Low-res two-view results

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

CoDeX	0.15 89	0.70 169	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.01 9	0.02 19	0.67 261	0.02 14	0.69 250	0.75 266	0.01 9	0.02 19	0.02 19

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

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

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

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

SFCPSM	0.17 98	0.78 172	0.02 13	0.02 14	0.01 9	0.02 18	0.02 19	0.02 19	0.01 9	0.02 19	0.02 19	0.02 19	0.01 9	0.02 19	0.79 276	0.02 14	0.75 255	0.76 269	0.02 20	0.02 19	0.02 19

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

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

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

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

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

RYNet	0.02 14	0.02 12	0.02 13	0.03 25	0.03 39	0.03 36	0.02 19	0.02 19	0.02 20	0.03 36	0.02 19	0.02 19	0.03 42	0.03 33	0.02 19	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

GASNet	0.05 29	0.04 31	0.12 78	0.04 26	0.04 54	0.04 51	0.05 63	0.04 51	0.04 56	0.12 93	0.04 63	0.06 69	0.04 58	0.04 46	0.04 49	0.04 32	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53

EDNetEfficient	0.04 26	0.05 38	0.04 31	0.04 26	0.03 39	0.04 51	0.03 39	0.04 51	0.03 44	0.04 54	0.03 40	0.04 51	0.03 42	0.04 46	0.03 37	0.05 39	0.03 28	0.05 58	0.03 42	0.04 53	0.03 39

FADNet-RVC-Resample	0.12 67	0.04 31	0.04 31	0.04 26	0.04 54	0.04 51	0.04 54	0.04 51	0.04 56	0.04 54	0.04 63	0.04 51	0.04 58	0.04 46	1.57 366	0.04 32	0.04 33	0.04 48	0.05 67	0.04 53	0.06 73

FADNet-RVC	0.13 72	0.04 31	0.04 31	0.04 26	0.04 54	0.04 51	0.05 63	0.04 51	0.04 56	0.04 54	0.05 71	0.04 51	0.05 64	0.04 46	1.71 373	0.04 32	0.04 33	0.04 48	0.04 52	0.07 74	0.04 53

FADNet	0.12 67	0.05 38	0.04 31	0.04 26	0.04 54	0.04 51	0.04 54	0.04 51	0.04 56	0.04 54	0.04 63	0.04 51	0.05 64	0.04 46	1.66 371	0.06 43	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53

NVStereoNet_ROB	0.04 26	0.04 31	0.04 31	0.04 26	0.04 54	0.04 51	0.04 54	0.04 51	0.04 56	0.04 54	0.04 63	0.04 51	0.04 58	0.04 46	0.04 49	0.04 32	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
APVNet	0.09 38	0.05 38	0.04 31	0.05 32	0.04 54	0.05 61	0.90 280	0.06 66	0.04 56	0.05 65	0.04 63	0.05 63	0.04 58	0.05 55	0.04 49	0.05 39	0.04 33	0.05 58	0.04 52	0.05 63	0.05 68

EDNetEfficientorigin	0.04 26	0.06 42	0.04 31	0.05 32	0.04 54	0.05 61	0.04 54	0.05 61	0.04 56	0.05 65	0.04 63	0.05 63	0.04 58	0.05 55	0.04 49	0.05 39	0.03 28	0.06 65	0.03 42	0.04 53	0.03 39

FADNet_RVC	0.12 67	0.04 31	0.04 31	0.05 32	0.04 54	0.04 51	0.04 54	0.04 51	0.04 56	0.04 54	0.04 63	0.04 51	0.05 64	0.04 46	1.65 370	0.05 39	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53

Wz-Net-TNSev	0.02 14	0.05 38	0.04 31	0.07 35	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.06 43	0.04 33	0.01 9	0.01 9	0.01 9	0.01 9

FINET	0.07 36	0.08 45	0.07 45	0.07 35	0.07 79	0.08 74	0.06 75	0.08 78	0.07 80	0.08 75	0.07 79	0.08 76	0.06 76	0.07 73	0.07 71	0.08 47	0.07 44	0.07 70	0.07 74	0.06 66	0.06 73

AASNet	0.06 31	0.08 45	0.08 47	0.08 37	0.05 69	0.06 63	0.05 63	0.05 61	0.06 77	0.06 68	0.06 76	0.05 63	0.06 76	0.06 59	0.05 59	0.08 47	0.08 46	0.08 72	0.05 67	0.06 66	0.05 68

SACVNet	0.06 31	0.08 45	0.08 47	0.08 37	0.05 69	0.06 63	0.05 63	0.05 61	0.06 77	0.06 68	0.06 76	0.05 63	0.06 76	0.06 59	0.05 59	0.08 47	0.08 46	0.08 72	0.05 67	0.06 66	0.05 68

AACVNet	0.06 31	0.08 45	0.08 47	0.08 37	0.05 69	0.06 63	0.05 63	0.05 61	0.06 77	0.06 68	0.06 76	0.05 63	0.06 76	0.06 59	0.05 59	0.08 47	0.08 46	0.08 72	0.05 67	0.06 66	0.05 68

GwcNet	0.12 67	0.07 44	0.05 44	0.08 37	0.05 69	0.08 74	1.20 305	0.07 75	0.05 69	0.05 65	0.05 71	0.08 76	0.05 64	0.08 76	0.03 37	0.07 45	0.05 43	0.06 65	0.05 67	0.07 74	0.05 68

SMFormer	0.09 38	1.01 200	0.09 52	0.09 41	0.03 39	0.03 36	0.02 19	0.03 38	0.02 20	0.03 36	0.02 19	0.03 38	0.02 21	0.03 33	0.02 19	0.09 53	0.09 55	0.03 34	0.02 20	0.03 39	0.02 19

Wz-Net-SNSev	0.03 25	0.09 51	0.07 45	0.09 41	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.09 53	0.07 44	0.01 9	0.01 9	0.01 9	0.01 9

SepStereo	0.09 38	0.09 51	0.10 56	0.09 41	0.09 82	0.09 78	0.09 80	0.10 80	0.08 82	0.10 79	0.09 82	0.09 80	0.09 83	0.09 79	0.08 73	0.09 53	0.08 46	0.09 77	0.08 78	0.09 79	0.08 76

FADE		0.06 42		0.09 41	0.10 88			0.05 61	0.03 44	0.04 54		0.05 63		0.04 46		0.15 97	0.10 59	0.17 111	0.13 118	0.11 90	0.11 95

tta	0.09 38	0.95 190	0.09 52	0.10 45	0.02 20	0.03 36	0.02 19	0.03 38	0.02 20	0.03 36	0.02 19	0.03 38	0.02 21	0.03 33	0.02 19	0.09 53	0.10 59	0.03 34	0.02 20	0.03 39	0.02 19

xxx	0.09 38	1.01 200	0.10 56	0.10 45	0.03 39	0.03 36	0.03 39	0.03 38	0.02 20	0.03 36	0.03 40	0.03 38	0.02 21	0.03 33	0.02 19	0.10 57	0.10 59	0.03 34	0.02 20	0.03 39	0.03 39

AnonymousM	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 80	0.10 86	0.10 79	0.10 86	0.10 82	0.10 87	0.10 81	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

PVD	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 80	0.10 86	0.10 79	0.10 86	0.10 82	0.10 87	0.10 81	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

SHD	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 80	0.10 86	0.10 79	0.10 86	0.10 82	0.10 87	0.10 81	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

SAMSARA	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 80	0.10 86	0.10 79	0.10 86	0.10 82	0.10 87	0.10 81	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

XQC	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 80	0.10 86	0.10 79	0.10 86	0.10 82	0.10 87	0.10 81	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

RTSC	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 80	0.10 86	0.10 79	0.10 86	0.10 82	0.10 87	0.10 81	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

RTS	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 80	0.10 86	0.10 79	0.10 86	0.10 82	0.10 87	0.10 81	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

RTSA	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 80	0.10 86	0.10 79	0.10 86	0.10 82	0.10 87	0.10 81	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

MADNet+	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 80	0.10 86	0.10 79	0.10 86	0.10 82	0.10 87	0.10 81	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

MADNet++	0.10 44	0.10 53	0.10 56	0.10 45	0.10 88	0.10 79	0.10 85	0.10 80	0.10 86	0.10 79	0.10 86	0.10 82	0.10 87	0.10 81	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

JetRed	0.11 59	0.12 66	0.11 73	0.11 57	0.11 103	0.11 90	0.14 113	0.11 91	0.11 100	0.12 93	0.11 98	0.11 92	0.11 98	0.11 91	0.11 92	0.11 68	0.16 113	0.11 88	0.11 97	0.11 90	0.11 95

mmm	0.14 79	1.83 289	0.12 78	0.11 57	0.03 39	0.03 36	0.03 39	0.03 38	0.04 56	0.03 36	0.03 40	0.03 38	0.03 42	0.06 59	0.04 49	0.12 73	0.11 75	0.05 58	0.04 52	0.05 63	0.04 53

aanetorigin	0.13 72	0.11 64	0.11 73	0.11 57	0.11 103	0.11 90	0.11 97	0.11 91	0.11 100	0.11 91	0.12 105	0.11 92	0.11 98	0.11 91	0.11 92	0.11 68	0.11 75	0.14 95	0.11 97	0.49 212	0.11 95

DualNet	0.25 117	3.83 343	0.12 78	0.12 60	0.05 69	0.06 63	0.05 63	0.06 66	0.05 69	0.03 36	0.03 40	0.06 69	0.05 64	0.06 59	0.05 59	0.12 73	0.12 86	0.05 58	0.04 52	0.06 66	0.04 53

ffm	0.25 117	3.83 343	0.12 78	0.12 60	0.05 69	0.06 63	0.05 63	0.06 66	0.05 69	0.03 36	0.03 40	0.06 69	0.05 64	0.06 59	0.05 59	0.12 73	0.12 86	0.05 58	0.04 52	0.06 66	0.04 53

ff1	0.25 117	3.83 343	0.12 78	0.12 60	0.05 69	0.06 63	0.05 63	0.06 66	0.05 69	0.03 36	0.03 40	0.06 69	0.05 64	0.06 59	0.05 59	0.12 73	0.12 86	0.05 58	0.04 52	0.06 66	0.04 53

mmx	0.25 117	3.83 343	0.12 78	0.12 60	0.05 69	0.06 63	0.05 63	0.06 66	0.05 69	0.03 36	0.03 40	0.06 69	0.05 64	0.06 59	0.05 59	0.12 73	0.12 86	0.05 58	0.04 52	0.06 66	0.04 53

ttt	0.10 44	1.09 207	0.12 78	0.12 60	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.12 73	0.12 86	0.03 34	0.02 20	0.03 39	0.02 19

Wz-Net-MNSev	0.06 31	0.54 163	0.10 56	0.12 60	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.12 73	0.11 75	0.01 9	0.01 9	0.01 9	0.01 9

WZ-Net	0.05 29	0.50 155	0.10 56	0.12 60	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.12 73	0.10 59	0.01 9	0.01 9	0.01 9	0.01 9

xxxx	0.11 59	1.16 214	0.16 112	0.12 60	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.13 85	0.16 113	0.03 34	0.04 52	0.04 53	0.04 53

test_xeample	0.10 44	1.09 207	0.13 93	0.12 60	0.03 39	0.03 36	0.03 39	0.04 51	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.14 90	0.14 108	0.03 34	0.03 42	0.03 39	0.03 39

SuperB	0.21 109	0.10 53	2.51 379	0.12 60	0.09 82	0.10 79	0.09 80	0.08 78	0.07 80	0.10 79	0.09 82	0.09 80	0.07 80	0.07 73	0.07 71	0.07 45	0.08 46	0.07 70	0.07 74	0.08 76	0.07 75

JetBlue	0.11 59	0.11 64	0.12 78	0.13 70	0.14 119	0.11 90	0.11 97	0.11 91	0.11 100	0.11 91	0.11 98	0.11 92	0.11 98	0.12 95	0.12 103	0.11 68	0.11 75	0.11 88	0.11 97	0.11 90	0.11 95

11t1	0.17 98	2.16 305	0.13 93	0.13 70	0.04 54	0.06 63	0.04 54	0.06 66	0.04 56	0.06 68	0.03 40	0.06 69	0.03 42	0.06 59	0.05 59	0.18 116	0.12 86	0.06 65	0.03 42	0.05 63	0.03 39

LRCNet_RVC	0.13 72	0.13 67	0.09 52	0.13 70	0.10 88	0.14 94	0.10 85	0.14 95	0.10 86	0.23 129	0.10 86	0.20 116	0.10 87	0.24 138	0.11 92	0.11 68	0.09 55	0.12 91	0.14 121	0.12 95	0.09 79

222	0.10 44	0.99 194	0.12 78	0.13 70	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.12 73	0.12 86	0.03 34	0.02 20	0.04 53	0.03 39

qqq1	0.25 117	3.70 338	0.14 97	0.14 74	0.04 54	0.06 63	0.05 63	0.06 66	0.05 69	0.06 68	0.05 71	0.04 51	0.05 64	0.06 59	0.05 59	0.13 85	0.12 86	0.06 65	0.05 67	0.03 39	0.04 53

fff1	0.25 117	3.70 338	0.14 97	0.14 74	0.04 54	0.06 63	0.05 63	0.06 66	0.05 69	0.06 68	0.05 71	0.04 51	0.05 64	0.06 59	0.05 59	0.13 85	0.12 86	0.06 65	0.05 67	0.03 39	0.04 53

1111x	0.10 44	1.14 211	0.13 93	0.14 74	0.03 39	0.04 51	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.13 85	0.11 75	0.03 34	0.02 20	0.03 39	0.02 19

x	0.11 59	1.15 213	0.15 111	0.14 74	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.04 54	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.14 90	0.15 111	0.03 34	0.03 42	0.03 39	0.03 39

GMStereo	0.14 79	0.13 67	0.14 97	0.14 74	0.14 119	0.14 94	0.14 113	0.14 95	0.14 119	0.14 95	0.14 120	0.14 96	0.14 117	0.14 97	0.14 112	0.14 90	0.14 108	0.14 95	0.14 121	0.14 98	0.14 115
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
UNet	0.29 130	0.90 182	0.10 56	0.14 74	0.10 88	0.14 94	0.10 85	0.91 265	0.69 268	0.14 95	0.11 98	0.14 96	0.11 98	0.14 97	0.10 81	0.12 73	0.09 55	0.12 91	0.09 80	0.88 253	0.76 272

DRN-Test	0.14 79	0.13 67	0.09 52	0.14 74	0.09 82	0.15 100	0.09 80	0.14 95	0.10 86	0.14 95	0.09 82	0.14 96	0.09 83	0.13 96	0.09 76	0.12 73	0.09 55	0.12 91	0.09 80	0.12 95	0.73 267

StereoDRNet	0.15 89	0.14 71	0.10 56	0.14 74	0.09 82	0.15 100	0.09 80	0.14 95	0.09 85	0.14 95	0.10 86	0.14 96	0.09 83	0.14 97	0.09 76	0.13 85	0.10 59	0.13 94	0.09 80	0.13 97	0.82 277

PDISCO_ROB	0.83 251	2.80 326	3.49 384	0.14 74	0.11 103	0.17 108	0.09 80	0.15 106	0.10 86	0.15 101	0.12 105	0.16 106	0.14 117	3.30 383	0.13 109	0.14 90	2.34 373	0.16 106	0.12 110	2.62 363	0.10 83

qqq	0.16 95	2.01 300	0.12 78	0.15 83	0.04 54	0.06 63	0.05 63	0.06 66	0.04 56	0.06 68	0.03 40	0.06 69	0.03 42	0.06 59	0.03 37	0.12 73	0.14 108	0.04 48	0.04 52	0.03 39	0.03 39

IPLG	0.13 72	0.20 82	0.14 97	0.15 83	0.11 103	0.14 94	0.11 97	0.14 95	0.11 100	0.14 95	0.11 98	0.14 96	0.11 98	0.14 97	0.11 92	0.15 97	0.12 86	0.14 95	0.11 97	0.14 98	0.11 95

IPLGR_C	0.14 79	0.20 82	0.12 78	0.15 83	0.11 103	0.14 94	0.15 116	0.14 95	0.11 100	0.15 101	0.12 105	0.14 96	0.11 98	0.16 106	0.11 92	0.15 97	0.12 86	0.14 95	0.12 110	0.15 105	0.12 107

ACRE	0.13 72	0.21 87	0.14 97	0.15 83	0.11 103	0.14 94	0.11 97	0.14 95	0.11 100	0.14 95	0.12 105	0.14 96	0.11 98	0.14 97	0.11 92	0.15 97	0.12 86	0.14 95	0.11 97	0.14 98	0.11 95

ELAS_RVC	0.14 79	0.16 72	0.10 56	0.15 83	0.10 88	0.18 110	0.11 97	0.19 112	0.11 100	0.19 112	0.12 105	0.18 112	0.11 98	0.19 113	0.12 103	0.14 90	0.08 46	0.14 95	0.09 80	0.15 105	0.09 79
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.13 72	0.16 72	0.11 73	0.15 83	0.09 82	0.18 110	0.11 97	0.18 111	0.11 100	0.17 108	0.11 98	0.18 112	0.11 98	0.18 111	0.11 92	0.14 90	0.08 46	0.14 95	0.08 78	0.14 98	0.09 79
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
GMStereo_Zeroshot	0.16 95	0.16 72	0.16 112	0.16 89	0.16 133	0.16 105	0.16 119	0.16 107	0.16 129	0.16 105	0.16 128	0.16 106	0.16 126	0.16 106	0.16 125	0.16 105	0.16 113	0.16 106	0.16 124	0.16 108	0.16 116

ProNet	0.14 79	0.20 82	0.14 97	0.16 89	0.11 103	0.16 105	0.11 97	0.17 109	0.11 100	0.17 108	0.12 105	0.17 109	0.13 115	0.17 109	0.12 103	0.15 97	0.11 75	0.16 106	0.11 97	0.15 105	0.12 107

CIPLG	0.13 72	0.21 87	0.12 78	0.16 89	0.11 103	0.15 100	0.11 97	0.14 95	0.11 100	0.15 101	0.12 105	0.15 105	0.11 98	0.14 97	0.11 92	0.15 97	0.12 86	0.14 95	0.11 97	0.14 98	0.11 95

MIPNet	0.14 79	0.21 87	0.17 116	0.16 89	0.11 103	0.15 100	0.12 109	0.14 95	0.11 100	0.16 105	0.11 98	0.14 96	0.11 98	0.14 97	0.11 92	0.14 90	0.12 86	0.14 95	0.11 97	0.14 98	0.11 95

IPLGR	0.14 79	0.24 97	0.14 97	0.16 89	0.12 115	0.15 100	0.12 109	0.14 95	0.11 100	0.15 101	0.12 105	0.14 96	0.11 98	0.14 97	0.11 92	0.15 97	0.12 86	0.14 95	0.11 97	0.14 98	0.11 95

ICVP	0.15 89	0.53 160	0.11 73	0.16 89	0.11 103	0.16 105	0.11 97	0.16 107	0.11 100	0.16 105	0.11 98	0.16 106	0.11 98	0.16 106	0.11 92	0.16 105	0.11 75	0.16 106	0.11 97	0.16 108	0.11 95
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
HSM	0.14 79	0.16 72	0.12 78	0.17 95	0.12 115	0.17 108	0.11 97	0.17 109	0.11 100	0.17 108	0.12 105	0.17 109	0.12 111	0.17 109	0.12 103	0.16 105	0.11 75	0.16 106	0.11 97	0.16 108	0.12 107

cf-r	0.66 214	2.17 306	0.12 78	0.18 96	0.12 115	0.18 110	2.70 385	2.60 372	0.12 115	0.18 111	0.12 105	0.18 112	0.12 111	0.18 111	0.12 103	0.15 97	0.11 75	0.15 105	0.11 97	1.81 345	1.74 377

LALA_ROB	0.15 89	0.19 78	0.12 78	0.18 96	0.11 103	0.20 115	0.12 109	0.21 121	0.12 115	0.20 115	0.12 105	0.20 116	0.12 111	0.21 126	0.13 109	0.17 109	0.10 59	0.18 119	0.11 97	0.18 114	0.11 95

SGM_RVC	0.15 89	0.17 76	0.11 73	0.18 96	0.11 103	0.19 113	0.11 97	0.19 112	0.12 115	0.19 112	0.12 105	0.20 116	0.12 111	0.19 113	0.12 103	0.16 105	0.11 75	0.17 111	0.10 86	0.17 111	0.10 83
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DeepPruner_ROB	0.16 95	0.18 77	0.13 93	0.19 99	0.13 118	0.19 113	0.13 112	0.19 112	0.13 118	0.19 112	0.13 117	0.19 115	0.13 115	0.19 113	0.13 109	0.18 116	0.13 107	0.18 119	0.13 118	0.18 114	0.13 113

DAS	0.20 102	0.20 82	0.20 125	0.20 100	0.20 143	0.20 115	0.20 129	0.20 116	0.20 138	0.20 115	0.20 141	0.20 116	0.20 140	0.20 116	0.20 136	0.20 119	0.20 129	0.20 122	0.20 141	0.20 117	0.20 127

ASD4	0.20 102	0.20 82	0.20 125	0.20 100	0.20 143	0.20 115	0.20 129	0.20 116	0.20 138	0.20 115	0.20 141	0.20 116	0.20 140	0.20 116	0.20 136	0.20 119	0.20 129	0.20 122	0.20 141	0.20 117	0.20 127

ACVNet	0.20 102	0.19 78	0.14 97	0.20 100	0.14 119	0.20 115	0.96 287	0.21 121	0.14 119	0.20 115	0.13 117	0.21 124	0.14 117	0.20 116	0.14 112	0.17 109	0.12 86	0.17 111	0.12 110	0.17 111	0.12 107

acv_ft	0.20 102	0.19 78	0.14 97	0.20 100	0.14 119	0.20 115	0.96 287	0.21 121	0.14 119	0.20 115	0.13 117	0.21 124	0.14 117	0.20 116	0.14 112	0.17 109	0.12 86	0.17 111	0.12 110	0.17 111	0.12 107

hitnet-ft	0.79 236	2.78 325	0.14 97	0.20 100	0.14 119	0.21 123	2.89 386	2.80 377	0.14 119	0.20 115	0.14 120	0.20 116	0.14 117	0.20 116	0.14 112	0.17 109	0.12 86	0.17 111	0.12 110	2.54 362	2.33 383

PSMNet-RSSM	0.77 232	2.76 322	0.14 97	0.20 100	0.14 119	0.20 115	2.66 383	2.79 376	0.14 119	0.21 124	0.14 120	0.21 124	0.14 117	0.20 116	0.14 112	0.17 109	0.12 86	0.17 111	0.12 110	2.52 360	2.31 381

GwcNet-RSSM	0.77 232	2.77 324	0.14 97	0.20 100	0.14 119	0.20 115	2.67 384	2.78 375	0.14 119	0.20 115	0.14 120	0.20 116	0.14 117	0.21 126	0.14 112	0.17 109	0.12 86	0.17 111	0.12 110	2.52 360	2.31 381

CFNet-ft	0.55 206	1.57 278	0.14 97	0.20 100	0.14 119	0.20 115	2.53 382	1.61 350	0.14 119	0.20 115	0.14 120	0.20 116	0.14 117	0.20 116	0.14 112	0.17 109	0.12 86	0.17 111	0.12 110	1.56 341	1.24 356

IMH-64-1	0.22 110	0.23 91	0.23 131	0.22 108	0.22 150	0.22 125	0.22 139	0.22 125	0.22 142	0.22 126	0.22 147	0.22 129	0.22 145	0.22 130	0.22 141	0.22 125	0.22 134	0.23 134	0.22 145	0.22 124	0.23 133

IMH-64	0.22 110	0.23 91	0.23 131	0.22 108	0.22 150	0.22 125	0.22 139	0.22 125	0.22 142	0.22 126	0.22 147	0.22 129	0.22 145	0.22 130	0.22 141	0.22 125	0.22 134	0.23 134	0.22 145	0.22 124	0.23 133

WAO-6	0.22 110	0.23 91	0.22 129	0.23 110	0.22 150	0.22 125	0.22 139	0.22 125	0.22 142	0.22 126	0.22 147	0.22 129	0.22 145	0.22 130	0.22 141	0.22 125	0.22 134	0.22 130	0.22 145	0.22 124	0.22 131

Wz-Net-LNSev	0.06 31	0.24 97	0.20 125	0.23 110	0.01 9	0.02 18	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.23 134	0.21 131	0.02 18	0.01 9	0.01 9	0.01 9

dd	0.23 114	0.98 193	0.16 112	0.23 110	0.15 128	0.23 131	0.15 116	0.23 128	0.15 127	0.23 129	0.15 127	0.24 136	0.17 128	0.23 134	0.15 120	0.22 125	0.15 111	0.21 125	0.15 123	0.22 124	0.16 116

dad	0.23 114	1.03 205	0.16 112	0.23 110	0.15 128	0.24 132	0.15 116	0.24 131	0.16 129	0.23 129	0.16 128	0.24 136	0.16 126	0.23 134	0.15 120	0.22 125	0.16 113	0.22 130	0.16 124	0.22 124	0.16 116

ac_64	0.22 110	0.13 67	0.19 123	0.23 110	0.10 88	0.26 143	1.02 292	0.14 95	0.10 86	0.28 144	0.14 120	0.17 109	0.19 137	0.28 153	0.09 76	0.22 125	0.16 113	0.23 134	0.17 137	0.11 90	0.12 107

UPFNet	0.42 181	1.20 219	0.17 116	0.24 115	0.17 134	0.25 136	0.17 120	1.19 289	0.90 286	0.25 135	0.17 130	0.24 136	0.17 128	0.25 140	0.17 126	0.22 125	0.17 125	0.22 130	0.16 124	1.15 273	0.93 285

iResNetv2_ROB	0.20 102	0.23 91	0.18 121	0.24 115	0.20 143	0.24 132	0.18 124	0.24 131	0.18 132	0.24 134	0.18 138	0.23 132	0.19 137	0.24 138	0.18 132	0.21 123	0.16 113	0.21 125	0.16 124	0.22 124	0.16 116

iResNet	0.20 102	0.23 91	0.18 121	0.24 115	0.18 139	0.24 132	0.20 129	0.24 131	0.18 132	0.23 129	0.17 130	0.23 132	0.18 133	0.23 134	0.18 132	0.22 125	0.16 113	0.21 125	0.16 124	0.21 122	0.16 116

LoS_RVC	0.30 131	1.14 211	0.25 139	0.25 118	0.25 160	0.26 143	0.25 148	0.25 134	0.25 151	0.25 135	0.25 160	0.26 147	0.26 161	0.26 149	0.25 153	0.26 144	0.26 143	0.25 140	0.25 158	0.26 133	0.26 149

CAS	0.30 131	1.17 215	0.25 139	0.25 118	0.25 160	0.26 143	0.25 148	0.25 134	0.26 164	0.25 135	0.25 160	0.25 139	0.25 152	0.25 140	0.25 153	0.26 144	0.26 143	0.26 143	0.25 158	0.26 133	0.25 143

LoS	0.25 117	0.27 100	0.25 139	0.25 118	0.25 160	0.25 136	0.25 148	0.26 138	0.25 151	0.25 135	0.25 160	0.25 139	0.25 152	0.25 140	0.25 153	0.26 144	0.25 140	0.25 140	0.26 164	0.26 133	0.25 143

MMNet	0.44 185	1.24 267	0.17 116	0.25 118	0.17 134	0.25 136	0.18 124	1.26 341	0.93 292	0.25 135	0.17 130	0.25 139	0.18 133	0.25 140	0.17 126	0.23 134	0.16 113	0.23 134	0.16 124	1.20 284	0.99 289

delet	0.43 182	1.21 265	0.17 116	0.25 118	0.17 134	0.25 136	0.18 124	1.26 341	0.95 293	0.25 135	0.17 130	0.25 139	0.17 128	0.25 140	0.17 126	0.23 134	0.16 113	0.22 130	0.16 124	1.18 281	0.98 288

psm_up	0.43 182	1.19 218	0.17 116	0.25 118	0.18 139	0.25 136	0.19 127	1.26 341	0.91 287	0.26 142	0.17 130	0.25 139	0.17 128	0.25 140	0.17 126	0.22 125	0.17 125	0.23 134	0.16 124	1.18 281	0.99 289

UNDER WATER-64	0.25 117	0.26 99	0.25 139	0.26 124	0.25 160	0.25 136	0.25 148	0.25 134	0.25 151	0.25 135	0.25 160	0.25 139	0.25 152	0.26 149	0.25 153	0.25 143	0.25 140	0.25 140	0.25 158	0.25 132	0.25 143

GEStereo_RVC	0.86 258	4.45 354	0.20 125	0.27 125	0.20 143	0.27 146	0.20 129	0.26 138	0.18 132	5.03 397	0.20 141	0.27 148	0.19 137	0.27 151	0.21 139	0.20 119	0.19 128	0.19 121	4.02 398	0.20 117	0.18 125

SQANet	0.28 127	0.28 102	0.28 148	0.28 126	0.28 170	0.28 147	0.28 162	0.28 140	0.28 170	0.28 144	0.28 173	0.28 149	0.28 173	0.28 153	0.28 163	0.28 149	0.28 153	0.28 149	0.28 174	0.28 138	0.28 166

ssnet_v2	0.68 219	1.96 299	1.25 341	0.29 127	0.20 143	0.30 151	0.20 129	0.29 143	0.22 142	1.50 352	0.20 141	0.31 157	0.20 140	0.27 151	0.22 141	0.24 139	1.49 354	0.26 143	0.18 139	3.90 371	0.19 126

IGEV_Zeroshot_test	0.20 102	0.19 78	0.40 185	0.30 128	0.17 134	0.22 125	0.17 120	0.21 121	0.17 131	0.20 115	0.17 130	0.21 124	0.18 133	0.21 126	0.17 126	0.20 119	0.16 113	0.20 122	0.16 124	0.20 117	0.17 122

GMOStereo	0.37 153	0.45 140	0.23 131	0.30 128	0.37 210	0.41 196	0.36 196	0.41 186	0.35 198	0.43 202	0.36 200	0.41 194	0.40 205	0.41 197	0.36 197	0.34 163	0.22 134	0.47 230	0.37 213	0.39 183	0.33 189

DANet	0.30 131	0.30 105	0.30 154	0.30 128	0.30 184	0.30 151	0.30 171	0.30 145	0.30 181	0.30 147	0.30 183	0.30 155	0.30 181	0.30 157	0.30 176	0.30 156	0.30 169	0.30 155	0.30 190	0.30 143	0.30 177
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
xxxxx1	0.31 134	0.91 183	0.23 131	0.31 131	0.23 154	0.31 154	0.23 142	0.33 149	0.25 151	0.31 149	0.24 156	0.33 160	0.25 152	0.32 159	0.24 148	0.28 149	0.28 153	0.28 149	0.28 174	0.29 140	0.27 154

tt_ll	0.31 134	0.91 183	0.23 131	0.31 131	0.23 154	0.31 154	0.23 142	0.33 149	0.25 151	0.31 149	0.24 156	0.33 160	0.25 152	0.32 159	0.24 148	0.28 149	0.28 153	0.28 149	0.28 174	0.29 140	0.27 154

ff	0.31 134	0.91 183	0.23 131	0.31 131	0.23 154	0.31 154	0.23 142	0.33 149	0.25 151	0.31 149	0.24 156	0.33 160	0.25 152	0.32 159	0.24 148	0.28 149	0.28 153	0.28 149	0.28 174	0.29 140	0.27 154

CASnet	0.35 148	0.51 158	0.44 198	0.32 134	0.31 188	0.24 132	0.34 192	0.36 157	0.25 151	0.31 149	0.37 203	0.30 155	0.33 190	0.25 140	0.45 225	0.37 176	0.37 180	0.33 164	0.35 207	0.34 152	0.37 198
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
iResNet_ROB	0.28 127	0.32 107	0.24 137	0.32 134	0.25 160	0.32 161	0.24 146	0.32 147	0.24 148	0.33 155	0.24 156	0.35 163	0.24 150	0.33 163	0.24 148	0.31 158	0.24 139	0.32 157	0.24 155	0.32 144	0.24 142

tt1	0.31 134	0.93 189	0.24 137	0.33 136	0.23 154	0.31 154	0.24 146	0.32 147	0.24 148	0.32 153	0.23 150	0.32 159	0.25 152	0.32 159	0.24 148	0.27 147	0.26 143	0.27 147	0.26 164	0.27 136	0.27 154

DMCA	0.36 151	0.38 114	0.37 178	0.35 137	0.35 208	0.36 167	0.36 196	0.36 157	0.35 198	0.35 159	0.37 203	0.36 168	0.36 196	0.35 165	0.36 197	0.36 172	0.36 178	0.35 181	0.36 210	0.36 169	0.36 195

MLCV	0.31 134	0.35 108	0.27 145	0.35 137	0.28 170	0.35 164	0.27 157	0.35 153	0.28 170	0.36 162	0.27 168	0.35 163	0.27 168	0.35 165	0.27 159	0.34 163	0.27 148	0.34 171	0.27 170	0.34 152	0.27 154

ETE_ROB	0.35 148	0.35 108	0.35 176	0.35 137	0.35 208	0.35 164	0.35 194	0.35 153	0.35 198	0.35 159	0.35 199	0.35 163	0.35 195	0.35 165	0.35 196	0.35 169	0.35 176	0.35 181	0.35 207	0.35 163	0.35 194

DN-CSS_ROB	0.31 134	0.35 108	0.28 148	0.35 137	0.28 170	0.34 162	0.27 157	0.34 152	0.25 151	0.35 159	0.27 168	0.36 168	0.26 161	0.34 164	0.28 163	0.35 169	0.28 153	0.34 171	0.28 174	0.34 152	0.27 154

Any-RAFT	0.32 142	0.36 111	0.27 145	0.36 141	0.27 167	0.36 167	0.27 157	0.36 157	0.27 167	0.36 162	0.27 168	0.36 168	0.27 168	0.36 170	0.28 163	0.36 172	0.28 153	0.36 186	0.28 174	0.36 169	0.28 166

CES	0.39 164	0.47 146	0.36 177	0.36 141	0.37 210	0.45 218	0.35 194	0.35 153	0.40 212	0.36 162	0.44 228	0.47 219	0.36 196	0.44 211	0.36 197	0.37 176	0.39 189	0.44 223	0.35 207	0.37 171	0.36 195

HGLStereo	0.28 127	0.29 104	0.22 129	0.36 141	0.22 150	0.36 167	0.21 135	0.36 157	0.21 141	0.42 198	0.21 146	0.36 168	0.22 145	0.36 170	0.21 139	0.34 163	0.21 131	0.34 171	0.21 143	0.34 152	0.21 129

XPNet_ROB	0.37 153	0.37 112	0.37 178	0.37 144	0.37 210	0.37 172	0.37 200	0.37 163	0.37 204	0.37 166	0.37 203	0.37 173	0.37 198	0.37 174	0.37 203	0.37 176	0.37 180	0.37 188	0.37 213	0.37 171	0.37 198

WAO-8	0.38 159	0.38 114	0.38 180	0.38 145	0.38 215	0.38 175	0.38 205	0.38 166	0.38 206	0.38 167	0.38 208	0.38 175	0.38 200	0.38 175	0.38 204	0.38 183	0.38 184	0.38 194	0.37 213	0.38 177	0.38 202

WAO-7	0.38 159	0.38 114	0.38 180	0.38 145	0.38 215	0.38 175	0.38 205	0.38 166	0.38 206	0.38 167	0.38 208	0.38 175	0.38 200	0.38 175	0.38 204	0.38 183	0.38 184	0.38 194	0.38 219	0.38 177	0.38 202

Venus	0.38 159	0.38 114	0.38 180	0.38 145	0.38 215	0.37 172	0.38 205	0.37 163	0.37 204	0.41 187	0.37 203	0.39 179	0.37 198	0.38 175	0.38 204	0.37 176	0.38 184	0.38 194	0.37 213	0.37 171	0.38 202

IMH	0.38 159	0.38 114	0.38 180	0.38 145	0.38 215	0.38 175	0.38 205	0.38 166	0.38 206	0.42 198	0.38 208	0.40 185	0.38 200	0.38 175	0.38 204	0.38 183	0.38 184	0.39 198	0.38 219	0.38 177	0.38 202

1test111	0.37 153	1.02 203	0.30 154	0.39 149	0.29 176	0.40 182	0.28 162	0.39 170	0.29 172	0.39 172	0.29 175	0.39 179	0.28 173	0.40 185	0.29 169	0.33 160	0.32 172	0.33 164	0.31 195	0.32 144	0.31 182

cc1	0.37 153	1.02 203	0.30 154	0.39 149	0.29 176	0.40 182	0.28 162	0.39 170	0.29 172	0.39 172	0.29 175	0.39 179	0.28 173	0.40 185	0.29 169	0.33 160	0.32 172	0.33 164	0.31 195	0.32 144	0.31 182

HanzoNet	0.39 164	0.38 114	0.40 185	0.39 149	0.41 226	0.38 175	0.38 205	0.38 166	0.38 206	0.39 172	0.39 212	0.38 175	0.38 200	0.39 182	0.40 210	0.38 183	0.38 184	0.40 201	0.38 219	0.38 177	0.40 206

gwcnet-sp	0.82 247	1.72 283	1.48 355	0.39 149	0.15 128	0.31 154	0.21 135	0.20 116	0.25 151	1.61 354	0.23 150	0.28 149	0.26 161	0.20 116	0.15 120	0.24 139	1.33 344	0.32 157	0.16 124	6.75 393	0.23 133

scenet	0.82 247	1.72 283	1.48 355	0.39 149	0.15 128	0.31 154	0.21 135	0.20 116	0.25 151	1.61 354	0.23 150	0.28 149	0.26 161	0.20 116	0.15 120	0.24 139	1.33 344	0.32 157	0.16 124	6.75 393	0.23 133

ssnet	0.82 247	1.72 283	1.48 355	0.39 149	0.15 128	0.31 154	0.21 135	0.20 116	0.25 151	1.61 354	0.23 150	0.28 149	0.26 161	0.20 116	0.15 120	0.24 139	1.33 344	0.32 157	0.16 124	6.75 393	0.23 133

Wz-Net-LNSev-Ref	0.11 59	0.44 138	0.33 166	0.39 149	0.02 20	0.03 36	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.39 188	0.36 178	0.02 18	0.02 20	0.02 19	0.02 19

iRaft-Stereo_5w	0.34 144	0.42 137	0.31 159	0.39 149	0.30 184	0.38 175	0.30 171	0.40 174	0.29 172	0.40 176	0.37 203	0.41 194	0.34 193	0.38 175	0.30 176	0.34 163	0.27 148	0.34 171	0.26 164	0.34 152	0.26 149

iRaft-Stereo_20w	0.34 144	0.41 130	0.31 159	0.39 149	0.29 176	0.40 182	0.32 176	0.41 186	0.32 187	0.38 167	0.30 183	0.39 179	0.30 181	0.38 175	0.32 180	0.35 169	0.27 148	0.34 171	0.27 170	0.34 152	0.29 170

RAFT + AFF	0.31 134	0.45 140	0.34 173	0.39 149	0.28 170	0.38 175	0.33 183	0.29 143	0.31 183	0.30 147	0.30 183	0.29 154	0.27 168	0.29 156	0.30 176	0.28 149	0.29 162	0.29 153	0.29 183	0.27 136	0.32 186

StereoDRNet-Refined	0.33 143	0.39 121	0.26 144	0.39 149	0.26 166	0.40 182	0.26 154	0.40 174	0.26 164	0.39 172	0.26 165	0.39 179	0.26 161	0.39 182	0.26 158	0.37 176	0.25 140	0.37 188	0.25 158	0.37 171	0.37 198
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DISCO	1.11 282	0.39 121	5.28 391	0.39 149	0.20 143	0.39 181	0.27 157	0.39 170	0.22 142	0.38 167	0.20 141	0.38 175	0.20 140	6.95 405	0.22 141	0.30 156	0.21 131	0.27 147	0.21 143	5.25 386	0.21 129

ACVNet-DCA	0.37 153	1.00 195	0.30 154	0.40 161	0.29 176	0.40 182	0.29 167	0.40 174	0.29 172	0.40 176	0.29 175	0.40 185	0.29 177	0.39 182	0.28 163	0.33 160	0.32 172	0.33 164	0.32 199	0.33 148	0.32 186

xx1	0.38 159	1.03 205	0.31 159	0.40 161	0.31 188	0.41 196	0.28 162	0.40 174	0.29 172	0.40 176	0.29 175	0.40 185	0.29 177	0.40 185	0.29 169	0.34 163	0.33 175	0.34 171	0.32 199	0.34 152	0.32 186

knoymous	0.40 167	0.40 123	0.40 185	0.40 161	0.40 220	0.40 182	0.40 211	0.40 174	0.40 212	0.40 176	0.40 213	0.40 185	0.40 205	0.40 185	0.40 210	0.40 190	0.40 191	0.40 201	0.40 222	0.40 186	0.40 206

anonymousa	0.40 167	0.40 123	0.40 185	0.40 161	0.40 220	0.40 182	0.40 211	0.40 174	0.40 212	0.40 176	0.40 213	0.40 185	0.40 205	0.40 185	0.40 210	0.40 190	0.40 191	0.40 201	0.40 222	0.40 186	0.40 206

riskmin	0.40 167	0.40 123	0.40 185	0.40 161	0.40 220	0.40 182	0.40 211	0.40 174	0.40 212	0.40 176	0.40 213	0.40 185	0.40 205	0.40 185	0.40 210	0.40 190	0.40 191	0.40 201	0.40 222	0.40 186	0.40 206

Anonymous_2	0.40 167	0.40 123	0.40 185	0.40 161	0.40 220	0.40 182	0.40 211	0.40 174	0.40 212	0.40 176	0.40 213	0.40 185	0.40 205	0.40 185	0.40 210	0.40 190	0.40 191	0.40 201	0.40 222	0.40 186	0.40 206

Anonymous_1	0.40 167	0.40 123	0.40 185	0.40 161	0.40 220	0.40 182	0.40 211	0.40 174	0.40 212	0.40 176	0.40 213	0.40 185	0.40 205	0.40 185	0.40 210	0.40 190	0.40 191	0.40 201	0.40 222	0.40 186	0.40 206

AdaStereo	0.40 167	0.40 123	0.40 185	0.40 161	0.40 220	0.40 182	0.40 211	0.40 174	0.40 212	0.40 176	0.40 213	0.40 185	0.40 205	0.40 185	0.40 210	0.40 190	0.40 191	0.40 201	0.40 222	0.40 186	0.40 206
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.
RAFT-Test	0.36 151	0.37 112	0.33 166	0.41 169	0.32 191	0.41 196	0.32 176	0.41 186	0.32 187	0.41 187	0.32 187	0.41 194	0.32 186	0.41 197	0.33 183	0.37 176	0.29 162	0.37 188	0.29 183	0.38 177	0.31 182

GwcNet-ADL	0.41 173	0.41 130	0.41 193	0.41 169	0.41 226	0.41 196	0.41 217	0.41 186	0.41 221	0.41 187	0.41 219	0.41 194	0.41 215	0.41 197	0.41 217	0.41 197	0.41 200	0.41 212	0.41 228	0.41 194	0.41 213

PSMNet-ADL	0.41 173	0.41 130	0.41 193	0.41 169	0.41 226	0.41 196	0.41 217	0.41 186	0.41 221	0.41 187	0.41 219	0.41 194	0.41 215	0.41 197	0.41 217	0.41 197	0.41 200	0.41 212	0.41 228	0.41 194	0.41 213

GANet-ADL	0.41 173	0.41 130	0.41 193	0.41 169	0.41 226	0.41 196	0.41 217	0.41 186	0.41 221	0.41 187	0.41 219	0.41 194	0.41 215	0.41 197	0.41 217	0.41 197	0.41 200	0.41 212	0.41 228	0.41 194	0.41 213

ADLNet2	0.41 173	0.41 130	0.41 193	0.41 169	0.41 226	0.41 196	0.41 217	0.41 186	0.41 221	0.41 187	0.41 219	0.41 194	0.41 215	0.41 197	0.41 217	0.41 197	0.41 200	0.41 212	0.41 228	0.41 194	0.41 213

ADLNet	0.41 173	0.41 130	0.41 193	0.41 169	0.41 226	0.41 196	0.41 217	0.41 186	0.41 221	0.41 187	0.41 219	0.41 194	0.41 215	0.41 197	0.41 217	0.41 197	0.41 200	0.41 212	0.41 228	0.41 194	0.41 213

GES	0.66 214	2.34 310	0.29 150	0.41 169	0.29 176	0.41 196	0.29 167	0.42 202	0.29 172	0.40 176	0.41 219	0.41 194	0.30 181	0.51 233	0.29 169	0.32 159	0.29 162	0.32 157	2.46 386	2.49 359	0.30 177

DGSMNet	0.34 144	0.41 130	0.27 145	0.41 169	0.28 170	0.41 196	0.28 162	0.41 186	0.27 167	0.41 187	0.27 168	0.42 210	0.27 168	0.41 197	0.28 163	0.40 190	0.29 162	0.40 201	0.28 174	0.40 186	0.27 154

Gwc-CoAtRS	0.41 173	1.49 276	0.32 162	0.42 177	0.32 191	0.41 196	0.32 176	0.41 186	0.33 190	0.41 187	0.32 187	0.41 194	0.32 186	0.41 197	0.32 180	0.39 188	0.28 153	0.39 198	0.28 174	0.40 186	0.28 166

RCA-Stereo	0.51 202	3.22 333	0.34 173	0.44 178	0.34 206	0.44 217	0.34 192	0.43 204	0.34 197	0.43 202	0.34 196	0.44 213	0.33 190	0.43 209	0.33 183	0.38 183	0.29 162	0.38 194	0.29 183	0.38 177	0.29 170

CFNet-RSSM	0.91 262	4.89 361	0.34 173	0.44 178	1.07 306	1.62 359	1.40 365	0.91 265	0.35 198	1.60 353	1.39 364	0.64 250	0.34 193	0.44 211	0.33 183	0.41 197	0.35 176	0.75 266	0.30 190	0.41 194	0.29 170

otaku	0.46 187	0.46 142	0.46 202	0.46 180	0.46 236	0.46 219	0.46 225	0.46 206	0.46 228	0.46 206	0.46 231	0.46 214	0.46 223	0.46 214	0.46 227	0.46 211	0.46 207	0.46 226	0.46 235	0.46 201	0.46 221

Ntro	0.47 192	0.47 146	0.46 202	0.46 180	0.46 236	0.47 223	0.47 231	0.46 206	0.47 231	0.46 206	0.46 231	0.47 219	0.46 223	0.47 217	0.47 231	0.47 216	0.46 207	0.46 226	0.46 235	0.46 201	0.46 221

Dean	0.46 187	0.46 142	0.46 202	0.46 180	0.46 236	0.46 219	0.46 225	0.46 206	0.46 228	0.47 211	0.46 231	0.46 214	0.46 223	0.46 214	0.46 227	0.46 211	0.46 207	0.46 226	0.46 235	0.46 201	0.46 221

ACVNet_1	0.46 187	0.47 146	0.46 202	0.46 180	0.46 236	0.46 219	0.46 225	0.46 206	0.47 231	0.46 206	0.46 231	0.46 214	0.46 223	0.46 214	0.46 227	0.46 211	0.46 207	0.47 230	0.46 235	0.46 201	0.46 221

ACVNet-4b	0.46 187	0.46 142	0.46 202	0.46 180	0.46 236	0.46 219	0.46 225	0.46 206	0.46 228	0.46 206	0.46 231	0.46 214	0.46 223	0.47 217	0.46 227	0.46 211	0.46 207	0.46 226	0.46 235	0.46 201	0.46 221

UNDER WATER	0.47 192	0.47 146	0.47 207	0.47 185	0.47 241	0.47 223	0.47 231	0.47 211	0.47 231	0.47 211	0.47 238	0.47 219	0.46 223	0.47 217	0.47 231	0.47 216	0.47 213	0.47 230	0.46 235	0.47 207	0.47 226

LVE	0.47 192	0.47 146	0.47 207	0.47 185	0.49 246	0.47 223	0.47 231	0.47 211	0.49 238	0.47 211	0.47 238	0.47 219	0.46 223	0.47 217	0.47 231	0.47 216	0.47 213	0.48 238	0.47 241	0.47 207	0.47 226

GANet-RSSM	0.75 230	1.91 292	0.14 97	0.47 185	0.14 119	0.21 123	3.21 390	2.30 369	0.14 119	0.46 206	0.14 120	0.23 132	0.18 133	0.21 126	0.14 112	0.18 116	0.27 148	0.37 188	0.13 118	2.13 353	2.12 379

RainbowNet	0.48 197	0.48 152	0.48 212	0.48 188	0.48 243	0.48 227	0.48 236	0.48 214	0.48 236	0.48 215	0.48 241	0.48 224	0.48 233	0.48 222	0.48 236	0.48 220	0.48 217	0.48 238	0.48 244	0.48 210	0.48 229

notaker	0.48 197	0.49 153	0.48 212	0.48 188	0.48 243	0.48 227	0.48 236	0.48 214	0.49 238	0.48 215	0.48 241	0.48 224	0.48 233	0.48 222	0.48 236	0.48 220	0.48 217	0.48 238	0.48 244	0.48 210	0.49 232

MyStereo07	0.60 209	3.72 341	0.48 212	0.49 190	0.41 226	0.36 167	0.32 176	0.49 216	0.43 226	0.51 230	0.42 225	0.49 226	0.43 220	0.51 233	0.64 257	0.49 223	0.45 205	0.34 171	0.32 199	0.35 163	0.43 218

MyStereo04	0.56 207	3.72 341	0.59 227	0.49 190	0.41 226	0.36 167	0.32 176	0.37 163	0.31 183	0.34 157	0.46 231	0.35 163	0.32 186	0.35 165	0.33 183	0.49 223	0.45 205	0.34 171	0.32 199	0.35 163	0.43 218

HaxPig	0.47 192	0.47 146	0.47 207	0.49 190	0.47 241	0.47 223	0.47 231	0.47 211	0.47 231	0.47 211	0.47 238	0.47 219	0.47 232	0.47 217	0.47 231	0.47 216	0.47 213	0.47 230	0.47 241	0.47 207	0.48 229

ACVNet_2	0.49 200	0.49 153	0.49 216	0.49 190	0.49 246	0.49 229	0.49 239	0.49 216	0.49 238	0.49 220	0.49 245	0.49 226	0.49 237	0.49 228	0.49 239	0.49 223	0.49 219	0.49 241	0.49 246	0.49 212	0.49 232

IGEV-Stereo	0.35 148	0.44 138	0.45 200	0.49 190	0.30 184	0.37 172	0.30 171	0.36 157	0.30 181	0.36 162	0.29 175	0.36 168	0.29 177	0.36 170	0.30 176	0.46 211	0.39 189	0.32 157	0.24 155	0.32 144	0.25 143
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
psmorigin	0.41 173	0.46 142	0.33 166	0.49 190	0.33 200	0.49 229	0.33 183	0.49 216	0.33 190	0.49 220	0.33 190	0.49 226	0.33 190	0.51 233	0.33 183	0.41 197	0.30 169	0.41 212	0.30 190	0.79 243	0.29 170

TorneroNet	0.66 214	0.53 160	0.50 218	0.50 196	0.64 267	1.06 287	0.70 266	0.50 223	0.51 244	0.49 220	0.69 274	0.49 226	0.50 240	0.48 222	1.15 300	0.71 249	0.49 219	1.14 298	1.08 296	0.49 212	0.49 232

ccnet	0.80 238	2.28 309	0.33 166	0.50 196	0.33 200	0.50 235	0.33 183	0.50 223	0.33 190	0.49 220	0.33 190	0.49 226	1.56 361	2.38 372	0.33 183	0.41 197	0.29 162	0.42 221	1.57 369	2.28 355	0.29 170

SANet	0.50 201	0.50 155	0.50 218	0.50 196	0.50 249	0.50 235	0.50 241	0.50 223	0.50 241	0.50 229	0.50 247	0.50 237	0.50 240	0.50 232	0.50 240	0.50 227	0.50 224	0.50 244	0.50 248	0.50 216	0.50 235

FCDSN-DC	0.41 173	0.59 166	0.64 234	0.54 199	0.33 200	0.50 235	0.37 200	0.42 202	0.40 212	0.61 245	0.43 227	0.50 237	0.49 237	0.38 175	0.32 180	0.28 149	0.23 138	0.26 143	0.22 145	0.35 163	0.28 166
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
PSMNet_ROB	0.54 204	0.54 163	0.54 223	0.54 199	0.53 254	0.54 240	0.54 245	0.53 228	0.54 250	0.54 235	0.54 254	0.54 239	0.53 245	0.54 236	0.54 245	0.54 231	0.53 228	0.54 248	0.54 249	0.54 222	0.54 239

SPstereo	0.47 192	0.38 114	0.51 220	0.56 201	0.31 188	0.67 254	0.44 223	0.55 230	0.31 183	0.61 245	0.44 228	0.46 214	0.52 243	0.67 253	0.42 223	0.48 220	0.40 191	0.47 230	0.36 210	0.53 220	0.33 189

CASS	0.57 208	0.89 180	0.56 224	0.57 202	0.56 256	0.56 242	0.56 246	0.56 232	0.53 246	0.57 240	0.57 258	0.59 248	0.48 233	0.56 241	0.57 249	0.55 233	0.56 231	0.47 230	0.56 253	0.62 224	0.56 246
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
TorneroNet-64	0.45 186	0.27 100	0.30 154	0.58 203	0.27 167	0.70 256	0.30 171	0.28 140	0.73 275	0.73 258	0.28 173	0.71 256	0.66 256	0.75 262	0.27 159	0.27 147	0.29 162	0.37 188	0.75 278	0.28 138	0.30 177

PML	0.46 187	1.36 273	0.29 150	0.58 203	0.30 184	0.57 246	0.29 167	0.57 234	0.29 172	0.57 240	0.29 175	0.57 246	0.29 177	0.56 241	0.29 169	0.52 229	0.30 169	0.53 247	0.31 195	0.53 220	0.30 177

MyStereo8	0.71 224	3.92 348	0.52 222	0.59 205	0.52 251	0.57 246	0.53 244	0.59 238	0.50 241	0.59 243	0.51 250	0.57 246	0.50 240	0.56 241	0.52 243	0.54 231	0.49 219	0.54 248	0.49 246	0.55 223	0.50 235

LL-Strereo2	0.48 197	1.73 287	0.51 220	0.59 205	0.34 206	0.42 212	0.33 183	0.40 174	0.31 183	0.42 198	0.33 190	0.42 210	0.31 185	0.44 211	0.39 209	0.60 236	0.51 225	0.44 223	0.33 204	0.44 200	0.33 189

PA-Net	11.80 406	223.51 428	0.62 231	0.59 205	0.71 278	0.59 248	0.73 269	0.67 246	0.73 275	0.55 237	0.61 261	0.60 249	0.74 268	0.63 249	0.73 273	0.66 240	0.60 234	0.69 259	0.66 266	0.72 234	0.65 255
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
MyStereo06	0.75 230	4.12 349	0.60 228	0.63 208	0.61 263	0.62 250	0.66 258	0.56 232	0.45 227	0.55 237	0.48 241	0.54 239	0.46 223	0.57 244	0.45 225	0.60 236	0.57 232	0.64 252	0.55 250	0.72 234	0.55 243

MyStereo05	0.80 238	4.12 349	0.63 232	0.63 208	0.61 263	0.62 250	0.66 258	0.65 244	0.62 258	0.67 251	0.61 261	0.65 252	0.58 248	0.67 253	0.55 248	0.60 236	0.57 232	0.64 252	0.55 250	0.72 234	0.55 243

MSKI-zero shot	0.24 116	0.21 87	0.49 216	0.65 210	0.18 139	0.22 125	0.17 120	0.23 128	0.18 132	0.21 124	0.17 130	0.23 132	0.28 173	0.23 134	0.18 132	0.21 123	0.16 113	0.21 125	0.16 124	0.21 122	0.16 116

LMCR-Stereo	0.65 212	0.63 167	0.65 238	0.65 210	0.65 268	0.66 253	0.63 254	0.58 236	0.65 261	0.63 248	0.64 265	0.65 252	0.65 254	0.66 251	0.66 260	0.66 240	0.64 241	0.65 254	0.67 269	0.68 227	0.73 267

DSFCA	0.66 214	0.73 171	0.78 256	0.65 210	0.65 268	0.64 252	0.64 255	0.65 244	0.63 260	0.64 249	0.64 265	0.64 250	0.64 252	0.65 250	0.65 258	0.65 239	0.65 242	0.65 254	0.65 264	0.66 225	0.64 254

4D-IteraStereo	0.78 235	3.13 330	0.89 262	0.69 213	0.32 191	0.40 182	0.32 176	0.76 253	0.97 295	0.52 233	0.65 269	0.89 276	0.32 186	0.76 263	0.98 289	0.83 260	0.94 269	0.35 181	0.27 170	0.70 232	0.89 282

Selective-IGEV	0.51 202	0.55 165	0.45 200	0.69 213	0.45 235	0.61 249	0.45 224	0.50 223	0.40 212	0.56 239	0.44 228	0.55 242	0.40 205	0.72 258	0.67 261	0.59 234	0.46 207	0.45 225	0.34 205	0.46 201	0.37 198

LL-Strereo	1.01 277	5.06 364	1.63 358	0.70 215	1.43 371	0.56 242	0.46 225	0.57 234	0.50 241	0.57 240	0.50 247	1.58 357	0.49 237	0.59 246	0.50 240	1.64 352	0.52 226	0.51 245	1.37 360	0.52 218	0.45 220

DMCA-RVC	0.70 222	0.80 174	0.70 245	0.70 215	0.70 277	0.70 256	0.70 266	0.71 249	0.70 270	0.70 254	0.71 277	0.71 256	0.70 264	0.70 256	0.69 269	0.69 243	0.70 251	0.69 259	0.70 274	0.69 231	0.70 262

whm_eth	0.63 210	1.48 275	0.47 207	0.71 217	0.48 243	0.71 258	0.48 236	0.71 249	0.48 236	0.71 255	0.48 241	0.71 256	0.48 233	0.72 258	0.48 236	0.71 249	0.47 213	0.71 262	0.47 241	0.71 233	0.47 226

anonymity	0.63 210	0.69 168	0.56 224	0.71 217	0.56 256	0.71 258	0.56 246	0.71 249	0.56 251	0.72 256	0.56 256	0.71 256	0.56 247	0.71 257	0.58 252	0.68 242	0.55 229	0.68 256	0.55 250	0.68 227	0.54 239

iGMRVC	0.84 253	2.85 327	0.72 249	0.72 219	0.73 281	0.77 263	0.79 273	0.73 252	0.74 277	0.73 258	0.72 279	0.73 260	0.76 270	0.73 260	0.73 273	0.72 251	0.73 253	0.73 264	0.72 277	0.73 239	0.72 265

ARAFT	0.68 219	0.81 177	0.63 232	0.74 220	0.60 258	0.78 265	0.62 253	0.77 254	0.66 263	0.74 262	0.63 263	0.75 262	0.62 251	0.83 268	0.60 254	0.70 246	0.55 229	0.70 261	0.60 258	0.78 241	0.55 243

AFF-stereo	0.73 228	0.88 179	0.67 241	0.75 221	0.68 276	0.75 260	0.64 255	0.80 256	0.72 274	0.83 270	0.70 275	0.82 272	0.64 252	0.84 269	0.67 261	0.77 253	0.63 239	0.81 275	0.63 263	0.78 241	0.62 252

MyStereo02	0.85 256	4.58 357	0.64 234	0.76 222	0.65 268	0.75 260	0.61 250	0.60 239	0.53 246	0.80 265	0.64 265	0.78 265	0.66 256	0.55 238	0.57 249	0.70 246	0.66 244	0.68 256	0.62 261	0.72 234	0.59 247

MyStereo	0.85 256	4.58 357	0.64 234	0.76 222	0.65 268	0.75 260	0.61 250	0.60 239	0.53 246	0.80 265	0.64 265	0.78 265	0.66 256	0.55 238	0.57 249	0.70 246	0.66 244	0.68 256	0.62 261	0.72 234	0.59 247

DLNR_Zeroshot_test	0.31 134	0.28 102	0.47 207	0.79 224	0.24 159	0.30 151	0.26 154	0.30 145	0.24 148	0.32 153	0.23 150	0.31 157	0.24 150	0.30 157	0.23 146	0.29 155	0.26 143	0.29 153	0.24 155	0.33 148	0.23 133

G-Net	0.79 236	0.79 173	0.79 258	0.79 224	0.79 286	0.79 266	0.79 273	0.79 255	0.79 281	0.79 264	0.79 284	0.79 268	0.79 272	0.79 264	0.79 276	0.79 254	0.79 257	0.79 271	0.79 281	0.79 243	0.79 273

MIM_Stereo	0.25 117	0.23 91	0.66 239	0.80 226	0.17 134	0.22 125	0.17 120	0.23 128	0.18 132	0.26 142	0.17 130	0.21 124	0.17 128	0.25 140	0.17 126	0.23 134	0.16 113	0.21 125	0.17 137	0.22 124	0.17 122

RAFT-Stereo + iAFF	0.70 222	0.72 170	0.71 248	0.80 226	0.62 266	0.82 269	0.61 250	0.81 259	0.62 258	0.81 269	0.63 263	0.80 269	0.70 264	0.73 260	0.61 256	0.76 252	0.61 238	0.74 265	0.61 260	0.77 240	0.61 250

NaN_ROB	0.80 238	0.80 174	0.80 259	0.80 226	0.80 288	0.80 267	0.80 275	0.80 256	0.80 282	0.80 265	0.80 285	0.80 269	0.80 273	0.80 265	0.80 278	0.80 255	0.80 260	0.80 273	0.80 282	0.80 246	0.80 274

CSAN	0.80 238	0.80 174	0.80 259	0.80 226	0.80 288	0.80 267	0.80 275	0.80 256	0.80 282	0.80 265	0.80 285	0.80 269	0.80 273	0.80 265	0.80 278	0.80 255	0.80 260	0.80 273	0.80 282	0.80 246	0.80 274

test_xeample3	1.10 280	1.81 288	0.61 230	0.84 230	0.49 246	0.77 263	0.66 258	0.92 268	1.40 369	0.68 253	0.46 231	0.78 265	0.54 246	1.72 357	1.48 365	1.34 342	1.52 355	1.35 358	1.67 373	1.33 334	1.55 369

Selective-RAFT-Error	0.88 259	0.84 178	0.98 272	0.86 231	0.97 300	0.88 272	0.95 286	0.84 260	0.99 297	0.92 275	0.82 287	0.84 273	0.98 281	0.87 272	0.97 288	0.81 258	0.83 263	0.79 271	0.82 285	0.79 243	0.85 279

FC-DCNN	1.07 278	1.09 207	0.98 272	0.89 232	0.52 251	1.41 356	0.91 281	1.21 337	1.24 360	1.96 361	2.05 384	1.91 361	1.30 353	1.27 351	1.08 294	0.80 255	0.60 234	0.58 250	0.41 228	0.68 227	0.54 239

MyStereo03	0.84 253	4.93 362	0.68 244	0.90 233	0.74 283	0.56 242	0.46 225	0.55 230	0.52 245	0.74 262	0.56 256	0.56 244	0.46 223	0.81 267	0.54 245	0.59 234	0.52 226	0.75 266	0.68 270	0.68 227	0.65 255

DDUNet	0.81 243	2.45 311	0.57 226	0.90 233	0.60 258	0.88 272	0.59 249	0.90 264	0.60 254	0.88 271	0.60 259	0.90 277	0.58 248	0.88 273	0.60 254	0.84 262	0.60 234	0.86 280	0.57 254	0.86 252	0.60 249

ADCS	0.09 38	0.02 12	0.04 31	0.90 233	0.06 78	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.14 97	0.36 197	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

UDG	0.80 238	2.21 307	0.60 228	0.91 236	0.60 258	0.90 275	0.58 248	0.88 263	0.60 254	0.90 272	0.60 259	0.88 274	0.60 250	0.90 276	0.58 252	0.86 263	0.60 234	0.84 278	0.59 257	0.84 251	0.61 250

DPSM_ROB	0.92 263	0.91 183	0.91 265	0.91 236	0.92 296	0.92 277	0.92 282	0.92 268	0.91 287	0.93 277	0.91 291	0.92 279	0.90 276	0.91 277	0.92 283	0.92 267	0.91 265	0.91 282	0.92 288	0.93 260	0.93 285

DPSM	0.92 263	0.91 183	0.91 265	0.91 236	0.92 296	0.92 277	0.92 282	0.92 268	0.91 287	0.93 277	0.91 291	0.92 279	0.90 276	0.91 277	0.92 283	0.92 267	0.91 265	0.91 282	0.92 288	0.93 260	0.93 285

Syn2CoEx	0.25 117	1.31 270	0.74 252	0.92 239	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.03 38	0.02 21	0.02 19	0.02 19	0.87 264	0.75 255	0.02 18	0.02 20	0.02 19	0.02 19

pmcnn	0.92 263	0.92 188	0.92 267	0.92 239	0.92 296	0.92 277	0.92 282	0.92 268	0.92 291	0.92 275	0.92 294	0.92 279	0.92 278	0.92 279	0.92 283	0.92 267	0.92 267	0.92 284	0.92 288	0.92 259	0.92 284

DCRE	0.84 253	1.89 291	0.77 255	0.94 241	0.72 280	0.88 272	0.73 269	0.87 261	0.78 278	0.90 272	0.71 277	0.88 274	0.67 260	0.88 273	0.73 273	0.81 258	0.68 246	0.81 275	0.70 274	0.82 250	0.70 262

DGTPSM_ROB	0.93 267	1.00 195	0.92 267	0.94 241	0.96 299	0.91 276	0.92 282	0.91 265	0.96 294	0.91 274	0.96 295	0.93 282	0.92 278	0.94 280	0.92 283	0.92 267	0.92 267	0.90 281	0.92 288	0.94 262	0.91 283

ToySt	0.92 263	2.11 301	0.90 264	0.95 243	0.79 286	0.99 282	0.78 272	0.94 272	0.81 285	0.94 279	0.78 283	0.95 283	0.77 271	0.94 280	0.86 281	0.91 266	0.79 257	0.85 279	0.77 279	0.89 254	0.73 267

R-Stereo Train	0.81 243	0.96 191	0.67 241	0.95 243	0.67 274	0.95 280	0.68 262	0.95 273	0.68 265	0.95 280	0.68 272	0.96 284	0.68 261	0.96 284	0.68 265	0.94 271	0.68 246	0.94 286	0.68 270	0.94 262	0.68 260

RAFT-Stereo	0.81 243	0.96 191	0.67 241	0.95 243	0.67 274	0.95 280	0.68 262	0.95 273	0.68 265	0.95 280	0.68 272	0.96 284	0.68 261	0.96 284	0.68 265	0.94 271	0.68 246	0.94 286	0.68 270	0.94 262	0.68 260
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
ff7	1.68 342	2.68 317	1.35 345	0.97 246	0.89 291	1.84 360	2.15 377	2.12 359	1.80 377	2.05 365	1.56 367	2.33 370	2.12 371	2.23 367	2.25 380	1.31 339	1.07 274	1.48 362	1.41 362	0.90 255	1.04 294

ffff	1.68 342	2.68 317	1.35 345	0.97 246	0.89 291	1.84 360	2.15 377	2.12 359	1.80 377	2.05 365	1.56 367	2.33 370	2.12 371	2.23 367	2.25 380	1.31 339	1.07 274	1.48 362	1.41 362	0.90 255	1.04 294

ccc-4	1.68 342	2.68 317	1.35 345	0.97 246	0.89 291	1.84 360	2.15 377	2.12 359	1.80 377	2.05 365	1.56 367	2.33 370	2.12 371	2.23 367	2.25 380	1.31 339	1.07 274	1.48 362	1.41 362	0.90 255	1.04 294

GANet	1.00 274	1.00 195	1.00 274	1.00 249	1.00 301	1.00 283	1.00 289	1.00 275	1.00 298	1.00 282	1.00 296	1.00 286	1.00 282	1.00 286	1.00 291	1.00 273	1.00 270	1.00 292	1.00 292	1.00 265	1.00 291

TDLM	1.00 274	1.00 195	1.00 274	1.00 249	1.00 301	1.00 283	1.00 289	1.00 275	1.00 298	1.00 282	1.00 296	1.00 286	1.00 282	1.00 286	1.00 291	1.00 273	1.00 270	1.00 292	1.00 292	1.00 265	1.00 291

CVANet_RVC	1.00 274	1.00 195	1.00 274	1.00 249	1.00 301	1.00 283	1.00 289	1.00 275	1.00 298	1.00 282	1.00 296	1.00 286	1.00 282	1.00 286	1.00 291	1.00 273	1.00 270	1.00 292	1.00 292	1.00 265	1.00 291

ADCMid	0.08 37	0.02 12	0.02 13	1.01 252	0.03 39	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.04 46	0.09 76	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

STTRV1_RVC	0.82 247	1.60 280	0.70 245	1.01 252	0.60 258	1.07 290	0.69 265	1.01 278	0.60 254	0.72 256	0.55 255	1.02 289	0.68 261	1.03 289	0.67 261	0.89 265	0.63 239	0.92 284	0.57 254	0.90 255	0.65 255

edge stereo	2.43 369	27.07 411	1.14 281	1.06 254	1.14 307	1.08 291	1.17 302	1.16 285	1.14 303	1.10 289	1.16 303	1.09 293	1.16 297	1.10 295	1.16 303	1.10 280	1.11 284	1.16 300	1.19 304	1.13 271	1.11 297

EKT-Stereo	0.37 153	0.40 123	0.44 198	1.07 255	0.29 176	0.34 162	0.31 175	0.36 157	0.29 172	0.38 167	0.31 186	0.37 173	0.30 181	0.36 170	0.29 169	0.34 163	0.28 153	0.39 198	0.30 190	0.37 171	0.30 177

GLC_STEREO	1.07 278	1.01 200	1.06 277	1.07 255	1.05 305	1.06 287	1.08 294	1.08 280	1.05 302	1.07 287	1.06 299	1.08 291	1.05 288	1.06 291	1.10 295	1.07 277	1.09 280	1.05 296	1.05 295	1.06 268	1.12 299

HH	0.71 224	2.54 313	0.74 252	1.10 257	0.32 191	0.41 196	0.37 200	0.69 247	0.78 278	0.73 258	0.90 289	0.75 262	1.00 282	0.84 269	0.69 269	0.69 243	0.40 191	0.35 181	0.26 164	0.35 163	0.26 149

HanStereo	0.71 224	2.54 313	0.74 252	1.10 257	0.32 191	0.41 196	0.37 200	0.69 247	0.78 278	0.73 258	0.90 289	0.75 262	1.00 282	0.84 269	0.69 269	0.69 243	0.40 191	0.35 181	0.26 164	0.35 163	0.26 149

DPSimNet_ROB	0.97 271	1.18 217	0.81 261	1.10 257	0.91 295	1.02 286	0.82 277	1.04 279	0.91 287	1.03 286	0.86 288	1.28 352	0.82 275	1.03 289	0.89 282	1.17 288	0.81 262	1.02 295	0.82 285	1.08 269	0.81 276

MSMD_ROB	1.19 284	1.10 210	0.70 245	1.10 257	0.60 258	1.10 293	0.70 266	1.10 282	0.70 270	1.10 289	0.70 275	1.10 295	0.70 264	7.00 406	0.70 272	1.10 280	0.70 251	1.10 297	0.70 274	1.10 270	0.70 262

AF-Net	2.37 366	25.71 407	1.17 284	1.13 261	1.15 308	1.15 299	1.18 303	1.19 289	1.16 305	1.10 289	1.15 300	1.10 295	1.18 298	1.12 298	1.15 300	1.10 280	1.10 283	1.17 304	1.15 300	1.16 275	1.12 299

ktn	0.72 227	0.53 160	1.08 278	1.14 262	0.51 250	1.22 347	1.36 359	0.51 227	0.59 253	0.51 230	0.51 250	0.69 255	1.20 300	0.67 253	0.51 242	0.51 228	0.49 219	0.58 250	0.66 266	0.52 218	0.53 238

Nwc_Net	2.37 366	25.95 408	1.15 283	1.14 262	1.15 308	1.08 291	1.14 298	1.17 286	1.16 305	1.14 296	1.15 300	1.08 291	1.15 293	1.11 297	1.14 299	1.10 280	1.11 284	1.16 300	1.09 297	1.16 275	1.15 304

KSHMR	0.66 214	0.50 155	0.48 212	1.15 264	0.52 251	0.49 229	0.51 243	0.49 216	0.71 273	0.67 251	0.50 247	1.16 301	1.11 289	0.66 251	0.52 243	0.49 223	0.49 219	0.51 245	0.66 266	0.50 216	1.14 303

HBP-ISP	1.24 331	1.72 283	1.65 359	1.15 264	0.76 284	1.40 355	0.88 279	1.67 354	1.02 301	1.69 358	1.38 363	1.69 359	1.21 346	1.87 358	1.21 352	1.05 276	0.79 257	0.97 290	0.80 282	1.19 283	0.75 271

RP	2.33 361	25.00 404	1.13 280	1.15 264	1.15 308	1.10 293	1.15 299	1.15 283	1.15 304	1.12 294	1.15 300	1.09 293	1.13 290	1.10 295	1.15 300	1.11 285	1.09 280	1.16 300	1.12 298	1.16 275	1.17 305

RGC	2.36 363	25.48 405	1.19 287	1.15 264	1.15 308	1.10 293	1.16 301	1.17 286	1.16 305	1.12 294	1.16 303	1.11 298	1.13 290	1.09 293	1.18 305	1.10 280	1.15 288	1.16 300	1.12 298	1.14 272	1.12 299

NCC-stereo	2.36 363	25.52 406	1.17 284	1.15 264	1.17 313	1.11 296	1.11 295	1.15 283	1.16 305	1.10 289	1.16 303	1.10 295	1.15 293	1.14 299	1.13 298	1.09 278	1.11 284	1.15 299	1.16 302	1.17 280	1.17 305

Selective-RAFT	0.89 261	0.89 180	0.72 249	1.16 269	0.78 285	1.06 287	0.82 277	0.87 261	0.97 295	1.00 282	0.91 291	0.90 277	1.00 282	0.89 275	0.93 287	0.83 260	0.83 263	0.82 277	0.82 285	0.81 249	0.82 277

Abc-Net	2.32 360	24.75 403	1.14 281	1.17 270	1.17 313	1.11 296	1.15 299	1.17 286	1.21 357	1.08 288	1.16 303	1.12 299	1.14 292	1.09 293	1.17 304	1.09 278	1.16 289	1.17 304	1.17 303	1.16 275	1.11 297
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
stereogan	2.33 361	24.38 402	1.18 286	1.18 271	1.18 315	1.14 298	1.18 303	1.19 289	1.19 311	1.14 296	1.18 307	1.14 300	1.18 298	1.14 299	1.18 305	1.14 287	1.14 287	1.19 307	1.19 304	1.15 273	1.19 307

HSM-Net_RVC	0.95 270	1.17 215	0.78 256	1.18 271	0.71 278	1.16 300	0.75 271	1.09 281	0.80 282	1.10 289	0.75 282	1.17 302	0.74 268	1.17 301	0.80 278	1.13 286	0.73 253	1.17 304	0.77 279	1.16 275	0.72 265
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
DisPM	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 292	1.20 312	1.20 299	1.20 308	1.20 304	1.20 300	1.20 303	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

CrosDoStereo	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 292	1.20 312	1.20 299	1.20 308	1.20 304	1.20 300	1.20 303	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

PFNet+	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 292	1.20 312	1.20 299	1.20 308	1.20 304	1.20 300	1.20 303	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

LCNet	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 292	1.20 312	1.20 299	1.20 308	1.20 304	1.20 300	1.20 303	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

HHNet	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 292	1.20 312	1.20 299	1.20 308	1.20 304	1.20 300	1.20 303	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

Patchmatch Stereo++	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 292	1.20 312	1.20 299	1.20 308	1.20 304	1.20 300	1.20 303	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308
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	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 292	1.20 312	1.20 299	1.20 308	1.20 304	1.20 300	1.20 303	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

STrans-v2	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 292	1.20 312	1.20 299	1.20 308	1.20 304	1.20 300	1.20 303	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

TransformOpticalFlow	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 292	1.20 312	1.20 299	1.20 308	1.20 304	1.20 300	1.20 303	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

OMP-Stereo	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 292	1.20 312	1.20 299	1.20 308	1.20 304	1.20 300	1.20 303	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

IIG-Stereo	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 292	1.20 312	1.20 299	1.20 308	1.20 304	1.20 300	1.20 303	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

NF-Stereo	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 292	1.20 312	1.20 299	1.20 308	1.20 304	1.20 300	1.20 303	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

OCTAStereo	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 292	1.20 312	1.20 299	1.20 308	1.20 304	1.20 300	1.20 303	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

PSM-softLoss	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 292	1.20 312	1.20 299	1.20 308	1.20 304	1.20 300	1.20 303	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

KMStereo	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 292	1.20 312	1.20 299	1.20 308	1.20 304	1.20 300	1.20 303	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

NRIStereo	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 292	1.20 312	1.20 299	1.20 308	1.20 304	1.20 300	1.20 303	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

PSM-adaLoss	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 292	1.20 312	1.20 299	1.20 308	1.20 304	1.20 300	1.20 303	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

PSM-AAD	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 292	1.20 312	1.20 299	1.20 308	1.20 304	1.20 300	1.20 303	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

FTStereo	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 292	1.20 312	1.20 299	1.20 308	1.20 304	1.20 300	1.20 303	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

ROB_FTStereo_v2	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 292	1.20 312	1.20 299	1.20 308	1.20 304	1.20 300	1.20 303	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

ROB_FTStereo	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 292	1.20 312	1.20 299	1.20 308	1.20 304	1.20 300	1.20 303	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

Consistency-Raft	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 292	1.20 312	1.20 299	1.20 308	1.20 304	1.20 300	1.20 303	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

KYRaft	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 292	1.20 312	1.20 299	1.20 308	1.20 304	1.20 300	1.20 303	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

HUI-Stereo	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 292	1.20 312	1.20 299	1.20 308	1.20 304	1.20 300	1.20 303	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

ASMatch	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 292	1.20 312	1.20 299	1.20 308	1.20 304	1.20 300	1.20 303	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

DeepStereo_LL	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 292	1.20 312	1.20 299	1.20 308	1.20 304	1.20 300	1.20 303	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

DEmStereo	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 292	1.20 312	1.20 299	1.20 308	1.20 304	1.20 300	1.20 303	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

SST-Stereo	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 292	1.20 312	1.20 299	1.20 308	1.20 304	1.20 300	1.20 303	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

THIR-Stereo	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 292	1.20 312	1.20 299	1.20 308	1.20 304	1.20 300	1.20 303	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

RAFT_R40	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 292	1.20 312	1.20 299	1.20 308	1.20 304	1.20 300	1.20 303	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

DRaft	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 292	1.20 312	1.20 299	1.20 308	1.20 304	1.20 300	1.20 303	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

PFNet	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 292	1.20 312	1.20 299	1.20 308	1.20 304	1.20 300	1.20 303	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

GrayStereo	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 292	1.20 312	1.20 299	1.20 308	1.20 304	1.20 300	1.20 303	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

RE-Stereo	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 292	1.20 312	1.20 299	1.20 308	1.20 304	1.20 300	1.20 303	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

Pruner-Stereo	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 292	1.20 312	1.20 299	1.20 308	1.20 304	1.20 300	1.20 303	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

TVStereo	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 292	1.20 312	1.20 299	1.20 308	1.20 304	1.20 300	1.20 303	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

DeepStereo_RVC	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 292	1.20 312	1.20 299	1.20 308	1.20 304	1.20 300	1.20 303	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

RAFT-RH_RVC	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 292	1.20 312	1.20 299	1.20 308	1.20 304	1.20 300	1.20 303	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

IRAFT_RVC	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 292	1.20 312	1.20 299	1.20 308	1.20 304	1.20 300	1.20 303	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

RAFT-345	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 292	1.20 312	1.20 299	1.20 308	1.20 304	1.20 300	1.20 303	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

iRAFT	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 292	1.20 312	1.20 299	1.20 308	1.20 304	1.20 300	1.20 303	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

CRE-IMP	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 292	1.20 312	1.20 299	1.20 308	1.20 304	1.20 300	1.20 303	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

GMM-Stereo	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 292	1.20 312	1.20 299	1.20 308	1.20 304	1.20 300	1.20 303	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

RAFT-IKP	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 292	1.20 312	1.20 299	1.20 308	1.20 304	1.20 300	1.20 303	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

Prome-Stereo	1.20 285	1.20 219	1.20 290	1.20 273	1.20 316	1.20 301	1.20 305	1.20 292	1.20 312	1.20 299	1.20 308	1.20 304	1.20 300	1.20 303	1.20 307	1.20 290	1.20 293	1.20 308	1.20 307	1.20 284	1.20 308

CroCo-Stereo	0.73 228	1.22 266	0.25 139	1.22 318	0.25 160	1.22 347	0.25 148	1.22 338	0.25 151	1.22 345	0.25 160	1.22 350	0.25 152	1.22 349	0.25 153	1.22 336	0.26 143	1.21 353	0.25 158	1.22 331	0.25 143
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
S-Stereo	2.51 371	26.86 410	1.23 339	1.22 318	1.22 363	1.24 349	1.25 354	1.22 338	1.24 360	1.21 344	1.24 356	1.19 303	1.27 350	1.19 302	1.24 354	1.19 289	1.20 293	1.25 355	1.19 304	1.24 332	1.23 355

FAT-Stereo	2.46 370	26.05 409	1.23 339	1.23 320	1.22 363	1.20 301	1.24 353	1.23 340	1.23 359	1.19 298	1.22 354	1.21 349	1.24 348	1.20 303	1.24 354	1.21 335	1.17 291	1.22 354	1.25 354	1.20 284	1.24 356

CroCo-Stereo Lap2	0.77 232	1.29 268	0.29 150	1.27 321	0.29 176	1.27 350	0.26 154	1.26 341	0.26 164	1.26 346	0.26 165	1.27 351	0.26 161	1.26 350	0.27 159	1.27 338	0.27 148	1.27 356	0.27 170	1.27 333	0.27 154

ADCPNet	0.10 44	0.03 27	0.04 31	1.27 321	0.03 39	0.04 51	0.03 39	0.03 38	0.03 44	0.04 54	0.03 40	0.04 51	0.03 42	0.08 76	0.04 49	0.04 32	0.03 28	0.03 34	0.03 42	0.03 39	0.03 39

11t	1.27 333	2.70 320	1.34 343	1.32 323	0.89 291	1.30 351	1.34 357	1.64 351	0.57 252	1.45 351	0.72 279	1.05 290	1.29 352	1.07 292	1.29 357	1.49 347	1.02 273	0.97 290	1.15 300	1.48 338	1.31 359

PS-NSSS	1.38 337	1.39 274	1.34 343	1.34 324	1.35 365	1.38 354	1.37 364	1.35 345	1.38 368	1.34 347	1.34 359	1.39 355	1.38 357	1.70 356	1.40 362	1.36 345	1.36 348	1.36 360	1.37 360	1.37 336	1.36 363

MaskLacGwcNet_RVC	1.35 334	1.35 272	1.35 345	1.35 325	1.35 365	1.35 352	1.35 358	1.36 346	1.35 365	1.36 349	1.35 360	1.36 353	1.36 355	1.36 352	1.35 359	1.35 343	1.35 347	1.35 358	1.35 357	1.35 335	1.35 362

CSP-Net	0.34 144	1.29 268	1.19 287	1.36 326	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	1.26 337	1.21 339	0.03 34	0.09 80	0.02 19	0.09 79

CC-Net-ROB	1.36 335	1.33 271	1.33 342	1.36 326	1.38 368	1.36 353	1.33 356	1.37 347	1.34 363	1.35 348	1.36 361	1.38 354	1.34 354	1.38 353	1.38 361	1.35 343	1.38 350	1.33 357	1.35 357	1.43 337	1.34 361

RASNet	1.49 338	1.65 281	1.45 354	1.38 328	1.43 371	1.47 357	1.36 359	1.38 348	1.36 366	1.39 350	1.60 371	1.45 356	1.45 359	1.51 354	2.21 379	1.53 350	1.36 348	1.36 360	1.36 359	1.66 343	1.36 363

FENet	0.54 204	1.52 277	1.19 287	1.41 329	0.23 154	0.35 164	0.23 142	0.35 153	0.23 147	0.34 157	0.23 150	0.35 163	0.23 149	0.35 165	0.23 146	1.40 346	1.07 274	0.32 157	0.23 150	0.33 148	0.23 133

PASM	0.39 164	3.06 329	1.36 349	1.58 330	0.09 82	0.11 90	0.11 97	0.11 91	0.11 100	0.09 78	0.09 82	0.11 92	0.09 83	0.09 79	0.09 76	0.11 68	0.11 75	0.11 88	0.09 80	0.11 90	0.11 95

DPSMNet_ROB	1.60 341	1.59 279	1.70 361	1.59 331	1.59 373	1.61 358	1.61 369	1.60 349	1.60 372	1.62 357	1.59 370	1.60 358	1.60 362	1.60 355	1.59 367	1.59 351	1.60 357	1.59 365	1.59 370	1.59 342	1.59 370

BEATNet_4x	0.11 59	0.03 27	0.03 28	1.60 332	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.05 55	0.03 37	0.03 30	0.03 28	0.03 34	0.03 42	0.03 39	0.03 39

ADCL	0.11 59	0.03 27	0.03 28	1.60 332	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.05 55	0.03 37	0.03 30	0.03 28	0.03 34	0.03 42	0.03 39	0.03 39

AnyNet_C01	0.11 59	0.02 12	0.02 13	1.62 334	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.03 36	0.02 19	0.02 19	0.02 21	0.06 59	0.04 49	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.03 39

ADCRef	0.12 67	0.03 27	0.04 31	1.71 335	0.04 54	0.03 36	0.03 39	0.04 51	0.04 56	0.04 54	0.03 40	0.04 51	0.03 42	0.06 59	0.04 49	0.04 32	0.04 33	0.04 48	0.04 52	0.03 39	0.04 53

test-3	0.98 273	4.13 351	1.85 368	1.85 336	0.61 263	0.69 255	0.37 200	0.63 243	0.61 257	0.66 250	0.51 250	0.73 260	0.44 221	0.57 244	0.54 245	1.68 353	1.81 367	0.40 201	0.43 234	0.66 225	0.50 235

RAFT_CTSACE	1.92 350	3.71 340	1.72 363	1.88 337	1.72 377	2.04 366	1.42 367	2.18 363	1.89 383	2.02 364	1.97 380	1.95 362	2.06 370	1.93 360	1.62 368	1.76 354	1.66 361	2.02 370	1.73 379	1.73 344	1.43 368

GANetREF_RVC	1.55 339	1.94 298	1.22 337	1.88 337	1.21 362	1.88 363	1.22 351	1.88 355	1.22 358	1.88 359	1.22 354	1.88 360	1.22 347	1.89 359	1.22 353	1.87 358	1.22 340	1.88 367	1.22 353	1.88 347	1.22 354
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
psmg	0.43 182	1.91 292	0.92 267	1.91 339	0.02 20	0.02 18	0.03 39	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.03 33	0.02 19	1.97 362	1.44 353	0.04 48	0.03 42	0.02 19	0.03 39

SPS-STEREO	1.59 340	1.91 292	1.21 336	1.94 340	1.20 316	2.00 365	1.23 352	1.99 358	1.24 360	2.00 363	1.25 357	2.03 364	1.26 349	2.00 362	1.29 357	1.90 361	1.18 292	1.89 368	1.21 352	1.89 348	1.20 308
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MFMNet_re	1.81 348	1.91 292	1.71 362	1.95 341	1.70 376	1.95 364	1.70 372	1.96 357	1.74 375	1.97 362	1.72 374	1.95 362	1.71 365	1.97 361	1.71 373	1.86 357	1.62 358	1.85 366	1.66 372	1.86 346	1.64 371

CRFU-Net	0.65 212	1.67 282	1.22 337	1.96 342	0.27 167	0.41 196	0.27 157	0.41 186	0.27 167	0.40 176	0.26 165	0.41 194	0.27 168	0.40 185	0.27 159	1.80 356	1.62 358	0.34 171	0.23 150	0.33 148	0.23 133

NINENet	0.69 221	3.87 347	1.20 290	1.98 343	0.05 69	0.40 182	0.04 54	0.40 174	0.05 69	0.41 187	0.04 63	0.41 194	0.05 64	0.40 185	0.05 59	1.79 355	1.56 356	0.34 171	0.22 145	0.34 152	0.23 133

error version	0.93 267	4.47 355	2.35 376	1.99 344	0.37 210	0.41 196	0.36 196	0.41 186	0.35 198	0.43 202	0.36 200	0.41 194	0.40 205	0.41 197	0.36 197	1.87 358	2.16 369	0.47 230	0.37 213	0.39 183	0.33 189

test_1	0.93 267	4.47 355	2.35 376	1.99 344	0.37 210	0.41 196	0.36 196	0.41 186	0.35 198	0.43 202	0.36 200	0.41 194	0.40 205	0.41 197	0.36 197	1.87 358	2.16 369	0.47 230	0.37 213	0.39 183	0.33 189

MC-Stereo	1.76 345	2.96 328	1.37 350	2.14 346	1.37 367	2.14 367	1.36 359	2.14 362	1.37 367	2.14 368	1.37 362	2.14 365	1.37 356	2.14 366	1.37 360	1.97 362	1.32 341	1.97 369	1.32 356	1.98 349	1.33 360

ADCP+	0.15 89	0.04 31	0.04 31	2.20 347	0.04 54	0.04 51	0.04 54	0.04 51	0.04 56	0.04 54	0.05 71	0.04 51	0.04 58	0.08 76	0.04 49	0.04 32	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53

AnyNet_C32	0.14 79	0.04 31	0.03 28	2.22 348	0.04 54	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.04 51	0.02 21	0.07 73	0.04 49	0.02 14	0.02 14	0.03 34	0.03 42	0.02 19	0.03 39

BEATNet-Init1	0.19 100	0.08 45	0.08 47	2.23 349	0.08 80	0.08 74	0.07 78	0.07 75	0.08 82	0.08 75	0.07 79	0.08 76	0.07 80	0.11 91	0.08 73	0.08 47	0.08 46	0.08 72	0.07 74	0.08 76	0.08 76

DeepPrunerF	0.19 100	0.08 45	0.08 47	2.23 349	0.08 80	0.08 74	0.07 78	0.07 75	0.08 82	0.08 75	0.07 79	0.08 76	0.07 80	0.11 91	0.08 73	0.08 47	0.08 46	0.08 72	0.07 74	0.08 76	0.08 76

TRStereo	2.00 351	2.13 302	1.85 368	2.27 351	1.84 379	2.28 369	1.84 374	2.29 365	1.86 380	2.30 370	1.87 375	2.30 367	1.87 367	2.08 363	1.72 375	2.08 366	1.72 363	2.08 371	1.72 376	2.08 350	1.72 374

XX-Stereo	2.00 351	2.13 302	1.85 368	2.27 351	1.84 379	2.28 369	1.84 374	2.29 365	1.86 380	2.30 370	1.87 375	2.30 367	1.87 367	2.08 363	1.72 375	2.08 366	1.72 363	2.08 371	1.72 376	2.08 350	1.72 374

EAI-Stereo	2.00 351	2.13 302	1.85 368	2.27 351	1.84 379	2.28 369	1.84 374	2.29 365	1.86 380	2.30 370	1.87 375	2.30 367	1.87 367	2.08 363	1.72 375	2.08 366	1.72 363	2.08 371	1.72 376	2.08 350	1.72 374

NCCL2	2.28 359	2.27 308	2.28 374	2.28 354	2.28 386	2.27 368	2.29 380	2.28 364	2.28 384	2.27 369	2.28 385	2.28 366	2.27 374	2.27 370	2.28 384	2.28 369	2.28 372	2.27 374	2.29 384	2.27 354	2.29 380

STTStereo	3.73 386	30.40 415	2.37 378	2.39 355	2.31 388	2.35 372	2.33 381	2.29 365	2.42 385	2.32 373	2.34 386	2.33 370	2.36 375	2.30 371	2.27 383	2.35 371	2.22 371	2.31 375	2.22 381	2.29 356	2.34 384

iRaftStereo_RVC	0.97 271	3.17 332	2.30 375	2.42 356	0.38 215	0.54 240	0.38 205	0.54 229	0.38 206	0.54 235	0.38 208	0.54 239	0.38 200	0.54 236	0.38 204	2.38 372	2.34 373	0.49 241	0.36 210	0.49 212	0.36 195

UDGNet	2.23 358	5.40 366	1.72 363	2.48 357	1.69 375	2.51 374	1.69 371	2.51 371	1.72 374	2.50 375	1.69 373	2.52 375	1.69 364	2.50 374	1.68 372	2.41 373	1.70 362	2.42 377	1.69 375	2.42 358	1.64 371

IGEVStereo-DCA	1.77 346	4.21 352	1.84 366	2.49 358	2.11 384	2.54 375	1.36 359	1.65 352	1.17 309	2.75 377	1.90 378	2.54 376	1.15 293	0.94 280	1.11 296	1.50 348	1.32 341	0.96 288	1.46 367	1.49 339	0.88 280

rrr	1.77 346	4.21 352	1.84 366	2.49 358	2.11 384	2.54 375	1.36 359	1.65 352	1.17 309	2.75 377	1.90 378	2.54 376	1.15 293	0.94 280	1.11 296	1.50 348	1.32 341	0.96 288	1.46 367	1.49 339	0.88 280

FBW_ROB	2.12 357	2.46 312	1.77 365	2.49 358	1.79 378	2.38 373	1.83 373	2.46 370	1.78 376	2.48 374	1.97 380	2.40 374	1.78 366	2.42 373	1.83 378	2.31 370	1.85 368	2.38 376	1.82 380	2.35 357	1.84 378

IER	0.88 259	7.04 369	2.23 373	2.75 361	0.28 170	0.43 216	0.25 148	0.39 170	0.25 151	0.41 187	0.27 168	0.39 179	0.25 152	0.40 185	0.28 163	0.37 176	0.28 153	0.37 188	0.25 158	0.37 171	0.25 143

Anonymous	2.11 356	2.74 321	1.41 353	2.77 362	1.40 370	2.74 378	1.46 368	2.75 374	1.50 371	2.87 380	1.39 364	2.74 378	1.46 360	2.72 377	1.41 364	2.72 374	1.41 351	2.81 379	1.41 362	3.16 367	1.39 366

sCroCo_RVC	2.10 355	2.76 322	1.92 372	2.78 363	1.39 369	2.73 377	1.41 366	2.73 373	1.40 369	2.77 379	1.41 366	2.74 378	1.40 358	2.74 378	1.40 362	2.72 374	1.42 352	2.72 378	1.44 366	2.79 364	1.42 367

NLCA_NET_v2_RVC	5.04 399	50.87 422	2.78 380	2.87 364	2.71 389	2.78 379	0.47 231	2.88 378	2.86 389	1.89 360	2.67 387	2.79 380	2.79 379	2.78 379	2.83 385	2.82 376	2.82 375	2.83 380	2.77 387	2.83 365	2.76 388
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
test croco	1.88 349	3.16 331	0.64 234	3.10 365	0.65 268	3.10 381	0.64 255	3.12 380	0.65 261	3.10 381	0.65 269	3.11 381	0.65 254	3.12 380	0.65 258	3.12 378	0.65 242	3.13 381	0.65 264	3.13 366	0.65 255

MIF-Stereo (partial)	2.58 373	3.31 335	0.66 239	3.18 366	0.66 273	3.18 382	0.66 258	3.21 381	0.67 264	3.19 382	0.66 271	3.19 382	0.66 256	3.31 384	0.68 265	5.09 388	1.79 366	8.23 406	1.67 373	6.18 391	1.38 365

AEACV	1.12 283	0.52 159	3.12 382	3.24 367	0.86 290	0.53 239	0.49 239	0.60 239	0.47 231	0.53 234	0.49 245	0.55 242	0.45 222	0.55 238	0.47 231	3.01 377	3.88 379	0.71 262	0.60 258	0.80 246	0.48 229

Anonymous3	2.55 372	3.26 334	1.65 359	3.28 368	1.63 374	3.24 383	1.68 370	3.27 382	1.66 373	3.28 383	1.67 372	3.25 383	1.66 363	3.27 382	1.64 369	3.26 379	1.65 360	3.30 382	1.65 371	4.95 384	1.65 373

MIF-Stereo	2.03 354	3.43 336	0.72 249	3.42 369	0.73 281	3.27 384	0.68 262	3.38 384	0.69 268	3.29 384	0.72 279	3.28 384	0.70 264	3.35 385	0.68 265	3.39 380	0.68 246	3.31 383	0.69 273	3.37 368	0.73 267

HCRNet	1.22 330	7.11 370	3.00 381	3.55 370	0.33 200	0.29 150	0.14 113	0.19 112	0.15 127	0.33 155	0.29 175	0.25 139	0.14 117	0.22 130	0.33 183	3.64 381	3.00 376	0.76 269	0.32 199	0.18 114	0.13 113

DPSNet	3.66 385	3.60 337	3.62 386	3.63 371	3.64 394	3.65 387	3.65 393	3.66 387	3.67 392	3.67 385	3.65 392	3.67 386	3.66 382	3.66 386	3.68 389	3.68 382	3.66 377	3.67 387	3.68 393	3.67 369	3.67 392

sAnonymous2	3.31 383	2.63 315	1.38 351	3.71 372	1.86 382	4.70 395	1.11 295	4.82 397	2.72 387	5.45 399	1.98 382	4.59 395	2.64 376	2.65 375	6.21 401	4.37 383	1.08 278	5.16 397	2.24 382	4.52 380	2.39 385

CroCo_RVC	3.31 383	2.63 315	1.38 351	3.71 372	1.86 382	4.70 395	1.11 295	4.82 397	2.72 387	5.45 399	1.98 382	4.59 395	2.64 376	2.65 375	6.21 401	4.37 383	1.08 278	5.16 397	2.24 382	4.52 380	2.39 385

BUS	0.83 251	1.91 292	0.92 267	4.48 374	0.02 20	0.40 182	0.04 54	0.41 186	0.02 20	0.48 215	0.03 40	0.41 194	0.05 64	0.03 33	0.05 59	1.97 362	4.19 381	0.33 164	0.23 150	0.34 152	0.27 154

BSDual-CNN	0.81 243	1.91 292	0.92 267	4.48 374	0.02 20	0.42 212	0.06 75	0.41 186	0.02 20	0.48 215	0.03 40	0.02 19	0.02 21	0.03 33	0.02 19	1.97 362	4.19 381	0.33 164	0.23 150	0.34 152	0.27 154

hknet	1.10 280	1.85 290	3.49 384	4.48 374	0.02 20	0.42 212	0.06 75	0.41 186	0.02 20	0.48 215	0.03 40	0.41 194	0.03 42	0.42 208	0.03 37	4.39 385	4.19 381	0.33 164	0.23 150	0.34 152	0.27 154

StereoVision	3.15 381	5.00 363	0.89 262	4.83 377	1.00 301	3.93 388	1.27 355	6.37 400	1.34 363	5.67 401	1.26 358	5.84 402	1.27 350	5.03 398	1.24 354	5.10 389	1.09 280	4.61 394	0.57 254	5.62 389	1.12 299

TestStereo	4.88 396	4.75 359	4.79 388	4.87 378	4.92 402	4.81 398	4.90 401	4.78 396	4.77 402	4.87 395	4.89 401	4.90 398	4.91 393	4.99 397	4.79 399	4.98 387	4.87 385	4.87 396	4.92 402	5.00 385	5.00 401

DispFullNet	4.61 392	4.84 360	3.12 382	5.00 379	3.57 393	4.75 397	3.03 388	7.75 406	4.17 399	4.91 396	3.09 388	6.20 403	3.95 387	6.71 402	3.51 388	5.30 390	3.67 378	5.86 403	3.63 390	5.61 388	3.46 390

CFNet	1.37 336	5.27 365	0.19 123	5.49 380	0.19 142	0.28 147	0.19 127	0.28 140	0.19 137	0.28 144	0.19 139	0.28 149	4.35 390	0.28 153	0.19 135	0.23 134	0.17 125	0.23 134	4.21 400	4.81 382	0.17 122

RAFT+CT+SA	4.28 387	7.62 374	4.91 389	5.55 381	2.28 386	3.09 380	3.64 392	4.49 394	3.07 390	4.80 394	3.35 389	4.77 397	3.70 383	4.29 393	3.05 386	5.58 391	5.98 390	3.58 386	3.78 395	4.26 376	3.72 393

StereoIM	3.19 382	6.02 368	1.12 279	5.61 382	1.16 312	5.43 400	1.02 292	5.15 399	0.70 270	5.43 398	1.21 353	5.03 400	0.97 280	4.85 396	0.99 290	4.53 386	1.16 289	5.53 399	1.25 354	5.37 387	1.30 358

AANet_RVC	1.26 332	0.31 106	4.99 390	5.93 383	0.20 143	0.25 136	0.20 129	0.25 134	0.20 138	0.23 129	0.19 139	0.25 139	0.20 140	0.25 140	0.20 136	5.66 392	4.76 384	0.26 143	0.30 190	0.24 131	0.27 154

SA	4.33 388	7.35 371	6.85 399	5.96 384	4.09 398	3.59 386	3.15 389	3.82 388	2.64 386	3.91 386	3.85 393	3.57 385	2.72 378	3.13 381	4.03 394	7.09 402	6.86 395	3.57 385	3.12 388	3.85 370	3.51 391

SGM-Forest	5.21 400	5.92 367	4.08 387	6.18 385	4.16 399	6.31 402	4.34 400	6.50 401	4.33 400	6.14 403	4.21 398	6.61 406	4.55 392	6.67 401	4.48 398	5.94 394	3.94 380	5.85 402	4.03 399	5.79 390	4.17 399
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
test_5	4.62 393	7.55 373	6.23 394	6.32 386	3.40 392	5.29 399	3.50 391	3.53 386	4.11 398	4.28 390	4.47 400	4.26 393	4.38 391	3.68 387	3.24 387	5.89 393	5.60 387	4.84 395	3.50 389	4.33 377	3.93 398

cross-raft	4.83 395	7.52 372	6.43 395	6.63 387	3.96 397	4.51 394	3.99 397	4.49 394	3.96 397	4.52 393	3.96 395	4.50 394	3.97 388	4.50 395	3.97 393	6.65 397	6.44 392	4.33 391	3.92 397	4.35 378	3.91 397

raft_robust	4.71 394	7.75 375	5.40 393	6.81 388	3.31 391	4.28 393	4.20 399	4.32 393	4.37 401	4.35 392	4.35 399	4.14 391	3.75 384	4.30 394	4.20 397	6.67 398	6.37 391	3.36 384	4.24 401	4.86 383	3.25 389

TestStereo1	4.60 390	8.41 378	6.44 396	6.86 389	3.79 395	3.97 389	3.78 394	3.99 390	3.74 393	3.97 387	3.52 390	3.94 389	3.58 380	3.98 389	3.72 390	6.82 399	6.50 393	3.76 388	3.66 391	3.90 371	3.74 395

SA-5K	4.60 390	8.41 378	6.44 396	6.86 389	3.79 395	3.97 389	3.78 394	3.99 390	3.74 393	3.97 387	3.52 390	3.94 389	3.58 380	3.98 389	3.72 390	6.82 399	6.50 393	3.76 388	3.66 391	3.90 371	3.74 395

Sa-1000	4.34 389	8.37 377	6.84 398	6.98 391	4.45 401	3.58 385	3.00 387	3.42 385	3.39 391	2.61 376	4.00 396	3.83 388	4.01 389	3.90 388	3.90 392	5.98 395	5.62 388	3.76 388	2.34 385	4.35 378	2.47 387

test_4	4.88 396	8.13 376	6.98 400	7.46 392	4.44 400	4.25 392	3.85 396	4.04 392	3.92 396	4.13 389	3.91 394	4.18 392	3.84 385	4.14 391	4.06 395	7.01 401	7.13 396	4.53 392	3.72 394	4.09 374	3.72 393

test_3	5.01 398	8.86 381	7.77 402	8.09 393	2.76 390	4.13 391	4.05 398	3.88 389	3.76 395	4.33 391	4.13 397	3.71 387	3.91 386	4.21 392	4.06 395	7.93 403	7.69 398	4.53 392	3.91 396	4.17 375	4.29 400

test-1	6.46 401	9.16 383	8.03 405	8.09 393	5.62 404	6.11 401	6.35 403	6.85 403	4.94 403	6.08 402	6.29 405	4.98 399	6.43 397	6.22 399	6.36 403	6.16 396	7.47 397	5.82 401	5.44 404	7.11 396	5.68 403

RAFT	6.73 402	9.36 384	7.40 401	8.51 395	6.55 405	6.88 403	6.60 404	6.79 402	6.60 405	6.80 404	6.72 406	5.31 401	5.50 395	6.61 400	6.61 404	8.42 404	5.89 389	5.73 400	5.45 405	6.61 392	6.24 404

SGM+DAISY	7.06 403	9.15 382	5.38 392	8.84 396	5.18 403	8.80 406	5.31 402	8.79 407	5.28 404	8.89 407	5.20 402	8.93 407	5.33 394	8.95 407	5.36 400	8.70 405	5.21 386	8.74 407	5.20 403	8.89 401	5.15 402

CFNet_RVC	2.38 368	8.71 380	0.38 180	9.33 397	0.42 234	0.56 242	0.42 222	0.60 239	0.38 206	0.62 247	0.42 225	0.56 244	7.29 401	0.62 247	0.42 223	0.53 230	0.37 180	0.49 241	0.34 205	8.30 399	6.87 405

test-v	7.53 404	11.89 392	7.98 403	9.36 398	7.14 406	7.06 404	7.09 405	7.37 404	6.91 406	7.29 405	5.71 403	6.45 404	6.93 398	6.73 403	7.27 405	8.93 406	7.85 399	6.98 404	6.80 406	7.56 397	7.34 406

test-2	7.53 404	11.89 392	7.98 403	9.36 398	7.14 406	7.06 404	7.09 405	7.37 404	6.91 406	7.29 405	5.71 403	6.45 404	6.93 398	6.73 403	7.27 405	8.93 406	7.85 399	6.98 404	6.80 406	7.56 397	7.34 406

MSMDNet	2.65 374	10.14 390	0.33 166	9.74 400	0.32 191	0.87 271	0.33 183	2.95 379	0.68 265	0.49 220	0.34 196	0.49 226	5.70 396	0.49 228	0.33 183	0.42 210	9.57 402	0.41 212	0.31 195	8.36 400	0.65 255

Anonymous Stereo	2.36 363	18.47 394	11.50 406	9.80 401	0.53 254	0.28 147	0.50 241	0.58 236	0.53 246	0.59 243	0.53 253	0.66 254	0.52 243	0.62 247	0.41 217	0.36 172	0.37 180	0.31 156	0.19 140	0.20 117	0.22 131

pcwnet_v2	2.66 375	9.89 388	0.33 166	9.89 402	0.32 191	0.50 235	0.32 176	0.49 216	0.33 190	0.49 220	0.34 196	0.49 226	8.76 403	0.48 222	0.33 183	0.41 197	9.58 403	0.40 201	0.29 183	9.01 402	0.63 253

CFNet_ucs	2.73 377	9.64 386	0.33 166	9.92 403	0.32 191	0.49 229	0.33 183	0.49 216	0.33 190	0.49 220	0.33 190	0.49 226	8.98 404	0.48 222	0.33 183	0.41 197	9.96 407	0.40 201	0.29 183	10.12 407	0.54 239

ccs_rob	2.79 379	10.17 391	0.32 162	10.00 404	0.33 200	0.49 229	0.33 183	1.90 356	0.32 187	0.51 230	0.33 190	0.49 226	9.24 405	0.49 228	0.33 183	0.41 197	9.82 405	0.41 212	0.28 174	9.34 403	0.29 170

PCWNet_CMD	2.80 380	9.82 387	0.32 162	10.09 405	0.32 191	0.49 229	0.33 183	3.34 383	0.33 190	0.49 220	0.33 190	0.49 226	8.73 402	0.48 222	0.33 183	0.41 197	9.22 401	0.42 221	0.29 183	9.55 404	0.31 182

UCFNet_RVC	2.75 378	10.06 389	0.29 150	10.31 406	0.29 176	0.42 212	0.29 167	0.43 204	0.29 172	0.42 198	0.29 175	0.42 210	9.87 406	0.43 209	0.29 169	0.36 172	9.84 406	0.36 186	0.26 164	9.77 405	0.26 149

CFNet_pseudo	2.67 376	9.36 384	0.32 162	10.99 407	0.33 200	0.85 270	0.33 183	0.49 216	0.33 190	0.49 220	0.32 187	0.49 226	7.26 400	0.49 228	0.33 183	0.41 197	9.62 404	0.41 212	0.29 183	10.03 406	0.29 170

rafts_anoy	20.00 408	20.00 395	20.00 408	20.00 408	20.00 409	20.00 407	20.00 408	20.00 408	20.00 409	20.00 408	20.00 408	20.00 408	20.00 408	20.00 408	20.00 408	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409

raft+_RVC	20.00 408	20.00 395	20.00 408	20.00 408	20.00 409	20.00 407	20.00 408	20.00 408	20.00 409	20.00 408	20.00 408	20.00 408	20.00 408	20.00 408	20.00 408	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409

raftrobust	20.00 408	20.00 395	20.00 408	20.00 408	20.00 409	20.00 407	20.00 408	20.00 408	20.00 409	20.00 408	20.00 408	20.00 408	20.00 408	20.00 408	20.00 408	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409

CasAABBNet	20.00 408	20.00 395	20.00 408	20.00 408	20.00 409	20.00 407	20.00 408	20.00 408	20.00 409	20.00 408	20.00 408	20.00 408	20.00 408	20.00 408	20.00 408	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409

RALCasStereoNet	20.00 408	20.00 395	20.00 408	20.00 408	20.00 409	20.00 407	20.00 408	20.00 408	20.00 409	20.00 408	20.00 408	20.00 408	20.00 408	20.00 408	20.00 408	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409

RALAANet	20.00 408	20.00 395	20.00 408	20.00 408	20.00 409	20.00 407	20.00 408	20.00 408	20.00 409	20.00 408	20.00 408	20.00 408	20.00 408	20.00 408	20.00 408	20.00 408	20.00 409	20.00 408	20.00 409	20.00 408	20.00 409

MANE	19.05 407	23.00 401	15.00 407	23.00 414	15.00 408	24.00 413	16.00 407	24.00 414	16.00 408	22.00 414	15.00 407	23.00 414	16.00 407	23.00 414	15.00 407	22.00 414	15.00 408	22.00 414	15.00 408	22.00 414	15.00 408

fff	1000028.16 430	29.62 412	29.72 415	32.61 415	30.02 416	35.13 416	31.83 416	32.07 416	10000000.00 431	35.27 418	29.82 416	32.45 416	30.15 415	32.35 416	30.09 415	31.04 416	29.55 417	30.64 416	30.14 416	10000000.00 431	30.77 417

csc	1000028.16 430	29.62 412	29.72 415	32.61 415	30.02 416	35.13 416	31.83 416	32.07 416	10000000.00 431	35.27 418	29.82 416	32.45 416	30.15 415	32.35 416	30.09 415	31.04 416	29.55 417	30.64 416	30.14 416	10000000.00 431	30.77 417

cscssc	1000028.16 430	29.62 412	29.72 415	32.61 415	30.02 416	35.13 416	31.83 416	32.07 416	10000000.00 431	35.27 418	29.82 416	32.45 416	30.15 415	32.35 416	30.09 415	31.04 416	29.55 417	30.64 416	30.14 416	10000000.00 431	30.77 417

111	30.40 414	30.94 416	29.72 415	32.61 415	30.02 416	33.57 414	30.47 415	31.50 415	29.39 416	30.98 415	29.11 415	29.78 415	30.39 418	29.45 415	30.76 418	30.08 415	29.02 416	29.92 415	30.32 419	29.86 415	30.17 416

DCANet-4	35.22 416	34.54 417	35.08 421	33.58 419	35.47 423	34.55 415	35.53 422	36.08 421	35.85 420	35.92 421	35.77 421	35.18 421	35.48 420	35.39 421	37.15 421	34.55 421	33.92 420	35.02 422	34.90 421	35.79 419	34.74 423

ADStereo(finetuned)	36.13 417	36.63 421	38.07 422	36.97 420	33.25 420	35.91 419	34.45 419	36.36 422	32.99 417	38.14 423	36.71 422	36.69 422	34.13 419	38.57 423	40.79 422	37.60 423	36.58 423	35.90 423	33.36 420	35.42 418	34.04 420

tt	500032.53 428	34.60 418	29.72 415	37.47 421	34.41 421	36.85 420	35.22 420	34.71 419	33.55 418	34.50 416	35.43 419	33.81 419	10000000.00 431	33.57 419	33.13 419	33.68 419	35.00 421	34.03 420	35.26 422	30.96 416	34.63 421

DCANet	500032.53 428	34.60 418	29.72 415	37.47 421	34.41 421	36.85 420	35.22 420	34.71 419	33.55 418	34.50 416	35.43 419	33.81 419	10000000.00 431	33.57 419	33.13 419	33.68 419	35.00 421	34.03 420	35.26 422	30.96 416	34.63 421

WCMA_ROB	31.10 415	35.43 420	27.12 414	39.51 423	23.10 415	38.78 422	25.30 414	37.49 423	25.39 415	37.29 422	27.02 414	38.52 423	26.48 414	37.80 422	26.44 414	36.28 422	22.65 415	33.90 419	22.30 415	37.10 420	24.18 415

NOSS_ROB	102.95 419	153.00 426	121.00 426	51.00 424	44.00 424	165.00 426	127.00 425	153.00 426	119.00 423	164.00 427	125.00 425	168.00 427	120.00 423	153.00 426	117.00 425	49.00 424	44.00 424	49.00 424	44.00 424	49.00 421	44.00 424

CBMV	128.50 420	1422.70 433	53.10 424	79.50 425	51.30 425	77.30 424	49.70 423	74.00 424	48.20 422	77.20 425	48.80 424	73.90 425	48.00 422	73.80 425	48.80 424	70.40 425	45.10 425	68.90 425	46.10 425	68.20 422	45.00 425
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MDST_ROB	69.83 418	87.70 423	41.95 423	113.75 426	65.62 426	75.05 423	55.25 424	75.64 425	45.04 421	71.61 424	41.75 423	72.81 424	44.06 421	68.38 424	44.63 423	101.89 426	59.57 426	107.10 426	61.05 426	104.38 423	59.38 426

MeshStereo	159.24 421	171.00 427	160.68 428	162.58 427	160.59 427	164.01 425	160.35 426	158.51 427	158.56 424	158.34 426	160.12 426	158.56 426	159.92 424	157.26 427	158.94 426	154.38 427	158.36 427	155.75 427	159.13 427	153.67 424	154.07 427
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	201.80 422	123.00 424	115.00 425	219.00 428	218.00 429	223.00 427	244.00 428	217.00 428	236.00 426	202.00 428	203.00 427	205.00 428	208.00 425	225.00 428	204.00 427	210.00 428	198.00 428	197.00 428	184.00 428	204.00 425	201.00 428

EGLCR-Stereo	246.90 423	129.00 425	139.00 427	266.00 429	286.00 430	277.00 428	305.00 429	271.00 429	242.00 427	274.00 429	279.00 429	255.00 429	270.00 427	268.00 429	297.00 429	230.00 429	247.00 430	216.00 429	223.00 430	237.00 426	227.00 430

DLCB_ROB	284.23 424	354.61 429	207.27 429	363.24 430	206.46 428	364.72 429	210.41 427	364.72 430	210.41 425	364.81 430	208.64 428	364.81 430	208.64 426	364.72 430	210.41 428	354.70 430	205.53 429	354.70 430	205.53 429	354.70 427	205.53 429

LE_ROB	396.57 425	471.28 430	329.84 430	471.48 431	308.15 431	526.83 430	322.10 430	488.15 431	323.76 428	495.46 431	317.97 430	497.17 431	320.10 428	481.62 431	326.76 430	462.71 431	298.97 431	466.16 431	285.98 431	447.62 428	289.21 431

SGM-ForestM	596.69 426	677.77 431	444.52 431	699.85 432	517.25 432	732.94 431	488.29 431	770.79 432	460.11 429	750.81 432	487.98 431	792.79 432	499.41 429	730.90 432	475.81 431	720.03 432	491.16 432	663.96 432	418.60 432	674.76 429	436.05 432

CBMV_ROB	818.48 427	913.88 432	709.52 432	862.84 433	597.78 433	1073.99 432	700.52 432	1015.66 433	702.59 430	1115.65 433	760.02 432	1130.24 433	721.57 430	1037.41 433	692.65 432	814.05 433	564.29 433	843.28 433	595.31 433	915.51 430	602.92 433

SDNR	10000000.00 433	10000000.00 434	10000000.00 433	10000000.00 434	10000000.00 434	10000000.00 433	10000000.00 433	10000000.00 434	10000000.00 431	10000000.00 434	10000000.00 433	10000000.00 434	10000000.00 431	10000000.00 434	10000000.00 433	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 431	10000000.00 434

anonymousdsp2	10000000.00 433	10000000.00 434	10000000.00 433	10000000.00 434	10000000.00 434	10000000.00 433	10000000.00 433	10000000.00 434	10000000.00 431	10000000.00 434	10000000.00 433	10000000.00 434	10000000.00 431	10000000.00 434	10000000.00 433	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 431	10000000.00 434

anonymousdsp	10000000.00 433	10000000.00 434	10000000.00 433	10000000.00 434	10000000.00 434	10000000.00 433	10000000.00 433	10000000.00 434	10000000.00 431	10000000.00 434	10000000.00 433	10000000.00 434	10000000.00 431	10000000.00 434	10000000.00 433	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 431	10000000.00 434

test_example2	10000000.00 433	10000000.00 434	10000000.00 433	10000000.00 434	10000000.00 434	10000000.00 433	10000000.00 433	10000000.00 434	10000000.00 431	10000000.00 434	10000000.00 433	10000000.00 434	10000000.00 431	10000000.00 434	10000000.00 433	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 431	10000000.00 434

DIP-Stereo	10000000.00 433	10000000.00 434	10000000.00 433	10000000.00 434	10000000.00 434	10000000.00 433	10000000.00 433	10000000.00 434	10000000.00 431	10000000.00 434	10000000.00 433	10000000.00 434	10000000.00 431	10000000.00 434	10000000.00 433	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 434	10000000.00 431	10000000.00 434
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022

Low-res two-view benchmark