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

MLG-Stereo_test1	0.06 1	0.05 17	0.08 29	0.17 214	0.05 1	0.06 8	0.11 45	0.08 3	0.03 1	0.05 1	0.04 1	0.06 16	0.05 9	0.09 33	0.09 52	0.05 26	0.04 21	0.05 23	0.03 1	0.04 15	0.04 40

MLG-Stereo_test2	0.06 1	0.04 1	0.10 105	0.15 69	0.05 1	0.07 27	0.11 45	0.09 10	0.04 2	0.06 9	0.05 7	0.06 16	0.04 1	0.08 15	0.09 52	0.06 113	0.04 21	0.05 23	0.03 1	0.05 98	0.05 120

MLG-Stereo	0.07 4	0.05 17	0.08 29	0.17 214	0.05 1	0.07 27	0.11 45	0.08 3	0.04 2	0.05 1	0.04 1	0.06 16	0.05 9	0.10 59	0.09 52	0.05 26	0.04 21	0.05 23	0.03 1	0.04 15	0.04 40

MLG-Stereo_test3	0.07 4	0.05 17	0.10 105	0.14 29	0.06 13	0.07 27	0.11 45	0.08 3	0.06 4	0.06 9	0.04 1	0.06 16	0.06 34	0.07 4	0.10 120	0.06 113	0.04 21	0.05 23	0.04 34	0.05 98	0.06 195

LG-G_1	0.07 4	0.04 1	0.11 146	0.15 69	0.06 13	0.09 77	0.08 7	0.08 3	0.06 4	0.06 9	0.05 7	0.07 62	0.07 102	0.11 105	0.08 17	0.07 235	0.04 21	0.05 23	0.04 34	0.05 98	0.05 120

LG-G	0.07 4	0.04 1	0.11 146	0.15 69	0.06 13	0.09 77	0.08 7	0.08 3	0.06 4	0.06 9	0.05 7	0.07 62	0.07 102	0.11 105	0.08 17	0.07 235	0.04 21	0.05 23	0.04 34	0.05 98	0.05 120

LGtest1	0.07 4	0.04 1	0.10 105	0.15 69	0.06 13	0.07 27	0.09 18	0.08 3	0.06 4	0.05 1	0.04 1	0.06 16	0.06 34	0.10 59	0.09 52	0.07 235	0.04 21	0.05 23	0.04 34	0.06 189	0.06 195

LG-Stereo_L1	0.07 4	0.05 17	0.11 146	0.14 29	0.06 13	0.07 27	0.13 100	0.09 10	0.07 8	0.05 1	0.04 1	0.05 1	0.04 1	0.08 15	0.07 1	0.05 26	0.04 21	0.05 23	0.03 1	0.04 15	0.04 40

Selective-IGEV	0.07 4	0.06 54	0.08 29	0.17 214	0.06 13	0.08 48	0.12 62	0.13 57	0.07 8	0.08 61	0.07 36	0.06 16	0.04 1	0.10 59	0.09 52	0.05 26	0.04 21	0.05 23	0.04 34	0.04 15	0.03 1

asd	0.07 4	0.08 232	0.07 6	0.16 140	0.07 70	0.08 48	0.08 7	0.11 26	0.08 10	0.07 29	0.07 36	0.06 16	0.06 34	0.10 59	0.09 52	0.03 1	0.03 1	0.04 1	0.04 34	0.04 15	0.03 1

4.25_new	0.07 4	0.08 232	0.09 70	0.15 69	0.06 13	0.09 77	0.08 7	0.14 73	0.08 10	0.07 29	0.07 36	0.06 16	0.06 34	0.12 186	0.10 120	0.03 1	0.03 1	0.04 1	0.03 1	0.04 15	0.03 1

4.5w_new	0.07 4	0.08 232	0.09 70	0.15 69	0.06 13	0.09 77	0.08 7	0.14 73	0.08 10	0.07 29	0.07 36	0.06 16	0.06 34	0.12 186	0.10 120	0.03 1	0.03 1	0.04 1	0.03 1	0.04 15	0.03 1

4.25w-stereo	0.07 4	0.08 232	0.09 70	0.15 69	0.06 13	0.09 77	0.08 7	0.14 73	0.08 10	0.07 29	0.07 36	0.06 16	0.06 34	0.12 186	0.10 120	0.03 1	0.03 1	0.04 1	0.03 1	0.04 15	0.03 1

4w-stereo	0.07 4	0.08 232	0.08 29	0.16 140	0.06 13	0.07 27	0.08 7	0.12 41	0.08 10	0.07 29	0.07 36	0.05 1	0.06 34	0.09 33	0.10 120	0.03 1	0.03 1	0.04 1	0.04 34	0.04 15	0.03 1

monsters	0.07 4	0.06 54	0.06 2	0.15 69	0.06 13	0.08 48	0.09 18	0.12 41	0.08 10	0.09 90	0.07 36	0.06 16	0.06 34	0.08 15	0.08 17	0.05 26	0.04 21	0.04 1	0.04 34	0.03 1	0.03 1

LG-Stereo	0.08 43	0.07 135	0.10 105	0.18 295	0.07 70	0.10 123	0.17 312	0.11 26	0.08 10	0.05 1	0.07 36	0.05 1	0.07 102	0.09 33	0.09 52	0.04 11	0.05 182	0.07 191	0.07 268	0.04 15	0.04 40

StereoAnything_RVC	0.07 4	0.15 453	0.17 371	0.11 1	0.05 1	0.05 4	0.11 45	0.08 3	0.08 10	0.06 9	0.06 12	0.05 1	0.05 9	0.09 33	0.08 17	0.08 295	0.04 21	0.05 23	0.03 1	0.05 98	0.04 40

AIO_rvc	0.07 4	0.06 54	0.08 29	0.15 69	0.06 13	0.08 48	0.14 148	0.09 10	0.08 10	0.07 29	0.08 68	0.07 62	0.04 1	0.10 59	0.08 17	0.05 26	0.04 21	0.05 23	0.04 34	0.04 15	0.03 1

dual_stereo	0.07 4	0.04 1	0.08 29	0.15 69	0.05 1	0.05 4	0.13 100	0.12 41	0.08 10	0.07 29	0.06 12	0.05 1	0.05 9	0.07 4	0.09 52	0.06 113	0.04 21	0.05 23	0.03 1	0.04 15	0.04 40

MoCha-V2	0.08 43	0.05 17	0.10 105	0.20 399	0.07 70	0.09 77	0.14 148	0.11 26	0.08 10	0.07 29	0.08 68	0.07 62	0.06 34	0.09 33	0.08 17	0.05 26	0.04 21	0.05 23	0.04 34	0.04 15	0.04 40

3.75w	0.07 4	0.07 135	0.08 29	0.16 140	0.07 70	0.07 27	0.09 18	0.16 128	0.09 21	0.07 29	0.06 12	0.05 1	0.06 34	0.09 33	0.10 120	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

111111	0.07 4	0.04 1	0.09 70	0.17 214	0.06 13	0.05 4	0.10 26	0.11 26	0.09 21	0.06 9	0.06 12	0.07 62	0.05 9	0.09 33	0.09 52	0.06 113	0.04 21	0.05 23	0.04 34	0.07 254	0.06 195

LG-Stereo_L2	0.07 4	0.05 17	0.10 105	0.14 29	0.06 13	0.07 27	0.12 62	0.09 10	0.09 21	0.06 9	0.04 1	0.05 1	0.05 9	0.08 15	0.08 17	0.05 26	0.04 21	0.05 23	0.03 1	0.04 15	0.03 1

GREAT-IGEV	0.07 4	0.06 54	0.08 29	0.13 12	0.07 70	0.07 27	0.14 148	0.09 10	0.09 21	0.06 9	0.07 36	0.06 16	0.05 9	0.10 59	0.07 1	0.05 26	0.04 21	0.05 23	0.04 34	0.05 98	0.04 40

FoundationStereo	0.06 1	0.04 1	0.08 29	0.12 4	0.05 1	0.09 77	0.13 100	0.06 1	0.09 21	0.05 1	0.05 7	0.06 16	0.04 1	0.06 1	0.07 1	0.06 113	0.04 21	0.05 23	0.03 1	0.05 98	0.04 40

IGEV-Stereo+	0.07 4	0.04 1	0.08 29	0.15 69	0.06 13	0.04 1	0.09 18	0.10 15	0.09 21	0.06 9	0.06 12	0.06 16	0.06 34	0.06 1	0.08 17	0.06 113	0.04 21	0.05 23	0.04 34	0.06 189	0.06 195

AIO-Stereo	0.08 43	0.06 54	0.09 70	0.18 295	0.06 13	0.08 48	0.12 62	0.15 102	0.09 21	0.08 61	0.08 68	0.07 62	0.05 9	0.11 105	0.08 17	0.05 26	0.05 182	0.05 23	0.04 34	0.04 15	0.04 40

IGEV++	0.08 43	0.06 54	0.08 29	0.18 295	0.07 70	0.09 77	0.13 100	0.10 15	0.09 21	0.08 61	0.08 68	0.06 16	0.06 34	0.13 230	0.09 52	0.05 26	0.04 21	0.05 23	0.04 34	0.05 98	0.04 40

AEACV	0.08 43	0.05 17	0.08 29	0.14 29	0.13 434	0.14 273	0.13 100	0.14 73	0.09 21	0.07 29	0.09 86	0.07 62	0.08 137	0.10 59	0.09 52	0.06 113	0.04 21	0.06 99	0.05 104	0.05 98	0.04 40

CAS	0.08 43	0.04 1	0.07 6	0.17 214	0.08 125	0.10 123	0.13 100	0.12 41	0.09 21	0.09 90	0.10 112	0.08 94	0.06 34	0.09 33	0.08 17	0.08 295	0.04 21	0.05 23	0.03 1	0.05 98	0.04 40

CES	0.08 43	0.04 1	0.08 29	0.14 29	0.07 70	0.09 77	0.14 148	0.11 26	0.09 21	0.08 61	0.09 86	0.11 171	0.06 34	0.12 186	0.08 17	0.06 113	0.04 21	0.05 23	0.03 1	0.05 98	0.05 120

AFF-stereo	0.09 77	0.06 54	0.10 105	0.17 214	0.07 70	0.10 123	0.16 279	0.17 164	0.09 21	0.10 122	0.12 155	0.09 119	0.09 163	0.12 186	0.09 52	0.05 26	0.04 21	0.07 191	0.07 268	0.04 15	0.03 1

EAI-Stereo	0.09 77	0.07 135	0.11 146	0.15 69	0.06 13	0.10 123	0.15 214	0.16 128	0.09 21	0.08 61	0.09 86	0.08 94	0.07 102	0.09 33	0.11 183	0.05 26	0.04 21	0.05 23	0.05 104	0.05 98	0.04 40

asda	0.07 4	0.08 232	0.08 29	0.16 140	0.06 13	0.06 8	0.10 26	0.16 128	0.10 34	0.06 9	0.06 12	0.05 1	0.05 9	0.10 59	0.10 120	0.03 1	0.03 1	0.04 1	0.03 1	0.04 15	0.03 1

2.5w	0.07 4	0.07 135	0.07 6	0.16 140	0.06 13	0.08 48	0.12 62	0.10 15	0.10 34	0.07 29	0.06 12	0.09 119	0.06 34	0.08 15	0.09 52	0.04 11	0.03 1	0.04 1	0.04 34	0.03 1	0.03 1

IGEV	0.07 4	0.04 1	0.08 29	0.13 12	0.06 13	0.09 77	0.12 62	0.14 73	0.10 34	0.06 9	0.09 86	0.07 62	0.05 9	0.09 33	0.09 52	0.06 113	0.04 21	0.05 23	0.04 34	0.05 98	0.04 40

LG-Stereo_Zeroshot	0.07 4	0.06 54	0.10 105	0.16 140	0.07 70	0.04 1	0.13 100	0.10 15	0.10 34	0.05 1	0.11 142	0.07 62	0.05 9	0.07 4	0.09 52	0.06 113	0.04 21	0.05 23	0.04 34	0.05 98	0.04 40

S2M2	0.09 77	0.08 232	0.11 146	0.13 12	0.10 335	0.08 48	0.06 1	0.10 15	0.10 34	0.10 122	0.09 86	0.10 150	0.09 163	0.11 105	0.11 183	0.13 464	0.07 371	0.08 272	0.09 376	0.10 407	0.08 338

Reg-Stereo(zero)	0.08 43	0.05 17	0.08 29	0.16 140	0.06 13	0.12 202	0.11 45	0.15 102	0.10 34	0.12 187	0.09 86	0.10 150	0.08 137	0.11 105	0.08 17	0.06 113	0.04 21	0.05 23	0.04 34	0.04 15	0.05 120

HI	0.11 181	0.06 54	0.11 146	0.13 12	0.09 234	0.09 77	0.14 148	0.21 247	0.10 34	0.19 351	0.17 233	0.14 232	0.09 163	0.16 311	0.08 17	0.05 26	0.04 21	0.07 191	0.08 332	0.07 254	0.06 195

CoSv	0.11 181	0.06 54	0.11 146	0.13 12	0.09 234	0.09 77	0.14 148	0.21 247	0.10 34	0.19 351	0.17 233	0.14 232	0.09 163	0.16 311	0.08 17	0.05 26	0.04 21	0.07 191	0.08 332	0.07 254	0.06 195

DEFOM-Stereo_RVC	0.08 43	0.06 54	0.09 70	0.22 443	0.06 13	0.08 48	0.12 62	0.10 15	0.10 34	0.07 29	0.07 36	0.06 16	0.05 9	0.11 105	0.09 52	0.06 113	0.04 21	0.05 23	0.03 1	0.06 189	0.04 40

AIO_test	0.07 4	0.05 17	0.07 6	0.15 69	0.07 70	0.06 8	0.14 148	0.10 15	0.10 34	0.07 29	0.07 36	0.06 16	0.05 9	0.08 15	0.10 120	0.05 26	0.04 21	0.05 23	0.04 34	0.04 15	0.03 1

GCAP-BAT	0.09 77	0.07 135	0.14 260	0.15 69	0.08 125	0.10 123	0.13 100	0.14 73	0.10 34	0.11 149	0.10 112	0.08 94	0.07 102	0.12 186	0.10 120	0.06 113	0.05 182	0.06 99	0.04 34	0.04 15	0.04 40

IGEV-BASED-STEREO-	0.09 77	0.10 364	0.31 476	0.15 69	0.06 13	0.08 48	0.14 148	0.10 15	0.10 34	0.07 29	0.07 36	0.06 16	0.04 1	0.11 105	0.07 1	0.12 441	0.04 21	0.07 191	0.05 104	0.05 98	0.05 120

RSM	0.08 43	0.06 54	0.09 70	0.17 214	0.06 13	0.08 48	0.12 62	0.12 41	0.10 34	0.08 61	0.07 36	0.06 16	0.05 9	0.11 105	0.09 52	0.04 11	0.04 21	0.05 23	0.04 34	0.04 15	0.03 1

trnet	0.08 43	0.05 17	0.07 6	0.12 4	0.05 1	0.12 202	0.11 45	0.13 57	0.10 34	0.08 61	0.13 169	0.09 119	0.08 137	0.11 105	0.10 120	0.08 295	0.05 182	0.05 23	0.03 1	0.06 189	0.05 120

DLNR_Zeroshot_test	10.40 569	1.82 561	19.49 575	120.77 580	13.11 573	0.06 8	0.13 100	0.23 288	0.10 34	0.07 29	0.10 112	0.09 119	0.06 34	0.10 59	0.09 52	0.13 464	0.04 21	0.06 99	0.04 34	51.54 579	0.04 40

testlalala	0.08 43	0.07 135	0.17 371	0.16 140	0.08 125	0.09 77	0.12 62	0.15 102	0.10 34	0.07 29	0.09 86	0.06 16	0.06 34	0.11 105	0.09 52	0.05 26	0.04 21	0.06 99	0.04 34	0.04 15	0.04 40

testlalala_base	0.10 138	0.09 306	0.14 260	0.21 428	0.08 125	0.10 123	0.14 148	0.13 57	0.10 34	0.07 29	0.15 200	0.07 62	0.08 137	0.10 59	0.12 231	0.08 295	0.05 182	0.05 23	0.03 1	0.06 189	0.05 120

HH	0.09 77	0.06 54	0.13 225	0.17 214	0.08 125	0.10 123	0.16 279	0.14 73	0.10 34	0.08 61	0.09 86	0.08 94	0.07 102	0.10 59	0.09 52	0.06 113	0.04 21	0.06 99	0.05 104	0.05 98	0.04 40

HanStereo	0.09 77	0.06 54	0.13 225	0.17 214	0.08 125	0.10 123	0.16 279	0.14 73	0.10 34	0.08 61	0.09 86	0.08 94	0.07 102	0.10 59	0.09 52	0.06 113	0.04 21	0.06 99	0.05 104	0.05 98	0.04 40

LoS_RVC	0.08 43	0.05 17	0.07 6	0.15 69	0.07 70	0.08 48	0.15 214	0.11 26	0.10 34	0.08 61	0.09 86	0.06 16	0.09 163	0.10 59	0.09 52	0.05 26	0.04 21	0.05 23	0.03 1	0.04 15	0.03 1

MC-Stereo	0.08 43	0.06 54	0.09 70	0.17 214	0.06 13	0.10 123	0.14 148	0.12 41	0.10 34	0.09 90	0.12 155	0.09 119	0.06 34	0.11 105	0.10 120	0.06 113	0.04 21	0.06 99	0.05 104	0.04 15	0.04 40

iRaft-Stereo_20w	0.09 77	0.05 17	0.13 225	0.14 29	0.08 125	0.12 202	0.15 214	0.18 193	0.10 34	0.11 149	0.08 68	0.08 94	0.05 9	0.10 59	0.09 52	0.06 113	0.04 21	0.06 99	0.05 104	0.06 189	0.05 120

RAFT-345	0.11 181	0.07 135	0.15 309	0.16 140	0.08 125	0.08 48	0.12 62	0.15 102	0.10 34	0.11 149	0.36 450	0.09 119	0.09 163	0.11 105	0.12 231	0.05 26	0.05 182	0.07 191	0.06 181	0.04 15	0.05 120

CRE-IMP	0.11 181	0.09 306	0.16 343	0.19 351	0.08 125	0.10 123	0.12 62	0.18 193	0.10 34	0.14 235	0.13 169	0.13 212	0.12 250	0.12 186	0.11 183	0.07 235	0.04 21	0.08 272	0.06 181	0.08 316	0.08 338

XX-Stereo	0.09 77	0.05 17	0.08 29	0.17 214	0.09 234	0.15 299	0.12 62	0.20 225	0.10 34	0.10 122	0.14 183	0.07 62	0.06 34	0.12 186	0.08 17	0.06 113	0.05 182	0.06 99	0.06 181	0.04 15	0.04 40

CREStereo	0.09 77	0.04 1	0.08 29	0.11 1	0.06 13	0.13 241	0.14 148	0.14 73	0.10 34	0.08 61	0.13 169	0.09 119	0.08 137	0.11 105	0.10 120	0.08 295	0.04 21	0.05 23	0.03 1	0.06 189	0.06 195
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
qwe	0.07 4	0.08 232	0.07 6	0.15 69	0.06 13	0.07 27	0.10 26	0.18 193	0.11 60	0.07 29	0.07 36	0.06 16	0.06 34	0.10 59	0.09 52	0.03 1	0.03 1	0.04 1	0.04 34	0.04 15	0.03 1

4.5_new	0.07 4	0.09 306	0.08 29	0.15 69	0.07 70	0.06 8	0.10 26	0.14 73	0.11 60	0.06 9	0.08 68	0.06 16	0.06 34	0.08 15	0.10 120	0.03 1	0.03 1	0.04 1	0.04 34	0.04 15	0.03 1

4.5w-stereo	0.07 4	0.09 306	0.08 29	0.15 69	0.07 70	0.06 8	0.10 26	0.14 73	0.11 60	0.06 9	0.08 68	0.06 16	0.06 34	0.08 15	0.10 120	0.03 1	0.03 1	0.04 1	0.04 34	0.04 15	0.03 1

3.25w_new	0.07 4	0.06 54	0.07 6	0.15 69	0.06 13	0.10 123	0.07 3	0.12 41	0.11 60	0.08 61	0.06 12	0.07 62	0.06 34	0.11 105	0.09 52	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

3.25w	0.07 4	0.06 54	0.07 6	0.15 69	0.06 13	0.10 123	0.07 3	0.12 41	0.11 60	0.08 61	0.06 12	0.07 62	0.06 34	0.11 105	0.09 52	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

3.5w_stereo	0.07 4	0.07 135	0.07 6	0.15 69	0.07 70	0.09 77	0.06 1	0.13 57	0.11 60	0.07 29	0.07 36	0.06 16	0.07 102	0.10 59	0.09 52	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

monsterstereo	0.07 4	0.06 54	0.06 2	0.16 140	0.06 13	0.08 48	0.10 26	0.16 128	0.11 60	0.07 29	0.08 68	0.06 16	0.07 102	0.08 15	0.09 52	0.04 11	0.04 21	0.05 23	0.04 34	0.03 1	0.03 1

HART	0.08 43	0.07 135	0.09 70	0.17 214	0.07 70	0.10 123	0.16 279	0.13 57	0.11 60	0.08 61	0.10 112	0.07 62	0.05 9	0.10 59	0.08 17	0.05 26	0.04 21	0.06 99	0.04 34	0.05 98	0.04 40

GIP-stereo	0.08 43	0.06 54	0.11 146	0.14 29	0.06 13	0.09 77	0.13 100	0.14 73	0.11 60	0.07 29	0.08 68	0.05 1	0.04 1	0.10 59	0.07 1	0.05 26	0.04 21	0.05 23	0.04 34	0.05 98	0.04 40

fffft	0.09 77	0.06 54	0.12 181	0.16 140	0.07 70	0.09 77	0.17 312	0.12 41	0.11 60	0.08 61	0.07 36	0.09 119	0.06 34	0.11 105	0.12 231	0.05 26	0.04 21	0.06 99	0.05 104	0.04 15	0.05 120
1: 1. 1
tt45	0.09 77	0.06 54	0.11 146	0.15 69	0.07 70	0.11 168	0.16 279	0.13 57	0.11 60	0.09 90	0.06 12	0.08 94	0.06 34	0.13 230	0.10 120	0.06 113	0.04 21	0.06 99	0.05 104	0.05 98	0.06 195

999	0.09 77	0.05 17	0.13 225	0.15 69	0.08 125	0.10 123	0.14 148	0.15 102	0.11 60	0.10 122	0.08 68	0.08 94	0.08 137	0.16 311	0.10 120	0.06 113	0.04 21	0.06 99	0.05 104	0.04 15	0.05 120

mms	0.09 77	0.07 135	0.08 29	0.16 140	0.08 125	0.10 123	0.16 279	0.12 41	0.11 60	0.08 61	0.09 86	0.08 94	0.06 34	0.11 105	0.12 231	0.05 26	0.04 21	0.07 191	0.05 104	0.04 15	0.03 1

IGEV-Stereo++	0.07 4	0.06 54	0.08 29	0.18 295	0.06 13	0.04 1	0.10 26	0.11 26	0.11 60	0.06 9	0.07 36	0.07 62	0.06 34	0.09 33	0.09 52	0.05 26	0.04 21	0.05 23	0.04 34	0.05 98	0.04 40

RSM++	0.08 43	0.06 54	0.09 70	0.17 214	0.07 70	0.09 77	0.12 62	0.11 26	0.11 60	0.08 61	0.06 12	0.07 62	0.05 9	0.10 59	0.09 52	0.04 11	0.04 21	0.06 99	0.05 104	0.05 98	0.03 1

IGEV_Zeroshot_test	0.09 77	0.05 17	0.12 181	0.13 12	0.08 125	0.12 202	0.13 100	0.17 164	0.11 60	0.10 122	0.06 12	0.09 119	0.06 34	0.11 105	0.09 52	0.06 113	0.04 21	0.06 99	0.06 181	0.05 98	0.05 120

UniTT-Stereo	0.09 77	0.07 135	0.08 29	0.18 295	0.08 125	0.13 241	0.11 45	0.12 41	0.11 60	0.10 122	0.12 155	0.05 1	0.07 102	0.09 33	0.09 52	0.07 235	0.05 182	0.05 23	0.05 104	0.05 98	0.05 120

STrans-v2	0.10 138	0.07 135	0.12 181	0.18 295	0.07 70	0.10 123	0.14 148	0.21 247	0.11 60	0.11 149	0.15 200	0.12 188	0.10 195	0.11 105	0.12 231	0.05 26	0.04 21	0.06 99	0.06 181	0.04 15	0.04 40

SST-Stereo	0.10 138	0.07 135	0.15 309	0.18 295	0.09 234	0.06 8	0.12 62	0.17 164	0.11 60	0.15 262	0.17 233	0.13 212	0.12 250	0.10 59	0.11 183	0.06 113	0.04 21	0.09 351	0.06 181	0.06 189	0.05 120

RALCasStereoNet	0.10 138	0.06 54	0.09 70	0.16 140	0.08 125	0.12 202	0.14 148	0.17 164	0.11 60	0.12 187	0.17 233	0.14 232	0.10 195	0.12 186	0.11 183	0.07 235	0.06 302	0.06 99	0.05 104	0.08 316	0.07 274

PMTNet	0.09 77	0.05 17	0.09 70	0.12 4	0.06 13	0.12 202	0.14 148	0.15 102	0.11 60	0.09 90	0.13 169	0.10 150	0.07 102	0.13 230	0.10 120	0.15 481	0.04 21	0.05 23	0.03 1	0.07 254	0.06 195

R-Stereo Train	0.10 138	0.06 54	0.10 105	0.17 214	0.08 125	0.11 168	0.14 148	0.23 288	0.11 60	0.12 187	0.19 267	0.11 171	0.08 137	0.09 33	0.11 183	0.07 235	0.05 182	0.06 99	0.05 104	0.05 98	0.05 120

RAFT-Stereo	0.10 138	0.06 54	0.10 105	0.17 214	0.08 125	0.11 168	0.14 148	0.23 288	0.11 60	0.12 187	0.19 267	0.11 171	0.08 137	0.09 33	0.11 183	0.07 235	0.05 182	0.06 99	0.05 104	0.05 98	0.05 120
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
2.75w_new	0.07 4	0.07 135	0.07 6	0.13 12	0.06 13	0.08 48	0.08 7	0.18 193	0.12 83	0.07 29	0.08 68	0.06 16	0.06 34	0.09 33	0.11 183	0.04 11	0.04 21	0.04 1	0.03 1	0.03 1	0.04 40

xyz-stereo-finetune2	0.11 181	0.07 135	0.13 225	0.13 12	0.07 70	0.11 168	0.19 395	0.17 164	0.12 83	0.15 262	0.15 200	0.17 295	0.12 250	0.13 230	0.11 183	0.05 26	0.04 21	0.07 191	0.05 104	0.04 15	0.06 195

SGD-Stereo	0.08 43	0.05 17	0.10 105	0.14 29	0.05 1	0.12 202	0.12 62	0.11 26	0.12 83	0.07 29	0.09 86	0.09 119	0.09 163	0.08 15	0.08 17	0.06 113	0.04 21	0.05 23	0.04 34	0.05 98	0.03 1

SCV_C0	0.08 43	0.07 135	0.07 6	0.16 140	0.09 234	0.08 48	0.15 214	0.11 26	0.12 83	0.08 61	0.07 36	0.06 16	0.05 9	0.11 105	0.07 1	0.05 26	0.05 182	0.05 23	0.04 34	0.06 189	0.05 120

SCV	0.08 43	0.09 306	0.08 29	0.15 69	0.08 125	0.10 123	0.13 100	0.10 15	0.12 83	0.07 29	0.07 36	0.06 16	0.04 1	0.09 33	0.08 17	0.05 26	0.04 21	0.06 99	0.04 34	0.06 189	0.04 40

IGEV-RUCA	0.08 43	0.06 54	0.11 146	0.14 29	0.09 234	0.10 123	0.12 62	0.10 15	0.12 83	0.06 9	0.07 36	0.07 62	0.06 34	0.09 33	0.08 17	0.06 113	0.05 182	0.05 23	0.04 34	0.05 98	0.06 195

ours_stereo	0.09 77	0.07 135	0.09 70	0.17 214	0.08 125	0.11 168	0.16 279	0.11 26	0.12 83	0.08 61	0.10 112	0.08 94	0.06 34	0.12 186	0.12 231	0.05 26	0.04 21	0.06 99	0.05 104	0.04 15	0.03 1

fffy	0.09 77	0.08 232	0.09 70	0.16 140	0.07 70	0.13 241	0.17 312	0.13 57	0.12 83	0.08 61	0.09 86	0.08 94	0.09 163	0.13 230	0.11 183	0.05 26	0.05 182	0.07 191	0.05 104	0.04 15	0.05 120

tg	0.10 138	0.06 54	0.10 105	0.18 295	0.08 125	0.11 168	0.16 279	0.20 225	0.12 83	0.08 61	0.11 142	0.11 171	0.07 102	0.11 105	0.10 120	0.05 26	0.04 21	0.08 272	0.08 332	0.04 15	0.04 40

WCG-NET（raft）	0.08 43	0.05 17	0.10 105	0.15 69	0.06 13	0.11 168	0.13 100	0.15 102	0.12 83	0.08 61	0.07 36	0.06 16	0.06 34	0.13 230	0.08 17	0.05 26	0.04 21	0.05 23	0.04 34	0.04 15	0.04 40

gcap-zeroshot	0.09 77	0.05 17	0.10 105	0.16 140	0.07 70	0.13 241	0.13 100	0.11 26	0.12 83	0.13 214	0.12 155	0.09 119	0.08 137	0.09 33	0.09 52	0.06 113	0.05 182	0.06 99	0.05 104	0.04 15	0.04 40

test_for_model	0.09 77	0.12 406	0.14 260	0.23 463	0.11 382	0.08 48	0.13 100	0.12 41	0.12 83	0.10 122	0.07 36	0.07 62	0.06 34	0.11 105	0.10 120	0.06 113	0.05 182	0.05 23	0.03 1	0.07 254	0.04 40

testlalala2	0.10 138	0.06 54	0.11 146	0.20 399	0.10 335	0.10 123	0.12 62	0.17 164	0.12 83	0.12 187	0.13 169	0.09 119	0.07 102	0.11 105	0.13 272	0.06 113	0.05 182	0.05 23	0.04 34	0.05 98	0.05 120

MGS-Stereo	0.09 77	0.07 135	0.12 181	0.15 69	0.08 125	0.09 77	0.15 214	0.12 41	0.12 83	0.07 29	0.10 112	0.08 94	0.06 34	0.10 59	0.09 52	0.05 26	0.04 21	0.06 99	0.05 104	0.06 189	0.05 120

MyStereo06	0.10 138	0.07 135	0.12 181	0.17 214	0.09 234	0.13 241	0.18 357	0.19 214	0.12 83	0.12 187	0.08 68	0.07 62	0.07 102	0.11 105	0.09 52	0.06 113	0.05 182	0.07 191	0.07 268	0.06 189	0.06 195

ff7	0.09 77	0.07 135	0.11 146	0.16 140	0.09 234	0.11 168	0.15 214	0.16 128	0.12 83	0.10 122	0.06 12	0.06 16	0.06 34	0.11 105	0.09 52	0.05 26	0.04 21	0.06 99	0.05 104	0.05 98	0.06 195

IGEVStereo-DCA	0.09 77	0.06 54	0.11 146	0.15 69	0.10 335	0.11 168	0.15 214	0.16 128	0.12 83	0.10 122	0.06 12	0.08 94	0.06 34	0.10 59	0.08 17	0.06 113	0.05 182	0.06 99	0.05 104	0.05 98	0.06 195

ffff	0.09 77	0.07 135	0.11 146	0.16 140	0.09 234	0.11 168	0.15 214	0.16 128	0.12 83	0.10 122	0.06 12	0.06 16	0.06 34	0.11 105	0.09 52	0.05 26	0.04 21	0.06 99	0.05 104	0.05 98	0.06 195

11t	0.09 77	0.07 135	0.11 146	0.16 140	0.09 234	0.11 168	0.15 214	0.16 128	0.12 83	0.10 122	0.06 12	0.06 16	0.06 34	0.11 105	0.09 52	0.05 26	0.04 21	0.06 99	0.05 104	0.05 98	0.06 195

GCAP-Stereo	0.09 77	0.07 135	0.13 225	0.18 295	0.06 13	0.11 168	0.07 3	0.13 57	0.12 83	0.09 90	0.10 112	0.07 62	0.09 163	0.13 230	0.10 120	0.06 113	0.05 182	0.05 23	0.04 34	0.04 15	0.05 120

anonymousdsp	0.09 77	0.07 135	0.11 146	0.16 140	0.09 234	0.11 168	0.15 214	0.16 128	0.12 83	0.09 90	0.06 12	0.06 16	0.06 34	0.11 105	0.09 52	0.05 26	0.04 21	0.06 99	0.05 104	0.05 98	0.06 195

ProNet	0.09 77	0.07 135	0.10 105	0.17 214	0.08 125	0.10 123	0.15 214	0.15 102	0.12 83	0.09 90	0.06 12	0.07 62	0.06 34	0.11 105	0.09 52	0.05 26	0.04 21	0.06 99	0.05 104	0.04 15	0.06 195

CroCo-Stereo Lap2	0.09 77	0.09 306	0.08 29	0.22 443	0.09 234	0.09 77	0.19 395	0.16 128	0.12 83	0.09 90	0.10 112	0.05 1	0.05 9	0.08 15	0.08 17	0.06 113	0.06 302	0.07 191	0.05 104	0.05 98	0.05 120

ccc-4	0.09 77	0.07 135	0.11 146	0.16 140	0.09 234	0.11 168	0.15 214	0.16 128	0.12 83	0.10 122	0.06 12	0.06 16	0.06 34	0.11 105	0.09 52	0.05 26	0.04 21	0.06 99	0.05 104	0.05 98	0.06 195

IGEV-Stereo	0.09 77	0.07 135	0.11 146	0.16 140	0.09 234	0.11 168	0.15 214	0.16 128	0.12 83	0.09 90	0.06 12	0.06 16	0.06 34	0.11 105	0.09 52	0.05 26	0.04 21	0.06 99	0.05 104	0.05 98	0.06 195
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
KYRaft	0.11 181	0.07 135	0.10 105	0.19 351	0.09 234	0.08 48	0.15 214	0.22 269	0.12 83	0.13 214	0.16 212	0.20 335	0.10 195	0.12 186	0.10 120	0.05 26	0.04 21	0.08 272	0.08 332	0.06 189	0.16 494

DeepStereo_RVC	0.11 181	0.08 232	0.16 343	0.18 295	0.08 125	0.08 48	0.12 62	0.17 164	0.12 83	0.13 214	0.14 183	0.12 188	0.12 250	0.12 186	0.11 183	0.06 113	0.04 21	0.07 191	0.06 181	0.07 254	0.08 338

RAFT-RH_RVC	0.11 181	0.06 54	0.14 260	0.16 140	0.09 234	0.12 202	0.12 62	0.17 164	0.12 83	0.13 214	0.41 484	0.11 171	0.10 195	0.13 230	0.12 231	0.05 26	0.04 21	0.08 272	0.05 104	0.04 15	0.06 195

CroCo-Stereo	0.09 77	0.08 232	0.08 29	0.22 443	0.09 234	0.09 77	0.19 395	0.15 102	0.12 83	0.07 29	0.07 36	0.08 94	0.06 34	0.08 15	0.07 1	0.07 235	0.05 182	0.06 99	0.04 34	0.05 98	0.04 40
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
iRaftStereo_RVC	0.10 138	0.07 135	0.09 70	0.17 214	0.09 234	0.11 168	0.17 312	0.18 193	0.12 83	0.09 90	0.12 155	0.10 150	0.07 102	0.11 105	0.10 120	0.05 26	0.04 21	0.08 272	0.08 332	0.04 15	0.04 40

ARAFT	0.12 246	0.08 232	0.17 371	0.19 351	0.09 234	0.14 273	0.18 357	0.20 225	0.12 83	0.12 187	0.13 169	0.14 232	0.11 220	0.15 277	0.12 231	0.06 113	0.05 182	0.10 396	0.09 376	0.05 98	0.04 40

water-stereo	0.09 77	0.06 54	0.08 29	0.16 140	0.07 70	0.09 77	0.13 100	0.15 102	0.13 114	0.11 149	0.12 155	0.08 94	0.09 163	0.07 4	0.08 17	0.06 113	0.05 182	0.05 23	0.05 104	0.04 15	0.04 40

3w_stereo	0.08 43	0.09 306	0.10 105	0.17 214	0.07 70	0.08 48	0.10 26	0.20 225	0.13 114	0.06 9	0.07 36	0.05 1	0.06 34	0.08 15	0.09 52	0.03 1	0.03 1	0.04 1	0.03 1	0.04 15	0.03 1

HUF	0.08 43	0.05 17	0.08 29	0.14 29	0.06 13	0.09 77	0.13 100	0.13 57	0.13 114	0.07 29	0.07 36	0.08 94	0.06 34	0.10 59	0.09 52	0.06 113	0.04 21	0.05 23	0.04 34	0.05 98	0.04 40

DEFOM-Stereo	0.07 4	0.05 17	0.07 6	0.14 29	0.06 13	0.10 123	0.13 100	0.07 2	0.13 114	0.06 9	0.07 36	0.06 16	0.05 9	0.10 59	0.09 52	0.04 11	0.04 21	0.05 23	0.03 1	0.04 15	0.04 40

SMoEStereo_RVC	0.08 43	0.06 54	0.12 181	0.16 140	0.07 70	0.09 77	0.14 148	0.11 26	0.13 114	0.09 90	0.07 36	0.07 62	0.07 102	0.12 186	0.10 120	0.05 26	0.04 21	0.06 99	0.05 104	0.04 15	0.04 40

WCG-NET	0.08 43	0.05 17	0.09 70	0.15 69	0.06 13	0.11 168	0.14 148	0.13 57	0.13 114	0.06 9	0.09 86	0.07 62	0.06 34	0.13 230	0.08 17	0.05 26	0.04 21	0.05 23	0.04 34	0.04 15	0.03 1

model_zeroshot	0.10 138	0.04 1	0.11 146	0.15 69	0.09 234	0.12 202	0.14 148	0.20 225	0.13 114	0.11 149	0.10 112	0.12 188	0.07 102	0.12 186	0.10 120	0.07 235	0.06 302	0.06 99	0.05 104	0.06 189	0.06 195

plain	0.10 138	0.08 232	0.10 105	0.19 351	0.09 234	0.10 123	0.15 214	0.14 73	0.13 114	0.13 214	0.15 200	0.09 119	0.12 250	0.13 230	0.12 231	0.07 235	0.05 182	0.09 351	0.06 181	0.06 189	0.06 195

MSKI-zero shot	0.09 77	0.05 17	0.09 70	0.15 69	0.07 70	0.10 123	0.13 100	0.14 73	0.13 114	0.09 90	0.09 86	0.09 119	0.06 34	0.12 186	0.10 120	0.06 113	0.04 21	0.05 23	0.04 34	0.04 15	0.04 40

RAFT-Test	0.09 77	0.06 54	0.10 105	0.15 69	0.07 70	0.11 168	0.15 214	0.16 128	0.13 114	0.09 90	0.10 112	0.10 150	0.09 163	0.12 186	0.09 52	0.06 113	0.04 21	0.05 23	0.04 34	0.04 15	0.05 120

knoymous	0.11 181	0.05 17	0.12 181	0.13 12	0.07 70	0.15 299	0.14 148	0.19 214	0.13 114	0.11 149	0.17 233	0.13 212	0.09 163	0.13 230	0.11 183	0.08 295	0.05 182	0.06 99	0.05 104	0.08 316	0.07 274

Patchmatch Stereo++	0.11 181	0.09 306	0.16 343	0.18 295	0.08 125	0.06 8	0.11 45	0.16 128	0.13 114	0.15 262	0.16 212	0.14 232	0.12 250	0.11 105	0.10 120	0.06 113	0.04 21	0.08 272	0.06 181	0.08 316	0.07 274
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
AAGNet	0.11 181	0.07 135	0.16 343	0.19 351	0.09 234	0.08 48	0.13 100	0.18 193	0.13 114	0.16 290	0.21 300	0.13 212	0.14 312	0.11 105	0.14 309	0.06 113	0.04 21	0.09 351	0.06 181	0.06 189	0.05 120

PSM-adaLoss	0.11 181	0.09 306	0.16 343	0.18 295	0.08 125	0.06 8	0.12 62	0.16 128	0.13 114	0.15 262	0.16 212	0.14 232	0.12 250	0.11 105	0.10 120	0.06 113	0.04 21	0.08 272	0.06 181	0.08 316	0.07 274

PSM-AAD	0.11 181	0.07 135	0.10 105	0.19 351	0.09 234	0.10 123	0.15 214	0.20 225	0.13 114	0.12 187	0.14 183	0.18 309	0.11 220	0.11 105	0.10 120	0.05 26	0.05 182	0.09 351	0.08 332	0.06 189	0.14 476

ROB_FTStereo_v2	0.11 181	0.09 306	0.16 343	0.19 351	0.08 125	0.06 8	0.12 62	0.16 128	0.13 114	0.15 262	0.16 212	0.14 232	0.12 250	0.11 105	0.10 120	0.06 113	0.04 21	0.08 272	0.06 181	0.08 316	0.07 274

ROB_FTStereo	0.11 181	0.09 306	0.16 343	0.19 351	0.08 125	0.06 8	0.11 45	0.16 128	0.13 114	0.15 262	0.16 212	0.14 232	0.12 250	0.11 105	0.10 120	0.06 113	0.04 21	0.08 272	0.06 181	0.08 316	0.07 274

HUI-Stereo	0.11 181	0.09 306	0.16 343	0.18 295	0.08 125	0.06 8	0.12 62	0.16 128	0.13 114	0.15 262	0.16 212	0.14 232	0.12 250	0.11 105	0.10 120	0.06 113	0.04 21	0.08 272	0.06 181	0.08 316	0.07 274

iGMRVC	0.11 181	0.09 306	0.16 343	0.19 351	0.08 125	0.06 8	0.12 62	0.16 128	0.13 114	0.15 262	0.16 212	0.14 232	0.12 250	0.11 105	0.10 120	0.06 113	0.04 21	0.08 272	0.06 181	0.08 316	0.07 274

iRAFT	0.11 181	0.09 306	0.16 343	0.18 295	0.08 125	0.06 8	0.11 45	0.16 128	0.13 114	0.15 262	0.16 212	0.14 232	0.12 250	0.11 105	0.10 120	0.06 113	0.04 21	0.08 272	0.06 181	0.08 316	0.07 274

RAFT-IKP	0.11 181	0.09 306	0.16 343	0.19 351	0.08 125	0.06 8	0.12 62	0.16 128	0.13 114	0.15 262	0.16 212	0.14 232	0.12 250	0.11 105	0.10 120	0.06 113	0.04 21	0.08 272	0.06 181	0.08 316	0.07 274

Prome-Stereo	0.11 181	0.06 54	0.10 105	0.18 295	0.08 125	0.12 202	0.15 214	0.22 269	0.13 114	0.12 187	0.17 233	0.13 212	0.08 137	0.12 186	0.10 120	0.05 26	0.04 21	0.07 191	0.06 181	0.06 189	0.09 382

XX-TBD	0.09 77	0.06 54	0.07 6	0.14 29	0.07 70	0.12 202	0.16 279	0.14 73	0.13 114	0.11 149	0.12 155	0.09 119	0.08 137	0.10 59	0.10 120	0.06 113	0.04 21	0.05 23	0.03 1	0.06 189	0.05 120

test_xeample3	0.09 77	0.06 54	0.12 181	0.16 140	0.09 234	0.11 168	0.15 214	0.16 128	0.13 114	0.10 122	0.06 12	0.08 94	0.06 34	0.10 59	0.09 52	0.05 26	0.04 21	0.06 99	0.05 104	0.05 98	0.06 195

depthmonostereo	0.09 77	0.06 54	0.09 70	0.15 69	0.06 13	0.10 123	0.13 100	0.14 73	0.14 138	0.10 122	0.10 112	0.09 119	0.11 220	0.08 15	0.09 52	0.06 113	0.05 182	0.06 99	0.04 34	0.04 15	0.03 1

1w_stereo	0.07 4	0.06 54	0.07 6	0.16 140	0.06 13	0.07 27	0.10 26	0.14 73	0.14 138	0.07 29	0.08 68	0.05 1	0.06 34	0.09 33	0.09 52	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.04 40

MM-Stereo_test2	0.09 77	0.06 54	0.09 70	0.19 351	0.08 125	0.12 202	0.18 357	0.15 102	0.14 138	0.07 29	0.10 112	0.07 62	0.06 34	0.12 186	0.09 52	0.05 26	0.04 21	0.06 99	0.05 104	0.05 98	0.03 1

AIO-test1	0.10 138	0.07 135	0.10 105	0.23 463	0.07 70	0.09 77	0.13 100	0.21 247	0.14 138	0.11 149	0.12 155	0.09 119	0.07 102	0.11 105	0.09 52	0.06 113	0.05 182	0.09 351	0.10 411	0.03 1	0.06 195

CAS++	0.11 181	0.07 135	0.11 146	0.14 29	0.09 234	0.12 202	0.14 148	0.24 310	0.14 138	0.11 149	0.09 86	0.11 171	0.07 102	0.14 255	0.09 52	0.11 416	0.09 423	0.09 351	0.07 268	0.07 254	0.08 338
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
MIM_Stereo	0.09 77	0.07 135	0.11 146	0.15 69	0.07 70	0.06 8	0.12 62	0.20 225	0.14 138	0.13 214	0.13 169	0.09 119	0.05 9	0.12 186	0.08 17	0.05 26	0.06 302	0.07 191	0.06 181	0.06 189	0.05 120

CASnet	0.09 77	0.09 306	0.09 70	0.19 351	0.06 13	0.07 27	0.11 45	0.18 193	0.14 138	0.11 149	0.10 112	0.09 119	0.07 102	0.10 59	0.10 120	0.06 113	0.04 21	0.10 396	0.08 332	0.05 98	0.03 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
LL-Strereo2	0.10 138	0.10 364	0.15 309	0.18 295	0.08 125	0.15 299	0.09 18	0.17 164	0.14 138	0.14 235	0.10 112	0.09 119	0.07 102	0.16 311	0.10 120	0.05 26	0.05 182	0.10 396	0.07 268	0.06 189	0.05 120

riskmin	0.11 181	0.06 54	0.13 225	0.14 29	0.08 125	0.14 273	0.14 148	0.18 193	0.14 138	0.11 149	0.14 183	0.16 275	0.11 220	0.14 255	0.12 231	0.09 351	0.05 182	0.07 191	0.05 104	0.08 316	0.08 338

RCA-Stereo	0.09 77	0.06 54	0.09 70	0.16 140	0.06 13	0.09 77	0.13 100	0.18 193	0.14 138	0.09 90	0.10 112	0.08 94	0.07 102	0.12 186	0.11 183	0.06 113	0.04 21	0.06 99	0.05 104	0.05 98	0.04 40

ACRE	0.11 181	0.08 232	0.14 260	0.17 214	0.08 125	0.12 202	0.15 214	0.17 164	0.14 138	0.14 235	0.10 112	0.16 275	0.09 163	0.16 311	0.11 183	0.07 235	0.05 182	0.06 99	0.05 104	0.05 98	0.06 195

AnonymousM	0.09 77	0.05 17	0.10 105	0.14 29	0.06 13	0.09 77	0.13 100	0.19 214	0.14 138	0.13 214	0.11 142	0.09 119	0.08 137	0.13 230	0.10 120	0.08 295	0.05 182	0.08 272	0.05 104	0.05 98	0.05 120

rafts_anoy	0.11 181	0.06 54	0.10 105	0.17 214	0.08 125	0.10 123	0.14 148	0.17 164	0.14 138	0.13 214	0.13 169	0.12 188	0.10 195	0.11 105	0.12 231	0.07 235	0.04 21	0.09 351	0.11 441	0.07 254	0.06 195

CREStereo++_RVC	0.08 43	0.04 1	0.06 2	0.13 12	0.07 70	0.09 77	0.12 62	0.14 73	0.14 138	0.10 122	0.14 183	0.08 94	0.07 102	0.09 33	0.11 183	0.06 113	0.04 21	0.05 23	0.05 104	0.04 15	0.04 40
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
sCroCo_RVC	0.12 246	0.09 306	0.23 440	0.24 472	0.11 382	0.19 391	0.14 148	0.17 164	0.14 138	0.10 122	0.13 169	0.12 188	0.07 102	0.14 255	0.11 183	0.08 295	0.08 397	0.08 272	0.08 332	0.05 98	0.07 274

RAFT-Stereo + iAFF	0.09 77	0.06 54	0.10 105	0.17 214	0.06 13	0.10 123	0.16 279	0.17 164	0.14 138	0.09 90	0.10 112	0.08 94	0.09 163	0.11 105	0.09 52	0.05 26	0.04 21	0.06 99	0.06 181	0.04 15	0.03 1

2.25w	0.07 4	0.06 54	0.07 6	0.14 29	0.06 13	0.08 48	0.08 7	0.10 15	0.15 154	0.08 61	0.10 112	0.07 62	0.06 34	0.08 15	0.10 120	0.05 26	0.03 1	0.04 1	0.04 34	0.03 1	0.04 40

2w_stereo	0.08 43	0.08 232	0.09 70	0.16 140	0.06 13	0.08 48	0.10 26	0.20 225	0.15 154	0.08 61	0.07 36	0.06 16	0.06 34	0.06 1	0.09 52	0.04 11	0.03 1	0.04 1	0.04 34	0.03 1	0.03 1

castereo++	0.08 43	0.05 17	0.08 29	0.15 69	0.05 1	0.14 273	0.12 62	0.11 26	0.15 154	0.07 29	0.07 36	0.07 62	0.06 34	0.08 15	0.08 17	0.06 113	0.04 21	0.05 23	0.04 34	0.04 15	0.03 1

MonSter	0.07 4	0.06 54	0.05 1	0.15 69	0.05 1	0.07 27	0.10 26	0.15 102	0.15 154	0.05 1	0.06 12	0.05 1	0.06 34	0.07 4	0.09 52	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

PAM_32	0.09 77	0.05 17	0.17 371	0.15 69	0.08 125	0.10 123	0.15 214	0.14 73	0.15 154	0.09 90	0.08 68	0.09 119	0.07 102	0.14 255	0.08 17	0.06 113	0.05 182	0.06 99	0.06 181	0.05 98	0.06 195

UGAM-zero	0.09 77	0.05 17	0.15 309	0.15 69	0.08 125	0.09 77	0.13 100	0.19 214	0.15 154	0.11 149	0.15 200	0.07 62	0.07 102	0.09 33	0.09 52	0.06 113	0.05 182	0.06 99	0.05 104	0.05 98	0.06 195

Occ-G	0.08 43	0.05 17	0.06 2	0.14 29	0.07 70	0.08 48	0.14 148	0.13 57	0.15 154	0.07 29	0.11 142	0.07 62	0.05 9	0.09 33	0.10 120	0.06 113	0.05 182	0.05 23	0.04 34	0.05 98	0.05 120

AIO-Stereo-zeroshot1	0.11 181	0.05 17	0.14 260	0.15 69	0.20 505	0.09 77	0.17 312	0.21 247	0.15 154	0.11 149	0.14 183	0.10 150	0.07 102	0.10 59	0.08 17	0.06 113	0.05 182	0.07 191	0.07 268	0.07 254	0.09 382

test_sample1	0.13 271	0.07 135	0.14 260	0.13 12	0.08 125	0.19 391	0.16 279	0.20 225	0.15 154	0.14 235	0.22 309	0.18 309	0.16 356	0.17 343	0.14 309	0.07 235	0.06 302	0.06 99	0.06 181	0.08 316	0.07 274

MyStereo07	0.10 138	0.07 135	0.10 105	0.17 214	0.09 234	0.14 273	0.18 357	0.15 102	0.15 154	0.09 90	0.06 12	0.06 16	0.07 102	0.12 186	0.09 52	0.06 113	0.05 182	0.08 272	0.07 268	0.06 189	0.06 195

mmm	0.14 305	0.08 232	0.17 371	0.17 214	0.09 234	0.17 350	0.18 357	0.21 247	0.15 154	0.15 262	0.23 318	0.21 344	0.16 356	0.16 311	0.17 368	0.08 295	0.05 182	0.08 272	0.07 268	0.07 254	0.07 274

11t1	0.12 246	0.06 54	0.13 225	0.14 29	0.08 125	0.17 350	0.15 214	0.18 193	0.15 154	0.15 262	0.15 200	0.16 275	0.16 356	0.15 277	0.13 272	0.08 295	0.05 182	0.06 99	0.05 104	0.08 316	0.07 274

rrr	0.09 77	0.06 54	0.12 181	0.15 69	0.10 335	0.11 168	0.16 279	0.16 128	0.15 154	0.10 122	0.06 12	0.08 94	0.06 34	0.10 59	0.08 17	0.06 113	0.05 182	0.06 99	0.05 104	0.05 98	0.06 195

Any-RAFT	0.10 138	0.05 17	0.09 70	0.14 29	0.07 70	0.13 241	0.14 148	0.21 247	0.15 154	0.11 149	0.12 155	0.12 188	0.09 163	0.12 186	0.09 52	0.07 235	0.04 21	0.05 23	0.04 34	0.06 189	0.05 120

4D-IteraStereo	0.09 77	0.07 135	0.10 105	0.18 295	0.07 70	0.09 77	0.15 214	0.17 164	0.15 154	0.10 122	0.11 142	0.10 150	0.07 102	0.11 105	0.09 52	0.05 26	0.03 1	0.08 272	0.07 268	0.06 189	0.05 120

LoS	0.09 77	0.05 17	0.11 146	0.13 12	0.07 70	0.14 273	0.11 45	0.15 102	0.15 154	0.09 90	0.09 86	0.12 188	0.09 163	0.15 277	0.10 120	0.07 235	0.05 182	0.05 23	0.03 1	0.05 98	0.05 120
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
CIPLG	0.11 181	0.08 232	0.14 260	0.17 214	0.08 125	0.12 202	0.15 214	0.17 164	0.15 154	0.14 235	0.11 142	0.16 275	0.09 163	0.16 311	0.11 183	0.07 235	0.05 182	0.06 99	0.05 104	0.05 98	0.06 195

IPLG	0.10 138	0.07 135	0.15 309	0.17 214	0.08 125	0.11 168	0.14 148	0.20 225	0.15 154	0.12 187	0.17 233	0.07 62	0.07 102	0.14 255	0.13 272	0.06 113	0.04 21	0.06 99	0.05 104	0.04 15	0.04 40

IPLGR_C	0.11 181	0.08 232	0.14 260	0.17 214	0.08 125	0.12 202	0.15 214	0.17 164	0.15 154	0.14 235	0.10 112	0.16 275	0.09 163	0.16 311	0.11 183	0.07 235	0.05 182	0.06 99	0.05 104	0.05 98	0.06 195

test-3	0.08 43	0.06 54	0.09 70	0.17 214	0.07 70	0.07 27	0.14 148	0.12 41	0.15 154	0.09 90	0.08 68	0.07 62	0.08 137	0.11 105	0.10 120	0.05 26	0.04 21	0.07 191	0.05 104	0.04 15	0.04 40

test_1	0.08 43	0.06 54	0.09 70	0.17 214	0.07 70	0.07 27	0.14 148	0.12 41	0.15 154	0.09 90	0.08 68	0.07 62	0.08 137	0.11 105	0.10 120	0.05 26	0.04 21	0.07 191	0.05 104	0.04 15	0.04 40

LCNet	0.11 181	0.07 135	0.09 70	0.19 351	0.09 234	0.08 48	0.15 214	0.21 247	0.15 154	0.11 149	0.15 200	0.16 275	0.11 220	0.12 186	0.11 183	0.05 26	0.04 21	0.08 272	0.07 268	0.06 189	0.15 483

TransformOpticalFlow	0.10 138	0.08 232	0.13 225	0.18 295	0.07 70	0.09 77	0.15 214	0.19 214	0.15 154	0.12 187	0.17 233	0.11 171	0.11 220	0.11 105	0.10 120	0.05 26	0.04 21	0.06 99	0.06 181	0.05 98	0.05 120

NRIStereo	0.11 181	0.08 232	0.14 260	0.18 295	0.08 125	0.10 123	0.14 148	0.16 128	0.15 154	0.12 187	0.14 183	0.13 212	0.12 250	0.13 230	0.10 120	0.06 113	0.04 21	0.07 191	0.06 181	0.06 189	0.07 274

cross-raft	0.10 138	0.09 306	0.09 70	0.19 351	0.07 70	0.11 168	0.25 477	0.13 57	0.15 154	0.08 61	0.11 142	0.12 188	0.10 195	0.09 33	0.11 183	0.05 26	0.04 21	0.06 99	0.05 104	0.04 15	0.04 40

s12784h	0.09 77	0.06 54	0.07 6	0.15 69	0.05 1	0.16 329	0.18 357	0.15 102	0.15 154	0.10 122	0.11 142	0.11 171	0.11 220	0.10 59	0.12 231	0.05 26	0.04 21	0.05 23	0.04 34	0.04 15	0.04 40

RALAANet	0.11 181	0.08 232	0.10 105	0.17 214	0.09 234	0.14 273	0.10 26	0.20 225	0.15 154	0.14 235	0.13 169	0.16 275	0.09 163	0.12 186	0.11 183	0.06 113	0.05 182	0.07 191	0.06 181	0.05 98	0.04 40

DilatedVolume-Stereo	0.09 77	0.05 17	0.08 29	0.15 69	0.06 13	0.11 168	0.12 62	0.14 73	0.16 181	0.11 149	0.11 142	0.09 119	0.09 163	0.11 105	0.10 120	0.06 113	0.05 182	0.05 23	0.04 34	0.03 1	0.03 1

PAM	0.10 138	0.05 17	0.16 343	0.15 69	0.08 125	0.09 77	0.16 279	0.15 102	0.16 181	0.12 187	0.09 86	0.09 119	0.07 102	0.13 230	0.08 17	0.06 113	0.05 182	0.06 99	0.06 181	0.05 98	0.06 195

rvit_stereo_0080	0.10 138	0.08 232	0.14 260	0.15 69	0.09 234	0.07 27	0.15 214	0.16 128	0.16 181	0.11 149	0.10 112	0.14 232	0.08 137	0.12 186	0.10 120	0.09 351	0.07 371	0.07 191	0.06 181	0.07 254	0.05 120

rvit_stereo_ft	0.12 246	0.07 135	0.13 225	0.19 351	0.10 335	0.12 202	0.17 312	0.16 128	0.16 181	0.12 187	0.13 169	0.15 261	0.10 195	0.14 255	0.13 272	0.09 351	0.06 302	0.08 272	0.07 268	0.07 254	0.05 120

RAFT-Stereo-weight	0.09 77	0.06 54	0.10 105	0.16 140	0.07 70	0.09 77	0.14 148	0.19 214	0.16 181	0.11 149	0.10 112	0.08 94	0.06 34	0.10 59	0.11 183	0.06 113	0.04 21	0.06 99	0.04 34	0.04 15	0.04 40

test_sample2	0.12 246	0.07 135	0.12 181	0.14 29	0.08 125	0.16 329	0.18 357	0.21 247	0.16 181	0.14 235	0.20 279	0.19 323	0.15 330	0.15 277	0.12 231	0.08 295	0.05 182	0.07 191	0.06 181	0.08 316	0.07 274

ACVNet-DCA	0.10 138	0.08 232	0.12 181	0.17 214	0.09 234	0.13 241	0.15 214	0.23 288	0.16 181	0.09 90	0.09 86	0.06 16	0.06 34	0.10 59	0.07 1	0.06 113	0.04 21	0.06 99	0.05 104	0.07 254	0.07 274

1test111	0.11 181	0.08 232	0.12 181	0.17 214	0.09 234	0.13 241	0.15 214	0.23 288	0.16 181	0.09 90	0.09 86	0.06 16	0.06 34	0.15 277	0.16 353	0.06 113	0.04 21	0.06 99	0.05 104	0.07 254	0.07 274

whm_eth	0.10 138	0.08 232	0.14 260	0.15 69	0.09 234	0.07 27	0.15 214	0.16 128	0.16 181	0.11 149	0.10 112	0.14 232	0.08 137	0.12 186	0.10 120	0.09 351	0.07 371	0.07 191	0.06 181	0.07 254	0.05 120

MaDis-Stereo	0.09 77	0.09 306	0.08 29	0.17 214	0.09 234	0.13 241	0.10 26	0.16 128	0.16 181	0.09 90	0.11 142	0.06 16	0.06 34	0.09 33	0.13 272	0.07 235	0.06 302	0.07 191	0.05 104	0.05 98	0.04 40

EGLCR-Stereo	0.08 43	0.05 17	0.08 29	0.14 29	0.06 13	0.10 123	0.12 62	0.11 26	0.16 181	0.06 9	0.05 7	0.07 62	0.05 9	0.10 59	0.11 183	0.06 113	0.04 21	0.06 99	0.05 104	0.04 15	0.04 40

TestStereo1	0.13 271	0.08 232	0.08 29	0.19 351	0.08 125	0.18 368	0.29 506	0.23 288	0.16 181	0.17 306	0.20 279	0.16 275	0.10 195	0.12 186	0.13 272	0.06 113	0.06 302	0.08 272	0.06 181	0.05 98	0.05 120

qqq	0.13 271	0.09 306	0.15 309	0.16 140	0.08 125	0.13 241	0.15 214	0.23 288	0.16 181	0.15 262	0.19 267	0.16 275	0.16 356	0.15 277	0.16 353	0.07 235	0.06 302	0.08 272	0.08 332	0.07 254	0.07 274

RAFT_CTSACE	0.12 246	0.09 306	0.10 105	0.22 443	0.08 125	0.12 202	0.24 463	0.18 193	0.16 181	0.20 373	0.27 384	0.13 212	0.07 102	0.13 230	0.09 52	0.05 26	0.06 302	0.08 272	0.07 268	0.04 15	0.04 40

SA-5K	0.13 271	0.08 232	0.08 29	0.19 351	0.08 125	0.18 368	0.29 506	0.23 288	0.16 181	0.17 306	0.20 279	0.16 275	0.10 195	0.12 186	0.13 272	0.06 113	0.06 302	0.08 272	0.06 181	0.05 98	0.05 120

RAFT_R40	0.11 181	0.07 135	0.14 260	0.18 295	0.09 234	0.06 8	0.13 100	0.17 164	0.16 181	0.14 235	0.18 258	0.15 261	0.12 250	0.10 59	0.11 183	0.06 113	0.04 21	0.09 351	0.06 181	0.06 189	0.05 120

GMM-Stereo	0.11 181	0.07 135	0.10 105	0.18 295	0.09 234	0.08 48	0.15 214	0.23 288	0.16 181	0.11 149	0.15 200	0.13 212	0.11 220	0.11 105	0.11 183	0.05 26	0.04 21	0.08 272	0.07 268	0.06 189	0.09 382

raftrobust	0.09 77	0.06 54	0.10 105	0.17 214	0.08 125	0.09 77	0.10 26	0.18 193	0.16 181	0.10 122	0.09 86	0.12 188	0.07 102	0.12 186	0.10 120	0.08 295	0.05 182	0.06 99	0.05 104	0.05 98	0.05 120

DIP-Stereo	0.11 181	0.07 135	0.14 260	0.17 214	0.09 234	0.13 241	0.09 18	0.16 128	0.16 181	0.11 149	0.16 212	0.14 232	0.12 250	0.15 277	0.13 272	0.06 113	0.05 182	0.06 99	0.05 104	0.05 98	0.06 195
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
RAStereo	0.10 138	0.09 306	0.08 29	0.20 399	0.08 125	0.13 241	0.18 357	0.15 102	0.17 200	0.10 122	0.12 155	0.05 1	0.06 34	0.09 33	0.08 17	0.07 235	0.05 182	0.07 191	0.05 104	0.05 98	0.04 40

Pointernet	0.09 77	0.04 1	0.09 70	0.16 140	0.08 125	0.13 241	0.10 26	0.15 102	0.17 200	0.09 90	0.07 36	0.06 16	0.06 34	0.11 105	0.09 52	0.08 295	0.04 21	0.05 23	0.03 1	0.06 189	0.05 120

AIO-Stereo-zeroshot	0.11 181	0.05 17	0.11 146	0.15 69	0.13 434	0.13 241	0.16 279	0.23 288	0.17 200	0.10 122	0.12 155	0.10 150	0.07 102	0.11 105	0.09 52	0.06 113	0.05 182	0.06 99	0.06 181	0.07 254	0.08 338

U	0.08 43	0.07 135	0.09 70	0.19 351	0.10 335	0.10 123	0.13 100	0.12 41	0.17 200	0.07 29	0.07 36	0.06 16	0.05 9	0.07 4	0.08 17	0.06 113	0.04 21	0.06 99	0.04 34	0.06 189	0.05 120

GCST	0.37 512	0.42 529	0.26 451	1.02 553	0.39 528	0.18 368	0.08 7	0.20 225	0.17 200	0.28 460	0.25 359	0.15 261	0.12 250	0.16 311	0.14 309	0.64 546	0.43 535	0.75 543	0.65 546	0.63 540	0.46 539

test_sample6	0.14 305	0.08 232	0.13 225	0.16 140	0.08 125	0.17 350	0.19 395	0.25 326	0.17 200	0.17 306	0.27 384	0.19 323	0.14 312	0.15 277	0.13 272	0.08 295	0.05 182	0.08 272	0.07 268	0.08 316	0.08 338

test_sample5	0.14 305	0.08 232	0.14 260	0.16 140	0.08 125	0.18 368	0.18 357	0.25 326	0.17 200	0.17 306	0.27 384	0.18 309	0.14 312	0.16 311	0.13 272	0.08 295	0.05 182	0.08 272	0.07 268	0.08 316	0.08 338

test_sample4	0.14 305	0.08 232	0.14 260	0.15 69	0.08 125	0.19 391	0.18 357	0.26 344	0.17 200	0.16 290	0.25 359	0.18 309	0.14 312	0.16 311	0.13 272	0.08 295	0.06 302	0.08 272	0.06 181	0.08 316	0.08 338

DualNet	0.14 305	0.08 232	0.14 260	0.16 140	0.08 125	0.18 368	0.18 357	0.25 326	0.17 200	0.17 306	0.27 384	0.18 309	0.14 312	0.16 311	0.13 272	0.08 295	0.05 182	0.08 272	0.07 268	0.08 316	0.08 338

DCRE	0.11 181	0.07 135	0.13 225	0.16 140	0.11 382	0.11 168	0.17 312	0.18 193	0.17 200	0.11 149	0.18 258	0.10 150	0.10 195	0.15 277	0.11 183	0.06 113	0.05 182	0.06 99	0.06 181	0.05 98	0.04 40

Anonymous_2	0.22 449	0.17 472	0.28 463	0.15 69	0.16 478	0.32 489	0.22 442	0.22 269	0.17 200	0.23 414	0.24 330	0.26 407	0.27 466	0.27 461	0.23 445	0.22 518	0.25 524	0.17 491	0.17 499	0.17 499	0.17 502

DisPM	0.11 181	0.07 135	0.12 181	0.16 140	0.09 234	0.06 8	0.13 100	0.17 164	0.17 200	0.14 235	0.20 279	0.12 188	0.10 195	0.11 105	0.10 120	0.06 113	0.04 21	0.07 191	0.06 181	0.06 189	0.11 429

test_4	0.10 138	0.10 364	0.08 29	0.19 351	0.09 234	0.08 48	0.22 442	0.15 102	0.17 200	0.12 187	0.18 258	0.12 188	0.09 163	0.08 15	0.11 183	0.04 11	0.04 21	0.08 272	0.08 332	0.04 15	0.03 1

GMOStereo	0.11 181	0.09 306	0.07 6	0.19 351	0.08 125	0.12 202	0.28 497	0.13 57	0.17 200	0.11 149	0.17 233	0.14 232	0.12 250	0.07 4	0.07 1	0.05 26	0.05 182	0.09 351	0.07 268	0.04 15	0.04 40

error version	0.11 181	0.09 306	0.07 6	0.19 351	0.08 125	0.12 202	0.28 497	0.13 57	0.17 200	0.11 149	0.17 233	0.14 232	0.12 250	0.07 4	0.07 1	0.05 26	0.05 182	0.09 351	0.07 268	0.04 15	0.04 40

test-v	0.11 181	0.09 306	0.07 6	0.19 351	0.08 125	0.12 202	0.28 497	0.13 57	0.17 200	0.11 149	0.17 233	0.14 232	0.12 250	0.07 4	0.07 1	0.05 26	0.05 182	0.09 351	0.07 268	0.04 15	0.04 40

HHNet	0.11 181	0.06 54	0.16 343	0.15 69	0.14 452	0.07 27	0.13 100	0.20 225	0.17 200	0.14 235	0.25 359	0.11 171	0.08 137	0.13 230	0.10 120	0.05 26	0.04 21	0.08 272	0.06 181	0.05 98	0.09 382

IIG-Stereo	0.11 181	0.06 54	0.13 225	0.17 214	0.08 125	0.11 168	0.12 62	0.22 269	0.17 200	0.14 235	0.17 233	0.11 171	0.12 250	0.12 186	0.12 231	0.06 113	0.05 182	0.07 191	0.06 181	0.05 98	0.04 40

PSM-softLoss	0.12 246	0.07 135	0.15 309	0.17 214	0.09 234	0.08 48	0.13 100	0.24 310	0.17 200	0.14 235	0.19 267	0.13 212	0.11 220	0.11 105	0.11 183	0.07 235	0.05 182	0.08 272	0.07 268	0.06 189	0.12 441

KMStereo	0.12 246	0.07 135	0.15 309	0.17 214	0.09 234	0.08 48	0.13 100	0.24 310	0.17 200	0.14 235	0.19 267	0.13 212	0.11 220	0.11 105	0.11 183	0.07 235	0.05 182	0.08 272	0.07 268	0.06 189	0.12 441

ASMatch	0.11 181	0.06 54	0.13 225	0.16 140	0.10 335	0.07 27	0.14 148	0.17 164	0.17 200	0.12 187	0.16 212	0.16 275	0.10 195	0.13 230	0.10 120	0.05 26	0.04 21	0.06 99	0.05 104	0.04 15	0.08 338

GrayStereo	0.11 181	0.06 54	0.11 146	0.19 351	0.09 234	0.09 77	0.16 279	0.18 193	0.17 200	0.14 235	0.17 233	0.17 295	0.11 220	0.12 186	0.11 183	0.05 26	0.05 182	0.07 191	0.06 181	0.05 98	0.10 406

Pruner-Stereo	0.11 181	0.07 135	0.12 181	0.17 214	0.09 234	0.06 8	0.12 62	0.17 164	0.17 200	0.13 214	0.19 267	0.13 212	0.09 163	0.11 105	0.11 183	0.06 113	0.04 21	0.07 191	0.06 181	0.06 189	0.08 338

test-2	0.11 181	0.09 306	0.07 6	0.19 351	0.08 125	0.12 202	0.28 497	0.13 57	0.17 200	0.11 149	0.17 233	0.14 232	0.12 250	0.07 4	0.07 1	0.05 26	0.05 182	0.09 351	0.07 268	0.04 15	0.04 40

CFNet-RSSM	0.09 77	0.07 135	0.09 70	0.16 140	0.07 70	0.09 77	0.15 214	0.16 128	0.17 200	0.08 61	0.12 155	0.10 150	0.09 163	0.11 105	0.09 52	0.06 113	0.04 21	0.06 99	0.04 34	0.04 15	0.04 40

Gwc-CoAtRS	0.09 77	0.06 54	0.10 105	0.16 140	0.07 70	0.10 123	0.14 148	0.17 164	0.17 200	0.08 61	0.10 112	0.12 188	0.09 163	0.12 186	0.09 52	0.06 113	0.04 21	0.06 99	0.04 34	0.04 15	0.04 40

G2L-ROB	0.13 271	0.06 54	0.13 225	0.13 12	0.08 125	0.14 273	0.16 279	0.25 326	0.18 226	0.19 351	0.18 258	0.20 335	0.14 312	0.17 343	0.16 353	0.08 295	0.05 182	0.06 99	0.05 104	0.08 316	0.09 382

castereo	0.09 77	0.06 54	0.11 146	0.15 69	0.06 13	0.11 168	0.15 214	0.14 73	0.18 226	0.08 61	0.10 112	0.11 171	0.08 137	0.09 33	0.10 120	0.05 26	0.04 21	0.05 23	0.04 34	0.04 15	0.03 1

test_sample3	0.14 305	0.08 232	0.15 309	0.14 29	0.09 234	0.19 391	0.17 312	0.26 344	0.18 226	0.16 290	0.22 309	0.19 323	0.15 330	0.17 343	0.13 272	0.08 295	0.06 302	0.07 191	0.06 181	0.09 376	0.08 338

Former-RAFT_DAM_RVC	0.10 138	0.08 232	0.12 181	0.16 140	0.08 125	0.15 299	0.16 279	0.18 193	0.18 226	0.10 122	0.09 86	0.09 119	0.08 137	0.11 105	0.12 231	0.07 235	0.05 182	0.08 272	0.06 181	0.07 254	0.06 195

xx1	0.11 181	0.08 232	0.12 181	0.17 214	0.09 234	0.13 241	0.15 214	0.16 128	0.18 226	0.09 90	0.09 86	0.16 275	0.16 356	0.10 59	0.07 1	0.06 113	0.04 21	0.08 272	0.08 332	0.07 254	0.07 274

cc1	0.10 138	0.08 232	0.12 181	0.17 214	0.09 234	0.13 241	0.15 214	0.16 128	0.18 226	0.09 90	0.09 86	0.06 16	0.06 34	0.10 59	0.07 1	0.06 113	0.04 21	0.06 99	0.05 104	0.06 189	0.06 195

MIF-Stereo (partial)	0.11 181	0.06 54	0.10 105	0.19 351	0.10 335	0.10 123	0.11 45	0.17 164	0.18 226	0.14 235	0.16 212	0.09 119	0.11 220	0.12 186	0.12 231	0.08 295	0.05 182	0.08 272	0.07 268	0.06 189	0.07 274

Sa-1000	0.12 246	0.08 232	0.08 29	0.18 295	0.08 125	0.14 273	0.22 442	0.22 269	0.18 226	0.15 262	0.20 279	0.17 295	0.11 220	0.10 59	0.10 120	0.06 113	0.05 182	0.09 351	0.09 376	0.05 98	0.05 120

SA	0.12 246	0.09 306	0.08 29	0.18 295	0.08 125	0.12 202	0.24 463	0.23 288	0.18 226	0.17 306	0.27 384	0.14 232	0.11 220	0.11 105	0.11 183	0.05 26	0.05 182	0.09 351	0.08 332	0.05 98	0.04 40

TRStereo	0.09 77	0.05 17	0.12 181	0.15 69	0.12 413	0.10 123	0.13 100	0.18 193	0.18 226	0.09 90	0.09 86	0.09 119	0.06 34	0.10 59	0.08 17	0.07 235	0.05 182	0.07 191	0.07 268	0.04 15	0.04 40

FTStereo	0.12 246	0.06 54	0.14 260	0.18 295	0.09 234	0.07 27	0.15 214	0.21 247	0.18 226	0.12 187	0.24 330	0.12 188	0.12 250	0.13 230	0.13 272	0.05 26	0.05 182	0.07 191	0.06 181	0.06 189	0.10 406

test-1	0.10 138	0.07 135	0.16 343	0.19 351	0.08 125	0.11 168	0.24 463	0.14 73	0.18 226	0.09 90	0.07 36	0.09 119	0.08 137	0.07 4	0.09 52	0.06 113	0.04 21	0.06 99	0.05 104	0.04 15	0.04 40

BEATNet_4x	0.12 246	0.08 232	0.14 260	0.18 295	0.07 70	0.15 299	0.07 3	0.22 269	0.18 226	0.16 290	0.19 267	0.18 309	0.14 312	0.16 311	0.15 337	0.07 235	0.05 182	0.05 23	0.05 104	0.06 189	0.06 195

HITNet	0.10 138	0.06 54	0.12 181	0.14 29	0.06 13	0.11 168	0.10 26	0.18 193	0.18 226	0.13 214	0.16 212	0.14 232	0.11 220	0.15 277	0.13 272	0.06 113	0.04 21	0.04 1	0.04 34	0.06 189	0.05 120
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
DN-CSS_ROB	0.13 271	0.13 435	0.16 343	0.18 295	0.10 335	0.16 329	0.08 7	0.22 269	0.18 226	0.17 306	0.22 309	0.13 212	0.13 287	0.12 186	0.13 272	0.05 26	0.05 182	0.10 396	0.10 411	0.08 316	0.06 195

xyz-stereo-finetune	0.11 181	0.08 232	0.13 225	0.14 29	0.06 13	0.10 123	0.19 395	0.17 164	0.19 241	0.12 187	0.14 183	0.15 261	0.10 195	0.13 230	0.11 183	0.05 26	0.04 21	0.07 191	0.05 104	0.04 15	0.05 120

MM-Stereo_test3	0.10 138	0.07 135	0.07 6	0.18 295	0.07 70	0.12 202	0.19 395	0.24 310	0.19 241	0.06 9	0.10 112	0.08 94	0.06 34	0.11 105	0.08 17	0.06 113	0.06 302	0.07 191	0.05 104	0.05 98	0.04 40

DDVS	0.15 349	0.10 364	0.21 425	0.16 140	0.12 413	0.15 299	0.14 148	0.25 326	0.19 241	0.18 336	0.29 409	0.27 415	0.12 250	0.19 379	0.15 337	0.09 351	0.06 302	0.09 351	0.07 268	0.11 427	0.11 429

rvit_stereo_0081_aga	0.11 181	0.09 306	0.14 260	0.18 295	0.09 234	0.13 241	0.14 148	0.14 73	0.19 241	0.10 122	0.18 258	0.16 275	0.09 163	0.12 186	0.09 52	0.10 388	0.06 302	0.08 272	0.07 268	0.07 254	0.06 195

AE-Stereo	0.10 138	0.08 232	0.10 105	0.18 295	0.09 234	0.10 123	0.15 214	0.14 73	0.19 241	0.09 90	0.14 183	0.12 188	0.08 137	0.11 105	0.10 120	0.05 26	0.06 302	0.07 191	0.06 181	0.05 98	0.04 40

ffm	0.12 246	0.09 306	0.14 260	0.16 140	0.08 125	0.17 350	0.17 312	0.15 102	0.19 241	0.15 262	0.25 359	0.19 323	0.13 287	0.10 59	0.07 1	0.06 113	0.04 21	0.09 351	0.08 332	0.06 189	0.06 195

ff1	0.13 271	0.09 306	0.14 260	0.16 140	0.08 125	0.17 350	0.17 312	0.15 102	0.19 241	0.15 262	0.25 359	0.19 323	0.13 287	0.14 255	0.20 404	0.06 113	0.04 21	0.09 351	0.08 332	0.06 189	0.06 195

tt1	0.10 138	0.08 232	0.12 181	0.17 214	0.09 234	0.12 202	0.16 279	0.15 102	0.19 241	0.09 90	0.08 68	0.06 16	0.06 34	0.10 59	0.07 1	0.06 113	0.04 21	0.06 99	0.05 104	0.06 189	0.06 195

CASS	0.13 271	0.12 406	0.11 146	0.23 463	0.09 234	0.15 299	0.17 312	0.18 193	0.19 241	0.17 306	0.18 258	0.15 261	0.15 330	0.14 255	0.14 309	0.09 351	0.06 302	0.10 396	0.08 332	0.09 376	0.07 274
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
DCANet-4	0.10 138	0.06 54	0.12 181	0.16 140	0.06 13	0.09 77	0.17 312	0.18 193	0.19 241	0.13 214	0.16 212	0.09 119	0.14 312	0.11 105	0.12 231	0.06 113	0.04 21	0.05 23	0.04 34	0.04 15	0.05 120

ADStereo(finetuned)	0.10 138	0.06 54	0.12 181	0.16 140	0.06 13	0.09 77	0.17 312	0.15 102	0.19 241	0.13 214	0.17 233	0.10 150	0.12 250	0.11 105	0.12 231	0.06 113	0.04 21	0.05 23	0.04 34	0.05 98	0.04 40

BUS	0.14 305	0.09 306	0.14 260	0.22 443	0.10 335	0.19 391	0.14 148	0.34 457	0.19 241	0.17 306	0.22 309	0.16 275	0.13 287	0.15 277	0.13 272	0.08 295	0.06 302	0.10 396	0.09 376	0.07 254	0.07 274

BSDual-CNN	0.15 349	0.09 306	0.14 260	0.22 443	0.10 335	0.14 273	0.15 214	0.34 457	0.19 241	0.17 306	0.22 309	0.25 398	0.16 356	0.15 277	0.14 309	0.08 295	0.06 302	0.10 396	0.09 376	0.07 254	0.07 274

psmg	0.14 305	0.09 306	0.14 260	0.17 214	0.10 335	0.15 299	0.17 312	0.29 394	0.19 241	0.17 306	0.21 300	0.25 398	0.16 356	0.15 277	0.14 309	0.08 295	0.06 302	0.08 272	0.08 332	0.07 254	0.06 195

NF-Stereo	0.11 181	0.07 135	0.13 225	0.17 214	0.09 234	0.10 123	0.14 148	0.23 288	0.19 241	0.12 187	0.17 233	0.12 188	0.11 220	0.11 105	0.11 183	0.06 113	0.04 21	0.07 191	0.06 181	0.06 189	0.12 441

OCTAStereo	0.11 181	0.07 135	0.13 225	0.17 214	0.09 234	0.10 123	0.14 148	0.23 288	0.19 241	0.12 187	0.17 233	0.12 188	0.11 220	0.11 105	0.11 183	0.06 113	0.04 21	0.07 191	0.06 181	0.06 189	0.12 441

RE-Stereo	0.11 181	0.07 135	0.13 225	0.17 214	0.09 234	0.10 123	0.14 148	0.23 288	0.19 241	0.12 187	0.17 233	0.12 188	0.11 220	0.11 105	0.11 183	0.06 113	0.04 21	0.07 191	0.06 181	0.06 189	0.12 441

TVStereo	0.11 181	0.07 135	0.13 225	0.17 214	0.09 234	0.10 123	0.14 148	0.23 288	0.19 241	0.12 187	0.17 233	0.12 188	0.11 220	0.11 105	0.11 183	0.06 113	0.04 21	0.07 191	0.06 181	0.06 189	0.12 441

RAFT	0.13 271	0.09 306	0.11 146	0.18 295	0.08 125	0.15 299	0.24 463	0.20 225	0.19 241	0.21 387	0.21 300	0.17 295	0.12 250	0.16 311	0.09 52	0.06 113	0.07 371	0.10 396	0.09 376	0.05 98	0.05 120

LMCR-Stereo	0.15 349	0.08 232	0.13 225	0.21 428	0.09 234	0.17 350	0.20 416	0.27 365	0.19 241	0.24 423	0.24 330	0.23 379	0.17 379	0.20 404	0.17 368	0.07 235	0.06 302	0.08 272	0.06 181	0.10 407	0.08 338

TANstereo	0.09 77	0.04 1	0.08 29	0.13 12	0.06 13	0.11 168	0.14 148	0.15 102	0.19 241	0.11 149	0.15 200	0.10 150	0.06 34	0.12 186	0.09 52	0.07 235	0.05 182	0.05 23	0.04 34	0.06 189	0.05 120

DCANet	0.10 138	0.06 54	0.12 181	0.16 140	0.06 13	0.09 77	0.17 312	0.15 102	0.19 241	0.13 214	0.17 233	0.10 150	0.11 220	0.11 105	0.12 231	0.06 113	0.04 21	0.05 23	0.04 34	0.05 98	0.04 40

xxxx	0.15 349	0.07 135	0.14 260	0.14 29	0.08 125	0.23 443	0.18 357	0.31 418	0.19 241	0.14 235	0.28 397	0.22 362	0.14 312	0.15 277	0.26 474	0.09 351	0.05 182	0.07 191	0.07 268	0.08 316	0.07 274

MM-Stereo_test1	0.10 138	0.07 135	0.08 29	0.18 295	0.07 70	0.12 202	0.18 357	0.21 247	0.20 264	0.09 90	0.11 142	0.08 94	0.06 34	0.10 59	0.10 120	0.06 113	0.05 182	0.07 191	0.06 181	0.05 98	0.04 40

FACV-RUCA	0.13 271	0.11 389	0.12 181	0.19 351	0.12 413	0.15 299	0.15 214	0.22 269	0.20 264	0.15 262	0.16 212	0.14 232	0.16 356	0.14 255	0.13 272	0.07 235	0.05 182	0.08 272	0.06 181	0.10 407	0.08 338

StereoVision	0.13 271	0.12 406	0.09 70	0.24 472	0.10 335	0.15 299	0.21 433	0.21 247	0.20 264	0.12 187	0.24 330	0.10 150	0.10 195	0.16 311	0.10 120	0.09 351	0.11 453	0.12 444	0.12 460	0.06 189	0.05 120

fff	0.10 138	0.06 54	0.12 181	0.15 69	0.07 70	0.09 77	0.17 312	0.16 128	0.20 264	0.13 214	0.16 212	0.10 150	0.11 220	0.11 105	0.12 231	0.06 113	0.04 21	0.05 23	0.04 34	0.04 15	0.05 120

x	0.13 271	0.07 135	0.14 260	0.14 29	0.08 125	0.18 368	0.14 148	0.22 269	0.20 264	0.15 262	0.19 267	0.19 323	0.17 379	0.18 364	0.18 386	0.07 235	0.05 182	0.06 99	0.06 181	0.07 254	0.07 274

CRFU-Net	0.16 372	0.08 232	0.14 260	0.17 214	0.09 234	0.19 391	0.14 148	0.26 344	0.20 264	0.28 460	0.27 384	0.29 431	0.17 379	0.19 379	0.17 368	0.09 351	0.09 423	0.07 191	0.07 268	0.08 316	0.08 338

GANet-ADL	0.13 271	0.07 135	0.15 309	0.17 214	0.10 335	0.18 368	0.15 214	0.30 408	0.20 264	0.13 214	0.18 258	0.19 323	0.12 250	0.16 311	0.13 272	0.08 295	0.06 302	0.06 99	0.05 104	0.07 254	0.08 338

PFNet	0.12 246	0.06 54	0.17 371	0.17 214	0.08 125	0.09 77	0.15 214	0.26 344	0.20 264	0.16 290	0.16 212	0.14 232	0.11 220	0.12 186	0.11 183	0.06 113	0.04 21	0.07 191	0.06 181	0.05 98	0.05 120

raft+_RVC	0.11 181	0.07 135	0.09 70	0.16 140	0.07 70	0.10 123	0.11 45	0.24 310	0.20 264	0.12 187	0.15 200	0.12 188	0.08 137	0.12 186	0.13 272	0.07 235	0.04 21	0.07 191	0.06 181	0.05 98	0.05 120

csc	0.10 138	0.06 54	0.12 181	0.15 69	0.07 70	0.09 77	0.17 312	0.16 128	0.20 264	0.13 214	0.16 212	0.10 150	0.11 220	0.11 105	0.12 231	0.06 113	0.04 21	0.05 23	0.04 34	0.04 15	0.05 120

cscssc	0.10 138	0.06 54	0.12 181	0.15 69	0.07 70	0.09 77	0.17 312	0.16 128	0.20 264	0.13 214	0.16 212	0.10 150	0.11 220	0.11 105	0.12 231	0.06 113	0.04 21	0.05 23	0.04 34	0.04 15	0.05 120

222	0.16 372	0.07 135	0.14 260	0.14 29	0.08 125	0.24 448	0.18 357	0.30 408	0.20 264	0.17 306	0.28 397	0.17 295	0.16 356	0.15 277	0.40 521	0.10 388	0.05 182	0.07 191	0.06 181	0.07 254	0.08 338

test_xeample	0.15 349	0.06 54	0.13 225	0.14 29	0.08 125	0.21 422	0.20 416	0.28 384	0.20 264	0.16 290	0.29 409	0.19 323	0.16 356	0.15 277	0.26 474	0.09 351	0.05 182	0.07 191	0.07 268	0.07 254	0.07 274

RAFT + AFF	0.13 271	0.07 135	0.20 417	0.20 399	0.10 335	0.14 273	0.24 463	0.26 344	0.20 264	0.11 149	0.10 112	0.12 188	0.10 195	0.15 277	0.12 231	0.07 235	0.06 302	0.09 351	0.08 332	0.06 189	0.08 338

RASNet	0.14 305	0.07 135	0.14 260	0.16 140	0.08 125	0.18 368	0.14 148	0.29 394	0.20 264	0.17 306	0.25 359	0.21 344	0.18 392	0.20 404	0.19 398	0.07 235	0.06 302	0.06 99	0.08 332	0.06 189	0.06 195

ACV-stereo	0.15 349	0.10 364	0.28 463	0.18 295	0.12 413	0.14 273	0.12 62	0.23 288	0.21 279	0.19 351	0.23 318	0.22 362	0.15 330	0.23 442	0.17 368	0.07 235	0.06 302	0.07 191	0.07 268	0.07 254	0.07 274

test_sample8	0.19 417	0.12 406	0.20 417	0.12 4	0.14 452	0.17 350	0.13 100	0.31 418	0.21 279	0.27 446	0.22 309	0.36 474	0.25 453	0.19 379	0.17 368	0.15 481	0.30 528	0.14 471	0.14 473	0.14 470	0.12 441

H2IRNET	0.10 138	0.09 306	0.09 70	0.18 295	0.09 234	0.12 202	0.15 214	0.14 73	0.21 279	0.10 122	0.10 112	0.10 150	0.10 195	0.10 59	0.10 120	0.05 26	0.04 21	0.08 272	0.08 332	0.06 189	0.05 120

EKT-Stereo	0.11 181	0.07 135	0.14 260	0.15 69	0.10 335	0.13 241	0.14 148	0.18 193	0.21 279	0.11 149	0.08 68	0.12 188	0.09 163	0.11 105	0.12 231	0.08 295	0.06 302	0.07 191	0.06 181	0.08 316	0.07 274

iRaft-Stereo_5w	0.12 246	0.09 306	0.12 181	0.19 351	0.08 125	0.09 77	0.12 62	0.21 247	0.21 279	0.19 351	0.14 183	0.11 171	0.09 163	0.20 404	0.16 353	0.05 26	0.05 182	0.07 191	0.06 181	0.05 98	0.06 195

test_3	0.10 138	0.09 306	0.10 105	0.20 399	0.08 125	0.13 241	0.26 484	0.14 73	0.21 279	0.10 122	0.10 112	0.09 119	0.09 163	0.08 15	0.11 183	0.05 26	0.04 21	0.08 272	0.07 268	0.04 15	0.04 40

PFNet+	0.11 181	0.06 54	0.13 225	0.16 140	0.09 234	0.05 4	0.12 62	0.17 164	0.21 279	0.16 290	0.19 267	0.14 232	0.10 195	0.11 105	0.11 183	0.08 295	0.05 182	0.09 351	0.08 332	0.06 189	0.11 429

OMP-Stereo	0.11 181	0.06 54	0.14 260	0.18 295	0.08 125	0.09 77	0.12 62	0.21 247	0.21 279	0.13 214	0.14 183	0.11 171	0.12 250	0.11 105	0.13 272	0.06 113	0.04 21	0.07 191	0.06 181	0.05 98	0.04 40

sAnonymous2	0.13 271	0.12 406	0.24 443	0.20 399	0.12 413	0.17 350	0.13 100	0.26 344	0.21 279	0.11 149	0.11 142	0.13 212	0.08 137	0.10 59	0.10 120	0.09 351	0.05 182	0.08 272	0.06 181	0.15 485	0.10 406

CroCo_RVC	0.13 271	0.12 406	0.24 443	0.20 399	0.12 413	0.17 350	0.13 100	0.26 344	0.21 279	0.11 149	0.11 142	0.13 212	0.08 137	0.10 59	0.10 120	0.09 351	0.05 182	0.08 272	0.06 181	0.15 485	0.10 406

ac_64	0.16 372	0.08 232	0.15 309	0.18 295	0.10 335	0.22 430	0.18 357	0.24 310	0.21 279	0.18 336	0.24 330	0.29 431	0.18 392	0.19 379	0.22 433	0.09 351	0.07 371	0.08 272	0.09 376	0.07 254	0.06 195

GANet-RSSM	0.14 305	0.07 135	0.13 225	0.13 12	0.08 125	0.14 273	0.17 312	0.22 269	0.21 279	0.17 306	0.24 330	0.23 379	0.15 330	0.16 311	0.15 337	0.10 388	0.06 302	0.07 191	0.08 332	0.08 316	0.07 274

DeepPruner_ROB	0.16 372	0.11 389	0.15 309	0.17 214	0.10 335	0.17 350	0.15 214	0.32 429	0.21 279	0.19 351	0.21 300	0.22 362	0.18 392	0.20 404	0.15 337	0.13 464	0.09 423	0.09 351	0.09 376	0.11 427	0.10 406

MLCV	0.12 246	0.07 135	0.16 343	0.18 295	0.06 13	0.15 299	0.17 312	0.19 214	0.21 279	0.18 336	0.25 359	0.17 295	0.13 287	0.14 255	0.13 272	0.05 26	0.04 21	0.05 23	0.04 34	0.05 98	0.04 40

G2L-Stereo	0.14 305	0.07 135	0.13 225	0.17 214	0.09 234	0.13 241	0.12 62	0.27 365	0.22 293	0.16 290	0.27 384	0.21 344	0.13 287	0.17 343	0.18 386	0.09 351	0.08 397	0.08 272	0.07 268	0.07 254	0.07 274

MyStereo8	0.12 246	0.07 135	0.15 309	0.15 69	0.09 234	0.18 368	0.14 148	0.19 214	0.22 293	0.12 187	0.18 258	0.11 171	0.10 195	0.16 311	0.18 386	0.07 235	0.05 182	0.07 191	0.05 104	0.08 316	0.09 382

anonymousdsp2	0.11 181	0.07 135	0.10 105	0.16 140	0.09 234	0.13 241	0.14 148	0.18 193	0.22 293	0.13 214	0.14 183	0.12 188	0.09 163	0.14 255	0.11 183	0.05 26	0.04 21	0.05 23	0.04 34	0.06 189	0.05 120

Selective-RAFT	0.11 181	0.10 364	0.11 146	0.21 428	0.08 125	0.16 329	0.13 100	0.20 225	0.22 293	0.10 122	0.10 112	0.11 171	0.10 195	0.15 277	0.11 183	0.05 26	0.05 182	0.06 99	0.05 104	0.06 189	0.05 120

RAFT+CT+SA	0.13 271	0.11 389	0.09 70	0.19 351	0.09 234	0.15 299	0.28 497	0.22 269	0.22 293	0.15 262	0.26 376	0.10 150	0.10 195	0.11 105	0.12 231	0.05 26	0.04 21	0.07 191	0.08 332	0.07 254	0.06 195

CrosDoStereo	0.12 246	0.06 54	0.12 181	0.14 29	0.08 125	0.12 202	0.15 214	0.17 164	0.22 293	0.19 351	0.24 330	0.15 261	0.11 220	0.11 105	0.12 231	0.06 113	0.04 21	0.07 191	0.07 268	0.05 98	0.05 120

DeepStereo_LL	0.12 246	0.06 54	0.12 181	0.14 29	0.08 125	0.12 202	0.15 214	0.17 164	0.22 293	0.19 351	0.24 330	0.15 261	0.11 220	0.11 105	0.12 231	0.06 113	0.04 21	0.07 191	0.07 268	0.05 98	0.05 120

HCRNet	0.16 372	0.24 503	0.12 181	0.35 518	0.11 382	0.15 299	0.17 312	0.26 344	0.22 293	0.19 351	0.24 330	0.21 344	0.14 312	0.15 277	0.13 272	0.11 416	0.07 371	0.11 427	0.10 411	0.09 376	0.07 274

FADNet_RVC	0.16 372	0.14 447	0.40 498	0.20 399	0.11 382	0.13 241	0.13 100	0.26 344	0.22 293	0.21 387	0.23 318	0.20 335	0.17 379	0.14 255	0.16 353	0.08 295	0.08 397	0.12 444	0.09 376	0.11 427	0.10 406

UCFNet_RVC	0.14 305	0.08 232	0.13 225	0.11 1	0.10 335	0.20 406	0.10 26	0.24 310	0.22 293	0.17 306	0.20 279	0.23 379	0.15 330	0.17 343	0.15 337	0.12 441	0.07 371	0.10 396	0.13 470	0.11 427	0.10 406

AIO-test2	0.10 138	0.08 232	0.10 105	0.23 463	0.08 125	0.11 168	0.10 26	0.23 288	0.23 303	0.08 61	0.09 86	0.08 94	0.05 9	0.10 59	0.08 17	0.06 113	0.05 182	0.08 272	0.09 376	0.05 98	0.05 120

UGAM	0.13 271	0.10 364	0.09 70	0.22 443	0.08 125	0.12 202	0.20 416	0.17 164	0.23 303	0.21 387	0.16 212	0.13 212	0.13 287	0.19 379	0.12 231	0.07 235	0.05 182	0.13 459	0.11 441	0.07 254	0.05 120

DCVSM-stereo	0.14 305	0.09 306	0.16 343	0.16 140	0.10 335	0.15 299	0.09 18	0.19 214	0.23 303	0.20 373	0.23 318	0.26 407	0.15 330	0.18 364	0.14 309	0.09 351	0.07 371	0.09 351	0.08 332	0.10 407	0.12 441

DualNet (step1)	0.16 372	0.12 406	0.20 417	0.12 4	0.14 452	0.17 350	0.13 100	0.27 365	0.23 303	0.20 373	0.20 279	0.24 385	0.19 408	0.16 311	0.16 353	0.15 481	0.06 302	0.14 471	0.14 473	0.14 470	0.12 441

test_sample9	0.18 405	0.12 406	0.20 417	0.12 4	0.14 452	0.17 350	0.13 100	0.27 365	0.23 303	0.20 373	0.20 279	0.24 385	0.19 408	0.19 379	0.17 368	0.15 481	0.30 528	0.14 471	0.14 473	0.14 470	0.12 441

test_sample7	0.15 349	0.10 364	0.16 343	0.14 29	0.11 382	0.16 329	0.16 279	0.27 365	0.23 303	0.20 373	0.20 279	0.24 385	0.19 408	0.16 311	0.16 353	0.12 441	0.06 302	0.10 396	0.09 376	0.10 407	0.10 406

CBFPSM	0.14 305	0.06 54	0.26 451	0.17 214	0.09 234	0.13 241	0.15 214	0.22 269	0.23 303	0.20 373	0.27 384	0.24 385	0.16 356	0.16 311	0.18 386	0.06 113	0.06 302	0.06 99	0.07 268	0.07 254	0.07 274

iinet-f	0.16 372	0.06 54	0.45 504	0.14 29	0.10 335	0.21 422	0.14 148	0.27 365	0.23 303	0.21 387	0.24 330	0.21 344	0.15 330	0.18 364	0.21 424	0.09 351	0.07 371	0.07 191	0.06 181	0.09 376	0.10 406

PSMNet-ADL	0.15 349	0.12 406	0.13 225	0.22 443	0.09 234	0.13 241	0.20 416	0.26 344	0.23 303	0.18 336	0.20 279	0.24 385	0.16 356	0.18 364	0.17 368	0.08 295	0.08 397	0.08 272	0.11 441	0.08 316	0.07 274

IRAFT_RVC	0.12 246	0.08 232	0.16 343	0.19 351	0.08 125	0.07 27	0.15 214	0.24 310	0.23 303	0.14 235	0.14 183	0.15 261	0.12 250	0.12 186	0.10 120	0.06 113	0.04 21	0.09 351	0.06 181	0.06 189	0.06 195

ICVP	0.15 349	0.09 306	0.12 181	0.22 443	0.09 234	0.17 350	0.21 433	0.25 326	0.23 303	0.18 336	0.30 415	0.26 407	0.18 392	0.17 343	0.14 309	0.09 351	0.07 371	0.08 272	0.07 268	0.07 254	0.07 274
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
TestStereo	0.13 271	0.14 447	0.11 146	0.23 463	0.08 125	0.15 299	0.21 433	0.20 225	0.23 303	0.14 235	0.24 330	0.16 275	0.12 250	0.16 311	0.14 309	0.05 26	0.06 302	0.08 272	0.06 181	0.09 376	0.05 120

111	0.10 138	0.06 54	0.12 181	0.15 69	0.07 70	0.10 123	0.14 148	0.21 247	0.23 303	0.11 149	0.12 155	0.14 232	0.11 220	0.13 230	0.10 120	0.06 113	0.04 21	0.06 99	0.04 34	0.05 98	0.05 120

FENet	0.13 271	0.08 232	0.12 181	0.16 140	0.08 125	0.14 273	0.15 214	0.22 269	0.23 303	0.17 306	0.23 318	0.16 275	0.12 250	0.14 255	0.15 337	0.08 295	0.05 182	0.08 272	0.08 332	0.07 254	0.07 274

STTStereo	0.18 405	0.12 406	0.27 458	0.20 399	0.11 382	0.16 329	0.21 433	0.29 394	0.23 303	0.21 387	0.30 415	0.29 431	0.18 392	0.20 404	0.19 398	0.12 441	0.11 453	0.11 427	0.14 473	0.09 376	0.08 338

StereoDRNet-Refined	0.17 392	0.12 406	0.15 309	0.20 399	0.09 234	0.18 368	0.18 357	0.26 344	0.23 303	0.26 440	0.40 474	0.22 362	0.17 379	0.21 420	0.20 404	0.08 295	0.05 182	0.09 351	0.10 411	0.07 254	0.07 274
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
rvit_stereo_0081	0.11 181	0.08 232	0.15 309	0.16 140	0.09 234	0.10 123	0.14 148	0.14 73	0.24 319	0.11 149	0.13 169	0.13 212	0.09 163	0.11 105	0.12 231	0.10 388	0.07 371	0.08 272	0.07 268	0.07 254	0.05 120

rvit_stereo_0082	0.11 181	0.08 232	0.15 309	0.16 140	0.09 234	0.10 123	0.14 148	0.14 73	0.24 319	0.11 149	0.13 169	0.13 212	0.09 163	0.11 105	0.12 231	0.10 388	0.07 371	0.08 272	0.07 268	0.07 254	0.05 120

1111x	0.15 349	0.08 232	0.12 181	0.18 295	0.07 70	0.18 368	0.25 477	0.31 418	0.24 319	0.17 306	0.24 330	0.26 407	0.15 330	0.13 230	0.23 445	0.07 235	0.07 371	0.08 272	0.09 376	0.07 254	0.06 195

LL-Strereo	0.13 271	0.09 306	0.11 146	0.20 399	0.10 335	0.11 168	0.18 357	0.32 429	0.24 319	0.15 262	0.15 200	0.14 232	0.13 287	0.19 379	0.11 183	0.06 113	0.04 21	0.09 351	0.08 332	0.04 15	0.05 120

gwcnet-sp	0.14 305	0.07 135	0.12 181	0.18 295	0.09 234	0.16 329	0.17 312	0.24 310	0.24 319	0.18 336	0.24 330	0.15 261	0.16 356	0.15 277	0.15 337	0.08 295	0.06 302	0.07 191	0.08 332	0.08 316	0.07 274

scenet	0.14 305	0.07 135	0.12 181	0.18 295	0.09 234	0.16 329	0.17 312	0.24 310	0.24 319	0.18 336	0.24 330	0.15 261	0.16 356	0.15 277	0.15 337	0.08 295	0.06 302	0.07 191	0.08 332	0.08 316	0.07 274

ssnet	0.14 305	0.07 135	0.12 181	0.18 295	0.09 234	0.16 329	0.17 312	0.24 310	0.24 319	0.18 336	0.24 330	0.15 261	0.16 356	0.15 277	0.15 337	0.08 295	0.06 302	0.07 191	0.08 332	0.08 316	0.07 274

test_5	0.14 305	0.12 406	0.08 29	0.20 399	0.10 335	0.14 273	0.29 506	0.21 247	0.24 319	0.18 336	0.28 397	0.11 171	0.15 330	0.12 186	0.13 272	0.06 113	0.05 182	0.07 191	0.08 332	0.08 316	0.07 274

GLC_STEREO	0.11 181	0.07 135	0.11 146	0.17 214	0.07 70	0.09 77	0.13 100	0.15 102	0.24 319	0.12 187	0.13 169	0.12 188	0.08 137	0.18 364	0.11 183	0.06 113	0.08 397	0.08 272	0.06 181	0.05 98	0.05 120

MIPNet	0.11 181	0.08 232	0.14 260	0.17 214	0.09 234	0.12 202	0.14 148	0.20 225	0.24 319	0.11 149	0.10 112	0.09 119	0.07 102	0.13 230	0.12 231	0.06 113	0.04 21	0.06 99	0.05 104	0.04 15	0.04 40

IPLGR	0.11 181	0.09 306	0.16 343	0.18 295	0.08 125	0.12 202	0.17 312	0.21 247	0.24 319	0.11 149	0.12 155	0.11 171	0.08 137	0.12 186	0.12 231	0.06 113	0.05 182	0.06 99	0.06 181	0.04 15	0.04 40

AACVNet	0.16 372	0.08 232	0.14 260	0.15 69	0.10 335	0.18 368	0.15 214	0.23 288	0.24 319	0.27 446	0.27 384	0.28 424	0.17 379	0.19 379	0.16 353	0.09 351	0.07 371	0.09 351	0.07 268	0.10 407	0.09 382

GwcNet-ADL	0.13 271	0.08 232	0.14 260	0.20 399	0.09 234	0.11 168	0.20 416	0.30 408	0.24 319	0.13 214	0.14 183	0.18 309	0.14 312	0.13 230	0.14 309	0.07 235	0.05 182	0.06 99	0.05 104	0.07 254	0.06 195

DEmStereo	0.12 246	0.06 54	0.14 260	0.14 29	0.10 335	0.16 329	0.15 214	0.16 128	0.24 319	0.17 306	0.24 330	0.13 212	0.14 312	0.12 186	0.13 272	0.05 26	0.04 21	0.07 191	0.06 181	0.05 98	0.05 120

GMStereo	0.13 271	0.14 447	0.14 260	0.18 295	0.09 234	0.15 299	0.16 279	0.20 225	0.24 319	0.16 290	0.17 233	0.10 150	0.10 195	0.16 311	0.13 272	0.07 235	0.06 302	0.06 99	0.06 181	0.07 254	0.06 195
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
PSMNet-RSSM	0.14 305	0.07 135	0.13 225	0.15 69	0.08 125	0.13 241	0.16 279	0.24 310	0.24 319	0.16 290	0.28 397	0.22 362	0.14 312	0.15 277	0.13 272	0.11 416	0.06 302	0.09 351	0.12 460	0.08 316	0.07 274

CFNet-ft	0.14 305	0.07 135	0.15 309	0.12 4	0.09 234	0.16 329	0.18 357	0.22 269	0.24 319	0.17 306	0.26 376	0.24 385	0.14 312	0.16 311	0.14 309	0.11 416	0.06 302	0.08 272	0.09 376	0.09 376	0.08 338

DMCA-RVC	0.17 392	0.10 364	0.15 309	0.24 472	0.11 382	0.18 368	0.18 357	0.25 326	0.24 319	0.21 387	0.26 376	0.25 398	0.27 466	0.18 364	0.20 404	0.12 441	0.08 397	0.13 459	0.10 411	0.10 407	0.08 338

FADNet-RVC-Resample	0.16 372	0.11 389	0.31 476	0.22 443	0.11 382	0.19 391	0.14 148	0.25 326	0.24 319	0.24 423	0.27 384	0.20 335	0.15 330	0.16 311	0.15 337	0.07 235	0.08 397	0.12 444	0.10 411	0.09 376	0.10 406

MaskLacGwcNet_RVC	0.22 449	0.21 495	0.24 443	0.26 487	0.11 382	0.23 443	0.14 148	0.39 491	0.24 319	0.32 482	0.36 450	0.30 439	0.21 424	0.19 379	0.21 424	0.17 502	0.14 489	0.21 505	0.16 492	0.12 441	0.12 441

CFNet_RVC	0.14 305	0.07 135	0.15 309	0.12 4	0.09 234	0.16 329	0.18 357	0.22 269	0.24 319	0.17 306	0.26 376	0.24 385	0.14 312	0.16 311	0.14 309	0.11 416	0.06 302	0.08 272	0.09 376	0.09 376	0.08 338

DFGA-Net	0.13 271	0.11 389	0.18 394	0.17 214	0.10 335	0.12 202	0.13 100	0.22 269	0.25 340	0.16 290	0.16 212	0.13 212	0.12 250	0.16 311	0.14 309	0.07 235	0.05 182	0.08 272	0.07 268	0.05 98	0.05 120

mmx	0.14 305	0.09 306	0.14 260	0.16 140	0.08 125	0.17 350	0.17 312	0.27 365	0.25 340	0.15 262	0.25 359	0.19 323	0.13 287	0.14 255	0.20 404	0.08 295	0.06 302	0.09 351	0.08 332	0.08 316	0.08 338

xxx	0.14 305	0.09 306	0.14 260	0.16 140	0.08 125	0.17 350	0.17 312	0.27 365	0.25 340	0.15 262	0.25 359	0.19 323	0.13 287	0.14 255	0.20 404	0.08 295	0.06 302	0.09 351	0.08 332	0.08 316	0.08 338

GMStereo_Zeroshot	0.16 372	0.13 435	0.24 443	0.20 399	0.10 335	0.17 350	0.13 100	0.29 394	0.25 340	0.23 414	0.32 427	0.25 398	0.11 220	0.19 379	0.14 309	0.09 351	0.06 302	0.11 427	0.06 181	0.12 441	0.08 338

ssnet_v2	0.17 392	0.10 364	0.17 371	0.17 214	0.11 382	0.21 422	0.21 433	0.33 448	0.25 340	0.22 402	0.22 309	0.27 415	0.18 392	0.22 431	0.20 404	0.11 416	0.09 423	0.09 351	0.09 376	0.08 316	0.08 338

hknet	0.15 349	0.11 389	0.13 225	0.22 443	0.11 382	0.14 273	0.15 214	0.34 457	0.25 340	0.17 306	0.22 309	0.22 362	0.18 392	0.17 343	0.12 231	0.07 235	0.06 302	0.10 396	0.09 376	0.07 254	0.07 274

dd	0.15 349	0.16 461	0.16 343	0.19 351	0.09 234	0.15 299	0.18 357	0.21 247	0.25 340	0.23 414	0.20 279	0.21 344	0.09 163	0.21 420	0.16 353	0.10 388	0.06 302	0.08 272	0.06 181	0.08 316	0.06 195

THIR-Stereo	0.12 246	0.07 135	0.11 146	0.15 69	0.08 125	0.14 273	0.16 279	0.17 164	0.25 340	0.16 290	0.24 330	0.14 232	0.12 250	0.12 186	0.14 309	0.06 113	0.04 21	0.07 191	0.07 268	0.05 98	0.05 120

GES	0.14 305	0.08 232	0.16 343	0.15 69	0.10 335	0.13 241	0.13 100	0.28 384	0.25 340	0.16 290	0.23 318	0.18 309	0.13 287	0.16 311	0.13 272	0.08 295	0.07 371	0.07 191	0.06 181	0.08 316	0.09 382

cf-r	0.13 271	0.07 135	0.12 181	0.16 140	0.08 125	0.14 273	0.19 395	0.20 225	0.25 340	0.17 306	0.25 359	0.21 344	0.16 356	0.14 255	0.14 309	0.10 388	0.05 182	0.06 99	0.08 332	0.06 189	0.06 195

CFNet	0.15 349	0.10 364	0.17 371	0.17 214	0.08 125	0.18 368	0.09 18	0.28 384	0.25 340	0.19 351	0.24 330	0.24 385	0.17 379	0.17 343	0.14 309	0.08 295	0.06 302	0.09 351	0.10 411	0.07 254	0.06 195

NLCA_NET_v2_RVC	0.17 392	0.10 364	0.22 431	0.20 399	0.10 335	0.15 299	0.18 357	0.31 418	0.25 340	0.21 387	0.30 415	0.25 398	0.17 379	0.21 420	0.20 404	0.09 351	0.06 302	0.08 272	0.08 332	0.07 254	0.08 338
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
PS-NSSS	0.20 429	0.21 495	0.23 440	0.20 399	0.10 335	0.19 391	0.17 312	0.36 475	0.25 340	0.27 446	0.33 439	0.27 415	0.24 445	0.20 404	0.20 404	0.15 481	0.12 467	0.17 491	0.14 473	0.10 407	0.08 338

HSM	0.15 349	0.08 232	0.14 260	0.16 140	0.09 234	0.16 329	0.14 148	0.28 384	0.25 340	0.19 351	0.23 318	0.37 479	0.16 356	0.20 404	0.15 337	0.07 235	0.05 182	0.07 191	0.06 181	0.07 254	0.06 195

rvit_0105_6	0.14 305	0.09 306	0.18 394	0.17 214	0.10 335	0.10 123	0.16 279	0.19 214	0.26 354	0.12 187	0.18 258	0.17 295	0.12 250	0.18 364	0.12 231	0.15 481	0.11 453	0.12 444	0.10 411	0.09 376	0.06 195

rvit_stereo_0083	0.12 246	0.08 232	0.17 371	0.16 140	0.09 234	0.11 168	0.15 214	0.14 73	0.26 354	0.11 149	0.14 183	0.13 212	0.10 195	0.12 186	0.12 231	0.10 388	0.08 397	0.09 351	0.07 268	0.07 254	0.05 120

IER	0.14 305	0.07 135	0.13 225	0.17 214	0.09 234	0.14 273	0.16 279	0.25 326	0.26 354	0.18 336	0.25 359	0.17 295	0.20 420	0.16 311	0.14 309	0.08 295	0.05 182	0.07 191	0.06 181	0.08 316	0.07 274

UPFNet	0.16 372	0.08 232	0.12 181	0.20 399	0.12 413	0.20 406	0.23 451	0.28 384	0.26 354	0.17 306	0.24 330	0.22 362	0.19 408	0.19 379	0.21 424	0.09 351	0.07 371	0.08 272	0.09 376	0.08 316	0.06 195

hitnet-ft	0.18 405	0.09 306	0.17 371	0.14 29	0.09 234	0.26 466	0.20 416	0.25 326	0.26 354	0.24 423	0.32 427	0.31 451	0.22 433	0.24 451	0.21 424	0.12 441	0.07 371	0.10 396	0.08 332	0.12 441	0.11 429

FADNet-RVC	0.20 429	0.20 489	0.38 495	0.21 428	0.16 478	0.20 406	0.15 214	0.26 344	0.26 354	0.26 440	0.32 427	0.26 407	0.21 424	0.22 431	0.19 398	0.12 441	0.13 480	0.12 444	0.14 473	0.13 457	0.18 505

GANet	0.21 440	0.12 406	0.21 425	0.24 472	0.13 434	0.22 430	0.22 442	0.41 501	0.26 354	0.31 476	0.42 490	0.37 479	0.28 474	0.23 442	0.22 433	0.10 388	0.12 467	0.10 396	0.09 376	0.10 407	0.08 338

iResNet	0.13 271	0.10 364	0.18 394	0.19 351	0.08 125	0.13 241	0.18 357	0.20 225	0.26 354	0.15 262	0.23 318	0.15 261	0.13 287	0.14 255	0.14 309	0.06 113	0.04 21	0.06 99	0.05 104	0.06 189	0.05 120

pmcnn	0.15 349	0.07 135	0.19 405	0.15 69	0.07 70	0.20 406	0.15 214	0.24 310	0.26 354	0.21 387	0.34 443	0.28 424	0.18 392	0.18 364	0.17 368	0.07 235	0.05 182	0.05 23	0.04 34	0.07 254	0.06 195

rvit_0105_5	0.14 305	0.09 306	0.13 225	0.17 214	0.09 234	0.14 273	0.23 451	0.24 310	0.27 363	0.14 235	0.15 200	0.18 309	0.12 250	0.17 343	0.14 309	0.14 477	0.11 453	0.10 396	0.10 411	0.08 316	0.06 195

rvit_0105_4	0.14 305	0.09 306	0.17 371	0.17 214	0.10 335	0.12 202	0.19 395	0.23 288	0.27 363	0.14 235	0.20 279	0.17 295	0.13 287	0.17 343	0.13 272	0.15 481	0.11 453	0.11 427	0.10 411	0.09 376	0.06 195

rvit_stereo_0075_2	0.17 392	0.12 406	0.25 448	0.23 463	0.16 478	0.13 241	0.10 26	0.30 408	0.27 363	0.20 373	0.28 397	0.22 362	0.15 330	0.18 364	0.13 272	0.16 497	0.10 442	0.17 491	0.10 411	0.10 407	0.09 382

SMFormer	0.14 305	0.07 135	0.17 371	0.14 29	0.08 125	0.16 329	0.17 312	0.26 344	0.27 363	0.19 351	0.20 279	0.18 309	0.15 330	0.15 277	0.17 368	0.08 295	0.05 182	0.07 191	0.06 181	0.07 254	0.06 195

tta	0.14 305	0.07 135	0.17 371	0.14 29	0.08 125	0.16 329	0.17 312	0.26 344	0.27 363	0.19 351	0.20 279	0.18 309	0.15 330	0.15 277	0.17 368	0.08 295	0.05 182	0.07 191	0.06 181	0.06 189	0.06 195

qqq1	0.13 271	0.07 135	0.17 371	0.14 29	0.08 125	0.16 329	0.17 312	0.26 344	0.27 363	0.19 351	0.20 279	0.18 309	0.15 330	0.15 277	0.11 183	0.08 295	0.05 182	0.05 23	0.05 104	0.06 189	0.06 195

fff1	0.13 271	0.07 135	0.17 371	0.14 29	0.08 125	0.16 329	0.17 312	0.26 344	0.27 363	0.19 351	0.20 279	0.18 309	0.15 330	0.15 277	0.11 183	0.08 295	0.05 182	0.05 23	0.05 104	0.06 189	0.06 195

CoDeX	0.12 246	0.07 135	0.12 181	0.17 214	0.08 125	0.12 202	0.15 214	0.23 288	0.27 363	0.13 214	0.17 233	0.16 275	0.11 220	0.14 255	0.11 183	0.07 235	0.05 182	0.07 191	0.06 181	0.06 189	0.05 120

UDGNet	0.14 305	0.13 435	0.16 343	0.17 214	0.10 335	0.12 202	0.16 279	0.21 247	0.27 363	0.20 373	0.20 279	0.16 275	0.13 287	0.16 311	0.13 272	0.10 388	0.06 302	0.09 351	0.07 268	0.06 189	0.07 274

ADLNet	0.16 372	0.08 232	0.15 309	0.16 140	0.10 335	0.16 329	0.17 312	0.32 429	0.27 363	0.22 402	0.27 384	0.24 385	0.16 356	0.18 364	0.21 424	0.10 388	0.06 302	0.10 396	0.10 411	0.08 316	0.09 382

SFCPSM	0.13 271	0.07 135	0.14 260	0.17 214	0.09 234	0.15 299	0.16 279	0.28 384	0.27 363	0.14 235	0.17 233	0.12 188	0.13 287	0.14 255	0.11 183	0.08 295	0.05 182	0.07 191	0.07 268	0.07 254	0.06 195

GwcNet-RSSM	0.14 305	0.07 135	0.12 181	0.15 69	0.08 125	0.15 299	0.20 416	0.21 247	0.27 363	0.18 336	0.27 384	0.22 362	0.16 356	0.14 255	0.15 337	0.10 388	0.05 182	0.07 191	0.09 376	0.07 254	0.07 274

DMCA	0.14 305	0.09 306	0.16 343	0.19 351	0.09 234	0.15 299	0.17 312	0.23 288	0.27 363	0.14 235	0.19 267	0.17 295	0.18 392	0.15 277	0.17 368	0.10 388	0.06 302	0.08 272	0.06 181	0.09 376	0.10 406

DANet	0.21 440	0.15 453	0.28 463	0.25 482	0.13 434	0.22 430	0.19 395	0.27 365	0.27 363	0.28 460	0.32 427	0.35 472	0.31 490	0.31 482	0.23 445	0.11 416	0.09 423	0.11 427	0.10 411	0.13 457	0.11 429
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
G2L-Stereo_test	0.14 305	0.07 135	0.11 146	0.13 12	0.08 125	0.12 202	0.16 279	0.30 408	0.28 377	0.20 373	0.23 318	0.20 335	0.16 356	0.17 343	0.18 386	0.07 235	0.05 182	0.05 23	0.05 104	0.07 254	0.06 195

dad	0.17 392	0.20 489	0.20 417	0.16 140	0.11 382	0.20 406	0.18 357	0.21 247	0.28 377	0.30 470	0.24 330	0.29 431	0.13 287	0.19 379	0.16 353	0.18 503	0.09 423	0.11 427	0.09 376	0.11 427	0.07 274

Anonymous3	0.16 372	0.13 435	0.33 482	0.26 487	0.14 452	0.27 475	0.17 312	0.28 384	0.28 377	0.15 262	0.17 233	0.14 232	0.10 195	0.15 277	0.12 231	0.08 295	0.08 397	0.08 272	0.08 332	0.08 316	0.11 429

AdaStereo	0.15 349	0.11 389	0.15 309	0.18 295	0.09 234	0.20 406	0.11 45	0.32 429	0.28 377	0.20 373	0.23 318	0.20 335	0.13 287	0.19 379	0.14 309	0.12 441	0.05 182	0.10 396	0.07 268	0.09 376	0.07 274
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.
NCCL2	0.23 464	0.15 453	0.17 371	0.34 516	0.18 499	0.24 448	0.23 451	0.34 457	0.28 377	0.31 476	0.38 461	0.38 483	0.28 474	0.23 442	0.24 456	0.15 481	0.12 467	0.18 500	0.21 507	0.13 457	0.13 459

CBMV_ROB	0.19 417	0.13 435	0.17 371	0.16 140	0.11 382	0.15 299	0.13 100	0.26 344	0.28 377	0.27 446	0.30 415	0.27 415	0.24 445	0.23 442	0.16 353	0.15 481	0.17 503	0.22 509	0.20 505	0.10 407	0.11 429

DLCB_ROB	0.18 405	0.10 364	0.15 309	0.23 463	0.11 382	0.24 448	0.18 357	0.29 394	0.28 377	0.27 446	0.28 397	0.28 424	0.24 445	0.19 379	0.20 404	0.08 295	0.08 397	0.09 351	0.09 376	0.07 254	0.07 274

coex_refinement	0.14 305	0.07 135	0.12 181	0.17 214	0.10 335	0.15 299	0.15 214	0.26 344	0.29 384	0.18 336	0.20 279	0.22 362	0.17 379	0.16 311	0.18 386	0.08 295	0.05 182	0.06 99	0.06 181	0.09 376	0.08 338

rvit_0105_3	0.15 349	0.09 306	0.14 260	0.19 351	0.12 413	0.15 299	0.25 477	0.25 326	0.29 384	0.15 262	0.17 233	0.20 335	0.13 287	0.17 343	0.14 309	0.13 464	0.11 453	0.12 444	0.14 473	0.07 254	0.06 195

DispNO	0.14 305	0.08 232	0.17 371	0.19 351	0.12 413	0.11 168	0.21 433	0.23 288	0.29 384	0.17 306	0.23 318	0.18 309	0.17 379	0.15 277	0.15 337	0.07 235	0.05 182	0.08 272	0.08 332	0.07 254	0.06 195

ttt	0.14 305	0.08 232	0.14 260	0.15 69	0.08 125	0.15 299	0.18 357	0.27 365	0.29 384	0.16 290	0.24 330	0.17 295	0.13 287	0.13 230	0.14 309	0.11 416	0.08 397	0.09 351	0.08 332	0.09 376	0.08 338

anonymousa	0.13 271	0.07 135	0.13 225	0.18 295	0.09 234	0.13 241	0.17 312	0.19 214	0.29 384	0.15 262	0.24 330	0.15 261	0.14 312	0.14 255	0.14 309	0.07 235	0.05 182	0.07 191	0.09 376	0.05 98	0.06 195

HBP-ISP	0.18 405	0.13 435	0.16 343	0.15 69	0.11 382	0.08 48	0.13 100	0.28 384	0.29 384	0.22 402	0.33 439	0.21 344	0.25 453	0.23 442	0.17 368	0.14 477	0.16 498	0.21 505	0.17 499	0.10 407	0.08 338

DAS	0.15 349	0.08 232	0.18 394	0.19 351	0.10 335	0.19 391	0.17 312	0.27 365	0.29 384	0.18 336	0.25 359	0.21 344	0.15 330	0.16 311	0.12 231	0.08 295	0.06 302	0.06 99	0.06 181	0.07 254	0.07 274

SepStereo	0.15 349	0.08 232	0.18 394	0.19 351	0.10 335	0.19 391	0.17 312	0.27 365	0.29 384	0.18 336	0.25 359	0.21 344	0.15 330	0.25 456	0.12 231	0.08 295	0.06 302	0.06 99	0.06 181	0.07 254	0.07 274

UNet	0.17 392	0.09 306	0.18 394	0.19 351	0.12 413	0.27 475	0.19 395	0.33 448	0.29 384	0.21 387	0.24 330	0.23 379	0.19 408	0.19 379	0.18 386	0.07 235	0.06 302	0.08 272	0.07 268	0.08 316	0.06 195

HSM-Net_RVC	0.14 305	0.08 232	0.11 146	0.15 69	0.08 125	0.15 299	0.15 214	0.27 365	0.29 384	0.19 351	0.21 300	0.29 431	0.14 312	0.17 343	0.13 272	0.06 113	0.06 302	0.06 99	0.06 181	0.07 254	0.06 195
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
PSMNet-RUCA	0.27 488	0.33 521	0.41 500	0.36 520	0.32 527	0.18 368	0.19 395	0.42 506	0.30 394	0.33 486	0.41 484	0.39 491	0.25 453	0.31 482	0.20 404	0.18 503	0.10 442	0.25 512	0.15 488	0.21 507	0.16 494

DDUNet	0.22 449	0.17 472	0.21 425	0.22 443	0.15 468	0.25 458	0.24 463	0.29 394	0.30 394	0.31 476	0.36 450	0.33 462	0.25 453	0.24 451	0.20 404	0.18 503	0.13 480	0.17 491	0.11 441	0.16 492	0.16 494

SACVNet	0.18 405	0.12 406	0.14 260	0.17 214	0.13 434	0.22 430	0.18 357	0.31 418	0.30 394	0.23 414	0.31 423	0.30 439	0.22 433	0.22 431	0.17 368	0.11 416	0.08 397	0.10 396	0.10 411	0.12 441	0.14 476

DRaft	0.12 246	0.06 54	0.11 146	0.14 29	0.09 234	0.14 273	0.17 312	0.21 247	0.30 394	0.17 306	0.28 397	0.10 150	0.15 330	0.10 59	0.12 231	0.05 26	0.04 21	0.07 191	0.06 181	0.05 98	0.05 120

TDLM	0.17 392	0.12 406	0.13 225	0.24 472	0.10 335	0.18 368	0.18 357	0.36 475	0.30 394	0.21 387	0.28 397	0.28 424	0.18 392	0.23 442	0.18 386	0.11 416	0.07 371	0.10 396	0.10 411	0.08 316	0.08 338

SGM-Forest	0.20 429	0.14 447	0.18 394	0.19 351	0.13 434	0.20 406	0.22 442	0.33 448	0.30 394	0.24 423	0.29 409	0.28 424	0.19 408	0.23 442	0.17 368	0.15 481	0.16 498	0.15 483	0.14 473	0.12 441	0.12 441
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
CBMV	0.19 417	0.14 447	0.17 371	0.18 295	0.10 335	0.20 406	0.11 45	0.29 394	0.30 394	0.29 467	0.30 415	0.30 439	0.23 439	0.27 461	0.19 398	0.13 464	0.15 495	0.17 491	0.16 492	0.10 407	0.10 406
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
xyz-stereo	0.13 271	0.07 135	0.20 417	0.15 69	0.05 1	0.20 406	0.15 214	0.17 164	0.31 401	0.15 262	0.29 409	0.26 407	0.16 356	0.13 230	0.12 231	0.05 26	0.05 182	0.06 99	0.05 104	0.04 15	0.04 40

Syn2CoEx	0.21 440	0.16 461	0.27 458	0.29 509	0.14 452	0.26 466	0.20 416	0.33 448	0.31 401	0.28 460	0.36 450	0.27 415	0.25 453	0.19 379	0.24 456	0.16 497	0.12 467	0.14 471	0.11 441	0.09 376	0.08 338

DSFCA	0.16 372	0.09 306	0.14 260	0.16 140	0.10 335	0.20 406	0.19 395	0.28 384	0.31 401	0.23 414	0.24 330	0.22 362	0.15 330	0.19 379	0.20 404	0.10 388	0.07 371	0.09 351	0.09 376	0.08 316	0.08 338

FADNet	0.21 440	0.22 499	0.36 491	0.18 295	0.17 493	0.24 448	0.13 100	0.31 418	0.31 401	0.23 414	0.25 359	0.27 415	0.21 424	0.19 379	0.15 337	0.13 464	0.15 495	0.12 444	0.15 488	0.16 492	0.18 505

AANet_RVC	0.16 372	0.10 364	0.10 105	0.18 295	0.09 234	0.18 368	0.19 395	0.26 344	0.31 401	0.22 402	0.35 447	0.21 344	0.21 424	0.22 431	0.16 353	0.06 113	0.05 182	0.06 99	0.06 181	0.07 254	0.06 195

iResNet_ROB	0.14 305	0.07 135	0.13 225	0.14 29	0.07 70	0.18 368	0.14 148	0.26 344	0.31 401	0.22 402	0.25 359	0.23 379	0.15 330	0.15 277	0.13 272	0.07 235	0.05 182	0.05 23	0.04 34	0.08 316	0.08 338

SGM_RVC	0.23 464	0.12 406	0.15 309	0.15 69	0.09 234	0.33 495	0.18 357	0.34 457	0.31 401	0.44 512	0.37 456	0.53 519	0.35 500	0.35 499	0.24 456	0.13 464	0.13 480	0.13 459	0.13 470	0.10 407	0.11 429
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
ISRNet	0.18 405	0.08 232	0.19 405	0.19 351	0.13 434	0.15 299	0.12 62	0.30 408	0.32 408	0.21 387	0.25 359	0.27 415	0.17 379	0.17 343	0.20 404	0.20 510	0.08 397	0.14 471	0.14 473	0.14 470	0.17 502

SDNR	0.19 417	0.08 232	0.19 405	0.16 140	0.12 413	0.77 544	0.14 148	0.25 326	0.32 408	0.19 351	0.24 330	0.19 323	0.13 287	0.19 379	0.15 337	0.16 497	0.18 505	0.14 471	0.11 441	0.08 316	0.11 429

CSP-Net	0.16 372	0.09 306	0.14 260	0.16 140	0.09 234	0.19 391	0.17 312	0.25 326	0.32 408	0.25 436	0.30 415	0.24 385	0.15 330	0.21 420	0.18 386	0.09 351	0.06 302	0.07 191	0.07 268	0.08 316	0.07 274

APVNet	0.22 449	0.12 406	0.19 405	0.18 295	0.14 452	0.32 489	0.31 519	0.39 491	0.32 408	0.27 446	0.40 474	0.30 439	0.29 482	0.26 458	0.25 465	0.11 416	0.12 467	0.11 427	0.14 473	0.12 441	0.12 441

HGLStereo	0.17 392	0.08 232	0.19 405	0.17 214	0.12 413	0.18 368	0.18 357	0.31 418	0.32 408	0.21 387	0.32 427	0.25 398	0.18 392	0.19 379	0.20 404	0.09 351	0.09 423	0.07 191	0.07 268	0.09 376	0.10 406

NOSS_ROB	0.19 417	0.12 406	0.18 394	0.16 140	0.12 413	0.15 299	0.12 62	0.30 408	0.32 408	0.20 373	0.22 309	0.27 415	0.23 439	0.21 420	0.16 353	0.16 497	0.18 505	0.23 510	0.21 507	0.12 441	0.13 459

WCMA_ROB	0.24 471	0.11 389	0.22 431	0.17 214	0.14 452	0.32 489	0.15 214	0.32 429	0.32 408	0.38 496	0.53 507	0.40 495	0.34 498	0.34 493	0.25 465	0.11 416	0.12 467	0.12 444	0.10 411	0.14 470	0.14 476

SQANet	0.23 464	0.23 500	0.30 474	0.30 511	0.19 502	0.27 475	0.13 100	0.29 394	0.33 415	0.24 423	0.37 456	0.31 451	0.22 433	0.27 461	0.23 445	0.15 481	0.10 442	0.21 505	0.16 492	0.21 507	0.15 483

ToySt	0.17 392	0.11 389	0.18 394	0.17 214	0.11 382	0.16 329	0.25 477	0.24 310	0.33 415	0.19 351	0.24 330	0.26 407	0.24 445	0.19 379	0.20 404	0.07 235	0.08 397	0.09 351	0.10 411	0.09 376	0.08 338

raft_robust	0.13 271	0.10 364	0.07 6	0.18 295	0.08 125	0.13 241	0.24 463	0.28 384	0.33 415	0.20 373	0.19 267	0.14 232	0.10 195	0.11 105	0.12 231	0.05 26	0.05 182	0.07 191	0.07 268	0.05 98	0.04 40

ccnet	0.29 496	0.28 514	0.23 440	0.20 399	0.28 521	0.41 514	0.21 433	0.45 515	0.33 415	0.36 491	0.46 497	0.36 474	0.30 486	0.39 513	0.42 525	0.23 522	0.14 489	0.21 505	0.17 499	0.23 511	0.18 505

psmorigin	0.25 480	0.15 453	0.34 490	0.17 214	0.13 434	0.23 443	0.14 148	0.34 457	0.33 415	0.41 505	0.55 510	0.41 497	0.37 504	0.34 493	0.27 481	0.11 416	0.15 495	0.11 427	0.11 441	0.12 441	0.16 494

aanetorigin	0.22 449	0.17 472	0.56 517	0.17 214	0.10 335	0.15 299	0.19 395	0.20 225	0.33 415	0.49 517	0.48 500	0.29 431	0.27 466	0.20 404	0.23 445	0.08 295	0.07 371	0.08 272	0.07 268	0.10 407	0.09 382

ACVNet	0.15 349	0.09 306	0.15 309	0.13 12	0.12 413	0.14 273	0.20 416	0.22 269	0.33 415	0.17 306	0.26 376	0.21 344	0.16 356	0.17 343	0.21 424	0.07 235	0.06 302	0.06 99	0.06 181	0.08 316	0.06 195

acv_ft	0.15 349	0.09 306	0.15 309	0.19 351	0.10 335	0.16 329	0.17 312	0.25 326	0.33 415	0.19 351	0.26 376	0.21 344	0.17 379	0.17 343	0.18 386	0.07 235	0.06 302	0.06 99	0.06 181	0.08 316	0.06 195

CC-Net-ROB	0.28 492	0.31 519	0.36 491	0.29 509	0.15 468	0.25 458	0.19 395	0.45 515	0.33 415	0.39 498	0.37 456	0.39 491	0.31 490	0.27 461	0.26 474	0.24 524	0.19 508	0.30 525	0.23 514	0.18 502	0.15 483

CVANet_RVC	0.18 405	0.10 364	0.14 260	0.21 428	0.10 335	0.18 368	0.17 312	0.34 457	0.33 415	0.22 402	0.31 423	0.28 424	0.18 392	0.23 442	0.17 368	0.12 441	0.08 397	0.12 444	0.11 441	0.09 376	0.07 274

StereoDRNet	0.18 405	0.11 389	0.17 371	0.22 443	0.11 382	0.21 422	0.22 442	0.37 480	0.33 415	0.24 423	0.28 397	0.30 439	0.19 408	0.20 404	0.20 404	0.09 351	0.08 397	0.11 427	0.09 376	0.09 376	0.07 274

YMNet	0.20 429	0.12 406	0.19 405	0.20 399	0.14 452	0.26 466	0.23 451	0.32 429	0.34 426	0.27 446	0.34 443	0.30 439	0.18 392	0.18 364	0.22 433	0.10 388	0.13 480	0.10 396	0.10 411	0.08 316	0.09 382

YMNet_1	0.20 429	0.12 406	0.19 405	0.20 399	0.14 452	0.26 466	0.23 451	0.32 429	0.34 426	0.27 446	0.34 443	0.30 439	0.18 392	0.18 364	0.22 433	0.10 388	0.13 480	0.10 396	0.10 411	0.08 316	0.09 382

CFNet_ucs	0.15 349	0.08 232	0.16 343	0.16 140	0.11 382	0.14 273	0.14 148	0.30 408	0.34 426	0.16 290	0.24 330	0.23 379	0.14 312	0.18 364	0.15 337	0.09 351	0.06 302	0.08 272	0.07 268	0.09 376	0.09 382

fast-acv-ft	0.18 405	0.11 389	0.19 405	0.19 351	0.12 413	0.24 448	0.21 433	0.25 326	0.34 426	0.22 402	0.34 443	0.27 415	0.20 420	0.21 420	0.23 445	0.09 351	0.09 423	0.08 272	0.10 411	0.08 316	0.07 274

CFNet_pseudo	0.14 305	0.08 232	0.15 309	0.16 140	0.09 234	0.13 241	0.14 148	0.27 365	0.34 426	0.14 235	0.21 300	0.22 362	0.13 287	0.18 364	0.14 309	0.07 235	0.05 182	0.08 272	0.06 181	0.07 254	0.07 274

psm_up	0.18 405	0.10 364	0.18 394	0.20 399	0.11 382	0.17 350	0.19 395	0.37 480	0.34 426	0.21 387	0.28 397	0.29 431	0.24 445	0.20 404	0.22 433	0.09 351	0.10 442	0.11 427	0.11 441	0.08 316	0.08 338

G-Net	0.24 471	0.16 461	0.36 491	0.22 443	0.16 478	0.51 521	0.23 451	0.29 394	0.34 426	0.36 491	0.38 461	0.31 451	0.29 482	0.27 461	0.26 474	0.11 416	0.09 423	0.12 444	0.09 376	0.16 492	0.13 459

ADCP+	0.20 429	0.10 364	0.33 482	0.20 399	0.12 413	0.22 430	0.26 484	0.31 418	0.34 426	0.26 440	0.37 456	0.22 362	0.22 433	0.27 461	0.27 481	0.09 351	0.06 302	0.08 272	0.08 332	0.09 376	0.10 406

ccs_rob	0.14 305	0.08 232	0.15 309	0.16 140	0.09 234	0.12 202	0.14 148	0.27 365	0.34 426	0.14 235	0.21 300	0.22 362	0.13 287	0.18 364	0.14 309	0.07 235	0.05 182	0.08 272	0.07 268	0.07 254	0.07 274

MyStereo05	0.13 271	0.07 135	0.10 105	0.17 214	0.09 234	0.13 241	0.18 357	0.27 365	0.35 435	0.17 306	0.14 183	0.15 261	0.11 220	0.15 277	0.13 272	0.06 113	0.05 182	0.07 191	0.07 268	0.06 189	0.06 195

UDG	0.21 440	0.17 472	0.19 405	0.23 463	0.15 468	0.30 487	0.20 416	0.33 448	0.35 435	0.23 414	0.28 397	0.31 451	0.27 466	0.20 404	0.22 433	0.15 481	0.12 467	0.13 459	0.09 376	0.14 470	0.14 476

ADCPNet	0.25 480	0.16 461	0.61 521	0.21 428	0.15 468	0.35 506	0.25 477	0.32 429	0.35 435	0.30 470	0.40 474	0.36 474	0.28 474	0.28 472	0.32 504	0.12 441	0.10 442	0.11 427	0.12 460	0.14 470	0.13 459

iResNetv2_ROB	0.14 305	0.08 232	0.15 309	0.16 140	0.08 125	0.16 329	0.12 62	0.25 326	0.35 435	0.21 387	0.29 409	0.24 385	0.13 287	0.14 255	0.14 309	0.06 113	0.05 182	0.06 99	0.04 34	0.09 376	0.08 338

TCMNet	0.19 417	0.12 406	0.19 405	0.20 399	0.18 499	0.20 406	0.24 463	0.27 365	0.36 439	0.23 414	0.26 376	0.25 398	0.19 408	0.19 379	0.23 445	0.13 464	0.11 453	0.11 427	0.12 460	0.13 457	0.12 441

PCWNet_CMD	0.14 305	0.08 232	0.15 309	0.17 214	0.09 234	0.14 273	0.14 148	0.29 394	0.36 439	0.14 235	0.20 279	0.21 344	0.12 250	0.17 343	0.13 272	0.07 235	0.05 182	0.07 191	0.07 268	0.07 254	0.07 274

NINENet	0.16 372	0.10 364	0.15 309	0.17 214	0.11 382	0.19 391	0.14 148	0.40 495	0.36 439	0.18 336	0.21 300	0.16 275	0.13 287	0.15 277	0.13 272	0.08 295	0.08 397	0.10 396	0.07 268	0.10 407	0.09 382

ADCRef	0.19 417	0.12 406	0.41 500	0.20 399	0.12 413	0.22 430	0.18 357	0.32 429	0.36 439	0.26 440	0.32 427	0.17 295	0.23 439	0.24 451	0.24 456	0.07 235	0.06 302	0.09 351	0.09 376	0.08 316	0.08 338

MSMDNet	0.14 305	0.08 232	0.15 309	0.17 214	0.09 234	0.14 273	0.14 148	0.29 394	0.36 439	0.14 235	0.21 300	0.21 344	0.12 250	0.17 343	0.14 309	0.07 235	0.05 182	0.07 191	0.07 268	0.07 254	0.07 274

ETE_ROB	0.23 464	0.17 472	0.22 431	0.25 482	0.13 434	0.26 466	0.29 506	0.31 418	0.36 439	0.28 460	0.36 450	0.45 505	0.26 458	0.27 461	0.26 474	0.11 416	0.08 397	0.12 444	0.09 376	0.14 470	0.13 459

MeshStereo	0.27 488	0.13 435	0.18 394	0.15 69	0.11 382	0.32 489	0.24 463	0.40 495	0.36 439	0.52 519	0.57 517	0.67 530	0.40 510	0.35 499	0.26 474	0.14 477	0.13 480	0.13 459	0.11 441	0.11 427	0.10 406
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
AASNet	0.16 372	0.08 232	0.12 181	0.19 351	0.09 234	0.18 368	0.15 214	0.37 480	0.37 446	0.19 351	0.23 318	0.20 335	0.16 356	0.17 343	0.20 404	0.10 388	0.08 397	0.08 272	0.07 268	0.09 376	0.09 382

delet	0.17 392	0.08 232	0.17 371	0.19 351	0.11 382	0.20 406	0.21 433	0.30 408	0.37 446	0.17 306	0.26 376	0.19 323	0.19 408	0.19 379	0.21 424	0.08 295	0.08 397	0.09 351	0.11 441	0.06 189	0.06 195

DRN-Test	0.19 417	0.11 389	0.20 417	0.22 443	0.10 335	0.22 430	0.22 442	0.39 491	0.37 446	0.24 423	0.32 427	0.26 407	0.21 424	0.22 431	0.24 456	0.11 416	0.07 371	0.11 427	0.10 411	0.09 376	0.07 274

LALA_ROB	0.25 480	0.16 461	0.22 431	0.26 487	0.17 493	0.27 475	0.27 491	0.42 506	0.37 446	0.33 486	0.38 461	0.51 515	0.26 458	0.28 472	0.27 481	0.16 497	0.09 423	0.12 444	0.11 441	0.13 457	0.12 441

PSMNet_ROB	0.21 440	0.11 389	0.15 309	0.27 499	0.15 468	0.24 448	0.35 523	0.43 510	0.37 446	0.27 446	0.32 427	0.32 459	0.22 433	0.21 420	0.26 474	0.12 441	0.08 397	0.13 459	0.11 441	0.09 376	0.09 382

MyStereo04	0.13 271	0.07 135	0.10 105	0.17 214	0.09 234	0.14 273	0.18 357	0.29 394	0.38 451	0.17 306	0.14 183	0.16 275	0.10 195	0.15 277	0.13 272	0.06 113	0.05 182	0.08 272	0.07 268	0.06 189	0.06 195

Nwc_Net	0.23 464	0.16 461	0.21 425	0.25 482	0.14 452	0.24 448	0.26 484	0.37 480	0.38 451	0.22 402	0.41 484	0.30 439	0.28 474	0.28 472	0.25 465	0.11 416	0.10 442	0.17 491	0.20 505	0.10 407	0.10 406

ADCMid	0.25 480	0.15 453	0.40 498	0.20 399	0.14 452	0.25 458	0.26 484	0.34 457	0.38 451	0.36 491	0.44 495	0.34 468	0.40 510	0.35 499	0.33 507	0.10 388	0.09 423	0.11 427	0.11 441	0.13 457	0.12 441

Wz-Net-LNSev-Ref	0.18 405	0.09 306	0.29 471	0.15 69	0.10 335	0.22 430	0.20 416	0.26 344	0.39 454	0.25 436	0.42 490	0.24 385	0.15 330	0.20 404	0.19 398	0.07 235	0.05 182	0.06 99	0.05 104	0.10 407	0.09 382

ADLNet2	0.16 372	0.09 306	0.13 225	0.16 140	0.09 234	0.20 406	0.16 279	0.31 418	0.39 454	0.16 290	0.20 279	0.20 335	0.18 392	0.21 420	0.22 433	0.08 295	0.06 302	0.07 191	0.07 268	0.09 376	0.07 274

FAT-Stereo	0.20 429	0.12 406	0.22 431	0.21 428	0.12 413	0.17 350	0.18 357	0.34 457	0.39 454	0.27 446	0.37 456	0.34 468	0.32 493	0.21 420	0.20 404	0.09 351	0.11 453	0.10 396	0.09 376	0.11 427	0.14 476

AnyNet_C01	0.36 511	0.25 508	1.37 550	0.22 443	0.17 493	0.48 519	0.27 491	0.35 469	0.39 454	0.39 498	0.74 531	0.46 509	0.38 505	0.45 521	0.47 530	0.13 464	0.13 480	0.13 459	0.14 473	0.14 470	0.15 483

PA-Net	0.23 464	0.18 482	0.33 482	0.28 502	0.22 510	0.21 422	0.38 528	0.29 394	0.39 454	0.22 402	0.32 427	0.25 398	0.26 458	0.20 404	0.25 465	0.09 351	0.23 522	0.15 483	0.22 510	0.09 376	0.13 459
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
MSMD_ROB	0.31 502	0.26 509	0.26 451	0.24 472	0.21 508	0.34 498	0.25 477	0.34 457	0.39 454	0.40 501	0.69 525	0.45 505	0.40 510	0.34 493	0.27 481	0.20 510	0.19 508	0.26 513	0.25 516	0.23 511	0.22 515

NCC-stereo	0.24 471	0.15 453	0.31 476	0.26 487	0.16 478	0.20 406	0.30 513	0.40 495	0.40 460	0.24 423	0.38 461	0.33 462	0.28 474	0.36 504	0.27 481	0.12 441	0.11 453	0.15 483	0.22 510	0.13 457	0.13 459

Abc-Net	0.24 471	0.15 453	0.31 476	0.26 487	0.16 478	0.20 406	0.30 513	0.40 495	0.40 460	0.24 423	0.38 461	0.33 462	0.28 474	0.36 504	0.27 481	0.12 441	0.11 453	0.15 483	0.22 510	0.13 457	0.13 459
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
XPNet_ROB	0.22 449	0.11 389	0.19 405	0.22 443	0.13 434	0.22 430	0.19 395	0.34 457	0.40 460	0.30 470	0.39 469	0.39 491	0.26 458	0.26 458	0.28 488	0.15 481	0.10 442	0.10 396	0.10 411	0.13 457	0.12 441

rvit_105_1	0.19 417	0.11 389	0.25 448	0.21 428	0.16 478	0.21 422	0.27 491	0.31 418	0.41 463	0.19 351	0.20 279	0.22 362	0.17 379	0.19 379	0.17 368	0.12 441	0.12 467	0.13 459	0.15 488	0.08 316	0.07 274

anonymity	0.53 529	0.58 534	0.65 524	0.41 525	0.61 545	0.53 522	0.41 529	0.56 530	0.41 463	0.55 522	0.50 505	0.49 514	0.55 530	0.58 534	0.50 535	0.58 542	0.50 545	0.51 534	0.51 539	0.51 533	0.57 541

DGSMNet	0.24 471	0.19 485	0.33 482	0.21 428	0.24 514	0.24 448	0.20 416	0.35 469	0.41 463	0.24 423	0.32 427	0.38 483	0.21 424	0.29 478	0.23 445	0.12 441	0.11 453	0.14 471	0.16 492	0.23 511	0.23 516

MMNet	0.17 392	0.09 306	0.16 343	0.20 399	0.11 382	0.27 475	0.20 416	0.25 326	0.41 463	0.22 402	0.30 415	0.21 344	0.20 420	0.17 343	0.20 404	0.06 113	0.06 302	0.07 191	0.07 268	0.08 316	0.07 274

NaN_ROB	0.22 449	0.19 485	0.24 443	0.25 482	0.13 434	0.29 484	0.26 484	0.33 448	0.41 463	0.31 476	0.31 423	0.32 459	0.23 439	0.30 481	0.21 424	0.11 416	0.17 503	0.10 396	0.10 411	0.08 316	0.09 382

MDST_ROB	0.22 449	0.10 364	0.17 371	0.18 295	0.11 382	0.37 508	0.19 395	0.43 510	0.41 463	0.39 498	0.39 469	0.29 431	0.21 424	0.26 458	0.18 386	0.11 416	0.10 442	0.14 471	0.11 441	0.10 407	0.08 338

FBW_ROB	0.24 471	0.17 472	0.22 431	0.26 487	0.14 452	0.25 458	0.22 442	0.41 501	0.41 463	0.41 505	0.41 484	0.42 498	0.27 466	0.31 482	0.23 445	0.09 351	0.14 489	0.14 471	0.12 460	0.11 427	0.09 382

GASNet	0.22 449	0.23 500	0.33 482	0.26 487	0.17 493	0.26 466	0.16 279	0.44 512	0.42 470	0.27 446	0.24 330	0.30 439	0.15 330	0.27 461	0.18 386	0.12 441	0.08 397	0.12 444	0.11 441	0.16 492	0.07 274

FCDSN-DC	0.33 507	0.28 514	0.28 463	0.30 511	0.24 514	0.39 512	0.28 497	0.42 506	0.42 470	0.43 511	0.53 507	0.51 515	0.41 515	0.36 504	0.30 496	0.21 514	0.20 511	0.27 516	0.26 517	0.25 518	0.24 517
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
MFN_U_SF_DS_RVC	0.30 501	0.24 503	0.29 471	0.36 520	0.16 478	0.34 498	0.30 513	0.32 429	0.42 470	0.40 501	0.46 497	0.38 483	0.31 490	0.34 493	0.28 488	0.19 508	0.20 511	0.26 513	0.29 523	0.18 502	0.19 510

edge stereo	0.22 449	0.13 435	0.20 417	0.21 428	0.13 434	0.23 443	0.16 279	0.32 429	0.42 470	0.32 482	0.40 474	0.38 483	0.35 500	0.25 456	0.24 456	0.13 464	0.11 453	0.14 471	0.11 441	0.12 441	0.13 459

NVstereo2D	0.19 417	0.10 364	0.15 309	0.17 214	0.15 468	0.28 481	0.23 451	0.44 512	0.42 470	0.15 262	0.27 384	0.25 398	0.19 408	0.22 431	0.17 368	0.09 351	0.06 302	0.10 396	0.08 332	0.15 485	0.09 382

FC-DCNN v2	0.33 507	0.27 510	0.28 463	0.26 487	0.23 512	0.37 508	0.28 497	0.40 495	0.43 475	0.45 513	0.56 515	0.51 515	0.40 510	0.37 508	0.29 491	0.21 514	0.20 511	0.27 516	0.26 517	0.25 518	0.24 517

Wz-Net-LNSev	0.22 449	0.16 461	0.38 495	0.21 428	0.13 434	0.25 458	0.23 451	0.32 429	0.43 475	0.30 470	0.41 484	0.31 451	0.18 392	0.22 431	0.25 465	0.10 388	0.09 423	0.08 272	0.08 332	0.12 441	0.11 429

GwcNet	0.20 429	0.13 435	0.19 405	0.18 295	0.12 413	0.24 448	0.19 395	0.35 469	0.43 475	0.20 373	0.32 427	0.33 462	0.20 420	0.22 431	0.24 456	0.11 416	0.09 423	0.09 351	0.09 376	0.09 376	0.10 406

S-Stereo	0.20 429	0.12 406	0.25 448	0.21 428	0.13 434	0.20 406	0.18 357	0.32 429	0.43 475	0.23 414	0.36 450	0.28 424	0.30 486	0.19 379	0.22 433	0.09 351	0.12 467	0.10 396	0.10 411	0.13 457	0.13 459

FC-DCNN	0.33 507	0.27 510	0.28 463	0.26 487	0.23 512	0.37 508	0.28 497	0.40 495	0.43 475	0.45 513	0.55 510	0.51 515	0.40 510	0.37 508	0.30 496	0.21 514	0.20 511	0.27 516	0.26 517	0.25 518	0.24 517

Wz-Net-MNSev	0.22 449	0.13 435	0.31 476	0.20 399	0.14 452	0.36 507	0.24 463	0.33 448	0.44 480	0.28 460	0.40 474	0.38 483	0.19 408	0.24 451	0.25 465	0.09 351	0.07 371	0.09 351	0.09 376	0.12 441	0.10 406

RP	0.21 440	0.13 435	0.21 425	0.23 463	0.11 382	0.21 422	0.20 416	0.25 326	0.44 480	0.21 387	0.38 461	0.36 474	0.24 445	0.27 461	0.25 465	0.11 416	0.12 467	0.13 459	0.12 460	0.12 441	0.14 476

RGC	0.25 480	0.20 489	0.29 471	0.28 502	0.16 478	0.22 430	0.23 451	0.32 429	0.44 480	0.27 446	0.40 474	0.38 483	0.27 466	0.36 504	0.22 433	0.11 416	0.13 480	0.17 491	0.17 499	0.14 470	0.16 494

stereogan	0.22 449	0.11 389	0.21 425	0.20 399	0.12 413	0.31 488	0.19 395	0.35 469	0.44 480	0.22 402	0.39 469	0.35 472	0.27 466	0.33 490	0.22 433	0.10 388	0.12 467	0.10 396	0.10 411	0.14 470	0.13 459

AnyNet_C32	0.26 486	0.16 461	0.36 491	0.20 399	0.16 478	0.25 458	0.30 513	0.32 429	0.44 480	0.31 476	0.49 501	0.30 439	0.33 494	0.40 517	0.33 507	0.12 441	0.12 467	0.12 444	0.14 473	0.14 470	0.15 483

DISCO	0.19 417	0.09 306	0.22 431	0.17 214	0.10 335	0.25 458	0.18 357	0.27 365	0.44 480	0.22 402	0.31 423	0.33 462	0.26 458	0.28 472	0.28 488	0.08 295	0.06 302	0.07 191	0.07 268	0.09 376	0.09 382

SGM+DAISY	0.56 531	0.57 533	0.65 524	0.40 523	0.54 537	0.66 533	0.49 536	0.56 530	0.45 486	0.66 526	0.69 525	0.67 530	0.56 531	0.63 536	0.56 537	0.59 543	0.48 541	0.50 533	0.50 538	0.52 534	0.58 542

pcwnet_v2	0.19 417	0.10 364	0.26 451	0.17 214	0.14 452	0.18 368	0.15 214	0.37 480	0.46 487	0.19 351	0.24 330	0.21 344	0.19 408	0.20 404	0.19 398	0.13 464	0.10 442	0.10 396	0.10 411	0.11 427	0.13 459

MFN_U_SF_RVC	0.32 504	0.21 495	0.55 515	0.30 511	0.15 468	0.34 498	0.17 312	0.52 525	0.46 487	0.46 516	0.55 510	0.59 522	0.39 507	0.35 499	0.37 515	0.15 481	0.14 489	0.18 500	0.21 507	0.16 492	0.15 483

LRCNet_RVC	10.62 570	13.42 574	7.30 562	18.92 573	2.07 561	0.33 495	0.30 513	5.59 565	0.48 489	13.03 572	17.94 573	8.87 567	5.65 563	4.79 563	1.89 559	23.51 577	2.73 566	27.55 578	25.71 578	16.07 575	16.33 576

GEStereo_RVC	0.17 392	0.12 406	0.15 309	0.22 443	0.11 382	0.19 391	0.17 312	0.32 429	0.48 489	0.20 373	0.25 359	0.17 295	0.13 287	0.21 420	0.16 353	0.10 388	0.06 302	0.08 272	0.07 268	0.09 376	0.08 338

FINET	0.21 440	0.18 482	0.26 451	0.18 295	0.16 478	0.23 443	0.23 451	0.32 429	0.48 489	0.25 436	0.32 427	0.22 362	0.22 433	0.22 431	0.17 368	0.18 503	0.16 498	0.11 427	0.10 411	0.15 485	0.13 459

RYNet	0.22 449	0.12 406	0.22 431	0.19 351	0.17 493	0.46 515	0.26 484	0.38 487	0.48 489	0.24 423	0.28 397	0.34 468	0.23 439	0.20 404	0.30 496	0.10 388	0.06 302	0.09 351	0.09 376	0.13 457	0.15 483

LSM	0.33 507	0.20 489	0.58 519	0.26 487	0.60 544	0.34 498	0.25 477	0.42 506	0.48 489	0.45 513	0.58 519	0.42 498	0.36 502	0.35 499	0.25 465	0.12 441	0.20 511	0.14 471	0.16 492	0.19 505	0.33 531

ITSA-stereo	0.15 349	0.10 364	0.14 260	0.19 351	0.08 125	0.12 202	0.14 148	0.30 408	0.49 494	0.17 306	0.19 267	0.22 362	0.15 330	0.17 343	0.16 353	0.10 388	0.06 302	0.08 272	0.08 332	0.08 316	0.08 338

PASM	0.32 504	0.24 503	0.48 509	0.28 502	0.27 520	0.29 484	0.30 513	0.34 457	0.49 494	0.35 489	0.39 469	0.46 509	0.34 498	0.34 493	0.35 510	0.23 522	0.25 524	0.26 513	0.28 522	0.23 511	0.21 513

PWC_ROB	0.21 440	0.16 461	0.26 451	0.18 295	0.11 382	0.22 430	0.13 100	0.32 429	0.49 494	0.30 470	0.40 474	0.32 459	0.24 445	0.31 482	0.22 433	0.10 388	0.07 371	0.11 427	0.08 332	0.11 427	0.10 406

SuperB	0.20 429	0.10 364	0.56 517	0.16 140	0.09 234	0.18 368	0.18 357	0.24 310	0.50 497	0.26 440	0.39 469	0.17 295	0.21 424	0.22 431	0.21 424	0.08 295	0.06 302	0.06 99	0.06 181	0.12 441	0.10 406

AF-Net	0.22 449	0.17 472	0.17 371	0.26 487	0.13 434	0.25 458	0.24 463	0.32 429	0.50 497	0.25 436	0.33 439	0.38 483	0.26 458	0.28 472	0.25 465	0.11 416	0.10 442	0.16 489	0.11 441	0.11 427	0.10 406

DeepPrunerF	0.24 471	0.17 472	0.42 502	0.26 487	0.16 478	0.22 430	0.28 497	0.37 480	0.50 497	0.26 440	0.29 409	0.24 385	0.28 474	0.21 420	0.22 433	0.15 481	0.11 453	0.20 504	0.18 503	0.12 441	0.13 459

SGM-ForestM	0.32 504	0.12 406	0.16 343	0.16 140	0.11 382	0.39 512	0.19 395	0.41 501	0.50 497	0.52 519	0.54 509	1.32 549	0.42 518	0.40 517	0.27 481	0.14 477	0.16 498	0.16 489	0.16 492	0.12 441	0.12 441

CSAN	0.29 496	0.24 503	0.27 458	0.34 516	0.19 502	0.33 495	0.42 532	0.37 480	0.50 497	0.38 496	0.40 474	0.44 503	0.33 494	0.28 472	0.30 496	0.20 510	0.16 498	0.19 502	0.19 504	0.14 470	0.15 483

SPS-STEREO	0.57 532	0.58 534	0.65 524	0.45 528	0.55 539	0.62 529	0.44 535	0.62 535	0.50 497	0.68 528	0.64 521	0.66 529	0.57 532	0.61 535	0.60 539	0.62 545	0.47 540	0.51 534	0.49 536	0.55 538	0.58 542
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
ELAS	0.41 518	0.29 517	0.33 482	0.27 499	0.24 514	0.60 528	0.36 524	0.50 523	0.50 497	0.71 530	0.79 535	0.67 530	0.54 527	0.51 525	0.42 525	0.22 518	0.20 511	0.27 516	0.26 517	0.26 522	0.25 522
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
SAMSARA	0.40 516	0.28 514	0.33 482	0.55 534	0.39 528	0.82 545	1.23 559	0.47 518	0.51 504	0.36 491	0.35 447	0.55 521	0.39 507	0.38 510	0.39 519	0.15 481	0.20 511	0.15 483	0.14 473	0.23 511	0.20 511

GANetREF_RVC	0.31 502	0.34 522	0.27 458	0.35 518	0.16 478	0.32 489	0.41 529	0.48 519	0.51 504	0.35 489	0.35 447	0.34 468	0.33 494	0.39 513	0.32 504	0.27 526	0.20 511	0.29 523	0.15 488	0.18 502	0.17 502
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
PWCDC_ROB	0.20 429	0.13 435	0.22 431	0.24 472	0.11 382	0.19 391	0.15 214	0.33 448	0.54 506	0.29 467	0.50 505	0.21 344	0.15 330	0.27 461	0.20 404	0.11 416	0.09 423	0.10 396	0.08 332	0.11 427	0.09 382

Wz-Net-TNSev	0.29 496	0.20 489	0.65 524	0.19 351	0.15 468	0.38 511	0.27 491	0.35 469	0.55 507	0.34 488	0.42 490	0.45 505	0.38 505	0.32 488	0.30 496	0.12 441	0.13 480	0.10 396	0.12 460	0.15 485	0.14 476

Consistency-Raft	0.44 521	0.40 527	0.45 504	0.37 522	0.43 532	0.46 515	0.41 529	0.57 532	0.55 507	0.32 482	0.73 529	0.33 462	0.48 523	0.42 520	0.49 532	0.39 531	0.35 532	0.45 531	0.51 539	0.42 531	0.29 526

Wz-Net-SNSev	0.25 480	0.17 472	0.44 503	0.25 482	0.14 452	0.26 466	0.23 451	0.38 487	0.56 509	0.30 470	0.55 510	0.39 491	0.26 458	0.23 442	0.30 496	0.10 388	0.09 423	0.09 351	0.10 411	0.11 427	0.11 429

ADCL	0.24 471	0.11 389	0.47 508	0.22 443	0.12 413	0.34 498	0.29 506	0.29 394	0.56 509	0.24 423	0.46 497	0.30 439	0.30 486	0.29 478	0.29 491	0.08 295	0.07 371	0.09 351	0.09 376	0.10 407	0.10 406

WZ-Net	0.28 492	0.17 472	0.78 538	0.22 443	0.16 478	0.34 498	0.29 506	0.39 491	0.57 511	0.24 423	0.55 510	0.37 479	0.24 445	0.33 490	0.35 510	0.09 351	0.08 397	0.09 351	0.10 411	0.14 470	0.16 494

XQC	0.28 492	0.23 500	0.51 510	0.28 502	0.19 502	0.34 498	0.27 491	0.36 475	0.57 511	0.31 476	0.30 415	0.37 479	0.30 486	0.38 510	0.38 517	0.13 464	0.09 423	0.15 483	0.12 460	0.17 499	0.18 505

PDISCO_ROB	0.27 488	0.16 461	0.26 451	0.28 502	0.20 505	0.32 489	0.26 484	0.44 512	0.57 511	0.28 460	0.40 474	0.45 505	0.29 482	0.33 490	0.34 509	0.12 441	0.09 423	0.17 491	0.16 492	0.17 499	0.13 459

DispFullNet	0.27 488	0.21 495	0.65 524	0.28 502	0.16 478	0.26 466	0.17 312	0.33 448	0.58 514	0.27 446	0.38 461	0.43 501	0.23 439	0.38 510	0.23 445	0.12 441	0.06 302	0.19 502	0.11 441	0.21 507	0.15 483

EDNetEfficientorigin	7.91 565	0.31 519	153.02 580	0.19 351	0.09 234	0.21 422	0.16 279	0.22 269	0.59 515	0.72 532	0.67 523	0.42 498	0.50 525	0.24 451	0.39 519	0.08 295	0.07 371	0.08 272	0.07 268	0.12 441	0.10 406

MANE	0.45 523	0.27 510	0.27 458	0.27 499	0.24 514	0.47 517	0.31 519	0.55 529	0.59 515	0.72 532	1.13 551	1.15 543	0.61 534	0.52 527	0.37 515	0.21 514	0.20 511	0.27 516	0.31 527	0.25 518	0.24 517

ELAS_RVC	0.41 518	0.29 517	0.33 482	0.28 502	0.24 514	0.54 523	0.36 524	0.49 521	0.59 515	0.72 532	0.74 531	0.65 528	0.54 527	0.54 531	0.40 521	0.22 518	0.20 511	0.27 516	0.26 517	0.26 522	0.25 522
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
EDNetEfficient	0.29 496	0.24 503	1.13 547	0.18 295	0.10 335	0.19 391	0.20 416	0.20 225	0.60 518	0.74 536	0.56 515	0.31 451	0.39 507	0.22 431	0.30 496	0.09 351	0.07 371	0.08 272	0.07 268	0.11 427	0.09 382

NVStereoNet_ROB	0.46 526	0.36 524	0.46 507	0.41 525	0.28 521	0.34 498	0.34 522	0.48 519	0.60 518	0.72 532	0.93 540	0.70 533	0.66 537	0.47 522	0.60 539	0.22 518	0.33 531	0.34 527	0.34 530	0.30 525	0.30 528
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
otaku	0.39 513	0.37 525	0.52 511	0.44 527	0.28 521	0.58 525	0.24 463	0.41 501	0.62 520	0.40 501	0.49 501	0.46 509	0.33 494	0.40 517	0.32 504	0.30 527	0.30 528	0.39 529	0.33 528	0.29 524	0.28 525

ADCS	0.29 496	0.18 482	0.45 504	0.21 428	0.17 493	0.28 481	0.23 451	0.41 501	0.63 521	0.40 501	0.49 501	0.40 495	0.36 502	0.39 513	0.40 521	0.13 464	0.12 467	0.13 459	0.14 473	0.16 492	0.16 494

ACVNet-4b	0.39 513	0.53 532	0.55 515	0.45 528	0.24 514	0.47 517	0.18 357	0.49 521	0.64 522	0.42 508	0.45 496	0.60 523	0.27 466	0.34 493	0.24 456	0.33 529	0.14 489	0.48 532	0.42 532	0.30 525	0.26 524

SANet	0.24 471	0.14 447	0.28 463	0.21 428	0.11 382	0.27 475	0.24 463	0.38 487	0.64 522	0.36 491	0.40 474	0.43 501	0.26 458	0.27 461	0.24 456	0.12 441	0.09 423	0.10 396	0.09 376	0.13 457	0.11 429

BEATNet-Init1	0.52 528	0.27 510	0.62 522	0.30 511	0.21 508	0.76 542	0.29 506	0.54 528	0.65 524	0.86 541	0.95 542	2.07 558	0.62 536	0.56 533	0.42 525	0.18 503	0.18 505	0.23 510	0.22 510	0.22 510	0.21 513

RTSC	0.23 464	0.12 406	0.28 463	0.21 428	0.13 434	0.28 481	0.16 279	0.35 469	0.66 525	0.27 446	0.33 439	0.30 439	0.21 424	0.31 482	0.29 491	0.10 388	0.08 397	0.09 351	0.10 411	0.13 457	0.13 459

DPSNet	0.28 492	0.16 461	0.31 476	0.18 295	0.13 434	0.54 523	0.42 532	0.51 524	0.67 526	0.29 467	0.38 461	0.38 483	0.29 482	0.31 482	0.23 445	0.11 416	0.10 442	0.11 427	0.08 332	0.20 506	0.16 494

Ntro	0.40 516	0.40 527	0.53 512	0.46 531	0.30 525	0.65 531	0.24 463	0.46 517	0.68 527	0.41 505	0.49 501	0.48 513	0.42 518	0.39 513	0.31 503	0.32 528	0.28 526	0.37 528	0.30 525	0.32 529	0.29 526

JetBlue	0.71 537	0.45 530	1.14 548	0.51 532	0.47 534	2.02 559	0.64 546	0.75 538	0.70 528	0.69 529	0.77 534	1.22 545	0.83 544	1.03 555	1.01 555	0.40 532	0.28 526	0.33 526	0.33 528	0.30 525	0.34 532

SHD	0.26 486	0.15 453	0.30 474	0.24 472	0.18 499	0.22 430	0.15 214	0.38 487	0.71 529	0.32 482	0.41 484	0.36 474	0.28 474	0.32 488	0.29 491	0.12 441	0.11 453	0.14 471	0.13 470	0.16 492	0.20 511

TCMNet-wrong-test	3.67 559	5.48 569	3.89 560	12.18 571	11.75 572	4.65 561	3.88 562	1.06 554	0.72 530	1.09 552	2.15 561	6.30 565	0.53 526	3.43 562	2.36 561	0.89 555	0.20 511	1.87 562	1.69 561	5.57 567	3.62 567

ACVNet_1	0.44 521	0.49 531	0.60 520	0.45 528	0.28 521	0.49 520	0.27 491	0.57 532	0.72 530	0.62 525	0.58 519	0.74 534	0.49 524	0.50 524	0.35 510	0.26 525	0.24 523	0.39 529	0.29 523	0.31 528	0.24 517

coex-ft	3.30 558	0.34 522	59.09 579	0.18 295	0.13 434	0.26 466	0.22 442	0.27 365	0.72 530	1.90 560	0.70 527	0.44 503	0.45 521	0.29 478	0.41 524	0.09 351	0.09 423	0.12 444	0.09 376	0.14 470	0.13 459

MSC_U_SF_DS_RVC	0.43 520	0.39 526	0.54 513	0.40 523	0.20 505	0.64 530	0.32 521	0.53 527	0.72 530	0.71 530	0.72 528	0.61 524	0.54 527	0.51 525	0.46 529	0.20 510	0.19 508	0.29 523	0.30 525	0.23 511	0.18 505

MADNet+	0.75 540	0.71 542	3.70 559	0.66 537	0.41 530	0.98 550	0.97 557	0.69 537	0.73 534	0.52 519	0.57 517	0.64 526	0.68 539	0.86 547	1.01 555	0.34 530	0.36 533	0.28 522	0.23 514	0.36 530	0.31 529

MFMNet_re	0.64 533	0.66 540	0.65 524	0.51 532	0.69 549	0.69 534	0.57 542	0.64 536	0.73 534	0.60 524	0.73 529	0.62 525	0.67 538	0.65 537	0.60 539	0.66 547	0.58 554	0.63 538	0.59 542	0.68 545	0.69 551

RTS	0.45 523	0.19 485	3.26 556	0.24 472	0.15 468	0.74 538	0.20 416	0.36 475	0.76 536	0.42 508	0.43 493	0.31 451	0.41 515	0.53 529	0.35 510	0.10 388	0.08 397	0.13 459	0.12 460	0.15 485	0.15 483

RTSA	0.45 523	0.19 485	3.26 556	0.24 472	0.15 468	0.74 538	0.20 416	0.36 475	0.76 536	0.42 508	0.43 493	0.31 451	0.41 515	0.53 529	0.35 510	0.10 388	0.08 397	0.13 459	0.12 460	0.15 485	0.15 483

IMH-64-1	0.65 534	0.61 536	0.68 532	0.71 538	0.51 535	0.59 526	0.49 536	0.91 543	0.85 538	0.74 536	1.02 544	0.81 535	0.78 542	0.79 540	0.49 532	0.42 533	0.46 536	0.71 540	0.47 534	0.52 534	0.39 534

IMH-64	0.65 534	0.61 536	0.68 532	0.71 538	0.51 535	0.59 526	0.49 536	0.91 543	0.85 538	0.74 536	1.02 544	0.81 535	0.78 542	0.79 540	0.49 532	0.42 533	0.46 536	0.71 540	0.47 534	0.52 534	0.39 534

RainbowNet	0.54 530	0.61 536	0.70 536	0.57 535	0.43 532	0.65 531	0.37 527	0.60 534	0.87 540	0.50 518	0.66 522	0.64 526	0.47 522	0.49 523	0.43 528	0.47 537	0.48 541	0.52 536	0.41 531	0.52 534	0.40 536

PWCK	0.71 537	0.94 551	0.95 545	0.76 540	0.31 526	0.74 538	0.36 524	0.90 542	0.90 541	0.96 545	0.75 533	0.95 538	0.61 534	0.87 548	0.66 542	0.72 548	0.46 536	0.75 543	0.49 536	0.69 547	0.44 538

UNDER WATER-64	0.95 549	0.94 551	1.43 552	0.87 548	0.56 540	1.18 558	0.87 554	0.77 539	0.94 542	1.04 548	0.85 537	1.58 556	1.21 558	0.94 552	0.96 553	0.87 554	0.57 553	1.03 554	0.88 555	0.78 551	0.73 552

PVD	0.39 513	0.20 489	0.39 497	0.31 515	0.22 510	0.29 484	0.43 534	0.52 525	0.96 543	0.55 522	0.79 535	0.53 519	0.59 533	0.52 527	0.38 517	0.19 508	0.14 489	0.17 491	0.14 473	0.24 517	0.31 529

UNDER WATER	0.97 550	0.97 553	1.42 551	0.99 552	0.70 552	1.12 557	0.84 553	0.80 540	1.08 544	1.01 547	0.90 538	1.55 555	1.22 559	1.03 555	1.00 554	0.78 552	0.53 548	1.02 553	0.87 554	0.80 552	0.74 553

IMH	0.71 537	0.64 539	0.68 532	0.76 540	0.54 537	0.69 534	0.54 540	0.98 549	1.10 545	0.82 540	1.09 547	0.89 537	0.88 547	0.87 548	0.52 536	0.44 536	0.50 545	0.75 543	0.51 539	0.56 539	0.41 537

TorneroNet	0.82 544	0.74 544	0.81 542	0.84 545	0.63 546	0.99 551	0.63 544	0.96 547	1.16 546	0.80 539	1.11 549	1.36 550	0.86 546	0.93 551	0.80 550	0.56 540	0.49 543	0.78 548	0.66 547	0.73 550	0.63 550

notaker	0.97 550	1.11 554	0.98 546	1.13 555	0.81 553	0.73 537	0.68 550	0.93 545	1.16 546	1.18 555	1.18 553	1.41 552	1.16 557	1.08 557	0.69 546	0.81 553	0.64 556	1.17 555	0.79 552	0.98 554	0.80 555

DPSimNet_ROB	1.11 554	1.23 557	0.78 538	1.13 555	0.88 556	1.10 556	1.13 558	1.16 559	1.23 548	1.43 557	1.02 544	1.41 552	1.10 556	0.90 550	1.60 557	1.46 560	0.51 547	1.21 557	1.03 558	0.90 553	1.01 559

TorneroNet-64	0.76 541	0.72 543	0.74 537	0.78 542	0.58 543	0.91 549	0.56 541	0.84 541	1.29 549	0.66 526	0.90 538	1.40 551	0.75 541	0.85 546	0.67 545	0.49 538	0.46 536	0.72 542	0.59 542	0.67 544	0.53 540

WAO-7	0.79 542	0.78 545	0.54 513	0.85 546	0.67 548	0.74 538	0.68 550	1.05 552	1.32 550	0.90 543	1.20 554	1.04 539	0.92 548	0.69 538	0.66 542	0.60 544	0.62 555	0.67 539	0.68 548	0.64 541	0.58 542

KSHMR	1.09 553	1.17 555	0.88 544	1.25 558	1.00 557	0.99 551	0.96 556	1.13 557	1.37 551	1.16 554	1.29 556	1.41 552	0.96 550	1.01 554	0.92 552	1.03 557	1.08 559	1.20 556	1.03 558	1.01 555	0.97 557

JetRed	1.62 556	1.46 559	2.98 554	0.92 549	1.21 558	4.99 562	1.53 561	1.27 560	1.39 552	1.83 559	1.74 560	1.60 557	0.95 549	1.41 558	2.45 562	0.90 556	1.60 560	0.93 552	0.90 556	1.35 558	0.99 558

ktn	1.01 552	1.21 556	0.80 541	1.23 557	0.86 555	1.01 553	0.87 554	0.94 546	1.39 552	1.04 548	1.12 550	1.15 543	1.07 553	0.94 552	0.59 538	1.28 559	0.71 557	1.38 559	0.83 553	1.02 556	0.75 554

ACVNet_2	0.66 536	0.66 540	0.68 532	0.63 536	0.41 530	0.71 536	0.49 536	0.96 547	1.39 552	0.89 542	1.09 547	1.04 539	0.73 540	0.54 531	0.47 530	0.43 535	0.40 534	0.53 537	0.44 533	0.47 532	0.35 533

LVE	0.83 545	0.85 549	0.85 543	0.80 543	0.56 540	1.04 555	0.65 547	1.05 552	1.47 555	0.96 545	1.22 555	1.10 542	0.85 545	0.83 543	0.71 547	0.49 538	0.55 551	0.76 546	0.60 544	0.65 542	0.59 547

HanzoNet	1.29 555	1.26 558	1.19 549	1.12 554	0.85 554	1.02 554	0.83 552	1.03 551	1.48 556	1.64 558	1.61 559	2.50 560	1.72 560	1.61 559	1.61 558	1.26 558	0.80 558	1.31 558	1.01 557	1.02 556	0.86 556

WAO-6	0.81 543	0.80 546	0.62 522	0.86 547	0.63 546	0.76 542	0.58 543	0.98 549	1.54 557	0.90 543	0.96 543	1.07 541	1.03 552	0.70 539	0.66 542	0.72 548	0.49 543	0.90 551	0.71 549	0.68 545	0.58 542

Dean	0.87 546	0.86 550	0.79 540	0.81 544	0.56 540	0.90 546	0.63 544	1.15 558	1.73 558	1.15 553	1.15 552	1.31 548	0.99 551	0.81 542	0.81 551	0.57 541	0.56 552	0.77 547	0.64 545	0.66 543	0.58 542

LE_ROB	0.50 527	0.07 135	0.14 260	0.15 69	0.08 125	0.24 448	0.16 279	0.22 269	1.81 559	4.63 562	0.67 523	0.47 512	0.44 520	0.20 404	0.29 491	0.07 235	0.06 302	0.06 99	0.06 181	0.08 316	0.06 195

WAO-8	0.91 547	0.81 547	0.65 524	0.94 550	0.69 549	0.90 546	0.67 548	1.07 555	1.83 560	1.06 550	1.45 557	1.30 546	1.07 553	0.84 544	0.78 548	0.74 550	0.53 548	0.86 549	0.75 550	0.69 547	0.62 548

Venus	0.91 547	0.81 547	0.65 524	0.94 550	0.69 549	0.90 546	0.67 548	1.07 555	1.83 560	1.06 550	1.45 557	1.30 546	1.07 553	0.84 544	0.78 548	0.74 550	0.53 548	0.86 549	0.75 550	0.69 547	0.62 548

MADNet++	1.95 557	1.75 560	1.59 553	1.82 559	1.69 560	2.33 560	1.40 560	2.35 561	2.09 562	2.57 561	2.36 562	2.24 559	2.17 561	2.28 560	2.34 560	1.87 561	1.66 561	1.54 560	1.34 560	1.92 559	1.77 561

tt	4.67 560	0.06 54	3.55 558	2.02 560	1.55 559	10.25 566	16.71 566	8.91 570	5.03 563	1.31 556	0.94 541	4.71 561	4.76 562	3.33 561	5.87 564	6.06 569	10.30 573	1.88 563	2.11 563	2.75 561	1.21 560

PML	8.91 568	9.34 573	6.13 561	5.35 564	6.41 565	14.99 569	23.38 573	5.27 562	6.83 564	18.04 574	28.19 579	7.67 566	6.83 564	7.85 567	5.75 563	5.35 568	1.83 562	5.95 572	1.93 562	8.64 570	2.52 563

xxxxx1	7.79 562	5.02 566	7.31 563	3.12 561	3.85 562	16.35 570	22.88 568	5.86 566	8.69 565	7.97 566	8.54 564	9.12 568	8.27 566	10.18 568	10.92 566	2.42 563	2.45 563	3.56 566	12.37 570	3.77 562	3.06 564

tt_ll	7.79 562	5.02 566	7.31 563	3.12 561	3.85 562	16.35 570	22.88 568	5.86 566	8.69 565	7.97 566	8.54 564	9.12 568	8.27 566	10.18 568	10.92 566	2.42 563	2.45 563	3.56 566	12.37 570	3.77 562	3.06 564

ff	7.79 562	5.02 566	7.31 563	3.12 561	3.85 562	16.35 570	22.88 568	5.86 566	8.69 565	7.97 566	8.54 564	9.12 568	8.27 566	10.18 568	10.92 566	2.42 563	2.45 563	3.56 566	12.37 570	3.77 562	3.06 564

USTest	6.22 561	2.73 562	3.00 555	6.57 567	7.29 566	14.37 568	21.57 567	7.00 569	9.56 568	5.34 565	6.10 563	5.72 564	7.64 565	6.41 566	6.96 565	1.97 562	3.42 567	1.64 561	2.15 564	2.66 560	2.36 562

HaxPig	15.71 574	18.52 578	19.18 574	16.89 572	15.89 574	7.73 563	7.60 563	13.31 574	10.82 569	15.42 573	14.91 572	15.98 574	14.92 574	15.58 574	15.98 574	18.95 576	16.73 574	19.46 576	18.08 576	19.26 576	19.05 577

DGTPSM_ROB	8.06 566	4.48 564	8.63 569	5.35 564	10.72 568	8.32 564	22.97 571	5.46 563	13.35 570	5.12 563	9.92 567	5.08 562	10.40 569	5.52 564	12.58 569	3.79 566	8.00 568	3.50 564	7.02 567	3.83 565	7.14 569

DPSMNet_ROB	8.06 566	4.48 564	8.63 569	5.37 566	10.74 569	8.32 564	22.98 572	5.46 563	13.36 571	5.12 563	9.92 567	5.08 562	10.40 569	5.53 565	12.58 569	3.80 567	8.00 568	3.50 564	7.02 567	3.83 565	7.14 569

Anonymous_1	10.96 571	7.92 570	7.46 566	10.33 568	10.06 567	18.65 574	26.34 574	11.06 571	13.44 572	9.40 569	10.05 569	9.67 571	11.23 571	10.73 571	12.72 571	6.42 570	8.38 570	5.77 569	10.61 569	12.12 571	6.77 568

DPSM_ROB	11.15 572	8.58 571	8.00 567	10.88 569	11.58 570	19.10 575	26.71 575	12.05 572	14.07 573	10.36 570	10.84 570	10.33 572	11.86 572	11.70 572	13.54 572	6.99 571	8.79 571	5.89 570	6.95 565	7.29 568	7.42 571

DPSM	11.15 572	8.58 571	8.00 567	10.88 569	11.58 570	19.10 575	26.71 575	12.05 572	14.07 573	10.36 570	10.84 570	10.33 572	11.86 572	11.70 572	13.54 572	6.99 571	8.79 571	5.89 570	6.95 565	7.29 568	7.42 571

MEDIAN_ROB	20.38 575	24.04 579	23.31 576	21.23 574	21.71 575	10.40 567	7.92 564	17.64 575	15.50 575	20.12 575	19.70 574	20.34 575	20.32 575	21.19 575	21.13 575	23.81 578	21.81 578	24.98 577	23.76 577	24.71 577	23.93 578

AVERAGE_ROB	24.90 579	29.20 580	28.14 577	24.89 578	24.64 578	17.75 573	11.12 565	21.45 576	19.93 576	25.12 579	24.46 578	25.12 579	25.46 579	24.69 579	22.83 576	29.76 579	27.13 579	28.97 579	27.95 579	29.91 578	29.47 579

LSM0	22.87 578	17.28 575	18.96 573	22.19 577	29.04 579	38.42 579	53.71 577	24.28 578	28.31 577	20.78 578	21.00 575	21.43 578	24.16 578	23.50 577	27.39 578	14.09 575	17.38 575	11.84 575	14.04 575	14.73 574	14.89 573

CasAABBNet	22.42 576	17.33 576	16.01 571	22.01 575	23.28 576	38.32 577	53.80 578	24.14 577	28.41 578	20.60 576	21.77 576	20.89 577	23.91 577	23.43 576	27.36 577	14.07 573	17.69 576	11.83 574	14.01 574	14.67 572	14.95 574

Selective-RAFT-Error	22.47 577	17.37 577	16.09 572	22.06 576	23.34 577	38.39 578	53.83 579	24.29 579	28.47 579	20.74 577	21.83 577	20.81 576	23.90 576	23.54 578	27.53 579	14.08 574	17.69 576	11.82 573	14.00 573	14.69 573	15.00 575

test_example2	98.32 580	94.13 581	45.89 578	96.35 579	109.85 580	88.61 580	95.45 580	25.75 580	94.37 580	130.00 581	126.06 580	58.17 580	74.63 580	88.51 580	79.96 580	150.23 580	221.02 580	77.62 580	99.10 580	113.75 580	96.94 580

ccccc		285.66 582		368.85 581	370.60 581	123.16 581		115.05 581		126.68 580		122.83 581		252.94 581		384.56 581	353.86 581	254.69 581	223.00 581	425.87 581

ASD4		3.38 563

Low-res two-view benchmark