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 96	0.00 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 43	0.07 47	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 10	0.01 9	0.01 10	0.01 10	0.06 55	0.04 45	0.01 9	0.01 9	0.01 10	0.01 10

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 48	0.03 40	0.02 20	0.02 20	0.02 21	0.03 40	0.02 20	0.02 20	0.03 52	0.03 39	0.02 20	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

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

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

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

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

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

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

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

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

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

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

Wz-Net-SNSev	0.03 29	0.09 64	0.07 58	0.09 53	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 66	0.07 57	0.01 9	0.01 9	0.01 10	0.01 10

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

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

NVStereoNet_ROB	0.04 38	0.04 37	0.04 43	0.04 37	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.04 84	0.04 72	0.04 75	0.04 44	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
DFGA-Net	0.05 41	0.06 54	0.04 43	0.06 46	0.04 79	0.06 92	0.04 81	0.06 94	0.04 81	0.06 96	0.04 88	0.06 97	0.04 84	0.06 88	0.04 75	0.06 55	0.04 45	0.05 86	0.04 78	0.05 92	0.04 79

GASNet	0.05 41	0.04 37	0.12 100	0.04 37	0.04 79	0.04 77	0.05 93	0.04 77	0.04 81	0.12 122	0.04 88	0.06 97	0.04 84	0.04 72	0.04 75	0.04 44	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

WZ-Net	0.05 41	0.50 191	0.10 69	0.12 79	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 91	0.10 73	0.01 9	0.01 9	0.01 10	0.01 10

Wz-Net-LNSev	0.06 44	0.24 118	0.20 161	0.23 144	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	0.23 169	0.21 170	0.02 18	0.01 9	0.01 10	0.01 10

Wz-Net-MNSev	0.06 44	0.54 206	0.10 69	0.12 79	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 91	0.11 94	0.01 9	0.01 9	0.01 10	0.01 10

AASNet	0.06 44	0.08 58	0.08 60	0.08 49	0.05 99	0.06 92	0.05 93	0.05 89	0.06 106	0.06 96	0.06 106	0.05 91	0.06 106	0.06 88	0.05 88	0.08 60	0.08 59	0.08 101	0.05 96	0.06 96	0.05 97

SACVNet	0.06 44	0.08 58	0.08 60	0.08 49	0.05 99	0.06 92	0.05 93	0.05 89	0.06 106	0.06 96	0.06 106	0.05 91	0.06 106	0.06 88	0.05 88	0.08 60	0.08 59	0.08 101	0.05 96	0.06 96	0.05 97

AACVNet	0.06 44	0.08 58	0.08 60	0.08 49	0.05 99	0.06 92	0.05 93	0.05 89	0.06 106	0.06 96	0.06 106	0.05 91	0.06 106	0.06 88	0.05 88	0.08 60	0.08 59	0.08 101	0.05 96	0.06 96	0.05 97

FINET	0.07 49	0.08 58	0.07 58	0.07 47	0.07 108	0.08 103	0.06 105	0.08 107	0.07 109	0.08 104	0.07 109	0.08 104	0.06 106	0.07 102	0.07 100	0.08 60	0.07 57	0.07 99	0.07 104	0.06 96	0.06 102

ADCMid	0.08 50	0.02 12	0.02 14	1.01 338	0.03 48	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.04 72	0.09 105	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

test_sample7	0.09 51	1.00 264	0.11 89	0.11 73	0.02 21	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 109	0.03 38	0.03 54	0.03 43	0.03 51

test_sample6	0.09 51	0.97 259	0.10 69	0.10 56	0.03 48	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.03 52	0.03 42	0.02 21	0.03 39	0.02 20	0.10 71	0.10 73	0.03 38	0.02 20	0.03 43	0.02 20

test_sample3	0.09 51	0.87 237	0.10 69	0.12 79	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.10 73	0.03 38	0.02 20	0.03 43	0.02 20

test_sample2	0.09 51	1.03 276	0.11 89	0.11 73	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 66	0.09 68	0.03 38	0.02 20	0.03 43	0.02 20

test_sample1	0.09 51	0.87 237	0.12 100	0.11 73	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.04 74	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.10 71	0.10 73	0.03 38	0.02 20	0.03 43	0.02 20

SMFormer	0.09 51	1.01 270	0.09 65	0.09 53	0.03 48	0.03 40	0.02 20	0.03 42	0.02 21	0.03 40	0.02 20	0.03 42	0.02 21	0.03 39	0.02 20	0.09 66	0.09 68	0.03 38	0.02 20	0.03 43	0.02 20

tta	0.09 51	0.95 256	0.09 65	0.10 56	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 66	0.10 73	0.03 38	0.02 20	0.03 43	0.02 20

xxx	0.09 51	1.01 270	0.10 69	0.10 56	0.03 48	0.03 40	0.03 50	0.03 42	0.02 21	0.03 40	0.03 52	0.03 42	0.02 21	0.03 39	0.02 20	0.10 71	0.10 73	0.03 38	0.02 20	0.03 43	0.03 51

SepStereo	0.09 51	0.09 64	0.10 69	0.09 53	0.09 112	0.09 107	0.09 110	0.10 109	0.08 111	0.10 108	0.09 112	0.09 108	0.09 113	0.09 108	0.08 102	0.09 66	0.08 59	0.09 106	0.08 108	0.09 109	0.08 105

APVNet	0.09 51	0.05 49	0.04 43	0.05 43	0.04 79	0.05 89	0.90 378	0.06 94	0.04 81	0.05 91	0.04 88	0.05 91	0.04 84	0.05 82	0.04 75	0.05 51	0.04 45	0.05 86	0.04 78	0.05 92	0.05 97

ADCS	0.09 51	0.02 12	0.04 43	0.90 316	0.06 107	0.02 19	0.02 20	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.14 127	0.36 265	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.02 20

zh-sn7	0.10 62	0.98 260	0.14 125	0.15 106	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.15 123	0.13 133	0.03 38	0.03 54	0.03 43	0.03 51

DualNet (step1)	0.10 62	1.05 280	0.12 100	0.12 79	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 109	0.03 38	0.03 54	0.03 43	0.03 51

test_sample9	0.10 62	1.05 280	0.12 100	0.12 79	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.02 20	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 109	0.03 38	0.03 54	0.03 43	0.03 51

test_sample8	0.10 62	1.05 280	0.12 100	0.12 79	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 109	0.03 38	0.03 54	0.03 43	0.03 51

test_sample5	0.10 62	1.07 283	0.11 89	0.10 56	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.10 71	0.10 73	0.03 38	0.03 54	0.04 77	0.03 51

test_sample4	0.10 62	1.03 276	0.12 100	0.10 56	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 107	0.13 133	0.03 38	0.03 54	0.03 43	0.03 51

DualNet	0.10 62	1.07 283	0.11 89	0.10 56	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.10 71	0.10 73	0.03 38	0.03 54	0.04 77	0.03 51

ttt	0.10 62	1.09 285	0.12 100	0.12 79	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 109	0.03 38	0.02 20	0.03 43	0.02 20

1111x	0.10 62	1.14 290	0.13 120	0.14 96	0.03 48	0.04 77	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 107	0.11 94	0.03 38	0.02 20	0.03 43	0.02 20

AnonymousM	0.10 62	0.10 66	0.10 69	0.10 56	0.10 118	0.10 108	0.10 115	0.10 109	0.10 115	0.10 108	0.10 116	0.10 110	0.10 117	0.10 110	0.10 111	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

222	0.10 62	0.99 263	0.12 100	0.13 92	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.12 91	0.12 109	0.03 38	0.02 20	0.04 77	0.03 51

test_xeample	0.10 62	1.09 285	0.13 120	0.12 79	0.03 48	0.03 40	0.03 50	0.04 77	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.14 114	0.14 137	0.03 38	0.03 54	0.03 43	0.03 51

PVD	0.10 62	0.10 66	0.10 69	0.10 56	0.10 118	0.10 108	0.10 115	0.10 109	0.10 115	0.10 108	0.10 116	0.10 110	0.10 117	0.10 110	0.10 111	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

SHD	0.10 62	0.10 66	0.10 69	0.10 56	0.10 118	0.10 108	0.10 115	0.10 109	0.10 115	0.10 108	0.10 116	0.10 110	0.10 117	0.10 110	0.10 111	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

SAMSARA	0.10 62	0.10 66	0.10 69	0.10 56	0.10 118	0.10 108	0.10 115	0.10 109	0.10 115	0.10 108	0.10 116	0.10 110	0.10 117	0.10 110	0.10 111	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

XQC	0.10 62	0.10 66	0.10 69	0.10 56	0.10 118	0.10 108	0.10 115	0.10 109	0.10 115	0.10 108	0.10 116	0.10 110	0.10 117	0.10 110	0.10 111	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

RTSC	0.10 62	0.10 66	0.10 69	0.10 56	0.10 118	0.10 108	0.10 115	0.10 109	0.10 115	0.10 108	0.10 116	0.10 110	0.10 117	0.10 110	0.10 111	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

RTS	0.10 62	0.10 66	0.10 69	0.10 56	0.10 118	0.10 108	0.10 115	0.10 109	0.10 115	0.10 108	0.10 116	0.10 110	0.10 117	0.10 110	0.10 111	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

RTSA	0.10 62	0.10 66	0.10 69	0.10 56	0.10 118	0.10 108	0.10 115	0.10 109	0.10 115	0.10 108	0.10 116	0.10 110	0.10 117	0.10 110	0.10 111	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

MADNet+	0.10 62	0.10 66	0.10 69	0.10 56	0.10 118	0.10 108	0.10 115	0.10 109	0.10 115	0.10 108	0.10 116	0.10 110	0.10 117	0.10 110	0.10 111	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

MADNet++	0.10 62	0.10 66	0.10 69	0.10 56	0.10 118	0.10 108	0.10 115	0.10 109	0.10 115	0.10 108	0.10 116	0.10 110	0.10 117	0.10 110	0.10 111	0.10 71	0.10 73	0.10 107	0.10 117	0.10 110	0.10 113

ADCPNet	0.10 62	0.03 31	0.04 43	1.27 410	0.03 48	0.04 77	0.03 50	0.03 42	0.03 55	0.04 74	0.03 52	0.04 77	0.03 52	0.08 105	0.04 75	0.04 44	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

ISRNet	0.11 84	0.05 49	0.36 231	0.24 149	0.07 108	0.13 123	0.05 93	0.06 94	0.05 97	0.05 91	0.05 100	0.13 124	0.05 94	0.05 82	0.09 105	0.24 174	0.20 167	0.10 107	0.05 96	0.06 96	0.13 147

JetRed	0.11 84	0.12 79	0.11 89	0.11 73	0.11 133	0.11 119	0.14 149	0.11 121	0.11 130	0.12 122	0.11 130	0.11 120	0.11 129	0.11 121	0.11 123	0.11 86	0.16 142	0.11 118	0.11 129	0.11 120	0.11 125

JetBlue	0.11 84	0.11 77	0.12 100	0.13 92	0.14 154	0.11 119	0.11 128	0.11 121	0.11 130	0.11 120	0.11 130	0.11 120	0.11 129	0.12 125	0.12 138	0.11 86	0.11 94	0.11 118	0.11 129	0.11 120	0.11 125

x	0.11 84	1.15 293	0.15 141	0.14 96	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.04 74	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.14 114	0.15 140	0.03 38	0.03 54	0.03 43	0.03 51

Wz-Net-LNSev-Ref	0.11 84	0.44 168	0.33 212	0.39 195	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	0.39 241	0.36 235	0.02 18	0.02 20	0.02 20	0.02 20

xxxx	0.11 84	1.16 294	0.16 142	0.12 79	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.13 107	0.16 142	0.03 38	0.04 78	0.04 77	0.04 79

BEATNet_4x	0.11 84	0.03 31	0.03 36	1.60 427	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.05 82	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

ADCL	0.11 84	0.03 31	0.03 36	1.60 427	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.05 82	0.03 48	0.03 34	0.03 36	0.03 38	0.03 54	0.03 43	0.03 51

AnyNet_C01	0.11 84	0.02 12	0.02 14	1.62 430	0.02 21	0.02 19	0.02 20	0.02 20	0.02 21	0.03 40	0.02 20	0.02 20	0.02 21	0.06 88	0.04 75	0.02 15	0.02 15	0.02 18	0.02 20	0.02 20	0.03 51

zh-mn7	0.12 93	1.14 290	0.17 149	0.20 132	0.03 48	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.18 147	0.16 142	0.03 38	0.03 54	0.03 43	0.03 51

S2M2	0.12 93	0.14 84	0.10 69	0.15 106	0.10 118	0.14 124	0.10 115	0.14 125	0.10 115	0.15 130	0.10 116	0.14 125	0.10 117	0.14 127	0.10 111	0.13 107	0.10 73	0.13 124	0.09 110	0.13 126	0.09 108

GwcNet	0.12 93	0.07 57	0.05 57	0.08 49	0.05 99	0.08 103	1.20 406	0.07 104	0.05 97	0.05 91	0.05 100	0.08 104	0.05 94	0.08 105	0.03 48	0.07 58	0.05 56	0.06 94	0.05 96	0.07 104	0.05 97

FADNet-RVC-Resample	0.12 93	0.04 37	0.04 43	0.04 37	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.04 84	0.04 72	1.57 475	0.04 44	0.04 45	0.04 73	0.05 96	0.04 77	0.06 102

FADNet_RVC	0.12 93	0.04 37	0.04 43	0.05 43	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.05 94	0.04 72	1.65 479	0.05 51	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

FADNet	0.12 93	0.05 49	0.04 43	0.04 37	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.05 94	0.04 72	1.66 481	0.06 55	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

ADCRef	0.12 93	0.03 31	0.04 43	1.71 433	0.04 79	0.03 40	0.03 50	0.04 77	0.04 81	0.04 74	0.03 52	0.04 77	0.03 52	0.06 88	0.04 75	0.04 44	0.04 45	0.04 73	0.04 78	0.03 43	0.04 79

testlalala2	0.13 100	0.16 86	0.11 89	0.15 106	0.11 133	0.16 139	0.11 128	0.16 138	0.11 130	0.16 135	0.11 130	0.16 136	0.11 129	0.16 137	0.11 123	0.14 114	0.11 94	0.14 126	0.11 129	0.14 128	0.11 125

testlalala_base	0.13 100	0.16 86	0.11 89	0.15 106	0.11 133	0.15 131	0.11 128	0.16 138	0.11 130	0.16 135	0.11 130	0.16 136	0.11 129	0.16 137	0.11 123	0.14 114	0.11 94	0.14 126	0.11 129	0.14 128	0.11 125

CIPLG	0.13 100	0.21 106	0.12 100	0.16 117	0.11 133	0.15 131	0.11 128	0.14 125	0.11 130	0.15 130	0.12 141	0.15 135	0.11 129	0.14 127	0.11 123	0.15 123	0.12 109	0.14 126	0.11 129	0.14 128	0.11 125

IPLG	0.13 100	0.20 100	0.14 125	0.15 106	0.11 133	0.14 124	0.11 128	0.14 125	0.11 130	0.14 124	0.11 130	0.14 125	0.11 129	0.14 127	0.11 123	0.15 123	0.12 109	0.14 126	0.11 129	0.14 128	0.11 125

ACRE	0.13 100	0.21 106	0.14 125	0.15 106	0.11 133	0.14 124	0.11 128	0.14 125	0.11 130	0.14 124	0.12 141	0.14 125	0.11 129	0.14 127	0.11 123	0.15 123	0.12 109	0.14 126	0.11 129	0.14 128	0.11 125

LRCNet_RVC	0.13 100	0.13 80	0.09 65	0.13 92	0.10 118	0.14 124	0.10 115	0.14 125	0.10 115	0.23 170	0.10 116	0.20 156	0.10 117	0.24 178	0.11 123	0.11 86	0.09 68	0.12 121	0.14 157	0.12 124	0.09 108

aanetorigin	0.13 100	0.11 77	0.11 89	0.11 73	0.11 133	0.11 119	0.11 128	0.11 121	0.11 130	0.11 120	0.12 141	0.11 120	0.11 129	0.11 121	0.11 123	0.11 86	0.11 94	0.14 126	0.11 129	0.49 287	0.11 125

FADNet-RVC	0.13 100	0.04 37	0.04 43	0.04 37	0.04 79	0.04 77	0.05 93	0.04 77	0.04 81	0.04 74	0.05 100	0.04 77	0.05 94	0.04 72	1.71 484	0.04 44	0.04 45	0.04 73	0.04 78	0.07 104	0.04 79

ELAS	0.13 100	0.16 86	0.11 89	0.15 106	0.09 112	0.18 151	0.11 128	0.18 149	0.11 130	0.17 144	0.11 130	0.18 150	0.11 129	0.18 149	0.11 123	0.14 114	0.08 59	0.14 126	0.08 108	0.14 128	0.09 108
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
w-ln-seven-2	0.14 109	1.22 350	0.28 189	0.32 173	0.04 79	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.03 42	0.03 52	0.03 39	0.03 48	0.32 199	0.27 189	0.04 73	0.03 54	0.03 43	0.03 51

S2M2_XL	0.14 109	0.17 92	0.12 100	0.17 125	0.11 133	0.17 147	0.11 128	0.17 146	0.11 130	0.17 144	0.11 130	0.17 146	0.11 129	0.17 146	0.11 123	0.16 131	0.11 94	0.16 142	0.11 129	0.16 142	0.11 125

mmm	0.14 109	1.83 378	0.12 100	0.11 73	0.03 48	0.03 40	0.03 50	0.03 42	0.04 81	0.03 40	0.03 52	0.03 42	0.03 52	0.06 88	0.04 75	0.12 91	0.11 94	0.05 86	0.04 78	0.05 92	0.04 79

ProNet	0.14 109	0.20 100	0.14 125	0.16 117	0.11 133	0.16 139	0.11 128	0.17 146	0.11 130	0.17 144	0.12 141	0.17 146	0.13 151	0.17 146	0.12 138	0.15 123	0.11 94	0.16 142	0.11 129	0.15 138	0.12 141

IPLGR_C	0.14 109	0.20 100	0.12 100	0.15 106	0.11 133	0.14 124	0.15 154	0.14 125	0.11 130	0.15 130	0.12 141	0.14 125	0.11 129	0.16 137	0.11 123	0.15 123	0.12 109	0.14 126	0.12 146	0.15 138	0.12 141

MIPNet	0.14 109	0.21 106	0.17 149	0.16 117	0.11 133	0.15 131	0.12 144	0.14 125	0.11 130	0.16 135	0.11 130	0.14 125	0.11 129	0.14 127	0.11 123	0.14 114	0.12 109	0.14 126	0.11 129	0.14 128	0.11 125

IPLGR	0.14 109	0.24 118	0.14 125	0.16 117	0.12 149	0.15 131	0.12 144	0.14 125	0.11 130	0.15 130	0.12 141	0.14 125	0.11 129	0.14 127	0.11 123	0.15 123	0.12 109	0.14 126	0.11 129	0.14 128	0.11 125

GMStereo	0.14 109	0.13 80	0.14 125	0.14 96	0.14 154	0.14 124	0.14 149	0.14 125	0.14 154	0.14 124	0.14 158	0.14 125	0.14 155	0.14 127	0.14 148	0.14 114	0.14 137	0.14 126	0.14 157	0.14 128	0.14 152
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
AnyNet_C32	0.14 109	0.04 37	0.03 36	2.22 448	0.04 79	0.03 40	0.03 50	0.03 42	0.03 55	0.03 40	0.03 52	0.04 77	0.02 21	0.07 102	0.04 75	0.02 15	0.02 15	0.03 38	0.03 54	0.02 20	0.03 51

HSM	0.14 109	0.16 86	0.12 100	0.17 125	0.12 149	0.17 147	0.11 128	0.17 146	0.11 130	0.17 144	0.12 141	0.17 146	0.12 146	0.17 146	0.12 138	0.16 131	0.11 94	0.16 142	0.11 129	0.16 142	0.12 141

DRN-Test	0.14 109	0.13 80	0.09 65	0.14 96	0.09 112	0.15 131	0.09 110	0.14 125	0.10 115	0.14 124	0.09 112	0.14 125	0.09 113	0.13 126	0.09 105	0.12 91	0.09 68	0.12 121	0.09 110	0.12 124	0.73 360

ELAS_RVC	0.14 109	0.16 86	0.10 69	0.15 106	0.10 118	0.18 151	0.11 128	0.19 151	0.11 130	0.19 150	0.12 141	0.18 150	0.11 129	0.19 152	0.12 138	0.14 114	0.08 59	0.14 126	0.09 110	0.15 138	0.09 108
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ITSA-stereo	0.15 121	0.17 92	0.13 120	0.20 132	0.13 152	0.19 154	0.13 147	0.18 149	0.13 152	0.19 150	0.13 153	0.18 150	0.14 155	0.18 149	0.14 148	0.16 131	0.11 94	0.15 139	0.14 157	0.18 152	0.11 125

test_for_model	0.15 121	0.23 111	0.18 155	0.21 141	0.11 133	0.16 139	0.11 128	0.16 138	0.11 130	0.16 135	0.11 130	0.16 136	0.11 129	0.16 137	0.11 123	0.21 155	0.18 164	0.14 126	0.11 129	0.14 128	0.11 125

CoDeX	0.15 121	0.70 219	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	0.67 348	0.02 15	0.69 333	0.75 352	0.01 9	0.02 20	0.02 20

ICVP	0.15 121	0.53 203	0.11 89	0.16 117	0.11 133	0.16 139	0.11 128	0.16 138	0.11 130	0.16 135	0.11 130	0.16 136	0.11 129	0.16 137	0.11 123	0.16 131	0.11 94	0.16 142	0.11 129	0.16 142	0.11 125
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
ADCP+	0.15 121	0.04 37	0.04 43	2.20 447	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.05 100	0.04 77	0.04 84	0.08 105	0.04 75	0.04 44	0.04 45	0.04 73	0.04 78	0.04 77	0.04 79

StereoDRNet	0.15 121	0.14 84	0.10 69	0.14 96	0.09 112	0.15 131	0.09 110	0.14 125	0.09 114	0.14 124	0.10 116	0.14 125	0.09 113	0.14 127	0.09 105	0.13 107	0.10 73	0.13 124	0.09 110	0.13 126	0.82 371

LALA_ROB	0.15 121	0.19 96	0.12 100	0.18 127	0.11 133	0.20 159	0.12 144	0.21 162	0.12 149	0.20 155	0.12 141	0.20 156	0.12 146	0.21 166	0.13 144	0.17 139	0.10 73	0.18 159	0.11 129	0.18 152	0.11 125

SGM_RVC	0.15 121	0.17 92	0.11 89	0.18 127	0.11 133	0.19 154	0.11 128	0.19 151	0.12 149	0.19 150	0.12 141	0.20 156	0.12 146	0.19 152	0.12 138	0.16 131	0.11 94	0.17 150	0.10 117	0.17 148	0.10 113
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
z-mn7	0.16 129	1.21 345	0.33 212	0.41 219	0.04 79	0.04 77	0.03 50	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.04 84	0.04 72	0.04 75	0.35 215	0.31 217	0.04 73	0.04 78	0.04 77	0.04 79

GMStereo_Zeroshot	0.16 129	0.16 86	0.16 142	0.16 117	0.16 172	0.16 139	0.16 157	0.16 138	0.16 166	0.16 135	0.16 167	0.16 136	0.16 165	0.16 137	0.16 164	0.16 131	0.16 142	0.16 142	0.16 162	0.16 142	0.16 153

qqq	0.16 129	2.01 395	0.12 100	0.15 106	0.04 79	0.06 92	0.05 93	0.06 94	0.04 81	0.06 96	0.03 52	0.06 97	0.03 52	0.06 88	0.03 48	0.12 91	0.14 137	0.04 73	0.04 78	0.03 43	0.03 51

DeepPruner_ROB	0.16 129	0.18 95	0.13 120	0.19 130	0.13 152	0.19 154	0.13 147	0.19 151	0.13 152	0.19 150	0.13 153	0.19 154	0.13 151	0.19 152	0.13 144	0.18 147	0.13 133	0.18 159	0.13 154	0.18 152	0.13 147

CAS++	0.17 133	0.27 122	0.21 164	0.10 56	0.21 194	0.15 131	0.22 185	0.10 109	0.21 183	0.22 166	0.10 116	0.19 154	0.18 176	0.10 110	0.19 179	0.20 151	0.19 165	0.18 159	0.10 117	0.19 158	0.18 169
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
11t1	0.17 133	2.16 404	0.13 120	0.13 92	0.04 79	0.06 92	0.04 81	0.06 94	0.04 81	0.06 96	0.03 52	0.06 97	0.03 52	0.06 88	0.05 88	0.18 147	0.12 109	0.06 94	0.03 54	0.05 92	0.03 51

SFCPSM	0.17 133	0.78 223	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	0.79 369	0.02 15	0.75 343	0.76 354	0.02 20	0.02 20	0.02 20

w-ln-seven	0.18 136	1.47 363	0.33 212	0.40 208	0.04 79	0.04 77	0.04 81	0.04 77	0.04 81	0.04 74	0.04 88	0.04 77	0.04 84	0.04 72	0.04 75	0.38 231	0.32 220	0.05 86	0.04 78	0.04 77	0.04 79

xyz-stereo-finetune2	0.18 136	0.48 185	0.16 142	0.16 117	0.15 165	0.15 131	0.16 157	0.16 138	0.16 166	0.16 135	0.16 167	0.16 136	0.16 165	0.16 137	0.16 164	0.16 131	0.16 142	0.16 142	0.16 162	0.16 142	0.16 153

xyz-stereo	0.18 136	0.50 191	0.16 142	0.15 106	0.16 172	0.16 139	0.16 157	0.16 138	0.16 166	0.16 135	0.16 167	0.16 136	0.16 165	0.16 137	0.16 164	0.16 131	0.16 142	0.16 142	0.16 162	0.16 142	0.16 153

BEATNet-Init1	0.19 139	0.08 58	0.08 60	2.23 449	0.08 110	0.08 103	0.07 108	0.07 104	0.08 111	0.08 104	0.07 109	0.08 104	0.07 110	0.11 121	0.08 102	0.08 60	0.08 59	0.08 101	0.07 104	0.08 106	0.08 105

DeepPrunerF	0.19 139	0.08 58	0.08 60	2.23 449	0.08 110	0.08 103	0.07 108	0.07 104	0.08 111	0.08 104	0.07 109	0.08 104	0.07 110	0.11 121	0.08 102	0.08 60	0.08 59	0.08 101	0.07 104	0.08 106	0.08 105

IGEV_Zeroshot_test	0.20 141	0.19 96	0.40 247	0.30 166	0.17 175	0.22 168	0.17 162	0.21 162	0.17 171	0.20 155	0.17 172	0.21 163	0.18 176	0.21 166	0.17 167	0.20 151	0.16 142	0.20 163	0.16 162	0.20 159	0.17 165

DAS	0.20 141	0.20 100	0.20 161	0.20 132	0.20 188	0.20 159	0.20 175	0.20 156	0.20 181	0.20 155	0.20 187	0.20 156	0.20 185	0.20 156	0.20 182	0.20 151	0.20 167	0.20 163	0.20 185	0.20 159	0.20 172

ACVNet	0.20 141	0.19 96	0.14 125	0.20 132	0.14 154	0.20 159	0.96 385	0.21 162	0.14 154	0.20 155	0.13 153	0.21 163	0.14 155	0.20 156	0.14 148	0.17 139	0.12 109	0.17 150	0.12 146	0.17 148	0.12 141

acv_ft	0.20 141	0.19 96	0.14 125	0.20 132	0.14 154	0.20 159	0.96 385	0.21 162	0.14 154	0.20 155	0.13 153	0.21 163	0.14 155	0.20 156	0.14 148	0.17 139	0.12 109	0.17 150	0.12 146	0.17 148	0.12 141

iResNetv2_ROB	0.20 141	0.23 111	0.18 155	0.24 149	0.20 188	0.24 175	0.18 168	0.24 173	0.18 173	0.24 175	0.18 182	0.23 173	0.19 181	0.24 178	0.18 176	0.21 155	0.16 142	0.21 165	0.16 162	0.22 164	0.16 153

iResNet	0.20 141	0.23 111	0.18 155	0.24 149	0.18 182	0.24 175	0.20 175	0.24 173	0.18 173	0.23 170	0.17 172	0.23 173	0.18 176	0.23 174	0.18 176	0.22 158	0.16 142	0.21 165	0.16 162	0.21 162	0.16 153

z-ln-s-r	0.21 147	1.40 361	0.53 305	0.56 273	0.04 79	0.05 89	0.04 81	0.05 89	0.05 97	0.05 91	0.04 88	0.05 91	0.04 84	0.05 82	0.05 88	0.57 308	0.44 276	0.04 73	0.04 78	0.04 77	0.04 79

tg	0.21 147	0.25 120	0.21 164	0.26 161	0.17 175	0.24 175	0.17 162	0.24 173	0.17 171	0.24 175	0.17 172	0.24 177	0.17 169	0.24 178	0.17 167	0.24 174	0.17 158	0.23 176	0.16 162	0.23 173	0.16 153

Pointernet	0.21 147	0.22 110	0.19 158	0.24 149	0.19 186	0.24 175	0.19 172	0.24 173	0.19 179	0.24 175	0.19 183	0.24 177	0.19 181	0.24 178	0.19 179	0.22 158	0.17 158	0.22 170	0.17 180	0.22 164	0.17 165

SuperB	0.21 147	0.10 66	2.51 509	0.12 79	0.09 112	0.10 108	0.09 110	0.08 107	0.07 109	0.10 108	0.09 112	0.09 108	0.07 110	0.07 102	0.07 100	0.07 58	0.08 59	0.07 99	0.07 104	0.08 106	0.07 104

WAO-6	0.22 151	0.23 111	0.22 166	0.23 144	0.22 196	0.22 168	0.22 185	0.22 166	0.22 186	0.22 166	0.22 192	0.22 169	0.22 190	0.22 170	0.22 186	0.22 158	0.22 174	0.22 170	0.22 189	0.22 164	0.22 177

IMH-64-1	0.22 151	0.23 111	0.23 169	0.22 142	0.22 196	0.22 168	0.22 185	0.22 166	0.22 186	0.22 166	0.22 192	0.22 169	0.22 190	0.22 170	0.22 186	0.22 158	0.22 174	0.23 176	0.22 189	0.22 164	0.23 179

IMH-64	0.22 151	0.23 111	0.23 169	0.22 142	0.22 196	0.22 168	0.22 185	0.22 166	0.22 186	0.22 166	0.22 192	0.22 169	0.22 190	0.22 170	0.22 186	0.22 158	0.22 174	0.23 176	0.22 189	0.22 164	0.23 179

ac_64	0.22 151	0.13 80	0.19 158	0.23 144	0.10 118	0.26 189	1.02 393	0.14 125	0.10 115	0.28 189	0.14 158	0.17 146	0.19 181	0.28 198	0.09 105	0.22 158	0.16 142	0.23 176	0.17 180	0.11 120	0.12 141

dd	0.23 155	0.98 260	0.16 142	0.23 144	0.15 165	0.23 174	0.15 154	0.23 170	0.15 164	0.23 170	0.15 166	0.24 177	0.17 169	0.23 174	0.15 158	0.22 158	0.15 140	0.21 165	0.15 161	0.22 164	0.16 153

dad	0.23 155	1.03 276	0.16 142	0.23 144	0.15 165	0.24 175	0.15 154	0.24 173	0.16 166	0.23 170	0.16 167	0.24 177	0.16 165	0.23 174	0.15 158	0.22 158	0.16 142	0.22 170	0.16 162	0.22 164	0.16 153

MSKI-zero shot	0.24 157	0.21 106	0.49 289	0.65 289	0.18 182	0.22 168	0.17 162	0.23 170	0.18 173	0.21 164	0.17 172	0.23 173	0.28 225	0.23 174	0.18 176	0.21 155	0.16 142	0.21 165	0.16 162	0.21 162	0.16 153

qqq1	0.25 158	3.70 469	0.14 125	0.14 96	0.04 79	0.06 92	0.05 93	0.06 94	0.05 97	0.06 96	0.05 100	0.04 77	0.05 94	0.06 88	0.05 88	0.13 107	0.12 109	0.06 94	0.05 96	0.03 43	0.04 79

fff1	0.25 158	3.70 469	0.14 125	0.14 96	0.04 79	0.06 92	0.05 93	0.06 94	0.05 97	0.06 96	0.05 100	0.04 77	0.05 94	0.06 88	0.05 88	0.13 107	0.12 109	0.06 94	0.05 96	0.03 43	0.04 79

UNDER WATER-64	0.25 158	0.26 121	0.25 178	0.26 161	0.25 208	0.25 182	0.25 200	0.25 179	0.25 199	0.25 179	0.25 208	0.25 182	0.25 202	0.26 193	0.25 202	0.25 180	0.25 181	0.25 184	0.25 207	0.25 175	0.25 190

ffm	0.25 158	3.83 475	0.12 100	0.12 79	0.05 99	0.06 92	0.05 93	0.06 94	0.05 97	0.03 40	0.03 52	0.06 97	0.05 94	0.06 88	0.05 88	0.12 91	0.12 109	0.05 86	0.04 78	0.06 96	0.04 79

ff1	0.25 158	3.83 475	0.12 100	0.12 79	0.05 99	0.06 92	0.05 93	0.06 94	0.05 97	0.03 40	0.03 52	0.06 97	0.05 94	0.06 88	0.05 88	0.12 91	0.12 109	0.05 86	0.04 78	0.06 96	0.04 79

mmx	0.25 158	3.83 475	0.12 100	0.12 79	0.05 99	0.06 92	0.05 93	0.06 94	0.05 97	0.03 40	0.03 52	0.06 97	0.05 94	0.06 88	0.05 88	0.12 91	0.12 109	0.05 86	0.04 78	0.06 96	0.04 79

MIM_Stereo	0.25 158	0.23 111	0.66 323	0.80 306	0.17 175	0.22 168	0.17 162	0.23 170	0.18 173	0.26 186	0.17 172	0.21 163	0.17 169	0.25 183	0.17 167	0.23 169	0.16 142	0.21 165	0.17 180	0.22 164	0.17 165

LoS	0.25 158	0.27 122	0.25 178	0.25 154	0.25 208	0.25 182	0.25 200	0.26 183	0.25 199	0.25 179	0.25 208	0.25 182	0.25 202	0.25 183	0.25 202	0.26 181	0.25 181	0.25 184	0.26 213	0.26 177	0.25 190
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
Syn2CoEx	0.25 158	1.31 356	0.74 339	0.92 321	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	0.87 350	0.75 343	0.02 18	0.02 20	0.02 20	0.02 20

model_zeroshot	0.27 167	0.20 100	0.27 185	0.33 177	0.21 194	0.37 224	0.22 185	0.37 216	0.24 194	0.26 186	0.27 218	0.33 209	0.21 189	0.25 183	0.27 208	0.32 199	0.20 167	0.34 221	0.23 194	0.25 175	0.26 196

xyz-stereo-finetune	0.28 168	0.49 187	0.16 142	0.16 117	0.16 172	0.16 139	0.16 157	0.22 166	0.30 235	0.32 201	0.31 243	0.32 206	0.31 243	0.32 207	0.32 237	0.32 199	0.33 228	0.31 205	0.32 255	0.31 192	0.32 242

SQANet	0.28 168	0.28 125	0.28 189	0.28 164	0.28 221	0.28 193	0.28 216	0.28 186	0.28 220	0.28 189	0.28 224	0.28 193	0.28 225	0.28 198	0.28 214	0.28 186	0.28 195	0.28 193	0.28 224	0.28 182	0.28 217

HGLStereo	0.28 168	0.29 127	0.22 166	0.36 184	0.22 196	0.36 219	0.21 180	0.36 210	0.21 183	0.42 256	0.21 191	0.36 221	0.22 190	0.36 223	0.21 184	0.34 206	0.21 170	0.34 221	0.21 186	0.34 204	0.21 174

iResNet_ROB	0.28 168	0.32 131	0.24 175	0.32 173	0.25 208	0.32 208	0.24 197	0.32 196	0.24 194	0.33 206	0.24 202	0.35 215	0.24 199	0.33 213	0.24 196	0.31 198	0.24 180	0.32 206	0.24 202	0.32 194	0.24 189

UNet	0.29 172	0.90 244	0.10 69	0.14 96	0.10 118	0.14 124	0.10 115	0.91 354	0.69 354	0.14 124	0.11 130	0.14 125	0.11 129	0.14 127	0.10 111	0.12 91	0.09 68	0.12 121	0.09 110	0.88 344	0.76 365

MSAF-DinoV2	0.30 173	0.30 128	0.30 196	0.30 166	0.30 237	0.30 196	0.30 228	0.30 192	0.30 235	0.30 193	0.30 239	0.30 201	0.30 237	0.30 203	0.30 231	0.30 194	0.30 212	0.30 200	0.30 243	0.30 188	0.30 232

DDVS	0.30 173	3.10 456	0.14 125	0.19 130	0.14 154	0.19 154	0.14 149	0.20 156	0.14 154	0.19 150	0.13 153	0.16 136	0.13 151	0.19 152	0.13 144	0.17 139	0.13 133	0.17 150	0.13 154	0.17 148	0.13 147

ACV-stereo	0.30 173	2.08 397	0.25 178	0.25 154	0.18 182	0.24 175	0.17 162	0.24 173	0.18 173	0.24 175	0.17 172	0.25 182	0.17 169	0.24 178	0.17 167	0.22 158	0.16 142	0.22 170	0.16 162	0.22 164	0.16 153

LoS_RVC	0.30 173	1.14 290	0.25 178	0.25 154	0.25 208	0.26 189	0.25 200	0.25 179	0.25 199	0.25 179	0.25 208	0.26 191	0.26 211	0.26 193	0.25 202	0.26 181	0.26 184	0.25 184	0.25 207	0.26 177	0.26 196

CAS	0.30 173	1.17 295	0.25 178	0.25 154	0.25 208	0.26 189	0.25 200	0.25 179	0.26 212	0.25 179	0.25 208	0.25 182	0.25 202	0.25 183	0.25 202	0.26 181	0.26 184	0.26 187	0.25 207	0.26 177	0.25 190

DANet	0.30 173	0.30 128	0.30 196	0.30 166	0.30 237	0.30 196	0.30 228	0.30 192	0.30 235	0.30 193	0.30 239	0.30 201	0.30 237	0.30 203	0.30 231	0.30 194	0.30 212	0.30 200	0.30 243	0.30 188	0.30 232
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
tt1	0.31 179	0.93 253	0.24 175	0.33 177	0.23 201	0.31 200	0.24 197	0.32 196	0.24 194	0.32 201	0.23 196	0.32 206	0.25 202	0.32 207	0.24 196	0.27 184	0.26 184	0.27 191	0.26 213	0.27 180	0.27 204

xxxxx1	0.31 179	0.91 246	0.23 169	0.31 170	0.23 201	0.31 200	0.23 192	0.33 199	0.25 199	0.31 196	0.24 202	0.33 209	0.25 202	0.32 207	0.24 196	0.28 186	0.28 195	0.28 193	0.28 224	0.29 185	0.27 204

DLNR_Zeroshot_test	0.31 179	0.28 125	0.47 276	0.79 304	0.24 206	0.30 196	0.26 208	0.30 192	0.24 194	0.32 201	0.23 196	0.31 204	0.24 199	0.30 203	0.23 192	0.29 193	0.26 184	0.29 198	0.24 202	0.33 200	0.23 179

tt_ll	0.31 179	0.91 246	0.23 169	0.31 170	0.23 201	0.31 200	0.23 192	0.33 199	0.25 199	0.31 196	0.24 202	0.33 209	0.25 202	0.32 207	0.24 196	0.28 186	0.28 195	0.28 193	0.28 224	0.29 185	0.27 204

ff	0.31 179	0.91 246	0.23 169	0.31 170	0.23 201	0.31 200	0.23 192	0.33 199	0.25 199	0.31 196	0.24 202	0.33 209	0.25 202	0.32 207	0.24 196	0.28 186	0.28 195	0.28 193	0.28 224	0.29 185	0.27 204

RAFT + AFF	0.31 179	0.45 171	0.34 222	0.39 195	0.28 221	0.38 228	0.33 243	0.29 190	0.31 240	0.30 193	0.30 239	0.29 198	0.27 219	0.29 201	0.30 231	0.28 186	0.29 204	0.29 198	0.29 233	0.27 180	0.32 242

MLCV	0.31 179	0.35 134	0.27 185	0.35 180	0.28 221	0.35 216	0.27 211	0.35 206	0.28 220	0.36 215	0.27 218	0.35 215	0.27 219	0.35 217	0.27 208	0.34 206	0.27 189	0.34 221	0.27 220	0.34 204	0.27 204

DN-CSS_ROB	0.31 179	0.35 134	0.28 189	0.35 180	0.28 221	0.34 212	0.27 211	0.34 203	0.25 199	0.35 212	0.27 218	0.36 221	0.26 211	0.34 215	0.28 214	0.35 215	0.28 195	0.34 221	0.28 224	0.34 204	0.27 204

WCG-NET（raft）	0.32 187	1.24 352	0.24 175	0.32 173	0.24 206	0.32 208	0.23 192	0.32 196	0.24 194	0.32 201	0.24 202	0.32 206	0.24 199	0.32 207	0.24 196	0.30 194	0.23 178	0.30 200	0.23 194	0.30 188	0.23 179

testlalala	0.32 187	0.81 229	0.31 203	0.39 195	0.26 216	0.33 210	0.24 197	0.33 199	0.26 212	0.32 201	0.26 214	0.33 209	0.23 196	0.33 213	0.23 192	0.35 215	0.31 217	0.30 200	0.24 202	0.31 192	0.21 174

Any-RAFT	0.32 187	0.36 137	0.27 185	0.36 184	0.27 218	0.36 219	0.27 211	0.36 210	0.27 217	0.36 215	0.27 218	0.36 221	0.27 219	0.36 223	0.28 214	0.36 220	0.28 195	0.36 239	0.28 224	0.36 223	0.28 217

GCAP-BAT	0.33 190	0.78 223	0.32 207	0.38 190	0.25 208	0.34 212	0.25 200	0.34 203	0.26 212	0.34 208	0.25 208	0.35 215	0.26 211	0.35 217	0.27 208	0.36 220	0.30 212	0.32 206	0.24 202	0.32 194	0.26 196

StereoDRNet-Refined	0.33 190	0.39 148	0.26 184	0.39 195	0.26 216	0.40 236	0.26 208	0.40 230	0.26 212	0.39 226	0.26 214	0.39 233	0.26 211	0.39 237	0.26 207	0.37 224	0.25 181	0.37 242	0.25 207	0.37 225	0.37 267
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
LG-Stereo_L2	0.34 192	0.37 139	0.38 237	0.47 239	0.28 221	0.39 234	0.28 216	0.39 225	0.28 220	0.39 226	0.28 224	0.39 233	0.28 225	0.38 229	0.28 214	0.42 267	0.35 232	0.36 239	0.26 213	0.35 216	0.26 196

H2IRNET	0.34 192	0.34 133	0.34 222	0.34 179	0.34 265	0.34 212	0.34 254	0.34 203	0.34 258	0.34 208	0.34 259	0.34 214	0.34 257	0.34 215	0.34 258	0.34 206	0.34 231	0.34 221	0.34 267	0.34 204	0.34 255

IGEV++	0.34 192	0.43 165	0.30 196	0.40 208	0.29 228	0.40 236	0.29 223	0.40 230	0.29 225	0.40 231	0.29 228	0.40 240	0.29 231	0.40 240	0.30 231	0.38 231	0.29 204	0.37 242	0.29 233	0.37 225	0.29 222

iRaft-Stereo_5w	0.34 192	0.42 164	0.31 203	0.39 195	0.30 237	0.38 228	0.30 228	0.40 230	0.29 225	0.40 231	0.37 277	0.41 252	0.34 257	0.38 229	0.30 231	0.34 206	0.27 189	0.34 221	0.26 213	0.34 204	0.26 196

CSP-Net	0.34 192	1.29 354	1.19 384	1.36 417	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	1.26 428	1.21 435	0.03 38	0.09 110	0.02 20	0.09 108

iRaft-Stereo_20w	0.34 192	0.41 157	0.31 203	0.39 195	0.29 228	0.40 236	0.32 234	0.41 245	0.32 243	0.38 221	0.30 239	0.39 233	0.30 237	0.38 229	0.32 237	0.35 215	0.27 189	0.34 221	0.27 220	0.34 204	0.29 222

DGSMNet	0.34 192	0.41 157	0.27 185	0.41 219	0.28 221	0.41 252	0.28 216	0.41 245	0.27 217	0.41 244	0.27 218	0.42 268	0.27 219	0.41 254	0.28 214	0.40 245	0.29 204	0.40 264	0.28 224	0.40 246	0.27 204

gcap-zeroshot	0.35 199	0.32 131	0.37 234	0.49 249	0.39 291	0.33 210	0.21 180	0.26 183	0.35 261	0.42 256	0.34 259	0.49 295	0.29 231	0.47 282	0.39 283	0.34 206	0.17 158	0.38 249	0.23 194	0.48 283	0.34 255

CASnet	0.35 199	0.51 198	0.44 263	0.32 173	0.31 242	0.24 175	0.34 254	0.36 210	0.25 199	0.31 196	0.37 277	0.30 201	0.33 252	0.25 183	0.45 305	0.37 224	0.37 237	0.33 214	0.35 274	0.34 204	0.37 267
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
IGEV-Stereo	0.35 199	0.44 168	0.45 265	0.49 249	0.30 237	0.37 224	0.30 228	0.36 210	0.30 235	0.36 215	0.29 228	0.36 221	0.29 231	0.36 223	0.30 231	0.46 274	0.39 250	0.32 206	0.24 202	0.32 194	0.25 190
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
ETE_ROB	0.35 199	0.35 134	0.35 229	0.35 180	0.35 268	0.35 216	0.35 259	0.35 206	0.35 261	0.35 212	0.35 268	0.35 215	0.35 263	0.35 217	0.35 262	0.35 215	0.35 232	0.35 234	0.35 274	0.35 216	0.35 262

GIP-stereo	0.36 203	0.49 187	0.39 244	0.48 243	0.32 244	0.41 252	0.28 216	0.40 230	0.30 235	0.41 244	0.28 224	0.40 240	0.28 225	0.42 267	0.28 214	0.45 271	0.32 220	0.38 249	0.30 243	0.37 225	0.27 204

DCVSM-stereo	0.36 203	1.89 384	0.22 166	0.40 208	0.22 196	0.40 236	0.22 185	0.40 230	0.22 186	0.40 231	0.22 192	0.40 240	0.22 190	0.40 240	0.22 186	0.28 186	0.21 170	0.28 193	0.21 186	0.28 182	0.20 172

RSM	0.36 203	0.36 137	0.43 261	0.37 187	0.42 310	0.49 298	0.42 299	0.37 216	0.28 220	0.36 215	0.29 228	0.36 221	0.30 237	0.37 227	0.28 214	0.34 206	0.31 217	0.34 221	0.35 274	0.40 246	0.29 222

RAFT-Test	0.36 203	0.37 139	0.33 212	0.41 219	0.32 244	0.41 252	0.32 234	0.41 245	0.32 243	0.41 244	0.32 245	0.41 252	0.32 245	0.41 254	0.33 245	0.37 224	0.29 204	0.37 242	0.29 233	0.38 234	0.31 238

DMCA	0.36 203	0.38 142	0.37 234	0.35 180	0.35 268	0.36 219	0.36 265	0.36 210	0.35 261	0.35 212	0.37 277	0.36 221	0.36 266	0.35 217	0.36 265	0.36 220	0.36 235	0.35 234	0.36 280	0.36 223	0.36 263

ACVNet-DCA	0.37 208	1.00 264	0.30 196	0.40 208	0.29 228	0.40 236	0.29 223	0.40 230	0.29 225	0.40 231	0.29 228	0.40 240	0.29 231	0.39 237	0.28 214	0.33 203	0.32 220	0.33 214	0.32 255	0.33 200	0.32 242

1test111	0.37 208	1.02 274	0.30 196	0.39 195	0.29 228	0.40 236	0.28 216	0.39 225	0.29 225	0.39 226	0.29 228	0.39 233	0.28 225	0.40 240	0.29 224	0.33 203	0.32 220	0.33 214	0.31 250	0.32 194	0.31 238

cc1	0.37 208	1.02 274	0.30 196	0.39 195	0.29 228	0.40 236	0.28 216	0.39 225	0.29 225	0.39 226	0.29 228	0.39 233	0.28 225	0.40 240	0.29 224	0.33 203	0.32 220	0.33 214	0.31 250	0.32 194	0.31 238

EKT-Stereo	0.37 208	0.40 150	0.44 263	1.07 342	0.29 228	0.34 212	0.31 233	0.36 210	0.29 225	0.38 221	0.31 243	0.37 227	0.30 237	0.36 223	0.29 224	0.34 206	0.28 195	0.39 259	0.30 243	0.37 225	0.30 232

GMOStereo	0.37 208	0.45 171	0.23 169	0.30 166	0.37 277	0.41 252	0.36 265	0.41 245	0.35 261	0.43 262	0.36 271	0.41 252	0.40 281	0.41 254	0.36 265	0.34 206	0.22 174	0.47 303	0.37 282	0.39 241	0.33 249

XPNet_ROB	0.37 208	0.37 139	0.37 234	0.37 187	0.37 277	0.37 224	0.37 270	0.37 216	0.37 272	0.37 220	0.37 277	0.37 227	0.37 270	0.37 227	0.37 273	0.37 224	0.37 237	0.37 242	0.37 282	0.37 225	0.37 267

HART	0.38 214	0.45 171	0.34 222	0.42 228	0.33 255	0.41 252	0.34 254	0.42 261	0.33 249	0.43 262	0.34 259	0.42 268	0.34 257	0.41 254	0.38 276	0.40 245	0.32 220	0.42 288	0.32 255	0.40 246	0.32 242

GREAT-IGEV	0.38 214	0.43 165	0.36 231	0.48 243	0.32 244	0.45 277	0.32 234	0.45 267	0.32 243	0.45 267	0.32 245	0.45 274	0.32 245	0.45 274	0.32 237	0.44 269	0.33 228	0.41 277	0.29 233	0.41 256	0.29 222

fffy	0.38 214	0.43 165	0.33 212	0.46 233	0.33 255	0.45 277	0.32 234	0.45 267	0.32 243	0.45 267	0.32 245	0.45 274	0.33 252	0.45 274	0.32 237	0.38 231	0.38 243	0.38 249	0.37 282	0.37 225	0.36 263

WAO-8	0.38 214	0.38 142	0.38 237	0.38 190	0.38 284	0.38 228	0.38 276	0.38 221	0.38 276	0.38 221	0.38 282	0.38 229	0.38 274	0.38 229	0.38 276	0.38 231	0.38 243	0.38 249	0.37 282	0.38 234	0.38 274

WAO-7	0.38 214	0.38 142	0.38 237	0.38 190	0.38 284	0.38 228	0.38 276	0.38 221	0.38 276	0.38 221	0.38 282	0.38 229	0.38 274	0.38 229	0.38 276	0.38 231	0.38 243	0.38 249	0.38 295	0.38 234	0.38 274

xx1	0.38 214	1.03 276	0.31 203	0.40 208	0.31 242	0.41 252	0.28 216	0.40 230	0.29 225	0.40 231	0.29 228	0.40 240	0.29 231	0.40 240	0.29 224	0.34 206	0.33 228	0.34 221	0.32 255	0.34 204	0.32 242

Venus	0.38 214	0.38 142	0.38 237	0.38 190	0.38 284	0.37 224	0.38 276	0.37 216	0.37 272	0.41 244	0.37 277	0.39 233	0.37 270	0.38 229	0.38 276	0.37 224	0.38 243	0.38 249	0.37 282	0.37 225	0.38 274

IMH	0.38 214	0.38 142	0.38 237	0.38 190	0.38 284	0.38 228	0.38 276	0.38 221	0.38 276	0.42 256	0.38 282	0.40 240	0.38 274	0.38 229	0.38 276	0.38 231	0.38 243	0.39 259	0.38 295	0.38 234	0.38 274

PAM	0.39 222	1.88 383	0.34 222	0.37 187	0.41 300	0.45 277	0.22 185	0.28 186	0.23 192	0.28 189	0.24 202	0.29 198	0.23 196	0.29 201	0.23 192	0.38 231	0.32 220	0.38 249	0.37 282	0.32 194	0.22 177

HanzoNet	0.39 222	0.38 142	0.40 247	0.39 195	0.41 300	0.38 228	0.38 276	0.38 221	0.38 276	0.39 226	0.39 287	0.38 229	0.38 274	0.39 237	0.40 287	0.38 231	0.38 243	0.40 264	0.38 295	0.38 234	0.40 282

CES	0.39 222	0.47 179	0.36 231	0.36 184	0.37 277	0.45 277	0.35 259	0.35 206	0.40 286	0.36 215	0.44 310	0.47 284	0.36 266	0.44 271	0.36 265	0.37 224	0.39 250	0.44 291	0.35 274	0.37 225	0.36 263

PASM	0.39 222	3.06 455	1.36 450	1.58 423	0.09 112	0.11 119	0.11 128	0.11 121	0.11 130	0.09 107	0.09 112	0.11 120	0.09 113	0.09 108	0.09 105	0.11 86	0.11 94	0.11 118	0.09 110	0.11 120	0.11 125

mms	0.40 226	0.45 171	0.35 229	0.48 243	0.36 274	0.47 288	0.34 254	0.45 267	0.38 276	0.47 277	0.33 251	0.45 274	0.32 245	0.45 274	0.32 237	0.39 241	0.38 243	0.38 249	0.37 282	0.39 241	0.39 280

knoymous	0.40 226	0.40 150	0.40 247	0.40 208	0.40 293	0.40 236	0.40 286	0.40 230	0.40 286	0.40 231	0.40 290	0.40 240	0.40 281	0.40 240	0.40 287	0.40 245	0.40 253	0.40 264	0.40 299	0.40 246	0.40 282

anonymousa	0.40 226	0.40 150	0.40 247	0.40 208	0.40 293	0.40 236	0.40 286	0.40 230	0.40 286	0.40 231	0.40 290	0.40 240	0.40 281	0.40 240	0.40 287	0.40 245	0.40 253	0.40 264	0.40 299	0.40 246	0.40 282

riskmin	0.40 226	0.40 150	0.40 247	0.40 208	0.40 293	0.40 236	0.40 286	0.40 230	0.40 286	0.40 231	0.40 290	0.40 240	0.40 281	0.40 240	0.40 287	0.40 245	0.40 253	0.40 264	0.40 299	0.40 246	0.40 282

Anonymous_2	0.40 226	0.40 150	0.40 247	0.40 208	0.40 293	0.40 236	0.40 286	0.40 230	0.40 286	0.40 231	0.40 290	0.40 240	0.40 281	0.40 240	0.40 287	0.40 245	0.40 253	0.40 264	0.40 299	0.40 246	0.40 282

Anonymous_1	0.40 226	0.40 150	0.40 247	0.40 208	0.40 293	0.40 236	0.40 286	0.40 230	0.40 286	0.40 231	0.40 290	0.40 240	0.40 281	0.40 240	0.40 287	0.40 245	0.40 253	0.40 264	0.40 299	0.40 246	0.40 282

AdaStereo	0.40 226	0.40 150	0.40 247	0.40 208	0.40 293	0.40 236	0.40 286	0.40 230	0.40 286	0.40 231	0.40 290	0.40 240	0.40 281	0.40 240	0.40 287	0.40 245	0.40 253	0.40 264	0.40 299	0.40 246	0.40 282
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.
water-stereo	0.41 233	0.84 232	0.46 269	0.50 256	0.33 255	0.45 277	0.33 243	0.45 267	0.32 243	0.45 267	0.32 245	0.45 274	0.32 245	0.45 274	0.32 237	0.44 269	0.41 262	0.39 259	0.31 250	0.39 241	0.32 242

GwcNet-ADL	0.41 233	0.41 157	0.41 255	0.41 219	0.41 300	0.41 252	0.41 294	0.41 245	0.41 295	0.41 244	0.41 296	0.41 252	0.41 292	0.41 254	0.41 294	0.41 253	0.41 262	0.41 277	0.41 306	0.41 256	0.41 289

PSMNet-ADL	0.41 233	0.41 157	0.41 255	0.41 219	0.41 300	0.41 252	0.41 294	0.41 245	0.41 295	0.41 244	0.41 296	0.41 252	0.41 292	0.41 254	0.41 294	0.41 253	0.41 262	0.41 277	0.41 306	0.41 256	0.41 289

GANet-ADL	0.41 233	0.41 157	0.41 255	0.41 219	0.41 300	0.41 252	0.41 294	0.41 245	0.41 295	0.41 244	0.41 296	0.41 252	0.41 292	0.41 254	0.41 294	0.41 253	0.41 262	0.41 277	0.41 306	0.41 256	0.41 289

ADLNet2	0.41 233	0.41 157	0.41 255	0.41 219	0.41 300	0.41 252	0.41 294	0.41 245	0.41 295	0.41 244	0.41 296	0.41 252	0.41 292	0.41 254	0.41 294	0.41 253	0.41 262	0.41 277	0.41 306	0.41 256	0.41 289

ADLNet	0.41 233	0.41 157	0.41 255	0.41 219	0.41 300	0.41 252	0.41 294	0.41 245	0.41 295	0.41 244	0.41 296	0.41 252	0.41 292	0.41 254	0.41 294	0.41 253	0.41 262	0.41 277	0.41 306	0.41 256	0.41 289

FCDSN-DC	0.41 233	0.59 211	0.64 319	0.54 267	0.33 255	0.50 306	0.37 270	0.42 261	0.40 286	0.61 329	0.43 308	0.50 309	0.49 322	0.38 229	0.32 237	0.28 186	0.23 178	0.26 187	0.22 189	0.35 216	0.28 217
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
psmorigin	0.41 233	0.46 175	0.33 212	0.49 249	0.33 255	0.49 298	0.33 243	0.49 285	0.33 249	0.49 291	0.33 251	0.49 295	0.33 252	0.51 311	0.33 245	0.41 253	0.30 212	0.41 277	0.30 243	0.79 330	0.29 222

Gwc-CoAtRS	0.41 233	1.49 364	0.32 207	0.42 228	0.32 244	0.41 252	0.32 234	0.41 245	0.33 249	0.41 244	0.32 245	0.41 252	0.32 245	0.41 254	0.32 237	0.39 241	0.28 195	0.39 259	0.28 224	0.40 246	0.28 217

UPFNet	0.42 242	1.20 299	0.17 149	0.24 149	0.17 175	0.25 182	0.17 162	1.19 383	0.90 380	0.25 179	0.17 172	0.24 177	0.17 169	0.25 183	0.17 167	0.22 158	0.17 158	0.22 170	0.16 162	1.15 370	0.93 380

DilatedVolume-Stereo	0.43 243	0.86 235	0.48 284	0.50 256	0.33 255	0.46 283	0.33 243	0.46 271	0.33 249	0.46 271	0.33 251	0.47 284	0.33 252	0.47 282	0.34 258	0.45 271	0.42 270	0.40 264	0.33 263	0.47 279	0.38 274

psmg	0.43 243	1.91 387	0.92 360	1.91 437	0.02 21	0.02 19	0.03 50	0.02 20	0.02 21	0.02 20	0.02 20	0.02 20	0.02 21	0.03 39	0.02 20	1.97 462	1.44 455	0.04 73	0.03 54	0.02 20	0.03 51

delet	0.43 243	1.21 345	0.17 149	0.25 154	0.17 175	0.25 182	0.18 168	1.26 435	0.95 388	0.25 179	0.17 172	0.25 182	0.17 169	0.25 183	0.17 167	0.23 169	0.16 142	0.22 170	0.16 162	1.18 378	0.98 384

psm_up	0.43 243	1.19 298	0.17 149	0.25 154	0.18 182	0.25 182	0.19 172	1.26 435	0.91 381	0.26 186	0.17 172	0.25 182	0.17 169	0.25 183	0.17 167	0.22 158	0.17 158	0.23 176	0.16 162	1.18 378	0.99 385

depthmonostereo	0.44 247	0.85 234	0.46 269	0.54 267	0.40 293	0.52 317	0.38 276	0.52 305	0.35 261	0.47 277	0.34 259	0.46 278	0.34 257	0.47 282	0.34 258	0.45 271	0.43 273	0.41 277	0.33 263	0.41 256	0.32 242

MMNet	0.44 247	1.24 352	0.17 149	0.25 154	0.17 175	0.25 182	0.18 168	1.26 435	0.93 386	0.25 179	0.17 172	0.25 182	0.18 176	0.25 183	0.17 167	0.23 169	0.16 142	0.23 176	0.16 162	1.20 381	0.99 385

SCV_C0	0.45 249	0.88 239	0.49 289	0.54 267	0.37 277	0.48 293	0.37 270	0.48 281	0.37 272	0.48 284	0.36 271	0.48 291	0.37 270	0.49 297	0.37 273	0.50 292	0.41 262	0.44 291	0.34 267	0.44 266	0.34 255

RAFT-Stereo-weight	0.45 249	1.90 386	0.34 222	0.42 228	0.36 274	0.43 274	0.35 259	0.42 261	0.34 258	0.42 256	0.34 259	0.44 272	0.34 257	0.41 254	0.34 258	0.38 231	0.32 220	0.38 249	0.32 255	0.38 234	0.33 249

TorneroNet-64	0.45 249	0.27 122	0.30 196	0.58 276	0.27 218	0.70 342	0.30 228	0.28 186	0.73 367	0.73 344	0.28 224	0.71 344	0.66 347	0.75 348	0.27 208	0.27 184	0.29 204	0.37 242	0.75 371	0.28 182	0.30 232

SCV	0.46 252	0.94 255	0.45 265	0.54 267	0.37 277	0.48 293	0.38 276	0.48 281	0.37 272	0.48 284	0.39 287	0.48 291	0.37 270	0.49 297	0.37 273	0.50 292	0.46 279	0.44 291	0.34 267	0.44 266	0.34 255

otaku	0.46 252	0.46 175	0.46 269	0.46 233	0.46 317	0.46 283	0.46 308	0.46 271	0.46 308	0.46 271	0.46 315	0.46 278	0.46 308	0.46 278	0.46 309	0.46 274	0.46 279	0.46 298	0.46 318	0.46 271	0.46 303

Dean	0.46 252	0.46 175	0.46 269	0.46 233	0.46 317	0.46 283	0.46 308	0.46 271	0.46 308	0.47 277	0.46 315	0.46 278	0.46 308	0.46 278	0.46 309	0.46 274	0.46 279	0.46 298	0.46 318	0.46 271	0.46 303

ACVNet_1	0.46 252	0.47 179	0.46 269	0.46 233	0.46 317	0.46 283	0.46 308	0.46 271	0.47 313	0.46 271	0.46 315	0.46 278	0.46 308	0.46 278	0.46 309	0.46 274	0.46 279	0.47 303	0.46 318	0.46 271	0.46 303

ACVNet-4b	0.46 252	0.46 175	0.46 269	0.46 233	0.46 317	0.46 283	0.46 308	0.46 271	0.46 308	0.46 271	0.46 315	0.46 278	0.46 308	0.47 282	0.46 309	0.46 274	0.46 279	0.46 298	0.46 318	0.46 271	0.46 303

PML	0.46 252	1.36 359	0.29 192	0.58 276	0.30 237	0.57 329	0.29 223	0.57 315	0.29 225	0.57 324	0.29 228	0.57 328	0.29 231	0.56 322	0.29 224	0.52 300	0.30 212	0.53 330	0.31 250	0.53 303	0.30 232

LG-Stereo_L1	0.47 258	0.52 200	0.47 276	0.62 283	0.39 291	0.53 319	0.40 286	0.53 307	0.39 285	0.53 314	0.39 287	0.53 317	0.39 280	0.53 316	0.39 283	0.55 305	0.46 279	0.49 316	0.37 282	0.49 287	0.37 267

Ntro	0.47 258	0.47 179	0.46 269	0.46 233	0.46 317	0.47 288	0.47 313	0.46 271	0.47 313	0.46 271	0.46 315	0.47 284	0.46 308	0.47 282	0.47 315	0.47 279	0.46 279	0.46 298	0.46 318	0.46 271	0.46 303

HaxPig	0.47 258	0.47 179	0.47 276	0.49 249	0.47 323	0.47 288	0.47 313	0.47 277	0.47 313	0.47 277	0.47 323	0.47 284	0.47 316	0.47 282	0.47 315	0.47 279	0.47 287	0.47 303	0.47 325	0.47 279	0.48 312

UNDER WATER	0.47 258	0.47 179	0.47 276	0.47 239	0.47 323	0.47 288	0.47 313	0.47 277	0.47 313	0.47 277	0.47 323	0.47 284	0.46 308	0.47 282	0.47 315	0.47 279	0.47 287	0.47 303	0.46 318	0.47 279	0.47 310

LVE	0.47 258	0.47 179	0.47 276	0.47 239	0.49 329	0.47 288	0.47 313	0.47 277	0.49 322	0.47 277	0.47 323	0.47 284	0.46 308	0.47 282	0.47 315	0.47 279	0.47 287	0.48 311	0.47 325	0.47 279	0.47 310

GASTEREO	0.48 263	1.21 345	0.47 276	0.57 274	0.38 284	0.50 306	0.38 276	0.50 293	0.38 276	0.50 303	0.38 282	0.50 309	0.38 274	0.50 304	0.38 276	0.52 300	0.42 270	0.46 298	0.34 267	0.46 271	0.34 255

LG-Stereo_Zeroshot	0.48 263	0.55 208	0.47 276	0.63 285	0.41 300	0.56 324	0.44 302	0.56 312	0.41 295	0.56 322	0.41 296	0.57 328	0.42 298	0.56 322	0.41 294	0.55 305	0.43 273	0.51 325	0.37 282	0.51 298	0.37 267

fffft	0.48 263	0.51 198	0.45 265	0.52 264	0.45 315	0.52 317	0.45 306	0.52 305	0.48 320	0.53 314	0.45 313	0.52 316	0.45 305	0.52 314	0.46 309	0.51 298	0.41 262	0.50 320	0.41 306	0.50 292	0.41 289
1: 1. 1
RainbowNet	0.48 263	0.48 185	0.48 284	0.48 243	0.48 327	0.48 293	0.48 322	0.48 281	0.48 320	0.48 284	0.48 327	0.48 291	0.48 317	0.48 291	0.48 321	0.48 283	0.48 291	0.48 311	0.48 328	0.48 283	0.48 312

notaker	0.48 263	0.49 187	0.48 284	0.48 243	0.48 327	0.48 293	0.48 322	0.48 281	0.49 322	0.48 284	0.48 327	0.48 291	0.48 317	0.48 291	0.48 321	0.48 283	0.48 291	0.48 311	0.48 328	0.48 283	0.49 317

LL-Strereo2	0.48 263	1.73 376	0.51 298	0.59 279	0.34 265	0.42 270	0.33 243	0.40 230	0.31 240	0.42 256	0.33 251	0.42 268	0.31 243	0.44 271	0.39 283	0.60 311	0.51 304	0.44 291	0.33 263	0.44 266	0.33 249

Former-RAFT_DAM_RVC	0.49 269	0.98 260	0.64 319	0.84 311	0.46 317	0.45 277	0.35 259	0.47 277	0.47 313	0.45 267	0.34 259	0.46 278	0.48 317	0.46 278	0.35 262	0.39 241	0.71 338	0.39 259	0.35 274	0.41 256	0.41 289

ACVNet_2	0.49 269	0.49 187	0.49 289	0.49 249	0.49 329	0.49 298	0.49 324	0.49 285	0.49 322	0.49 291	0.49 330	0.49 295	0.49 322	0.49 297	0.49 323	0.49 286	0.49 294	0.49 316	0.49 331	0.49 287	0.49 317

FoundationStereo	0.50 271	0.50 191	0.50 293	0.50 256	0.50 333	0.50 306	0.50 326	0.50 293	0.50 325	0.50 303	0.50 332	0.50 309	0.50 325	0.50 304	0.50 324	0.50 292	0.50 300	0.50 320	0.50 333	0.50 292	0.50 320

StereoAnything_RVC	0.50 271	0.50 191	0.50 293	0.50 256	0.50 333	0.50 306	0.50 326	0.50 293	0.50 325	0.50 303	0.50 332	0.50 309	0.50 325	0.50 304	0.50 324	0.50 292	0.50 300	0.50 320	0.50 333	0.50 292	0.50 320

dual_stereo	0.50 271	0.50 191	0.50 293	0.50 256	0.50 333	0.50 306	0.50 326	0.50 293	0.50 325	0.50 303	0.50 332	0.50 309	0.50 325	0.50 304	0.50 324	0.50 292	0.50 300	0.50 320	0.50 333	0.50 292	0.50 320

GCST	0.50 271	2.08 397	0.38 237	0.53 265	0.35 268	0.49 298	0.35 259	0.50 293	0.35 261	0.49 291	0.35 268	0.49 295	0.35 263	0.49 297	0.35 262	0.48 283	0.37 237	0.45 295	0.33 263	0.44 266	0.33 249

SANet	0.50 271	0.50 191	0.50 293	0.50 256	0.50 333	0.50 306	0.50 326	0.50 293	0.50 325	0.50 303	0.50 332	0.50 309	0.50 325	0.50 304	0.50 324	0.50 292	0.50 300	0.50 320	0.50 333	0.50 292	0.50 320

MSCF	0.51 276	1.40 361	0.49 289	0.58 276	0.38 284	0.50 306	0.38 276	0.54 309	0.41 295	0.52 311	0.41 296	0.53 317	0.42 298	0.53 316	0.41 294	0.60 311	0.47 287	0.48 311	0.37 282	0.48 283	0.38 274

UGAM-zero	0.51 276	2.17 405	0.39 244	0.53 265	0.36 274	0.50 306	0.36 265	0.50 293	0.36 271	0.49 291	0.36 271	0.50 309	0.35 263	0.50 304	0.36 265	0.49 286	0.37 237	0.47 303	0.35 274	0.46 271	0.34 255

UGAM	0.51 276	2.23 410	0.39 244	0.54 267	0.35 268	0.50 306	0.35 259	0.49 285	0.35 261	0.49 291	0.35 268	0.49 295	0.36 266	0.50 304	0.36 265	0.49 286	0.37 237	0.45 295	0.34 267	0.45 270	0.34 255

Selective-IGEV	0.51 276	0.55 208	0.45 265	0.69 294	0.45 315	0.61 332	0.45 306	0.50 293	0.40 286	0.56 322	0.44 310	0.55 324	0.40 281	0.72 343	0.67 348	0.59 310	0.46 279	0.45 295	0.34 267	0.46 271	0.37 267

RCA-Stereo	0.51 276	3.22 461	0.34 222	0.44 231	0.34 265	0.44 276	0.34 254	0.43 265	0.34 258	0.43 262	0.34 259	0.44 272	0.33 252	0.43 269	0.33 245	0.38 231	0.29 204	0.38 249	0.29 233	0.38 234	0.29 222

AIO-test1	0.54 281	0.60 213	0.52 301	0.66 292	0.47 323	0.61 332	0.47 313	0.58 318	0.46 308	0.61 329	0.46 315	0.61 334	0.45 305	0.62 330	0.45 305	0.61 315	0.52 306	0.57 333	0.48 328	0.57 306	0.48 312

castereo++	0.54 281	3.59 466	1.15 378	1.31 413	0.14 154	0.16 139	0.14 149	0.16 138	0.14 154	0.16 135	0.14 158	0.16 136	0.13 151	0.16 137	0.14 148	1.45 440	1.16 384	0.15 139	0.14 157	0.15 138	0.13 147

FENet	0.54 281	1.52 365	1.19 384	1.41 420	0.23 201	0.35 216	0.23 192	0.35 206	0.23 192	0.34 208	0.23 196	0.35 215	0.23 196	0.35 217	0.23 192	1.40 438	1.07 368	0.32 206	0.23 194	0.33 200	0.23 179

PSMNet_ROB	0.54 281	0.54 206	0.54 306	0.54 267	0.53 342	0.54 322	0.54 334	0.53 307	0.54 335	0.54 317	0.54 342	0.54 320	0.53 332	0.54 318	0.54 334	0.54 303	0.53 308	0.54 331	0.54 338	0.54 304	0.54 328

AIO-test2	0.55 285	0.59 211	0.52 301	0.67 293	0.47 323	0.61 332	0.47 313	0.61 324	0.47 313	0.61 329	0.47 323	0.61 334	0.48 317	0.62 330	0.47 315	0.64 320	0.53 308	0.58 334	0.47 325	0.58 307	0.48 312

CFNet-ft	0.55 285	1.57 366	0.14 125	0.20 132	0.14 154	0.20 159	2.53 512	1.61 447	0.14 154	0.20 155	0.14 158	0.20 156	0.14 155	0.20 156	0.14 148	0.17 139	0.12 109	0.17 150	0.12 146	1.56 440	1.24 460

MyStereo04	0.56 287	3.72 472	0.59 311	0.49 249	0.41 300	0.36 219	0.32 234	0.37 216	0.31 240	0.34 208	0.46 315	0.35 215	0.32 245	0.35 217	0.33 245	0.49 286	0.45 277	0.34 221	0.32 255	0.35 216	0.43 297

CASS	0.57 288	0.89 242	0.56 308	0.57 274	0.56 345	0.56 324	0.56 335	0.56 312	0.53 333	0.57 324	0.57 344	0.59 332	0.48 317	0.56 322	0.57 337	0.55 305	0.56 312	0.47 303	0.56 343	0.62 310	0.56 335
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
LG-Stereo	0.60 289	0.58 210	0.47 276	0.64 288	0.74 375	1.00 371	0.69 353	0.57 315	0.41 295	0.57 324	0.41 296	0.57 328	0.41 292	1.00 376	0.75 366	0.91 351	0.51 304	0.52 328	0.37 282	0.52 300	0.37 267

MonSter	0.60 289	0.64 216	0.52 301	0.62 283	0.44 313	2.07 474	0.44 302	0.62 325	0.44 306	0.62 332	0.44 310	0.62 336	0.44 303	0.62 330	0.44 304	0.58 309	0.42 270	0.62 337	0.46 318	0.58 307	0.42 296

MyStereo07	0.60 289	3.72 472	0.48 284	0.49 249	0.41 300	0.36 219	0.32 234	0.49 285	0.43 303	0.51 308	0.42 306	0.49 295	0.43 301	0.51 311	0.64 343	0.49 286	0.45 277	0.34 221	0.32 255	0.35 216	0.43 297

castereo	0.61 292	3.79 474	1.35 442	1.52 422	0.15 165	0.17 147	0.16 157	0.20 156	0.21 183	0.18 148	0.16 167	0.21 163	0.12 146	0.26 193	0.17 167	1.43 439	1.38 452	0.17 150	0.16 162	0.18 152	0.16 153

WCG-NET	0.61 292	1.21 345	0.54 306	0.61 282	0.53 342	0.67 340	0.53 332	0.66 330	0.53 333	0.64 335	0.53 341	0.65 340	0.53 332	0.59 328	0.52 331	0.65 321	0.48 291	0.64 340	0.52 337	0.58 307	0.50 320

SMoEStereo_RVC	0.63 294	0.75 222	0.51 298	0.73 300	0.53 342	0.71 344	0.47 313	0.67 331	0.58 338	0.74 349	0.60 345	0.72 347	0.53 332	0.74 347	0.51 329	0.61 315	0.62 323	0.62 337	0.61 350	0.63 311	0.61 340

anonymity	0.63 294	0.69 218	0.56 308	0.71 298	0.56 345	0.71 344	0.56 335	0.71 336	0.56 336	0.72 343	0.56 343	0.71 344	0.56 336	0.71 342	0.58 338	0.68 325	0.55 310	0.68 345	0.55 339	0.68 315	0.54 328

PAM_32	0.64 296	2.38 425	0.51 298	0.92 321	0.43 312	0.53 319	0.44 302	0.87 348	0.43 303	0.52 311	0.45 313	0.53 317	0.40 281	0.54 318	0.46 309	0.62 318	0.56 312	0.48 311	0.45 316	0.76 326	0.44 300

CRFU-Net	0.65 297	1.67 369	1.22 434	1.96 440	0.27 218	0.41 252	0.27 211	0.41 245	0.27 217	0.40 231	0.26 214	0.41 252	0.27 219	0.40 240	0.27 208	1.80 453	1.62 471	0.34 221	0.23 194	0.33 200	0.23 179

LMCR-Stereo	0.65 297	0.63 214	0.65 322	0.65 289	0.65 358	0.66 339	0.63 341	0.58 318	0.65 347	0.63 334	0.64 352	0.65 340	0.65 344	0.66 337	0.66 347	0.66 323	0.64 325	0.65 343	0.67 360	0.68 315	0.73 360

KSHMR	0.66 299	0.50 191	0.48 284	1.15 352	0.52 339	0.49 298	0.51 330	0.49 285	0.71 362	0.67 339	0.50 332	1.16 394	1.11 389	0.66 337	0.52 331	0.49 286	0.49 294	0.51 325	0.66 356	0.50 292	1.14 401

TorneroNet	0.66 299	0.53 203	0.50 293	0.50 256	0.64 356	1.06 379	0.70 356	0.50 293	0.51 332	0.49 291	0.69 361	0.49 295	0.50 325	0.48 291	1.15 401	0.71 330	0.49 294	1.14 393	1.08 397	0.49 287	0.49 317

GES	0.66 299	2.34 421	0.29 192	0.41 219	0.29 228	0.41 252	0.29 223	0.42 261	0.29 225	0.40 231	0.41 296	0.41 252	0.30 237	0.51 311	0.29 224	0.32 199	0.29 204	0.32 206	2.46 516	2.49 479	0.30 232

cf-r	0.66 299	2.17 405	0.12 100	0.18 127	0.12 149	0.18 151	2.70 515	2.60 491	0.12 149	0.18 148	0.12 141	0.18 150	0.12 146	0.18 149	0.12 138	0.15 123	0.11 94	0.15 139	0.11 129	1.81 452	1.74 495

DSFCA	0.66 299	0.73 221	0.78 344	0.65 289	0.65 358	0.64 337	0.64 342	0.65 328	0.63 345	0.64 335	0.64 352	0.64 337	0.64 342	0.65 336	0.65 344	0.65 321	0.65 327	0.65 343	0.65 354	0.66 313	0.64 345

DEFOM-Stereo	0.68 304	3.11 457	1.40 456	1.63 431	0.25 208	0.31 200	0.25 200	0.31 195	0.28 220	0.31 196	0.29 228	0.29 198	0.27 219	0.31 206	0.28 214	1.59 446	1.47 457	0.30 200	0.29 233	0.30 188	0.28 217

ssnet_v2	0.68 304	1.96 394	1.25 438	0.29 165	0.20 188	0.30 196	0.20 175	0.29 190	0.22 186	1.50 449	0.20 187	0.31 204	0.20 185	0.27 196	0.22 186	0.24 174	1.49 458	0.26 187	0.18 184	3.90 500	0.19 171

ARAFT	0.68 304	0.81 229	0.63 317	0.74 301	0.60 348	0.78 349	0.62 340	0.77 340	0.66 349	0.74 349	0.63 350	0.75 351	0.62 341	0.83 354	0.60 340	0.70 329	0.55 310	0.70 348	0.60 348	0.78 328	0.55 332

NINENet	0.69 307	3.87 478	1.20 387	1.98 441	0.05 99	0.40 236	0.04 81	0.40 230	0.05 97	0.41 244	0.04 88	0.41 252	0.05 94	0.40 240	0.05 88	1.79 452	1.56 464	0.34 221	0.22 189	0.34 204	0.23 179

RAFT-Stereo + iAFF	0.70 308	0.72 220	0.71 332	0.80 306	0.62 355	0.82 354	0.61 339	0.81 346	0.62 343	0.81 356	0.63 350	0.80 357	0.70 354	0.73 345	0.61 342	0.76 334	0.61 322	0.74 351	0.61 350	0.77 327	0.61 340

DMCA-RVC	0.70 308	0.80 226	0.70 329	0.70 296	0.70 368	0.70 342	0.70 356	0.71 336	0.70 357	0.70 342	0.71 367	0.71 344	0.70 354	0.70 341	0.69 355	0.69 326	0.70 334	0.69 346	0.70 365	0.69 319	0.70 353

MyStereo8	0.71 310	3.92 479	0.52 301	0.59 279	0.52 339	0.57 329	0.53 332	0.59 320	0.50 325	0.59 328	0.51 338	0.57 328	0.50 325	0.56 322	0.52 331	0.54 303	0.49 294	0.54 331	0.49 331	0.55 305	0.50 320

HH	0.71 310	2.54 430	0.74 339	1.10 344	0.32 244	0.41 252	0.37 270	0.69 333	0.78 370	0.73 344	0.90 382	0.75 351	1.00 379	0.84 355	0.69 355	0.69 326	0.40 253	0.35 234	0.26 213	0.35 216	0.26 196

HanStereo	0.71 310	2.54 430	0.74 339	1.10 344	0.32 244	0.41 252	0.37 270	0.69 333	0.78 370	0.73 344	0.90 382	0.75 351	1.00 379	0.84 355	0.69 355	0.69 326	0.40 253	0.35 234	0.26 213	0.35 216	0.26 196

ktn	0.72 313	0.53 203	1.08 373	1.14 350	0.51 338	1.22 439	1.36 464	0.51 303	0.59 339	0.51 308	0.51 338	0.69 343	1.20 400	0.67 339	0.51 329	0.51 298	0.49 294	0.58 334	0.66 356	0.52 300	0.53 327

CroCo-Stereo	0.73 314	1.22 350	0.25 178	1.22 406	0.25 208	1.22 439	0.25 200	1.22 432	0.25 199	1.22 440	0.25 208	1.22 443	0.25 202	1.22 443	0.25 202	1.22 427	0.26 184	1.21 449	0.25 207	1.22 428	0.25 190
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	0.73 314	0.88 239	0.67 326	0.75 302	0.68 365	0.75 346	0.64 342	0.80 343	0.72 364	0.83 357	0.70 363	0.82 360	0.64 342	0.84 355	0.67 348	0.77 335	0.63 324	0.81 362	0.63 352	0.78 328	0.62 343

AIO-Stereo-zeroshot1	0.75 316	0.92 251	0.85 352	0.96 331	0.59 347	1.27 442	0.44 302	0.59 320	0.69 354	0.91 362	0.68 358	0.55 324	0.61 340	1.06 382	0.83 375	0.62 318	0.70 334	0.90 372	0.41 306	0.89 345	0.56 335

MyStereo06	0.75 316	4.12 480	0.60 313	0.63 285	0.61 352	0.62 335	0.66 345	0.56 312	0.45 307	0.55 320	0.48 327	0.54 320	0.46 308	0.57 326	0.45 305	0.60 311	0.57 314	0.64 340	0.55 339	0.72 321	0.55 332

GCAP-Stereo	0.75 316	4.15 483	0.42 260	0.75 302	0.35 268	0.78 349	0.40 286	0.79 341	0.38 276	0.78 352	0.36 271	0.78 354	0.36 266	0.79 350	0.39 283	0.75 333	0.39 250	0.76 354	0.39 298	0.75 325	0.39 280

GANet-RSSM	0.75 316	1.91 387	0.14 125	0.47 239	0.14 154	0.21 166	3.21 532	2.30 479	0.14 154	0.46 271	0.14 158	0.23 173	0.18 176	0.21 166	0.14 148	0.18 147	0.27 189	0.37 242	0.13 154	2.13 461	2.12 505

RSM++	0.76 320	0.82 231	0.66 323	0.85 313	0.64 356	0.85 355	0.71 359	0.94 361	0.64 346	0.87 358	0.67 357	0.87 362	0.65 344	0.84 355	0.65 344	0.81 340	0.70 334	0.79 357	0.71 368	0.83 340	0.70 353

CroCo-Stereo Lap2	0.77 321	1.29 354	0.29 192	1.27 410	0.29 228	1.27 442	0.26 208	1.26 435	0.26 212	1.26 441	0.26 214	1.27 445	0.26 211	1.26 444	0.27 208	1.27 429	0.27 189	1.27 452	0.27 220	1.27 430	0.27 204

PSMNet-RSSM	0.77 321	2.76 447	0.14 125	0.20 132	0.14 154	0.20 159	2.66 513	2.79 504	0.14 154	0.21 164	0.14 158	0.21 163	0.14 155	0.20 156	0.14 148	0.17 139	0.12 109	0.17 150	0.12 146	2.52 483	2.31 510

GwcNet-RSSM	0.77 321	2.77 449	0.14 125	0.20 132	0.14 154	0.20 159	2.67 514	2.78 503	0.14 154	0.20 155	0.14 158	0.20 156	0.14 155	0.21 166	0.14 148	0.17 139	0.12 109	0.17 150	0.12 146	2.52 483	2.31 510

4D-IteraStereo	0.78 324	3.13 458	0.89 353	0.69 294	0.32 244	0.40 236	0.32 234	0.76 339	0.97 391	0.52 311	0.65 354	0.89 365	0.32 245	0.76 349	0.98 387	0.83 345	0.94 360	0.35 234	0.27 220	0.70 320	0.89 376

hitnet-ft	0.79 325	2.78 451	0.14 125	0.20 132	0.14 154	0.21 166	2.89 516	2.80 505	0.14 154	0.20 155	0.14 158	0.20 156	0.14 155	0.20 156	0.14 148	0.17 139	0.12 109	0.17 150	0.12 146	2.54 491	2.33 512

G-Net	0.79 325	0.79 225	0.79 347	0.79 304	0.79 379	0.79 351	0.79 367	0.79 341	0.79 373	0.79 353	0.79 377	0.79 356	0.79 367	0.79 350	0.79 369	0.79 336	0.79 347	0.79 357	0.79 375	0.79 330	0.79 367

MyStereo05	0.80 327	4.12 480	0.63 317	0.63 285	0.61 352	0.62 335	0.66 345	0.65 328	0.62 343	0.67 339	0.61 348	0.65 340	0.58 337	0.67 339	0.55 336	0.60 311	0.57 314	0.64 340	0.55 339	0.72 321	0.55 332

UDG	0.80 327	2.21 409	0.60 313	0.91 318	0.60 348	0.90 361	0.58 337	0.88 351	0.60 340	0.90 360	0.60 345	0.88 363	0.60 339	0.90 363	0.58 338	0.86 349	0.60 318	0.84 368	0.59 347	0.84 341	0.61 340

ccnet	0.80 327	2.28 413	0.33 212	0.50 256	0.33 255	0.50 306	0.33 243	0.50 293	0.33 249	0.49 291	0.33 251	0.49 295	1.56 465	2.38 482	0.33 245	0.41 253	0.29 204	0.42 288	1.57 477	2.28 467	0.29 222

NaN_ROB	0.80 327	0.80 226	0.80 348	0.80 306	0.80 381	0.80 352	0.80 370	0.80 343	0.80 374	0.80 354	0.80 378	0.80 357	0.80 368	0.80 352	0.80 371	0.80 337	0.80 350	0.80 360	0.80 377	0.80 333	0.80 368

CSAN	0.80 327	0.80 226	0.80 348	0.80 306	0.80 381	0.80 352	0.80 370	0.80 343	0.80 374	0.80 354	0.80 378	0.80 357	0.80 368	0.80 352	0.80 371	0.80 337	0.80 350	0.80 360	0.80 377	0.80 333	0.80 368

BSDual-CNN	0.81 332	1.91 387	0.92 360	4.48 504	0.02 21	0.42 270	0.06 105	0.41 245	0.02 21	0.48 284	0.03 52	0.02 20	0.02 21	0.03 39	0.02 20	1.97 462	4.19 527	0.33 214	0.23 194	0.34 204	0.27 204

DDUNet	0.81 332	2.45 428	0.57 310	0.90 316	0.60 348	0.88 358	0.59 338	0.90 352	0.60 340	0.88 359	0.60 345	0.90 366	0.58 337	0.88 360	0.60 340	0.84 347	0.60 318	0.86 370	0.57 345	0.86 342	0.60 339

R-Stereo Train	0.81 332	0.96 257	0.67 326	0.95 328	0.67 362	0.95 366	0.68 350	0.95 363	0.68 351	0.95 370	0.68 358	0.96 374	0.68 350	0.96 373	0.68 351	0.94 359	0.68 329	0.94 378	0.68 361	0.94 354	0.68 350

RAFT-Stereo	0.81 332	0.96 257	0.67 326	0.95 328	0.67 362	0.95 366	0.68 350	0.95 363	0.68 351	0.95 370	0.68 358	0.96 374	0.68 350	0.96 373	0.68 351	0.94 359	0.68 329	0.94 378	0.68 361	0.94 354	0.68 350
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
gwcnet-sp	0.82 336	1.72 371	1.48 460	0.39 195	0.15 165	0.31 200	0.21 180	0.20 156	0.25 199	1.61 453	0.23 196	0.28 193	0.26 211	0.20 156	0.15 158	0.24 174	1.33 444	0.32 206	0.16 162	6.75 538	0.23 179

scenet	0.82 336	1.72 371	1.48 460	0.39 195	0.15 165	0.31 200	0.21 180	0.20 156	0.25 199	1.61 453	0.23 196	0.28 193	0.26 211	0.20 156	0.15 158	0.24 174	1.33 444	0.32 206	0.16 162	6.75 538	0.23 179

ssnet	0.82 336	1.72 371	1.48 460	0.39 195	0.15 165	0.31 200	0.21 180	0.20 156	0.25 199	1.61 453	0.23 196	0.28 193	0.26 211	0.20 156	0.15 158	0.24 174	1.33 444	0.32 206	0.16 162	6.75 538	0.23 179

DEFOM-Stereo_RVC	0.83 339	5.18 496	1.98 498	2.19 446	0.17 175	0.19 154	0.18 168	0.19 151	0.16 166	0.20 155	0.19 183	0.22 169	0.22 190	0.20 156	0.15 158	2.28 479	2.13 497	0.24 183	0.17 180	0.18 152	0.16 153

BUS	0.83 339	1.91 387	0.92 360	4.48 504	0.02 21	0.40 236	0.04 81	0.41 245	0.02 21	0.48 284	0.03 52	0.41 252	0.05 94	0.03 39	0.05 88	1.97 462	4.19 527	0.33 214	0.23 194	0.34 204	0.27 204

PDISCO_ROB	0.83 339	2.80 452	3.49 526	0.14 96	0.11 133	0.17 147	0.09 110	0.15 137	0.10 115	0.15 130	0.12 141	0.16 136	0.14 155	3.30 511	0.13 144	0.14 114	2.34 502	0.16 142	0.12 146	2.62 492	0.10 113

AIO-Stereo	0.84 342	0.66 217	0.70 329	0.83 310	0.67 362	0.98 369	0.82 373	1.14 375	0.72 364	1.03 378	0.74 373	1.03 382	1.09 388	0.99 375	0.45 305	1.04 365	0.73 340	0.95 380	0.74 370	0.94 354	0.46 303

DCRE	0.84 342	1.89 384	0.77 343	0.94 326	0.72 372	0.88 358	0.73 362	0.87 348	0.78 370	0.90 360	0.71 367	0.88 363	0.67 349	0.88 360	0.73 363	0.81 340	0.68 329	0.81 362	0.70 365	0.82 338	0.70 353

iGMRVC	0.84 342	2.85 453	0.72 335	0.72 299	0.73 373	0.77 347	0.79 367	0.73 338	0.74 369	0.73 344	0.72 370	0.73 349	0.76 364	0.73 345	0.73 363	0.72 331	0.73 340	0.73 350	0.72 369	0.73 324	0.72 357

AdaDepth	0.86 345	0.93 253	0.71 332	1.01 338	1.07 404	1.02 376	0.71 359	1.00 365	0.71 362	1.01 376	0.71 367	1.00 377	0.72 359	1.14 392	0.71 361	0.92 354	0.64 325	0.90 372	0.64 353	0.89 345	0.69 352

GEStereo_RVC	0.86 345	4.45 486	0.20 161	0.27 163	0.20 188	0.27 192	0.20 175	0.26 183	0.18 173	5.03 539	0.20 187	0.27 192	0.19 181	0.27 196	0.21 184	0.20 151	0.19 165	0.19 162	4.02 543	0.20 159	0.18 169

Selective-RAFT-Error	0.88 347	0.84 232	0.98 365	0.86 314	0.97 395	0.88 358	0.95 384	0.84 347	0.99 394	0.92 364	0.82 380	0.84 361	0.98 378	0.87 359	0.97 386	0.81 340	0.83 353	0.79 357	0.82 380	0.79 330	0.85 373

IER	0.88 347	7.04 515	2.23 503	2.75 464	0.28 221	0.43 274	0.25 200	0.39 225	0.25 199	0.41 244	0.27 218	0.39 233	0.25 202	0.40 240	0.28 214	0.37 224	0.28 195	0.37 242	0.25 207	0.37 225	0.25 190

Selective-RAFT	0.89 349	0.89 242	0.72 335	1.16 357	0.78 378	1.06 379	0.82 373	0.87 348	0.97 391	1.00 372	0.91 385	0.90 366	1.00 379	0.89 362	0.93 383	0.83 345	0.83 353	0.82 366	0.82 380	0.81 336	0.82 371

AIO-Stereo-zeroshot	0.91 350	0.86 235	0.89 353	1.25 409	0.69 366	1.05 378	0.81 372	1.16 378	0.50 325	1.12 387	0.97 390	0.72 347	0.82 370	1.06 382	0.95 384	0.61 315	0.87 355	1.03 390	0.85 383	1.04 363	1.01 390

CFNet-RSSM	0.91 350	4.89 492	0.34 222	0.44 231	1.07 404	1.62 459	1.40 471	0.91 354	0.35 261	1.60 450	1.39 471	0.64 337	0.34 257	0.44 271	0.33 245	0.41 253	0.35 232	0.75 352	0.30 243	0.41 256	0.29 222

MLG-Stereo	0.92 352	0.90 244	0.84 351	1.27 410	0.49 329	1.38 449	0.88 376	1.41 445	0.97 391	0.73 344	1.09 398	1.26 444	0.43 301	0.72 343	1.05 394	1.13 376	0.49 294	1.18 402	0.66 356	1.01 361	0.46 303

ToySt	0.92 352	2.11 400	0.90 356	0.95 328	0.79 379	0.99 370	0.78 366	0.94 361	0.81 377	0.94 368	0.78 376	0.95 373	0.77 365	0.94 369	0.86 377	0.91 351	0.79 347	0.85 369	0.77 372	0.89 345	0.73 360

DPSM_ROB	0.92 352	0.91 246	0.91 358	0.91 318	0.92 390	0.92 363	0.92 380	0.92 357	0.91 381	0.93 366	0.91 385	0.92 369	0.90 372	0.91 364	0.92 379	0.92 354	0.91 356	0.91 375	0.92 384	0.93 352	0.93 380

DPSM	0.92 352	0.91 246	0.91 358	0.91 318	0.92 390	0.92 363	0.92 380	0.92 357	0.91 381	0.93 366	0.91 385	0.92 369	0.90 372	0.91 364	0.92 379	0.92 354	0.91 356	0.91 375	0.92 384	0.93 352	0.93 380

pmcnn	0.92 352	0.92 251	0.92 360	0.92 321	0.92 390	0.92 363	0.92 380	0.92 357	0.92 385	0.92 364	0.92 388	0.92 369	0.92 374	0.92 368	0.92 379	0.92 354	0.92 358	0.92 377	0.92 384	0.92 351	0.92 379

error version	0.93 357	4.47 487	2.35 506	1.99 442	0.37 277	0.41 252	0.36 265	0.41 245	0.35 261	0.43 262	0.36 271	0.41 252	0.40 281	0.41 254	0.36 265	1.87 455	2.16 498	0.47 303	0.37 282	0.39 241	0.33 249

test_1	0.93 357	4.47 487	2.35 506	1.99 442	0.37 277	0.41 252	0.36 265	0.41 245	0.35 261	0.43 262	0.36 271	0.41 252	0.40 281	0.41 254	0.36 265	1.87 455	2.16 498	0.47 303	0.37 282	0.39 241	0.33 249

DGTPSM_ROB	0.93 357	1.00 264	0.92 360	0.94 326	0.96 394	0.91 362	0.92 380	0.91 354	0.96 390	0.91 362	0.96 389	0.93 372	0.92 374	0.94 369	0.92 379	0.92 354	0.92 358	0.90 372	0.92 384	0.94 354	0.91 378

HSM-Net_RVC	0.95 360	1.17 295	0.78 344	1.18 359	0.71 370	1.16 392	0.75 364	1.09 373	0.80 374	1.10 382	0.75 374	1.17 395	0.74 361	1.17 395	0.80 371	1.13 376	0.73 340	1.17 399	0.77 372	1.16 372	0.72 357
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
iRaftStereo_RVC	0.97 361	3.17 460	2.30 505	2.42 458	0.38 284	0.54 322	0.38 276	0.54 309	0.38 276	0.54 317	0.38 282	0.54 320	0.38 274	0.54 318	0.38 276	2.38 486	2.34 502	0.49 316	0.36 280	0.49 287	0.36 263

DPSimNet_ROB	0.97 361	1.18 297	0.81 350	1.10 344	0.91 389	1.02 376	0.82 373	1.04 370	0.91 381	1.03 378	0.86 381	1.28 446	0.82 370	1.03 381	0.89 378	1.17 379	0.81 352	1.02 389	0.82 380	1.08 365	0.81 370

test-3	0.98 363	4.13 482	1.85 487	1.85 434	0.61 352	0.69 341	0.37 270	0.63 326	0.61 342	0.66 338	0.51 338	0.73 349	0.44 303	0.57 326	0.54 334	1.68 450	1.81 482	0.40 264	0.43 314	0.66 313	0.50 320

999	1.00 364	1.12 289	0.59 311	1.10 344	1.21 462	1.09 384	0.52 331	1.08 371	1.43 473	1.18 392	1.35 465	0.98 376	0.52 331	0.91 364	0.85 376	0.72 331	1.46 456	0.83 367	0.98 389	0.68 315	1.41 473

DispNO	1.00 364	0.63 214	0.43 261	3.45 490	0.44 313	0.65 338	0.43 301	0.64 327	0.43 303	0.64 335	0.43 308	0.64 337	3.03 509	0.64 335	0.43 303	4.55 516	0.43 273	0.63 339	0.43 314	0.63 311	0.43 297

GANet	1.00 364	1.00 264	1.00 367	1.00 335	1.00 396	1.00 371	1.00 388	1.00 365	1.00 395	1.00 372	1.00 392	1.00 377	1.00 379	1.00 376	1.00 389	1.00 361	1.00 361	1.00 385	1.00 391	1.00 358	1.00 387

TDLM	1.00 364	1.00 264	1.00 367	1.00 335	1.00 396	1.00 371	1.00 388	1.00 365	1.00 395	1.00 372	1.00 392	1.00 377	1.00 379	1.00 376	1.00 389	1.00 361	1.00 361	1.00 385	1.00 391	1.00 358	1.00 387

CVANet_RVC	1.00 364	1.00 264	1.00 367	1.00 335	1.00 396	1.00 371	1.00 388	1.00 365	1.00 395	1.00 372	1.00 392	1.00 377	1.00 379	1.00 376	1.00 389	1.00 361	1.00 361	1.00 385	1.00 391	1.00 358	1.00 387

trnet	1.01 369	1.01 270	1.01 370	1.01 338	1.01 400	1.01 375	1.01 391	1.01 369	1.01 398	1.01 376	1.01 395	1.01 381	1.01 385	1.01 380	1.01 392	1.01 364	1.01 364	1.01 388	1.01 395	1.01 361	1.01 390

LL-Strereo	1.01 369	5.06 494	1.63 467	0.70 296	1.43 472	0.56 324	0.46 308	0.57 315	0.50 325	0.57 324	0.50 332	1.58 454	0.49 322	0.59 328	0.50 324	1.64 449	0.52 306	0.51 325	1.37 465	0.52 300	0.45 302

FlowAnything_test	1.02 371	1.72 371	0.71 332	1.59 424	0.70 368	1.61 457	0.69 353	1.61 447	0.70 357	1.60 450	0.70 363	1.61 458	0.69 352	1.61 454	0.70 359	0.81 340	0.58 316	0.81 362	0.55 339	0.81 336	0.56 335

FlowAnything	1.02 371	1.71 370	0.72 335	1.59 424	0.69 366	1.60 456	0.69 353	1.61 447	0.70 357	1.60 450	0.69 361	1.60 455	0.69 352	1.61 454	0.69 355	0.81 340	0.58 316	0.81 362	0.56 343	0.82 338	0.56 335

tt45	1.04 373	0.88 239	1.36 450	0.92 321	1.03 402	1.51 455	0.79 367	0.70 335	0.88 379	0.74 349	0.90 382	1.60 455	0.72 359	1.60 452	0.75 366	0.91 351	0.78 346	1.52 464	0.79 375	1.14 368	1.32 465

GLC_STEREO	1.07 374	1.01 270	1.06 372	1.07 342	1.05 403	1.06 379	1.08 395	1.08 371	1.05 401	1.07 380	1.06 397	1.08 384	1.05 387	1.06 382	1.10 396	1.07 367	1.09 374	1.05 391	1.05 396	1.06 364	1.12 397

FC-DCNN	1.07 374	1.09 285	0.98 365	0.89 315	0.52 339	1.41 452	0.91 379	1.21 431	1.24 459	1.96 462	2.05 514	1.91 463	1.30 453	1.27 445	1.08 395	0.80 337	0.60 318	0.58 334	0.41 306	0.68 315	0.54 328

hknet	1.10 376	1.85 380	3.49 526	4.48 504	0.02 21	0.42 270	0.06 105	0.41 245	0.02 21	0.48 284	0.03 52	0.41 252	0.03 52	0.42 267	0.03 48	4.39 513	4.19 527	0.33 214	0.23 194	0.34 204	0.27 204

test_xeample3	1.10 376	1.81 377	0.61 315	0.84 311	0.49 329	0.77 347	0.66 345	0.92 357	1.40 471	0.68 341	0.46 315	0.78 354	0.54 335	1.72 457	1.48 473	1.34 433	1.52 460	1.35 457	1.67 490	1.33 432	1.55 477

DISCO	1.11 378	0.39 148	5.28 539	0.39 195	0.20 188	0.39 234	0.27 211	0.39 225	0.22 186	0.38 221	0.20 187	0.38 229	0.20 185	6.95 550	0.22 186	0.30 194	0.21 170	0.27 191	0.21 186	5.25 531	0.21 174

Occ-G	1.12 379	0.52 200	3.72 531	3.50 494	0.50 333	0.56 324	0.47 313	0.54 309	0.46 308	0.54 317	0.41 296	0.54 320	0.42 298	0.52 314	0.42 301	3.42 507	4.02 526	0.52 328	0.45 316	0.51 298	0.44 300

AEACV	1.12 379	0.52 200	3.12 523	3.24 479	0.86 383	0.53 319	0.49 324	0.60 322	0.47 313	0.53 314	0.49 330	0.55 324	0.45 305	0.55 321	0.47 315	3.01 503	3.88 524	0.71 349	0.60 348	0.80 333	0.48 312

MSMD_ROB	1.19 381	1.10 288	0.70 329	1.10 344	0.60 348	1.10 385	0.70 356	1.10 374	0.70 357	1.10 382	0.70 363	1.10 388	0.70 354	7.00 551	0.70 359	1.10 370	0.70 334	1.10 392	0.70 365	1.10 366	0.70 353

MM-Stereo_test2	1.20 382	1.85 380	1.05 371	1.46 421	0.94 393	1.36 447	0.99 387	1.36 440	0.95 388	1.41 446	0.98 391	1.40 451	0.96 376	1.37 447	0.95 384	1.37 437	1.06 367	1.33 454	0.93 388	1.29 431	0.89 376

ours_stereo	1.20 382	1.21 345	0.90 356	1.64 432	1.11 406	1.35 445	0.67 349	1.76 454	0.93 386	1.70 458	1.10 399	1.39 449	0.75 363	1.41 449	0.81 374	1.60 448	1.03 366	1.33 454	1.00 391	1.61 442	0.72 357

DisPM	1.20 382	1.20 299	1.20 387	1.20 361	1.20 416	1.20 393	1.20 406	1.20 386	1.20 411	1.20 394	1.20 408	1.20 397	1.20 400	1.20 397	1.20 408	1.20 381	1.20 389	1.20 404	1.20 408	1.20 381	1.20 411

CrosDoStereo	1.20 382	1.20 299	1.20 387	1.20 361	1.20 416	1.20 393	1.20 406	1.20 386	1.20 411	1.20 394	1.20 408	1.20 397	1.20 400	1.20 397	1.20 408	1.20 381	1.20 389	1.20 404	1.20 408	1.20 381	1.20 411

PFNet+	1.20 382	1.20 299	1.20 387	1.20 361	1.20 416	1.20 393	1.20 406	1.20 386	1.20 411	1.20 394	1.20 408	1.20 397	1.20 400	1.20 397	1.20 408	1.20 381	1.20 389	1.20 404	1.20 408	1.20 381	1.20 411

LCNet	1.20 382	1.20 299	1.20 387	1.20 361	1.20 416	1.20 393	1.20 406	1.20 386	1.20 411	1.20 394	1.20 408	1.20 397	1.20 400	1.20 397	1.20 408	1.20 381	1.20 389	1.20 404	1.20 408	1.20 381	1.20 411

HHNet	1.20 382	1.20 299	1.20 387	1.20 361	1.20 416	1.20 393	1.20 406	1.20 386	1.20 411	1.20 394	1.20 408	1.20 397	1.20 400	1.20 397	1.20 408	1.20 381	1.20 389	1.20 404	1.20 408	1.20 381	1.20 411

Patchmatch Stereo++	1.20 382	1.20 299	1.20 387	1.20 361	1.20 416	1.20 393	1.20 406	1.20 386	1.20 411	1.20 394	1.20 408	1.20 397	1.20 400	1.20 397	1.20 408	1.20 381	1.20 389	1.20 404	1.20 408	1.20 381	1.20 411
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	1.20 382	1.20 299	1.20 387	1.20 361	1.20 416	1.20 393	1.20 406	1.20 386	1.20 411	1.20 394	1.20 408	1.20 397	1.20 400	1.20 397	1.20 408	1.20 381	1.20 389	1.20 404	1.20 408	1.20 381	1.20 411

STrans-v2	1.20 382	1.20 299	1.20 387	1.20 361	1.20 416	1.20 393	1.20 406	1.20 386	1.20 411	1.20 394	1.20 408	1.20 397	1.20 400	1.20 397	1.20 408	1.20 381	1.20 389	1.20 404	1.20 408	1.20 381	1.20 411

TransformOpticalFlow	1.20 382	1.20 299	1.20 387	1.20 361	1.20 416	1.20 393	1.20 406	1.20 386	1.20 411	1.20 394	1.20 408	1.20 397	1.20 400	1.20 397	1.20 408	1.20 381	1.20 389	1.20 404	1.20 408	1.20 381	1.20 411

OMP-Stereo	1.20 382	1.20 299	1.20 387	1.20 361	1.20 416	1.20 393	1.20 406	1.20 386	1.20 411	1.20 394	1.20 408	1.20 397	1.20 400	1.20 397	1.20 408	1.20 381	1.20 389	1.20 404	1.20 408	1.20 381	1.20 411

IIG-Stereo	1.20 382	1.20 299	1.20 387	1.20 361	1.20 416	1.20 393	1.20 406	1.20 386	1.20 411	1.20 394	1.20 408	1.20 397	1.20 400	1.20 397	1.20 408	1.20 381	1.20 389	1.20 404	1.20 408	1.20 381	1.20 411

NF-Stereo	1.20 382	1.20 299	1.20 387	1.20 361	1.20 416	1.20 393	1.20 406	1.20 386	1.20 411	1.20 394	1.20 408	1.20 397	1.20 400	1.20 397	1.20 408	1.20 381	1.20 389	1.20 404	1.20 408	1.20 381	1.20 411

OCTAStereo	1.20 382	1.20 299	1.20 387	1.20 361	1.20 416	1.20 393	1.20 406	1.20 386	1.20 411	1.20 394	1.20 408	1.20 397	1.20 400	1.20 397	1.20 408	1.20 381	1.20 389	1.20 404	1.20 408	1.20 381	1.20 411

PSM-softLoss	1.20 382	1.20 299	1.20 387	1.20 361	1.20 416	1.20 393	1.20 406	1.20 386	1.20 411	1.20 394	1.20 408	1.20 397	1.20 400	1.20 397	1.20 408	1.20 381	1.20 389	1.20 404	1.20 408	1.20 381	1.20 411

KMStereo	1.20 382	1.20 299	1.20 387	1.20 361	1.20 416	1.20 393	1.20 406	1.20 386	1.20 411	1.20 394	1.20 408	1.20 397	1.20 400	1.20 397	1.20 408	1.20 381	1.20 389	1.20 404	1.20 408	1.20 381	1.20 411

NRIStereo	1.20 382	1.20 299	1.20 387	1.20 361	1.20 416	1.20 393	1.20 406	1.20 386	1.20 411	1.20 394	1.20 408	1.20 397	1.20 400	1.20 397	1.20 408	1.20 381	1.20 389	1.20 404	1.20 408	1.20 381	1.20 411

PSM-adaLoss	1.20 382	1.20 299	1.20 387	1.20 361	1.20 416	1.20 393	1.20 406	1.20 386	1.20 411	1.20 394	1.20 408	1.20 397	1.20 400	1.20 397	1.20 408	1.20 381	1.20 389	1.20 404	1.20 408	1.20 381	1.20 411

PSM-AAD	1.20 382	1.20 299	1.20 387	1.20 361	1.20 416	1.20 393	1.20 406	1.20 386	1.20 411	1.20 394	1.20 408	1.20 397	1.20 400	1.20 397	1.20 408	1.20 381	1.20 389	1.20 404	1.20 408	1.20 381	1.20 411

FTStereo	1.20 382	1.20 299	1.20 387	1.20 361	1.20 416	1.20 393	1.20 406	1.20 386	1.20 411	1.20 394	1.20 408	1.20 397	1.20 400	1.20 397	1.20 408	1.20 381	1.20 389	1.20 404	1.20 408	1.20 381	1.20 411

ROB_FTStereo_v2	1.20 382	1.20 299	1.20 387	1.20 361	1.20 416	1.20 393	1.20 406	1.20 386	1.20 411	1.20 394	1.20 408	1.20 397	1.20 400	1.20 397	1.20 408	1.20 381	1.20 389	1.20 404	1.20 408	1.20 381	1.20 411

ROB_FTStereo	1.20 382	1.20 299	1.20 387	1.20 361	1.20 416	1.20 393	1.20 406	1.20 386	1.20 411	1.20 394	1.20 408	1.20 397	1.20 400	1.20 397	1.20 408	1.20 381	1.20 389	1.20 404	1.20 408	1.20 381	1.20 411

Consistency-Raft	1.20 382	1.20 299	1.20 387	1.20 361	1.20 416	1.20 393	1.20 406	1.20 386	1.20 411	1.20 394	1.20 408	1.20 397	1.20 400	1.20 397	1.20 408	1.20 381	1.20 389	1.20 404	1.20 408	1.20 381	1.20 411

KYRaft	1.20 382	1.20 299	1.20 387	1.20 361	1.20 416	1.20 393	1.20 406	1.20 386	1.20 411	1.20 394	1.20 408	1.20 397	1.20 400	1.20 397	1.20 408	1.20 381	1.20 389	1.20 404	1.20 408	1.20 381	1.20 411

HUI-Stereo	1.20 382	1.20 299	1.20 387	1.20 361	1.20 416	1.20 393	1.20 406	1.20 386	1.20 411	1.20 394	1.20 408	1.20 397	1.20 400	1.20 397	1.20 408	1.20 381	1.20 389	1.20 404	1.20 408	1.20 381	1.20 411

ASMatch	1.20 382	1.20 299	1.20 387	1.20 361	1.20 416	1.20 393	1.20 406	1.20 386	1.20 411	1.20 394	1.20 408	1.20 397	1.20 400	1.20 397	1.20 408	1.20 381	1.20 389	1.20 404	1.20 408	1.20 381	1.20 411

DeepStereo_LL	1.20 382	1.20 299	1.20 387	1.20 361	1.20 416	1.20 393	1.20 406	1.20 386	1.20 411	1.20 394	1.20 408	1.20 397	1.20 400	1.20 397	1.20 408	1.20 381	1.20 389	1.20 404	1.20 408	1.20 381	1.20 411

DEmStereo	1.20 382	1.20 299	1.20 387	1.20 361	1.20 416	1.20 393	1.20 406	1.20 386	1.20 411	1.20 394	1.20 408	1.20 397	1.20 400	1.20 397	1.20 408	1.20 381	1.20 389	1.20 404	1.20 408	1.20 381	1.20 411

SST-Stereo	1.20 382	1.20 299	1.20 387	1.20 361	1.20 416	1.20 393	1.20 406	1.20 386	1.20 411	1.20 394	1.20 408	1.20 397	1.20 400	1.20 397	1.20 408	1.20 381	1.20 389	1.20 404	1.20 408	1.20 381	1.20 411

THIR-Stereo	1.20 382	1.20 299	1.20 387	1.20 361	1.20 416	1.20 393	1.20 406	1.20 386	1.20 411	1.20 394	1.20 408	1.20 397	1.20 400	1.20 397	1.20 408	1.20 381	1.20 389	1.20 404	1.20 408	1.20 381	1.20 411

RAFT_R40	1.20 382	1.20 299	1.20 387	1.20 361	1.20 416	1.20 393	1.20 406	1.20 386	1.20 411	1.20 394	1.20 408	1.20 397	1.20 400	1.20 397	1.20 408	1.20 381	1.20 389	1.20 404	1.20 408	1.20 381	1.20 411

DRaft	1.20 382	1.20 299	1.20 387	1.20 361	1.20 416	1.20 393	1.20 406	1.20 386	1.20 411	1.20 394	1.20 408	1.20 397	1.20 400	1.20 397	1.20 408	1.20 381	1.20 389	1.20 404	1.20 408	1.20 381	1.20 411

PFNet	1.20 382	1.20 299	1.20 387	1.20 361	1.20 416	1.20 393	1.20 406	1.20 386	1.20 411	1.20 394	1.20 408	1.20 397	1.20 400	1.20 397	1.20 408	1.20 381	1.20 389	1.20 404	1.20 408	1.20 381	1.20 411

GrayStereo	1.20 382	1.20 299	1.20 387	1.20 361	1.20 416	1.20 393	1.20 406	1.20 386	1.20 411	1.20 394	1.20 408	1.20 397	1.20 400	1.20 397	1.20 408	1.20 381	1.20 389	1.20 404	1.20 408	1.20 381	1.20 411

RE-Stereo	1.20 382	1.20 299	1.20 387	1.20 361	1.20 416	1.20 393	1.20 406	1.20 386	1.20 411	1.20 394	1.20 408	1.20 397	1.20 400	1.20 397	1.20 408	1.20 381	1.20 389	1.20 404	1.20 408	1.20 381	1.20 411

Pruner-Stereo	1.20 382	1.20 299	1.20 387	1.20 361	1.20 416	1.20 393	1.20 406	1.20 386	1.20 411	1.20 394	1.20 408	1.20 397	1.20 400	1.20 397	1.20 408	1.20 381	1.20 389	1.20 404	1.20 408	1.20 381	1.20 411

TVStereo	1.20 382	1.20 299	1.20 387	1.20 361	1.20 416	1.20 393	1.20 406	1.20 386	1.20 411	1.20 394	1.20 408	1.20 397	1.20 400	1.20 397	1.20 408	1.20 381	1.20 389	1.20 404	1.20 408	1.20 381	1.20 411

DeepStereo_RVC	1.20 382	1.20 299	1.20 387	1.20 361	1.20 416	1.20 393	1.20 406	1.20 386	1.20 411	1.20 394	1.20 408	1.20 397	1.20 400	1.20 397	1.20 408	1.20 381	1.20 389	1.20 404	1.20 408	1.20 381	1.20 411

RAFT-RH_RVC	1.20 382	1.20 299	1.20 387	1.20 361	1.20 416	1.20 393	1.20 406	1.20 386	1.20 411	1.20 394	1.20 408	1.20 397	1.20 400	1.20 397	1.20 408	1.20 381	1.20 389	1.20 404	1.20 408	1.20 381	1.20 411

IRAFT_RVC	1.20 382	1.20 299	1.20 387	1.20 361	1.20 416	1.20 393	1.20 406	1.20 386	1.20 411	1.20 394	1.20 408	1.20 397	1.20 400	1.20 397	1.20 408	1.20 381	1.20 389	1.20 404	1.20 408	1.20 381	1.20 411

RAFT-345	1.20 382	1.20 299	1.20 387	1.20 361	1.20 416	1.20 393	1.20 406	1.20 386	1.20 411	1.20 394	1.20 408	1.20 397	1.20 400	1.20 397	1.20 408	1.20 381	1.20 389	1.20 404	1.20 408	1.20 381	1.20 411

iRAFT	1.20 382	1.20 299	1.20 387	1.20 361	1.20 416	1.20 393	1.20 406	1.20 386	1.20 411	1.20 394	1.20 408	1.20 397	1.20 400	1.20 397	1.20 408	1.20 381	1.20 389	1.20 404	1.20 408	1.20 381	1.20 411

CRE-IMP	1.20 382	1.20 299	1.20 387	1.20 361	1.20 416	1.20 393	1.20 406	1.20 386	1.20 411	1.20 394	1.20 408	1.20 397	1.20 400	1.20 397	1.20 408	1.20 381	1.20 389	1.20 404	1.20 408	1.20 381	1.20 411

GMM-Stereo	1.20 382	1.20 299	1.20 387	1.20 361	1.20 416	1.20 393	1.20 406	1.20 386	1.20 411	1.20 394	1.20 408	1.20 397	1.20 400	1.20 397	1.20 408	1.20 381	1.20 389	1.20 404	1.20 408	1.20 381	1.20 411

RAFT-IKP	1.20 382	1.20 299	1.20 387	1.20 361	1.20 416	1.20 393	1.20 406	1.20 386	1.20 411	1.20 394	1.20 408	1.20 397	1.20 400	1.20 397	1.20 408	1.20 381	1.20 389	1.20 404	1.20 408	1.20 381	1.20 411

Prome-Stereo	1.20 382	1.20 299	1.20 387	1.20 361	1.20 416	1.20 393	1.20 406	1.20 386	1.20 411	1.20 394	1.20 408	1.20 397	1.20 400	1.20 397	1.20 408	1.20 381	1.20 389	1.20 404	1.20 408	1.20 381	1.20 411

HCRNet	1.22 429	7.11 516	3.00 511	3.55 495	0.33 255	0.29 195	0.14 149	0.19 151	0.15 164	0.33 206	0.29 228	0.25 182	0.14 155	0.22 170	0.33 245	3.64 508	3.00 505	0.76 354	0.32 255	0.18 152	0.13 147

HBP-ISP	1.24 430	1.72 371	1.65 468	1.15 352	0.76 376	1.40 451	0.88 376	1.67 453	1.02 399	1.69 457	1.38 470	1.69 459	1.21 446	1.87 464	1.21 453	1.05 366	0.79 347	0.97 383	0.80 377	1.19 380	0.75 364

AANet_RVC	1.26 431	0.31 130	4.99 537	5.93 529	0.20 188	0.25 182	0.20 175	0.25 179	0.20 181	0.23 170	0.19 183	0.25 182	0.20 185	0.25 183	0.20 182	5.66 537	4.76 530	0.26 187	0.30 243	0.24 174	0.27 204

MM-Stereo_test3	1.27 432	2.07 396	1.18 382	1.60 427	1.02 401	1.45 453	1.01 391	1.40 444	1.04 400	1.44 447	1.03 396	1.46 453	1.02 386	1.44 450	1.02 393	1.51 444	1.12 381	1.32 453	0.98 389	1.38 435	0.97 383

11t	1.27 432	2.70 439	1.34 440	1.32 414	0.89 385	1.30 444	1.34 461	1.64 450	0.57 337	1.45 448	0.72 370	1.05 383	1.29 452	1.07 385	1.29 462	1.49 441	1.02 365	0.97 383	1.15 401	1.48 437	1.31 464

MaskLacGwcNet_RVC	1.35 434	1.35 358	1.35 442	1.35 416	1.35 466	1.35 445	1.35 462	1.36 440	1.35 467	1.36 444	1.35 465	1.36 447	1.36 458	1.36 446	1.35 466	1.35 434	1.35 449	1.35 457	1.35 462	1.35 433	1.35 469

CC-Net-ROB	1.36 435	1.33 357	1.33 439	1.36 417	1.38 469	1.36 447	1.33 460	1.37 442	1.34 464	1.35 443	1.36 467	1.38 448	1.34 456	1.38 448	1.38 469	1.35 434	1.38 452	1.33 454	1.35 462	1.43 436	1.34 468

CFNet	1.37 436	5.27 499	0.19 158	5.49 526	0.19 186	0.28 193	0.19 172	0.28 186	0.19 179	0.28 189	0.19 183	0.28 193	4.35 536	0.28 198	0.19 179	0.23 169	0.17 158	0.23 176	4.21 545	4.81 522	0.17 165

PS-NSSS	1.38 437	1.39 360	1.34 440	1.34 415	1.35 466	1.38 449	1.37 469	1.35 439	1.38 470	1.34 442	1.34 464	1.39 449	1.38 461	1.70 456	1.40 470	1.36 436	1.36 450	1.36 459	1.37 465	1.37 434	1.36 470

RASNet	1.49 438	1.65 368	1.45 458	1.38 419	1.43 472	1.47 454	1.36 464	1.38 443	1.36 468	1.39 445	1.60 480	1.45 452	1.45 464	1.51 451	2.21 509	1.53 445	1.36 450	1.36 459	1.36 464	1.66 445	1.36 470

GANetREF_RVC	1.55 439	1.94 393	1.22 434	1.88 435	1.21 462	1.88 463	1.22 452	1.88 456	1.22 457	1.88 459	1.22 454	1.88 461	1.22 447	1.89 465	1.22 454	1.87 455	1.22 436	1.88 477	1.22 454	1.88 454	1.22 457
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	1.59 440	1.91 387	1.21 433	1.94 438	1.20 416	2.00 471	1.23 453	1.99 461	1.24 459	2.00 467	1.25 457	2.03 471	1.26 449	2.00 469	1.29 462	1.90 459	1.18 388	1.89 478	1.21 453	1.89 455	1.20 411
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
DPSMNet_ROB	1.60 441	1.59 367	1.70 470	1.59 424	1.59 477	1.61 457	1.61 479	1.60 446	1.60 476	1.62 456	1.59 479	1.60 455	1.60 466	1.60 452	1.59 476	1.59 446	1.60 470	1.59 465	1.59 482	1.59 441	1.59 482

ff7	1.68 442	2.68 436	1.35 442	0.97 332	0.89 385	1.84 460	2.15 507	2.12 467	1.80 492	2.05 472	1.56 476	2.33 478	2.12 500	2.23 475	2.25 510	1.31 430	1.07 368	1.48 461	1.41 468	0.90 348	1.04 392

ffff	1.68 442	2.68 436	1.35 442	0.97 332	0.89 385	1.84 460	2.15 507	2.12 467	1.80 492	2.05 472	1.56 476	2.33 478	2.12 500	2.23 475	2.25 510	1.31 430	1.07 368	1.48 461	1.41 468	0.90 348	1.04 392

ccc-4	1.68 442	2.68 436	1.35 442	0.97 332	0.89 385	1.84 460	2.15 507	2.12 467	1.80 492	2.05 472	1.56 476	2.33 478	2.12 500	2.23 475	2.25 510	1.31 430	1.07 368	1.48 461	1.41 468	0.90 348	1.04 392

MC-Stereo	1.76 445	2.96 454	1.37 452	2.14 445	1.37 468	2.14 476	1.36 464	2.14 470	1.37 469	2.14 476	1.37 468	2.14 473	1.37 460	2.14 474	1.37 468	1.97 462	1.32 437	1.97 480	1.32 461	1.98 456	1.33 466

IGEVStereo-DCA	1.77 446	4.21 484	1.84 485	2.49 461	2.11 509	2.54 496	1.36 464	1.65 451	1.17 408	2.75 503	1.90 497	2.54 489	1.15 393	0.94 369	1.11 397	1.50 442	1.32 437	0.96 381	1.46 474	1.49 438	0.88 374

rrr	1.77 446	4.21 484	1.84 485	2.49 461	2.11 509	2.54 496	1.36 464	1.65 451	1.17 408	2.75 503	1.90 497	2.54 489	1.15 393	0.94 369	1.11 397	1.50 442	1.32 437	0.96 381	1.46 474	1.49 438	0.88 374

MM-Stereo_test1	1.80 448	3.41 464	1.52 464	2.12 444	1.41 471	2.04 472	1.41 472	2.05 465	1.46 474	2.04 471	1.41 472	2.05 472	1.42 463	2.05 470	1.43 472	2.04 466	1.54 463	1.94 479	1.38 467	1.99 457	1.33 466

MFMNet_re	1.81 449	1.91 387	1.71 472	1.95 439	1.70 487	1.95 468	1.70 484	1.96 459	1.74 489	1.97 464	1.72 487	1.95 464	1.71 473	1.97 468	1.71 484	1.86 454	1.62 471	1.85 471	1.66 489	1.86 453	1.64 488

plain	1.88 450	3.16 459	0.64 319	3.10 474	0.65 358	3.10 510	0.64 342	3.12 508	0.65 347	3.10 509	0.65 354	3.11 509	0.65 344	3.12 508	0.65 344	3.12 504	0.65 327	3.13 509	0.65 354	3.13 495	0.65 346

RAFT_CTSACE	1.92 451	3.71 471	1.72 473	1.88 435	1.72 488	2.04 472	1.42 474	2.18 472	1.89 503	2.02 469	1.97 503	1.95 464	2.06 499	1.93 466	1.62 477	1.76 451	1.66 474	2.02 481	1.73 498	1.73 448	1.43 475

4.25w-stereo	1.98 452	2.72 443	1.46 459	3.47 491	1.43 472	2.07 474	1.98 499	2.53 490	1.52 475	2.71 496	1.98 509	1.81 460	1.62 468	1.96 467	1.36 467	1.88 458	2.00 487	2.53 504	1.61 484	1.74 449	1.15 402

4.5w-stereo	1.99 453	2.33 417	1.81 476	3.28 481	1.68 483	1.94 465	1.99 502	2.72 493	1.70 481	2.72 497	1.99 512	1.97 466	1.68 470	1.76 458	1.29 462	1.91 460	2.02 493	2.53 504	1.61 484	1.75 450	1.16 405

2.75w_new	1.99 453	2.34 421	1.81 476	3.14 475	1.62 479	1.94 465	1.99 502	2.72 493	1.71 482	2.72 497	1.99 512	1.90 462	1.73 475	1.82 463	1.29 462	2.37 485	2.01 489	2.31 491	1.42 471	1.77 451	1.22 457

3.75w	1.99 453	2.31 415	1.83 484	3.16 477	1.65 481	1.93 464	1.98 499	2.72 493	1.68 478	2.73 502	1.97 503	2.00 468	1.72 474	1.81 462	1.25 458	2.27 478	2.01 489	2.38 496	1.42 471	1.71 447	1.24 460

2w_stereo	1.99 453	2.36 424	1.81 476	3.24 479	1.67 482	1.94 465	1.98 499	2.72 493	1.68 478	2.72 497	1.94 500	1.98 467	1.74 477	1.79 461	1.27 459	1.95 461	2.00 487	2.53 504	1.60 483	1.68 446	1.15 402

2.25w	2.00 457	1.86 382	1.98 498	2.95 472	2.17 513	2.26 477	1.35 462	2.42 484	2.00 510	2.07 475	1.27 459	2.53 487	1.99 495	2.29 479	1.49 474	2.21 473	1.32 437	1.85 471	1.87 502	2.52 483	1.62 486

4.25_new	2.00 457	2.33 417	1.82 481	3.32 484	1.69 484	1.95 468	1.99 502	2.72 493	1.71 482	2.72 497	1.97 503	2.01 469	1.74 477	1.77 459	1.28 460	2.18 470	2.01 489	2.48 502	1.58 480	1.65 443	1.17 406

4.5w_new	2.00 457	2.33 417	1.82 481	3.32 484	1.69 484	1.95 468	1.99 502	2.72 493	1.71 482	2.72 497	1.97 503	2.01 469	1.74 477	1.77 459	1.28 460	2.18 470	2.01 489	2.48 502	1.58 480	1.65 443	1.17 406

4.5_new	2.00 457	1.84 379	1.98 498	2.77 466	2.16 511	2.27 478	1.28 459	2.09 466	1.98 507	2.01 468	1.28 460	2.71 498	1.98 493	2.51 489	1.65 479	2.26 475	1.33 444	1.87 474	1.87 502	2.49 479	1.60 483

TRStereo	2.00 457	2.13 401	1.85 487	2.27 451	1.84 492	2.28 480	1.84 488	2.29 475	1.86 497	2.30 481	1.87 492	2.30 475	1.87 483	2.08 471	1.72 486	2.08 467	1.72 477	2.08 483	1.72 495	2.08 458	1.72 492

XX-Stereo	2.00 457	2.13 401	1.85 487	2.27 451	1.84 492	2.28 480	1.84 488	2.29 475	1.86 497	2.30 481	1.87 492	2.30 475	1.87 483	2.08 471	1.72 486	2.08 467	1.72 477	2.08 483	1.72 495	2.08 458	1.72 492

EAI-Stereo	2.00 457	2.13 401	1.85 487	2.27 451	1.84 492	2.28 480	1.84 488	2.29 475	1.86 497	2.30 481	1.87 492	2.30 475	1.87 483	2.08 471	1.72 486	2.08 467	1.72 477	2.08 483	1.72 495	2.08 458	1.72 492

2.5w	2.01 464	2.40 426	1.37 452	3.28 481	2.01 503	2.71 500	1.43 476	1.82 455	1.83 495	1.90 461	1.41 472	2.71 498	1.35 457	2.71 498	1.85 496	2.66 497	1.53 461	1.64 466	1.23 455	2.53 486	1.87 501

4w-stereo	2.02 465	2.72 443	1.44 457	3.36 487	1.59 477	2.48 489	1.72 485	2.28 473	1.24 459	2.24 479	1.65 484	2.56 491	1.32 455	2.39 483	1.98 506	2.67 499	1.51 459	1.66 467	1.24 456	2.53 486	1.88 504

IGEV	2.02 465	2.20 407	1.82 481	2.90 471	2.16 511	2.41 486	1.25 455	2.00 462	1.98 507	1.99 466	1.31 462	2.72 502	1.93 489	2.67 497	1.69 483	2.26 475	1.32 437	1.83 470	1.87 502	2.53 486	1.61 485

3.25w_new	2.03 467	2.72 443	1.35 442	3.33 486	1.57 475	2.72 501	1.53 478	2.15 471	1.33 463	2.15 477	1.60 480	2.63 495	1.30 453	2.72 500	1.99 507	2.67 499	1.53 461	1.75 469	1.25 458	2.53 486	1.87 501

3.5w_stereo	2.03 467	2.72 443	1.35 442	3.41 488	1.57 475	2.72 501	1.49 477	2.01 463	1.34 464	2.15 477	1.61 482	2.63 495	1.36 458	2.72 500	1.99 507	2.66 497	1.58 466	1.68 468	1.24 456	2.53 486	1.87 501

UniTT-Stereo	2.03 467	3.43 465	0.72 335	3.42 489	0.73 373	3.27 513	0.68 350	3.38 512	0.69 354	3.29 512	0.72 370	3.28 512	0.70 354	3.35 513	0.68 351	3.39 506	0.68 329	3.31 511	0.69 363	3.37 496	0.73 360

3.25w	2.04 470	2.20 407	1.48 460	3.03 473	2.17 513	2.63 499	1.39 470	1.96 459	1.95 506	1.96 462	1.37 468	2.71 498	1.96 492	2.71 498	1.73 491	2.26 475	1.32 437	1.87 474	1.87 502	2.51 482	1.63 487

3w_stereo	2.04 470	2.24 411	1.70 470	3.15 476	2.18 515	2.49 490	1.26 457	2.03 464	1.98 507	1.98 465	1.33 463	2.72 502	1.99 495	2.59 492	1.72 486	2.22 474	1.33 444	1.85 471	1.88 507	2.50 481	1.58 481

1w_stereo	2.05 472	2.32 416	1.35 442	3.74 502	2.01 503	2.73 503	1.42 474	1.88 456	1.93 505	2.03 470	1.28 460	2.71 498	1.99 495	2.72 500	1.72 486	2.20 472	1.32 437	1.87 474	1.86 501	2.45 475	1.54 476

sCroCo_RVC	2.10 473	2.76 447	1.92 495	2.78 469	1.39 470	2.73 503	1.41 472	2.73 499	1.40 471	2.77 508	1.41 472	2.74 504	1.40 462	2.74 503	1.40 470	2.72 501	1.42 454	2.72 507	1.44 473	2.79 493	1.42 474

MoCha-V2	2.11 474	26.97 558	0.78 344	0.92 321	0.77 377	0.96 368	0.72 361	0.90 352	0.72 364	0.94 368	0.70 363	0.90 366	0.71 358	0.91 364	0.71 361	0.85 348	0.71 338	0.88 371	0.69 363	0.87 343	0.67 349

FBW_ROB	2.12 475	2.46 429	1.77 475	2.49 461	1.79 491	2.38 484	1.83 487	2.46 485	1.78 491	2.48 490	1.97 503	2.40 483	1.78 480	2.42 486	1.83 494	2.31 482	1.85 484	2.38 496	1.82 500	2.35 470	1.84 497

asda	2.17 476	2.54 430	1.81 476	3.47 491	1.78 490	2.50 492	1.86 492	2.61 492	1.68 478	2.61 494	1.83 489	2.37 482	1.73 475	2.44 487	1.88 501	2.51 494	1.84 483	2.34 493	1.62 486	2.23 463	1.77 496

asd	2.18 477	2.77 449	1.58 465	3.59 496	2.00 502	2.58 498	1.85 491	2.39 483	1.71 482	2.47 489	1.97 503	2.59 493	1.61 467	2.56 490	1.79 493	2.51 494	1.99 486	2.11 486	1.62 486	2.36 471	1.60 483

qwe	2.18 477	2.60 433	1.58 465	3.83 503	1.90 500	2.53 494	1.90 497	2.48 486	1.73 487	2.37 486	1.92 499	2.53 487	1.68 470	2.56 490	1.83 494	2.52 496	1.87 485	2.07 482	1.68 492	2.32 469	1.71 491

monsters	2.18 477	2.41 427	1.96 497	3.47 491	2.03 507	2.53 494	1.64 481	2.48 486	1.73 487	2.40 487	1.50 475	2.62 494	1.94 490	2.59 492	1.94 503	2.44 489	1.57 465	2.28 489	1.87 502	2.42 473	1.86 499

AIO_rvc	2.18 477	2.34 421	1.87 491	2.32 455	1.94 501	2.40 485	1.89 496	2.37 481	2.07 512	2.52 492	1.95 502	2.44 485	1.99 495	2.41 484	1.89 502	2.32 483	2.09 495	2.24 487	2.18 510	2.21 462	2.23 508

HUF	2.18 477	2.30 414	1.99 501	2.34 456	2.02 506	2.41 486	2.06 506	2.38 482	1.89 503	2.36 485	1.85 490	2.56 491	1.98 493	2.31 481	1.97 505	2.30 481	2.03 494	2.30 490	2.11 509	2.23 463	2.16 506

AIO_test	2.18 477	2.09 399	2.04 502	2.42 458	2.01 503	2.47 488	1.94 498	2.34 480	2.03 511	2.56 493	1.94 500	2.43 484	1.94 490	2.41 484	1.87 500	2.39 487	2.10 496	2.35 495	1.91 508	2.25 465	2.19 507

monsterstereo	2.20 483	2.33 417	1.95 496	3.65 498	2.07 508	2.49 490	1.61 479	2.48 486	1.83 495	2.45 488	1.61 482	2.67 497	1.86 482	2.64 494	1.94 503	2.48 493	1.66 474	2.34 493	1.68 492	2.40 472	1.86 499

LG-G_1	2.22 484	2.71 441	1.89 492	2.77 466	1.87 498	2.75 505	1.87 494	2.76 501	1.87 501	2.75 503	1.87 492	2.76 505	1.87 483	2.75 504	1.86 497	2.47 491	1.58 466	2.45 499	1.57 477	2.45 475	1.57 479

LG-G	2.22 484	2.71 441	1.89 492	2.77 466	1.87 498	2.75 505	1.87 494	2.76 501	1.87 501	2.75 503	1.87 492	2.76 505	1.87 483	2.75 504	1.86 497	2.47 491	1.58 466	2.45 499	1.57 477	2.45 475	1.57 479

LGtest1	2.22 484	2.70 439	1.89 492	2.76 465	1.86 495	2.75 505	1.86 492	2.75 500	1.86 497	2.75 503	1.86 491	2.77 507	1.87 483	2.75 504	1.86 497	2.46 490	1.58 466	2.45 499	1.56 476	2.45 475	1.56 478

RAStereo	2.23 487	3.64 468	0.76 342	3.65 498	0.86 383	3.66 517	0.76 365	3.67 516	0.81 377	3.66 513	0.76 375	3.66 514	0.77 365	3.68 515	0.77 368	3.68 509	0.77 345	3.69 516	0.77 372	3.70 498	0.77 366

UDGNet	2.23 487	5.40 504	1.72 473	2.48 460	1.69 484	2.51 493	1.69 483	2.51 489	1.72 486	2.50 491	1.69 486	2.52 486	1.69 472	2.50 488	1.68 482	2.41 488	1.70 476	2.42 498	1.69 494	2.42 473	1.64 488

NCCL2	2.28 489	2.27 412	2.28 504	2.28 454	2.28 516	2.27 478	2.29 510	2.28 473	2.28 513	2.27 480	2.28 515	2.28 474	2.27 503	2.27 478	2.28 514	2.28 479	2.28 501	2.27 488	2.29 514	2.27 466	2.29 509

Abc-Net	2.32 490	24.75 550	1.14 376	1.17 358	1.17 413	1.11 388	1.15 400	1.17 380	1.21 456	1.08 381	1.16 403	1.12 392	1.14 392	1.09 386	1.17 405	1.09 368	1.16 384	1.17 399	1.17 404	1.16 372	1.11 395
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
RP	2.33 491	25.00 551	1.13 375	1.15 352	1.15 408	1.10 385	1.15 400	1.15 376	1.15 403	1.12 387	1.15 400	1.09 386	1.13 390	1.10 388	1.15 401	1.11 375	1.09 374	1.16 395	1.12 399	1.16 372	1.17 406

stereogan	2.33 491	24.38 549	1.18 382	1.18 359	1.18 415	1.14 390	1.18 404	1.19 383	1.19 410	1.14 390	1.18 407	1.14 393	1.18 398	1.14 392	1.18 406	1.14 378	1.14 382	1.19 403	1.19 405	1.15 370	1.19 410

RGC	2.36 493	25.48 552	1.19 384	1.15 352	1.15 408	1.10 385	1.16 402	1.17 380	1.16 404	1.12 387	1.16 403	1.11 391	1.13 390	1.09 386	1.18 406	1.10 370	1.15 383	1.16 395	1.12 399	1.14 368	1.12 397

NCC-stereo	2.36 493	25.52 553	1.17 380	1.15 352	1.17 413	1.11 388	1.11 396	1.15 376	1.16 404	1.10 382	1.16 403	1.10 388	1.15 393	1.14 392	1.13 399	1.09 368	1.11 378	1.15 394	1.16 403	1.17 377	1.17 406

AF-Net	2.37 495	25.71 554	1.17 380	1.13 349	1.15 408	1.15 391	1.18 404	1.19 383	1.16 404	1.10 382	1.15 400	1.10 388	1.18 398	1.12 391	1.15 401	1.10 370	1.10 377	1.17 399	1.15 401	1.16 372	1.12 397

Nwc_Net	2.37 495	25.95 555	1.15 378	1.14 350	1.15 408	1.08 382	1.14 399	1.17 380	1.16 404	1.14 390	1.15 400	1.08 384	1.15 393	1.11 390	1.14 400	1.10 370	1.11 378	1.16 395	1.09 398	1.16 372	1.15 402

CFNet_RVC	2.38 497	8.71 527	0.38 237	9.33 545	0.42 310	0.56 324	0.42 299	0.60 322	0.38 276	0.62 332	0.42 306	0.56 327	7.29 548	0.62 330	0.42 301	0.53 302	0.37 237	0.49 316	0.34 267	8.30 545	6.87 551

edge stereo	2.43 498	27.07 559	1.14 376	1.06 341	1.14 407	1.08 382	1.17 403	1.16 378	1.14 402	1.10 382	1.16 403	1.09 386	1.16 397	1.10 388	1.16 404	1.10 370	1.11 378	1.16 395	1.19 405	1.13 367	1.11 395

FAT-Stereo	2.46 499	26.05 556	1.23 436	1.23 408	1.22 464	1.20 393	1.24 454	1.23 434	1.23 458	1.19 393	1.22 454	1.21 442	1.24 448	1.20 397	1.24 455	1.21 426	1.17 387	1.22 450	1.25 458	1.20 381	1.24 460

S-Stereo	2.51 500	26.86 557	1.23 436	1.22 406	1.22 464	1.24 441	1.25 455	1.22 432	1.24 459	1.21 439	1.24 456	1.19 396	1.27 450	1.19 396	1.24 455	1.19 380	1.20 389	1.25 451	1.19 405	1.24 429	1.23 459

Anonymous3	2.55 501	3.26 462	1.65 468	3.28 481	1.63 480	3.24 512	1.68 482	3.27 510	1.66 477	3.28 511	1.67 485	3.25 511	1.66 469	3.27 510	1.64 478	3.26 505	1.65 473	3.30 510	1.65 488	4.95 527	1.65 490

MIF-Stereo (partial)	2.58 502	3.31 463	0.66 323	3.18 478	0.66 361	3.18 511	0.66 345	3.21 509	0.67 350	3.19 510	0.66 356	3.19 510	0.66 347	3.31 512	0.68 351	5.09 533	1.79 481	8.23 552	1.67 490	6.18 536	1.38 472

MSMDNet	2.65 503	10.14 538	0.33 212	9.74 548	0.32 244	0.87 357	0.33 243	2.95 507	0.68 351	0.49 291	0.34 259	0.49 295	5.70 543	0.49 297	0.33 245	0.42 267	9.57 549	0.41 277	0.31 250	8.36 546	0.65 346

pcwnet_v2	2.66 504	9.89 536	0.33 212	9.89 549	0.32 244	0.50 306	0.32 234	0.49 285	0.33 249	0.49 291	0.34 259	0.49 295	8.76 550	0.48 291	0.33 245	0.41 253	9.58 550	0.40 264	0.29 233	9.01 549	0.63 344

CFNet_pseudo	2.67 505	9.36 532	0.32 207	10.99 554	0.33 255	0.85 355	0.33 243	0.49 285	0.33 249	0.49 291	0.32 245	0.49 295	7.26 547	0.49 297	0.33 245	0.41 253	9.62 551	0.41 277	0.29 233	10.03 553	0.29 222

CFNet_ucs	2.73 506	9.64 534	0.33 212	9.92 550	0.32 244	0.49 298	0.33 243	0.49 285	0.33 249	0.49 291	0.33 251	0.49 295	8.98 551	0.48 291	0.33 245	0.41 253	9.96 554	0.40 264	0.29 233	10.12 554	0.54 328

UCFNet_RVC	2.75 507	10.06 537	0.29 192	10.31 553	0.29 228	0.42 270	0.29 223	0.43 265	0.29 225	0.42 256	0.29 228	0.42 268	9.87 553	0.43 269	0.29 224	0.36 220	9.84 553	0.36 239	0.26 213	9.77 552	0.26 196

ccs_rob	2.79 508	10.17 539	0.32 207	10.00 551	0.33 255	0.49 298	0.33 243	1.90 458	0.32 243	0.51 308	0.33 251	0.49 295	9.24 552	0.49 297	0.33 245	0.41 253	9.82 552	0.41 277	0.28 224	9.34 550	0.29 222

PCWNet_CMD	2.80 509	9.82 535	0.32 207	10.09 552	0.32 244	0.49 298	0.33 243	3.34 511	0.33 249	0.49 291	0.33 251	0.49 295	8.73 549	0.48 291	0.33 245	0.41 253	9.22 548	0.42 288	0.29 233	9.55 551	0.31 238

StereoVision	3.15 510	5.00 493	0.89 353	4.83 519	1.00 396	3.93 518	1.27 458	6.37 545	1.34 464	5.67 545	1.26 458	5.84 546	1.27 450	5.03 542	1.24 455	5.10 534	1.09 374	4.61 528	0.57 345	5.62 534	1.12 397

MaDis-Stereo	3.19 511	6.02 514	1.12 374	5.61 528	1.16 412	5.43 544	1.02 393	5.15 542	0.70 357	5.43 542	1.21 453	5.03 543	0.97 377	4.85 536	0.99 388	4.53 515	1.16 384	5.53 544	1.25 458	5.37 532	1.30 463

sAnonymous2	3.31 512	2.63 434	1.38 454	3.71 500	1.86 495	4.70 536	1.11 396	4.82 538	2.72 516	5.45 543	1.98 509	4.59 528	2.64 505	2.65 495	6.21 548	4.37 511	1.08 372	5.16 542	2.24 512	4.52 509	2.39 514

CroCo_RVC	3.31 512	2.63 434	1.38 454	3.71 500	1.86 495	4.70 536	1.11 396	4.82 538	2.72 516	5.45 543	1.98 509	4.59 528	2.64 505	2.65 495	6.21 548	4.37 511	1.08 372	5.16 542	2.24 512	4.52 509	2.39 514

DPSNet	3.66 514	3.60 467	3.62 529	3.63 497	3.64 539	3.65 516	3.65 537	3.66 515	3.67 534	3.67 514	3.65 535	3.67 515	3.66 525	3.66 514	3.68 532	3.68 509	3.66 522	3.67 515	3.68 538	3.67 497	3.67 536

STTStereo	3.73 515	30.40 563	2.37 508	2.39 457	2.31 518	2.35 483	2.33 511	2.29 475	2.42 514	2.32 484	2.34 516	2.33 478	2.36 504	2.30 480	2.27 513	2.35 484	2.22 500	2.31 491	2.22 511	2.29 468	2.34 513

rvit_105_1	3.83 516	5.22 497	3.01 512	4.53 507	3.01 521	4.51 524	3.01 518	4.56 525	3.04 519	4.53 524	3.03 520	4.55 526	3.03 509	4.56 525	3.04 516	4.57 517	3.05 506	4.57 523	3.05 521	4.57 511	3.05 520

rvit_stereo_0081	3.83 516	5.23 498	3.01 512	4.53 507	3.03 523	4.55 530	3.02 519	4.56 525	3.04 519	4.52 522	3.02 518	4.54 524	3.03 509	4.56 525	3.04 516	4.57 517	3.05 506	4.57 523	3.05 521	4.58 512	3.05 520

rvit_stereo_0081_aga	3.86 518	5.33 501	3.02 515	4.55 513	3.04 527	4.54 526	3.02 519	4.64 532	3.06 523	4.54 526	3.04 522	4.62 533	3.08 516	4.62 531	3.07 521	4.58 520	3.06 510	4.60 527	3.08 525	4.63 515	3.07 524

rvit_stereo_0082	3.86 518	5.82 512	3.01 512	4.53 507	3.03 523	4.54 526	3.02 519	4.56 525	3.04 519	4.53 524	3.02 518	4.55 526	3.04 512	4.57 528	3.05 518	4.57 517	3.05 506	4.58 525	3.05 521	4.58 512	3.06 523

rvit_0105_6	3.87 520	5.73 511	3.10 522	4.69 517	3.12 531	4.54 526	3.02 519	4.56 525	3.04 519	4.54 526	3.03 520	4.54 524	3.04 512	4.56 525	3.05 518	4.58 520	3.05 506	4.58 525	3.05 521	4.58 512	3.05 520

rvit_stereo_0080	3.89 521	5.70 509	3.04 517	4.54 510	3.03 523	4.56 531	3.05 525	4.60 529	3.07 524	4.58 529	3.06 523	4.59 528	3.06 514	4.61 529	3.08 522	4.63 522	3.09 511	4.64 529	3.10 526	4.65 516	3.10 525

whm_eth	3.89 521	5.70 509	3.04 517	4.54 510	3.03 523	4.56 531	3.05 525	4.60 529	3.07 524	4.58 529	3.06 523	4.59 528	3.06 514	4.61 529	3.08 522	4.63 522	3.09 511	4.64 529	3.10 526	4.65 516	3.10 525

rvit_0105_4	3.91 523	5.47 508	3.02 515	4.54 510	3.02 522	4.54 526	3.03 523	4.75 535	3.17 530	4.57 528	3.06 523	4.61 532	3.16 520	4.65 532	3.09 524	4.66 524	3.11 513	4.68 532	3.18 531	4.81 522	3.16 530

rvit_0105_3	3.91 523	5.33 501	3.06 520	4.60 515	3.07 529	4.60 533	3.06 527	4.62 531	3.08 527	4.60 531	3.07 526	4.62 533	3.08 516	4.67 533	3.10 525	4.70 525	3.11 513	4.77 536	3.19 532	4.77 521	3.14 529

rvit_stereo_0083	3.92 525	5.30 500	3.06 520	4.61 516	3.09 530	4.67 535	3.08 528	4.66 533	3.09 528	4.62 532	3.10 528	4.66 536	3.11 518	4.67 533	3.16 527	4.72 527	3.16 516	4.77 536	3.11 528	4.66 518	3.11 527

rvit_stereo_ft	3.93 526	5.44 506	3.05 519	4.59 514	3.06 528	4.61 534	3.08 528	4.67 534	3.12 529	4.63 533	3.10 528	4.65 535	3.11 518	4.69 535	3.13 526	4.70 525	3.14 515	4.71 534	3.15 530	4.74 519	3.16 530

rvit_0105_5	4.10 527	5.40 504	3.13 525	4.71 518	3.15 532	4.72 538	3.10 530	4.90 540	3.27 531	4.69 534	3.16 530	4.84 540	3.25 521	4.96 539	3.34 529	5.05 532	3.39 521	5.10 541	3.40 533	5.11 529	3.42 533

MLG-Stereo_test1	4.25 528	5.34 503	3.61 528	5.31 524	3.63 538	5.23 542	3.57 535	5.38 543	3.65 533	5.23 540	3.47 532	4.76 537	3.74 528	4.85 536	3.71 533	4.96 529	3.18 518	4.71 534	2.92 518	4.86 525	2.90 518

MLG-Stereo_test3	4.26 529	4.85 491	3.95 532	5.35 525	3.60 537	4.75 539	3.76 538	5.49 544	3.71 535	5.39 541	3.69 536	4.82 539	3.66 525	4.85 536	3.73 536	4.93 528	3.19 519	4.69 533	2.99 520	4.84 524	2.98 519

MLG-Stereo_test2	4.28 530	5.46 507	3.69 530	4.86 520	3.72 540	5.58 545	3.42 533	4.81 537	3.77 539	4.85 536	3.72 537	5.55 545	3.63 524	5.58 543	3.53 531	4.41 514	3.28 520	4.99 540	2.95 519	4.75 520	3.13 528

RAFT+CT+SA	4.28 530	7.62 520	4.91 536	5.55 527	2.28 516	3.09 509	3.64 536	4.49 523	3.07 524	4.80 535	3.35 531	4.77 538	3.70 527	4.29 522	3.05 518	5.58 536	5.98 537	3.58 514	3.78 540	4.26 505	3.72 537

SA	4.33 532	7.35 517	6.85 547	5.96 530	4.09 544	3.59 515	3.15 531	3.82 517	2.64 515	3.91 515	3.85 538	3.57 513	2.72 507	3.13 509	4.03 539	7.09 547	6.86 542	3.57 513	3.12 529	3.85 499	3.51 535

Sa-1000	4.34 533	8.37 523	6.84 546	6.98 537	4.45 547	3.58 514	3.00 517	3.42 513	3.39 532	2.61 494	4.00 541	3.83 517	4.01 534	3.90 517	3.90 537	5.98 540	5.62 535	3.76 517	2.34 515	4.35 507	2.47 516

TestStereo1	4.60 534	8.41 524	6.44 544	6.86 535	3.79 541	3.97 519	3.78 539	3.99 519	3.74 536	3.97 516	3.52 533	3.94 518	3.58 522	3.98 518	3.72 534	6.82 544	6.50 540	3.76 517	3.66 536	3.90 500	3.74 539

SA-5K	4.60 534	8.41 524	6.44 544	6.86 535	3.79 541	3.97 519	3.78 539	3.99 519	3.74 536	3.97 516	3.52 533	3.94 518	3.58 522	3.98 518	3.72 534	6.82 544	6.50 540	3.76 517	3.66 536	3.90 500	3.74 539

DispFullNet	4.61 536	4.84 490	3.12 523	5.00 522	3.57 536	4.75 539	3.03 523	7.75 551	4.17 543	4.91 538	3.09 527	6.20 547	3.95 532	6.71 547	3.51 530	5.30 535	3.67 523	5.86 548	3.63 535	5.61 533	3.46 534

test_5	4.62 537	7.55 519	6.23 542	6.32 532	3.40 535	5.29 543	3.50 534	3.53 514	4.11 542	4.28 519	4.47 545	4.26 522	4.38 537	3.68 515	3.24 528	5.89 538	5.60 534	4.84 538	3.50 534	4.33 506	3.93 543

raft_robust	4.71 538	7.75 521	5.40 541	6.81 534	3.31 533	4.28 523	4.20 544	4.32 522	4.37 545	4.35 521	4.35 544	4.14 520	3.75 529	4.30 523	4.20 542	6.67 543	6.37 538	3.36 512	4.24 546	4.86 525	3.25 532

cross-raft	4.83 539	7.52 518	6.43 543	6.63 533	3.96 543	4.51 524	3.99 542	4.49 523	3.96 541	4.52 522	3.96 540	4.50 523	3.97 533	4.50 524	3.97 538	6.65 542	6.44 539	4.33 520	3.92 542	4.35 507	3.91 542

test_4	4.88 540	8.13 522	6.98 548	7.46 538	4.44 546	4.25 522	3.85 541	4.04 521	3.92 540	4.13 518	3.91 539	4.18 521	3.84 530	4.14 520	4.06 540	7.01 546	7.13 543	4.53 521	3.72 539	4.09 503	3.72 537

TestStereo	4.88 540	4.75 489	4.79 535	4.87 521	4.92 548	4.81 541	4.90 547	4.78 536	4.77 546	4.87 537	4.89 546	4.90 541	4.91 539	4.99 540	4.79 544	4.98 530	4.87 531	4.87 539	4.92 548	5.00 528	5.00 546

test_3	5.01 542	8.86 529	7.77 550	8.09 540	2.76 520	4.13 521	4.05 543	3.88 518	3.76 538	4.33 520	4.13 542	3.71 516	3.91 531	4.21 521	4.06 540	7.93 548	7.69 545	4.53 521	3.91 541	4.17 504	4.29 545

NLCA_NET_v2_RVC	5.04 543	50.87 573	2.78 510	2.87 470	2.71 519	2.78 508	0.47 313	2.88 506	2.86 518	1.89 460	2.67 517	2.79 508	2.79 508	2.78 507	2.83 515	2.82 502	2.82 504	2.83 508	2.77 517	2.83 494	2.76 517
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	5.10 544	5.15 495	4.49 534	5.07 523	3.37 534	6.87 548	4.75 546	5.04 541	6.34 550	7.84 551	5.06 547	6.72 551	4.09 535	4.99 540	5.44 547	5.03 531	3.16 516	4.67 531	4.86 547	5.15 530	3.89 541

U	5.15 545	8.49 526	1.81 476	8.49 542	1.77 489	8.49 553	1.77 486	8.51 553	1.77 490	8.49 553	1.77 488	8.50 553	1.78 480	8.58 553	1.77 492	8.54 551	1.78 480	8.55 553	1.78 499	8.55 547	1.84 497

SGM-Forest	5.21 546	5.92 513	4.08 533	6.18 531	4.16 545	6.31 547	4.34 545	6.50 546	4.33 544	6.14 547	4.21 543	6.61 550	4.55 538	6.67 546	4.48 543	5.94 539	3.94 525	5.85 547	4.03 544	5.79 535	4.17 544
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
test-1	6.46 547	9.16 531	8.03 553	8.09 540	5.62 551	6.11 546	6.35 550	6.85 548	4.94 547	6.08 546	6.29 552	4.98 542	6.43 544	6.22 544	6.36 550	6.16 541	7.47 544	5.82 546	5.44 551	7.11 541	5.68 549

rvit_stereo_0075_2	6.64 548	8.80 528	5.25 538	7.89 539	5.27 550	7.90 552	5.27 548	7.92 552	5.28 548	7.91 552	5.29 549	7.93 552	5.27 540	7.92 552	5.28 545	7.93 548	5.28 533	7.93 551	5.29 550	7.93 544	5.28 548

RAFT	6.73 549	9.36 532	7.40 549	8.51 543	6.55 552	6.88 549	6.60 551	6.79 547	6.60 551	6.80 548	6.72 553	5.31 544	5.50 542	6.61 545	6.61 551	8.42 550	5.89 536	5.73 545	5.45 552	6.61 537	6.24 550

SGM+DAISY	7.06 550	9.15 530	5.38 540	8.84 544	5.18 549	8.80 554	5.31 549	8.79 554	5.28 548	8.89 554	5.20 548	8.93 554	5.33 541	8.95 554	5.36 546	8.70 552	5.21 532	8.74 554	5.20 549	8.89 548	5.15 547

test-v	7.53 551	11.89 540	7.98 551	9.36 546	7.14 553	7.06 550	7.09 552	7.37 549	6.91 552	7.29 549	5.71 550	6.45 548	6.93 545	6.73 548	7.27 552	8.93 553	7.85 546	6.98 549	6.80 553	7.56 542	7.34 552

test-2	7.53 551	11.89 540	7.98 551	9.36 546	7.14 553	7.06 550	7.09 552	7.37 549	6.91 552	7.29 549	5.71 550	6.45 548	6.93 545	6.73 548	7.27 552	8.93 553	7.85 546	6.98 549	6.80 553	7.56 542	7.34 552

PA-Net	11.80 553	223.51 580	0.62 316	0.59 279	0.71 370	0.59 331	0.73 362	0.67 331	0.73 367	0.55 320	0.61 348	0.60 333	0.74 361	0.63 334	0.73 363	0.66 323	0.60 318	0.69 346	0.66 356	0.72 321	0.65 346
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
MANE	19.05 554	23.00 548	15.00 554	23.00 561	15.00 555	24.00 561	16.00 554	24.00 561	16.00 554	22.00 561	15.00 554	23.00 561	16.00 554	23.00 561	15.00 554	22.00 561	15.00 555	22.00 561	15.00 555	22.00 561	15.00 554

rafts_anoy	20.00 555	20.00 542	20.00 555	20.00 555	20.00 556	20.00 555	20.00 555	20.00 555	20.00 555	20.00 555	20.00 555	20.00 555	20.00 555	20.00 555	20.00 555	20.00 555	20.00 556	20.00 555	20.00 556	20.00 555	20.00 555

raft+_RVC	20.00 555	20.00 542	20.00 555	20.00 555	20.00 556	20.00 555	20.00 555	20.00 555	20.00 555	20.00 555	20.00 555	20.00 555	20.00 555	20.00 555	20.00 555	20.00 555	20.00 556	20.00 555	20.00 556	20.00 555	20.00 555

raftrobust	20.00 555	20.00 542	20.00 555	20.00 555	20.00 556	20.00 555	20.00 555	20.00 555	20.00 555	20.00 555	20.00 555	20.00 555	20.00 555	20.00 555	20.00 555	20.00 555	20.00 556	20.00 555	20.00 556	20.00 555	20.00 555

CasAABBNet	20.00 555	20.00 542	20.00 555	20.00 555	20.00 556	20.00 555	20.00 555	20.00 555	20.00 555	20.00 555	20.00 555	20.00 555	20.00 555	20.00 555	20.00 555	20.00 555	20.00 556	20.00 555	20.00 556	20.00 555	20.00 555

RALCasStereoNet	20.00 555	20.00 542	20.00 555	20.00 555	20.00 556	20.00 555	20.00 555	20.00 555	20.00 555	20.00 555	20.00 555	20.00 555	20.00 555	20.00 555	20.00 555	20.00 555	20.00 556	20.00 555	20.00 556	20.00 555	20.00 555

RALAANet	20.00 555	20.00 542	20.00 555	20.00 555	20.00 556	20.00 555	20.00 555	20.00 555	20.00 555	20.00 555	20.00 555	20.00 555	20.00 555	20.00 555	20.00 555	20.00 555	20.00 556	20.00 555	20.00 556	20.00 555	20.00 555

111	30.40 561	30.94 564	29.72 562	32.61 562	30.02 563	33.57 562	30.47 562	31.50 562	29.39 562	30.98 562	29.11 562	29.78 562	30.39 565	29.45 562	30.76 565	30.08 562	29.02 563	29.92 562	30.32 566	29.86 562	30.17 562

WCMA_ROB	31.10 562	35.43 568	27.12 561	39.51 573	23.10 562	38.78 573	25.30 561	37.49 573	25.39 561	37.29 572	27.02 561	38.52 573	26.48 561	37.80 572	26.44 561	36.28 569	22.65 562	33.90 566	22.30 562	37.10 570	24.18 561

DCANet-4	35.22 563	34.54 565	35.08 568	33.58 566	35.47 570	34.55 563	35.53 569	36.08 568	35.85 566	35.92 568	35.77 568	35.18 568	35.48 567	35.39 568	37.15 571	34.55 568	33.92 567	35.02 569	34.90 568	35.79 566	34.74 569

ADStereo(finetuned)	36.13 564	36.63 569	38.07 572	36.97 567	33.25 567	35.91 567	34.45 566	36.36 569	32.99 563	38.14 573	36.71 569	36.69 569	34.13 566	38.57 573	40.79 572	37.60 573	36.58 570	35.90 570	33.36 567	35.42 565	34.04 566

Reg-Stereo(zero)	37.00 565	37.00 570	37.00 569	37.00 568	37.00 571	37.00 570	37.00 570	37.00 570	37.00 567	37.00 569	37.00 570	37.00 570	37.00 568	37.00 569	37.00 568	37.00 570	37.00 571	37.00 571	37.00 571	37.00 567	37.00 570

HI	37.00 565	37.00 570	37.00 569	37.00 568	37.00 571	37.00 570	37.00 570	37.00 570	37.00 567	37.00 569	37.00 570	37.00 570	37.00 568	37.00 569	37.00 568	37.00 570	37.00 571	37.00 571	37.00 571	37.00 567	37.00 570

CoSv	37.00 565	37.00 570	37.00 569	37.00 568	37.00 571	37.00 570	37.00 570	37.00 570	37.00 567	37.00 569	37.00 570	37.00 570	37.00 568	37.00 569	37.00 568	37.00 570	37.00 571	37.00 571	37.00 571	37.00 567	37.00 570

MDST_ROB	69.83 568	87.70 574	41.95 573	113.75 576	65.62 576	75.05 574	55.25 574	75.64 575	45.04 570	71.61 574	41.75 573	72.81 574	44.06 571	68.38 574	44.63 573	101.89 576	59.57 576	107.10 576	61.05 576	104.38 573	59.38 575

NOSS_ROB	102.95 569	153.00 578	121.00 576	51.00 574	44.00 574	165.00 577	127.00 575	153.00 576	119.00 572	164.00 577	125.00 575	168.00 577	120.00 573	153.00 576	117.00 575	49.00 574	44.00 574	49.00 574	44.00 574	49.00 571	44.00 573

CBMV	128.50 570	1422.70 585	53.10 574	79.50 575	51.30 575	77.30 575	49.70 573	74.00 574	48.20 571	77.20 575	48.80 574	73.90 575	48.00 572	73.80 575	48.80 574	70.40 575	45.10 575	68.90 575	46.10 575	68.20 572	45.00 574
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MeshStereo	159.24 571	171.00 579	160.68 579	162.58 577	160.59 577	164.01 576	160.35 576	158.51 577	158.56 573	158.34 576	160.12 576	158.56 576	159.92 574	157.26 577	158.94 576	154.38 577	158.36 577	155.75 577	159.13 578	153.67 574	154.07 576
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	201.80 572	123.00 575	115.00 575	219.00 578	218.00 579	223.00 578	244.00 578	217.00 578	236.00 575	202.00 578	203.00 577	205.00 578	208.00 575	225.00 578	204.00 577	210.00 578	198.00 578	197.00 578	184.00 579	204.00 575	201.00 577

MGS-Stereo	239.45 573	123.00 575	135.00 577	266.00 579	286.00 580	277.00 579	305.00 579	271.00 579	242.00 576	274.00 579	279.00 579	255.00 579	270.00 577	268.00 579	297.00 579	221.00 579	247.00 580	216.00 579	123.00 577	217.00 576	217.00 579

EGLCR-Stereo	246.90 574	129.00 577	139.00 578	266.00 579	286.00 580	277.00 579	305.00 579	271.00 579	242.00 576	274.00 579	279.00 579	255.00 579	270.00 577	268.00 579	297.00 579	230.00 580	247.00 580	216.00 579	223.00 581	237.00 577	227.00 580

DLCB_ROB	284.23 575	354.61 581	207.27 580	363.24 581	206.46 578	364.72 581	210.41 577	364.72 581	210.41 574	364.81 581	208.64 578	364.81 581	208.64 576	364.72 581	210.41 578	354.70 581	205.53 579	354.70 581	205.53 580	354.70 578	205.53 578

LE_ROB	396.57 576	471.28 582	329.84 581	471.48 582	308.15 582	526.83 582	322.10 581	488.15 582	323.76 578	495.46 582	317.97 581	497.17 582	320.10 579	481.62 582	326.76 581	462.71 582	298.97 582	466.16 582	285.98 582	447.62 579	289.21 581

SGM-ForestM	596.69 577	677.77 583	444.52 582	699.85 583	517.25 583	732.94 583	488.29 582	770.79 583	460.11 579	750.81 583	487.98 582	792.79 583	499.41 580	730.90 583	475.81 582	720.03 583	491.16 583	663.96 583	418.60 583	674.76 580	436.05 582

CBMV_ROB	818.48 578	913.88 584	709.52 583	862.84 584	597.78 584	1073.99 584	700.52 583	1015.66 584	702.59 580	1115.65 584	760.02 583	1130.24 584	721.57 581	1037.41 584	692.65 583	814.05 584	564.29 584	843.28 584	595.31 584	915.51 581	602.92 583

tt	500032.53 579	34.60 566	29.72 562	37.47 571	34.41 568	36.85 568	35.22 567	34.71 566	33.55 564	34.50 563	35.43 566	33.81 566	10000000.00 582	33.57 566	33.13 566	33.68 566	35.00 568	34.03 567	35.26 569	30.96 563	34.63 567

DCANet	500032.53 579	34.60 566	29.72 562	37.47 571	34.41 568	36.85 568	35.22 567	34.71 566	33.55 564	34.50 563	35.43 566	33.81 566	10000000.00 582	33.57 566	33.13 566	33.68 566	35.00 568	34.03 567	35.26 569	30.96 563	34.63 567

fff	1000028.16 581	29.62 560	29.72 562	32.61 562	30.02 563	35.13 564	31.83 563	32.07 563	10000000.00 581	35.27 565	29.82 563	32.45 563	30.15 562	32.35 563	30.09 562	31.04 563	29.55 564	30.64 563	30.14 563	10000000.00 582	30.77 563

csc	1000028.16 581	29.62 560	29.72 562	32.61 562	30.02 563	35.13 564	31.83 563	32.07 563	10000000.00 581	35.27 565	29.82 563	32.45 563	30.15 562	32.35 563	30.09 562	31.04 563	29.55 564	30.64 563	30.14 563	10000000.00 582	30.77 563

cscssc	1000028.16 581	29.62 560	29.72 562	32.61 562	30.02 563	35.13 564	31.83 563	32.07 563	10000000.00 581	35.27 565	29.82 563	32.45 563	30.15 562	32.35 563	30.09 562	31.04 563	29.55 564	30.64 563	30.14 563	10000000.00 582	30.77 563

111111	10000000.00 584	10000000.00 586	10000000.00 584	10000000.00 585	10000000.00 585	10000000.00 585	10000000.00 584	10000000.00 585	10000000.00 581	10000000.00 585	10000000.00 584	10000000.00 585	10000000.00 582	10000000.00 585	10000000.00 584	10000000.00 585	10000000.00 585	10000000.00 585	10000000.00 585	10000000.00 582	10000000.00 584

SGD-Stereo	10000000.00 584	10000000.00 586	10000000.00 584	10000000.00 585	10000000.00 585	10000000.00 585	10000000.00 584	10000000.00 585	10000000.00 581	10000000.00 585	10000000.00 584	10000000.00 585	10000000.00 582	10000000.00 585	10000000.00 584	10000000.00 585	10000000.00 585	10000000.00 585	10000000.00 585	10000000.00 582	10000000.00 584

IGEV-Stereo++	10000000.00 584	10000000.00 586	10000000.00 584	10000000.00 585	10000000.00 585	10000000.00 585	10000000.00 584	10000000.00 585	10000000.00 581	10000000.00 585	10000000.00 584	10000000.00 585	10000000.00 582	10000000.00 585	10000000.00 584	10000000.00 585	10000000.00 585	10000000.00 585	10000000.00 585	10000000.00 582	10000000.00 584

IGEV-BASED-STEREO-	10000000.00 584	10000000.00 586	10000000.00 584	10000000.00 585	10000000.00 585	10000000.00 585	10000000.00 584	10000000.00 585	10000000.00 581	10000000.00 585	10000000.00 584	10000000.00 585	10000000.00 582	10000000.00 585	10000000.00 584	10000000.00 585	10000000.00 585	10000000.00 585	10000000.00 585	10000000.00 582	10000000.00 584

IGEV-Stereo+	10000000.00 584	10000000.00 586	10000000.00 584	10000000.00 585	10000000.00 585	10000000.00 585	10000000.00 584	10000000.00 585	10000000.00 581	10000000.00 585	10000000.00 584	10000000.00 585	10000000.00 582	10000000.00 585	10000000.00 584	10000000.00 585	10000000.00 585	10000000.00 585	10000000.00 585	10000000.00 582	10000000.00 584

SDNR	10000000.00 584	10000000.00 586	10000000.00 584	10000000.00 585	10000000.00 585	10000000.00 585	10000000.00 584	10000000.00 585	10000000.00 581	10000000.00 585	10000000.00 584	10000000.00 585	10000000.00 582	10000000.00 585	10000000.00 584	10000000.00 585	10000000.00 585	10000000.00 585	10000000.00 585	10000000.00 582	10000000.00 584

anonymousdsp2	10000000.00 584	10000000.00 586	10000000.00 584	10000000.00 585	10000000.00 585	10000000.00 585	10000000.00 584	10000000.00 585	10000000.00 581	10000000.00 585	10000000.00 584	10000000.00 585	10000000.00 582	10000000.00 585	10000000.00 584	10000000.00 585	10000000.00 585	10000000.00 585	10000000.00 585	10000000.00 582	10000000.00 584

anonymousdsp	10000000.00 584	10000000.00 586	10000000.00 584	10000000.00 585	10000000.00 585	10000000.00 585	10000000.00 584	10000000.00 585	10000000.00 581	10000000.00 585	10000000.00 584	10000000.00 585	10000000.00 582	10000000.00 585	10000000.00 584	10000000.00 585	10000000.00 585	10000000.00 585	10000000.00 585	10000000.00 582	10000000.00 584

test_example2	10000000.00 584	10000000.00 586	10000000.00 584	10000000.00 585	10000000.00 585	10000000.00 585	10000000.00 584	10000000.00 585	10000000.00 581	10000000.00 585	10000000.00 584	10000000.00 585	10000000.00 582	10000000.00 585	10000000.00 584	10000000.00 585	10000000.00 585	10000000.00 585	10000000.00 585	10000000.00 582	10000000.00 584

DIP-Stereo	10000000.00 584	10000000.00 586	10000000.00 584	10000000.00 585	10000000.00 585	10000000.00 585	10000000.00 584	10000000.00 585	10000000.00 581	10000000.00 585	10000000.00 584	10000000.00 585	10000000.00 582	10000000.00 585	10000000.00 584	10000000.00 585	10000000.00 585	10000000.00 585	10000000.00 585	10000000.00 582	10000000.00 584
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		0.44 168		0.48 243	0.35 268	0.48 293		0.51 303		0.47 277		0.47 284		0.47 282		0.41 253	0.40 253	0.40 264	0.40 299	0.41 256

ASD4		0.20 100

Low-res two-view benchmark