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

DLNR_Zeroshot_test	20.09 419	36.28 427	38.04 424	169.85 435	61.80 431	0.23 5	0.20 1	13.88 418	0.37 31	0.44 42	0.66 74	0.43 55	0.21 5	0.62 139	0.28 43	5.46 417	0.10 9	0.15 42	0.11 15	72.60 434	0.11 9

EGLCR-Stereo	0.25 2	0.16 8	0.33 20	0.34 11	0.20 20	0.35 78	0.20 1	0.52 19	0.36 21	0.28 4	0.27 4	0.41 43	0.18 1	0.45 30	0.26 25	0.14 32	0.10 9	0.16 60	0.14 72	0.13 20	0.11 9

XX-Stereo	0.37 80	0.17 19	0.45 130	0.55 322	0.36 277	0.38 98	0.20 1	0.60 46	0.30 3	0.46 46	1.30 303	0.73 196	0.26 17	0.56 79	0.26 25	0.16 110	0.11 57	0.17 85	0.16 123	0.14 45	0.10 3

IIG-Stereo	0.43 143	0.21 101	0.44 119	0.50 285	0.25 112	0.44 126	0.21 4	0.71 128	0.76 150	0.83 213	0.95 190	0.83 228	0.43 123	0.90 272	0.35 111	0.15 79	0.12 98	0.19 155	0.14 72	0.15 77	0.11 9

ROB_FTStereo	0.35 47	0.23 145	0.47 156	0.41 132	0.22 42	0.25 15	0.21 4	0.59 37	0.36 21	0.63 90	0.73 89	0.58 109	0.38 92	0.57 89	0.35 111	0.18 171	0.12 98	0.20 179	0.16 123	0.20 204	0.15 106

SST-Stereo	0.40 120	0.19 49	0.45 130	0.42 169	0.25 112	0.25 15	0.21 4	0.66 81	0.47 59	1.08 320	0.79 122	0.72 187	0.43 123	0.77 227	0.35 111	0.16 110	0.11 57	0.20 179	0.16 123	0.19 191	0.15 106

CRE-IMP	0.36 65	0.23 145	0.49 182	0.42 169	0.24 86	0.41 115	0.21 4	0.57 31	0.41 42	0.65 106	0.72 85	0.53 87	0.37 89	0.61 133	0.38 147	0.17 143	0.11 57	0.19 155	0.15 94	0.21 222	0.18 176

MSKI-zero shot	0.32 28	0.17 19	0.34 26	0.39 85	0.21 29	0.32 63	0.22 8	0.61 52	0.43 48	0.52 59	0.64 68	0.61 132	0.20 4	0.74 213	0.25 9	0.14 32	0.10 9	0.14 16	0.10 10	0.12 8	0.12 33

Any-RAFT	0.35 47	0.16 8	0.30 11	0.34 11	0.21 29	0.52 149	0.22 8	0.88 191	0.73 137	0.53 62	0.73 89	0.64 146	0.28 32	0.46 37	0.24 6	0.15 79	0.10 9	0.13 9	0.10 10	0.13 20	0.12 33

test-3	0.34 35	0.16 8	0.43 109	0.39 85	0.21 29	0.43 122	0.22 8	0.63 61	0.78 163	0.71 141	0.45 21	0.64 146	0.27 23	0.43 24	0.31 66	0.12 4	0.09 2	0.17 85	0.13 50	0.12 8	0.10 3

Patchmatch Stereo++	0.35 47	0.23 145	0.47 156	0.41 132	0.22 42	0.24 7	0.22 8	0.59 37	0.36 21	0.63 90	0.73 89	0.58 109	0.38 92	0.58 106	0.36 127	0.18 171	0.12 98	0.20 179	0.16 123	0.20 204	0.15 106
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
HUI-Stereo	0.35 47	0.23 145	0.47 156	0.41 132	0.22 42	0.24 7	0.22 8	0.60 46	0.36 21	0.63 90	0.73 89	0.58 109	0.38 92	0.50 52	0.35 111	0.18 171	0.12 98	0.20 179	0.16 123	0.20 204	0.15 106

DeepStereo_RVC	0.36 65	0.21 101	0.47 156	0.40 108	0.24 86	0.26 17	0.22 8	0.60 46	0.38 35	0.69 129	0.67 78	0.57 101	0.51 161	0.56 79	0.39 153	0.16 110	0.12 98	0.18 119	0.15 94	0.19 191	0.18 176

iRAFT	0.35 47	0.23 145	0.47 156	0.41 132	0.22 42	0.24 7	0.22 8	0.59 37	0.36 21	0.63 90	0.73 89	0.58 109	0.38 92	0.58 106	0.36 127	0.18 171	0.12 98	0.20 179	0.16 123	0.20 204	0.15 106

CREStereo++_RVC	0.32 28	0.15 3	0.23 1	0.31 6	0.24 86	0.27 25	0.22 8	0.46 8	0.88 211	0.46 46	0.80 124	0.30 5	0.26 17	0.36 5	0.33 86	0.13 12	0.09 2	0.13 9	0.51 373	0.13 20	0.09 1
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
Gwc-CoAtRS	0.34 35	0.17 19	0.44 119	0.39 85	0.23 69	0.34 73	0.22 8	0.70 123	0.75 144	0.60 77	0.59 59	0.58 109	0.29 42	0.45 30	0.26 25	0.14 32	0.11 57	0.14 16	0.12 29	0.12 8	0.12 33

PMTNet	0.32 28	0.16 8	0.24 3	0.29 2	0.18 7	0.45 131	0.22 8	0.56 28	0.63 98	0.46 46	0.54 46	0.39 38	0.34 75	0.48 49	0.24 6	0.75 380	0.10 9	0.12 2	0.08 1	0.12 8	0.11 9

MIF-Stereo (partial)	0.31 26	0.18 34	0.37 44	0.41 132	0.31 241	0.28 32	0.23 18	0.47 9	0.42 46	0.31 8	0.63 65	0.36 31	0.35 77	0.57 89	0.31 66	0.17 143	0.13 152	0.19 155	0.17 163	0.18 157	0.14 87

RAFT-Test	0.34 35	0.18 34	0.37 44	0.38 66	0.23 69	0.50 142	0.23 18	0.69 109	0.40 39	0.60 77	0.85 152	0.61 132	0.28 32	0.46 37	0.27 33	0.14 32	0.11 57	0.14 16	0.11 15	0.13 20	0.12 33

test_1	0.34 35	0.16 8	0.43 109	0.39 85	0.21 29	0.43 122	0.23 18	0.63 61	0.78 163	0.68 124	0.45 21	0.64 146	0.27 23	0.43 24	0.31 66	0.12 4	0.09 2	0.17 85	0.13 50	0.12 8	0.10 3

PFNet+	0.40 120	0.19 49	0.49 182	0.39 85	0.25 112	0.28 32	0.23 18	0.64 71	0.70 121	0.85 221	0.79 122	0.64 146	0.35 77	0.72 202	0.34 96	0.19 200	0.14 178	0.23 244	0.20 231	0.16 108	0.20 224

TANstereo	0.30 24	0.15 3	0.31 13	0.30 4	0.17 3	0.55 164	0.23 18	0.44 6	0.55 77	0.59 73	0.68 80	0.37 33	0.26 17	0.35 4	0.27 33	0.15 79	0.16 229	0.12 2	0.10 10	0.13 20	0.14 87

CFNet-RSSM	0.34 35	0.17 19	0.45 130	0.39 85	0.22 42	0.35 78	0.23 18	0.73 139	0.84 186	0.65 106	0.54 46	0.57 101	0.28 32	0.46 37	0.26 25	0.13 12	0.10 9	0.14 16	0.12 29	0.13 20	0.11 9

MIM_Stereo	0.38 94	0.17 19	0.53 212	0.37 45	0.24 86	0.27 25	0.24 24	0.70 123	0.54 73	0.72 152	1.00 216	0.63 139	0.29 42	0.64 156	0.38 147	0.13 12	0.14 178	0.17 85	0.16 123	0.14 45	0.11 9

CASnet	0.30 24	0.20 70	0.33 20	0.41 132	0.16 2	0.26 17	0.24 24	0.52 19	0.53 69	0.52 59	0.54 46	0.39 38	0.24 10	0.40 16	0.26 25	0.14 32	0.10 9	0.22 230	0.18 185	0.18 157	0.11 9
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
LL-Strereo2	0.35 47	0.24 180	0.48 172	0.41 132	0.26 148	0.35 78	0.24 24	0.67 91	0.44 52	0.54 64	0.51 38	0.66 161	0.25 11	0.66 168	0.30 59	0.14 32	0.12 98	0.23 244	0.20 231	0.18 157	0.13 58

iRaft-Stereo_20w	0.39 108	0.19 49	0.57 229	0.37 45	0.27 172	0.31 53	0.24 24	1.44 356	0.29 2	0.69 129	0.53 44	0.60 128	0.42 116	0.83 247	0.27 33	0.14 32	0.11 57	0.14 16	0.13 50	0.15 77	0.13 58

Pruner-Stereo	0.38 94	0.20 70	0.45 130	0.40 108	0.25 112	0.22 4	0.24 24	0.67 91	0.55 77	0.89 245	0.76 101	0.68 167	0.29 42	0.62 139	0.35 111	0.18 171	0.12 98	0.20 179	0.17 163	0.17 139	0.18 176

RAFT-RH_RVC	0.56 252	0.17 19	0.41 81	0.37 45	0.23 69	0.57 183	0.24 24	0.60 46	0.70 121	1.19 333	3.94 399	0.56 96	0.38 92	0.65 163	0.36 127	0.13 12	0.11 57	0.20 179	0.14 72	0.12 8	0.13 58

XX-TBD	0.32 28	0.53 340	0.26 7	0.51 297	0.20 20	0.37 86	0.24 24	0.40 3	0.73 137	0.54 64	0.69 81	0.31 8	0.25 11	0.32 3	0.27 33	0.16 110	0.10 9	0.12 2	0.09 6	0.13 20	0.11 9

IGEV_Zeroshot_test	0.34 35	0.18 34	0.67 271	0.39 85	0.28 191	0.30 43	0.25 31	0.74 141	0.31 5	0.62 83	0.57 54	0.54 91	0.25 11	0.53 66	0.27 33	0.14 32	0.10 9	0.15 42	0.14 72	0.14 45	0.12 33

Selective-IGEV	0.24 1	0.18 34	0.35 29	0.35 29	0.19 9	0.27 25	0.25 31	0.55 27	0.23 1	0.27 2	0.25 2	0.34 21	0.19 2	0.58 106	0.22 1	0.12 4	0.10 9	0.14 16	0.11 15	0.12 8	0.10 3

OMP-Stereo	0.42 137	0.22 128	0.46 146	0.52 308	0.24 86	0.36 84	0.25 31	0.71 128	0.78 163	0.77 177	0.64 68	0.89 250	0.39 104	0.91 279	0.35 111	0.15 79	0.12 98	0.20 179	0.15 94	0.15 77	0.12 33

raftrobust	0.34 35	0.19 49	0.36 34	0.41 132	0.27 172	0.30 43	0.25 31	0.71 128	0.63 98	0.58 71	0.55 51	0.45 61	0.46 138	0.51 56	0.29 54	0.16 110	0.12 98	0.14 16	0.12 29	0.12 8	0.13 58

RALAANet	0.38 94	0.23 145	0.48 172	0.42 169	0.29 214	0.35 78	0.25 31	0.86 180	0.64 105	0.67 118	0.65 70	0.60 128	0.29 42	0.60 126	0.34 96	0.15 79	0.12 98	0.17 85	0.15 94	0.21 222	0.13 58

CREStereo	0.28 8	0.15 3	0.24 3	0.27 1	0.17 3	0.37 86	0.25 31	0.51 16	0.72 132	0.42 37	0.51 38	0.32 10	0.26 17	0.38 12	0.25 9	0.16 110	0.11 57	0.12 2	0.08 1	0.12 8	0.11 9
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
MC-Stereo	0.28 8	0.17 19	0.32 17	0.38 66	0.20 20	0.26 17	0.26 37	0.49 13	0.37 31	0.37 17	0.61 63	0.41 43	0.31 57	0.55 71	0.25 9	0.13 12	0.09 2	0.14 16	0.12 29	0.12 8	0.11 9

GLC_STEREO	0.29 12	0.19 49	0.27 8	0.44 202	0.19 9	0.31 53	0.26 37	0.47 9	0.43 48	0.37 17	0.47 29	0.41 43	0.23 7	0.50 52	0.34 96	0.14 32	0.18 254	0.19 155	0.16 123	0.16 108	0.13 58

NRIStereo	0.36 65	0.20 70	0.45 130	0.41 132	0.23 69	0.34 73	0.26 37	0.65 72	0.55 77	0.64 99	0.63 65	0.56 96	0.37 89	0.65 163	0.37 139	0.15 79	0.11 57	0.18 119	0.15 94	0.17 139	0.14 87

ASMatch	0.48 182	0.19 49	0.45 130	0.39 85	0.28 191	0.37 86	0.26 37	0.74 141	0.68 116	0.76 172	2.34 368	0.61 132	0.52 163	0.62 139	0.37 139	0.14 32	0.12 98	0.17 85	0.15 94	0.14 45	0.21 237

RAFT_R40	0.40 120	0.19 49	0.44 119	0.43 187	0.25 112	0.23 5	0.26 37	0.67 91	0.67 115	0.98 286	0.78 113	0.72 187	0.43 123	0.76 220	0.35 111	0.16 110	0.11 57	0.20 179	0.16 123	0.18 157	0.14 87

RAFT-345	0.40 120	0.18 34	0.40 77	0.38 66	0.22 42	0.33 67	0.26 37	0.61 52	0.51 63	0.74 165	1.79 353	0.45 61	0.33 69	0.66 168	0.36 127	0.14 32	0.11 57	0.18 119	0.14 72	0.13 20	0.13 58

StereoIM	0.26 3	0.18 34	0.36 34	0.36 37	0.26 148	0.27 25	0.27 43	0.43 5	0.35 16	0.27 2	0.26 3	0.41 43	0.28 32	0.40 16	0.28 43	0.16 110	0.14 178	0.16 60	0.13 50	0.14 45	0.12 33

4D-IteraStereo	0.33 34	0.18 34	0.40 77	0.40 108	0.24 86	0.32 63	0.27 43	0.58 35	0.72 132	0.65 106	0.54 46	0.42 49	0.23 7	0.45 30	0.28 43	0.14 32	0.09 2	0.19 155	0.16 123	0.16 108	0.11 9

CES	0.28 8	0.14 2	0.23 1	0.30 4	0.70 370	0.37 86	0.27 43	0.48 11	0.46 56	0.34 14	0.48 30	0.27 2	0.22 6	0.39 14	0.23 4	0.13 12	0.11 57	0.12 2	0.08 1	0.13 20	0.17 162

Selective-RAFT	0.35 47	0.23 145	0.51 201	0.44 202	0.21 29	0.64 222	0.27 43	0.59 37	0.63 98	0.40 31	0.38 18	0.55 94	0.40 109	0.57 89	0.35 111	0.13 12	0.11 57	0.14 16	0.12 29	0.16 108	0.13 58

IPLG	0.39 108	0.20 70	0.59 234	0.40 108	0.24 86	0.54 159	0.27 43	0.75 147	0.63 98	0.84 220	0.81 131	0.32 10	0.32 61	0.60 126	0.45 188	0.13 12	0.11 57	0.16 60	0.13 50	0.13 20	0.12 33

DIP-Stereo	0.39 108	0.21 101	0.50 194	0.41 132	0.28 191	0.62 207	0.27 43	0.77 155	0.40 39	0.64 99	0.86 155	0.52 83	0.33 69	0.66 168	0.42 165	0.15 79	0.13 152	0.17 85	0.14 72	0.15 77	0.15 106
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
DN-CSS_ROB	0.43 143	0.26 212	0.62 244	0.40 108	0.29 214	0.44 126	0.27 43	0.77 155	0.75 144	0.72 152	1.09 255	0.48 73	0.43 123	0.69 189	0.37 139	0.15 79	0.12 98	0.21 218	0.19 209	0.18 157	0.16 145

MIF-Stereo	0.27 5	0.17 19	0.37 44	0.40 108	0.27 172	0.30 43	0.28 50	0.39 2	0.31 5	0.29 6	0.46 24	0.27 2	0.25 11	0.47 44	0.34 96	0.17 143	0.13 152	0.13 9	0.12 29	0.14 45	0.12 33

AEACV	0.27 5	0.17 19	0.31 13	0.34 11	0.45 329	0.26 17	0.28 50	0.37 1	0.32 7	0.30 7	0.46 24	0.31 8	0.37 89	0.36 5	0.24 6	0.14 32	0.10 9	0.15 42	0.12 29	0.13 20	0.11 9

HBP-ISP	0.59 270	0.45 318	0.43 109	0.45 223	0.33 262	0.70 240	0.28 50	1.11 268	1.00 270	0.83 213	1.18 282	0.65 156	0.68 248	0.88 265	0.52 223	0.35 343	0.38 361	0.47 357	0.41 358	0.38 329	0.31 306

MIPNet	0.37 80	0.21 101	0.59 234	0.39 85	0.25 112	0.50 142	0.28 50	0.77 155	0.70 121	0.65 106	0.60 60	0.40 41	0.49 148	0.44 29	0.37 139	0.14 32	0.11 57	0.16 60	0.13 50	0.14 45	0.13 58

RAFT-IKP	0.35 47	0.23 145	0.47 156	0.41 132	0.22 42	0.24 7	0.28 50	0.59 37	0.36 21	0.63 90	0.73 89	0.57 101	0.38 92	0.58 106	0.36 127	0.18 171	0.12 98	0.20 179	0.16 123	0.20 204	0.15 106

111	0.40 120	0.17 19	0.41 81	0.34 11	0.19 9	0.52 149	0.28 50	0.74 141	1.16 318	0.50 54	0.91 175	0.63 139	0.48 145	0.61 133	0.35 111	0.14 32	0.10 9	0.14 16	0.12 29	0.13 20	0.13 58

CBMV_ROB	0.59 270	0.37 286	0.38 53	0.39 85	0.28 191	0.74 250	0.28 50	1.00 228	0.98 258	0.94 269	1.25 295	0.81 226	0.78 287	0.87 262	0.50 208	0.36 346	0.37 359	0.43 350	0.40 353	0.33 308	0.30 300

MyStereo8	0.40 120	0.20 70	0.54 215	0.41 132	0.29 214	0.53 155	0.29 57	0.65 72	0.49 61	0.71 141	0.98 209	0.58 109	0.43 123	0.50 52	0.51 216	0.15 79	0.12 98	0.16 60	0.14 72	0.19 191	0.19 204

11t1	0.36 65	0.21 101	0.42 100	0.35 29	0.22 42	0.62 207	0.29 57	0.69 109	0.43 48	0.60 77	0.53 44	0.53 87	0.48 145	0.56 79	0.40 158	0.18 171	0.14 178	0.16 60	0.13 50	0.17 139	0.17 162

GMStereo_Zeroshot	0.49 198	0.44 314	0.74 294	0.49 271	0.27 172	0.56 179	0.29 57	0.73 139	0.76 150	0.86 226	0.94 183	0.91 256	0.36 86	0.74 213	0.43 170	0.26 287	0.14 178	0.26 283	0.15 94	0.36 323	0.18 176

LoS	0.29 12	0.15 3	0.30 11	0.29 2	0.18 7	0.33 67	0.29 57	0.51 16	0.72 132	0.34 14	0.52 42	0.41 43	0.28 32	0.47 44	0.28 43	0.15 79	0.11 57	0.13 9	0.09 6	0.11 1	0.11 9

knoymous	0.36 65	0.20 70	0.31 13	0.31 6	0.22 42	0.36 84	0.29 57	0.61 52	0.64 105	0.67 118	0.70 83	0.60 128	0.40 109	0.58 106	0.34 96	0.17 143	0.11 57	0.20 179	0.11 15	0.17 139	0.18 176

IPLGR	0.39 108	0.21 101	0.63 252	0.39 85	0.22 42	0.49 141	0.29 57	0.76 152	0.74 142	0.78 180	0.77 105	0.44 60	0.42 116	0.47 44	0.38 147	0.13 12	0.12 98	0.16 60	0.14 72	0.15 77	0.13 58

LCNet	0.41 131	0.20 70	0.32 17	0.44 202	0.24 86	0.47 135	0.29 57	0.67 91	0.53 69	0.72 152	1.03 231	0.66 161	0.60 202	0.58 106	0.34 96	0.14 32	0.10 9	0.19 155	0.19 209	0.21 222	0.36 325

CroCo-Stereo	0.26 3	0.22 128	0.36 34	0.48 256	0.22 42	0.20 1	0.29 57	0.51 16	0.44 52	0.28 4	0.23 1	0.42 49	0.26 17	0.29 1	0.26 25	0.15 79	0.13 152	0.13 9	0.11 15	0.16 108	0.12 33
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	0.32 28	0.19 49	0.37 44	0.39 85	0.22 42	0.31 53	0.29 57	0.68 100	0.51 63	0.49 51	0.66 74	0.37 33	0.23 7	0.45 30	0.33 86	0.14 32	0.10 9	0.18 119	0.17 163	0.15 77	0.12 33

s12784h	0.36 65	0.15 3	0.24 3	0.34 11	0.15 1	0.77 256	0.29 57	0.80 166	0.83 183	0.56 68	0.57 54	0.43 55	0.40 109	0.57 89	0.33 86	0.12 4	0.10 9	0.14 16	0.09 6	0.14 45	0.09 1

HCRNet	0.44 149	0.34 274	0.41 81	0.53 313	0.26 148	0.53 155	0.29 57	0.83 171	0.63 98	0.71 141	0.81 131	0.77 214	0.50 158	0.66 168	0.36 127	0.24 267	0.16 229	0.24 258	0.20 231	0.21 222	0.18 176

RAFT-Stereo + iAFF	0.36 65	0.17 19	0.41 81	0.35 29	0.19 9	0.33 67	0.29 57	0.65 72	0.73 137	0.68 124	1.01 219	0.56 96	0.40 109	0.42 21	0.30 59	0.11 1	0.09 2	0.15 42	0.14 72	0.13 20	0.10 3

iResNet_ROB	0.52 227	0.21 101	0.53 212	0.37 45	0.21 29	0.61 200	0.29 57	1.51 365	1.32 343	0.90 252	1.02 227	0.80 224	0.62 212	0.76 220	0.43 170	0.16 110	0.12 98	0.13 9	0.09 6	0.15 77	0.18 176

Former-RAFT_DAM_RVC	0.34 35	0.27 226	0.45 130	0.36 37	0.25 112	0.48 137	0.30 70	0.58 35	0.90 223	0.42 37	0.36 17	0.30 5	0.29 42	0.49 50	0.30 59	0.16 110	0.14 178	0.18 119	0.15 94	0.18 157	0.15 106

test croco	0.31 26	0.20 70	0.50 194	0.39 85	0.29 214	0.27 25	0.30 70	0.44 6	0.35 16	0.31 8	0.66 74	0.30 5	0.31 57	0.65 163	0.31 66	0.17 143	0.13 152	0.20 179	0.15 94	0.17 139	0.12 33

PCWNet_CMD	0.48 182	0.24 180	0.52 206	0.39 85	0.27 172	0.63 216	0.30 70	0.95 214	0.96 251	0.86 226	1.07 248	0.79 216	0.44 131	0.57 89	0.43 170	0.17 143	0.12 98	0.21 218	0.16 123	0.24 257	0.19 204

riskmin	0.38 94	0.20 70	0.39 70	0.32 8	0.23 69	0.53 155	0.30 70	0.63 61	0.80 171	0.49 51	0.56 53	0.73 196	0.58 192	0.55 71	0.36 127	0.17 143	0.11 57	0.19 155	0.13 50	0.19 191	0.20 224

DCANet-4	0.36 65	0.20 70	0.48 172	0.34 11	0.19 9	0.29 36	0.30 70	0.66 81	0.92 233	0.69 129	0.78 113	0.40 41	0.47 141	0.45 30	0.34 96	0.14 32	0.10 9	0.14 16	0.11 15	0.11 1	0.13 58

fff	0.37 80	0.16 8	0.41 81	0.34 11	0.19 9	0.29 36	0.30 70	0.69 109	1.06 298	0.69 129	0.78 113	0.42 49	0.63 218	0.46 37	0.34 96	0.14 32	0.10 9	0.14 16	0.11 15	0.11 1	0.13 58

ADStereo(finetuned)	0.37 80	0.16 8	0.49 182	0.34 11	0.19 9	0.30 43	0.30 70	0.68 100	0.91 228	0.70 135	0.77 105	0.43 55	0.69 252	0.45 30	0.33 86	0.14 32	0.10 9	0.14 16	0.11 15	0.13 20	0.12 33

TRStereo	0.37 80	0.27 226	0.59 234	0.47 251	0.41 307	0.29 36	0.30 70	0.84 174	0.59 84	0.52 59	0.41 19	0.52 83	0.26 17	0.73 207	0.27 33	0.17 143	0.12 98	0.19 155	0.19 209	0.13 20	0.11 9

iGMRVC	0.35 47	0.23 145	0.47 156	0.41 132	0.22 42	0.24 7	0.30 70	0.59 37	0.36 21	0.63 90	0.73 89	0.58 109	0.38 92	0.58 106	0.36 127	0.18 171	0.12 98	0.20 179	0.16 123	0.20 204	0.15 106

CFNet_pseudo	0.46 165	0.24 180	0.52 206	0.37 45	0.27 172	0.58 185	0.30 70	0.86 180	0.88 211	0.82 201	1.03 231	0.75 202	0.47 141	0.58 106	0.44 182	0.17 143	0.12 98	0.24 258	0.16 123	0.24 257	0.19 204

DCANet	0.36 65	0.16 8	0.41 81	0.34 11	0.19 9	0.30 43	0.30 70	0.68 100	0.91 228	0.70 135	0.77 105	0.43 55	0.57 185	0.45 30	0.34 96	0.14 32	0.10 9	0.14 16	0.11 15	0.13 20	0.12 33

csc	0.37 80	0.16 8	0.41 81	0.34 11	0.19 9	0.29 36	0.30 70	0.69 109	1.06 298	0.69 129	0.78 113	0.42 49	0.63 218	0.46 37	0.34 96	0.14 32	0.10 9	0.14 16	0.11 15	0.11 1	0.13 58

cscssc	0.37 80	0.16 8	0.41 81	0.34 11	0.19 9	0.29 36	0.30 70	0.69 109	1.06 298	0.69 129	0.78 113	0.42 49	0.63 218	0.46 37	0.34 96	0.14 32	0.10 9	0.14 16	0.11 15	0.11 1	0.13 58

EAI-Stereo	0.34 35	0.19 49	0.44 119	0.39 85	0.21 29	0.31 53	0.30 70	1.15 282	0.30 3	0.49 51	0.75 99	0.36 31	0.28 32	0.62 139	0.27 33	0.14 32	0.11 57	0.14 16	0.13 50	0.13 20	0.12 33

MSMDNet	0.48 182	0.24 180	0.52 206	0.39 85	0.27 172	0.63 216	0.30 70	0.96 216	0.96 251	0.86 226	1.07 248	0.79 216	0.44 131	0.57 89	0.43 170	0.17 143	0.12 98	0.20 179	0.16 123	0.23 247	0.19 204

HITNet	0.41 131	0.26 212	0.45 130	0.33 10	0.17 3	0.63 216	0.30 70	0.93 204	0.64 105	0.71 141	0.82 134	0.64 146	0.52 163	0.59 120	0.43 170	0.14 32	0.10 9	0.15 42	0.13 50	0.19 191	0.12 33
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
EKT-Stereo	0.35 47	0.23 145	0.39 70	0.43 187	0.29 214	0.38 98	0.31 86	0.69 109	0.64 105	0.45 44	0.63 65	0.49 77	0.27 23	0.56 79	0.33 86	0.18 171	0.14 178	0.18 119	0.15 94	0.16 108	0.16 145

HH	0.35 47	0.20 70	0.47 156	0.40 108	0.25 112	0.33 67	0.31 86	0.76 152	0.38 35	0.43 39	0.57 54	0.79 216	0.44 131	0.71 197	0.25 9	0.15 79	0.11 57	0.15 42	0.14 72	0.14 45	0.12 33

HanStereo	0.35 47	0.20 70	0.47 156	0.40 108	0.25 112	0.33 67	0.31 86	0.76 152	0.38 35	0.43 39	0.57 54	0.79 216	0.44 131	0.71 197	0.25 9	0.15 79	0.11 57	0.15 42	0.14 72	0.14 45	0.12 33

anonymousdsp2	0.35 47	0.20 70	0.43 109	0.37 45	0.24 86	0.48 137	0.31 86	0.86 180	0.65 110	0.55 66	0.50 33	0.50 78	0.34 75	0.56 79	0.31 66	0.14 32	0.10 9	0.14 16	0.10 10	0.16 108	0.14 87

CroCo-Stereo Lap2	0.28 8	0.24 180	0.39 70	0.50 285	0.29 214	0.20 1	0.31 86	0.49 13	0.38 35	0.24 1	0.27 4	0.46 67	0.31 57	0.39 14	0.30 59	0.14 32	0.15 202	0.16 60	0.13 50	0.16 108	0.15 106

DisPM	0.39 108	0.19 49	0.44 119	0.41 132	0.27 172	0.24 7	0.31 86	0.65 72	0.57 82	0.87 233	0.87 159	0.60 128	0.32 61	0.76 220	0.32 74	0.18 171	0.12 98	0.19 155	0.17 163	0.15 77	0.20 224

AAGNet	1.43 372	0.20 70	0.48 172	0.44 202	0.25 112	0.29 36	0.31 86	0.65 72	0.68 116	0.97 282	0.86 155	0.67 166	0.62 212	0.64 156	20.63 417	0.16 110	0.11 57	0.19 155	0.15 94	0.19 191	0.12 33

NF-Stereo	0.38 94	0.20 70	0.45 130	0.41 132	0.25 112	0.26 17	0.31 86	0.69 109	0.70 121	0.65 106	0.77 105	0.57 101	0.30 53	0.67 178	0.35 111	0.18 171	0.12 98	0.20 179	0.16 123	0.16 108	0.27 280

OCTAStereo	0.38 94	0.20 70	0.46 146	0.41 132	0.25 112	0.26 17	0.31 86	0.69 109	0.70 121	0.65 106	0.77 105	0.58 109	0.30 53	0.67 178	0.35 111	0.18 171	0.12 98	0.20 179	0.16 123	0.16 108	0.27 280

PSM-adaLoss	0.35 47	0.23 145	0.47 156	0.41 132	0.22 42	0.24 7	0.31 86	0.59 37	0.36 21	0.63 90	0.73 89	0.58 109	0.38 92	0.56 79	0.35 111	0.18 171	0.12 98	0.20 179	0.16 123	0.20 204	0.15 106

ROB_FTStereo_v2	0.35 47	0.23 145	0.47 156	0.41 132	0.22 42	0.24 7	0.31 86	0.59 37	0.36 21	0.63 90	0.73 89	0.57 101	0.38 92	0.57 89	0.36 127	0.18 171	0.12 98	0.20 179	0.16 123	0.20 204	0.15 106

RE-Stereo	0.38 94	0.20 70	0.46 146	0.41 132	0.25 112	0.26 17	0.31 86	0.69 109	0.70 121	0.65 106	0.77 105	0.58 109	0.30 53	0.67 178	0.35 111	0.18 171	0.12 98	0.20 179	0.16 123	0.16 108	0.27 280

TVStereo	0.38 94	0.20 70	0.46 146	0.41 132	0.25 112	0.26 17	0.31 86	0.69 109	0.70 121	0.65 106	0.77 105	0.58 109	0.30 53	0.67 178	0.35 111	0.18 171	0.12 98	0.20 179	0.16 123	0.16 108	0.27 280

sCroCo_RVC	0.35 47	0.28 240	0.69 280	0.51 297	0.39 295	0.41 115	0.31 86	0.49 13	0.45 55	0.31 8	0.48 30	0.38 37	0.32 61	0.46 37	0.32 74	0.21 235	0.22 289	0.19 155	0.19 209	0.21 222	0.20 224

AFF-stereo	0.38 94	0.19 49	0.39 70	0.37 45	0.21 29	0.27 25	0.31 86	0.65 72	0.66 113	0.64 99	1.13 266	0.76 208	0.39 104	0.55 71	0.33 86	0.11 1	0.09 2	0.16 60	0.16 123	0.13 20	0.11 9

ccs_rob	0.46 165	0.24 180	0.52 206	0.37 45	0.27 172	0.58 185	0.31 86	0.86 180	0.88 211	0.82 201	1.02 227	0.75 202	0.47 141	0.58 106	0.44 182	0.17 143	0.12 98	0.24 258	0.16 123	0.24 257	0.19 204

rrr	0.29 12	0.22 128	0.41 81	0.35 29	0.27 172	0.37 86	0.32 102	0.52 19	0.42 46	0.38 21	0.30 6	0.35 26	0.27 23	0.51 56	0.22 1	0.15 79	0.12 98	0.16 60	0.13 50	0.13 20	0.14 87

x	0.39 108	0.24 180	0.41 81	0.34 11	0.23 69	0.52 149	0.32 102	0.86 180	0.52 66	0.57 70	0.70 83	0.59 123	0.50 158	0.49 50	0.46 198	0.17 143	0.15 202	0.17 85	0.15 94	0.17 139	0.16 145

PFNet	0.42 137	0.18 34	0.58 233	0.43 187	0.24 86	0.43 122	0.32 102	0.74 141	0.78 163	1.00 293	0.74 98	0.68 167	0.39 104	0.72 202	0.37 139	0.16 110	0.10 9	0.20 179	0.15 94	0.16 108	0.13 58

test_xeample3	0.29 12	0.21 101	0.41 81	0.35 29	0.26 148	0.35 78	0.32 102	0.56 28	0.36 21	0.43 39	0.32 9	0.34 21	0.28 32	0.54 69	0.23 4	0.14 32	0.11 57	0.16 60	0.12 29	0.14 45	0.13 58

FENet	0.42 137	0.22 128	0.38 53	0.39 85	0.24 86	0.55 164	0.32 102	0.79 162	0.70 121	0.71 141	0.72 85	0.63 139	0.57 185	0.62 139	0.44 182	0.19 200	0.13 152	0.19 155	0.17 163	0.18 157	0.19 204

R-Stereo Train	0.39 108	0.18 34	0.42 100	0.42 169	0.26 148	0.40 102	0.32 102	0.72 132	0.34 9	0.89 245	1.28 299	0.57 101	0.35 77	0.42 21	0.32 74	0.15 79	0.12 98	0.14 16	0.12 29	0.14 45	0.13 58

RAFT-Stereo	0.39 108	0.18 34	0.42 100	0.42 169	0.26 148	0.40 102	0.32 102	0.72 132	0.34 9	0.89 245	1.28 299	0.57 101	0.35 77	0.42 21	0.32 74	0.15 79	0.12 98	0.14 16	0.12 29	0.14 45	0.13 58
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
CFNet	0.51 218	0.29 248	0.46 146	0.41 132	0.27 172	0.70 240	0.32 102	1.13 273	1.00 270	0.72 152	1.07 248	0.85 234	0.60 202	0.76 220	0.52 223	0.19 200	0.14 178	0.23 244	0.23 274	0.21 222	0.16 145

AdaStereo	0.50 211	0.32 261	0.47 156	0.48 256	0.25 112	0.67 234	0.32 102	1.17 290	0.88 211	0.75 167	0.99 214	0.75 202	0.49 148	0.67 178	0.46 198	0.27 294	0.12 98	0.28 302	0.18 185	0.23 247	0.18 176
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.
CFNet_ucs	0.50 211	0.24 180	0.55 220	0.38 66	0.31 241	0.58 185	0.33 111	0.98 223	0.93 238	0.88 241	1.19 286	0.80 224	0.49 148	0.63 149	0.43 170	0.21 235	0.15 202	0.26 283	0.18 185	0.26 269	0.22 250

SDNR	0.86 323	0.37 286	1.47 371	0.40 108	0.38 290	3.38 400	0.33 111	0.90 197	0.98 258	0.99 288	2.09 365	0.59 123	0.71 266	1.29 340	0.70 264	0.51 368	0.56 382	0.36 335	0.26 306	0.43 342	0.46 357

raft_robust	0.41 131	0.23 145	0.36 34	0.42 169	0.21 29	0.40 102	0.33 111	0.79 162	0.98 258	0.79 182	0.87 159	0.39 38	0.33 69	0.84 252	0.29 54	0.13 12	0.12 98	0.16 60	0.17 163	0.15 77	0.12 33

CIPLG	0.41 131	0.21 101	0.63 252	0.45 223	0.33 262	0.52 149	0.33 111	0.65 72	0.60 86	0.82 201	0.96 194	0.46 67	0.32 61	0.55 71	0.44 182	0.16 110	0.12 98	0.15 42	0.14 72	0.13 20	0.14 87

ACRE	0.40 120	0.21 101	0.65 262	0.45 223	0.33 262	0.51 146	0.33 111	0.66 81	0.63 98	0.80 184	0.92 179	0.45 61	0.32 61	0.52 61	0.45 188	0.16 110	0.12 98	0.15 42	0.14 72	0.13 20	0.14 87

rafts_anoy	0.37 80	0.21 101	0.36 34	0.41 132	0.26 148	0.30 43	0.33 111	0.67 91	0.90 223	0.58 71	0.66 74	0.45 61	0.33 69	0.47 44	0.39 153	0.16 110	0.11 57	0.21 218	0.23 274	0.17 139	0.14 87

MLCV	0.47 175	0.24 180	0.61 241	0.37 45	0.17 3	0.61 200	0.33 111	0.80 166	0.87 207	0.94 269	1.13 266	0.72 187	0.43 123	0.89 270	0.51 216	0.13 12	0.10 9	0.13 9	0.11 15	0.14 45	0.12 33

SMFormer	0.51 218	0.23 145	0.62 244	0.34 11	0.20 20	0.62 207	0.34 118	1.21 301	1.02 277	0.81 192	1.01 219	0.71 177	0.65 234	0.84 252	0.55 233	0.19 200	0.15 202	0.18 119	0.16 123	0.18 157	0.18 176

tta	0.51 218	0.23 145	0.62 244	0.34 11	0.20 20	0.62 207	0.34 118	1.21 301	1.02 277	0.81 192	1.01 219	0.71 177	0.65 234	0.84 252	0.55 233	0.19 200	0.15 202	0.18 119	0.16 123	0.15 77	0.14 87

qqq1	0.49 198	0.23 145	0.62 244	0.34 11	0.20 20	0.62 207	0.34 118	1.21 301	1.02 277	0.81 192	1.01 219	0.71 177	0.65 234	0.84 252	0.34 96	0.19 200	0.15 202	0.14 16	0.12 29	0.15 77	0.14 87

fff1	0.49 198	0.23 145	0.62 244	0.34 11	0.20 20	0.62 207	0.34 118	1.21 301	1.02 277	0.81 192	1.01 219	0.71 177	0.65 234	0.84 252	0.34 96	0.19 200	0.15 202	0.14 16	0.12 29	0.15 77	0.14 87

LoS_RVC	0.27 5	0.16 8	0.27 8	0.32 8	0.30 224	0.44 126	0.34 118	0.41 4	0.33 8	0.31 8	0.51 38	0.29 4	0.32 61	0.36 5	0.28 43	0.11 1	0.10 9	0.11 1	0.08 1	0.11 1	0.19 204

CASS	0.45 159	0.27 226	0.42 100	0.48 256	0.22 42	0.61 200	0.34 118	0.97 220	0.62 88	0.71 141	0.85 152	0.61 132	0.55 179	0.57 89	0.41 161	0.29 306	0.16 229	0.22 230	0.18 185	0.22 238	0.28 287
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
RCA-Stereo	0.35 47	0.17 19	0.34 26	0.38 66	0.22 42	0.31 53	0.34 118	0.68 100	1.24 331	0.45 44	0.65 70	0.47 69	0.43 123	0.38 12	0.27 33	0.13 12	0.10 9	0.14 16	0.11 15	0.11 1	0.11 9

BUS	0.45 159	0.25 198	0.43 109	0.45 223	0.28 191	0.70 240	0.34 118	0.94 208	0.76 150	0.75 167	0.80 124	0.65 156	0.49 148	0.64 156	0.51 216	0.20 221	0.14 178	0.22 230	0.19 209	0.18 157	0.18 176

NINENet	0.50 211	0.29 248	0.51 201	0.45 223	0.32 253	0.70 240	0.34 118	1.10 263	0.88 211	0.80 184	0.94 183	0.65 156	0.49 148	0.73 207	0.51 216	0.22 253	0.20 276	0.25 269	0.18 185	0.22 238	0.21 237

Sa-1000	0.48 182	0.24 180	0.41 81	0.45 223	0.25 112	0.59 194	0.34 118	0.81 169	0.93 238	0.82 201	1.50 333	0.53 87	0.45 135	0.92 282	0.30 59	0.15 79	0.12 98	0.21 218	0.19 209	0.15 77	0.13 58

test_4	0.36 65	0.18 34	0.31 13	0.44 202	0.25 112	0.20 1	0.34 118	0.56 28	0.41 42	0.59 73	1.45 329	0.43 55	0.25 11	0.63 149	0.28 43	0.12 4	0.10 9	0.17 85	0.19 209	0.15 77	0.11 9

UDGNet	0.48 182	0.77 363	0.50 194	0.48 256	0.31 241	0.41 115	0.34 118	0.70 123	0.92 233	0.65 106	0.60 60	0.58 109	0.43 123	0.63 149	0.41 161	0.32 327	0.15 202	0.66 374	0.19 209	0.36 323	0.21 237

IPLGR_C	0.40 120	0.21 101	0.64 257	0.45 223	0.33 262	0.52 149	0.34 118	0.66 81	0.62 88	0.82 201	0.92 179	0.45 61	0.32 61	0.52 61	0.46 198	0.17 143	0.12 98	0.15 42	0.14 72	0.13 20	0.14 87

HHNet	0.41 131	0.17 19	0.41 81	0.34 11	0.37 282	0.33 67	0.34 118	0.69 109	0.75 144	0.86 226	1.30 303	0.52 83	0.32 61	0.52 61	0.35 111	0.15 79	0.11 57	0.19 155	0.15 94	0.15 77	0.24 263

DEmStereo	0.48 182	0.17 19	0.50 194	0.38 66	0.25 112	0.59 194	0.34 118	0.63 61	0.74 142	0.89 245	1.66 344	0.58 109	1.06 337	0.60 126	0.42 165	0.14 32	0.11 57	0.16 60	0.16 123	0.14 45	0.15 106

DMCA	0.45 159	0.26 212	0.50 194	0.38 66	0.28 191	0.51 146	0.34 118	0.93 204	0.68 116	0.75 167	0.83 139	0.79 216	0.53 166	0.51 56	0.54 229	0.21 235	0.16 229	0.21 218	0.16 123	0.19 191	0.21 237

FADNet_RVC	0.55 241	0.37 286	1.17 346	0.44 202	0.31 241	0.56 179	0.34 118	1.06 253	0.88 211	0.67 118	0.90 173	0.61 132	0.65 234	0.93 287	0.70 264	0.21 235	0.18 254	0.26 283	0.23 274	0.31 298	0.28 287

AE-Stereo	0.34 35	0.21 101	0.42 100	0.48 256	0.31 241	0.48 137	0.35 135	0.61 52	0.62 88	0.32 12	0.55 51	0.52 83	0.27 23	0.47 44	0.29 54	0.13 12	0.13 152	0.18 119	0.16 123	0.15 77	0.12 33

mmm	0.44 149	0.27 226	0.46 146	0.38 66	0.24 86	0.61 200	0.35 135	0.94 208	0.53 69	0.72 152	1.05 239	0.63 139	0.50 158	0.57 89	0.45 188	0.18 171	0.15 202	0.23 244	0.20 231	0.20 204	0.18 176

ff7	0.29 12	0.21 101	0.38 53	0.36 37	0.26 148	0.31 53	0.35 135	0.62 56	0.34 9	0.38 21	0.33 10	0.32 10	0.29 42	0.58 106	0.25 9	0.14 32	0.10 9	0.17 85	0.12 29	0.14 45	0.15 106

IGEVStereo-DCA	0.29 12	0.22 128	0.38 53	0.35 29	0.27 172	0.37 86	0.35 135	0.62 56	0.34 9	0.38 21	0.30 6	0.35 26	0.27 23	0.51 56	0.22 1	0.15 79	0.12 98	0.16 60	0.12 29	0.13 20	0.15 106

ffff	0.29 12	0.21 101	0.38 53	0.36 37	0.26 148	0.31 53	0.35 135	0.62 56	0.34 9	0.38 21	0.33 10	0.32 10	0.29 42	0.58 106	0.25 9	0.14 32	0.10 9	0.17 85	0.12 29	0.14 45	0.15 106

11t	0.29 12	0.21 101	0.38 53	0.36 37	0.26 148	0.31 53	0.35 135	0.62 56	0.34 9	0.38 21	0.33 10	0.32 10	0.29 42	0.58 106	0.25 9	0.14 32	0.10 9	0.17 85	0.12 29	0.14 45	0.15 106

anonymousdsp	0.29 12	0.21 101	0.38 53	0.37 45	0.25 112	0.30 43	0.35 135	0.63 61	0.35 16	0.39 29	0.33 10	0.33 18	0.28 32	0.59 120	0.25 9	0.14 32	0.10 9	0.17 85	0.12 29	0.14 45	0.15 106

anonymousa	0.49 198	0.20 70	0.42 100	0.38 66	0.23 69	0.91 291	0.35 135	0.75 147	0.62 88	0.85 221	1.54 337	1.06 291	0.66 239	0.51 56	0.43 170	0.16 110	0.13 152	0.19 155	0.21 248	0.16 108	0.14 87

ccc-4	0.29 12	0.21 101	0.38 53	0.36 37	0.26 148	0.31 53	0.35 135	0.62 56	0.34 9	0.38 21	0.33 10	0.32 10	0.29 42	0.58 106	0.25 9	0.14 32	0.10 9	0.17 85	0.12 29	0.14 45	0.15 106

IER	0.46 165	0.23 145	0.50 194	0.38 66	0.28 191	0.69 238	0.35 135	0.80 166	0.66 113	0.83 213	0.94 183	0.75 202	0.77 282	0.60 126	0.42 165	0.17 143	0.14 178	0.17 85	0.17 163	0.17 139	0.15 106

IGEV-Stereo	0.29 12	0.21 101	0.38 53	0.37 45	0.25 112	0.30 43	0.35 135	0.63 61	0.35 16	0.39 29	0.33 10	0.33 18	0.28 32	0.59 120	0.25 9	0.14 32	0.10 9	0.17 85	0.12 29	0.14 45	0.15 106
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
GANet-ADL	0.42 137	0.25 198	0.45 130	0.43 187	0.29 214	0.54 159	0.35 135	0.89 193	0.86 198	0.63 90	0.72 85	0.68 167	0.42 116	0.52 61	0.41 161	0.21 235	0.14 178	0.15 42	0.13 50	0.18 157	0.19 204

PSM-softLoss	0.38 94	0.20 70	0.48 172	0.41 132	0.26 148	0.30 43	0.35 135	0.69 109	0.46 56	0.62 83	0.82 134	0.59 123	0.33 69	0.70 192	0.39 153	0.19 200	0.12 98	0.20 179	0.18 185	0.16 108	0.22 250

KMStereo	0.38 94	0.20 70	0.48 172	0.41 132	0.26 148	0.30 43	0.35 135	0.69 109	0.46 56	0.62 83	0.82 134	0.59 123	0.33 69	0.70 192	0.39 153	0.19 200	0.12 98	0.20 179	0.18 185	0.16 108	0.22 250

cross-raft	0.34 35	0.20 70	0.37 44	0.44 202	0.23 69	0.32 63	0.35 135	0.74 141	0.40 39	0.60 77	0.77 105	0.57 101	0.27 23	0.43 24	0.28 43	0.12 4	0.10 9	0.15 42	0.13 50	0.15 77	0.11 9

pcwnet_v2	0.58 263	0.28 240	0.84 311	0.45 223	0.35 275	0.61 200	0.35 135	1.27 326	1.21 326	0.99 288	1.27 297	0.72 187	0.58 192	0.67 178	0.48 205	0.27 294	0.21 283	0.24 258	0.23 274	0.29 284	0.29 293

BEATNet_4x	0.46 165	0.32 261	0.56 226	0.37 45	0.19 9	0.63 216	0.35 135	1.01 235	0.72 132	0.77 177	0.83 139	0.70 173	0.59 198	0.68 186	0.53 226	0.16 110	0.12 98	0.16 60	0.14 72	0.24 257	0.16 145

iResNetv2_ROB	0.52 227	0.27 226	0.69 280	0.38 66	0.25 112	0.62 207	0.35 135	1.17 290	1.01 274	0.99 288	1.06 245	0.88 246	0.67 242	0.66 168	0.39 153	0.19 200	0.13 152	0.15 42	0.11 15	0.18 157	0.16 145

CoDeX	0.47 175	0.20 70	0.49 182	0.42 169	0.25 112	0.75 253	0.36 153	1.27 326	0.80 171	0.82 201	0.96 194	0.62 138	0.57 185	0.60 126	0.36 127	0.17 143	0.12 98	0.17 85	0.15 94	0.16 108	0.14 87

qqq	0.40 120	0.26 212	0.44 119	0.36 37	0.22 42	0.46 133	0.36 153	0.85 177	0.54 73	0.56 68	0.69 81	0.65 156	0.53 166	0.55 71	0.45 188	0.17 143	0.16 229	0.20 179	0.19 209	0.18 157	0.17 162

SA	0.44 149	0.25 198	0.46 146	0.46 242	0.24 86	0.43 122	0.36 153	0.75 147	0.96 251	0.59 73	1.03 231	0.48 73	0.52 163	0.94 294	0.32 74	0.16 110	0.12 98	0.21 218	0.19 209	0.15 77	0.13 58

dad	0.58 263	0.50 328	0.64 257	0.43 187	0.30 224	0.59 194	0.36 153	0.78 160	1.25 335	1.01 298	1.17 280	1.15 311	0.53 166	0.68 186	0.50 208	0.35 343	0.23 299	0.37 339	0.21 248	0.29 284	0.20 224

test_3	0.36 65	0.19 49	0.44 119	0.44 202	0.23 69	0.48 137	0.36 153	0.66 81	0.82 178	0.64 99	0.45 21	0.68 167	0.25 11	0.41 19	0.31 66	0.12 4	0.10 9	0.18 119	0.16 123	0.15 77	0.11 9

test-1	0.36 65	0.19 49	0.71 287	0.46 242	0.26 148	0.44 126	0.36 153	0.60 46	0.59 84	0.48 50	0.67 78	0.53 87	0.36 86	0.40 16	0.29 54	0.14 32	0.11 57	0.16 60	0.14 72	0.15 77	0.16 145

LMCR-Stereo	0.53 230	0.30 254	0.53 212	0.58 332	0.30 224	0.83 281	0.36 153	1.19 295	0.76 150	0.88 241	1.04 235	0.56 96	0.62 212	0.82 240	0.67 257	0.19 200	0.15 202	0.19 155	0.14 72	0.23 247	0.17 162

GES	0.44 149	0.23 145	0.57 229	0.40 108	0.30 224	0.59 194	0.36 153	0.96 216	0.68 116	0.74 165	0.83 139	0.47 69	0.48 145	0.67 178	0.43 170	0.22 253	0.16 229	0.17 85	0.16 123	0.18 157	0.23 257

xxxx	1.01 340	0.22 128	0.43 109	0.36 37	0.21 29	0.82 279	0.36 153	1.32 334	0.88 211	0.71 141	0.94 183	0.97 267	0.63 218	0.64 156	10.58 409	0.20 221	0.16 229	0.18 119	0.17 163	0.19 191	0.19 204

GMStereo	0.39 108	0.37 286	0.54 215	0.40 108	0.26 148	0.42 120	0.36 153	0.59 37	1.04 286	0.55 66	0.51 38	0.37 33	0.35 77	0.54 69	0.41 161	0.19 200	0.13 152	0.16 60	0.17 163	0.24 257	0.18 176
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
GANet-RSSM	0.47 175	0.21 101	0.37 44	0.38 66	0.25 112	0.58 185	0.36 153	1.07 254	0.78 163	0.68 124	1.01 219	0.86 236	0.67 242	0.62 139	0.44 182	0.21 235	0.15 202	0.18 119	0.18 185	0.18 157	0.17 162

UCFNet_RVC	0.49 198	0.26 212	0.35 29	0.39 85	0.26 148	0.64 222	0.36 153	1.15 282	0.84 186	0.67 118	0.88 166	0.88 246	0.59 198	0.58 106	0.45 188	0.24 267	0.17 243	0.27 295	0.27 311	0.25 265	0.23 257

DualNet	0.47 175	0.26 212	0.49 182	0.37 45	0.25 112	0.55 164	0.37 165	0.68 100	1.04 286	0.73 159	0.96 194	0.71 177	0.53 166	0.57 89	0.88 301	0.16 110	0.10 9	0.25 269	0.21 248	0.16 108	0.16 145

ffm	0.44 149	0.26 212	0.49 182	0.37 45	0.25 112	0.55 164	0.37 165	0.68 100	1.04 286	0.73 159	0.96 194	0.71 177	0.53 166	0.57 89	0.25 9	0.16 110	0.10 9	0.25 269	0.21 248	0.16 108	0.16 145

ff1	0.49 198	0.26 212	0.49 182	0.37 45	0.25 112	0.55 164	0.37 165	0.68 100	1.04 286	0.73 159	0.96 194	0.71 177	0.53 166	1.01 300	0.88 301	0.16 110	0.10 9	0.25 269	0.21 248	0.16 108	0.16 145

mmx	0.53 230	0.26 212	0.49 182	0.37 45	0.25 112	0.55 164	0.37 165	1.16 285	1.03 282	0.73 159	0.96 194	0.71 177	0.53 166	1.01 300	0.88 301	0.20 221	0.15 202	0.25 269	0.21 248	0.22 238	0.20 224

whm_eth	0.48 182	0.30 254	0.74 294	0.46 242	0.38 290	0.37 86	0.37 165	0.79 162	0.78 163	0.82 201	1.74 350	0.37 33	0.38 92	0.60 126	0.38 147	0.18 171	0.16 229	0.20 179	0.20 231	0.19 191	0.22 250

xxx	0.53 230	0.26 212	0.49 182	0.37 45	0.25 112	0.55 164	0.37 165	1.16 285	1.03 282	0.73 159	0.96 194	0.71 177	0.53 166	1.01 300	0.88 301	0.20 221	0.15 202	0.25 269	0.21 248	0.22 238	0.20 224

DCRE	0.37 80	0.18 34	0.46 146	0.45 223	0.32 253	0.42 120	0.37 165	0.63 61	0.51 63	0.47 49	0.94 183	0.56 96	0.36 86	0.52 61	0.32 74	0.14 32	0.13 152	0.15 42	0.14 72	0.14 45	0.13 58

GwcNet-ADL	0.44 149	0.22 128	0.48 172	0.45 223	0.30 224	0.40 102	0.37 165	0.92 202	0.97 254	0.71 141	0.78 113	0.61 132	0.42 116	0.62 139	0.50 208	0.19 200	0.14 178	0.15 42	0.14 72	0.18 157	0.18 176

PSMNet-ADL	0.48 182	0.27 226	0.40 77	0.48 256	0.30 224	0.68 236	0.37 165	0.90 197	0.80 171	0.61 82	0.80 124	0.92 258	0.62 212	0.72 202	0.63 249	0.23 258	0.18 254	0.18 119	0.20 231	0.22 238	0.20 224

KYRaft	0.48 182	0.20 70	0.38 53	0.44 202	0.23 69	0.44 126	0.37 165	0.66 81	0.41 42	0.94 269	1.73 348	0.79 216	0.41 115	0.63 149	0.31 66	0.16 110	0.11 57	0.18 119	0.22 263	0.16 108	0.78 378

TestStereo	0.38 94	0.31 259	0.40 77	0.45 223	0.20 20	0.40 102	0.37 165	0.66 81	0.65 110	0.53 62	0.78 113	0.47 69	0.40 109	0.55 71	0.37 139	0.18 171	0.13 152	0.20 179	0.15 94	0.22 238	0.13 58

raft+_RVC	0.38 94	0.19 49	0.35 29	0.37 45	0.25 112	0.45 131	0.37 165	0.78 160	0.89 221	0.51 56	0.78 113	0.50 78	0.29 42	0.53 66	0.40 158	0.15 79	0.12 98	0.17 85	0.15 94	0.14 45	0.12 33

222	1.18 359	0.22 128	0.44 119	0.37 45	0.22 42	0.79 263	0.37 165	1.31 333	0.89 221	0.92 265	1.08 251	0.72 187	0.71 266	0.66 168	13.89 413	0.20 221	0.15 202	0.17 85	0.16 123	0.18 157	0.19 204

SFCPSM	0.47 175	0.21 101	0.55 220	0.40 108	0.27 172	0.87 289	0.37 165	1.33 336	0.77 157	0.80 184	0.84 144	0.54 91	0.49 148	0.57 89	0.37 139	0.18 171	0.13 152	0.18 119	0.20 231	0.16 108	0.15 106

cf-r	0.47 175	0.23 145	0.41 81	0.39 85	0.23 69	0.59 194	0.37 165	0.88 191	0.85 193	0.72 152	1.05 239	0.94 261	0.62 212	0.56 79	0.54 229	0.21 235	0.14 178	0.17 85	0.19 209	0.15 77	0.15 106

PSMNet-RSSM	0.48 182	0.22 128	0.38 53	0.42 169	0.25 112	0.50 142	0.37 165	1.10 263	0.77 157	0.70 135	1.06 245	0.84 232	0.64 228	0.62 139	0.47 202	0.23 258	0.15 202	0.23 244	0.25 296	0.20 204	0.19 204

CFNet-ft	0.48 182	0.23 145	0.36 34	0.40 108	0.26 148	0.64 222	0.37 165	0.87 187	0.85 193	0.64 99	1.00 216	1.01 277	0.64 228	0.61 133	0.53 226	0.23 258	0.15 202	0.24 258	0.21 248	0.23 247	0.18 176

HSM-Net_RVC	0.53 230	0.22 128	0.35 29	0.37 45	0.21 29	0.85 285	0.37 165	1.23 313	0.93 238	0.90 252	1.15 273	1.26 317	0.63 218	0.72 202	0.48 205	0.17 143	0.13 152	0.16 60	0.15 94	0.17 139	0.15 106
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
CFNet_RVC	0.48 182	0.23 145	0.36 34	0.40 108	0.26 148	0.64 222	0.37 165	0.87 187	0.85 193	0.64 99	1.00 216	1.01 277	0.64 228	0.61 133	0.53 226	0.23 258	0.15 202	0.24 258	0.21 248	0.23 247	0.18 176

PWC_ROB	0.87 324	0.52 337	1.28 355	0.50 285	0.32 253	0.91 291	0.37 165	1.36 344	1.46 356	1.61 359	2.59 377	1.16 312	1.01 334	1.34 346	1.40 359	0.25 277	0.18 254	0.28 302	0.20 231	0.29 284	0.28 287

ACVNet-DCA	0.35 47	0.23 145	0.33 20	0.41 132	0.22 42	0.55 164	0.38 185	0.85 177	0.54 73	0.41 32	0.50 33	0.34 21	0.49 148	0.57 89	0.25 9	0.16 110	0.10 9	0.19 155	0.13 50	0.18 157	0.17 162

xx1	0.39 108	0.23 145	0.33 20	0.41 132	0.22 42	0.55 164	0.38 185	0.67 91	1.06 298	0.41 32	0.50 33	0.65 156	0.53 166	0.57 89	0.25 9	0.16 110	0.10 9	0.20 179	0.19 209	0.18 157	0.17 162

1test111	0.36 65	0.23 145	0.33 20	0.41 132	0.22 42	0.55 164	0.38 185	0.85 177	0.54 73	0.41 32	0.50 33	0.34 21	0.49 148	0.55 71	0.45 188	0.16 110	0.10 9	0.19 155	0.13 50	0.18 157	0.17 162

cc1	0.37 80	0.23 145	0.33 20	0.41 132	0.22 42	0.55 164	0.38 185	0.67 91	1.06 298	0.41 32	0.50 33	0.34 21	0.49 148	0.57 89	0.25 9	0.16 110	0.10 9	0.19 155	0.13 50	0.16 108	0.15 106

tt1	0.36 65	0.24 180	0.32 17	0.41 132	0.22 42	0.54 159	0.38 185	0.68 100	1.04 286	0.41 32	0.46 24	0.35 26	0.45 135	0.57 89	0.25 9	0.16 110	0.10 9	0.19 155	0.13 50	0.16 108	0.16 145

ttt	0.51 218	0.25 198	0.43 109	0.38 66	0.24 86	0.65 227	0.38 185	1.18 293	1.05 291	0.72 152	1.08 251	0.63 139	0.49 148	0.84 252	0.59 240	0.24 267	0.21 283	0.22 230	0.20 231	0.24 257	0.24 263

StereoVision	0.42 137	0.28 240	0.45 130	0.49 271	0.28 191	0.38 98	0.38 185	0.72 132	0.62 88	0.44 42	1.14 268	0.54 91	0.39 104	0.56 79	0.34 96	0.21 235	0.24 306	0.25 269	0.24 287	0.26 269	0.16 145

CAS	0.34 35	0.13 1	0.25 6	1.28 386	0.30 224	0.46 133	0.38 185	0.48 11	0.47 59	0.34 14	0.52 42	0.24 1	0.19 2	0.29 1	0.27 33	0.69 378	0.08 1	0.12 2	0.08 1	0.12 8	0.15 106

dd	0.43 143	0.38 295	0.55 220	0.44 202	0.25 112	0.47 135	0.38 185	0.70 123	1.05 291	0.59 73	0.65 70	0.42 49	0.39 104	0.66 168	0.50 208	0.24 267	0.15 202	0.21 218	0.15 94	0.22 238	0.18 176

GMOStereo	0.37 80	0.19 49	0.38 53	0.43 187	0.24 86	0.37 86	0.38 185	0.52 19	0.62 88	0.87 233	0.84 144	0.64 146	0.35 77	0.37 8	0.28 43	0.13 12	0.11 57	0.20 179	0.18 185	0.15 77	0.11 9

error version	0.37 80	0.19 49	0.38 53	0.43 187	0.24 86	0.37 86	0.38 185	0.52 19	0.62 88	0.87 233	0.84 144	0.64 146	0.35 77	0.37 8	0.28 43	0.13 12	0.11 57	0.20 179	0.18 185	0.15 77	0.11 9

test-v	0.37 80	0.19 49	0.38 53	0.43 187	0.24 86	0.37 86	0.38 185	0.52 19	0.62 88	0.87 233	0.84 144	0.64 146	0.35 77	0.37 8	0.28 43	0.13 12	0.11 57	0.20 179	0.18 185	0.15 77	0.11 9

AACVNet	0.50 211	0.23 145	0.49 182	0.46 242	0.29 214	0.52 149	0.38 185	0.90 197	0.55 77	0.81 192	1.03 231	1.00 274	0.70 262	0.83 247	0.54 229	0.21 235	0.18 254	0.24 258	0.18 185	0.23 247	0.20 224

AnonymousM	0.41 131	0.81 366	0.29 10	0.34 11	0.22 42	0.28 32	0.38 185	0.53 26	0.41 42	0.70 135	0.49 32	0.47 69	0.27 23	0.41 19	0.31 66	0.15 79	0.12 98	1.51 386	0.26 306	0.12 8	0.10 3

test-2	0.37 80	0.19 49	0.38 53	0.43 187	0.24 86	0.37 86	0.38 185	0.52 19	0.62 88	0.87 233	0.84 144	0.64 146	0.35 77	0.37 8	0.28 43	0.13 12	0.11 57	0.20 179	0.18 185	0.15 77	0.11 9

RALCasStereoNet	0.36 65	0.21 101	0.37 44	0.42 169	0.26 148	0.35 78	0.38 185	0.63 61	0.64 105	0.50 54	0.72 85	0.51 81	0.29 42	0.59 120	0.36 127	0.16 110	0.14 178	0.15 42	0.13 50	0.17 139	0.16 145

GwcNet-RSSM	0.49 198	0.24 180	0.42 100	0.40 108	0.23 69	0.55 164	0.38 185	0.93 204	0.93 238	0.71 141	1.16 278	0.86 236	0.60 202	0.62 139	0.66 254	0.21 235	0.14 178	0.19 155	0.20 231	0.16 108	0.15 106

DMCA-RVC	0.51 218	0.30 254	0.59 234	0.50 285	0.32 253	0.54 159	0.38 185	0.86 180	0.68 116	0.94 269	0.86 155	0.91 256	0.68 248	0.70 192	0.59 240	0.23 258	0.18 254	0.31 318	0.23 274	0.26 269	0.19 204

RASNet	0.53 230	0.22 128	0.52 206	0.38 66	0.22 42	0.68 236	0.38 185	0.97 220	0.88 211	0.73 159	1.04 235	1.03 284	0.92 318	0.90 272	0.86 295	0.16 110	0.14 178	0.14 16	0.17 163	0.15 77	0.13 58

RAFT_CTSACE	0.45 159	0.20 70	0.44 119	0.45 223	0.27 172	0.34 73	0.39 204	0.60 46	0.73 137	0.76 172	1.44 326	0.83 228	0.38 92	1.08 315	0.26 25	0.12 4	0.13 152	0.18 119	0.16 123	0.15 77	0.11 9

test_xeample	1.01 340	0.21 101	0.42 100	0.35 29	0.21 29	0.71 245	0.39 204	1.23 313	0.86 198	0.81 192	1.04 235	0.69 171	0.61 207	0.69 189	10.93 410	0.19 200	0.15 202	0.18 119	0.17 163	0.18 157	0.17 162

MMNet	0.55 241	0.25 198	0.61 241	0.43 187	0.34 269	1.07 321	0.39 204	0.87 187	0.91 228	0.91 257	0.93 182	0.86 236	0.76 278	0.81 238	0.76 276	0.15 79	0.14 178	0.18 119	0.19 209	0.20 204	0.16 145

acv_ft	0.51 218	0.23 145	0.56 226	0.44 202	0.28 191	0.86 288	0.39 204	0.91 201	0.80 171	0.97 282	0.96 194	0.79 216	0.59 198	0.63 149	0.87 299	0.17 143	0.15 202	0.16 60	0.15 94	0.17 139	0.15 106

FADNet-RVC	0.60 273	0.53 340	1.14 341	0.46 242	0.39 295	0.61 200	0.39 204	1.12 272	0.87 207	0.70 135	0.84 144	1.04 286	0.55 179	0.94 294	0.69 261	0.26 287	0.25 314	0.28 302	0.28 316	0.31 298	0.31 306

PWCDC_ROB	0.89 328	0.49 324	0.80 309	0.74 368	0.40 300	1.03 315	0.39 204	1.33 336	2.35 385	1.02 300	3.77 394	0.81 226	0.92 318	1.20 329	0.90 314	0.34 339	0.22 289	0.24 258	0.20 231	0.34 315	0.29 293

TestStereo1	0.43 143	0.23 145	0.41 81	0.51 297	0.24 86	0.34 73	0.40 210	0.77 155	0.90 223	0.68 124	0.96 194	0.48 73	0.46 138	0.91 279	0.32 74	0.16 110	0.13 152	0.18 119	0.15 94	0.14 45	0.13 58

BSDual-CNN	0.46 165	0.25 198	0.43 109	0.45 223	0.28 191	0.77 256	0.40 210	0.94 208	0.76 150	0.75 167	0.80 124	0.76 208	0.54 177	0.64 156	0.43 170	0.20 221	0.14 178	0.22 230	0.19 209	0.18 157	0.18 176

hknet	0.49 198	0.25 198	0.51 201	0.45 223	0.29 214	0.77 256	0.40 210	0.94 208	0.83 183	0.75 167	0.80 124	0.97 267	0.61 207	0.73 207	0.45 188	0.18 171	0.14 178	0.22 230	0.19 209	0.18 157	0.18 176

SA-5K	0.43 143	0.23 145	0.41 81	0.51 297	0.24 86	0.34 73	0.40 210	0.77 155	0.90 223	0.68 124	0.96 194	0.48 73	0.46 138	0.91 279	0.32 74	0.16 110	0.13 152	0.18 119	0.15 94	0.14 45	0.13 58

AASNet	0.53 230	0.25 198	0.52 206	0.49 271	0.32 253	0.74 250	0.40 210	1.50 362	0.86 198	0.86 226	0.92 179	0.64 146	0.59 198	0.59 120	0.79 281	0.23 258	0.19 268	0.20 179	0.16 123	0.21 222	0.19 204

DRaft	0.49 198	0.17 19	0.47 156	0.37 45	0.25 112	0.58 185	0.40 210	0.65 72	0.85 193	1.02 300	1.75 352	0.50 78	0.82 297	0.63 149	0.40 158	0.13 12	0.11 57	0.16 60	0.16 123	0.14 45	0.15 106

ACVNet	0.46 165	0.23 145	0.36 34	0.39 85	0.28 191	0.58 185	0.40 210	0.87 187	0.80 171	0.64 99	0.96 194	0.79 216	0.60 202	0.63 149	0.67 257	0.17 143	0.15 202	0.16 60	0.15 94	0.18 157	0.15 106

hitnet-ft	0.55 241	0.27 226	0.39 70	0.41 132	0.28 191	0.78 260	0.40 210	0.92 202	0.90 223	0.82 201	1.01 219	1.13 308	0.70 262	0.78 231	0.67 257	0.28 300	0.20 276	0.28 302	0.22 263	0.29 284	0.26 273

DANet	0.71 294	0.45 318	0.91 321	0.59 335	0.40 300	0.81 271	0.40 210	0.97 220	0.84 186	1.20 336	1.22 288	1.33 331	0.88 312	1.16 324	1.24 350	0.27 294	0.23 299	0.31 318	0.25 296	0.35 319	0.32 310
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
HSM	0.51 218	0.24 180	0.41 81	0.39 85	0.24 86	0.75 253	0.40 210	1.22 309	0.75 144	0.81 192	0.91 175	1.21 313	0.69 252	0.87 262	0.46 198	0.17 143	0.13 152	0.17 85	0.14 72	0.17 139	0.17 162

StereoDRNet-Refined	0.58 263	0.32 261	0.54 215	0.46 242	0.30 224	0.96 302	0.40 210	1.00 228	0.94 245	1.12 326	1.08 251	0.96 265	0.67 242	0.90 272	0.89 312	0.17 143	0.13 152	0.22 230	0.21 248	0.20 204	0.19 204
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
iResNet	0.49 198	0.29 248	0.79 307	0.42 169	0.21 29	0.61 200	0.40 210	0.82 170	0.99 263	0.87 233	1.12 260	0.69 171	0.53 166	0.78 231	0.51 216	0.15 79	0.11 57	0.14 16	0.12 29	0.17 139	0.15 106

gwcnet-sp	0.48 182	0.23 145	0.70 284	0.40 108	0.26 148	0.81 271	0.41 222	0.89 193	0.84 186	0.91 257	0.76 101	0.66 161	0.61 207	0.66 168	0.50 208	0.18 171	0.17 243	0.18 119	0.18 185	0.18 157	0.18 176

scenet	0.48 182	0.23 145	0.70 284	0.40 108	0.26 148	0.81 271	0.41 222	0.89 193	0.84 186	0.91 257	0.76 101	0.66 161	0.61 207	0.66 168	0.50 208	0.18 171	0.17 243	0.18 119	0.18 185	0.18 157	0.18 176

ssnet	0.48 182	0.23 145	0.70 284	0.40 108	0.26 148	0.81 271	0.41 222	0.89 193	0.84 186	0.91 257	0.76 101	0.66 161	0.61 207	0.66 168	0.50 208	0.18 171	0.17 243	0.18 119	0.18 185	0.18 157	0.18 176

DAS	0.51 218	0.25 198	0.60 239	0.48 256	0.31 241	0.58 185	0.41 222	0.83 171	0.97 254	0.89 245	1.12 260	0.70 173	0.75 275	0.82 240	0.43 170	0.17 143	0.13 152	0.18 119	0.15 94	0.20 204	0.18 176

SepStereo	0.51 218	0.25 198	0.60 239	0.48 256	0.31 241	0.58 185	0.41 222	0.83 171	0.97 254	0.89 245	1.12 260	0.70 173	0.75 275	0.93 287	0.43 170	0.17 143	0.13 152	0.18 119	0.15 94	0.20 204	0.18 176

UNet	0.54 240	0.26 212	0.66 267	0.44 202	0.40 300	0.99 308	0.41 222	0.98 223	0.75 144	0.83 213	0.89 170	1.04 286	0.72 270	0.73 207	0.62 246	0.19 200	0.14 178	0.20 179	0.17 163	0.20 204	0.17 162

FADNet	0.61 275	0.51 331	1.10 336	0.45 223	0.44 325	0.65 227	0.41 222	1.19 295	1.05 291	0.70 135	0.84 144	0.98 270	0.66 239	0.82 240	0.50 208	0.29 306	0.30 333	0.27 295	0.30 322	0.46 350	0.35 323

test_5	0.43 143	0.24 180	0.43 109	0.52 308	0.28 191	0.28 32	0.42 229	0.72 132	0.82 178	0.62 83	0.91 175	0.72 187	0.55 179	0.79 234	0.35 111	0.14 32	0.11 57	0.18 119	0.18 185	0.18 157	0.16 145

1111x	0.55 241	0.22 128	0.46 146	0.38 66	0.20 20	0.66 230	0.43 230	1.23 313	0.99 263	0.71 141	0.99 214	0.95 263	0.69 252	0.90 272	1.08 338	0.18 171	0.17 243	0.18 119	0.19 209	0.20 204	0.18 176

ProNet	0.29 12	0.21 101	0.38 53	0.35 29	0.24 86	0.32 63	0.43 230	0.57 31	0.37 31	0.33 13	0.30 6	0.32 10	0.28 32	0.57 89	0.26 25	0.13 12	0.11 57	0.16 60	0.13 50	0.13 20	0.13 58

psmg	0.49 198	0.25 198	0.43 109	0.41 132	0.28 191	0.85 285	0.43 230	0.99 225	0.76 150	0.91 257	0.94 183	0.76 208	0.54 177	0.64 156	0.43 170	0.20 221	0.15 202	0.20 179	0.20 231	0.18 157	0.18 176

ICVP	0.46 165	0.25 198	0.38 53	0.48 256	0.28 191	0.58 185	0.43 230	1.00 228	0.70 121	0.67 118	0.95 190	0.75 202	0.55 179	0.53 66	0.54 229	0.23 258	0.17 243	0.19 155	0.17 163	0.19 191	0.20 224
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
FADNet-RVC-Resample	0.56 252	0.33 269	1.16 342	0.49 271	0.34 269	0.71 245	0.43 230	1.01 235	0.93 238	0.82 201	0.87 159	0.74 201	0.67 242	0.73 207	0.45 188	0.18 171	0.18 254	0.26 283	0.27 311	0.26 269	0.27 280

DeepPruner_ROB	0.53 230	0.34 274	0.59 234	0.41 132	0.30 224	0.50 142	0.43 230	1.19 295	0.70 121	0.85 221	1.05 239	0.86 236	0.55 179	0.84 252	0.51 216	0.29 306	0.23 299	0.22 230	0.22 263	0.26 269	0.25 269

STTStereo	0.55 241	0.37 286	0.76 302	0.44 202	0.31 241	0.60 199	0.44 236	0.96 216	0.86 198	0.99 288	0.90 173	0.96 265	0.58 192	0.71 197	0.61 244	0.25 277	0.23 299	0.26 283	0.32 335	0.24 257	0.23 257

NLCA_NET_v2_RVC	0.53 230	0.32 261	0.64 257	0.44 202	0.30 224	0.66 230	0.44 236	1.04 245	0.88 211	0.91 257	0.91 175	0.99 271	0.60 202	0.68 186	0.60 243	0.21 235	0.17 243	0.22 230	0.22 263	0.21 222	0.21 237
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
Prome-Stereo	0.46 165	0.19 49	0.35 29	0.44 202	0.26 148	0.40 102	0.45 238	0.68 100	0.44 52	0.96 277	1.84 355	0.59 123	0.67 242	0.61 133	0.32 74	0.14 32	0.11 57	0.16 60	0.14 72	0.16 108	0.29 293

ac_64	0.52 227	0.22 128	0.50 194	0.45 223	0.28 191	0.80 266	0.45 238	1.02 238	0.61 87	0.91 257	0.83 139	1.07 296	0.68 248	0.74 213	0.70 264	0.21 235	0.18 254	0.20 179	0.19 209	0.18 157	0.15 106

HGLStereo	0.56 252	0.28 240	0.57 229	0.50 285	0.37 282	0.80 266	0.45 238	1.02 238	0.78 163	0.86 226	1.14 268	0.89 250	0.82 297	0.76 220	0.73 271	0.21 235	0.20 276	0.19 155	0.18 185	0.19 191	0.21 237

RAFT+CT+SA	0.39 108	0.23 145	0.36 34	0.51 297	0.27 172	0.29 36	0.46 241	0.75 147	0.80 171	0.51 56	0.89 170	0.41 43	0.40 109	0.78 231	0.32 74	0.14 32	0.11 57	0.18 119	0.18 185	0.15 77	0.14 87

sAnonymous2	0.40 120	0.39 299	0.85 312	0.48 256	0.37 282	0.40 102	0.46 241	0.57 31	0.52 66	0.38 21	0.46 24	0.35 26	0.42 116	0.43 24	0.30 59	0.19 200	0.14 178	0.18 119	0.17 163	0.57 368	0.44 352

CroCo_RVC	0.40 120	0.39 299	0.85 312	0.48 256	0.37 282	0.40 102	0.46 241	0.57 31	0.52 66	0.38 21	0.46 24	0.35 26	0.42 116	0.43 24	0.30 59	0.19 200	0.14 178	0.18 119	0.17 163	0.57 368	0.44 352

ADLNet	0.55 241	0.27 226	0.51 201	0.44 202	0.35 275	0.78 260	0.46 241	1.08 258	0.86 198	0.99 288	0.98 209	0.92 258	0.63 218	0.69 189	0.81 286	0.22 253	0.16 229	0.22 230	0.22 263	0.21 222	0.21 237

SuperB	1.04 345	0.37 286	4.81 401	0.43 187	0.31 241	0.99 308	0.46 241	1.02 238	2.09 378	1.09 322	1.09 255	0.75 202	0.81 293	1.06 310	1.76 366	0.19 200	0.15 202	0.17 85	0.15 94	2.82 408	0.26 273

SQANet	0.82 316	0.74 361	0.67 271	1.13 381	0.98 380	1.11 327	0.47 246	1.07 254	0.83 183	0.91 257	1.05 239	1.03 284	0.74 273	1.01 300	0.64 251	0.61 375	0.24 306	1.03 382	0.35 342	1.18 385	0.58 373

GASNet	0.67 283	0.72 359	0.96 325	0.70 364	0.48 337	0.62 207	0.47 246	1.08 258	1.03 282	0.94 269	0.82 134	0.93 260	0.83 301	1.33 344	0.80 283	0.31 315	0.22 289	0.29 310	0.28 316	0.44 343	0.24 263

TransformOpticalFlow	0.44 149	0.20 70	0.47 156	0.41 132	0.23 69	0.37 86	0.47 246	0.94 208	0.76 150	0.65 106	1.14 268	0.73 196	0.56 184	0.76 220	0.32 74	0.15 79	0.10 9	0.17 85	0.15 94	0.14 45	0.13 58

RAFT	0.45 159	0.22 128	0.45 130	0.47 251	0.26 148	0.54 159	0.47 246	0.66 81	0.58 83	0.80 184	0.82 134	0.94 261	0.57 185	0.75 217	0.34 96	0.17 143	0.15 202	0.22 230	0.20 231	0.16 108	0.12 33

GMM-Stereo	0.44 149	0.19 49	0.36 34	0.42 169	0.25 112	0.51 146	0.47 246	0.71 128	0.53 69	0.76 172	1.37 312	0.76 208	0.38 92	0.60 126	0.33 86	0.15 79	0.10 9	0.20 179	0.19 209	0.16 108	0.27 280

DispFullNet	1.60 378	2.63 412	2.75 390	2.56 405	1.79 397	1.24 344	0.47 246	1.37 346	1.45 355	1.87 370	1.50 333	1.55 356	2.46 391	2.04 382	1.04 335	0.59 374	0.18 254	2.32 401	0.68 382	2.29 401	1.14 394

LL-Strereo	0.57 257	0.27 226	0.68 274	0.48 256	0.34 269	0.39 101	0.48 252	0.94 208	0.97 254	0.83 213	0.78 113	1.10 301	1.18 349	1.33 344	0.49 207	0.17 143	0.14 178	0.22 230	0.19 209	0.16 108	0.17 162

SACVNet	0.58 263	0.34 274	0.55 220	0.55 322	0.36 277	0.63 216	0.48 252	1.13 273	0.77 157	1.02 300	1.06 245	1.02 282	0.74 273	0.90 272	0.51 216	0.27 294	0.21 283	0.25 269	0.24 287	0.29 284	0.36 325

stereogan	0.80 312	0.31 259	0.71 287	0.59 335	0.50 340	1.72 373	0.48 252	1.35 341	1.37 346	1.00 293	1.46 331	1.56 357	0.95 327	1.29 340	0.84 290	0.28 300	0.29 330	0.29 310	0.25 296	0.38 329	0.38 337

SHD	0.93 335	0.50 328	1.18 347	0.59 335	0.46 336	0.97 303	0.48 252	1.70 378	2.15 379	1.58 356	1.37 312	1.42 343	1.19 351	1.31 342	1.60 361	0.31 315	0.26 319	0.32 323	0.33 338	0.40 332	0.42 346

AANet_RVC	0.57 257	0.32 261	0.54 215	0.45 223	0.27 172	0.57 183	0.48 252	1.00 228	1.28 339	0.86 226	1.33 307	0.87 241	0.58 192	1.07 313	0.75 275	0.18 171	0.12 98	0.15 42	0.13 50	0.18 157	0.18 176

NVstereo2D	0.60 273	0.30 254	0.75 297	0.48 256	0.43 318	0.89 290	0.48 252	1.05 250	1.15 317	0.66 117	0.86 155	0.88 246	0.70 262	0.99 297	0.65 252	0.32 327	0.15 202	0.28 302	0.20 231	0.40 332	0.36 325

fast-acv-ft	0.64 278	0.30 254	0.73 290	0.45 223	0.34 269	1.17 336	0.49 258	0.86 180	0.98 258	1.02 300	1.36 309	1.29 321	0.85 304	0.76 220	0.81 286	0.21 235	0.23 299	0.23 244	0.23 274	0.21 222	0.20 224

ToySt	0.49 198	0.27 226	0.75 297	0.40 108	0.27 172	0.64 222	0.49 258	0.84 174	0.77 157	0.60 77	0.83 139	0.88 246	0.66 239	0.70 192	0.56 235	0.16 110	0.17 243	0.21 218	0.20 231	0.21 222	0.19 204

Anonymous	0.39 108	0.27 226	0.66 267	0.53 313	0.43 318	0.55 164	0.49 258	0.63 61	0.50 62	0.37 17	0.42 20	0.33 18	0.42 116	0.56 79	0.38 147	0.20 221	0.19 268	0.17 85	0.18 185	0.30 293	0.24 263

UPFNet	0.53 230	0.24 180	0.51 201	0.45 223	0.38 290	0.84 284	0.49 258	0.99 225	0.75 144	0.87 233	0.88 166	0.86 236	0.64 228	0.80 235	0.71 268	0.20 221	0.20 276	0.20 179	0.20 231	0.19 191	0.15 106

MyStereo07	0.32 28	0.22 128	0.34 26	0.42 169	0.28 191	0.40 102	0.50 262	0.72 132	0.37 31	0.37 17	0.34 16	0.32 10	0.31 57	0.59 120	0.27 33	0.14 32	0.13 152	0.18 119	0.17 163	0.17 139	0.16 145

MyStereo06	0.38 94	0.21 101	0.61 241	0.41 132	0.28 191	0.41 115	0.50 262	0.95 214	0.35 16	0.62 83	0.54 46	0.76 208	0.27 23	0.50 52	0.29 54	0.14 32	0.13 152	0.18 119	0.17 163	0.17 139	0.15 106

MyStereo05	0.44 149	0.21 101	0.45 130	0.41 132	0.28 191	0.41 115	0.50 262	0.93 204	1.09 309	0.76 172	0.61 63	0.51 81	0.57 185	0.73 207	0.42 165	0.14 32	0.13 152	0.18 119	0.17 163	0.17 139	0.15 106

MyStereo04	0.44 149	0.22 128	0.44 119	0.42 169	0.28 191	0.40 102	0.50 262	1.00 228	1.08 307	0.62 83	0.58 58	0.55 94	0.57 185	0.71 197	0.44 182	0.14 32	0.13 152	0.18 119	0.17 163	0.17 139	0.16 145

CSP-Net	0.56 252	0.27 226	0.49 182	0.41 132	0.28 191	1.22 341	0.50 262	1.23 313	0.72 132	0.95 276	0.95 190	0.89 250	0.62 212	0.83 247	0.62 246	0.26 287	0.17 243	0.17 85	0.17 163	0.18 157	0.17 162

ADLNet2	0.55 241	0.25 198	0.65 262	0.47 251	0.30 224	0.83 281	0.50 262	1.05 250	0.95 250	0.80 184	0.98 209	0.99 271	0.69 252	0.77 227	0.73 271	0.20 221	0.16 229	0.17 85	0.18 185	0.21 222	0.21 237

STrans-v2	0.46 165	0.20 70	0.48 172	0.40 108	0.24 86	0.55 164	0.50 262	1.07 254	0.73 137	0.65 106	1.05 239	0.72 187	0.69 252	0.72 202	0.33 86	0.14 32	0.10 9	0.17 85	0.14 72	0.13 20	0.12 33

PSM-AAD	0.48 182	0.20 70	0.37 44	0.43 187	0.23 69	0.56 179	0.50 262	0.65 72	0.70 121	1.07 317	1.12 260	0.58 109	0.92 318	0.61 133	0.32 74	0.15 79	0.11 57	0.25 269	0.26 306	0.18 157	0.43 351

Anonymous3	0.46 165	0.34 274	0.86 317	0.50 285	0.37 282	0.81 271	0.50 262	0.72 132	0.65 110	0.51 56	0.65 70	0.45 61	0.45 135	0.64 156	0.38 147	0.24 267	0.24 306	0.22 230	0.21 248	0.23 247	0.23 257

delet	0.55 241	0.24 180	0.55 220	0.44 202	0.33 262	1.07 321	0.50 262	1.00 228	0.86 198	0.85 221	0.96 194	0.90 254	0.63 218	0.83 247	0.74 274	0.18 171	0.18 254	0.20 179	0.21 248	0.16 108	0.15 106

psmorigin	0.82 316	0.51 331	2.09 384	0.49 271	0.41 307	0.85 285	0.50 262	1.04 245	0.88 211	1.45 351	1.43 324	1.50 351	1.06 337	1.22 332	0.97 324	0.31 315	0.32 346	0.27 295	0.27 311	0.33 308	0.42 346

GwcNet	0.69 288	0.36 283	1.10 336	0.51 297	0.42 313	1.08 325	0.50 262	1.21 301	1.16 318	1.00 293	1.37 312	1.06 291	0.79 289	0.92 282	0.94 318	0.25 277	0.24 306	0.24 258	0.22 263	0.23 247	0.26 273

RTSC	0.87 324	0.48 321	1.23 352	0.52 308	0.37 282	1.13 330	0.50 262	1.34 338	1.79 372	1.51 353	1.24 293	1.12 305	0.81 293	1.62 363	2.16 376	0.25 277	0.19 268	0.23 244	0.24 287	0.30 293	0.31 306

DLCB_ROB	0.58 263	0.28 240	0.47 156	0.49 271	0.32 253	0.77 256	0.50 262	0.99 225	0.92 233	1.04 309	1.14 268	1.21 313	0.69 252	0.88 265	0.69 261	0.20 221	0.20 276	0.22 230	0.22 263	0.21 222	0.18 176

AF-Net	0.81 315	0.39 299	0.68 274	0.64 347	0.54 349	0.91 291	0.51 276	1.61 373	1.31 342	0.96 277	2.02 362	1.46 345	1.26 357	1.11 320	0.99 328	0.32 327	0.24 306	0.39 344	0.27 311	0.30 293	0.25 269

ADCRef	0.80 312	0.43 310	1.32 360	0.50 285	0.45 329	1.07 321	0.51 276	1.07 254	0.98 258	1.17 331	1.42 321	0.87 241	0.91 315	0.85 259	3.19 387	0.18 171	0.16 229	0.23 244	0.23 274	0.22 238	0.21 237

DISCO	0.70 290	0.26 212	0.68 274	0.44 202	0.31 241	1.14 331	0.51 276	1.23 313	1.23 329	0.81 192	1.05 239	1.50 351	0.85 304	1.82 374	1.03 332	0.19 200	0.15 202	0.18 119	0.16 123	0.24 257	0.23 257

Anonymous_2	0.82 316	0.44 314	0.63 252	0.40 108	0.43 318	0.80 266	0.52 279	0.72 132	0.77 157	0.71 141	0.60 60	0.87 241	0.76 278	0.75 217	0.58 236	0.52 369	0.54 381	0.54 368	4.82 416	0.56 366	0.40 342

CRFU-Net	0.57 257	0.27 226	0.57 229	0.46 242	0.30 224	1.20 340	0.52 279	1.10 263	0.56 81	1.00 293	0.98 209	1.06 291	0.79 289	0.81 238	0.71 268	0.21 235	0.19 268	0.18 119	0.16 123	0.18 157	0.19 204

DSFCA	0.55 241	0.25 198	0.62 244	0.40 108	0.36 277	0.74 250	0.52 279	1.04 245	0.82 178	1.06 314	0.84 144	0.89 250	0.63 218	0.99 297	0.58 236	0.25 277	0.21 283	0.21 218	0.21 248	0.21 222	0.19 204

Syn2CoEx	0.71 294	0.51 331	0.95 323	0.64 347	0.45 329	0.91 291	0.53 282	1.48 359	1.13 314	0.93 266	1.35 308	1.02 282	0.99 331	0.92 282	0.80 283	0.30 312	0.27 323	0.28 302	0.24 287	0.23 247	0.24 263

MaskLacGwcNet_RVC	0.67 283	0.81 366	0.73 290	0.53 313	0.37 282	1.40 352	0.53 282	1.04 245	0.79 170	0.88 241	0.94 183	0.95 263	0.53 166	0.93 287	0.58 236	0.39 352	0.30 333	0.57 370	0.31 329	0.53 362	0.30 300

edge stereo	0.76 304	0.38 295	0.74 294	0.52 308	0.43 318	0.80 266	0.53 282	1.28 328	1.06 298	1.28 343	1.38 317	1.81 364	1.11 342	1.08 315	0.85 294	0.33 333	0.32 346	0.41 348	0.28 316	0.32 303	0.36 325

StereoDRNet	0.64 278	0.33 269	0.68 274	0.51 297	0.43 318	1.03 315	0.53 282	1.47 358	0.99 263	1.10 324	0.87 159	1.07 296	0.71 266	0.82 240	0.88 301	0.23 258	0.19 268	0.25 269	0.23 274	0.27 279	0.19 204

iRaft-Stereo_5w	0.45 159	0.21 101	0.48 172	0.42 169	0.28 191	0.31 53	0.54 286	0.63 61	0.62 88	0.62 83	0.89 170	1.01 277	0.69 252	0.75 217	0.66 254	0.13 12	0.12 98	0.17 85	0.15 94	0.14 45	0.15 106

IRAFT_RVC	0.42 137	0.20 70	0.48 172	0.44 202	0.24 86	0.27 25	0.54 286	0.74 141	0.77 157	0.76 172	0.80 124	0.73 196	0.51 161	0.70 192	0.36 127	0.17 143	0.10 9	0.21 218	0.16 123	0.16 108	0.14 87

GEStereo_RVC	0.55 241	0.29 248	0.63 252	0.49 271	0.31 241	0.70 240	0.54 286	1.22 309	0.92 233	0.82 201	0.85 152	0.85 234	0.63 218	0.90 272	0.65 252	0.24 267	0.16 229	0.19 155	0.16 123	0.21 222	0.22 250

NOSS_ROB	0.57 257	0.39 299	0.39 70	0.44 202	0.30 224	0.73 249	0.54 286	1.03 242	1.08 307	0.67 118	0.87 159	0.76 208	0.57 185	0.77 227	0.47 202	0.38 350	0.38 361	0.44 352	0.42 359	0.37 325	0.34 318

ARAFT	0.47 175	0.24 180	0.79 307	0.42 169	0.25 112	0.55 164	0.55 290	0.75 147	0.81 177	0.89 245	0.75 99	0.73 196	0.47 141	0.88 265	0.37 139	0.15 79	0.12 98	0.23 244	0.22 263	0.14 45	0.13 58

RP	0.76 304	0.36 283	0.63 252	0.66 355	0.58 360	0.80 266	0.55 290	1.14 279	1.22 328	0.97 282	1.65 342	1.43 344	1.32 359	1.01 300	0.84 290	0.33 333	0.30 333	0.36 335	0.30 322	0.34 315	0.34 318

Nwc_Net	0.78 308	0.38 295	0.73 290	0.60 340	0.55 351	1.05 320	0.55 290	1.67 377	1.05 291	0.88 241	1.86 357	1.40 342	1.09 340	1.10 318	0.87 299	0.30 312	0.25 314	0.36 335	0.38 347	0.29 284	0.29 293

ADCP+	1.06 348	0.35 278	1.51 373	0.49 271	0.51 343	1.45 358	0.55 290	1.25 323	1.03 282	1.16 330	1.15 273	1.10 301	1.07 339	1.56 359	6.75 406	0.19 200	0.16 229	0.23 244	0.21 248	0.28 281	0.21 237

SGM-Forest	0.62 276	0.32 261	0.39 70	0.43 187	0.30 224	1.02 312	0.55 290	1.09 262	1.05 291	1.06 314	1.18 282	1.10 301	0.67 242	0.88 265	0.62 246	0.31 315	0.33 352	0.33 328	0.30 322	0.30 293	0.28 287
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
iinet-f	0.67 283	0.26 212	2.15 386	0.39 85	0.31 241	1.19 339	0.56 295	0.84 174	0.84 186	0.80 184	1.17 280	1.05 290	0.84 303	0.71 197	1.21 348	0.20 221	0.18 254	0.17 85	0.15 94	0.20 204	0.20 224

Wz-Net-LNSev-Ref	0.63 277	0.28 240	0.99 328	0.40 108	0.30 224	1.03 315	0.56 295	1.10 263	0.99 263	0.97 282	1.22 288	1.06 291	0.69 252	1.07 313	0.95 321	0.19 200	0.11 57	0.16 60	0.13 50	0.22 238	0.21 237

psm_up	0.55 241	0.26 212	0.47 156	0.49 271	0.32 253	0.65 227	0.56 295	1.04 245	0.82 178	0.82 201	0.88 166	1.01 277	0.94 324	0.74 213	0.61 244	0.21 235	0.25 314	0.26 283	0.23 274	0.21 222	0.20 224

UDG	0.88 326	0.82 369	0.67 271	1.00 378	0.96 377	1.02 312	0.57 298	1.13 273	0.99 263	0.90 252	0.97 208	1.31 324	0.99 331	0.85 259	0.84 290	0.54 373	0.32 346	1.77 389	0.40 353	0.94 378	0.66 375

RGC	0.79 311	0.59 348	0.71 287	0.65 352	0.65 365	0.92 295	0.58 299	1.29 329	1.05 291	1.07 317	1.45 329	1.47 348	1.03 335	1.21 331	0.88 301	0.32 327	0.30 333	0.48 360	0.40 353	0.37 325	0.37 331

PS-NSSS	0.58 263	0.44 314	0.62 244	0.42 169	0.33 262	0.66 230	0.58 299	1.02 238	0.86 198	0.77 177	1.28 299	0.72 187	0.64 228	0.82 240	0.59 240	0.31 315	0.26 319	0.40 347	0.27 311	0.33 308	0.26 273

ssnet_v2	0.58 263	0.28 240	0.56 226	0.43 187	0.29 214	0.95 299	0.59 301	1.13 273	0.99 263	0.93 266	0.80 124	0.99 271	0.64 228	0.82 240	0.94 318	0.25 277	0.22 289	0.23 244	0.24 287	0.20 204	0.19 204

FAT-Stereo	0.73 300	0.33 269	0.75 297	0.49 271	0.37 282	0.71 245	0.59 301	1.36 344	1.30 341	1.03 308	1.40 318	1.59 360	1.15 345	0.87 262	0.86 295	0.28 300	0.28 325	0.28 302	0.23 274	0.28 281	0.38 337

LRCNet_RVC	21.24 420	31.15 426	21.41 416	28.98 423	23.82 421	3.13 399	0.60 303	20.96 423	1.59 364	25.58 423	28.15 426	21.99 423	14.79 413	21.94 424	16.41 415	28.89 432	14.87 423	33.53 428	31.28 428	29.51 430	26.16 428

RAFT + AFF	0.53 230	0.29 248	0.75 297	0.51 297	0.32 253	0.63 216	0.60 303	1.00 228	0.91 228	0.78 180	0.87 159	0.83 228	0.58 192	0.80 235	0.47 202	0.17 143	0.20 276	0.23 244	0.22 263	0.18 157	0.18 176

MFN_U_SF_RVC	1.09 352	0.59 348	1.97 383	0.67 358	0.44 325	1.93 377	0.60 303	1.85 380	1.36 344	1.61 359	1.54 337	1.95 370	1.37 361	1.64 366	1.73 364	0.40 356	0.37 359	0.45 353	0.48 366	0.44 343	0.44 352

S-Stereo	0.74 301	0.35 278	0.96 325	0.56 325	0.45 329	0.82 279	0.60 303	1.24 320	1.60 367	0.96 277	1.41 320	1.12 305	0.94 324	0.80 235	1.04 335	0.26 287	0.31 343	0.28 302	0.25 296	0.32 303	0.47 361

MeshStereo	1.34 366	0.43 310	0.54 215	0.44 202	0.34 269	1.66 369	0.60 303	1.94 381	1.37 346	4.47 407	3.25 386	4.71 398	1.94 384	1.92 377	1.17 345	0.35 343	0.35 356	0.37 339	0.31 329	0.32 303	0.32 310
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
CVANet_RVC	0.57 257	0.33 269	0.44 119	0.47 251	0.32 253	0.67 234	0.61 308	1.05 250	0.93 238	0.85 221	1.04 235	1.01 277	0.73 271	0.83 247	0.52 223	0.29 306	0.19 268	0.27 295	0.25 296	0.31 298	0.21 237

DRN-Test	0.66 282	0.32 261	0.66 267	0.50 285	0.39 295	1.15 333	0.61 308	1.49 361	1.01 274	1.12 326	1.08 251	1.06 291	0.69 252	0.77 227	0.94 318	0.23 258	0.17 243	0.26 283	0.25 296	0.25 265	0.21 237

FCDSN-DC	1.39 371	0.56 344	0.65 262	0.74 368	0.59 361	1.38 351	0.63 310	1.35 341	1.39 349	3.26 401	4.50 405	4.61 396	2.63 395	1.58 361	1.03 332	0.46 360	0.42 370	0.48 360	0.47 364	0.50 356	0.50 367
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
PDISCO_ROB	0.91 332	0.48 321	1.06 333	0.99 376	0.97 378	1.67 371	0.63 310	1.64 375	1.59 364	1.06 314	1.18 282	1.31 324	0.79 289	1.55 357	0.97 324	0.49 365	0.22 289	0.45 353	0.40 353	0.45 347	0.37 331

G-Net	0.95 336	0.46 320	1.04 331	0.64 347	0.48 337	2.12 380	0.64 312	1.01 235	0.87 207	1.75 367	2.82 384	1.30 323	1.64 375	1.06 310	0.96 323	0.36 346	0.29 330	0.35 332	0.25 296	0.45 347	0.42 346

CBFPSM	0.59 270	0.22 128	1.31 358	0.38 66	0.27 172	1.12 329	0.65 313	0.79 162	0.82 178	0.80 184	0.81 131	1.35 337	0.87 309	0.67 178	0.76 276	0.16 110	0.15 202	0.15 42	0.16 123	0.17 139	0.22 250

ccnet	0.82 316	0.57 346	0.75 297	0.54 319	0.59 361	1.09 326	0.66 314	1.38 347	0.94 245	1.12 326	1.44 326	1.29 321	0.92 318	0.95 296	1.24 350	0.49 365	0.42 370	0.50 365	0.47 364	0.51 357	0.46 357

aanetorigin	0.83 321	0.56 344	1.87 381	0.49 271	0.38 290	0.56 179	0.66 314	0.70 123	1.00 270	2.42 386	2.02 362	1.31 324	1.18 349	0.93 287	1.13 344	0.20 221	0.18 254	0.20 179	0.19 209	0.27 279	0.30 300

THIR-Stereo	0.50 211	0.18 34	0.45 130	0.38 66	0.23 69	0.75 253	0.67 316	0.66 81	0.87 207	1.02 300	1.40 318	0.72 187	0.76 278	0.62 139	0.42 165	0.15 79	0.11 57	0.17 85	0.18 185	0.14 45	0.15 106

GrayStereo	0.49 198	0.19 49	0.42 100	0.46 242	0.28 191	0.53 155	0.67 316	0.69 109	0.63 98	1.02 300	1.47 332	0.78 215	0.76 278	0.56 79	0.33 86	0.14 32	0.12 98	0.17 85	0.17 163	0.15 77	0.29 293

RYNet	0.72 298	0.35 278	0.64 257	0.53 313	0.67 366	1.31 348	0.67 316	1.20 299	1.18 321	1.05 311	0.87 159	1.27 318	0.93 323	0.93 287	1.27 354	0.22 253	0.16 229	0.26 283	0.23 274	0.40 332	0.39 339

MSMD_ROB	1.21 361	0.49 324	0.62 244	0.59 335	0.50 340	1.62 368	0.67 316	1.23 313	1.24 331	2.45 387	3.77 394	3.09 387	2.98 400	1.32 343	0.81 286	0.45 359	0.41 368	0.49 363	0.51 373	0.47 352	0.44 352

WCMA_ROB	1.14 354	0.36 283	0.76 302	0.49 271	0.44 325	1.23 343	0.67 316	1.11 268	1.23 329	2.84 394	3.95 400	3.28 390	1.83 381	1.25 335	0.99 328	0.44 358	0.34 354	0.34 330	0.37 344	0.41 338	0.40 342

APVNet	0.71 294	0.37 286	0.89 320	0.56 325	0.45 329	1.18 338	0.68 321	1.41 352	0.85 193	0.81 192	1.15 273	1.04 286	0.81 293	1.10 318	1.17 345	0.26 287	0.28 325	0.32 323	0.31 329	0.29 284	0.30 300

EDNetEfficientorigin	9.93 413	1.15 384	175.16 435	0.48 256	0.36 277	1.04 319	0.68 321	1.24 320	2.69 389	3.17 400	2.50 373	2.30 375	2.07 388	1.76 371	2.21 377	0.20 221	0.18 254	0.24 258	0.19 209	0.51 357	0.50 367

XQC	0.89 328	0.65 356	1.31 358	0.67 358	0.52 346	1.22 341	0.68 321	1.26 324	1.52 359	1.14 329	1.11 258	1.28 320	1.04 336	1.40 354	1.77 367	0.38 350	0.24 306	0.37 339	0.31 329	0.53 362	0.47 361

PA-Net	0.67 283	0.43 310	0.83 310	0.50 285	0.53 347	0.94 296	0.68 321	1.10 263	1.14 316	0.80 184	0.88 166	0.87 241	0.77 282	1.02 305	0.88 301	0.24 267	0.41 368	0.29 310	0.44 360	0.26 269	0.34 318
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
Wz-Net-LNSev	0.71 294	0.51 331	1.36 366	0.50 285	0.41 307	1.15 333	0.69 325	1.21 301	1.07 304	1.02 300	1.12 260	1.08 298	0.87 309	0.89 270	0.89 312	0.24 267	0.22 289	0.21 218	0.19 209	0.26 269	0.26 273

DDUNet	1.06 348	2.56 411	0.68 274	1.21 383	1.26 387	1.03 315	0.69 325	1.11 268	0.94 245	0.96 277	1.22 288	1.27 318	0.82 297	0.93 287	0.72 270	0.84 383	0.38 361	1.99 392	0.60 378	1.10 384	0.85 382

NCC-stereo	0.78 308	0.40 303	0.76 302	0.61 342	0.67 366	0.81 271	0.69 325	1.54 369	1.11 311	0.90 252	1.36 309	1.33 331	1.16 346	1.19 327	0.88 301	0.31 315	0.30 333	0.37 339	0.48 366	0.33 308	0.33 314

Abc-Net	0.78 308	0.40 303	0.76 302	0.61 342	0.67 366	0.81 271	0.69 325	1.54 369	1.11 311	0.90 252	1.36 309	1.33 331	1.16 346	1.19 327	0.88 301	0.31 315	0.30 333	0.37 339	0.48 366	0.33 308	0.33 314
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
pmcnn	1.23 362	0.29 248	0.96 325	0.40 108	0.23 69	0.95 299	0.69 325	1.16 285	1.28 339	1.67 365	2.33 367	11.15 414	0.86 306	0.93 287	0.88 301	0.15 79	0.12 98	0.12 2	0.10 10	0.15 77	0.15 106

otaku	1.04 345	0.93 374	0.88 319	1.33 387	1.05 384	1.66 369	0.70 330	1.40 351	1.18 321	1.08 320	1.32 306	1.33 331	0.91 315	1.23 333	0.76 276	0.72 379	0.46 378	1.24 384	0.50 371	1.40 386	0.75 376

DGSMNet	0.76 304	0.55 343	1.29 357	0.58 332	0.62 363	0.94 296	0.70 330	1.26 324	1.11 311	0.83 213	1.24 293	1.00 274	0.71 266	1.03 307	0.81 286	0.34 339	0.29 330	0.41 348	0.40 353	0.57 368	0.55 372

CC-Net-ROB	0.82 316	0.96 377	0.85 312	0.58 332	0.45 329	1.27 346	0.70 330	1.17 290	1.02 277	0.83 213	1.23 292	0.90 254	0.77 282	1.06 310	0.69 261	0.46 360	0.34 354	1.71 388	0.38 347	0.59 371	0.36 325

FC-DCNN	1.59 377	0.51 331	0.66 267	0.61 342	0.49 339	1.56 364	0.70 330	1.66 376	1.53 360	4.64 408	4.62 406	5.85 405	3.34 403	1.84 375	1.11 340	0.46 360	0.42 370	0.47 357	0.46 361	0.48 353	0.46 357

MDST_ROB	0.91 332	0.27 226	0.85 312	0.63 346	0.41 307	2.53 384	0.71 334	1.60 372	1.13 314	2.83 393	1.73 348	0.97 267	0.69 252	1.61 362	0.73 271	0.25 277	0.22 289	0.32 323	0.28 316	0.25 265	0.24 263

DeepPrunerF	0.89 328	0.52 337	3.43 394	0.68 361	0.81 371	0.72 248	0.72 335	1.22 309	1.99 377	0.93 266	1.01 219	0.87 241	0.86 306	1.08 315	0.95 321	0.34 339	0.28 325	0.43 350	0.39 351	0.30 293	0.32 310

TDLM	0.57 257	0.33 269	0.49 182	0.51 297	0.30 224	0.66 230	0.73 336	1.03 242	1.01 274	0.82 201	1.10 257	0.84 232	0.70 262	0.86 261	0.58 236	0.28 300	0.17 243	0.25 269	0.22 263	0.26 269	0.19 204

SGM_RVC	0.97 337	0.28 240	0.41 81	0.39 85	0.22 42	1.55 363	0.73 336	1.51 365	1.25 335	2.25 383	1.92 358	2.58 381	1.56 370	2.02 381	1.19 347	0.27 294	0.27 323	0.27 295	0.25 296	0.25 265	0.25 269
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
ADCMid	1.14 354	0.52 337	2.23 387	0.53 313	0.43 318	1.07 321	0.75 338	1.23 313	1.05 291	2.15 380	1.44 326	1.50 351	1.43 365	1.56 359	5.01 400	0.26 287	0.24 306	0.29 310	0.31 329	0.37 325	0.33 314

ADCPNet	1.03 344	0.48 321	2.70 389	0.54 319	0.42 313	1.40 352	0.75 338	1.13 273	1.07 304	1.22 338	1.42 321	1.68 362	1.09 340	1.36 351	3.45 391	0.30 312	0.28 325	0.29 310	0.32 335	0.37 325	0.35 323

ACVNet-4b	1.35 368	1.31 388	1.10 336	1.90 395	1.59 390	1.92 376	0.77 340	1.52 368	1.62 368	1.05 311	1.60 341	2.11 372	0.94 324	1.64 366	0.77 280	1.30 394	0.35 356	2.03 396	0.67 381	1.88 395	0.84 381

CBMV	0.64 278	0.35 278	0.41 81	0.42 169	0.25 112	1.01 310	0.77 340	1.13 273	1.09 309	1.17 331	1.22 288	1.04 286	0.75 275	0.88 265	0.63 249	0.28 300	0.30 333	0.34 330	0.30 322	0.26 269	0.26 273
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
FBW_ROB	0.88 326	0.50 328	0.85 312	0.55 322	0.40 300	1.17 336	0.78 342	1.50 362	1.37 346	1.33 347	1.27 297	1.48 349	1.00 333	2.57 393	0.98 327	0.25 277	0.32 346	0.45 353	0.30 322	0.34 315	0.28 287

FTStereo	0.56 252	0.20 70	0.37 44	0.41 132	0.25 112	0.40 102	0.79 343	0.66 81	0.43 48	1.09 322	3.27 388	0.70 173	0.73 271	0.55 71	0.33 86	0.14 32	0.13 152	0.19 155	0.17 163	0.15 77	0.30 300

Ntro	1.09 352	0.97 380	0.91 321	1.44 388	1.19 386	1.69 372	0.80 344	1.35 341	1.25 335	1.00 293	1.29 302	1.31 324	0.97 329	1.26 336	0.84 290	0.84 383	0.43 373	1.36 385	0.50 371	1.56 387	0.78 378

anonymity	0.97 337	0.89 372	1.05 332	0.92 374	1.03 382	0.97 303	0.81 345	1.29 329	0.91 228	1.07 317	0.98 209	1.00 274	0.95 327	1.02 305	0.92 317	0.96 386	0.95 404	0.90 379	0.91 392	0.92 377	0.94 385

Wz-Net-MNSev	0.76 304	0.40 303	1.34 361	0.50 285	0.40 300	1.44 357	0.83 346	1.15 282	1.16 318	1.25 342	1.20 287	1.13 308	0.81 293	1.16 324	1.00 331	0.22 253	0.19 268	0.24 258	0.23 274	0.28 281	0.26 273

EDNetEfficient	1.46 373	0.80 365	6.12 403	0.47 251	0.39 295	0.69 238	0.83 346	0.90 197	2.77 390	3.50 403	1.96 360	1.66 361	2.03 387	1.26 336	4.18 396	0.21 235	0.18 254	0.21 218	0.20 231	0.41 338	0.39 339

PSMNet_ROB	0.64 278	0.37 286	0.65 262	0.56 325	0.42 313	0.97 303	0.83 346	1.21 301	0.92 233	0.79 182	1.02 227	1.08 298	0.63 218	0.82 240	0.91 316	0.29 306	0.20 276	0.31 318	0.31 329	0.26 269	0.23 257

Consistency-Raft	1.01 340	0.81 366	1.24 353	0.84 371	0.97 378	0.81 271	0.84 349	1.30 332	1.59 364	1.05 311	1.68 347	1.12 305	0.91 315	0.92 282	1.11 340	0.65 376	0.74 389	0.79 377	0.90 389	1.06 383	0.79 380

PVD	1.28 365	0.67 358	1.28 355	0.74 368	0.62 363	1.50 360	0.84 349	1.99 383	2.96 391	2.18 381	2.36 370	1.85 367	1.95 385	1.92 377	1.94 371	0.39 352	0.36 358	0.49 363	0.37 344	0.51 357	0.64 374

PASM	0.90 331	0.64 355	1.69 375	0.69 363	0.69 369	0.78 260	0.84 349	1.03 242	1.26 338	1.19 333	1.15 273	1.31 324	0.98 330	1.24 334	1.03 332	0.52 369	0.56 382	0.59 373	0.66 380	0.56 366	0.54 371

XPNet_ROB	0.70 290	0.35 278	0.68 274	0.52 308	0.40 300	0.79 263	0.85 352	1.16 285	0.94 245	1.33 347	1.15 273	1.38 339	0.83 301	1.03 307	0.90 314	0.32 327	0.25 314	0.26 283	0.24 287	0.31 298	0.28 287

ETE_ROB	0.70 290	0.49 324	0.73 290	0.56 325	0.36 277	0.79 263	0.87 353	1.14 279	0.93 238	1.19 333	1.18 282	1.39 340	0.82 297	0.99 297	0.80 283	0.26 287	0.21 283	0.31 318	0.26 306	0.33 308	0.34 318

FINET	0.67 283	0.42 308	1.00 329	0.46 242	0.43 318	0.83 281	0.89 354	1.08 258	1.50 358	0.87 233	1.14 268	0.71 177	0.68 248	0.92 282	0.70 264	0.36 346	0.30 333	0.26 283	0.24 287	0.35 319	0.33 314

ADCL	1.04 345	0.38 295	1.35 362	0.50 285	0.39 295	1.61 367	0.89 354	1.29 329	1.39 349	1.29 344	1.50 333	1.24 316	1.24 354	1.37 352	4.87 399	0.21 235	0.19 268	0.25 269	0.25 296	0.29 284	0.27 280

LE_ROB	4.42 406	0.24 180	2.75 390	0.42 169	0.23 69	1.57 365	0.90 356	1.71 379	17.88 420	16.56 422	4.88 407	5.17 403	18.85 422	1.63 365	14.62 414	0.17 143	0.14 178	0.16 60	0.16 123	0.19 191	0.17 162

SPS-STEREO	1.25 364	0.93 374	1.06 333	1.04 379	1.03 382	1.41 354	0.91 357	1.51 365	1.19 323	2.09 378	1.83 354	1.94 369	1.39 362	1.62 363	1.39 358	0.97 387	0.94 403	0.90 379	0.89 388	0.96 380	0.96 388
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
SANet	1.07 350	0.41 306	1.06 333	0.48 256	0.30 224	1.41 354	0.94 358	1.42 353	3.36 396	1.58 356	2.43 371	2.33 377	1.70 376	1.34 346	1.07 337	0.28 300	0.24 306	0.26 283	0.23 274	0.34 315	0.30 300

LALA_ROB	0.74 301	0.43 310	0.69 280	0.54 319	0.40 300	1.01 310	0.95 359	1.21 301	1.07 304	1.22 338	1.12 260	1.56 357	0.79 289	1.04 309	0.86 295	0.33 333	0.22 289	0.35 332	0.30 322	0.35 319	0.31 306

GANet	0.70 290	0.37 286	0.55 220	0.51 297	0.34 269	0.94 296	0.96 360	1.08 258	0.94 245	1.04 309	1.98 361	1.13 308	0.88 312	1.12 321	0.66 254	0.25 277	0.26 319	0.27 295	0.22 263	0.31 298	0.22 250

ACVNet_1	1.46 373	1.33 389	1.12 339	1.91 396	1.62 391	1.83 375	0.98 361	2.00 384	1.85 374	1.39 350	1.53 336	2.32 376	1.53 367	1.34 346	1.11 340	1.30 394	0.50 380	2.06 398	0.58 377	1.93 397	0.95 387

GANetREF_RVC	0.80 312	0.75 362	0.86 317	0.66 355	0.42 313	1.15 333	0.98 361	1.14 279	1.19 323	1.01 298	1.02 227	1.10 301	0.90 314	1.15 323	0.76 276	0.48 363	0.39 365	0.57 370	0.38 347	0.63 372	0.46 357
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
MANE	4.13 405	0.51 331	0.64 257	0.66 355	0.56 354	6.89 410	0.99 363	7.55 412	12.04 409	6.68 412	8.57 413	10.69 413	9.45 412	7.59 412	6.39 404	0.49 365	0.43 373	0.48 360	0.98 393	0.49 354	0.48 363

NVStereoNet_ROB	1.24 363	0.90 373	1.13 340	0.86 372	0.88 372	1.11 327	0.99 363	1.42 353	1.53 360	1.59 358	2.48 372	2.24 374	1.53 367	1.96 380	1.30 355	0.76 381	0.70 386	0.78 376	1.00 394	0.71 374	0.88 383
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
LSM	4.74 408	0.77 363	10.16 408	0.70 364	56.56 430	1.02 312	1.00 365	1.24 320	1.62 368	2.04 376	2.34 368	1.33 331	1.17 348	1.38 353	1.09 339	0.33 333	0.49 379	0.39 344	0.46 361	0.51 357	10.09 417

SGM+DAISY	1.35 368	0.94 376	1.25 354	0.96 375	1.00 381	1.52 362	1.02 366	1.34 338	1.21 326	2.64 389	2.65 379	2.44 378	1.56 370	1.64 366	1.26 352	0.97 387	0.95 404	0.90 379	0.90 389	0.94 378	0.96 388

NaN_ROB	0.69 288	0.44 314	0.69 280	0.51 297	0.33 262	0.97 303	1.06 367	1.22 309	1.19 323	1.24 341	0.96 194	1.08 298	0.78 287	1.20 329	0.67 257	0.24 267	0.30 333	0.23 244	0.24 287	0.23 247	0.25 269

CSAN	0.83 321	0.49 324	0.77 306	0.60 340	0.41 307	1.14 331	1.06 367	1.19 295	1.46 356	1.32 345	1.43 324	1.37 338	1.19 351	1.27 338	0.86 295	0.39 352	0.31 343	0.36 335	0.37 344	0.35 319	0.34 318

RainbowNet	1.35 368	1.49 392	1.19 348	1.88 394	1.45 388	1.48 359	1.07 369	1.61 373	1.55 362	1.20 336	1.59 340	1.54 355	1.13 343	1.34 346	0.97 324	1.36 397	0.70 386	1.82 390	0.79 386	1.71 389	1.07 393

ADCS	1.51 375	0.61 351	3.42 393	0.59 335	0.51 343	1.27 346	1.08 370	1.59 371	1.81 373	1.91 374	1.66 344	1.51 354	1.42 364	1.94 379	8.60 408	0.33 333	0.32 346	0.33 328	0.36 343	0.44 343	0.42 346

Wz-Net-TNSev	1.14 354	1.06 383	4.32 400	0.49 271	0.42 313	1.51 361	1.11 371	1.48 359	1.40 351	1.22 338	1.26 296	1.58 359	1.43 365	1.76 371	1.70 363	0.32 327	0.31 343	0.26 283	0.30 322	0.41 338	0.41 345

Wz-Net-SNSev	0.91 332	0.73 360	2.13 385	0.56 325	0.45 329	0.95 299	1.13 372	1.34 338	1.24 331	1.02 300	1.30 303	1.46 345	0.86 306	1.81 373	1.50 360	0.25 277	0.23 299	0.25 269	0.26 306	0.32 303	0.29 293

CrosDoStereo	0.50 211	0.18 34	0.45 130	0.38 66	0.24 86	0.40 102	1.18 373	0.67 91	0.86 198	0.94 269	1.37 312	0.63 139	0.77 282	0.65 163	0.45 188	0.15 79	0.12 98	0.17 85	0.18 185	0.14 45	0.14 87

DeepStereo_LL	0.50 211	0.18 34	0.45 130	0.38 66	0.24 86	0.40 102	1.18 373	0.67 91	0.86 198	0.94 269	1.37 312	0.63 139	0.77 282	0.65 163	0.45 188	0.15 79	0.12 98	0.17 85	0.18 185	0.14 45	0.14 87

ACVNet_2	1.65 381	1.27 387	1.41 369	1.75 391	1.62 391	2.22 381	1.20 375	2.30 388	2.62 387	1.78 368	2.56 374	3.03 384	1.61 372	1.54 356	1.12 343	1.06 390	0.58 384	1.82 390	0.70 383	1.82 391	0.96 388

NCCL2	0.72 298	0.41 306	0.65 262	0.64 347	0.44 325	0.98 307	1.20 375	1.11 268	1.00 270	0.98 286	0.96 194	1.49 350	0.87 309	0.90 272	0.79 281	0.31 315	0.26 319	0.39 344	0.39 351	0.32 303	0.32 310

coex-ft	6.43 411	1.51 394	87.33 434	0.49 271	0.38 290	1.34 349	1.21 377	1.16 285	8.09 407	12.12 414	2.79 381	2.77 383	3.31 402	1.16 324	3.15 386	0.24 267	0.23 299	0.27 295	0.24 287	0.45 347	0.37 331

WAO-8	2.92 396	1.55 395	1.35 362	1.79 392	1.63 393	5.23 406	1.22 378	4.58 407	12.56 411	2.84 394	4.07 402	4.83 399	2.72 397	3.49 398	2.25 380	1.27 391	0.91 399	1.99 392	1.15 402	1.86 392	1.15 395

Venus	2.92 396	1.55 395	1.35 362	1.79 392	1.63 393	5.23 406	1.22 378	4.58 407	12.56 411	2.84 394	4.06 401	4.83 399	2.72 397	3.49 398	2.25 380	1.27 391	0.91 399	1.99 392	1.15 402	1.86 392	1.15 395

MFMNet_re	1.14 354	0.97 380	1.19 348	0.99 376	0.95 376	1.25 345	1.22 378	1.39 348	1.55 362	1.69 366	1.67 346	1.21 313	1.53 367	1.12 321	0.99 328	0.87 385	0.75 393	0.79 377	0.75 384	0.90 376	0.94 385

Anonymous Stereo	0.75 303	0.54 342	1.78 379	0.57 330	0.56 354	0.62 207	1.25 381	0.96 216	0.99 263	0.96 277	0.95 190	0.83 228	0.58 192	1.27 338	1.21 348	0.31 315	0.30 333	0.31 318	0.33 338	0.33 308	0.36 325

DPSNet	0.99 339	0.42 308	1.88 382	0.53 313	0.41 307	1.59 366	1.26 382	2.21 387	1.43 352	1.10 324	1.11 258	1.46 345	1.95 385	1.34 346	1.26 352	0.34 339	0.25 314	0.25 269	0.21 248	0.46 350	0.37 331

IMH-64-1	1.86 382	1.62 397	1.16 342	2.20 399	1.89 399	2.33 382	1.30 383	2.89 392	2.29 382	1.66 363	2.80 382	2.49 379	1.61 372	2.10 383	1.78 368	1.60 398	0.74 389	2.43 402	1.02 395	2.12 398	1.17 397

IMH-64	1.86 382	1.62 397	1.16 342	2.20 399	1.89 399	2.33 382	1.30 383	2.89 392	2.29 382	1.66 363	2.80 382	2.49 379	1.61 372	2.10 383	1.78 368	1.60 398	0.74 389	2.43 402	1.02 395	2.12 398	1.17 397

IMH	2.04 389	1.62 397	1.20 351	2.20 399	1.89 399	2.91 397	1.30 383	3.11 395	3.03 392	1.81 369	3.35 392	3.03 384	1.90 382	2.48 390	1.80 370	1.66 401	0.77 395	2.45 404	1.04 398	2.15 400	1.19 400

WZ-Net	1.19 360	0.59 348	4.07 398	0.62 345	0.51 343	1.34 349	1.31 386	1.32 334	1.74 371	1.53 355	1.65 342	1.74 363	1.28 358	2.25 387	2.01 373	0.27 294	0.21 283	0.23 244	0.25 296	0.40 332	0.39 339

AnyNet_C32	1.16 358	0.62 354	2.40 388	0.57 330	0.55 351	1.41 354	1.34 387	1.18 293	1.24 331	1.49 352	1.42 321	1.39 340	1.20 353	1.55 357	4.82 398	0.29 306	0.28 325	0.29 310	0.34 340	0.38 329	0.42 346

Dean	1.98 386	1.36 390	1.36 366	2.12 398	1.81 398	2.74 387	1.36 388	3.37 401	3.80 400	2.08 377	3.32 390	3.21 389	1.82 379	1.71 370	1.67 362	1.27 391	0.77 395	1.99 392	0.90 389	1.86 392	1.03 392

AnyNet_C01	1.56 376	1.05 382	7.45 406	0.64 347	0.54 349	1.99 378	1.38 389	1.43 355	1.36 344	1.63 362	1.92 358	1.84 365	1.33 360	2.40 389	4.03 393	0.33 333	0.32 346	0.32 323	0.34 340	0.44 343	0.45 356

RTS	1.98 386	0.96 377	11.36 410	0.65 352	0.57 358	2.77 390	1.40 390	1.39 348	2.26 380	1.89 371	2.56 374	1.32 329	1.25 355	5.20 406	4.05 394	0.31 315	0.22 289	0.29 310	0.29 320	0.40 332	0.37 331

RTSA	1.98 386	0.96 377	11.36 410	0.65 352	0.57 358	2.77 390	1.40 390	1.39 348	2.26 380	1.89 371	2.56 374	1.32 329	1.25 355	5.20 406	4.05 394	0.31 315	0.22 289	0.29 310	0.29 320	0.40 332	0.37 331

MADNet+	2.23 392	2.43 408	10.85 409	1.22 384	0.91 374	2.76 389	1.40 390	2.12 386	1.67 370	1.32 345	1.74 350	1.86 368	1.74 377	6.25 408	4.41 397	0.65 376	0.64 385	0.58 372	0.54 375	0.80 375	0.76 377

WAO-6	2.04 389	1.50 393	1.16 342	1.70 390	1.67 395	2.69 386	1.44 393	3.06 394	3.63 399	1.98 375	3.27 388	3.54 394	2.07 388	2.36 388	2.22 379	1.31 396	0.91 399	2.04 397	1.22 404	1.73 390	1.27 401

SGM-ForestM	4.04 404	0.32 261	0.46 146	0.43 187	0.27 172	7.50 411	1.45 394	3.84 404	4.24 402	8.19 413	6.76 411	19.00 420	9.08 411	10.74 415	6.62 405	0.31 315	0.33 352	0.32 323	0.32 335	0.29 284	0.29 293

ELAS	1.63 380	0.61 351	0.95 323	0.68 361	0.55 351	3.01 398	1.55 395	2.39 389	2.33 384	3.64 404	3.89 398	2.75 382	2.90 399	2.15 385	2.27 382	0.52 369	0.45 376	0.50 365	0.48 366	0.54 364	0.52 369
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
WAO-7	1.90 384	1.20 385	1.35 362	1.27 385	1.06 385	2.84 392	1.56 396	3.23 397	3.06 394	2.23 382	3.33 391	3.17 388	2.28 390	3.12 394	2.21 377	1.02 389	0.91 399	1.06 383	1.03 397	1.04 382	0.97 391

MFN_U_SF_DS_RVC	1.02 343	0.57 346	1.51 373	0.67 358	0.50 340	2.57 385	1.66 397	1.20 299	1.43 352	1.38 349	1.57 339	1.33 331	0.92 318	1.64 366	0.88 301	0.37 349	0.39 365	0.46 356	0.60 378	0.41 338	0.40 342

TorneroNet-64	3.44 399	1.86 401	1.42 370	2.58 406	2.28 404	6.87 409	1.68 398	4.70 409	12.03 408	2.31 384	5.59 410	8.25 410	2.55 394	3.97 403	2.73 384	1.81 403	0.74 389	2.57 406	1.07 399	2.35 402	1.44 403

TorneroNet	4.53 407	1.89 402	1.48 372	2.55 404	2.27 403	13.78 417	1.69 399	4.84 411	23.73 425	2.89 397	7.70 412	7.06 409	2.69 396	4.26 405	3.42 390	1.84 404	0.77 395	2.68 408	1.13 400	2.42 403	1.47 404

notaker	2.76 394	2.29 407	1.80 380	2.96 409	2.58 410	2.90 396	1.75 400	3.24 398	3.05 393	2.78 392	4.24 403	6.15 408	2.51 393	3.34 396	2.75 385	2.31 409	1.18 407	3.00 412	1.65 408	2.84 409	1.97 406

SAMSARA	1.07 350	0.65 356	1.19 348	1.06 380	0.90 373	1.76 374	1.76 401	1.46 357	1.44 354	1.51 353	1.16 278	2.00 371	1.14 344	1.48 355	1.31 356	0.39 352	0.44 375	0.35 332	0.38 347	0.49 354	0.49 366

LVE	2.12 391	1.44 391	1.36 366	1.99 397	1.78 396	2.75 388	1.79 402	2.82 391	3.95 401	1.90 373	4.33 404	3.52 393	1.81 378	2.24 386	1.74 365	1.74 402	0.87 398	2.06 398	1.13 400	1.91 396	1.35 402

MSC_U_SF_DS_RVC	1.34 366	0.87 371	1.76 378	0.86 372	0.56 354	4.29 404	1.79 402	1.50 362	1.98 376	1.61 359	1.85 356	1.84 365	1.41 363	1.89 376	1.36 357	0.48 363	0.40 367	0.56 369	0.57 376	0.69 373	0.48 363

ELAS_RVC	1.60 378	0.61 351	1.01 330	0.70 364	0.56 354	2.00 379	1.89 404	1.96 382	2.65 388	3.33 402	3.26 387	3.03 384	3.41 404	2.49 391	2.09 375	0.52 369	0.45 376	0.50 365	0.48 366	0.54 364	0.52 369
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
KSHMR	2.57 393	1.93 403	1.69 375	2.63 407	2.42 406	2.86 394	2.07 405	3.27 399	6.50 405	2.49 388	3.36 393	3.41 392	1.92 383	2.49 391	1.94 371	2.13 407	1.40 409	2.79 411	1.50 407	2.73 406	1.77 405

ktn	2.98 398	2.25 406	1.73 377	2.84 408	2.53 409	3.76 403	2.15 406	3.70 403	5.47 404	2.75 391	5.17 409	5.94 406	2.48 392	3.23 395	2.46 383	2.34 411	1.44 410	2.78 410	2.03 410	2.45 404	2.01 408

PWCK	1.92 385	1.66 400	3.12 392	1.65 389	0.91 374	2.84 392	2.26 407	2.10 385	2.41 386	2.36 385	2.31 366	2.22 373	1.82 379	3.43 397	2.03 374	1.61 400	0.71 388	1.51 386	0.82 387	1.69 388	0.91 384

HanzoNet	6.76 412	2.45 409	4.22 399	3.19 411	2.94 412	3.62 401	2.28 408	4.79 410	7.20 406	14.00 418	13.19 417	17.49 418	22.30 423	13.25 416	6.19 403	4.20 414	1.93 411	3.10 413	2.56 412	3.35 412	2.88 413

UNDER WATER	3.46 400	2.07 405	3.64 396	3.09 410	2.48 407	3.75 402	2.42 409	3.31 400	13.77 413	2.90 398	2.95 385	5.84 404	3.69 405	3.69 400	3.48 392	2.07 406	1.11 406	2.70 409	1.40 405	2.84 409	1.98 407

UNDER WATER-64	3.53 401	2.01 404	3.94 397	3.22 412	2.49 408	5.41 408	2.60 410	3.43 402	12.41 410	3.03 399	2.68 380	6.07 407	4.04 406	3.79 402	3.33 388	2.02 405	1.24 408	2.63 407	1.46 406	2.78 407	2.08 409

MADNet++	4.03 403	2.70 413	3.44 395	3.72 414	3.44 413	4.44 405	3.52 411	3.95 405	3.61 398	4.46 406	4.98 408	4.10 395	4.58 408	7.00 411	5.89 402	3.74 412	3.67 415	3.27 414	2.71 413	3.70 414	3.66 415

DPSimNet_ROB	3.58 402	2.45 409	8.57 407	2.53 403	2.37 405	2.88 395	3.77 412	3.14 396	3.23 395	4.71 409	3.86 397	4.68 397	4.87 409	4.07 404	5.62 401	2.33 410	2.33 412	2.47 405	2.52 411	2.51 405	2.64 411

JetBlue	2.78 395	1.26 386	7.04 405	1.16 382	1.48 389	8.00 412	6.02 413	2.60 390	1.92 375	2.12 379	2.64 378	3.34 391	3.05 401	6.49 409	3.39 389	0.78 382	0.76 394	0.75 375	0.76 385	0.97 381	1.18 399

BEATNet-Init1	15.13 416	0.82 369	50.86 433	0.72 367	0.53 347	38.10 427	7.03 414	11.83 417	14.25 414	29.78 431	30.17 431	48.21 434	22.64 424	26.78 425	18.11 416	0.42 357	0.38 361	0.47 357	0.46 361	0.51 357	0.48 363

JetRed	5.27 409	5.84 415	12.81 413	2.36 402	2.83 411	12.23 416	10.50 415	4.46 406	3.60 397	3.86 405	3.83 396	4.85 401	4.18 407	6.78 410	11.96 411	2.17 408	2.96 414	2.18 400	1.97 409	3.38 413	2.68 412

tt	6.20 410	0.20 70	5.89 402	3.55 413	2.07 402	11.26 415	19.21 416	11.74 416	5.46 403	2.69 390	2.04 364	4.87 402	6.25 410	3.70 401	7.09 407	8.32 418	11.17 422	4.93 415	5.41 417	5.74 415	2.37 410

HaxPig	31.96 422	37.24 428	34.27 423	24.37 422	24.88 422	18.26 418	19.86 417	20.64 422	28.52 426	35.97 432	38.75 432	25.57 424	28.72 426	33.88 426	34.39 426	35.94 433	38.87 433	37.80 429	40.48 429	39.68 431	41.15 433

MEDIAN_ROB	37.38 432	40.85 436	40.60 426	32.31 424	31.85 423	27.20 422	24.55 418	29.10 427	33.19 433	42.09 434	41.76 434	33.35 425	34.39 434	39.78 428	37.07 427	43.64 435	44.10 435	44.12 431	43.40 431	41.51 433	42.76 435

AVERAGE_ROB	37.58 433	40.13 435	40.15 425	34.81 425	33.82 424	28.55 426	25.10 419	32.02 428	34.06 435	41.28 433	40.66 433	34.46 426	34.81 435	39.18 427	37.57 428	42.78 434	43.44 434	43.82 430	43.03 430	40.47 432	41.51 434

DGTPSM_ROB	12.07 414	8.00 416	20.99 414	8.93 417	16.78 416	10.67 413	30.87 420	9.01 414	15.16 415	6.50 410	15.41 421	9.04 411	14.85 414	9.25 413	21.67 418	4.57 415	8.57 417	5.08 416	9.28 418	5.90 416	10.95 418

DPSMNet_ROB	12.08 415	8.00 416	21.00 415	8.97 418	16.79 417	10.67 413	30.89 421	9.02 415	15.17 416	6.51 411	15.41 421	9.04 411	14.85 414	9.27 414	21.67 418	4.58 416	8.57 417	5.09 417	9.29 419	5.90 416	10.95 418

Anonymous_1	33.25 423	18.26 419	23.92 417	20.54 419	21.28 420	25.59 419	35.94 422	22.01 426	15.57 417	13.33 415	13.49 418	18.08 419	15.29 416	20.36 417	24.60 420	16.28 425	8.84 419	66.59 432	118.00 432	155.73 435	11.23 420

DPSM_ROB	17.78 417	18.63 420	24.31 421	20.90 420	19.47 418	25.97 420	36.21 423	21.23 424	16.24 418	13.38 416	14.06 419	19.18 421	16.30 417	20.78 418	25.67 421	9.38 420	9.23 420	9.49 420	9.82 420	13.51 419	11.91 421

DPSM	17.78 417	18.63 420	24.31 421	20.90 420	19.47 418	25.97 420	36.21 423	21.23 424	16.24 418	13.38 416	14.06 419	19.18 421	16.30 417	20.78 418	25.67 421	9.38 420	9.23 420	9.49 420	9.82 420	13.51 419	11.91 421

xxxxx1	36.64 429	19.51 422	24.21 418	61.66 432	64.63 432	27.28 423	40.10 425	20.25 419	18.63 421	14.07 419	12.97 414	17.26 415	17.36 419	21.70 421	27.93 423	13.18 422	18.50 425	111.26 433	133.37 433	29.24 427	39.73 430

tt_ll	36.64 429	19.51 422	24.21 418	61.66 432	64.63 432	27.28 423	40.10 425	20.25 419	18.63 421	14.07 419	12.97 414	17.26 415	17.36 419	21.70 421	27.93 423	13.18 422	18.50 425	111.26 433	133.37 433	29.24 427	39.73 430

ff	36.64 429	19.51 422	24.21 418	61.66 432	64.63 432	27.28 423	40.10 425	20.25 419	18.63 421	14.07 419	12.97 414	17.26 415	17.36 419	21.70 421	27.93 423	13.18 422	18.50 425	111.26 433	133.37 433	29.24 427	39.73 430

LSM0	38.95 434	37.60 434	48.58 427	43.57 431	91.06 435	52.57 434	72.57 428	43.17 434	32.63 432	26.97 426	27.97 425	38.65 431	32.94 431	41.86 434	51.78 435	18.89 431	18.41 424	19.13 425	19.63 422	27.29 426	33.77 429

Selective-RAFT-Error	35.84 428	37.49 430	48.83 432	42.26 430	39.24 429	52.30 433	73.09 429	42.66 433	32.61 427	26.80 425	28.30 427	38.84 432	33.51 432	41.68 433	51.59 430	18.82 430	18.58 429	19.17 427	19.80 424	27.28 425	24.05 427

CasAABBNet	35.74 424	37.43 429	48.72 428	42.22 429	39.20 428	52.24 429	73.12 430	42.61 432	32.62 431	26.78 424	27.95 424	38.58 430	32.60 427	41.67 432	51.65 434	18.74 426	18.57 428	19.15 426	19.77 423	27.20 424	23.98 426

MyStereo03	35.77 425	37.55 431	48.75 429	42.19 426	39.18 425	52.27 430	73.13 431	42.32 429	32.61 427	27.03 427	28.40 428	38.50 427	32.89 428	41.62 429	51.63 431	18.78 427	18.59 430	19.11 422	19.80 424	27.18 421	23.95 423

MyStereo02	35.77 425	37.55 431	48.75 429	42.19 426	39.18 425	52.27 430	73.13 431	42.32 429	32.61 427	27.03 427	28.40 428	38.50 427	32.89 428	41.62 429	51.63 431	18.78 427	18.59 430	19.11 422	19.80 424	27.18 421	23.95 423

MyStereo	35.77 425	37.55 431	48.75 429	42.19 426	39.18 425	52.27 430	73.13 431	42.32 429	32.61 427	27.03 427	28.40 428	38.50 427	32.89 428	41.62 429	51.63 431	18.78 427	18.59 430	19.11 422	19.80 424	27.18 421	23.95 423

SPstereo	24.26 421	4.19 414	6.66 404	4.29 415	3.79 414	45.68 428	78.09 434	63.52 435	33.36 434	27.50 430	26.65 423	39.53 433	33.55 433	42.77 435	51.02 429	3.90 413	3.72 416	5.95 418	4.66 415	3.15 411	3.30 414

test_example2	176.61 436	205.14 437	198.86 436	188.60 436	190.98 436	152.67 436	170.61 435	94.86 436	123.55 436	178.88 436	179.48 435	158.94 436	141.34 436	192.61 436	198.96 436	203.76 436	236.37 436	164.13 436	173.55 436	218.58 436	160.41 436

PML	40.80 435	29.24 425	11.87 412	7.20 416	14.47 415	92.13 435	213.69 436	7.63 413	23.35 424	74.72 435	190.14 436	50.17 435	26.15 425	21.39 420	12.70 412	8.76 419	2.92 413	8.45 419	3.25 414	13.26 418	4.42 416

ASD4		8.86 418

Low-res two-view benchmark