT-IGEV	0.38 205	0.43 162	0.36 223	0.48 235	0.32 235	0.45 268	0.32 225	0.45 258	0.32 234	0.45 258	0.32 236	0.45 265	0.32 236	0.45 265	0.32 228	0.44 261	0.33 220	0.41 266	0.29 225	0.41 246	0.29 214

fffy	0.38 205	0.43 162	0.33 206	0.46 225	0.33 246	0.45 268	0.32 225	0.45 258	0.32 234	0.45 258	0.32 236	0.45 265	0.33 242	0.45 265	0.32 228	0.38 224	0.38 235	0.38 240	0.37 269	0.37 216	0.36 251

WAO-8	0.38 205	0.38 139	0.38 229	0.38 184	0.38 273	0.38 219	0.38 265	0.38 212	0.38 264	0.38 212	0.38 270	0.38 220	0.38 262	0.38 220	0.38 264	0.38 224	0.38 235	0.38 240	0.37 269	0.38 225	0.38 262

WAO-7	0.38 205	0.38 139	0.38 229	0.38 184	0.38 273	0.38 219	0.38 265	0.38 212	0.38 264	0.38 212	0.38 270	0.38 220	0.38 262	0.38 220	0.38 264	0.38 224	0.38 235	0.38 240	0.38 281	0.38 225	0.38 262

xx1	0.38 205	1.03 268	0.31 197	0.40 202	0.31 233	0.41 243	0.28 208	0.40 221	0.29 217	0.40 222	0.29 220	0.40 231	0.29 223	0.40 231	0.29 216	0.34 200	0.33 220	0.34 212	0.32 245	0.34 195	0.32 233

Venus	0.38 205	0.38 139	0.38 229	0.38 184	0.38 273	0.37 215	0.38 265	0.37 207	0.37 260	0.41 235	0.37 265	0.39 224	0.37 258	0.38 220	0.38 264	0.37 217	0.38 235	0.38 240	0.37 269	0.37 216	0.38 262

IMH	0.38 205	0.38 139	0.38 229	0.38 184	0.38 273	0.38 219	0.38 265	0.38 212	0.38 264	0.42 247	0.38 270	0.40 231	0.38 262	0.38 220	0.38 264	0.38 224	0.38 235	0.39 250	0.38 281	0.38 225	0.38 262

PAM	0.39 213	1.88 364	0.34 214	0.37 181	0.41 286	0.45 268	0.22 177	0.28 178	0.23 184	0.28 181	0.24 194	0.29 190	0.23 188	0.29 193	0.23 184	0.38 224	0.32 213	0.38 240	0.37 269	0.32 185	0.22 169

HanzoNet	0.39 213	0.38 139	0.40 239	0.39 189	0.41 286	0.38 219	0.38 265	0.38 212	0.38 264	0.39 217	0.39 274	0.38 220	0.38 262	0.39 228	0.40 274	0.38 224	0.38 235	0.40 254	0.38 281	0.38 225	0.40 268

CES	0.39 213	0.47 176	0.36 223	0.36 178	0.37 266	0.45 268	0.35 248	0.35 197	0.40 273	0.36 206	0.44 296	0.47 273	0.36 254	0.44 262	0.36 253	0.37 217	0.39 242	0.44 279	0.35 261	0.37 216	0.36 251

PASM	0.39 213	3.06 416	1.36 430	1.58 408	0.09 105	0.11 112	0.11 121	0.11 114	0.11 123	0.09 100	0.09 105	0.11 113	0.09 106	0.09 101	0.09 98	0.11 85	0.11 93	0.11 111	0.09 103	0.11 113	0.11 118

mms	0.40 217	0.45 168	0.35 221	0.48 235	0.36 263	0.47 277	0.34 243	0.45 258	0.38 264	0.47 266	0.33 241	0.45 265	0.32 236	0.45 265	0.32 228	0.39 233	0.38 235	0.38 240	0.37 269	0.39 232	0.39 266

knoymous	0.40 217	0.40 147	0.40 239	0.40 202	0.40 280	0.40 227	0.40 272	0.40 221	0.40 273	0.40 222	0.40 277	0.40 231	0.40 268	0.40 231	0.40 274	0.40 237	0.40 245	0.40 254	0.40 285	0.40 236	0.40 268

anonymousa	0.40 217	0.40 147	0.40 239	0.40 202	0.40 280	0.40 227	0.40 272	0.40 221	0.40 273	0.40 222	0.40 277	0.40 231	0.40 268	0.40 231	0.40 274	0.40 237	0.40 245	0.40 254	0.40 285	0.40 236	0.40 268

riskmin	0.40 217	0.40 147	0.40 239	0.40 202	0.40 280	0.40 227	0.40 272	0.40 221	0.40 273	0.40 222	0.40 277	0.40 231	0.40 268	0.40 231	0.40 274	0.40 237	0.40 245	0.40 254	0.40 285	0.40 236	0.40 268

Anonymous_2	0.40 217	0.40 147	0.40 239	0.40 202	0.40 280	0.40 227	0.40 272	0.40 221	0.40 273	0.40 222	0.40 277	0.40 231	0.40 268	0.40 231	0.40 274	0.40 237	0.40 245	0.40 254	0.40 285	0.40 236	0.40 268

Anonymous_1	0.40 217	0.40 147	0.40 239	0.40 202	0.40 280	0.40 227	0.40 272	0.40 221	0.40 273	0.40 222	0.40 277	0.40 231	0.40 268	0.40 231	0.40 274	0.40 237	0.40 245	0.40 254	0.40 285	0.40 236	0.40 268

AdaStereo	0.40 217	0.40 147	0.40 239	0.40 202	0.40 280	0.40 227	0.40 272	0.40 221	0.40 273	0.40 222	0.40 277	0.40 231	0.40 268	0.40 231	0.40 274	0.40 237	0.40 245	0.40 254	0.40 285	0.40 236	0.40 268
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.
GwcNet-ADL	0.41 224	0.41 154	0.41 247	0.41 212	0.41 286	0.41 243	0.41 280	0.41 236	0.41 282	0.41 235	0.41 283	0.41 243	0.41 279	0.41 245	0.41 281	0.41 245	0.41 254	0.41 266	0.41 292	0.41 246	0.41 275

PSMNet-ADL	0.41 224	0.41 154	0.41 247	0.41 212	0.41 286	0.41 243	0.41 280	0.41 236	0.41 282	0.41 235	0.41 283	0.41 243	0.41 279	0.41 245	0.41 281	0.41 245	0.41 254	0.41 266	0.41 292	0.41 246	0.41 275

GANet-ADL	0.41 224	0.41 154	0.41 247	0.41 212	0.41 286	0.41 243	0.41 280	0.41 236	0.41 282	0.41 235	0.41 283	0.41 243	0.41 279	0.41 245	0.41 281	0.41 245	0.41 254	0.41 266	0.41 292	0.41 246	0.41 275

ADLNet2	0.41 224	0.41 154	0.41 247	0.41 212	0.41 286	0.41 243	0.41 280	0.41 236	0.41 282	0.41 235	0.41 283	0.41 243	0.41 279	0.41 245	0.41 281	0.41 245	0.41 254	0.41 266	0.41 292	0.41 246	0.41 275

ADLNet	0.41 224	0.41 154	0.41 247	0.41 212	0.41 286	0.41 243	0.41 280	0.41 236	0.41 282	0.41 235	0.41 283	0.41 243	0.41 279	0.41 245	0.41 281	0.41 245	0.41 254	0.41 266	0.41 292	0.41 246	0.41 275

FCDSN-DC	0.41 224	0.59 208	0.64 305	0.54 257	0.33 246	0.50 295	0.37 259	0.42 252	0.40 273	0.61 315	0.43 294	0.50 297	0.49 308	0.38 220	0.32 228	0.28 182	0.23 174	0.26 179	0.22 181	0.35 207	0.28 209
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
psmorigin	0.41 224	0.46 172	0.33 206	0.49 241	0.33 246	0.49 287	0.33 234	0.49 274	0.33 239	0.49 279	0.33 241	0.49 283	0.33 242	0.51 298	0.33 235	0.41 245	0.30 207	0.41 266	0.30 235	0.79 316	0.29 214

Gwc-CoAtRS	0.41 224	1.49 349	0.32 201	0.42 220	0.32 235	0.41 243	0.32 225	0.41 236	0.33 239	0.41 235	0.32 236	0.41 243	0.32 236	0.41 245	0.32 228	0.39 233	0.28 190	0.39 250	0.28 216	0.40 236	0.28 209

UPFNet	0.42 232	1.20 290	0.17 146	0.24 145	0.17 167	0.25 174	0.17 154	1.19 368	0.90 363	0.25 171	0.17 164	0.24 169	0.17 161	0.25 175	0.17 159	0.22 154	0.17 154	0.22 162	0.16 154	1.15 353	0.93 363

psmg	0.43 233	1.91 368	0.92 343	1.91 420	0.02 21	0.02 19	0.03 49	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.03 39	0.02 20	1.97 442	1.44 432	0.04 70	0.03 53	0.02 20	0.03 50

delet	0.43 233	1.21 336	0.17 146	0.25 150	0.17 167	0.25 174	0.18 160	1.26 420	0.95 371	0.25 171	0.17 164	0.25 174	0.17 161	0.25 175	0.17 159	0.23 165	0.16 139	0.22 162	0.16 154	1.18 361	0.98 367

psm_up	0.43 233	1.19 289	0.17 146	0.25 150	0.18 174	0.25 174	0.19 164	1.26 420	0.91 364	0.26 178	0.17 164	0.25 174	0.17 161	0.25 175	0.17 159	0.22 154	0.17 154	0.23 168	0.16 154	1.18 361	0.99 368

MMNet	0.44 236	1.24 340	0.17 146	0.25 150	0.17 167	0.25 174	0.18 160	1.26 420	0.93 369	0.25 171	0.17 164	0.25 174	0.18 168	0.25 175	0.17 159	0.23 165	0.16 139	0.23 168	0.16 154	1.20 364	0.99 368

SCV_C0	0.45 237	0.88 233	0.49 277	0.54 257	0.37 266	0.48 282	0.37 259	0.48 270	0.37 260	0.48 272	0.36 259	0.48 279	0.37 258	0.49 285	0.37 261	0.50 281	0.41 254	0.44 279	0.34 255	0.44 255	0.34 244

RAFT-Stereo-weight	0.45 237	1.90 367	0.34 214	0.42 220	0.36 263	0.43 265	0.35 248	0.42 252	0.34 247	0.42 247	0.34 248	0.44 263	0.34 246	0.41 245	0.34 248	0.38 224	0.32 213	0.38 240	0.32 245	0.38 225	0.33 238

TorneroNet-64	0.45 237	0.27 120	0.30 191	0.58 263	0.27 210	0.70 328	0.30 220	0.28 178	0.73 350	0.73 330	0.28 216	0.71 330	0.66 333	0.75 334	0.27 200	0.27 180	0.29 199	0.37 233	0.75 354	0.28 174	0.30 224

SCV	0.46 240	0.94 248	0.45 257	0.54 257	0.37 266	0.48 282	0.38 265	0.48 270	0.37 260	0.48 272	0.39 274	0.48 279	0.37 258	0.49 285	0.37 261	0.50 281	0.46 266	0.44 279	0.34 255	0.44 255	0.34 244

otaku	0.46 240	0.46 172	0.46 261	0.46 225	0.46 303	0.46 273	0.46 294	0.46 261	0.46 294	0.46 261	0.46 301	0.46 268	0.46 294	0.46 268	0.46 295	0.46 263	0.46 266	0.46 286	0.46 304	0.46 260	0.46 289

Dean	0.46 240	0.46 172	0.46 261	0.46 225	0.46 303	0.46 273	0.46 294	0.46 261	0.46 294	0.47 266	0.46 301	0.46 268	0.46 294	0.46 268	0.46 295	0.46 263	0.46 266	0.46 286	0.46 304	0.46 260	0.46 289

ACVNet_1	0.46 240	0.47 176	0.46 261	0.46 225	0.46 303	0.46 273	0.46 294	0.46 261	0.47 299	0.46 261	0.46 301	0.46 268	0.46 294	0.46 268	0.46 295	0.46 263	0.46 266	0.47 290	0.46 304	0.46 260	0.46 289

ACVNet-4b	0.46 240	0.46 172	0.46 261	0.46 225	0.46 303	0.46 273	0.46 294	0.46 261	0.46 294	0.46 261	0.46 301	0.46 268	0.46 294	0.47 272	0.46 295	0.46 263	0.46 266	0.46 286	0.46 304	0.46 260	0.46 289

PML	0.46 240	1.36 347	0.29 187	0.58 263	0.30 229	0.57 315	0.29 215	0.57 301	0.29 217	0.57 310	0.29 220	0.57 314	0.29 223	0.56 308	0.29 216	0.52 289	0.30 207	0.53 316	0.31 241	0.53 289	0.30 224

LG-Stereo_L1	0.47 246	0.52 197	0.47 266	0.62 269	0.39 278	0.53 305	0.40 272	0.53 294	0.39 272	0.53 300	0.39 274	0.53 304	0.39 267	0.53 303	0.39 270	0.55 293	0.46 266	0.49 302	0.37 269	0.49 273	0.37 255

Ntro	0.47 246	0.47 176	0.46 261	0.46 225	0.46 303	0.47 277	0.47 299	0.46 261	0.47 299	0.46 261	0.46 301	0.47 273	0.46 294	0.47 272	0.47 301	0.47 268	0.46 266	0.46 286	0.46 304	0.46 260	0.46 289

HaxPig	0.47 246	0.47 176	0.47 266	0.49 241	0.47 309	0.47 277	0.47 299	0.47 266	0.47 299	0.47 266	0.47 309	0.47 273	0.47 302	0.47 272	0.47 301	0.47 268	0.47 274	0.47 290	0.47 311	0.47 267	0.48 298

UNDER WATER	0.47 246	0.47 176	0.47 266	0.47 231	0.47 309	0.47 277	0.47 299	0.47 266	0.47 299	0.47 266	0.47 309	0.47 273	0.46 294	0.47 272	0.47 301	0.47 268	0.47 274	0.47 290	0.46 304	0.47 267	0.47 296

LVE	0.47 246	0.47 176	0.47 266	0.47 231	0.49 315	0.47 277	0.47 299	0.47 266	0.49 308	0.47 266	0.47 309	0.47 273	0.46 294	0.47 272	0.47 301	0.47 268	0.47 274	0.48 298	0.47 311	0.47 267	0.47 296

LG-Stereo_Zeroshot	0.48 251	0.55 205	0.47 266	0.63 271	0.41 286	0.56 310	0.44 288	0.56 298	0.41 282	0.56 308	0.41 283	0.57 314	0.42 285	0.56 308	0.41 281	0.55 293	0.43 262	0.51 311	0.37 269	0.51 284	0.37 255

fffft	0.48 251	0.51 195	0.45 257	0.52 254	0.45 301	0.52 304	0.45 292	0.52 293	0.48 306	0.53 300	0.45 299	0.52 303	0.45 291	0.52 301	0.46 295	0.51 287	0.41 254	0.50 306	0.41 292	0.50 278	0.41 275
1: 1. 1
RainbowNet	0.48 251	0.48 182	0.48 273	0.48 235	0.48 313	0.48 282	0.48 308	0.48 270	0.48 306	0.48 272	0.48 313	0.48 279	0.48 303	0.48 279	0.48 307	0.48 272	0.48 277	0.48 298	0.48 314	0.48 270	0.48 298

notaker	0.48 251	0.49 184	0.48 273	0.48 235	0.48 313	0.48 282	0.48 308	0.48 270	0.49 308	0.48 272	0.48 313	0.48 279	0.48 303	0.48 279	0.48 307	0.48 272	0.48 277	0.48 298	0.48 314	0.48 270	0.49 303

LL-Strereo2	0.48 251	1.73 359	0.51 285	0.59 265	0.34 254	0.42 261	0.33 234	0.40 221	0.31 231	0.42 247	0.33 241	0.42 259	0.31 234	0.44 262	0.39 270	0.60 298	0.51 290	0.44 279	0.33 253	0.44 255	0.33 238

Former-RAFT_DAM_RVC	0.49 256	0.98 253	0.64 305	0.84 297	0.46 303	0.45 268	0.35 248	0.47 266	0.47 299	0.45 258	0.34 248	0.46 268	0.48 303	0.46 268	0.35 250	0.39 233	0.71 321	0.39 250	0.35 261	0.41 246	0.41 275

ACVNet_2	0.49 256	0.49 184	0.49 277	0.49 241	0.49 315	0.49 287	0.49 310	0.49 274	0.49 308	0.49 279	0.49 316	0.49 283	0.49 308	0.49 285	0.49 309	0.49 275	0.49 280	0.49 302	0.49 317	0.49 273	0.49 303

FoundationStereo	0.50 258	0.50 188	0.50 280	0.50 248	0.50 319	0.50 295	0.50 312	0.50 282	0.50 311	0.50 291	0.50 318	0.50 297	0.50 311	0.50 292	0.50 310	0.50 281	0.50 286	0.50 306	0.50 319	0.50 278	0.50 306

StereoAnything_RVC	0.50 258	0.50 188	0.50 280	0.50 248	0.50 319	0.50 295	0.50 312	0.50 282	0.50 311	0.50 291	0.50 318	0.50 297	0.50 311	0.50 292	0.50 310	0.50 281	0.50 286	0.50 306	0.50 319	0.50 278	0.50 306

dual_stereo	0.50 258	0.50 188	0.50 280	0.50 248	0.50 319	0.50 295	0.50 312	0.50 282	0.50 311	0.50 291	0.50 318	0.50 297	0.50 311	0.50 292	0.50 310	0.50 281	0.50 286	0.50 306	0.50 319	0.50 278	0.50 306

GCST	0.50 258	2.08 378	0.38 229	0.53 255	0.35 257	0.49 287	0.35 248	0.50 282	0.35 250	0.49 279	0.35 256	0.49 283	0.35 251	0.49 285	0.35 250	0.48 272	0.37 229	0.45 283	0.33 253	0.44 255	0.33 238

SANet	0.50 258	0.50 188	0.50 280	0.50 248	0.50 319	0.50 295	0.50 312	0.50 282	0.50 311	0.50 291	0.50 318	0.50 297	0.50 311	0.50 292	0.50 310	0.50 281	0.50 286	0.50 306	0.50 319	0.50 278	0.50 306

UGAM-zero	0.51 263	2.17 386	0.39 236	0.53 255	0.36 263	0.50 295	0.36 254	0.50 282	0.36 259	0.49 279	0.36 259	0.50 297	0.35 251	0.50 292	0.36 253	0.49 275	0.37 229	0.47 290	0.35 261	0.46 260	0.34 244

UGAM	0.51 263	2.23 389	0.39 236	0.54 257	0.35 257	0.50 295	0.35 248	0.49 274	0.35 250	0.49 279	0.35 256	0.49 283	0.36 254	0.50 292	0.36 253	0.49 275	0.37 229	0.45 283	0.34 255	0.45 259	0.34 244

Selective-IGEV	0.51 263	0.55 205	0.45 257	0.69 280	0.45 301	0.61 318	0.45 292	0.50 282	0.40 273	0.56 308	0.44 296	0.55 310	0.40 268	0.72 329	0.67 334	0.59 297	0.46 266	0.45 283	0.34 255	0.46 260	0.37 255

RCA-Stereo	0.51 263	3.22 422	0.34 214	0.44 223	0.34 254	0.44 267	0.34 243	0.43 256	0.34 247	0.43 253	0.34 248	0.44 263	0.33 242	0.43 260	0.33 235	0.38 224	0.29 199	0.38 240	0.29 225	0.38 225	0.29 214

AIO-test1	0.54 267	0.60 210	0.52 288	0.66 278	0.47 309	0.61 318	0.47 299	0.58 304	0.46 294	0.61 315	0.46 301	0.61 320	0.45 291	0.62 316	0.45 291	0.61 301	0.52 292	0.57 319	0.48 314	0.57 292	0.48 298

castereo++	0.54 267	3.59 427	1.15 361	1.31 398	0.14 146	0.16 132	0.14 141	0.16 131	0.14 146	0.16 128	0.14 150	0.16 129	0.13 143	0.16 130	0.14 140	1.45 423	1.16 367	0.15 132	0.14 149	0.15 131	0.13 139

FENet	0.54 267	1.52 350	1.19 367	1.41 405	0.23 193	0.35 207	0.23 184	0.35 197	0.23 184	0.34 199	0.23 188	0.35 206	0.23 188	0.35 208	0.23 184	1.40 421	1.07 351	0.32 197	0.23 186	0.33 191	0.23 171

PSMNet_ROB	0.54 267	0.54 203	0.54 292	0.54 257	0.53 328	0.54 308	0.54 320	0.53 294	0.54 321	0.54 303	0.54 328	0.54 306	0.53 318	0.54 304	0.54 320	0.54 291	0.53 294	0.54 317	0.54 324	0.54 290	0.54 314

AIO-test2	0.55 271	0.59 208	0.52 288	0.67 279	0.47 309	0.61 318	0.47 299	0.61 310	0.47 299	0.61 315	0.47 309	0.61 320	0.48 303	0.62 316	0.47 301	0.64 306	0.53 294	0.58 320	0.47 311	0.58 293	0.48 298

CFNet-ft	0.55 271	1.57 351	0.14 123	0.20 129	0.14 146	0.20 151	2.53 473	1.61 432	0.14 146	0.20 147	0.14 150	0.20 148	0.14 147	0.20 148	0.14 140	0.17 136	0.12 107	0.17 142	0.12 138	1.56 423	1.24 437

MyStereo04	0.56 273	3.72 433	0.59 297	0.49 241	0.41 286	0.36 210	0.32 225	0.37 207	0.31 231	0.34 199	0.46 301	0.35 206	0.32 236	0.35 208	0.33 235	0.49 275	0.45 264	0.34 212	0.32 245	0.35 207	0.43 283

CASS	0.57 274	0.89 236	0.56 294	0.57 262	0.56 331	0.56 310	0.56 321	0.56 298	0.53 319	0.57 310	0.57 330	0.59 318	0.48 303	0.56 308	0.57 323	0.55 293	0.56 298	0.47 290	0.56 328	0.62 296	0.56 321
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
LG-Stereo	0.60 275	0.58 207	0.47 266	0.64 274	0.74 359	1.00 357	0.69 339	0.57 301	0.41 282	0.57 310	0.41 283	0.57 314	0.41 279	1.00 362	0.75 349	0.91 335	0.51 290	0.52 314	0.37 269	0.52 286	0.37 255

MonSter	0.60 275	0.64 213	0.52 288	0.62 269	0.44 299	2.07 451	0.44 288	0.62 311	0.44 292	0.62 318	0.44 296	0.62 322	0.44 289	0.62 316	0.44 290	0.58 296	0.42 261	0.62 323	0.46 304	0.58 293	0.42 282

MyStereo07	0.60 275	3.72 433	0.48 273	0.49 241	0.41 286	0.36 210	0.32 225	0.49 274	0.43 289	0.51 295	0.42 292	0.49 283	0.43 287	0.51 298	0.64 329	0.49 275	0.45 264	0.34 212	0.32 245	0.35 207	0.43 283

castereo	0.61 278	3.79 435	1.35 425	1.52 407	0.15 157	0.17 140	0.16 149	0.20 148	0.21 175	0.18 140	0.16 159	0.21 155	0.12 138	0.26 185	0.17 159	1.43 422	1.38 429	0.17 142	0.16 154	0.18 144	0.16 145

WCG-NET	0.61 278	1.21 336	0.54 292	0.61 268	0.53 328	0.67 326	0.53 318	0.66 316	0.53 319	0.64 321	0.53 327	0.65 326	0.53 318	0.59 314	0.52 317	0.65 307	0.48 277	0.64 326	0.52 323	0.58 293	0.50 306

SMoEStereo_RVC	0.63 280	0.75 219	0.51 285	0.73 286	0.53 328	0.71 330	0.47 299	0.67 317	0.58 324	0.74 335	0.60 331	0.72 333	0.53 318	0.74 333	0.51 315	0.61 301	0.62 307	0.62 323	0.61 334	0.63 297	0.61 324

anonymity	0.63 280	0.69 215	0.56 294	0.71 284	0.56 331	0.71 330	0.56 321	0.71 322	0.56 322	0.72 329	0.56 329	0.71 330	0.56 322	0.71 328	0.58 324	0.68 311	0.55 296	0.68 331	0.55 325	0.68 301	0.54 314

PAM_32	0.64 282	2.38 395	0.51 285	0.92 307	0.43 298	0.53 305	0.44 288	0.87 334	0.43 289	0.52 298	0.45 299	0.53 304	0.40 268	0.54 304	0.46 295	0.62 304	0.56 298	0.48 298	0.45 302	0.76 312	0.44 286

CRFU-Net	0.65 283	1.67 354	1.22 417	1.96 423	0.27 210	0.41 243	0.27 203	0.41 236	0.27 209	0.40 222	0.26 206	0.41 243	0.27 211	0.40 231	0.27 200	1.80 436	1.62 443	0.34 212	0.23 186	0.33 191	0.23 171

LMCR-Stereo	0.65 283	0.63 211	0.65 308	0.65 275	0.65 344	0.66 325	0.63 327	0.58 304	0.65 333	0.63 320	0.64 338	0.65 326	0.65 330	0.66 323	0.66 333	0.66 309	0.64 309	0.65 329	0.67 343	0.68 301	0.73 343

KSHMR	0.66 285	0.50 188	0.48 273	1.15 337	0.52 325	0.49 287	0.51 316	0.49 274	0.71 346	0.67 325	0.50 318	1.16 379	1.11 372	0.66 323	0.52 317	0.49 275	0.49 280	0.51 311	0.66 339	0.50 278	1.14 384

TorneroNet	0.66 285	0.53 200	0.50 280	0.50 248	0.64 342	1.06 364	0.70 340	0.50 282	0.51 318	0.49 279	0.69 347	0.49 283	0.50 311	0.48 279	1.15 384	0.71 316	0.49 280	1.14 376	1.08 380	0.49 273	0.49 303

GES	0.66 285	2.34 393	0.29 187	0.41 212	0.29 220	0.41 243	0.29 215	0.42 252	0.29 217	0.40 222	0.41 283	0.41 243	0.30 229	0.51 298	0.29 216	0.32 194	0.29 199	0.32 197	2.46 477	2.49 449	0.30 224

cf-r	0.66 285	2.17 386	0.12 99	0.18 124	0.12 141	0.18 143	2.70 476	2.60 459	0.12 141	0.18 140	0.12 133	0.18 142	0.12 138	0.18 141	0.12 130	0.15 122	0.11 93	0.15 132	0.11 122	1.81 428	1.74 463

DSFCA	0.66 285	0.73 218	0.78 327	0.65 275	0.65 344	0.64 323	0.64 328	0.65 314	0.63 331	0.64 321	0.64 338	0.64 323	0.64 328	0.65 322	0.65 330	0.65 307	0.65 310	0.65 329	0.65 337	0.66 299	0.64 329

DEFOM-Stereo	0.68 290	3.11 418	1.40 435	1.63 414	0.25 200	0.31 191	0.25 192	0.31 186	0.28 212	0.31 187	0.29 220	0.29 190	0.27 211	0.31 197	0.28 206	1.59 429	1.47 434	0.30 192	0.29 225	0.30 180	0.28 209

ssnet_v2	0.68 290	1.96 375	1.25 421	0.29 161	0.20 180	0.30 188	0.20 167	0.29 182	0.22 178	1.50 434	0.20 179	0.31 195	0.20 177	0.27 188	0.22 178	0.24 170	1.49 435	0.26 179	0.18 176	3.90 461	0.19 163

ARAFT	0.68 290	0.81 226	0.63 303	0.74 287	0.60 334	0.78 335	0.62 326	0.77 326	0.66 335	0.74 335	0.63 336	0.75 337	0.62 327	0.83 340	0.60 326	0.70 315	0.55 296	0.70 334	0.60 332	0.78 314	0.55 318

NINENet	0.69 293	3.87 439	1.20 370	1.98 424	0.05 92	0.40 227	0.04 76	0.40 221	0.05 91	0.41 235	0.04 84	0.41 243	0.05 87	0.40 231	0.05 82	1.79 435	1.56 438	0.34 212	0.22 181	0.34 195	0.23 171

RAFT-Stereo + iAFF	0.70 294	0.72 217	0.71 318	0.80 292	0.62 341	0.82 340	0.61 325	0.81 332	0.62 329	0.81 342	0.63 336	0.80 343	0.70 338	0.73 331	0.61 328	0.76 320	0.61 306	0.74 337	0.61 334	0.77 313	0.61 324

DMCA-RVC	0.70 294	0.80 223	0.70 315	0.70 282	0.70 353	0.70 328	0.70 340	0.71 322	0.70 343	0.70 328	0.71 351	0.71 330	0.70 338	0.70 327	0.69 341	0.69 312	0.70 317	0.69 332	0.70 348	0.69 305	0.70 336

MyStereo8	0.71 296	3.92 440	0.52 288	0.59 265	0.52 325	0.57 315	0.53 318	0.59 306	0.50 311	0.59 314	0.51 324	0.57 314	0.50 311	0.56 308	0.52 317	0.54 291	0.49 280	0.54 317	0.49 317	0.55 291	0.50 306

HH	0.71 296	2.54 398	0.74 322	1.10 329	0.32 235	0.41 243	0.37 259	0.69 319	0.78 353	0.73 330	0.90 365	0.75 337	1.00 362	0.84 341	0.69 341	0.69 312	0.40 245	0.35 225	0.26 205	0.35 207	0.26 188

HanStereo	0.71 296	2.54 398	0.74 322	1.10 329	0.32 235	0.41 243	0.37 259	0.69 319	0.78 353	0.73 330	0.90 365	0.75 337	1.00 362	0.84 341	0.69 341	0.69 312	0.40 245	0.35 225	0.26 205	0.35 207	0.26 188

ktn	0.72 299	0.53 200	1.08 356	1.14 335	0.51 324	1.22 424	1.36 443	0.51 291	0.59 325	0.51 295	0.51 324	0.69 329	1.20 383	0.67 325	0.51 315	0.51 287	0.49 280	0.58 320	0.66 339	0.52 286	0.53 313

CroCo-Stereo	0.73 300	1.22 339	0.25 174	1.22 391	0.25 200	1.22 424	0.25 192	1.22 417	0.25 191	1.22 425	0.25 200	1.22 428	0.25 194	1.22 428	0.25 194	1.22 410	0.26 180	1.21 432	0.25 199	1.22 411	0.25 182
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
AFF-stereo	0.73 300	0.88 233	0.67 312	0.75 288	0.68 351	0.75 332	0.64 328	0.80 329	0.72 347	0.83 343	0.70 348	0.82 346	0.64 328	0.84 341	0.67 334	0.77 321	0.63 308	0.81 348	0.63 336	0.78 314	0.62 327

AIO-Stereo-zeroshot1	0.75 302	0.92 245	0.85 335	0.96 317	0.59 333	1.27 427	0.44 288	0.59 306	0.69 340	0.91 348	0.68 344	0.55 310	0.61 326	1.06 368	0.83 358	0.62 304	0.70 317	0.90 356	0.41 292	0.89 329	0.56 321

MyStereo06	0.75 302	4.12 441	0.60 299	0.63 271	0.61 338	0.62 321	0.66 331	0.56 298	0.45 293	0.55 306	0.48 313	0.54 306	0.46 294	0.57 312	0.45 291	0.60 298	0.57 300	0.64 326	0.55 325	0.72 307	0.55 318

GCAP-Stereo	0.75 302	4.15 444	0.42 252	0.75 288	0.35 257	0.78 335	0.40 272	0.79 327	0.38 264	0.78 338	0.36 259	0.78 340	0.36 254	0.79 336	0.39 270	0.75 319	0.39 242	0.76 340	0.39 284	0.75 311	0.39 266

GANet-RSSM	0.75 302	1.91 368	0.14 123	0.47 231	0.14 146	0.21 158	3.21 493	2.30 453	0.14 146	0.46 261	0.14 150	0.23 165	0.18 168	0.21 158	0.14 140	0.18 144	0.27 185	0.37 233	0.13 146	2.13 437	2.12 466

RSM++	0.76 306	0.82 228	0.66 309	0.85 299	0.64 342	0.85 341	0.71 343	0.94 347	0.64 332	0.87 344	0.67 343	0.87 348	0.65 330	0.84 341	0.65 330	0.81 326	0.70 317	0.79 343	0.71 351	0.83 324	0.70 336

CroCo-Stereo Lap2	0.77 307	1.29 342	0.29 187	1.27 395	0.29 220	1.27 427	0.26 200	1.26 420	0.26 204	1.26 426	0.26 206	1.27 430	0.26 203	1.26 429	0.27 200	1.27 412	0.27 185	1.27 435	0.27 212	1.27 413	0.27 196

PSMNet-RSSM	0.77 307	2.76 409	0.14 123	0.20 129	0.14 146	0.20 151	2.66 474	2.79 465	0.14 146	0.21 156	0.14 150	0.21 155	0.14 147	0.20 148	0.14 140	0.17 136	0.12 107	0.17 142	0.12 138	2.52 450	2.31 471

GwcNet-RSSM	0.77 307	2.77 411	0.14 123	0.20 129	0.14 146	0.20 151	2.67 475	2.78 464	0.14 146	0.20 147	0.14 150	0.20 148	0.14 147	0.21 158	0.14 140	0.17 136	0.12 107	0.17 142	0.12 138	2.52 450	2.31 471

4D-IteraStereo	0.78 310	3.13 419	0.89 336	0.69 280	0.32 235	0.40 227	0.32 225	0.76 325	0.97 374	0.52 298	0.65 340	0.89 351	0.32 236	0.76 335	0.98 370	0.83 329	0.94 343	0.35 225	0.27 212	0.70 306	0.89 359

hitnet-ft	0.79 311	2.78 412	0.14 123	0.20 129	0.14 146	0.21 158	2.89 477	2.80 466	0.14 146	0.20 147	0.14 150	0.20 148	0.14 147	0.20 148	0.14 140	0.17 136	0.12 107	0.17 142	0.12 138	2.54 452	2.33 473

G-Net	0.79 311	0.79 222	0.79 330	0.79 290	0.79 363	0.79 337	0.79 350	0.79 327	0.79 356	0.79 339	0.79 360	0.79 342	0.79 350	0.79 336	0.79 352	0.79 322	0.79 330	0.79 343	0.79 358	0.79 316	0.79 350

MyStereo05	0.80 313	4.12 441	0.63 303	0.63 271	0.61 338	0.62 321	0.66 331	0.65 314	0.62 329	0.67 325	0.61 334	0.65 326	0.58 323	0.67 325	0.55 322	0.60 298	0.57 300	0.64 326	0.55 325	0.72 307	0.55 318

UDG	0.80 313	2.21 388	0.60 299	0.91 304	0.60 334	0.90 347	0.58 323	0.88 337	0.60 326	0.90 346	0.60 331	0.88 349	0.60 325	0.90 349	0.58 324	0.86 333	0.60 302	0.84 352	0.59 331	0.84 325	0.61 324

ccnet	0.80 313	2.28 391	0.33 206	0.50 248	0.33 246	0.50 295	0.33 234	0.50 282	0.33 239	0.49 279	0.33 241	0.49 283	1.56 444	2.38 457	0.33 235	0.41 245	0.29 199	0.42 276	1.57 454	2.28 442	0.29 214

NaN_ROB	0.80 313	0.80 223	0.80 331	0.80 292	0.80 365	0.80 338	0.80 353	0.80 329	0.80 357	0.80 340	0.80 361	0.80 343	0.80 351	0.80 338	0.80 354	0.80 323	0.80 333	0.80 346	0.80 360	0.80 319	0.80 351

CSAN	0.80 313	0.80 223	0.80 331	0.80 292	0.80 365	0.80 338	0.80 353	0.80 329	0.80 357	0.80 340	0.80 361	0.80 343	0.80 351	0.80 338	0.80 354	0.80 323	0.80 333	0.80 346	0.80 360	0.80 319	0.80 351

BSDual-CNN	0.81 318	1.91 368	0.92 343	4.48 465	0.02 21	0.42 261	0.06 98	0.41 236	0.02 21	0.48 272	0.03 51	0.02 20	0.02 21	0.03 39	0.02 20	1.97 442	4.19 488	0.33 205	0.23 186	0.34 195	0.27 196

DDUNet	0.81 318	2.45 396	0.57 296	0.90 302	0.60 334	0.88 344	0.59 324	0.90 338	0.60 326	0.88 345	0.60 331	0.90 352	0.58 323	0.88 346	0.60 326	0.84 331	0.60 302	0.86 354	0.57 329	0.86 326	0.60 323

R-Stereo Train	0.81 318	0.96 250	0.67 312	0.95 314	0.67 348	0.95 352	0.68 336	0.95 349	0.68 337	0.95 356	0.68 344	0.96 360	0.68 336	0.96 359	0.68 337	0.94 342	0.68 312	0.94 361	0.68 344	0.94 337	0.68 334

RAFT-Stereo	0.81 318	0.96 250	0.67 312	0.95 314	0.67 348	0.95 352	0.68 336	0.95 349	0.68 337	0.95 356	0.68 344	0.96 360	0.68 336	0.96 359	0.68 337	0.94 342	0.68 312	0.94 361	0.68 344	0.94 337	0.68 334
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
gwcnet-sp	0.82 322	1.72 355	1.48 437	0.39 189	0.15 157	0.31 191	0.21 172	0.20 148	0.25 191	1.61 436	0.23 188	0.28 185	0.26 203	0.20 148	0.15 150	0.24 170	1.33 423	0.32 197	0.16 154	6.75 499	0.23 171

scenet	0.82 322	1.72 355	1.48 437	0.39 189	0.15 157	0.31 191	0.21 172	0.20 148	0.25 191	1.61 436	0.23 188	0.28 185	0.26 203	0.20 148	0.15 150	0.24 170	1.33 423	0.32 197	0.16 154	6.75 499	0.23 171

ssnet	0.82 322	1.72 355	1.48 437	0.39 189	0.15 157	0.31 191	0.21 172	0.20 148	0.25 191	1.61 436	0.23 188	0.28 185	0.26 203	0.20 148	0.15 150	0.24 170	1.33 423	0.32 197	0.16 154	6.75 499	0.23 171

DEFOM-Stereo_RVC	0.83 325	5.18 457	1.98 461	2.19 429	0.17 167	0.19 146	0.18 160	0.19 143	0.16 158	0.20 147	0.19 175	0.22 161	0.22 182	0.20 148	0.15 150	2.28 450	2.13 458	0.24 175	0.17 172	0.18 144	0.16 145

BUS	0.83 325	1.91 368	0.92 343	4.48 465	0.02 21	0.40 227	0.04 76	0.41 236	0.02 21	0.48 272	0.03 51	0.41 243	0.05 87	0.03 39	0.05 82	1.97 442	4.19 488	0.33 205	0.23 186	0.34 195	0.27 196

PDISCO_ROB	0.83 325	2.80 413	3.49 487	0.14 95	0.11 126	0.17 140	0.09 103	0.15 130	0.10 108	0.15 123	0.12 133	0.16 129	0.14 147	3.30 472	0.13 136	0.14 113	2.34 463	0.16 135	0.12 138	2.62 453	0.10 106

AIO-Stereo	0.84 328	0.66 214	0.70 315	0.83 296	0.67 348	0.98 355	0.82 356	1.14 360	0.72 347	1.03 363	0.74 356	1.03 367	1.09 371	0.99 361	0.45 291	1.04 348	0.73 323	0.95 363	0.74 353	0.94 337	0.46 289

DCRE	0.84 328	1.89 365	0.77 326	0.94 312	0.72 356	0.88 344	0.73 345	0.87 334	0.78 353	0.90 346	0.71 351	0.88 349	0.67 335	0.88 346	0.73 346	0.81 326	0.68 312	0.81 348	0.70 348	0.82 323	0.70 336

iGMRVC	0.84 328	2.85 414	0.72 319	0.72 285	0.73 357	0.77 333	0.79 350	0.73 324	0.74 352	0.73 330	0.72 353	0.73 335	0.76 347	0.73 331	0.73 346	0.72 317	0.73 323	0.73 336	0.72 352	0.73 310	0.72 340

GEStereo_RVC	0.86 331	4.45 447	0.20 157	0.27 159	0.20 180	0.27 184	0.20 167	0.26 175	0.18 165	5.03 500	0.20 179	0.27 184	0.19 173	0.27 188	0.21 176	0.20 147	0.19 161	0.19 154	4.02 504	0.20 151	0.18 161

Selective-RAFT-Error	0.88 332	0.84 229	0.98 348	0.86 300	0.97 379	0.88 344	0.95 367	0.84 333	0.99 377	0.92 350	0.82 363	0.84 347	0.98 361	0.87 345	0.97 369	0.81 326	0.83 336	0.79 343	0.82 363	0.79 316	0.85 356

IER	0.88 332	7.04 476	2.23 464	2.75 447	0.28 213	0.43 265	0.25 192	0.39 216	0.25 191	0.41 235	0.27 210	0.39 224	0.25 194	0.40 231	0.28 206	0.37 217	0.28 190	0.37 233	0.25 199	0.37 216	0.25 182

Selective-RAFT	0.89 334	0.89 236	0.72 319	1.16 342	0.78 362	1.06 364	0.82 356	0.87 334	0.97 374	1.00 358	0.91 368	0.90 352	1.00 362	0.89 348	0.93 366	0.83 329	0.83 336	0.82 350	0.82 363	0.81 322	0.82 354

AIO-Stereo-zeroshot	0.91 335	0.86 230	0.89 336	1.25 394	0.69 352	1.05 363	0.81 355	1.16 363	0.50 311	1.12 372	0.97 373	0.72 333	0.82 353	1.06 368	0.95 367	0.61 301	0.87 338	1.03 373	0.85 366	1.04 346	1.01 373

CFNet-RSSM	0.91 335	4.89 453	0.34 214	0.44 223	1.07 388	1.62 442	1.40 449	0.91 340	0.35 250	1.60 435	1.39 448	0.64 323	0.34 246	0.44 262	0.33 235	0.41 245	0.35 224	0.75 338	0.30 235	0.41 246	0.29 214

MLG-Stereo	0.92 337	0.90 238	0.84 334	1.27 395	0.49 315	1.38 434	0.88 359	1.41 430	0.97 374	0.73 330	1.09 381	1.26 429	0.43 287	0.72 329	1.05 377	1.13 359	0.49 280	1.18 385	0.66 339	1.01 344	0.46 289

ToySt	0.92 337	2.11 381	0.90 339	0.95 314	0.79 363	0.99 356	0.78 349	0.94 347	0.81 360	0.94 354	0.78 359	0.95 359	0.77 348	0.94 355	0.86 360	0.91 335	0.79 330	0.85 353	0.77 355	0.89 329	0.73 343

DPSM_ROB	0.92 337	0.91 240	0.91 341	0.91 304	0.92 374	0.92 349	0.92 363	0.92 343	0.91 364	0.93 352	0.91 368	0.92 355	0.90 355	0.91 350	0.92 362	0.92 338	0.91 339	0.91 358	0.92 367	0.93 335	0.93 363

DPSM	0.92 337	0.91 240	0.91 341	0.91 304	0.92 374	0.92 349	0.92 363	0.92 343	0.91 364	0.93 352	0.91 368	0.92 355	0.90 355	0.91 350	0.92 362	0.92 338	0.91 339	0.91 358	0.92 367	0.93 335	0.93 363

pmcnn	0.92 337	0.92 245	0.92 343	0.92 307	0.92 374	0.92 349	0.92 363	0.92 343	0.92 368	0.92 350	0.92 371	0.92 355	0.92 357	0.92 354	0.92 362	0.92 338	0.92 341	0.92 360	0.92 367	0.92 334	0.92 362

error version	0.93 342	4.47 448	2.35 467	1.99 425	0.37 266	0.41 243	0.36 254	0.41 236	0.35 250	0.43 253	0.36 259	0.41 243	0.40 268	0.41 245	0.36 253	1.87 438	2.16 459	0.47 290	0.37 269	0.39 232	0.33 238

test_1	0.93 342	4.47 448	2.35 467	1.99 425	0.37 266	0.41 243	0.36 254	0.41 236	0.35 250	0.43 253	0.36 259	0.41 243	0.40 268	0.41 245	0.36 253	1.87 438	2.16 459	0.47 290	0.37 269	0.39 232	0.33 238

DGTPSM_ROB	0.93 342	1.00 256	0.92 343	0.94 312	0.96 378	0.91 348	0.92 363	0.91 340	0.96 373	0.91 348	0.96 372	0.93 358	0.92 357	0.94 355	0.92 362	0.92 338	0.92 341	0.90 356	0.92 367	0.94 337	0.91 361

HSM-Net_RVC	0.95 345	1.17 286	0.78 327	1.18 344	0.71 354	1.16 377	0.75 347	1.09 358	0.80 357	1.10 367	0.75 357	1.17 380	0.74 344	1.17 380	0.80 354	1.13 359	0.73 323	1.17 382	0.77 355	1.16 355	0.72 340
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
iRaftStereo_RVC	0.97 346	3.17 421	2.30 466	2.42 441	0.38 273	0.54 308	0.38 265	0.54 296	0.38 264	0.54 303	0.38 270	0.54 306	0.38 262	0.54 304	0.38 264	2.38 456	2.34 463	0.49 302	0.36 267	0.49 273	0.36 251

DPSimNet_ROB	0.97 346	1.18 288	0.81 333	1.10 329	0.91 373	1.02 362	0.82 356	1.04 355	0.91 364	1.03 363	0.86 364	1.28 431	0.82 353	1.03 367	0.89 361	1.17 362	0.81 335	1.02 372	0.82 363	1.08 348	0.81 353

test-3	0.98 348	4.13 443	1.85 452	1.85 417	0.61 338	0.69 327	0.37 259	0.63 312	0.61 328	0.66 324	0.51 324	0.73 335	0.44 289	0.57 312	0.54 320	1.68 433	1.81 453	0.40 254	0.43 300	0.66 299	0.50 306

999	1.00 349	1.12 281	0.59 297	1.10 329	1.21 445	1.09 369	0.52 317	1.08 356	1.43 453	1.18 377	1.35 443	0.98 362	0.52 317	0.91 350	0.85 359	0.72 317	1.46 433	0.83 351	0.98 372	0.68 301	1.41 449

DispNO	1.00 349	0.63 211	0.43 253	3.45 458	0.44 299	0.65 324	0.43 287	0.64 313	0.43 289	0.64 321	0.43 294	0.64 323	3.03 470	0.64 321	0.43 289	4.55 477	0.43 262	0.63 325	0.43 300	0.63 297	0.43 283

GANet	1.00 349	1.00 256	1.00 350	1.00 321	1.00 380	1.00 357	1.00 371	1.00 351	1.00 378	1.00 358	1.00 375	1.00 363	1.00 362	1.00 362	1.00 372	1.00 344	1.00 344	1.00 368	1.00 374	1.00 341	1.00 370

TDLM	1.00 349	1.00 256	1.00 350	1.00 321	1.00 380	1.00 357	1.00 371	1.00 351	1.00 378	1.00 358	1.00 375	1.00 363	1.00 362	1.00 362	1.00 372	1.00 344	1.00 344	1.00 368	1.00 374	1.00 341	1.00 370

CVANet_RVC	1.00 349	1.00 256	1.00 350	1.00 321	1.00 380	1.00 357	1.00 371	1.00 351	1.00 378	1.00 358	1.00 375	1.00 363	1.00 362	1.00 362	1.00 372	1.00 344	1.00 344	1.00 368	1.00 374	1.00 341	1.00 370

trnet	1.01 354	1.01 262	1.01 353	1.01 324	1.01 384	1.01 361	1.01 374	1.01 354	1.01 381	1.01 362	1.01 378	1.01 366	1.01 368	1.01 366	1.01 375	1.01 347	1.01 347	1.01 371	1.01 378	1.01 344	1.01 373

LL-Strereo	1.01 354	5.06 455	1.63 441	0.70 282	1.43 455	0.56 310	0.46 294	0.57 301	0.50 311	0.57 310	0.50 318	1.58 439	0.49 308	0.59 314	0.50 310	1.64 432	0.52 292	0.51 311	1.37 444	0.52 286	0.45 288

tt45	1.04 356	0.88 233	1.36 430	0.92 307	1.03 386	1.51 440	0.79 350	0.70 321	0.88 362	0.74 335	0.90 365	1.60 440	0.72 343	1.60 437	0.75 349	0.91 335	0.78 329	1.52 447	0.79 358	1.14 351	1.32 441

GLC_STEREO	1.07 357	1.01 262	1.06 355	1.07 327	1.05 387	1.06 364	1.08 378	1.08 356	1.05 384	1.07 365	1.06 380	1.08 369	1.05 370	1.06 368	1.10 379	1.07 350	1.09 357	1.05 374	1.05 379	1.06 347	1.12 380

FC-DCNN	1.07 357	1.09 277	0.98 348	0.89 301	0.52 325	1.41 437	0.91 362	1.21 416	1.24 442	1.96 444	2.05 475	1.91 444	1.30 436	1.27 430	1.08 378	0.80 323	0.60 302	0.58 320	0.41 292	0.68 301	0.54 314

hknet	1.10 359	1.85 362	3.49 487	4.48 465	0.02 21	0.42 261	0.06 98	0.41 236	0.02 21	0.48 272	0.03 51	0.41 243	0.03 51	0.42 258	0.03 47	4.39 474	4.19 488	0.33 205	0.23 186	0.34 195	0.27 196

test_xeample3	1.10 359	1.81 360	0.61 301	0.84 297	0.49 315	0.77 333	0.66 331	0.92 343	1.40 451	0.68 327	0.46 301	0.78 340	0.54 321	1.72 440	1.48 449	1.34 416	1.52 436	1.35 440	1.67 460	1.33 415	1.55 452

DISCO	1.11 361	0.39 145	5.28 500	0.39 189	0.20 180	0.39 225	0.27 203	0.39 216	0.22 178	0.38 212	0.20 179	0.38 220	0.20 177	6.95 511	0.22 178	0.30 190	0.21 166	0.27 183	0.21 178	5.25 492	0.21 166

Occ-G	1.12 362	0.52 197	3.72 492	3.50 459	0.50 319	0.56 310	0.47 299	0.54 296	0.46 294	0.54 303	0.41 283	0.54 306	0.42 285	0.52 301	0.42 287	3.42 468	4.02 487	0.52 314	0.45 302	0.51 284	0.44 286

AEACV	1.12 362	0.52 197	3.12 484	3.24 455	0.86 367	0.53 305	0.49 310	0.60 308	0.47 299	0.53 300	0.49 316	0.55 310	0.45 291	0.55 307	0.47 301	3.01 464	3.88 485	0.71 335	0.60 332	0.80 319	0.48 298

MSMD_ROB	1.19 364	1.10 280	0.70 315	1.10 329	0.60 334	1.10 370	0.70 340	1.10 359	0.70 343	1.10 367	0.70 348	1.10 373	0.70 338	7.00 512	0.70 344	1.10 353	0.70 317	1.10 375	0.70 348	1.10 349	0.70 336

MM-Stereo_test2	1.20 365	1.85 362	1.05 354	1.46 406	0.94 377	1.36 432	0.99 370	1.36 425	0.95 371	1.41 431	0.98 374	1.40 436	0.96 359	1.37 432	0.95 367	1.37 420	1.06 350	1.33 437	0.93 371	1.29 414	0.89 359

ours_stereo	1.20 365	1.21 336	0.90 339	1.64 415	1.11 389	1.35 430	0.67 335	1.76 437	0.93 369	1.70 441	1.10 382	1.39 434	0.75 346	1.41 434	0.81 357	1.60 431	1.03 349	1.33 437	1.00 374	1.61 425	0.72 340

DisPM	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

CrosDoStereo	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

PFNet+	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

LCNet	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

HHNet	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

Patchmatch Stereo++	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
AAGNet	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

STrans-v2	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

TransformOpticalFlow	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

OMP-Stereo	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

IIG-Stereo	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

NF-Stereo	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

OCTAStereo	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

PSM-softLoss	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

KMStereo	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

NRIStereo	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

PSM-adaLoss	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

PSM-AAD	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

FTStereo	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

ROB_FTStereo_v2	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

ROB_FTStereo	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

Consistency-Raft	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

KYRaft	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

HUI-Stereo	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

ASMatch	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

DeepStereo_LL	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

DEmStereo	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

SST-Stereo	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

THIR-Stereo	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

RAFT_R40	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

DRaft	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

PFNet	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

GrayStereo	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

RE-Stereo	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

Pruner-Stereo	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

TVStereo	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

DeepStereo_RVC	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

RAFT-RH_RVC	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

IRAFT_RVC	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

RAFT-345	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

iRAFT	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

CRE-IMP	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

GMM-Stereo	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

RAFT-IKP	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

Prome-Stereo	1.20 365	1.20 290	1.20 370	1.20 346	1.20 399	1.20 378	1.20 389	1.20 371	1.20 394	1.20 379	1.20 391	1.20 382	1.20 383	1.20 382	1.20 391	1.20 364	1.20 372	1.20 387	1.20 391	1.20 364	1.20 389

HCRNet	1.22 412	7.11 477	3.00 472	3.55 460	0.33 246	0.29 187	0.14 141	0.19 143	0.15 156	0.33 197	0.29 220	0.25 174	0.14 147	0.22 162	0.33 235	3.64 469	3.00 466	0.76 340	0.32 245	0.18 144	0.13 139

HBP-ISP	1.24 413	1.72 355	1.65 442	1.15 337	0.76 360	1.40 436	0.88 359	1.67 436	1.02 382	1.69 440	1.38 447	1.69 442	1.21 429	1.87 441	1.21 436	1.05 349	0.79 330	0.97 366	0.80 360	1.19 363	0.75 347

AANet_RVC	1.26 414	0.31 127	4.99 498	5.93 490	0.20 180	0.25 174	0.20 167	0.25 171	0.20 173	0.23 162	0.19 175	0.25 174	0.20 177	0.25 175	0.20 174	5.66 498	4.76 491	0.26 179	0.30 235	0.24 166	0.27 196

MM-Stereo_test3	1.27 415	2.07 377	1.18 365	1.60 410	1.02 385	1.45 438	1.01 374	1.40 429	1.04 383	1.44 432	1.03 379	1.46 438	1.02 369	1.44 435	1.02 376	1.51 427	1.12 364	1.32 436	0.98 372	1.38 418	0.97 366

11t	1.27 415	2.70 405	1.34 423	1.32 399	0.89 369	1.30 429	1.34 441	1.64 433	0.57 323	1.45 433	0.72 353	1.05 368	1.29 435	1.07 371	1.29 441	1.49 424	1.02 348	0.97 366	1.15 384	1.48 420	1.31 440

MaskLacGwcNet_RVC	1.35 417	1.35 346	1.35 425	1.35 401	1.35 449	1.35 430	1.35 442	1.36 425	1.35 447	1.36 429	1.35 443	1.36 432	1.36 438	1.36 431	1.35 443	1.35 417	1.35 426	1.35 440	1.35 441	1.35 416	1.35 445

CC-Net-ROB	1.36 418	1.33 345	1.33 422	1.36 402	1.38 452	1.36 432	1.33 440	1.37 427	1.34 445	1.35 428	1.36 445	1.38 433	1.34 437	1.38 433	1.38 445	1.35 417	1.38 429	1.33 437	1.35 441	1.43 419	1.34 444

CFNet	1.37 419	5.27 460	0.19 154	5.49 487	0.19 178	0.28 185	0.19 164	0.28 178	0.19 171	0.28 181	0.19 175	0.28 185	4.35 497	0.28 190	0.19 171	0.23 165	0.17 154	0.23 168	4.21 506	4.81 483	0.17 157

PS-NSSS	1.38 420	1.39 348	1.34 423	1.34 400	1.35 449	1.38 434	1.37 448	1.35 424	1.38 450	1.34 427	1.34 442	1.39 434	1.38 440	1.70 439	1.40 446	1.36 419	1.36 427	1.36 442	1.37 444	1.37 417	1.36 446

RASNet	1.49 421	1.65 353	1.45 436	1.38 404	1.43 455	1.47 439	1.36 443	1.38 428	1.36 448	1.39 430	1.60 455	1.45 437	1.45 443	1.51 436	2.21 470	1.53 428	1.36 427	1.36 442	1.36 443	1.66 426	1.36 446

GANetREF_RVC	1.55 422	1.94 374	1.22 417	1.88 418	1.21 445	1.88 446	1.22 435	1.88 438	1.22 440	1.88 442	1.22 437	1.88 443	1.22 430	1.89 442	1.22 437	1.87 438	1.22 419	1.88 450	1.22 437	1.88 430	1.22 435
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
SPS-STEREO	1.59 423	1.91 368	1.21 416	1.94 421	1.20 399	2.00 448	1.23 436	1.99 441	1.24 442	2.00 446	1.25 440	2.03 447	1.26 432	2.00 445	1.29 441	1.90 441	1.18 371	1.89 451	1.21 436	1.89 431	1.20 389
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
DPSMNet_ROB	1.60 424	1.59 352	1.70 444	1.59 409	1.59 457	1.61 441	1.61 453	1.60 431	1.60 455	1.62 439	1.59 454	1.60 440	1.60 445	1.60 437	1.59 451	1.59 429	1.60 442	1.59 448	1.59 457	1.59 424	1.59 456

ff7	1.68 425	2.68 402	1.35 425	0.97 318	0.89 369	1.84 443	2.15 468	2.12 443	1.80 461	2.05 449	1.56 451	2.33 454	2.12 461	2.23 451	2.25 471	1.31 413	1.07 351	1.48 444	1.41 447	0.90 331	1.04 375

ffff	1.68 425	2.68 402	1.35 425	0.97 318	0.89 369	1.84 443	2.15 468	2.12 443	1.80 461	2.05 449	1.56 451	2.33 454	2.12 461	2.23 451	2.25 471	1.31 413	1.07 351	1.48 444	1.41 447	0.90 331	1.04 375

ccc-4	1.68 425	2.68 402	1.35 425	0.97 318	0.89 369	1.84 443	2.15 468	2.12 443	1.80 461	2.05 449	1.56 451	2.33 454	2.12 461	2.23 451	2.25 471	1.31 413	1.07 351	1.48 444	1.41 447	0.90 331	1.04 375

MC-Stereo	1.76 428	2.96 415	1.37 432	2.14 428	1.37 451	2.14 452	1.36 443	2.14 446	1.37 449	2.14 452	1.37 446	2.14 449	1.37 439	2.14 450	1.37 444	1.97 442	1.32 420	1.97 453	1.32 440	1.98 432	1.33 442

IGEVStereo-DCA	1.77 429	4.21 445	1.84 450	2.49 444	2.11 475	2.54 463	1.36 443	1.65 434	1.17 391	2.75 464	1.90 467	2.54 462	1.15 376	0.94 355	1.11 380	1.50 425	1.32 420	0.96 364	1.46 451	1.49 421	0.88 357

rrr	1.77 429	4.21 445	1.84 450	2.49 444	2.11 475	2.54 463	1.36 443	1.65 434	1.17 391	2.75 464	1.90 467	2.54 462	1.15 376	0.94 355	1.11 380	1.50 425	1.32 420	0.96 364	1.46 451	1.49 421	0.88 357

MM-Stereo_test1	1.80 431	3.41 425	1.52 440	2.12 427	1.41 454	2.04 449	1.41 450	2.05 442	1.46 454	2.04 448	1.41 449	2.05 448	1.42 442	2.05 446	1.43 448	2.04 446	1.54 437	1.94 452	1.38 446	1.99 433	1.33 442

MFMNet_re	1.81 432	1.91 368	1.71 445	1.95 422	1.70 460	1.95 447	1.70 456	1.96 440	1.74 458	1.97 445	1.72 458	1.95 445	1.71 448	1.97 444	1.71 457	1.86 437	1.62 443	1.85 449	1.66 459	1.86 429	1.64 457

plain	1.88 433	3.16 420	0.64 305	3.10 453	0.65 344	3.10 471	0.64 328	3.12 469	0.65 333	3.10 470	0.65 340	3.11 470	0.65 330	3.12 469	0.65 330	3.12 465	0.65 310	3.13 470	0.65 337	3.13 456	0.65 330

RAFT_CTSACE	1.92 434	3.71 432	1.72 446	1.88 418	1.72 461	2.04 449	1.42 452	2.18 447	1.89 470	2.02 447	1.97 471	1.95 445	2.06 460	1.93 443	1.62 452	1.76 434	1.66 446	2.02 454	1.73 466	1.73 427	1.43 451

TRStereo	2.00 435	2.13 382	1.85 452	2.27 434	1.84 464	2.28 454	1.84 459	2.29 449	1.86 464	2.30 454	1.87 462	2.30 451	1.87 451	2.08 447	1.72 459	2.08 447	1.72 448	2.08 455	1.72 463	2.08 434	1.72 460

XX-Stereo	2.00 435	2.13 382	1.85 452	2.27 434	1.84 464	2.28 454	1.84 459	2.29 449	1.86 464	2.30 454	1.87 462	2.30 451	1.87 451	2.08 447	1.72 459	2.08 447	1.72 448	2.08 455	1.72 463	2.08 434	1.72 460

EAI-Stereo	2.00 435	2.13 382	1.85 452	2.27 434	1.84 464	2.28 454	1.84 459	2.29 449	1.86 464	2.30 454	1.87 462	2.30 451	1.87 451	2.08 447	1.72 459	2.08 447	1.72 448	2.08 455	1.72 463	2.08 434	1.72 460

UniTT-Stereo	2.03 438	3.43 426	0.72 319	3.42 457	0.73 357	3.27 474	0.68 336	3.38 473	0.69 340	3.29 473	0.72 353	3.28 473	0.70 338	3.35 474	0.68 337	3.39 467	0.68 312	3.31 472	0.69 346	3.37 457	0.73 343

sCroCo_RVC	2.10 439	2.76 409	1.92 460	2.78 451	1.39 453	2.73 465	1.41 450	2.73 460	1.40 451	2.77 469	1.41 449	2.74 465	1.40 441	2.74 464	1.40 446	2.72 462	1.42 431	2.72 468	1.44 450	2.79 454	1.42 450

MoCha-V2	2.11 440	26.97 519	0.78 327	0.92 307	0.77 361	0.96 354	0.72 344	0.90 338	0.72 347	0.94 354	0.70 348	0.90 352	0.71 342	0.91 350	0.71 345	0.85 332	0.71 321	0.88 355	0.69 346	0.87 327	0.67 333

FBW_ROB	2.12 441	2.46 397	1.77 448	2.49 444	1.79 463	2.38 458	1.83 458	2.46 457	1.78 460	2.48 459	1.97 471	2.40 458	1.78 449	2.42 460	1.83 463	2.31 453	1.85 454	2.38 463	1.82 468	2.35 444	1.84 464

AIO_rvc	2.18 442	2.34 393	1.87 456	2.32 438	1.94 472	2.40 459	1.89 465	2.37 455	2.07 473	2.52 461	1.95 470	2.44 460	1.99 459	2.41 458	1.89 468	2.32 454	2.09 456	2.24 458	2.18 471	2.21 438	2.23 469

HUF	2.18 442	2.30 392	1.99 462	2.34 439	2.02 474	2.41 460	2.06 467	2.38 456	1.89 470	2.36 458	1.85 460	2.56 464	1.98 458	2.31 456	1.97 469	2.30 452	2.03 455	2.30 460	2.11 470	2.23 439	2.16 467

AIO_test	2.18 442	2.09 380	2.04 463	2.42 441	2.01 473	2.47 461	1.94 466	2.34 454	2.03 472	2.56 462	1.94 469	2.43 459	1.94 457	2.41 458	1.87 467	2.39 457	2.10 457	2.35 462	1.91 469	2.25 440	2.19 468

LG-G_1	2.22 445	2.71 407	1.89 457	2.77 449	1.87 470	2.75 466	1.87 463	2.76 462	1.87 468	2.75 464	1.87 462	2.76 466	1.87 451	2.75 465	1.86 464	2.47 460	1.58 439	2.45 465	1.57 454	2.45 446	1.57 454

LG-G	2.22 445	2.71 407	1.89 457	2.77 449	1.87 470	2.75 466	1.87 463	2.76 462	1.87 468	2.75 464	1.87 462	2.76 466	1.87 451	2.75 465	1.86 464	2.47 460	1.58 439	2.45 465	1.57 454	2.45 446	1.57 454

LGtest1	2.22 445	2.70 405	1.89 457	2.76 448	1.86 467	2.75 466	1.86 462	2.75 461	1.86 464	2.75 464	1.86 461	2.77 468	1.87 451	2.75 465	1.86 464	2.46 459	1.58 439	2.45 465	1.56 453	2.45 446	1.56 453

RAStereo	2.23 448	3.64 429	0.76 325	3.65 462	0.86 367	3.66 478	0.76 348	3.67 477	0.81 360	3.66 474	0.76 358	3.66 475	0.77 348	3.68 476	0.77 351	3.68 470	0.77 328	3.69 477	0.77 355	3.70 459	0.77 349

UDGNet	2.23 448	5.40 465	1.72 446	2.48 443	1.69 459	2.51 462	1.69 455	2.51 458	1.72 457	2.50 460	1.69 457	2.52 461	1.69 447	2.50 461	1.68 456	2.41 458	1.70 447	2.42 464	1.69 462	2.42 445	1.64 457

NCCL2	2.28 450	2.27 390	2.28 465	2.28 437	2.28 477	2.27 453	2.29 471	2.28 448	2.28 474	2.27 453	2.28 476	2.28 450	2.27 464	2.27 454	2.28 475	2.28 450	2.28 462	2.27 459	2.29 475	2.27 441	2.29 470

Abc-Net	2.32 451	24.75 511	1.14 359	1.17 343	1.17 396	1.11 373	1.15 383	1.17 365	1.21 439	1.08 366	1.16 386	1.12 377	1.14 375	1.09 372	1.17 388	1.09 351	1.16 367	1.17 382	1.17 387	1.16 355	1.11 378
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
RP	2.33 452	25.00 512	1.13 358	1.15 337	1.15 391	1.10 370	1.15 383	1.15 361	1.15 386	1.12 372	1.15 383	1.09 371	1.13 373	1.10 374	1.15 384	1.11 358	1.09 357	1.16 378	1.12 382	1.16 355	1.17 386

stereogan	2.33 452	24.38 510	1.18 365	1.18 344	1.18 398	1.14 375	1.18 387	1.19 368	1.19 393	1.14 375	1.18 390	1.14 378	1.18 381	1.14 378	1.18 389	1.14 361	1.14 365	1.19 386	1.19 388	1.15 353	1.19 388

RGC	2.36 454	25.48 513	1.19 367	1.15 337	1.15 391	1.10 370	1.16 385	1.17 365	1.16 387	1.12 372	1.16 386	1.11 376	1.13 373	1.09 372	1.18 389	1.10 353	1.15 366	1.16 378	1.12 382	1.14 351	1.12 380

NCC-stereo	2.36 454	25.52 514	1.17 363	1.15 337	1.17 396	1.11 373	1.11 379	1.15 361	1.16 387	1.10 367	1.16 386	1.10 373	1.15 376	1.14 378	1.13 382	1.09 351	1.11 361	1.15 377	1.16 386	1.17 360	1.17 386

AF-Net	2.37 456	25.71 515	1.17 363	1.13 334	1.15 391	1.15 376	1.18 387	1.19 368	1.16 387	1.10 367	1.15 383	1.10 373	1.18 381	1.12 377	1.15 384	1.10 353	1.10 360	1.17 382	1.15 384	1.16 355	1.12 380

Nwc_Net	2.37 456	25.95 516	1.15 361	1.14 335	1.15 391	1.08 367	1.14 382	1.17 365	1.16 387	1.14 375	1.15 383	1.08 369	1.15 376	1.11 376	1.14 383	1.10 353	1.11 361	1.16 378	1.09 381	1.16 355	1.15 385

CFNet_RVC	2.38 458	8.71 488	0.38 229	9.33 506	0.42 296	0.56 310	0.42 285	0.60 308	0.38 264	0.62 318	0.42 292	0.56 313	7.29 509	0.62 316	0.42 287	0.53 290	0.37 229	0.49 302	0.34 255	8.30 506	6.87 512

edge stereo	2.43 459	27.07 520	1.14 359	1.06 326	1.14 390	1.08 367	1.17 386	1.16 363	1.14 385	1.10 367	1.16 386	1.09 371	1.16 380	1.10 374	1.16 387	1.10 353	1.11 361	1.16 378	1.19 388	1.13 350	1.11 378

FAT-Stereo	2.46 460	26.05 517	1.23 419	1.23 393	1.22 447	1.20 378	1.24 437	1.23 419	1.23 441	1.19 378	1.22 437	1.21 427	1.24 431	1.20 382	1.24 438	1.21 409	1.17 370	1.22 433	1.25 438	1.20 364	1.24 437

S-Stereo	2.51 461	26.86 518	1.23 419	1.22 391	1.22 447	1.24 426	1.25 438	1.22 417	1.24 442	1.21 424	1.24 439	1.19 381	1.27 433	1.19 381	1.24 438	1.19 363	1.20 372	1.25 434	1.19 388	1.24 412	1.23 436

Anonymous3	2.55 462	3.26 423	1.65 442	3.28 456	1.63 458	3.24 473	1.68 454	3.27 471	1.66 456	3.28 472	1.67 456	3.25 472	1.66 446	3.27 471	1.64 453	3.26 466	1.65 445	3.30 471	1.65 458	4.95 488	1.65 459

MIF-Stereo (partial)	2.58 463	3.31 424	0.66 309	3.18 454	0.66 347	3.18 472	0.66 331	3.21 470	0.67 336	3.19 471	0.66 342	3.19 471	0.66 333	3.31 473	0.68 337	5.09 494	1.79 452	8.23 513	1.67 460	6.18 497	1.38 448

MSMDNet	2.65 464	10.14 499	0.33 206	9.74 509	0.32 235	0.87 343	0.33 234	2.95 468	0.68 337	0.49 279	0.34 248	0.49 283	5.70 504	0.49 285	0.33 235	0.42 259	9.57 510	0.41 266	0.31 241	8.36 507	0.65 330

pcwnet_v2	2.66 465	9.89 497	0.33 206	9.89 510	0.32 235	0.50 295	0.32 225	0.49 274	0.33 239	0.49 279	0.34 248	0.49 283	8.76 511	0.48 279	0.33 235	0.41 245	9.58 511	0.40 254	0.29 225	9.01 510	0.63 328

CFNet_pseudo	2.67 466	9.36 493	0.32 201	10.99 515	0.33 246	0.85 341	0.33 234	0.49 274	0.33 239	0.49 279	0.32 236	0.49 283	7.26 508	0.49 285	0.33 235	0.41 245	9.62 512	0.41 266	0.29 225	10.03 514	0.29 214

CFNet_ucs	2.73 467	9.64 495	0.33 206	9.92 511	0.32 235	0.49 287	0.33 234	0.49 274	0.33 239	0.49 279	0.33 241	0.49 283	8.98 512	0.48 279	0.33 235	0.41 245	9.96 515	0.40 254	0.29 225	10.12 515	0.54 314

UCFNet_RVC	2.75 468	10.06 498	0.29 187	10.31 514	0.29 220	0.42 261	0.29 215	0.43 256	0.29 217	0.42 247	0.29 220	0.42 259	9.87 514	0.43 260	0.29 216	0.36 213	9.84 514	0.36 230	0.26 205	9.77 513	0.26 188

ccs_rob	2.79 469	10.17 500	0.32 201	10.00 512	0.33 246	0.49 287	0.33 234	1.90 439	0.32 234	0.51 295	0.33 241	0.49 283	9.24 513	0.49 285	0.33 235	0.41 245	9.82 513	0.41 266	0.28 216	9.34 511	0.29 214

PCWNet_CMD	2.80 470	9.82 496	0.32 201	10.09 513	0.32 235	0.49 287	0.33 234	3.34 472	0.33 239	0.49 279	0.33 241	0.49 283	8.73 510	0.48 279	0.33 235	0.41 245	9.22 509	0.42 276	0.29 225	9.55 512	0.31 229

StereoVision	3.15 471	5.00 454	0.89 336	4.83 480	1.00 380	3.93 479	1.27 439	6.37 506	1.34 445	5.67 506	1.26 441	5.84 507	1.27 433	5.03 503	1.24 438	5.10 495	1.09 357	4.61 489	0.57 329	5.62 495	1.12 380

MaDis-Stereo	3.19 472	6.02 475	1.12 357	5.61 489	1.16 395	5.43 505	1.02 376	5.15 503	0.70 343	5.43 503	1.21 436	5.03 504	0.97 360	4.85 497	0.99 371	4.53 476	1.16 367	5.53 505	1.25 438	5.37 493	1.30 439

sAnonymous2	3.31 473	2.63 400	1.38 433	3.71 463	1.86 467	4.70 497	1.11 379	4.82 499	2.72 477	5.45 504	1.98 473	4.59 489	2.64 466	2.65 462	6.21 509	4.37 472	1.08 355	5.16 503	2.24 473	4.52 470	2.39 475

CroCo_RVC	3.31 473	2.63 400	1.38 433	3.71 463	1.86 467	4.70 497	1.11 379	4.82 499	2.72 477	5.45 504	1.98 473	4.59 489	2.64 466	2.65 462	6.21 509	4.37 472	1.08 355	5.16 503	2.24 473	4.52 470	2.39 475

DPSNet	3.66 475	3.60 428	3.62 490	3.63 461	3.64 500	3.65 477	3.65 498	3.66 476	3.67 495	3.67 475	3.65 496	3.67 476	3.66 486	3.66 475	3.68 493	3.68 470	3.66 483	3.67 476	3.68 499	3.67 458	3.67 497

STTStereo	3.73 476	30.40 524	2.37 469	2.39 440	2.31 479	2.35 457	2.33 472	2.29 449	2.42 475	2.32 457	2.34 477	2.33 454	2.36 465	2.30 455	2.27 474	2.35 455	2.22 461	2.31 461	2.22 472	2.29 443	2.34 474

rvit_105_1	3.83 477	5.22 458	3.01 473	4.53 468	3.01 482	4.51 485	3.01 479	4.56 486	3.04 480	4.53 485	3.03 481	4.55 487	3.03 470	4.56 486	3.04 477	4.57 478	3.05 467	4.57 484	3.05 482	4.57 472	3.05 481

rvit_stereo_0081	3.83 477	5.23 459	3.01 473	4.53 468	3.03 484	4.55 491	3.02 480	4.56 486	3.04 480	4.52 483	3.02 479	4.54 485	3.03 470	4.56 486	3.04 477	4.57 478	3.05 467	4.57 484	3.05 482	4.58 473	3.05 481

rvit_stereo_0081_aga	3.86 479	5.33 462	3.02 476	4.55 474	3.04 488	4.54 487	3.02 480	4.64 493	3.06 484	4.54 487	3.04 483	4.62 494	3.08 477	4.62 492	3.07 482	4.58 481	3.06 471	4.60 488	3.08 486	4.63 476	3.07 485

rvit_stereo_0082	3.86 479	5.82 473	3.01 473	4.53 468	3.03 484	4.54 487	3.02 480	4.56 486	3.04 480	4.53 485	3.02 479	4.55 487	3.04 473	4.57 489	3.05 479	4.57 478	3.05 467	4.58 486	3.05 482	4.58 473	3.06 484

rvit_0105_6	3.87 481	5.73 472	3.10 483	4.69 478	3.12 492	4.54 487	3.02 480	4.56 486	3.04 480	4.54 487	3.03 481	4.54 485	3.04 473	4.56 486	3.05 479	4.58 481	3.05 467	4.58 486	3.05 482	4.58 473	3.05 481

rvit_stereo_0080	3.89 482	5.70 470	3.04 478	4.54 471	3.03 484	4.56 492	3.05 486	4.60 490	3.07 485	4.58 490	3.06 484	4.59 489	3.06 475	4.61 490	3.08 483	4.63 483	3.09 472	4.64 490	3.10 487	4.65 477	3.10 486

whm_eth	3.89 482	5.70 470	3.04 478	4.54 471	3.03 484	4.56 492	3.05 486	4.60 490	3.07 485	4.58 490	3.06 484	4.59 489	3.06 475	4.61 490	3.08 483	4.63 483	3.09 472	4.64 490	3.10 487	4.65 477	3.10 486

rvit_0105_4	3.91 484	5.47 469	3.02 476	4.54 471	3.02 483	4.54 487	3.03 484	4.75 496	3.17 491	4.57 489	3.06 484	4.61 493	3.16 481	4.65 493	3.09 485	4.66 485	3.11 474	4.68 493	3.18 492	4.81 483	3.16 491

rvit_0105_3	3.91 484	5.33 462	3.06 481	4.60 476	3.07 490	4.60 494	3.06 488	4.62 492	3.08 488	4.60 492	3.07 487	4.62 494	3.08 477	4.67 494	3.10 486	4.70 486	3.11 474	4.77 497	3.19 493	4.77 482	3.14 490

rvit_stereo_0083	3.92 486	5.30 461	3.06 481	4.61 477	3.09 491	4.67 496	3.08 489	4.66 494	3.09 489	4.62 493	3.10 489	4.66 497	3.11 479	4.67 494	3.16 488	4.72 488	3.16 477	4.77 497	3.11 489	4.66 479	3.11 488

rvit_stereo_ft	3.93 487	5.44 467	3.05 480	4.59 475	3.06 489	4.61 495	3.08 489	4.67 495	3.12 490	4.63 494	3.10 489	4.65 496	3.11 479	4.69 496	3.13 487	4.70 486	3.14 476	4.71 495	3.15 491	4.74 480	3.16 491

rvit_0105_5	4.10 488	5.40 465	3.13 486	4.71 479	3.15 493	4.72 499	3.10 491	4.90 501	3.27 492	4.69 495	3.16 491	4.84 501	3.25 482	4.96 500	3.34 490	5.05 493	3.39 482	5.10 502	3.40 494	5.11 490	3.42 494

MLG-Stereo_test1	4.25 489	5.34 464	3.61 489	5.31 485	3.63 499	5.23 503	3.57 496	5.38 504	3.65 494	5.23 501	3.47 493	4.76 498	3.74 489	4.85 497	3.71 494	4.96 490	3.18 479	4.71 495	2.92 479	4.86 486	2.90 479

MLG-Stereo_test3	4.26 490	4.85 452	3.95 493	5.35 486	3.60 498	4.75 500	3.76 499	5.49 505	3.71 496	5.39 502	3.69 497	4.82 500	3.66 486	4.85 497	3.73 497	4.93 489	3.19 480	4.69 494	2.99 481	4.84 485	2.98 480

MLG-Stereo_test2	4.28 491	5.46 468	3.69 491	4.86 481	3.72 501	5.58 506	3.42 494	4.81 498	3.77 500	4.85 497	3.72 498	5.55 506	3.63 485	5.58 504	3.53 492	4.41 475	3.28 481	4.99 501	2.95 480	4.75 481	3.13 489

RAFT+CT+SA	4.28 491	7.62 481	4.91 497	5.55 488	2.28 477	3.09 470	3.64 497	4.49 484	3.07 485	4.80 496	3.35 492	4.77 499	3.70 488	4.29 483	3.05 479	5.58 497	5.98 498	3.58 475	3.78 501	4.26 466	3.72 498

SA	4.33 493	7.35 478	6.85 508	5.96 491	4.09 505	3.59 476	3.15 492	3.82 478	2.64 476	3.91 476	3.85 499	3.57 474	2.72 468	3.13 470	4.03 500	7.09 508	6.86 503	3.57 474	3.12 490	3.85 460	3.51 496

Sa-1000	4.34 494	8.37 484	6.84 507	6.98 498	4.45 508	3.58 475	3.00 478	3.42 474	3.39 493	2.61 463	4.00 502	3.83 478	4.01 495	3.90 478	3.90 498	5.98 501	5.62 496	3.76 478	2.34 476	4.35 468	2.47 477

TestStereo1	4.60 495	8.41 485	6.44 505	6.86 496	3.79 502	3.97 480	3.78 500	3.99 480	3.74 497	3.97 477	3.52 494	3.94 479	3.58 483	3.98 479	3.72 495	6.82 505	6.50 501	3.76 478	3.66 497	3.90 461	3.74 500

SA-5K	4.60 495	8.41 485	6.44 505	6.86 496	3.79 502	3.97 480	3.78 500	3.99 480	3.74 497	3.97 477	3.52 494	3.94 479	3.58 483	3.98 479	3.72 495	6.82 505	6.50 501	3.76 478	3.66 497	3.90 461	3.74 500

DispFullNet	4.61 497	4.84 451	3.12 484	5.00 483	3.57 497	4.75 500	3.03 484	7.75 512	4.17 504	4.91 499	3.09 488	6.20 508	3.95 493	6.71 508	3.51 491	5.30 496	3.67 484	5.86 509	3.63 496	5.61 494	3.46 495

test_5	4.62 498	7.55 480	6.23 503	6.32 493	3.40 496	5.29 504	3.50 495	3.53 475	4.11 503	4.28 480	4.47 506	4.26 483	4.38 498	3.68 476	3.24 489	5.89 499	5.60 495	4.84 499	3.50 495	4.33 467	3.93 504

raft_robust	4.71 499	7.75 482	5.40 502	6.81 495	3.31 494	4.28 484	4.20 505	4.32 483	4.37 506	4.35 482	4.35 505	4.14 481	3.75 490	4.30 484	4.20 503	6.67 504	6.37 499	3.36 473	4.24 507	4.86 486	3.25 493

cross-raft	4.83 500	7.52 479	6.43 504	6.63 494	3.96 504	4.51 485	3.99 503	4.49 484	3.96 502	4.52 483	3.96 501	4.50 484	3.97 494	4.50 485	3.97 499	6.65 503	6.44 500	4.33 481	3.92 503	4.35 468	3.91 503

test_4	4.88 501	8.13 483	6.98 509	7.46 499	4.44 507	4.25 483	3.85 502	4.04 482	3.92 501	4.13 479	3.91 500	4.18 482	3.84 491	4.14 481	4.06 501	7.01 507	7.13 504	4.53 482	3.72 500	4.09 464	3.72 498

TestStereo	4.88 501	4.75 450	4.79 496	4.87 482	4.92 509	4.81 502	4.90 508	4.78 497	4.77 507	4.87 498	4.89 507	4.90 502	4.91 500	4.99 501	4.79 505	4.98 491	4.87 492	4.87 500	4.92 509	5.00 489	5.00 507

test_3	5.01 503	8.86 490	7.77 511	8.09 501	2.76 481	4.13 482	4.05 504	3.88 479	3.76 499	4.33 481	4.13 503	3.71 477	3.91 492	4.21 482	4.06 501	7.93 509	7.69 506	4.53 482	3.91 502	4.17 465	4.29 506

NLCA_NET_v2_RVC	5.04 504	50.87 534	2.78 471	2.87 452	2.71 480	2.78 469	0.47 299	2.88 467	2.86 479	1.89 443	2.67 478	2.79 469	2.79 469	2.78 468	2.83 476	2.82 463	2.82 465	2.83 469	2.77 478	2.83 455	2.76 478
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
FC-DCNN v2	5.10 505	5.15 456	4.49 495	5.07 484	3.37 495	6.87 509	4.75 507	5.04 502	6.34 511	7.84 512	5.06 508	6.72 512	4.09 496	4.99 501	5.44 508	5.03 492	3.16 477	4.67 492	4.86 508	5.15 491	3.89 502

U	5.15 506	8.49 487	1.81 449	8.49 503	1.77 462	8.49 514	1.77 457	8.51 514	1.77 459	8.49 514	1.77 459	8.50 514	1.78 449	8.58 514	1.77 462	8.54 512	1.78 451	8.55 514	1.78 467	8.55 508	1.84 464

SGM-Forest	5.21 507	5.92 474	4.08 494	6.18 492	4.16 506	6.31 508	4.34 506	6.50 507	4.33 505	6.14 508	4.21 504	6.61 511	4.55 499	6.67 507	4.48 504	5.94 500	3.94 486	5.85 508	4.03 505	5.79 496	4.17 505
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
test-1	6.46 508	9.16 492	8.03 514	8.09 501	5.62 512	6.11 507	6.35 511	6.85 509	4.94 508	6.08 507	6.29 513	4.98 503	6.43 505	6.22 505	6.36 511	6.16 502	7.47 505	5.82 507	5.44 512	7.11 502	5.68 510

rvit_stereo_0075_2	6.64 509	8.80 489	5.25 499	7.89 500	5.27 511	7.90 513	5.27 509	7.92 513	5.28 509	7.91 513	5.29 510	7.93 513	5.27 501	7.92 513	5.28 506	7.93 509	5.28 494	7.93 512	5.29 511	7.93 505	5.28 509

RAFT	6.73 510	9.36 493	7.40 510	8.51 504	6.55 513	6.88 510	6.60 512	6.79 508	6.60 512	6.80 509	6.72 514	5.31 505	5.50 503	6.61 506	6.61 512	8.42 511	5.89 497	5.73 506	5.45 513	6.61 498	6.24 511

SGM+DAISY	7.06 511	9.15 491	5.38 501	8.84 505	5.18 510	8.80 515	5.31 510	8.79 515	5.28 509	8.89 515	5.20 509	8.93 515	5.33 502	8.95 515	5.36 507	8.70 513	5.21 493	8.74 515	5.20 510	8.89 509	5.15 508

test-v	7.53 512	11.89 501	7.98 512	9.36 507	7.14 514	7.06 511	7.09 513	7.37 510	6.91 513	7.29 510	5.71 511	6.45 509	6.93 506	6.73 509	7.27 513	8.93 514	7.85 507	6.98 510	6.80 514	7.56 503	7.34 513

test-2	7.53 512	11.89 501	7.98 512	9.36 507	7.14 514	7.06 511	7.09 513	7.37 510	6.91 513	7.29 510	5.71 511	6.45 509	6.93 506	6.73 509	7.27 513	8.93 514	7.85 507	6.98 510	6.80 514	7.56 503	7.34 513

PA-Net	11.80 514	223.51 541	0.62 302	0.59 265	0.71 354	0.59 317	0.73 345	0.67 317	0.73 350	0.55 306	0.61 334	0.60 319	0.74 344	0.63 320	0.73 346	0.66 309	0.60 302	0.69 332	0.66 339	0.72 307	0.65 330
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
MANE	19.05 515	23.00 509	15.00 515	23.00 522	15.00 516	24.00 522	16.00 515	24.00 522	16.00 515	22.00 522	15.00 515	23.00 522	16.00 515	23.00 522	15.00 515	22.00 522	15.00 516	22.00 522	15.00 516	22.00 522	15.00 515

rafts_anoy	20.00 516	20.00 503	20.00 516	20.00 516	20.00 517	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 517	20.00 516	20.00 517	20.00 516	20.00 516

raft+_RVC	20.00 516	20.00 503	20.00 516	20.00 516	20.00 517	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 517	20.00 516	20.00 517	20.00 516	20.00 516

raftrobust	20.00 516	20.00 503	20.00 516	20.00 516	20.00 517	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 517	20.00 516	20.00 517	20.00 516	20.00 516

CasAABBNet	20.00 516	20.00 503	20.00 516	20.00 516	20.00 517	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 517	20.00 516	20.00 517	20.00 516	20.00 516

RALCasStereoNet	20.00 516	20.00 503	20.00 516	20.00 516	20.00 517	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 517	20.00 516	20.00 517	20.00 516	20.00 516

RALAANet	20.00 516	20.00 503	20.00 516	20.00 516	20.00 517	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 516	20.00 517	20.00 516	20.00 517	20.00 516	20.00 516

111	30.40 522	30.94 525	29.72 523	32.61 523	30.02 524	33.57 523	30.47 523	31.50 523	29.39 523	30.98 523	29.11 523	29.78 523	30.39 526	29.45 523	30.76 526	30.08 523	29.02 524	29.92 523	30.32 527	29.86 523	30.17 523

WCMA_ROB	31.10 523	35.43 529	27.12 522	39.51 534	23.10 523	38.78 534	25.30 522	37.49 534	25.39 522	37.29 533	27.02 522	38.52 534	26.48 522	37.80 533	26.44 522	36.28 530	22.65 523	33.90 527	22.30 523	37.10 531	24.18 522

DCANet-4	35.22 524	34.54 526	35.08 529	33.58 527	35.47 531	34.55 524	35.53 530	36.08 529	35.85 527	35.92 529	35.77 529	35.18 529	35.48 528	35.39 529	37.15 532	34.55 529	33.92 528	35.02 530	34.90 529	35.79 527	34.74 530

ADStereo(finetuned)	36.13 525	36.63 530	38.07 533	36.97 528	33.25 528	35.91 528	34.45 527	36.36 530	32.99 524	38.14 534	36.71 530	36.69 530	34.13 527	38.57 534	40.79 533	37.60 534	36.58 531	35.90 531	33.36 528	35.42 526	34.04 527

Reg-Stereo(zero)	37.00 526	37.00 531	37.00 530	37.00 529	37.00 532	37.00 531	37.00 531	37.00 531	37.00 528	37.00 530	37.00 531	37.00 531	37.00 529	37.00 530	37.00 529	37.00 531	37.00 532	37.00 532	37.00 532	37.00 528	37.00 531

HI	37.00 526	37.00 531	37.00 530	37.00 529	37.00 532	37.00 531	37.00 531	37.00 531	37.00 528	37.00 530	37.00 531	37.00 531	37.00 529	37.00 530	37.00 529	37.00 531	37.00 532	37.00 532	37.00 532	37.00 528	37.00 531

CoSv	37.00 526	37.00 531	37.00 530	37.00 529	37.00 532	37.00 531	37.00 531	37.00 531	37.00 528	37.00 530	37.00 531	37.00 531	37.00 529	37.00 530	37.00 529	37.00 531	37.00 532	37.00 532	37.00 532	37.00 528	37.00 531

MDST_ROB	69.83 529	87.70 535	41.95 534	113.75 537	65.62 537	75.05 535	55.25 535	75.64 536	45.04 531	71.61 535	41.75 534	72.81 535	44.06 532	68.38 535	44.63 534	101.89 537	59.57 537	107.10 537	61.05 537	104.38 534	59.38 536

NOSS_ROB	102.95 530	153.00 539	121.00 537	51.00 535	44.00 535	165.00 538	127.00 536	153.00 537	119.00 533	164.00 538	125.00 536	168.00 538	120.00 534	153.00 537	117.00 536	49.00 535	44.00 535	49.00 535	44.00 535	49.00 532	44.00 534

CBMV	128.50 531	1422.70 546	53.10 535	79.50 536	51.30 536	77.30 536	49.70 534	74.00 535	48.20 532	77.20 536	48.80 535	73.90 536	48.00 533	73.80 536	48.80 535	70.40 536	45.10 536	68.90 536	46.10 536	68.20 533	45.00 535
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MeshStereo	159.24 532	171.00 540	160.68 540	162.58 538	160.59 538	164.01 537	160.35 537	158.51 538	158.56 534	158.34 537	160.12 537	158.56 537	159.92 535	157.26 538	158.94 537	154.38 538	158.36 538	155.75 538	159.13 539	153.67 535	154.07 537
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
AE-Stereo	201.80 533	123.00 536	115.00 536	219.00 539	218.00 540	223.00 539	244.00 539	217.00 539	236.00 536	202.00 539	203.00 538	205.00 539	208.00 536	225.00 539	204.00 538	210.00 539	198.00 539	197.00 539	184.00 540	204.00 536	201.00 538

MGS-Stereo	239.45 534	123.00 536	135.00 538	266.00 540	286.00 541	277.00 540	305.00 540	271.00 540	242.00 537	274.00 540	279.00 540	255.00 540	270.00 538	268.00 540	297.00 540	221.00 540	247.00 541	216.00 540	123.00 538	217.00 537	217.00 540

EGLCR-Stereo	246.90 535	129.00 538	139.00 539	266.00 540	286.00 541	277.00 540	305.00 540	271.00 540	242.00 537	274.00 540	279.00 540	255.00 540	270.00 538	268.00 540	297.00 540	230.00 541	247.00 541	216.00 540	223.00 542	237.00 538	227.00 541

DLCB_ROB	284.23 536	354.61 542	207.27 541	363.24 542	206.46 539	364.72 542	210.41 538	364.72 542	210.41 535	364.81 542	208.64 539	364.81 542	208.64 537	364.72 542	210.41 539	354.70 542	205.53 540	354.70 542	205.53 541	354.70 539	205.53 539

LE_ROB	396.57 537	471.28 543	329.84 542	471.48 543	308.15 543	526.83 543	322.10 542	488.15 543	323.76 539	495.46 543	317.97 542	497.17 543	320.10 540	481.62 543	326.76 542	462.71 543	298.97 543	466.16 543	285.98 543	447.62 540	289.21 542

SGM-ForestM	596.69 538	677.77 544	444.52 543	699.85 544	517.25 544	732.94 544	488.29 543	770.79 544	460.11 540	750.81 544	487.98 543	792.79 544	499.41 541	730.90 544	475.81 543	720.03 544	491.16 544	663.96 544	418.60 544	674.76 541	436.05 543

CBMV_ROB	818.48 539	913.88 545	709.52 544	862.84 545	597.78 545	1073.99 545	700.52 544	1015.66 545	702.59 541	1115.65 545	760.02 544	1130.24 545	721.57 542	1037.41 545	692.65 544	814.05 545	564.29 545	843.28 545	595.31 545	915.51 542	602.92 544

tt	500032.53 540	34.60 527	29.72 523	37.47 532	34.41 529	36.85 529	35.22 528	34.71 527	33.55 525	34.50 524	35.43 527	33.81 527	10000000.00 543	33.57 527	33.13 527	33.68 527	35.00 529	34.03 528	35.26 530	30.96 524	34.63 528

DCANet	500032.53 540	34.60 527	29.72 523	37.47 532	34.41 529	36.85 529	35.22 528	34.71 527	33.55 525	34.50 524	35.43 527	33.81 527	10000000.00 543	33.57 527	33.13 527	33.68 527	35.00 529	34.03 528	35.26 530	30.96 524	34.63 528

fff	1000028.16 542	29.62 521	29.72 523	32.61 523	30.02 524	35.13 525	31.83 524	32.07 524	10000000.00 542	35.27 526	29.82 524	32.45 524	30.15 523	32.35 524	30.09 523	31.04 524	29.55 525	30.64 524	30.14 524	10000000.00 543	30.77 524

csc	1000028.16 542	29.62 521	29.72 523	32.61 523	30.02 524	35.13 525	31.83 524	32.07 524	10000000.00 542	35.27 526	29.82 524	32.45 524	30.15 523	32.35 524	30.09 523	31.04 524	29.55 525	30.64 524	30.14 524	10000000.00 543	30.77 524

cscssc	1000028.16 542	29.62 521	29.72 523	32.61 523	30.02 524	35.13 525	31.83 524	32.07 524	10000000.00 542	35.27 526	29.82 524	32.45 524	30.15 523	32.35 524	30.09 523	31.04 524	29.55 525	30.64 524	30.14 524	10000000.00 543	30.77 524

111111	10000000.00 545	10000000.00 547	10000000.00 545	10000000.00 546	10000000.00 546	10000000.00 546	10000000.00 545	10000000.00 546	10000000.00 542	10000000.00 546	10000000.00 545	10000000.00 546	10000000.00 543	10000000.00 546	10000000.00 545	10000000.00 546	10000000.00 546	10000000.00 546	10000000.00 546	10000000.00 543	10000000.00 545

SGD-Stereo	10000000.00 545	10000000.00 547	10000000.00 545	10000000.00 546	10000000.00 546	10000000.00 546	10000000.00 545	10000000.00 546	10000000.00 542	10000000.00 546	10000000.00 545	10000000.00 546	10000000.00 543	10000000.00 546	10000000.00 545	10000000.00 546	10000000.00 546	10000000.00 546	10000000.00 546	10000000.00 543	10000000.00 545

IGEV-Stereo++	10000000.00 545	10000000.00 547	10000000.00 545	10000000.00 546	10000000.00 546	10000000.00 546	10000000.00 545	10000000.00 546	10000000.00 542	10000000.00 546	10000000.00 545	10000000.00 546	10000000.00 543	10000000.00 546	10000000.00 545	10000000.00 546	10000000.00 546	10000000.00 546	10000000.00 546	10000000.00 543	10000000.00 545

IGEV-BASED-STEREO-	10000000.00 545	10000000.00 547	10000000.00 545	10000000.00 546	10000000.00 546	10000000.00 546	10000000.00 545	10000000.00 546	10000000.00 542	10000000.00 546	10000000.00 545	10000000.00 546	10000000.00 543	10000000.00 546	10000000.00 545	10000000.00 546	10000000.00 546	10000000.00 546	10000000.00 546	10000000.00 543	10000000.00 545

IGEV-Stereo+	10000000.00 545	10000000.00 547	10000000.00 545	10000000.00 546	10000000.00 546	10000000.00 546	10000000.00 545	10000000.00 546	10000000.00 542	10000000.00 546	10000000.00 545	10000000.00 546	10000000.00 543	10000000.00 546	10000000.00 545	10000000.00 546	10000000.00 546	10000000.00 546	10000000.00 546	10000000.00 543	10000000.00 545

SDNR	10000000.00 545	10000000.00 547	10000000.00 545	10000000.00 546	10000000.00 546	10000000.00 546	10000000.00 545	10000000.00 546	10000000.00 542	10000000.00 546	10000000.00 545	10000000.00 546	10000000.00 543	10000000.00 546	10000000.00 545	10000000.00 546	10000000.00 546	10000000.00 546	10000000.00 546	10000000.00 543	10000000.00 545

anonymousdsp2	10000000.00 545	10000000.00 547	10000000.00 545	10000000.00 546	10000000.00 546	10000000.00 546	10000000.00 545	10000000.00 546	10000000.00 542	10000000.00 546	10000000.00 545	10000000.00 546	10000000.00 543	10000000.00 546	10000000.00 545	10000000.00 546	10000000.00 546	10000000.00 546	10000000.00 546	10000000.00 543	10000000.00 545

anonymousdsp	10000000.00 545	10000000.00 547	10000000.00 545	10000000.00 546	10000000.00 546	10000000.00 546	10000000.00 545	10000000.00 546	10000000.00 542	10000000.00 546	10000000.00 545	10000000.00 546	10000000.00 543	10000000.00 546	10000000.00 545	10000000.00 546	10000000.00 546	10000000.00 546	10000000.00 546	10000000.00 543	10000000.00 545

test_example2	10000000.00 545	10000000.00 547	10000000.00 545	10000000.00 546	10000000.00 546	10000000.00 546	10000000.00 545	10000000.00 546	10000000.00 542	10000000.00 546	10000000.00 545	10000000.00 546	10000000.00 543	10000000.00 546	10000000.00 545	10000000.00 546	10000000.00 546	10000000.00 546	10000000.00 546	10000000.00 543	10000000.00 545

DIP-Stereo	10000000.00 545	10000000.00 547	10000000.00 545	10000000.00 546	10000000.00 546	10000000.00 546	10000000.00 545	10000000.00 546	10000000.00 542	10000000.00 546	10000000.00 545	10000000.00 546	10000000.00 543	10000000.00 546	10000000.00 545	10000000.00 546	10000000.00 546	10000000.00 546	10000000.00 546	10000000.00 543	10000000.00 545
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
ccccc		0.44 165		0.48 235	0.35 257	0.48 282		0.51 291		0.47 266		0.47 273		0.47 272		0.41 245	0.40 245	0.40 254	0.40 285	0.41 246

ASD4		0.20 98

Low-res two-view benchmark