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

CES	1.01 23	0.55 33	1.74 31	0.92 81	2.15 370	2.15 41	0.50 17	2.01 26	1.45 25	0.76 13	1.02 9	0.61 4	0.47 1	1.29 38	0.79 39	0.22 4	0.17 9	0.24 16	0.14 2	0.63 288	2.29 378

CAS	1.26 68	0.40 1	1.46 14	2.97 382	1.61 327	4.13 251	0.73 87	1.78 19	1.49 46	0.83 21	1.10 23	0.59 3	0.53 2	1.26 32	0.80 40	2.99 386	0.13 1	0.21 2	0.13 1	0.31 73	1.72 369

XX-TBD	1.03 28	0.95 239	1.94 44	1.30 244	0.43 37	3.97 221	0.33 3	1.74 14	1.73 134	1.59 66	2.02 216	0.69 10	0.60 3	1.16 17	0.66 10	0.30 110	0.25 171	0.23 5	0.15 4	0.31 73	0.22 9

XX-Stereo	2.54 251	0.61 86	20.21 349	1.78 336	1.19 251	4.30 295	0.46 12	4.39 341	1.58 92	2.32 249	1.89 196	4.64 359	0.60 3	4.16 198	0.82 43	0.31 127	0.21 80	0.28 65	0.27 123	0.51 249	0.26 42

4D-IteraStereo	1.97 160	0.84 217	20.43 363	0.78 26	1.56 319	2.09 39	1.05 221	2.43 46	1.56 84	1.41 53	1.00 8	1.94 154	0.61 5	1.22 28	1.06 101	0.27 34	0.18 24	0.31 118	0.26 100	0.27 23	0.23 14

Selective-IGEV	0.80 4	0.52 15	1.05 2	0.75 11	0.61 116	1.31 11	0.82 134	2.60 71	1.41 21	0.82 20	1.64 112	0.71 16	0.62 6	1.22 28	0.64 4	0.22 4	0.19 38	0.24 16	0.18 9	0.25 11	0.20 6

DLNR_Zeroshot_test	28.62 417	55.50 430	49.94 424	183.62 432	115.05 430	3.43 112	0.28 1	29.49 418	1.49 46	1.01 30	1.26 42	0.93 43	0.63 7	3.92 193	1.51 185	29.81 425	0.41 292	0.26 36	0.23 57	93.28 430	0.32 110

MIF-Stereo	0.82 5	0.47 4	2.63 100	0.96 99	1.19 251	0.78 3	0.39 6	1.12 1	1.54 74	1.19 42	1.26 42	0.51 1	0.64 8	1.13 14	1.03 98	0.30 110	0.20 55	0.24 16	0.21 28	0.40 174	0.25 26

CASnet	0.78 2	0.51 10	1.29 7	0.81 29	0.29 1	1.28 10	0.74 96	1.51 4	1.89 158	1.64 77	1.09 22	0.65 7	0.64 8	0.91 2	0.76 34	0.29 76	0.17 9	0.41 246	0.31 201	0.32 96	0.19 3
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
Former-RAFT_DAM_RVC	0.92 9	0.73 165	1.42 12	0.92 81	1.08 230	2.97 71	0.53 23	1.77 18	1.39 20	1.16 41	1.54 88	0.58 2	0.65 10	1.03 8	0.84 48	0.25 19	0.23 126	0.30 99	0.24 78	0.43 218	0.29 74

CREStereo++_RVC	1.02 27	0.49 7	1.54 19	0.83 43	0.55 94	4.01 227	0.31 2	1.63 11	1.99 169	1.63 75	2.13 241	0.84 34	0.65 10	0.88 1	0.70 22	0.27 34	0.15 2	0.23 5	1.22 376	0.24 5	0.17 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
EGLCR-Stereo	1.06 30	0.51 10	1.56 21	1.02 134	0.39 26	4.27 291	0.42 8	4.08 257	1.48 40	0.90 24	0.68 1	1.09 53	0.66 12	1.81 95	0.62 2	0.27 34	0.19 38	0.29 80	0.23 57	0.37 159	0.25 26

StereoIM	0.82 5	0.66 119	1.53 17	0.65 4	1.87 358	1.24 9	0.36 4	2.13 31	1.27 13	0.67 4	0.75 2	0.88 39	0.70 13	1.15 16	1.07 103	0.29 76	0.23 126	0.26 36	0.20 22	0.31 73	0.22 9

test_xeample3	2.12 183	0.63 97	21.55 392	0.91 78	0.47 62	1.85 25	0.94 197	7.96 396	1.23 4	0.75 6	0.76 3	0.64 6	0.70 13	1.77 92	0.83 46	0.30 110	0.21 80	0.27 51	0.21 28	0.27 23	0.24 20

whm_eth	2.04 173	1.24 295	18.44 308	0.89 69	1.37 286	2.59 54	0.73 87	3.56 146	2.56 274	1.53 62	2.06 229	0.78 25	0.71 15	1.02 7	0.98 89	0.36 186	0.29 206	0.34 180	0.32 208	0.41 195	0.54 268

MSKI-zero shot	2.22 191	0.64 102	20.09 346	0.96 99	0.56 97	4.04 231	0.70 79	3.91 210	1.50 51	1.92 128	2.28 263	1.92 153	0.71 15	2.93 171	0.67 12	0.26 27	0.23 126	0.26 36	0.21 28	0.28 34	0.26 42

IGEVStereo-DCA	0.86 8	0.65 109	2.05 54	0.90 74	0.46 52	1.57 16	0.86 149	1.62 6	1.24 5	0.65 1	0.77 4	0.74 22	0.72 17	2.59 158	0.86 55	0.28 59	0.21 80	0.28 65	0.21 28	0.29 42	0.27 54

rrr	2.27 201	0.65 109	23.82 408	0.90 74	0.46 52	1.57 16	0.96 205	7.98 397	1.19 3	0.65 1	0.77 4	0.74 22	0.72 17	2.59 158	0.86 55	0.28 59	0.21 80	0.28 65	0.21 28	0.29 42	0.25 26

GLC_STEREO	0.76 1	0.52 15	1.12 3	0.83 43	0.33 2	1.86 26	0.82 134	1.46 2	1.38 19	0.95 27	1.04 16	0.68 8	0.72 17	0.97 3	0.80 40	0.23 7	0.25 171	0.32 133	0.25 87	0.32 96	0.30 96

LL-Strereo2	1.23 53	0.85 221	2.38 88	0.93 92	0.68 138	3.72 166	1.37 270	2.54 63	1.99 169	1.75 96	1.40 66	1.82 140	0.73 20	1.40 45	0.99 94	0.31 127	0.23 126	0.55 315	0.35 237	0.29 42	0.24 20

GMStereo	1.01 23	1.00 248	2.86 110	0.83 43	0.45 46	1.47 13	0.57 30	1.89 22	2.11 197	1.52 60	1.24 37	0.87 37	0.74 21	1.58 65	0.94 83	0.40 224	0.21 80	0.30 99	0.30 185	0.47 239	0.36 144
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
CroCo-Stereo	0.98 15	0.87 224	3.44 128	0.87 62	0.53 91	0.49 1	0.50 17	3.99 233	1.49 46	0.81 18	1.25 41	1.00 47	0.75 22	1.10 9	1.09 108	0.24 10	0.21 80	0.24 16	0.19 18	0.35 142	0.27 54
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
ProNet	0.82 5	0.71 154	1.50 16	0.86 59	0.45 46	1.78 21	0.83 138	1.75 15	1.28 14	0.66 3	1.13 26	0.78 25	0.76 23	1.66 83	0.71 25	0.24 10	0.20 55	0.25 26	0.23 57	0.29 42	0.25 26

ff7	0.98 15	0.69 134	2.05 54	0.84 49	0.52 83	4.55 333	0.86 149	1.62 6	1.24 5	0.75 6	1.03 12	0.70 11	0.77 24	1.84 98	0.68 14	0.27 34	0.17 9	0.29 80	0.21 28	0.31 73	0.27 54

ffff	0.98 15	0.69 134	2.05 54	0.84 49	0.52 83	4.55 333	0.86 149	1.62 6	1.24 5	0.75 6	1.03 12	0.70 11	0.77 24	1.84 98	0.68 14	0.27 34	0.17 9	0.29 80	0.21 28	0.31 73	0.27 54

11t	0.98 15	0.69 134	2.05 54	0.84 49	0.52 83	4.55 333	0.86 149	1.62 6	1.24 5	0.75 6	1.03 12	0.70 11	0.77 24	1.84 98	0.68 14	0.27 34	0.17 9	0.29 80	0.21 28	0.31 73	0.27 54

anonymousdsp	0.95 13	0.69 134	1.27 5	0.83 43	0.52 83	4.54 330	0.84 141	1.76 16	1.24 5	0.76 13	1.06 18	0.78 25	0.77 24	1.67 86	0.69 18	0.27 34	0.17 9	0.29 80	0.21 28	0.31 73	0.26 42

ccc-4	0.98 15	0.69 134	2.05 54	0.84 49	0.52 83	4.55 333	0.86 149	1.62 6	1.24 5	0.75 6	1.03 12	0.70 11	0.77 24	1.84 98	0.68 14	0.27 34	0.17 9	0.29 80	0.21 28	0.31 73	0.27 54

IGEV-Stereo	0.95 13	0.69 134	1.27 5	0.84 49	0.52 83	4.54 330	0.84 141	1.76 16	1.24 5	0.75 6	1.06 18	0.79 29	0.77 24	1.68 87	0.69 18	0.27 34	0.17 9	0.29 80	0.21 28	0.31 73	0.26 42
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
CroCo-Stereo Lap2	0.99 21	0.89 226	2.55 95	0.99 114	1.80 355	0.54 2	0.46 12	3.10 102	1.24 5	1.07 35	1.21 33	1.05 52	0.78 30	1.26 32	1.08 105	0.27 34	0.23 126	0.27 51	0.21 28	0.43 218	0.34 130

test_1	1.19 42	0.52 15	2.00 48	1.01 125	0.42 34	1.95 29	0.90 175	4.36 337	1.47 35	2.17 206	1.16 28	2.06 178	0.78 30	2.68 163	0.76 34	0.27 34	0.18 24	0.28 65	0.26 100	0.26 17	0.25 26

LoS	0.94 11	0.52 15	1.88 39	0.86 59	0.36 5	4.15 255	0.51 21	2.18 34	1.45 25	0.97 28	0.88 7	0.62 5	0.79 32	1.59 68	0.86 55	0.26 27	0.19 38	0.24 16	0.16 7	0.21 2	0.20 6

test_4	1.30 76	0.50 8	6.16 165	0.84 49	0.45 46	1.61 18	1.12 234	2.14 32	1.42 22	1.52 60	2.31 276	1.84 146	0.79 32	2.52 153	1.19 125	0.27 34	0.17 9	0.29 80	0.29 171	0.29 42	0.25 26

test-3	1.19 42	0.52 15	2.00 48	1.01 125	0.42 34	1.95 29	0.91 183	4.35 335	1.47 35	2.24 229	1.16 28	2.06 178	0.79 32	2.68 163	0.76 34	0.27 34	0.18 24	0.28 65	0.26 100	0.26 17	0.25 26

test_3	1.19 42	0.51 10	2.08 66	0.99 114	0.41 31	2.05 37	0.87 165	4.40 343	1.42 22	1.99 146	1.18 30	2.03 172	0.79 32	2.70 165	0.75 32	0.27 34	0.17 9	0.29 80	0.29 171	0.30 57	0.27 54

iRaftStereo_RVC	1.09 33	0.70 144	1.39 11	0.95 95	0.45 46	3.83 183	0.42 8	2.37 42	1.58 92	1.69 85	1.76 143	1.80 136	0.83 36	1.50 57	0.98 89	0.28 59	0.18 24	0.29 80	0.26 100	0.30 57	0.31 103

TRStereo	2.31 213	1.87 341	19.74 331	1.53 303	1.16 244	4.26 286	1.08 227	4.73 375	1.45 25	1.55 63	1.28 49	1.75 123	0.85 37	1.81 95	1.20 128	0.36 186	0.26 182	0.32 133	0.36 245	0.34 127	0.33 120

test croco	1.55 98	0.69 134	13.59 232	0.65 4	0.73 146	1.66 19	0.57 30	3.17 108	1.94 163	0.77 16	1.24 37	0.80 30	0.86 38	1.60 70	0.96 86	0.33 153	0.21 80	0.32 133	0.25 87	0.42 210	0.28 67

DIP-Stereo	1.24 58	0.69 134	1.77 33	0.65 4	0.61 116	4.29 293	0.58 38	4.44 349	2.53 270	1.98 141	1.33 54	0.91 41	0.86 38	1.25 31	1.25 139	0.36 186	0.23 126	0.32 133	0.23 57	0.32 96	0.29 74
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
CREStereo	0.92 9	0.53 24	1.45 13	0.61 1	0.34 3	4.42 310	0.40 7	2.21 35	1.54 74	0.94 26	1.12 25	0.87 37	0.87 40	1.12 11	0.72 28	0.28 59	0.19 38	0.22 4	0.15 4	0.22 3	0.19 3
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
StereoVision	1.65 116	0.75 182	7.47 175	1.01 125	1.80 355	2.61 55	0.61 45	3.06 101	1.96 164	1.25 43	3.46 347	1.85 148	0.88 41	2.07 115	1.93 239	0.43 249	0.36 255	0.37 218	0.36 245	0.48 242	0.33 120

LoS_RVC	0.94 11	1.30 301	1.31 8	0.84 49	1.63 330	2.02 31	0.59 39	1.51 4	1.36 18	0.81 18	1.33 54	0.84 34	0.88 41	1.36 44	0.73 29	0.21 1	0.17 9	0.20 1	0.14 2	0.20 1	1.45 362

knoymous	1.30 76	0.60 72	5.57 163	0.88 66	0.75 148	3.04 73	0.90 175	2.68 75	1.33 16	1.48 57	1.07 20	2.78 249	0.88 41	1.29 38	0.85 51	0.31 127	0.22 102	0.35 195	0.20 22	0.45 230	0.37 158

MIF-Stereo (partial)	0.98 15	0.55 33	2.83 108	0.71 8	1.03 219	1.08 5	0.49 16	2.55 64	1.66 120	0.79 17	1.20 32	0.80 30	0.90 44	1.61 75	1.56 191	0.36 186	0.24 154	0.33 164	0.25 87	0.40 174	0.28 67

TestStereo	2.00 166	1.02 250	12.25 221	0.70 7	0.61 116	1.88 27	0.55 27	2.31 39	1.52 62	1.41 53	1.33 54	1.27 74	0.90 44	11.62 357	0.81 42	0.34 164	0.19 38	0.33 164	0.24 78	0.44 223	0.24 20

MyStereo07	1.01 23	0.80 199	1.26 4	1.00 121	1.04 222	3.95 213	0.95 200	2.07 30	1.42 22	0.75 6	1.22 34	0.68 8	0.91 46	1.63 79	0.67 12	0.24 10	0.24 154	0.34 180	0.26 100	0.41 195	0.37 158

RALCasStereoNet	1.19 42	1.02 250	2.06 63	1.12 171	1.14 238	3.08 79	0.70 79	2.99 94	1.73 134	1.34 46	1.68 120	1.18 64	0.91 46	2.16 126	1.00 96	0.30 110	0.26 182	0.24 16	0.21 28	0.29 42	0.30 96

AE-Stereo	1.18 41	0.60 72	2.05 54	1.10 165	0.60 113	4.39 303	0.72 83	3.74 172	1.62 113	1.10 37	1.90 200	1.01 48	0.92 48	1.45 54	0.82 43	0.28 59	0.22 102	0.28 65	0.28 148	0.26 17	0.22 9

test-1	1.23 53	0.65 109	1.88 39	0.96 99	0.52 83	3.84 188	0.62 54	4.01 236	1.47 35	1.93 132	1.78 150	1.83 143	0.92 48	1.19 24	1.28 146	0.26 27	0.29 206	0.31 118	0.24 78	0.29 42	0.36 144

TANstereo	1.01 23	0.55 33	1.73 28	0.76 24	0.36 5	4.04 231	0.38 5	1.48 3	1.62 113	2.03 168	2.10 233	0.84 34	0.93 50	0.98 4	0.62 2	0.28 59	0.36 255	0.23 5	0.20 22	0.25 11	0.46 229

EAI-Stereo	2.35 222	0.63 97	2.97 112	0.95 95	0.65 127	3.84 188	14.27 405	5.04 381	2.19 207	2.06 175	7.25 369	1.10 54	0.94 51	1.65 82	1.37 160	0.31 127	0.22 102	0.27 51	0.60 334	0.27 23	0.32 110

R-Stereo Train	1.20 47	0.58 57	1.81 37	0.99 114	0.67 133	3.78 175	0.90 175	4.09 259	1.51 55	2.16 202	1.71 129	1.13 56	0.94 51	1.40 45	0.91 72	0.30 110	0.24 154	0.26 36	0.21 28	0.26 17	0.25 26

RAFT-Stereo	1.20 47	0.58 57	1.81 37	0.99 114	0.67 133	3.78 175	0.90 175	4.09 259	1.51 55	2.16 202	1.71 129	1.13 56	0.94 51	1.40 45	0.91 72	0.30 110	0.24 154	0.26 36	0.21 28	0.26 17	0.25 26
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
GMStereo_Zeroshot	1.41 89	1.21 284	3.33 126	1.29 239	0.72 142	3.35 104	0.53 23	2.58 70	1.68 122	2.35 257	1.56 93	2.42 212	0.96 54	2.50 146	1.16 119	0.45 262	0.23 126	0.40 239	0.24 78	0.79 328	0.33 120

CRE-IMP	1.23 53	0.61 86	2.14 68	0.82 36	0.39 26	4.54 330	0.83 138	2.63 73	1.55 80	1.95 136	1.46 70	1.87 150	0.96 54	1.48 56	1.33 156	0.45 262	0.21 80	0.31 118	0.26 100	0.41 195	0.31 103

s12784h	1.31 79	0.45 2	2.41 90	0.71 8	0.35 4	4.42 310	0.50 17	4.22 289	2.73 291	2.01 160	2.48 291	0.91 41	0.96 54	2.01 113	0.70 22	0.29 76	0.18 24	0.24 16	0.16 7	0.27 23	0.18 2

BUS	1.49 97	0.59 63	1.94 44	0.87 62	0.85 171	4.50 324	0.76 104	4.48 355	1.88 154	2.93 322	1.83 175	3.63 312	0.97 57	1.60 70	1.17 122	0.34 164	0.25 171	0.31 118	0.28 148	0.35 142	0.33 120

NINENet	1.87 139	0.74 173	2.60 96	1.12 171	1.06 226	4.50 324	0.76 104	4.41 344	2.24 213	2.16 202	1.86 189	3.63 312	0.97 57	8.00 266	1.17 122	0.41 234	0.30 215	0.41 246	0.30 185	0.41 195	0.36 144

PMTNet	0.99 21	0.48 5	1.73 28	0.62 2	0.56 97	4.20 280	0.43 11	1.88 21	1.58 92	1.00 29	1.05 17	0.78 25	0.98 59	1.50 57	0.85 51	1.21 368	0.20 55	0.23 5	0.15 4	0.22 3	0.19 3

PSM-softLoss	1.66 118	0.59 63	5.15 155	2.25 364	0.48 68	4.68 354	0.69 74	2.57 68	1.52 62	2.14 192	1.45 68	1.42 93	0.99 60	6.04 231	1.20 128	0.41 234	0.23 126	0.37 218	0.39 271	0.32 96	0.31 103

KMStereo	1.66 118	0.59 63	5.15 155	2.25 364	0.48 68	4.68 354	0.69 74	2.57 68	1.52 62	2.14 192	1.45 68	1.42 93	0.99 60	6.04 231	1.20 128	0.41 234	0.23 126	0.37 218	0.39 271	0.32 96	0.31 103

UDGNet	1.40 87	1.52 323	2.22 74	1.38 276	0.62 119	4.39 303	0.68 69	1.80 20	2.18 206	1.34 46	1.18 30	0.99 46	1.00 62	2.16 126	1.19 125	1.09 363	0.34 247	1.30 375	0.98 364	1.10 353	0.58 281

AnonymousM	1.22 52	1.32 305	0.97 1	0.88 66	0.56 97	4.03 230	0.69 74	2.41 43	1.68 122	1.48 57	1.31 53	1.15 59	1.00 62	1.18 23	0.73 29	0.32 142	0.40 286	2.07 382	1.70 384	0.24 5	0.22 9

anonymousdsp2	1.26 68	0.60 72	3.74 139	1.02 134	0.41 31	3.60 147	0.72 83	3.68 159	1.47 35	1.37 49	1.56 93	1.83 143	1.01 64	2.00 110	0.66 10	0.29 76	0.20 55	0.28 65	0.20 22	0.32 96	0.29 74

DisPM	1.36 83	0.55 33	2.39 89	1.54 305	0.51 76	4.59 341	0.79 121	2.50 51	1.88 154	2.50 279	1.83 175	1.45 96	1.01 64	2.71 166	0.93 82	0.46 266	0.20 55	0.32 133	0.31 201	0.31 73	0.44 214

RAFT-Test	1.44 90	0.59 63	6.10 164	1.01 125	0.69 140	2.90 62	0.80 126	3.68 159	1.70 130	1.85 109	1.68 120	3.15 275	1.03 66	1.20 25	0.99 94	0.27 34	0.22 102	0.25 26	0.23 57	0.27 23	0.25 26

PFNet+	1.46 93	0.57 45	2.84 109	0.92 81	0.47 62	4.64 348	0.84 141	2.46 49	1.99 169	2.14 192	1.64 112	1.34 80	1.03 66	4.68 205	1.23 138	0.45 262	0.33 235	0.37 218	0.39 271	0.32 96	0.49 242

Pruner-Stereo	1.32 81	0.59 63	2.11 67	1.79 341	0.47 62	4.73 366	0.79 121	2.53 54	1.72 132	2.47 276	1.58 96	1.48 98	1.03 66	1.66 83	1.47 175	0.44 256	0.21 80	0.34 180	0.30 185	0.30 57	0.39 176

Anonymous3	1.72 122	0.76 185	11.61 218	0.83 43	0.84 170	4.46 314	0.84 141	3.57 147	1.16 2	1.34 46	1.37 63	1.11 55	1.03 66	1.58 65	1.13 114	0.70 339	0.58 337	0.33 164	0.35 237	0.47 239	0.42 201

ACRE	2.27 201	1.11 268	19.45 323	0.91 78	1.30 272	3.94 208	0.87 165	4.21 286	1.80 145	2.28 234	2.62 305	1.17 61	1.04 70	1.52 60	1.30 149	0.37 193	0.23 126	0.27 51	0.22 49	0.31 73	0.46 229

ARAFT	2.56 256	1.13 270	19.50 326	0.89 69	0.48 68	4.15 255	1.40 275	4.36 337	2.82 311	2.36 262	1.88 191	1.70 118	1.04 70	6.45 236	1.22 135	0.29 76	0.18 24	0.37 218	0.35 237	0.35 142	0.25 26

IGEV_Zeroshot_test	2.16 187	0.69 134	20.60 369	1.22 216	0.54 92	2.18 43	0.53 23	3.38 129	1.61 110	1.93 132	1.55 90	3.76 316	1.05 72	1.55 63	0.91 72	0.29 76	0.20 55	0.27 51	0.29 171	0.40 174	0.32 110

dd	1.26 68	1.15 274	2.47 93	0.92 81	0.49 72	4.35 299	0.75 103	1.92 23	2.11 197	1.44 55	1.24 37	1.19 67	1.05 72	1.78 93	1.70 213	0.57 313	0.34 247	0.35 195	0.33 216	0.60 280	0.46 229

GMOStereo	1.13 35	0.70 144	2.26 77	0.75 11	0.44 42	3.05 75	0.91 183	2.78 80	1.45 25	2.37 263	1.52 82	1.53 100	1.05 72	1.17 19	0.92 75	0.25 19	0.19 38	0.35 195	0.28 148	0.34 127	0.26 42

error version	1.13 35	0.70 144	2.26 77	0.75 11	0.44 42	3.05 75	0.91 183	2.78 80	1.45 25	2.37 263	1.52 82	1.53 100	1.05 72	1.17 19	0.92 75	0.25 19	0.19 38	0.35 195	0.28 148	0.34 127	0.26 42

test-v	1.13 35	0.70 144	2.26 77	0.75 11	0.44 42	3.05 75	0.91 183	2.78 80	1.45 25	2.37 263	1.52 82	1.53 100	1.05 72	1.17 19	0.92 75	0.25 19	0.19 38	0.35 195	0.28 148	0.34 127	0.26 42

test-2	1.13 35	0.70 144	2.26 77	0.75 11	0.44 42	3.05 75	0.91 183	2.78 80	1.45 25	2.37 263	1.52 82	1.53 100	1.05 72	1.17 19	0.92 75	0.25 19	0.19 38	0.35 195	0.28 148	0.34 127	0.26 42

RALAANet	1.28 73	1.08 261	3.21 120	1.25 224	0.94 196	1.44 12	0.69 74	3.15 105	2.57 275	2.01 160	1.80 156	1.29 77	1.05 72	2.00 110	1.48 176	0.27 34	0.20 55	0.27 51	0.24 78	0.40 174	0.27 54

CIPLG	2.27 201	1.18 279	19.24 318	0.92 81	1.34 282	3.95 213	0.89 171	4.23 294	1.82 146	2.31 245	2.67 309	1.17 61	1.06 79	1.53 62	1.32 152	0.37 193	0.23 126	0.27 51	0.22 49	0.31 73	0.45 219

DN-CSS_ROB	1.91 148	1.55 325	11.13 216	1.82 343	0.88 180	3.99 224	0.61 45	4.01 236	1.67 121	1.64 77	1.89 196	1.39 87	1.06 79	3.23 175	1.50 180	0.31 127	0.19 38	0.44 259	0.29 171	0.37 159	0.31 103

DCRE	1.44 90	0.74 173	3.50 131	1.13 178	0.72 142	1.78 21	0.67 65	2.14 32	1.56 84	1.99 146	8.09 376	1.73 122	1.07 81	1.24 30	0.83 46	0.23 7	0.25 171	0.26 36	0.26 100	0.28 34	0.30 96

IPLGR_C	2.28 206	1.31 303	19.46 324	0.92 81	1.32 278	3.93 206	0.89 171	4.20 282	1.82 146	2.30 240	2.63 307	1.16 60	1.07 81	1.41 48	1.29 148	0.37 193	0.23 126	0.27 51	0.22 49	0.31 73	0.45 219

NF-Stereo	1.58 105	0.61 86	2.66 102	2.26 366	0.47 62	4.68 354	0.67 65	3.31 121	1.48 40	2.11 186	1.59 99	1.36 83	1.09 83	6.08 233	1.20 128	0.40 224	0.20 55	0.36 206	0.34 223	0.31 73	0.36 144

OCTAStereo	1.58 105	0.61 86	2.72 103	2.27 369	0.46 52	4.68 354	0.67 65	3.30 120	1.48 40	2.11 186	1.59 99	1.36 83	1.09 83	6.02 230	1.21 132	0.41 234	0.20 55	0.36 206	0.34 223	0.31 73	0.37 158

RE-Stereo	1.58 105	0.61 86	2.72 103	2.26 366	0.46 52	4.68 354	0.68 69	3.31 121	1.48 40	2.11 186	1.59 99	1.36 83	1.09 83	6.01 228	1.22 135	0.41 234	0.20 55	0.36 206	0.34 223	0.31 73	0.37 158

TVStereo	1.58 105	0.61 86	2.72 103	2.26 366	0.46 52	4.68 354	0.68 69	3.31 121	1.48 40	2.11 186	1.59 99	1.36 83	1.09 83	6.01 228	1.22 135	0.41 234	0.20 55	0.36 206	0.34 223	0.31 73	0.37 158

GANet-ADL	2.20 190	0.73 165	20.11 347	1.25 224	0.69 140	3.83 183	0.76 104	3.49 135	1.71 131	1.65 80	1.99 213	2.10 183	1.10 87	1.42 49	1.26 142	0.38 207	0.33 235	0.25 26	0.22 49	0.42 210	0.36 144

raft+_RVC	1.21 50	0.83 213	2.61 97	1.35 260	0.97 202	3.60 147	0.76 104	3.23 114	1.51 55	1.33 45	1.67 118	1.03 49	1.10 87	1.87 102	0.92 75	0.24 10	0.22 102	0.25 26	0.24 78	0.26 17	0.25 26

sCroCo_RVC	1.06 30	0.82 210	5.05 153	1.02 134	1.05 224	0.98 4	0.61 45	2.06 28	1.29 15	0.69 5	1.26 42	0.82 33	1.10 87	1.20 25	0.90 66	0.42 244	0.40 286	0.33 164	0.30 185	0.46 237	0.38 171

Anonymous	1.04 29	0.76 185	2.42 92	1.06 147	1.27 270	1.67 20	0.86 149	2.51 53	1.49 46	0.92 25	1.14 27	0.70 11	1.10 87	1.26 32	0.98 89	0.47 274	0.33 235	0.30 99	0.30 185	0.66 302	0.51 255

RAFT-Stereo + iAFF	1.25 61	0.72 157	1.74 31	1.05 143	0.36 5	4.13 251	0.42 8	2.95 91	2.84 313	2.02 164	2.40 286	1.61 109	1.11 91	1.26 32	0.97 87	0.21 1	0.15 2	0.26 36	0.23 57	0.29 42	0.23 14

MC-Stereo	1.06 30	0.48 5	1.55 20	1.15 192	0.41 31	4.56 338	0.61 45	2.06 28	1.46 32	1.90 122	1.61 107	0.89 40	1.12 92	1.35 43	0.73 29	0.25 19	0.18 24	0.26 36	0.22 49	0.25 11	0.24 20

rafts_anoy	1.24 58	0.80 199	3.61 136	1.17 198	1.20 256	3.00 72	0.61 45	3.17 108	1.58 92	1.37 49	1.26 42	1.19 67	1.12 92	1.78 93	1.25 139	0.32 142	0.23 126	0.32 133	0.32 208	0.31 73	0.30 96

dad	1.65 116	1.19 281	3.04 116	0.98 109	0.56 97	4.22 281	0.84 141	1.99 25	2.48 260	2.14 192	1.68 120	1.62 110	1.13 94	3.85 188	2.04 253	1.03 362	0.40 286	2.04 381	0.48 306	0.75 322	0.53 262

PSM-adaLoss	1.24 58	0.65 109	2.03 51	0.75 11	0.37 17	4.68 354	0.73 87	2.53 54	1.58 92	1.99 146	1.47 74	1.78 126	1.13 94	2.18 129	0.87 60	0.48 279	0.23 126	0.32 133	0.27 123	0.40 174	0.29 74

ROB_FTStereo	1.25 61	0.66 119	2.14 68	0.75 11	0.37 17	4.65 350	0.77 114	2.53 54	1.58 92	1.99 146	1.47 74	1.78 126	1.13 94	2.26 137	0.86 55	0.47 274	0.22 102	0.32 133	0.27 123	0.40 174	0.29 74

HUI-Stereo	1.25 61	0.66 119	2.33 85	0.75 11	0.37 17	4.68 354	0.78 116	2.53 54	1.58 92	1.99 146	1.46 70	1.79 133	1.13 94	2.17 128	0.85 51	0.48 279	0.23 126	0.32 133	0.27 123	0.40 174	0.29 74

cross-raft	2.01 169	0.57 45	19.01 316	1.03 141	0.56 97	2.11 40	0.72 83	3.63 152	1.57 90	1.77 98	1.51 81	3.17 276	1.13 94	1.16 17	0.85 51	0.23 7	0.21 80	0.26 36	0.23 57	0.28 34	0.25 26

RAFT-IKP	1.25 61	0.66 119	2.23 76	0.75 11	0.37 17	4.64 348	0.74 96	2.53 54	1.58 92	1.99 146	1.47 74	1.78 126	1.13 94	2.22 134	0.92 75	0.48 279	0.22 102	0.32 133	0.27 123	0.40 174	0.29 74

MyStereo8	2.33 218	1.13 270	19.26 320	1.22 216	1.62 328	4.16 264	0.57 30	3.50 137	2.36 235	2.15 197	1.75 140	2.28 192	1.14 100	1.46 55	2.20 270	0.24 10	0.21 80	0.32 133	0.27 123	0.36 153	0.43 209

Patchmatch Stereo++	1.25 61	0.65 109	2.06 63	0.75 11	0.37 17	4.68 354	0.76 104	2.53 54	1.58 92	1.99 146	1.47 74	1.78 126	1.14 100	2.44 141	0.90 66	0.48 279	0.23 126	0.32 133	0.27 123	0.40 174	0.29 74
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
ROB_FTStereo_v2	1.23 53	0.66 119	2.02 50	0.75 11	0.37 17	4.67 353	0.76 104	2.53 54	1.58 92	1.99 146	1.46 70	1.78 126	1.14 100	2.08 117	0.88 62	0.48 279	0.22 102	0.32 133	0.27 123	0.40 174	0.29 74

iGMRVC	1.26 68	0.66 119	2.14 68	0.75 11	0.37 17	4.66 351	0.74 96	2.53 54	1.58 92	1.99 146	1.46 70	1.78 126	1.14 100	2.46 143	0.92 75	0.48 279	0.23 126	0.32 133	0.27 123	0.40 174	0.29 74

iRAFT	1.25 61	0.65 109	2.06 63	0.75 11	0.37 17	4.68 354	0.76 104	2.53 54	1.58 92	1.99 146	1.47 74	1.78 126	1.14 100	2.44 141	0.90 66	0.48 279	0.23 126	0.32 133	0.27 123	0.40 174	0.29 74

ICVP	2.26 199	0.66 119	21.18 384	0.99 114	0.88 180	4.28 292	0.95 200	3.32 125	1.60 107	1.66 81	1.76 143	1.34 80	1.14 100	1.62 76	1.32 152	0.53 306	0.35 251	0.33 164	0.29 171	0.40 174	0.51 255
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
RAFT+CT+SA	1.62 113	0.72 157	7.42 174	0.97 106	1.42 300	4.04 231	0.94 197	3.90 206	1.61 110	1.61 72	1.63 110	1.33 79	1.18 106	2.73 168	1.10 109	0.27 34	0.19 38	0.31 118	0.34 223	0.33 111	0.33 120

Gwc-CoAtRS	1.58 105	0.57 45	11.69 219	1.01 125	0.60 113	2.53 51	0.64 56	2.36 41	1.56 84	1.80 104	1.47 74	2.74 240	1.18 106	1.12 11	0.90 66	0.27 34	0.21 80	0.25 26	0.22 49	0.27 23	0.23 14

DMCA	1.72 122	0.74 173	6.63 167	1.14 179	0.96 199	3.98 223	0.90 175	3.75 173	2.76 295	2.83 318	1.58 96	2.35 203	1.18 106	1.58 65	1.98 248	0.40 224	0.27 190	0.42 252	0.26 100	0.36 153	0.38 171

AdaStereo	1.45 92	0.83 213	2.34 86	1.28 236	0.81 158	3.21 82	1.14 239	4.20 282	2.46 259	2.05 172	1.77 148	2.48 219	1.18 106	1.71 88	1.44 168	0.43 249	0.25 171	0.43 256	0.28 148	0.44 223	0.34 130
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-RSSM	2.08 181	0.52 15	20.06 342	1.01 125	0.56 97	3.39 107	0.64 56	3.67 158	1.55 80	1.72 91	1.37 63	2.57 226	1.19 110	1.11 10	0.86 55	0.27 34	0.20 55	0.25 26	0.23 57	0.27 23	0.23 14

NOSS_ROB	2.27 201	0.73 165	3.00 114	1.71 329	1.00 216	3.90 200	0.97 207	4.29 315	2.81 309	2.94 326	2.19 250	3.88 321	1.19 110	11.77 369	1.62 202	0.59 316	0.54 328	0.56 317	0.52 318	0.56 269	0.54 268

x	1.15 39	0.57 45	1.53 17	1.44 286	0.67 133	1.94 28	0.97 207	3.87 197	1.57 90	1.61 72	1.28 49	1.58 105	1.22 112	1.93 106	1.04 99	0.28 59	0.30 215	0.34 180	0.29 171	0.32 96	0.31 103

NRIStereo	1.28 73	0.61 86	1.67 25	1.15 192	0.38 25	4.73 366	0.90 175	2.42 44	1.50 51	1.93 132	1.33 54	1.75 123	1.22 112	2.96 173	1.33 156	0.46 266	0.22 102	0.29 80	0.26 100	0.30 57	0.28 67

raftrobust	1.19 42	0.72 157	2.30 82	1.26 230	1.31 274	3.55 138	0.68 69	2.75 79	1.47 35	2.21 222	1.38 65	1.17 61	1.22 112	1.20 25	1.11 110	0.28 59	0.24 154	0.21 2	0.19 18	0.25 11	0.28 67

sAnonymous2	1.37 84	1.22 290	9.79 199	0.92 81	0.88 180	1.23 7	0.61 45	2.56 66	1.69 127	0.85 22	1.02 9	0.73 20	1.23 115	0.98 4	0.78 37	0.29 76	0.25 171	0.31 118	0.30 185	1.06 348	0.71 304

CroCo_RVC	1.37 84	1.22 290	9.79 199	0.92 81	0.88 180	1.23 7	0.61 45	2.56 66	1.69 127	0.85 22	1.02 9	0.73 20	1.23 115	0.98 4	0.78 37	0.29 76	0.25 171	0.31 118	0.30 185	1.06 348	0.71 304

CFNet_ucs	2.36 225	0.68 133	18.42 307	0.89 69	0.81 158	3.85 194	0.68 69	4.29 315	2.37 241	2.09 179	2.04 220	3.31 286	1.24 117	2.63 160	1.14 115	0.36 186	0.45 306	0.56 317	0.29 171	0.66 302	0.49 242

GwcNet-ADL	2.47 238	0.67 127	21.48 391	0.96 99	0.72 142	4.61 344	0.95 200	4.42 345	2.36 235	1.98 141	1.80 156	2.55 225	1.24 117	1.90 104	1.41 163	0.40 224	0.46 313	0.24 16	0.27 123	0.41 195	0.49 242

Anonymous Stereo	3.09 308	3.14 366	16.69 278	1.52 300	1.25 266	3.33 102	2.95 358	4.02 240	2.42 251	2.35 257	2.04 220	2.57 226	1.27 119	11.88 374	2.92 307	0.49 289	0.49 324	0.57 319	0.56 327	0.70 311	0.65 296

DeepPruner_ROB	2.05 176	1.09 264	10.50 210	1.01 125	1.20 256	4.39 303	0.91 183	3.14 104	1.72 132	2.60 294	1.54 88	2.78 249	1.27 119	4.52 201	1.72 215	0.51 298	0.40 286	0.37 218	0.34 223	0.48 242	0.52 260

iResNet_ROB	1.89 144	1.02 250	8.60 185	1.39 278	0.98 206	3.72 166	0.66 64	3.84 189	2.65 282	1.88 116	2.05 225	1.98 165	1.27 119	4.52 201	1.67 210	0.30 110	0.20 55	0.28 65	0.18 9	0.31 73	0.40 193

SACVNet	2.46 235	1.14 273	9.47 196	1.44 286	1.18 245	4.06 234	1.49 288	3.84 189	2.24 213	2.62 297	1.89 196	2.57 226	1.28 122	11.35 348	1.64 206	0.50 292	0.39 281	0.48 280	0.41 285	0.55 263	0.75 315

RAFT-RH_RVC	2.63 261	0.55 33	19.97 339	1.26 230	0.47 62	4.46 314	0.57 30	1.71 13	1.64 117	3.06 333	5.51 366	2.03 172	1.28 122	6.70 243	1.52 187	0.42 244	0.22 102	0.37 218	0.34 223	0.28 34	0.29 74

MIM_Stereo	1.20 47	0.78 193	3.30 124	1.05 143	0.43 37	3.04 73	0.60 42	2.46 49	1.51 55	1.60 67	1.58 96	1.82 140	1.29 124	2.00 110	1.07 103	0.24 10	0.24 154	0.28 65	0.25 87	0.27 23	0.27 54

AASNet	2.44 232	0.92 232	19.79 332	1.35 260	1.49 306	3.81 181	1.07 224	3.85 192	2.93 319	1.95 136	2.29 265	1.96 161	1.29 124	1.73 90	1.93 239	0.39 218	0.33 235	0.45 265	0.30 185	0.55 263	0.45 219

hknet	1.98 162	0.64 102	8.70 186	0.87 62	1.07 228	4.16 264	1.16 241	4.48 355	1.73 134	2.93 322	1.83 175	3.48 295	1.30 126	3.91 192	1.51 185	0.31 127	0.25 171	0.31 118	0.28 148	0.35 142	0.33 120

BSDual-CNN	1.46 93	0.59 63	1.94 44	0.87 62	0.85 171	4.16 264	1.16 241	4.48 355	1.88 154	2.93 322	1.83 175	2.60 230	1.31 127	1.60 70	1.21 132	0.34 164	0.25 171	0.31 118	0.28 148	0.35 142	0.33 120

psmg	1.47 96	0.59 63	1.94 44	0.92 81	0.85 171	4.30 295	1.42 280	4.10 266	1.88 154	2.64 301	2.09 232	2.60 230	1.31 127	1.60 70	1.21 132	0.34 164	0.27 190	0.33 164	0.34 223	0.36 153	0.34 130

RAFT-345	2.46 235	0.55 33	19.69 330	1.02 134	0.49 72	4.43 312	0.78 116	1.64 12	2.34 231	2.09 179	3.12 335	1.96 161	1.31 127	6.65 241	1.43 166	0.36 186	0.23 126	0.32 133	0.25 87	0.28 34	0.25 26

AACVNet	1.83 136	1.02 250	2.41 90	1.45 289	0.87 177	3.21 82	0.73 87	3.16 106	1.61 110	2.01 160	1.82 174	2.28 192	1.33 130	10.98 338	1.49 179	0.39 218	0.32 229	0.38 230	0.32 208	0.43 218	0.44 214

xx1	2.03 171	0.74 173	13.77 235	1.78 336	0.36 5	4.48 316	0.74 96	4.23 294	3.95 372	1.01 30	1.81 168	1.79 133	1.34 131	2.13 122	0.64 4	0.29 76	0.17 9	0.33 164	0.33 216	0.33 111	0.32 110

qqq	1.30 76	0.57 45	1.67 25	1.15 192	0.51 76	2.18 43	0.91 183	3.98 229	1.53 67	1.50 59	1.24 37	1.79 133	1.34 131	4.66 203	0.98 89	0.28 59	0.31 223	0.33 164	0.33 216	0.33 111	0.32 110

11t1	1.11 34	0.53 24	1.80 36	1.55 310	0.65 127	2.20 45	0.60 42	3.66 157	1.49 46	1.60 67	1.26 42	1.03 49	1.35 133	1.72 89	0.97 87	0.28 59	0.31 223	0.29 80	0.23 57	0.30 57	0.34 130

EKT-Stereo	6.79 388	0.64 102	4.24 142	1.77 335	106.39 429	4.51 328	0.61 45	3.16 106	1.53 67	1.88 116	1.22 34	1.98 165	1.36 134	3.81 187	0.84 48	0.35 181	0.24 154	0.29 80	0.26 100	0.34 127	0.48 238

IPLG	2.48 240	0.65 109	19.63 328	0.91 78	0.79 155	4.60 343	0.56 29	4.31 325	1.84 150	1.91 127	2.00 214	1.31 78	1.38 135	6.61 239	1.53 188	0.27 34	0.20 55	0.27 51	0.23 57	0.31 73	0.36 144

OMP-Stereo	1.97 160	0.93 235	1.88 39	2.76 378	0.67 133	4.58 340	1.48 284	4.31 325	1.54 74	3.15 339	2.76 316	3.25 281	1.38 135	7.66 264	1.35 159	0.40 224	0.20 55	0.33 164	0.26 100	0.33 111	0.24 20

xxxx	2.67 267	0.54 29	2.03 51	1.22 216	0.81 158	3.49 124	0.63 55	4.49 358	2.49 264	2.22 223	2.23 256	2.05 176	1.38 135	10.05 311	17.91 395	0.32 142	0.32 229	0.30 99	0.27 123	0.33 111	0.34 130

SFCPSM	2.18 189	0.63 97	17.03 284	0.88 66	0.98 206	3.74 169	1.28 258	4.09 259	2.16 202	1.85 109	1.83 175	1.65 112	1.39 138	2.50 146	1.50 180	0.33 153	0.27 190	0.39 233	0.36 245	0.34 127	0.37 158

Selective-RAFT	1.15 39	0.46 3	1.64 24	0.99 114	0.45 46	4.17 269	0.51 21	3.21 111	1.69 127	1.12 40	1.34 59	1.45 96	1.40 139	2.08 117	0.94 83	0.41 234	0.20 55	0.24 16	0.23 57	0.27 23	0.25 26

test_xeample	2.67 267	0.56 40	2.05 54	1.09 157	0.81 158	3.24 87	0.80 126	4.55 365	2.70 288	2.42 272	2.27 260	1.39 87	1.40 139	10.75 328	17.51 394	0.30 110	0.30 215	0.32 133	0.28 148	0.34 127	0.33 120

UPFNet	1.81 135	0.63 97	6.71 168	1.25 224	1.44 301	3.50 127	1.35 264	4.02 240	1.85 151	2.40 270	1.52 82	2.41 209	1.40 139	3.62 183	1.88 235	0.34 164	0.33 235	0.37 218	0.31 201	0.41 195	0.39 176

PS-NSSS	2.22 191	1.33 308	2.90 111	0.97 106	1.53 311	4.11 246	1.08 227	4.55 365	2.65 282	2.10 182	2.32 281	1.77 125	1.40 139	11.79 370	1.61 200	0.68 335	0.45 306	0.96 364	0.43 291	0.95 340	0.92 336

HCRNet	1.60 111	0.56 40	2.47 93	0.78 26	1.36 285	4.11 246	0.71 81	3.57 147	2.79 299	1.75 96	1.61 107	1.58 105	1.41 143	5.79 225	1.56 191	0.34 164	0.28 198	0.36 206	0.29 171	0.33 111	0.37 158

MaskLacGwcNet_RVC	3.13 313	1.43 317	9.93 201	2.50 374	1.62 328	4.29 293	1.68 309	3.95 221	2.43 252	1.66 81	1.91 201	3.04 266	1.41 143	13.26 390	1.58 193	3.82 397	1.59 382	1.12 372	0.46 299	2.21 378	2.74 389

AANet_RVC	3.03 303	1.72 335	12.78 224	1.17 198	1.12 236	3.79 178	1.10 231	3.86 195	3.13 335	2.62 297	4.26 357	3.96 325	1.41 143	11.43 351	5.23 338	0.94 357	0.47 317	0.34 180	0.23 57	0.40 174	0.55 271

PFNet	2.47 238	0.60 72	16.95 283	2.15 363	0.81 158	4.63 347	0.91 183	2.55 64	1.52 62	2.40 270	2.79 317	1.83 143	1.42 146	7.54 259	1.34 158	0.33 153	0.21 80	0.36 206	0.27 123	0.32 96	0.39 176

MLCV	1.87 139	0.91 230	8.59 184	1.10 165	0.57 106	3.59 145	0.53 23	3.70 168	2.20 208	2.80 315	2.25 259	2.00 168	1.42 146	4.13 197	1.86 233	0.30 110	0.20 55	0.32 133	0.21 28	0.33 111	0.36 144

Sa-1000	1.63 115	0.79 196	3.56 132	1.11 169	0.48 68	4.06 234	1.41 278	4.49 358	2.75 294	2.00 158	2.80 319	1.84 146	1.43 148	2.64 162	1.50 180	0.27 34	0.19 38	0.36 206	0.33 216	0.36 153	0.30 96

FENet	2.25 197	0.50 8	20.29 356	1.35 260	0.67 133	4.01 227	0.60 42	3.95 221	1.99 169	1.96 138	1.11 24	2.43 213	1.43 148	1.60 70	1.39 161	0.32 142	0.22 102	0.33 164	0.26 100	0.29 42	0.39 176

222	2.68 270	0.57 45	2.03 51	1.11 169	0.81 158	3.23 85	0.65 62	4.52 363	2.45 256	2.34 256	2.29 265	1.41 92	1.44 150	10.50 321	18.47 399	0.32 142	0.30 215	0.32 133	0.27 123	0.32 96	0.34 130

HITNet	2.07 179	0.82 210	14.77 251	1.34 256	0.56 97	3.47 120	0.80 126	4.07 253	2.35 233	2.16 202	1.61 107	1.64 111	1.44 150	2.09 120	2.56 295	0.26 27	0.18 24	0.41 246	0.26 100	0.45 230	0.25 26
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
StereoDRNet-Refined	1.77 131	0.81 203	2.22 74	1.21 213	0.76 151	3.26 91	0.71 81	3.82 185	2.05 181	2.29 236	2.05 225	2.98 261	1.44 150	7.15 252	2.27 274	0.30 110	0.23 126	0.42 252	0.33 216	0.45 230	0.64 294
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
iResNet	2.52 248	0.94 238	21.17 383	1.84 345	0.72 142	3.75 170	0.81 131	4.14 274	2.55 273	2.33 255	2.03 217	1.35 82	1.44 150	3.27 176	2.16 268	0.35 181	0.23 126	0.28 65	0.22 49	0.44 223	0.45 219

SDNR	3.97 346	1.93 343	20.28 355	1.31 246	0.94 196	5.16 379	0.67 65	4.33 331	2.58 276	4.82 377	5.94 368	5.01 367	1.45 154	17.52 405	2.53 291	0.79 345	0.72 358	0.59 323	0.45 297	1.15 358	1.17 349

cf-r	2.57 258	0.79 196	16.09 269	1.48 295	1.35 283	4.19 275	0.93 194	3.68 159	2.36 235	1.97 140	1.81 168	3.42 292	1.45 154	8.24 268	1.83 230	0.32 142	0.26 182	0.33 164	0.30 185	0.34 127	0.37 158

CFNet	2.34 220	1.10 265	8.96 188	1.34 256	1.24 263	4.09 241	0.73 87	4.04 246	2.77 296	1.62 74	1.87 190	2.27 191	1.45 154	11.41 349	1.82 228	0.31 127	0.24 154	0.43 256	0.36 245	0.43 218	0.33 120

ACVNet	1.46 93	0.64 102	3.56 132	0.93 92	0.85 171	4.22 281	0.80 126	2.85 85	2.08 184	1.78 100	1.88 191	3.10 270	1.46 157	1.33 41	1.89 236	0.29 76	0.26 182	0.30 99	0.26 100	0.39 171	0.27 54

GwcNet-RSSM	2.66 265	1.05 256	15.91 267	1.22 216	1.19 251	4.12 248	1.12 234	3.84 189	2.02 174	1.93 132	1.79 153	3.12 273	1.46 157	10.37 318	2.05 255	0.33 153	0.27 190	0.35 195	0.30 185	0.40 174	0.36 144

CoDeX	2.40 228	0.78 193	13.21 227	1.00 121	1.18 245	3.24 87	1.32 261	4.14 274	2.41 248	1.74 94	1.84 180	2.05 176	1.47 159	10.03 310	1.60 197	0.34 164	0.28 198	0.32 133	0.27 123	0.32 96	0.39 176

ToySt	1.35 82	0.72 157	3.65 138	1.01 125	0.50 75	3.31 101	1.01 212	3.46 131	1.73 134	1.30 44	1.55 90	2.07 181	1.47 159	1.88 103	1.40 162	0.27 34	0.27 190	0.30 99	0.32 208	0.42 210	0.39 176

tt1	1.79 133	0.73 165	10.41 209	1.75 333	0.36 5	4.55 333	0.79 121	4.22 289	3.37 355	1.08 36	1.80 156	0.74 22	1.48 161	2.21 131	0.65 8	0.29 76	0.16 4	0.31 118	0.22 49	0.30 57	0.29 74

RCA-Stereo	1.21 50	0.52 15	1.58 22	0.90 74	0.46 52	4.68 354	0.79 121	4.13 268	1.74 140	1.92 128	1.80 156	0.94 44	1.48 161	1.14 15	0.70 22	0.27 34	0.18 24	0.25 26	0.19 18	0.25 11	0.23 14

CSP-Net	1.78 132	1.32 305	1.92 43	1.16 197	1.03 219	3.38 106	1.31 260	3.52 141	1.75 141	1.96 138	1.93 203	2.40 207	1.48 161	8.58 274	1.58 193	0.46 266	0.34 247	0.27 51	0.26 100	0.41 195	0.50 249

FINET	2.96 291	1.07 259	23.18 406	1.29 239	1.86 357	2.03 32	1.52 289	4.30 322	4.71 379	2.23 227	2.34 283	1.65 112	1.48 161	5.89 227	2.81 305	0.51 298	0.47 317	0.49 293	0.40 281	0.59 276	0.49 242

CFNet-ft	1.90 146	0.95 239	3.56 132	1.07 149	1.54 312	4.09 241	0.90 175	2.85 85	1.82 146	1.78 100	1.70 125	2.75 242	1.48 161	9.33 289	1.72 215	0.33 153	0.30 215	0.61 331	0.36 245	0.52 252	0.39 176

CFNet_RVC	1.90 146	0.95 239	3.56 132	1.07 149	1.54 312	4.09 241	0.90 175	2.85 85	1.82 146	1.78 100	1.70 125	2.75 242	1.48 161	9.33 289	1.72 215	0.33 153	0.30 215	0.61 331	0.36 245	0.52 252	0.39 176

hitnet-ft	2.37 226	0.73 165	8.34 180	0.96 99	0.89 185	3.77 173	0.80 126	3.55 144	2.58 276	2.24 229	2.04 220	3.65 314	1.49 167	11.71 367	1.89 236	0.44 256	0.53 327	0.44 259	0.35 237	0.52 252	0.48 238

mmm	1.27 72	0.58 57	2.20 72	1.41 281	0.68 138	2.39 48	0.85 147	3.90 206	1.63 116	2.20 214	1.84 180	1.28 75	1.50 168	1.91 105	0.89 64	0.31 127	0.27 190	0.45 265	0.37 256	0.38 163	0.34 130

FADNet_RVC	2.65 263	2.28 355	16.51 275	0.98 109	0.92 190	4.09 241	0.83 138	4.26 309	1.73 134	1.46 56	1.78 150	1.60 107	1.50 168	8.88 278	2.39 280	0.47 274	0.38 273	0.44 259	0.58 331	0.89 336	0.97 339

UCFNet_RVC	1.57 104	0.84 217	3.25 121	1.36 266	1.40 293	4.07 239	1.01 212	2.68 75	1.50 51	2.11 186	1.88 191	2.37 206	1.50 168	3.41 178	1.42 165	0.36 186	0.28 198	0.52 305	0.40 281	0.53 258	0.43 209

FADNet-RVC-Resample	2.83 277	2.02 348	21.07 378	1.12 171	0.91 189	3.53 133	1.37 270	4.08 257	2.09 187	1.68 84	1.33 54	2.03 172	1.51 171	9.54 294	1.69 212	0.38 207	0.37 267	0.42 252	0.44 293	0.56 269	0.56 273

iResNetv2_ROB	2.65 263	5.00 377	19.28 322	2.06 360	1.09 233	3.83 183	1.13 237	4.14 274	2.09 187	1.85 109	2.03 217	2.01 171	1.51 171	3.58 181	1.58 193	0.34 164	0.21 80	0.32 133	0.21 28	0.44 223	0.29 74

SMFormer	2.00 166	0.57 45	4.46 144	1.36 266	0.57 106	2.03 32	0.73 87	4.25 302	2.80 303	2.32 249	2.31 276	1.95 156	1.52 173	10.99 339	2.13 265	0.34 164	0.32 229	0.36 206	0.31 201	0.38 163	0.36 144

tta	2.00 166	0.57 45	4.46 144	1.36 266	0.57 106	2.03 32	0.73 87	4.25 302	2.80 303	2.32 249	2.31 276	1.95 156	1.52 173	10.99 339	2.13 265	0.34 164	0.32 229	0.36 206	0.31 201	0.29 42	0.29 74

qqq1	1.92 151	0.57 45	4.46 144	1.36 266	0.57 106	2.03 32	0.73 87	4.25 302	2.80 303	2.32 249	2.31 276	1.95 156	1.52 173	10.99 339	0.71 25	0.34 164	0.32 229	0.30 99	0.23 57	0.29 42	0.29 74

fff1	1.92 151	0.57 45	4.46 144	1.36 266	0.57 106	2.03 32	0.73 87	4.25 302	2.80 303	2.32 249	2.31 276	1.95 156	1.52 173	10.99 339	0.71 25	0.34 164	0.32 229	0.30 99	0.23 57	0.29 42	0.29 74

AFF-stereo	1.31 79	0.77 188	1.46 14	1.10 165	0.45 46	3.93 206	0.48 15	2.92 90	2.92 318	1.90 122	2.21 254	2.11 185	1.52 173	1.93 106	1.12 113	0.21 1	0.16 4	0.25 26	0.25 87	0.29 42	0.20 6

DLCB_ROB	2.05 176	0.95 239	2.37 87	1.24 222	1.02 218	2.92 65	1.30 259	3.68 159	2.30 226	2.91 320	2.17 247	3.32 287	1.52 173	10.37 318	2.50 288	0.40 224	0.33 235	0.40 239	0.36 245	0.41 195	0.47 234

ETE_ROB	2.07 179	1.40 315	3.01 115	1.09 157	0.92 190	3.94 208	1.53 291	4.25 302	2.23 211	3.31 344	2.06 229	2.35 203	1.52 173	8.74 276	2.07 259	0.44 256	0.36 255	0.51 299	0.48 306	0.54 261	0.62 289

DMCA-RVC	2.45 233	1.22 290	18.29 302	1.23 220	1.14 238	2.49 50	0.85 147	3.29 119	1.68 122	3.02 329	1.41 67	2.00 168	1.53 180	6.39 235	2.00 249	0.38 207	0.30 215	0.44 259	0.35 237	0.45 230	0.44 214

ttt	2.76 274	0.56 40	2.28 81	1.41 281	1.21 260	3.67 160	0.77 114	4.59 368	2.94 320	2.35 257	2.30 269	2.45 216	1.54 181	11.25 346	15.56 381	0.43 249	0.36 255	0.37 218	0.33 216	0.40 174	0.40 193

DCANet-4	1.96 158	0.51 10	14.31 249	0.82 36	0.40 28	4.16 264	0.57 30	4.29 315	2.98 324	2.30 240	1.80 156	1.03 49	1.54 181	1.44 50	1.44 168	0.29 76	0.23 126	0.23 5	0.18 9	0.24 5	0.42 201

CASS	1.29 75	0.66 119	2.62 99	0.95 95	0.66 130	2.84 58	0.69 74	3.00 95	1.79 144	2.57 288	1.95 204	1.39 87	1.55 183	1.59 68	1.06 101	0.50 292	0.28 198	0.34 180	0.28 148	0.46 237	0.63 292
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
Any-RAFT	1.40 87	0.53 24	2.78 107	1.09 157	0.64 122	4.41 308	0.81 131	3.97 227	2.78 297	1.99 146	1.34 59	2.36 205	1.56 184	1.56 64	0.75 32	0.27 34	0.20 55	0.25 26	0.18 9	0.25 11	0.28 67

RAFT	1.23 53	0.84 217	2.05 54	0.96 99	0.47 62	1.80 23	0.94 197	3.18 110	1.46 32	1.60 67	1.71 129	3.04 266	1.59 185	1.64 80	1.32 152	0.38 207	0.24 154	0.40 239	0.32 208	0.40 174	0.35 141

STTStereo	2.34 220	0.95 239	14.93 257	1.43 284	1.54 312	3.86 196	0.86 149	3.65 154	2.44 255	2.15 197	1.55 90	2.49 221	1.59 185	5.14 210	1.44 168	0.38 207	0.39 281	0.47 272	0.51 315	0.52 252	0.51 255

BEATNet_4x	1.92 151	1.36 310	8.75 187	1.20 208	0.56 97	3.46 118	1.03 216	4.00 235	2.43 252	2.25 231	1.70 125	2.10 183	1.59 185	2.57 157	3.05 312	0.37 193	0.22 102	0.47 272	0.29 171	0.60 280	0.40 193

HSM-Net_RVC	2.87 282	0.57 45	17.46 293	0.92 81	0.90 188	3.70 163	1.20 249	5.64 393	2.51 268	3.22 342	2.43 287	2.54 224	1.59 185	11.41 349	1.65 208	0.34 164	0.25 171	0.26 36	0.23 57	0.30 57	0.29 74
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
TDLM	2.29 209	1.08 261	4.61 150	1.29 239	1.01 217	4.26 286	2.17 335	3.75 173	2.79 299	2.31 245	1.98 211	2.06 178	1.59 185	12.45 384	1.72 215	0.51 298	0.28 198	0.52 305	0.35 237	0.56 269	0.50 249

AEACV	0.79 3	0.54 29	1.35 10	0.97 106	0.63 120	1.13 6	0.92 193	2.02 27	0.91 1	0.76 13	0.79 6	0.80 30	1.61 190	1.28 36	0.61 1	0.22 4	0.18 24	0.26 36	0.23 57	0.27 23	0.23 14

IIG-Stereo	1.95 156	0.79 196	2.14 68	2.78 379	0.66 130	4.62 345	0.76 104	4.27 310	1.53 67	2.63 300	3.14 337	3.35 289	1.61 190	7.65 263	1.41 163	0.39 218	0.20 55	0.31 118	0.25 87	0.33 111	0.22 9

CC-Net-ROB	3.35 327	1.76 338	13.89 241	2.33 372	1.65 335	4.49 321	1.62 299	4.73 375	2.90 316	1.92 128	2.05 225	1.99 167	1.61 190	12.57 387	1.60 197	2.46 382	2.18 390	2.68 392	1.04 368	2.11 377	1.38 360

ACVNet-DCA	1.85 138	0.74 173	13.77 235	1.78 336	0.36 5	4.48 316	0.74 96	3.98 229	1.53 67	1.01 30	1.81 168	0.72 17	1.62 193	2.13 122	0.64 4	0.29 76	0.17 9	0.32 133	0.21 28	0.33 111	0.32 110

1test111	1.99 165	0.74 173	13.77 235	1.78 336	0.36 5	4.48 316	0.74 96	3.98 229	1.53 67	1.01 30	1.81 168	0.72 17	1.62 193	4.66 203	0.98 89	0.29 76	0.17 9	0.32 133	0.21 28	0.33 111	0.32 110

cc1	1.98 162	0.74 173	13.77 235	1.78 336	0.36 5	4.48 316	0.74 96	4.23 294	3.95 372	1.01 30	1.81 168	0.72 17	1.62 193	2.13 122	0.64 4	0.29 76	0.17 9	0.32 133	0.21 28	0.31 73	0.29 74

DualNet	2.49 242	0.60 72	5.21 157	1.14 179	0.99 209	3.62 151	0.86 149	4.22 289	3.37 355	2.20 214	2.30 269	3.48 295	1.62 193	2.21 131	16.09 383	0.29 76	0.16 4	0.48 280	0.37 256	0.30 57	0.29 74

ffm	1.72 122	0.60 72	5.21 157	1.14 179	0.99 209	3.62 151	0.86 149	4.22 289	3.37 355	2.20 214	2.30 269	3.48 295	1.62 193	2.21 131	0.65 8	0.29 76	0.16 4	0.48 280	0.37 256	0.30 57	0.29 74

ff1	2.96 291	0.60 72	5.21 157	1.14 179	0.99 209	3.62 151	0.86 149	4.22 289	3.37 355	2.20 214	2.30 269	3.48 295	1.62 193	11.62 357	16.09 383	0.29 76	0.16 4	0.48 280	0.37 256	0.30 57	0.29 74

mmx	2.98 297	0.60 72	5.21 157	1.14 179	0.99 209	3.62 151	0.86 149	4.49 358	3.05 330	2.20 214	2.30 269	3.48 295	1.62 193	11.62 357	16.09 383	0.33 153	0.28 198	0.48 280	0.37 256	0.44 223	0.37 158

xxx	2.98 297	0.60 72	5.21 157	1.14 179	0.99 209	3.62 151	0.86 149	4.49 358	3.05 330	2.20 214	2.30 269	3.48 295	1.62 193	11.62 357	16.09 383	0.33 153	0.28 198	0.48 280	0.37 256	0.44 223	0.37 158

gwcnet-sp	2.31 213	1.21 284	17.34 286	1.08 153	0.92 190	3.56 140	1.04 218	3.69 164	2.09 187	2.55 284	1.60 103	1.80 136	1.62 193	3.87 189	1.95 243	0.29 76	0.29 206	0.30 99	0.28 148	0.38 163	0.39 176

scenet	2.31 213	1.21 284	17.34 286	1.08 153	0.92 190	3.56 140	1.04 218	3.69 164	2.09 187	2.55 284	1.60 103	1.80 136	1.62 193	3.87 189	1.95 243	0.29 76	0.29 206	0.30 99	0.28 148	0.38 163	0.39 176

ssnet	2.31 213	1.21 284	17.34 286	1.08 153	0.92 190	3.56 140	1.04 218	3.69 164	2.09 187	2.55 284	1.60 103	1.80 136	1.62 193	3.87 189	1.95 243	0.29 76	0.29 206	0.30 99	0.28 148	0.38 163	0.39 176

CFNet_pseudo	2.12 183	0.67 127	15.14 262	0.85 58	0.74 147	3.95 213	0.64 56	3.95 221	1.78 142	1.90 122	1.79 153	3.27 283	1.62 193	2.51 149	1.16 119	0.31 127	0.36 255	0.53 307	0.27 123	0.63 288	0.44 214

MyStereo05	2.37 226	0.72 157	19.94 337	1.02 134	0.99 209	4.26 286	0.86 149	4.01 236	2.62 279	2.14 192	1.26 42	2.28 192	1.63 205	2.07 115	1.68 211	0.24 10	0.23 126	0.34 180	0.26 100	0.42 210	0.36 144

DCANet	1.74 125	0.73 165	9.08 189	0.82 36	0.40 28	4.18 271	0.59 39	4.25 302	2.97 321	2.35 257	1.84 180	1.18 64	1.63 205	1.51 59	1.55 190	0.29 76	0.24 154	0.23 5	0.18 9	0.30 57	0.53 262

NLCA_NET_v2_RVC	2.54 251	1.04 255	16.73 279	1.53 303	2.00 364	3.96 218	0.87 165	3.87 197	2.31 228	2.54 283	1.67 118	2.85 253	1.63 205	5.55 219	1.62 202	0.46 266	0.33 235	0.38 230	0.38 267	0.53 258	0.62 289
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
111	1.83 136	0.92 232	9.08 189	0.81 29	0.36 5	4.25 285	0.91 183	4.44 349	2.70 288	2.39 268	1.96 205	2.30 198	1.64 208	1.28 36	1.82 228	0.28 59	0.22 102	0.24 16	0.20 22	0.31 73	0.54 268

ccs_rob	2.13 185	0.67 127	15.11 261	0.84 49	0.75 148	3.96 218	0.65 62	3.95 221	1.78 142	1.88 116	1.79 153	3.26 282	1.64 208	2.51 149	1.16 119	0.31 127	0.36 255	0.54 314	0.27 123	0.65 297	0.45 219

MyStereo04	2.29 209	0.80 199	18.77 312	1.00 121	1.04 222	3.95 213	0.95 200	3.91 210	2.54 272	1.99 146	1.27 48	2.31 199	1.65 210	2.02 114	1.77 223	0.24 10	0.24 154	0.34 180	0.26 100	0.41 195	0.37 158

psm_up	2.28 206	0.81 203	5.45 162	1.26 230	1.50 308	3.84 188	1.23 253	4.23 294	2.03 176	2.55 284	1.80 156	2.44 215	1.65 210	12.90 388	1.58 193	0.37 193	0.38 273	0.41 246	0.34 223	0.43 218	0.39 176

acv_ft	1.55 98	0.64 102	3.29 123	1.14 179	2.01 365	2.93 66	0.97 207	3.81 184	2.08 184	2.22 223	1.88 191	3.10 270	1.66 212	1.33 41	2.22 271	0.29 76	0.26 182	0.30 99	0.26 100	0.39 171	0.27 54

NCCL2	2.53 249	1.35 309	10.90 214	1.15 192	0.97 202	3.53 133	2.56 347	3.65 154	2.23 211	2.76 311	1.80 156	2.41 209	1.66 212	10.35 317	2.07 259	0.44 256	0.40 286	0.57 319	0.53 322	0.59 276	0.65 296

LALA_ROB	1.95 156	1.48 321	3.11 118	1.05 143	0.98 206	3.99 224	1.82 316	4.44 349	2.28 223	3.31 344	1.85 187	2.76 248	1.67 214	4.04 196	3.23 315	0.46 266	0.41 292	0.55 315	0.52 318	0.60 280	0.57 277

GwcNet	3.00 300	1.63 328	19.83 334	1.32 248	2.04 368	3.27 93	1.55 295	3.65 154	2.33 230	2.00 158	2.12 240	3.56 310	1.68 215	9.47 292	2.45 284	0.44 256	0.45 306	0.46 269	0.38 267	0.60 280	0.76 317

DDUNet	2.91 285	2.78 364	6.94 172	3.53 389	2.26 375	3.28 96	1.36 266	3.77 177	2.04 179	2.62 297	2.49 292	4.18 338	1.69 216	5.38 214	1.85 232	2.21 381	1.77 386	2.61 390	2.43 398	2.60 379	2.34 380

DGSMNet	7.55 393	1.62 326	17.42 291	1.92 351	12.73 411	7.45 396	42.99 422	4.13 268	2.07 183	2.10 182	3.16 338	3.42 292	1.70 217	9.24 288	2.30 275	3.70 396	10.89 419	11.80 419	5.54 410	4.24 394	2.66 384

PSMNet-RSSM	1.96 158	0.77 188	3.26 122	1.29 239	1.31 274	4.19 275	0.96 205	3.68 159	1.89 158	2.05 172	1.80 156	2.60 230	1.70 217	9.84 300	1.81 227	0.35 181	0.29 206	0.35 195	0.37 256	0.42 210	0.35 141

ssnet_v2	2.04 173	0.88 225	7.87 177	1.20 208	0.87 177	3.86 196	1.64 302	4.01 236	2.60 278	2.61 296	1.96 205	3.79 317	1.71 219	2.20 130	2.96 308	0.41 234	0.35 251	0.42 252	0.37 256	0.55 263	0.52 260

pcwnet_v2	2.70 272	0.65 109	22.48 401	1.08 153	1.03 219	3.56 140	0.81 131	4.29 315	3.14 337	2.29 236	2.29 265	3.01 264	1.71 219	3.32 177	1.43 166	0.43 249	0.50 326	0.41 246	0.34 223	0.61 285	0.56 273

IPLGR	2.53 249	0.58 57	20.46 364	0.82 36	0.52 83	4.56 338	0.50 17	4.30 322	2.38 243	1.87 114	1.53 87	1.68 115	1.72 221	6.95 250	1.15 116	0.28 59	0.21 80	0.27 51	0.23 57	0.33 111	0.32 110

CVANet_RVC	2.55 255	1.10 265	9.13 194	1.46 291	1.15 240	3.96 218	1.53 291	3.91 210	2.50 265	3.04 330	2.04 220	2.60 230	1.72 221	12.46 385	1.50 180	0.49 289	0.30 215	0.51 299	0.41 285	0.63 288	0.50 249

XPNet_ROB	2.27 201	1.11 268	4.10 141	1.36 266	0.97 202	3.94 208	1.63 300	4.07 253	2.14 199	2.82 317	2.00 214	2.32 200	1.73 223	10.81 331	3.39 316	0.51 298	0.47 317	0.48 280	0.40 281	0.51 249	0.56 273

NVstereo2D	2.54 251	0.90 228	11.10 215	1.32 248	1.47 305	3.58 144	1.38 272	4.13 268	2.45 256	1.90 122	1.71 129	2.86 254	1.76 224	10.86 332	1.66 209	0.60 317	0.43 299	0.53 307	0.41 285	0.78 326	0.94 338

GES	1.38 86	0.64 102	2.61 97	1.09 157	0.57 106	4.30 295	1.02 215	3.86 195	1.51 55	1.72 91	1.74 136	1.28 75	1.77 225	1.62 76	1.61 200	0.39 218	0.27 190	0.33 164	0.30 185	0.41 195	0.47 234

ac_64	2.35 222	0.62 93	9.77 198	1.32 248	1.71 343	3.27 93	0.93 194	3.48 132	2.50 265	1.74 94	1.73 134	3.91 322	1.77 225	10.21 314	1.86 233	0.40 224	0.31 223	0.33 164	0.30 185	0.34 127	0.39 176

FADNet-RVC	2.51 245	2.27 353	14.03 243	1.09 157	0.81 158	3.54 137	1.10 231	4.13 268	2.48 260	1.39 51	1.22 34	1.85 148	1.77 225	9.78 299	2.06 256	0.38 207	0.37 267	0.40 239	0.40 281	0.67 305	0.48 238

test_5	1.87 139	0.75 182	10.23 206	1.14 179	1.40 293	3.85 194	1.27 257	3.91 210	1.93 162	1.69 85	1.78 150	1.67 114	1.79 228	2.99 174	1.17 122	0.30 110	0.18 24	0.35 195	0.33 216	0.34 127	0.33 120

DAS	2.31 213	0.67 127	4.79 151	1.14 179	1.64 332	2.93 66	2.13 333	4.09 259	2.74 292	4.17 366	2.52 296	2.46 217	1.79 228	11.55 354	1.63 204	0.37 193	0.22 102	0.39 233	0.25 87	0.41 195	0.34 130

SepStereo	2.15 186	0.67 127	4.79 151	1.14 179	1.64 332	2.93 66	2.13 333	4.09 259	2.74 292	4.17 366	2.52 296	2.46 217	1.79 228	8.36 269	1.63 204	0.37 193	0.22 102	0.39 233	0.25 87	0.41 195	0.34 130

ADLNet	2.29 209	0.83 213	3.62 137	1.35 260	1.60 325	3.67 160	1.24 255	3.95 221	2.98 324	2.58 290	2.29 265	4.01 328	1.79 228	11.23 345	2.09 261	0.37 193	0.38 273	0.36 206	0.34 223	0.45 230	0.71 304

PSMNet_ROB	2.95 288	1.38 312	18.46 309	1.19 205	1.20 256	3.80 179	1.65 305	3.54 143	2.35 233	1.98 141	1.71 129	2.75 242	1.79 228	11.43 351	2.78 303	0.42 244	0.36 255	0.50 296	0.60 334	0.59 276	0.49 242

RAFT_CTSACE	1.80 134	1.06 258	10.00 202	1.71 329	1.39 291	3.49 124	1.06 222	3.05 99	1.62 113	1.70 87	2.04 220	2.51 222	1.80 233	1.98 109	0.94 83	0.25 19	0.22 102	0.28 65	0.30 185	0.30 57	0.26 42

DANet	2.63 261	1.07 259	8.10 179	1.83 344	1.70 342	3.25 90	1.16 241	4.31 325	2.38 243	3.40 349	2.18 248	4.08 332	1.80 233	9.77 297	3.89 323	0.52 304	0.55 330	0.59 323	0.44 293	0.63 288	0.86 330
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
StereoDRNet	2.84 278	1.49 322	14.48 250	1.33 252	1.57 323	3.44 113	2.06 329	3.69 164	2.36 235	3.26 343	1.84 180	2.79 251	1.80 233	10.88 333	3.16 313	0.41 234	0.33 235	0.39 233	0.36 245	0.59 276	0.58 281

1111x	3.13 313	0.57 45	8.38 182	1.20 208	0.76 151	3.80 179	0.88 169	4.61 370	2.63 280	2.31 245	2.16 245	1.95 156	1.81 236	11.54 353	18.13 397	0.32 142	0.31 223	0.32 133	0.30 185	0.35 142	0.34 130

anonymousa	2.16 187	0.67 127	19.19 317	1.04 142	1.67 339	2.06 38	0.79 121	2.86 88	1.96 164	1.85 109	2.14 242	3.23 280	1.81 236	1.12 11	1.15 116	0.26 27	0.26 182	0.34 180	0.32 208	0.30 57	0.28 67

PSMNet-ADL	1.91 148	0.72 157	1.78 35	1.09 157	0.86 175	4.18 271	0.78 116	3.77 177	2.10 195	1.72 91	1.85 187	2.91 258	1.82 238	10.38 320	1.91 238	0.48 279	0.46 313	0.28 65	0.29 171	0.38 163	0.51 255

GANet-RSSM	1.98 162	0.62 93	3.49 129	1.69 327	1.23 261	4.22 281	0.91 183	3.31 121	1.86 152	1.81 105	1.74 136	2.34 201	1.82 238	10.92 336	1.73 219	0.34 164	0.29 206	0.31 118	0.28 148	0.39 171	0.40 193

S-Stereo	3.48 330	0.91 230	22.06 400	1.36 266	1.50 308	3.55 138	2.53 346	4.21 286	2.81 309	2.37 263	3.81 352	3.75 315	1.84 240	11.90 376	2.51 289	0.63 322	0.71 357	0.48 280	0.76 349	0.67 305	1.19 351

GANetREF_RVC	3.20 319	1.93 343	18.84 313	1.51 299	0.80 156	4.12 248	1.82 316	4.16 278	2.91 317	1.87 114	1.74 136	2.48 219	1.84 240	13.18 389	1.74 220	0.80 347	0.57 333	0.79 356	0.74 347	1.20 363	0.86 330
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
PASM	2.67 267	2.05 350	9.71 197	1.73 332	1.37 286	2.53 51	1.52 289	3.10 102	2.17 204	2.79 314	1.84 180	2.90 256	1.85 242	11.89 375	2.19 269	0.81 349	0.85 364	0.87 361	1.01 365	1.14 356	1.05 343

HH	2.23 193	0.86 222	21.59 393	0.98 109	0.51 76	1.49 14	0.82 134	2.74 77	1.54 74	1.10 37	1.69 123	4.62 357	1.86 243	2.55 154	0.69 18	0.26 27	0.22 102	0.29 80	0.23 57	0.34 127	0.27 54

HanStereo	2.23 193	0.86 222	21.59 393	0.98 109	0.51 76	1.49 14	0.82 134	2.74 77	1.54 74	1.10 37	1.69 123	4.62 357	1.86 243	2.55 154	0.69 18	0.26 27	0.22 102	0.29 80	0.23 57	0.34 127	0.27 54

GMM-Stereo	2.45 233	0.52 15	20.38 359	0.89 69	0.82 166	4.18 271	1.91 321	2.45 48	1.48 40	2.48 277	2.30 269	1.69 117	1.86 243	2.93 171	1.08 105	0.28 59	0.18 24	0.33 164	0.48 306	0.35 142	2.41 381

GEStereo_RVC	1.91 148	0.80 199	6.57 166	1.20 208	1.06 226	4.02 229	1.43 282	4.13 268	1.89 158	2.03 168	1.80 156	2.34 201	1.86 243	4.94 207	1.77 223	0.48 279	0.38 273	0.32 133	0.28 148	0.42 210	0.50 249

PA-Net	3.09 308	1.24 295	18.84 313	1.38 276	1.19 251	3.42 111	1.75 310	3.89 201	3.27 352	1.88 116	2.10 233	3.03 265	1.88 247	11.60 355	2.88 306	0.40 224	0.54 328	0.44 259	0.62 338	0.52 252	1.02 341
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
delet	1.92 151	0.76 185	5.14 154	1.01 125	1.65 335	3.44 113	2.03 328	3.76 175	2.48 260	2.01 160	2.05 225	2.63 234	1.90 248	5.34 213	2.12 262	0.28 59	0.29 206	0.40 239	0.31 201	0.41 195	0.45 219

SQANet	3.70 336	9.34 399	18.41 306	2.75 377	2.74 380	3.40 110	1.47 283	3.50 137	1.68 122	2.60 294	1.75 140	2.69 236	1.91 249	6.72 246	1.74 220	2.96 385	1.41 380	1.85 380	1.12 370	3.17 382	2.70 388

DISCO	2.25 197	0.73 165	10.06 203	1.76 334	1.12 236	3.47 120	1.25 256	3.24 116	2.26 218	2.65 303	1.96 205	4.53 353	1.92 250	4.17 199	3.61 319	0.32 142	0.25 171	0.31 118	0.29 171	0.66 302	0.41 198

ADLNet2	3.15 316	0.92 232	20.06 342	1.20 208	1.79 352	3.83 183	1.48 284	3.94 219	3.59 362	2.19 212	2.47 290	4.65 360	1.93 251	10.69 327	1.96 246	0.39 218	0.37 267	0.28 65	0.30 185	0.48 242	0.43 209

APVNet	3.13 313	1.25 297	21.14 380	1.31 246	1.52 310	3.94 208	1.13 237	3.32 125	2.14 199	2.20 214	2.03 217	3.05 269	1.96 252	11.79 370	2.53 291	0.42 244	0.45 306	0.64 338	0.46 299	0.67 305	0.57 277

MIPNet	2.33 218	0.71 154	19.82 333	0.89 69	0.56 97	4.76 371	0.61 45	4.32 329	2.37 241	1.83 108	1.48 80	1.48 98	1.98 253	2.63 160	1.44 168	0.29 76	0.20 55	0.26 36	0.23 57	0.30 57	0.39 176

riskmin	1.25 61	0.56 40	2.05 54	1.05 143	0.93 195	2.86 60	0.55 27	3.23 114	1.34 17	1.55 63	1.07 20	3.56 310	2.03 254	1.29 38	1.00 96	0.28 59	0.27 190	0.34 180	0.21 28	0.41 195	0.43 209

GANet	2.93 287	1.05 256	11.29 217	1.64 322	0.96 199	3.91 201	2.52 345	3.72 170	2.41 248	2.95 327	3.00 328	3.21 277	2.03 254	12.42 383	4.72 331	0.51 298	0.41 292	0.46 269	0.39 271	0.60 280	0.50 249

HBP-ISP	3.25 322	1.10 265	20.86 373	1.54 305	1.15 240	4.50 324	2.89 357	4.43 348	2.38 243	4.14 365	1.96 205	1.90 151	2.04 256	11.08 344	1.32 152	0.66 330	0.57 333	0.66 341	0.61 337	0.64 294	0.61 287

Wz-Net-SNSev	2.98 297	4.36 374	15.98 268	1.57 313	1.19 251	3.28 96	1.80 314	3.96 226	2.40 246	2.32 249	2.28 263	3.48 295	2.05 257	7.84 265	3.82 322	0.47 274	0.39 281	0.53 307	0.49 309	0.71 316	0.60 285

Wz-Net-LNSev	2.30 212	1.67 334	14.88 254	1.18 203	1.65 335	3.49 124	1.54 294	3.63 152	2.03 176	1.88 116	1.64 112	3.29 284	2.06 258	2.71 166	2.02 252	0.40 224	0.33 235	0.32 133	0.31 201	0.53 258	0.49 242

FADNet	2.49 242	1.76 338	13.17 226	1.17 198	0.95 198	3.27 93	0.88 169	3.94 219	2.27 220	1.40 52	1.29 51	2.51 222	2.06 258	9.93 305	1.94 241	0.43 249	0.45 306	0.40 239	0.43 291	1.06 348	0.53 262

FBW_ROB	3.24 320	1.02 250	9.21 195	1.49 297	1.07 228	3.78 175	1.48 284	4.31 325	3.08 332	2.46 274	2.32 281	4.20 341	2.08 260	15.19 403	7.16 351	0.84 353	0.62 345	1.33 376	0.92 361	0.99 345	1.31 355

MFN_U_SF_DS_RVC	3.94 344	10.88 405	12.30 222	1.26 230	1.55 316	5.19 380	3.33 371	4.42 345	2.82 311	2.58 290	2.62 305	5.00 366	2.11 261	14.03 401	2.73 300	1.28 372	2.34 396	0.67 343	1.83 389	0.81 330	1.03 342

IER	1.69 120	0.65 109	7.19 173	0.94 94	1.15 240	3.28 96	0.89 171	3.48 132	1.97 166	2.10 182	1.98 211	2.28 192	2.12 262	2.25 136	1.75 222	0.29 76	0.23 126	0.36 206	0.30 185	0.32 96	0.34 130

MMNet	2.02 170	0.81 203	10.76 212	1.12 171	1.23 261	3.53 133	0.89 171	3.79 181	2.08 184	2.15 197	1.76 143	2.15 186	2.12 262	3.69 185	2.32 277	0.31 127	0.29 206	0.34 180	0.27 123	0.38 163	0.42 201

HGLStereo	2.03 171	0.74 173	7.50 176	1.23 220	1.56 319	3.62 151	0.95 200	3.78 180	1.89 158	2.03 168	2.20 252	3.12 273	2.14 264	5.68 223	2.04 253	0.37 193	0.31 223	0.32 133	0.29 171	0.40 174	0.45 219

TestStereo1	1.56 102	0.81 203	2.32 83	1.61 320	0.64 122	4.13 251	1.36 266	3.79 181	3.20 345	1.60 67	2.57 303	1.39 87	2.15 265	2.51 149	1.30 149	0.29 76	0.20 55	0.34 180	0.25 87	0.40 174	0.36 144

SA-5K	1.56 102	0.81 203	2.32 83	1.61 320	0.64 122	4.13 251	1.36 266	3.79 181	3.20 345	1.60 67	2.57 303	1.39 87	2.15 265	2.51 149	1.30 149	0.29 76	0.20 55	0.34 180	0.25 87	0.40 174	0.36 144

GASNet	3.24 320	5.55 381	20.58 368	1.56 312	1.25 266	2.32 46	1.12 234	4.04 246	2.67 285	1.88 116	2.10 233	3.00 263	2.16 267	10.59 323	2.43 283	0.65 328	0.37 267	0.61 331	0.45 297	0.87 335	0.58 281

RYNet	2.97 295	0.93 235	15.09 260	1.12 171	1.38 290	3.66 159	1.42 280	4.03 242	2.29 225	2.10 182	1.70 125	3.79 317	2.16 267	13.64 397	3.02 311	0.37 193	0.41 292	0.48 280	0.34 223	0.81 330	0.75 315

Ntro	4.21 353	8.94 395	19.89 336	3.22 385	2.96 384	4.15 255	1.89 320	3.92 215	2.36 235	1.77 98	2.14 242	3.35 289	2.17 269	9.48 293	2.24 272	3.52 393	1.76 385	2.13 383	1.31 377	3.83 391	3.09 390

fast-acv-ft	2.54 251	1.19 281	20.08 345	1.41 281	1.40 293	3.18 81	1.17 244	3.37 128	2.28 223	1.90 122	2.15 244	2.69 236	2.17 269	2.91 170	2.31 276	0.37 193	0.39 281	0.45 265	0.39 271	0.57 273	0.45 219

PWC_ROB	2.69 271	2.01 347	8.36 181	1.33 252	1.90 360	3.23 85	1.18 245	4.33 331	3.25 348	3.11 335	3.41 345	2.71 238	2.18 271	9.15 286	4.48 327	0.56 311	0.31 223	0.61 331	0.36 245	0.69 310	0.74 312

MSC_U_SF_DS_RVC	4.48 357	10.62 403	15.18 263	1.55 310	1.45 304	6.16 386	3.54 378	5.41 391	3.68 366	2.59 293	2.74 313	4.81 362	2.20 272	13.79 398	4.40 326	2.04 379	3.36 409	1.05 368	1.20 375	2.09 376	1.72 369

iRaft-Stereo_5w	2.10 182	0.83 213	8.57 183	0.81 29	0.76 151	3.21 82	0.84 141	3.71 169	1.65 118	1.56 65	2.50 293	2.20 188	2.23 273	9.13 285	2.01 251	0.38 207	0.19 38	0.35 195	0.27 123	0.45 230	0.39 176

SA	1.62 113	0.75 182	3.78 140	1.07 149	0.43 37	4.26 286	1.36 266	4.45 352	3.12 334	1.63 75	1.97 210	1.68 115	2.26 274	2.55 154	1.27 143	0.27 34	0.22 102	0.37 218	0.37 256	0.35 142	0.30 96

RTSC	2.95 288	2.51 357	15.49 266	1.54 305	1.30 272	3.51 129	0.86 149	3.89 201	2.48 260	3.64 352	3.12 335	3.04 266	2.30 275	5.70 224	6.67 342	0.55 309	0.35 251	0.37 218	0.39 271	0.70 311	0.60 285

DeepPrunerF	3.70 336	1.72 335	14.87 253	1.33 252	1.74 346	3.70 163	1.55 295	4.20 282	14.00 402	2.02 164	1.77 148	2.74 240	2.30 275	10.88 333	6.88 348	0.68 335	0.60 342	0.78 355	0.78 354	0.81 330	0.71 304

RASNet	2.56 256	0.70 144	10.06 203	1.60 317	2.25 374	3.67 160	1.00 211	3.38 129	3.14 337	1.81 105	2.11 237	4.60 356	2.30 275	10.25 316	2.61 296	0.37 193	0.24 154	0.25 26	0.24 78	0.28 34	0.26 42

ccnet	2.66 265	0.97 246	8.01 178	1.54 305	1.24 263	3.75 170	2.18 336	4.07 253	2.41 248	2.66 304	3.25 340	2.87 255	2.31 278	9.89 302	3.50 317	0.78 344	0.75 361	0.71 347	0.67 340	0.76 323	0.81 324

Nwc_Net	2.88 284	1.16 277	18.30 303	1.35 260	1.68 340	3.52 132	1.18 245	3.90 206	2.06 182	2.52 282	2.82 322	3.82 319	2.34 279	6.78 247	2.55 294	0.86 354	0.40 286	0.59 323	0.67 340	0.57 273	0.55 271

otaku	4.58 360	8.93 394	19.95 338	3.11 384	2.67 378	3.91 201	2.57 348	3.82 185	2.25 215	2.22 223	9.72 388	4.08 332	2.35 280	8.57 273	2.13 265	3.51 392	1.65 384	2.15 384	1.17 373	3.69 388	3.15 392

Anonymous_2	3.01 301	0.89 226	4.53 149	1.06 147	1.18 245	2.93 66	0.87 165	3.24 116	1.46 32	1.86 113	1.35 61	4.11 334	2.35 280	1.64 80	1.28 146	0.82 350	0.90 366	8.71 415	15.84 419	4.44 398	0.74 312

UNet	2.51 245	0.74 173	20.17 348	1.14 179	1.44 301	3.48 122	0.76 104	3.77 177	1.87 153	2.05 172	1.57 95	2.75 242	2.39 282	3.51 180	2.51 289	0.32 142	0.26 182	0.41 246	0.26 100	0.38 163	0.39 176

MFMNet_re	2.91 285	1.91 342	18.25 301	3.06 383	1.89 359	3.13 80	1.67 307	3.52 141	2.97 321	3.14 337	2.87 324	2.26 190	2.41 283	2.42 140	2.00 249	1.10 364	1.05 369	0.94 363	0.90 360	1.28 365	1.46 364

PWCDC_ROB	2.95 288	3.26 368	14.06 244	1.59 315	1.56 319	4.19 275	0.86 149	4.30 322	4.08 374	2.06 175	7.37 370	2.75 242	2.42 284	3.59 182	2.67 299	1.34 377	0.36 255	0.39 233	0.34 223	1.13 355	0.62 289

LMCR-Stereo	2.40 228	1.31 303	18.61 310	1.59 315	0.86 175	3.87 198	1.15 240	4.32 329	1.60 107	2.25 231	2.27 260	1.13 56	2.43 285	2.48 145	1.60 197	0.88 355	0.24 154	0.29 80	0.24 78	0.56 269	0.30 96

edge stereo	3.37 328	1.01 249	21.99 399	1.28 236	1.37 286	2.67 56	1.39 273	3.98 229	2.87 314	2.93 322	3.27 342	4.35 346	2.43 285	11.62 357	2.39 280	0.60 317	0.63 347	0.79 356	0.55 325	0.68 308	0.67 299

PDISCO_ROB	2.86 279	1.53 324	14.27 248	1.98 356	2.19 371	4.52 329	1.35 264	4.65 371	3.19 342	2.09 179	2.16 245	3.53 306	2.45 287	5.32 212	2.12 262	1.30 375	0.78 362	0.72 351	0.59 333	1.24 364	1.28 353

UDG	3.55 331	2.81 365	17.45 292	2.69 376	1.98 363	3.97 221	1.19 248	4.35 335	2.02 174	2.42 272	2.53 298	4.50 351	2.46 288	6.53 237	2.41 282	2.12 380	1.77 386	2.63 391	2.57 400	2.64 380	1.95 374

DSFCA	1.89 144	0.69 134	3.14 119	1.10 165	1.18 245	3.99 224	1.79 312	3.50 137	2.16 202	3.10 334	1.64 112	2.91 258	2.50 289	5.38 214	2.26 273	0.43 249	0.38 273	0.37 218	0.36 245	0.50 248	0.42 201

Wz-Net-LNSev-Ref	2.42 230	1.47 320	14.14 245	1.30 244	1.35 283	3.51 129	1.64 302	4.04 246	2.10 195	2.46 274	1.88 191	2.28 192	2.51 290	4.73 206	3.17 314	0.38 207	0.19 38	0.35 195	0.20 22	0.40 174	0.36 144

DRN-Test	3.03 303	0.99 247	18.18 300	1.35 260	1.60 325	3.59 145	1.48 284	4.13 268	2.45 256	3.47 351	1.92 202	2.58 229	2.53 291	10.88 333	2.80 304	0.39 218	0.36 255	0.44 259	0.41 285	0.55 263	0.57 277

psmorigin	6.59 385	1.15 274	88.11 431	1.52 300	0.97 202	2.88 61	1.20 249	3.21 111	2.04 179	3.73 355	2.46 288	5.15 371	2.55 292	10.60 324	2.47 286	0.55 309	0.68 355	0.48 280	0.51 315	0.70 311	0.88 334

RAFT_R40	1.70 121	0.59 63	2.99 113	1.46 291	0.46 52	4.74 369	0.98 210	2.23 37	1.56 84	2.02 164	2.35 284	2.71 238	2.56 293	6.71 245	0.90 66	0.40 224	0.19 38	0.30 99	0.27 123	0.33 111	0.26 42

RP	2.79 275	1.20 283	10.36 207	1.54 305	1.93 361	3.44 113	1.97 324	4.05 250	2.34 231	2.66 304	2.79 317	3.98 326	2.58 294	10.21 314	2.61 296	0.95 358	0.47 317	0.71 347	0.57 330	0.71 316	0.68 301

CBMV	3.32 325	0.96 245	21.16 382	1.32 248	0.83 167	3.81 181	3.91 386	4.47 354	2.53 270	3.34 346	2.24 257	4.45 349	2.58 294	10.07 312	1.96 246	0.45 262	0.43 299	0.48 280	0.38 267	0.52 252	0.53 262
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
IRAFT_RVC	1.87 139	0.60 72	4.33 143	2.40 373	0.66 130	4.59 341	1.59 297	2.96 92	1.51 55	2.23 227	1.75 140	2.09 182	2.63 296	6.70 243	1.50 180	0.33 153	0.21 80	0.33 164	0.29 171	0.32 96	0.32 110

NCC-stereo	3.16 317	1.28 299	18.31 304	1.25 224	1.75 347	4.06 234	1.40 275	3.89 201	2.22 209	2.72 308	2.55 299	3.49 302	2.65 297	9.91 303	2.99 309	1.29 373	0.65 349	0.64 338	0.86 358	0.65 297	0.71 304

Abc-Net	3.16 317	1.28 299	18.31 304	1.25 224	1.75 347	4.06 234	1.40 275	3.89 201	2.22 209	2.72 308	2.55 299	3.49 302	2.65 297	9.91 303	2.99 309	1.29 373	0.65 349	0.64 338	0.86 358	0.65 297	0.71 304
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
RGC	3.10 311	1.45 319	14.90 255	1.46 291	1.79 352	3.33 102	1.39 273	4.04 246	2.26 218	2.77 312	3.26 341	4.00 327	2.71 299	11.63 362	2.62 298	0.82 350	0.46 313	0.79 356	0.79 355	0.71 316	0.78 321

SHD	2.82 276	2.04 349	13.80 239	1.69 327	1.79 352	2.73 57	1.07 224	3.85 192	3.18 341	4.63 374	2.74 313	3.38 291	2.77 300	5.48 218	3.66 320	0.62 321	0.47 317	0.51 299	0.55 325	0.65 297	0.74 312

stereogan	3.09 308	0.93 235	16.43 273	1.37 274	1.66 338	3.70 163	1.67 307	3.87 197	3.15 339	3.04 330	2.70 312	5.04 368	2.79 301	9.96 306	1.78 225	0.63 322	0.49 324	0.69 344	0.47 302	0.83 333	0.68 301

Wz-Net-TNSev	3.67 335	8.83 391	13.47 231	1.48 295	1.18 245	3.60 147	2.49 344	4.27 310	3.13 335	2.18 208	1.89 196	4.21 342	2.80 302	12.10 378	7.58 354	0.57 313	0.55 330	0.47 272	0.54 324	0.91 339	1.05 343

ADCRef	3.30 323	1.23 294	14.90 255	1.17 198	1.41 299	3.95 213	1.64 302	3.88 200	2.36 235	3.05 332	2.21 254	2.40 207	2.81 303	5.04 208	16.63 389	0.46 266	0.34 247	0.63 335	0.62 338	0.54 261	0.67 299

ACVNet_2	5.41 372	12.60 408	20.42 362	3.27 386	3.15 390	4.50 324	3.02 363	4.66 372	3.73 367	3.35 348	5.36 365	7.86 384	2.88 304	12.33 382	4.76 332	3.12 388	2.22 391	2.70 393	1.69 383	3.49 384	3.10 391

ACVNet-4b	6.73 387	13.67 412	21.87 398	3.54 390	3.07 386	4.19 275	2.25 337	4.03 242	3.65 364	1.64 77	3.98 355	5.88 375	2.89 305	10.01 309	16.98 391	23.29 424	2.24 392	2.53 387	1.78 387	3.87 392	3.21 395

RainbowNet	4.56 358	8.28 388	20.07 344	3.64 393	3.23 392	4.15 255	2.99 362	4.18 279	3.03 329	2.20 214	2.65 308	4.26 343	2.90 306	9.77 297	2.12 262	3.88 398	2.27 393	2.71 394	1.72 386	3.78 390	3.31 397

XQC	2.96 291	2.42 356	14.85 252	1.36 266	1.32 278	3.29 100	1.53 291	4.28 314	2.78 297	3.21 341	2.46 288	3.53 306	2.92 307	6.58 238	4.67 329	0.70 339	0.41 292	0.59 323	0.56 327	0.96 344	0.83 329

SPS-STEREO	3.97 346	1.44 318	20.85 372	1.72 331	1.71 343	3.24 87	2.30 340	3.55 144	2.68 287	4.79 376	3.66 349	5.44 374	2.97 308	9.11 284	9.35 362	1.15 367	1.10 371	1.06 369	1.02 367	1.16 359	1.18 350
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
iinet-f	2.26 199	1.18 279	13.71 233	1.14 179	1.11 235	3.77 173	1.10 231	4.14 274	2.17 204	2.06 175	1.76 143	2.99 262	2.99 309	2.50 146	2.49 287	0.35 181	0.39 281	0.27 51	0.28 148	0.45 230	0.39 176

MSMDNet	2.23 193	0.64 102	17.32 285	0.84 49	0.75 148	3.53 133	0.64 56	3.61 151	1.98 168	1.71 90	1.64 112	3.22 278	2.99 309	2.08 117	1.11 110	0.31 127	0.37 267	0.45 265	0.26 100	0.62 287	0.45 219

Wz-Net-MNSev	2.71 273	2.54 361	13.91 242	1.52 300	1.37 286	3.28 96	2.47 342	4.03 242	2.32 229	2.57 288	2.07 231	2.29 197	3.01 311	7.55 260	2.74 301	0.38 207	0.36 255	0.36 206	0.37 256	0.57 273	0.47 234

fff	1.74 125	0.70 144	9.08 189	0.81 29	0.36 5	4.15 255	0.57 30	4.23 294	2.09 187	2.30 240	1.80 156	1.19 67	3.02 312	1.44 50	1.46 172	0.29 76	0.23 126	0.23 5	0.18 9	0.24 5	0.42 201

csc	1.74 125	0.70 144	9.08 189	0.81 29	0.36 5	4.15 255	0.57 30	4.23 294	2.09 187	2.30 240	1.80 156	1.19 67	3.02 312	1.44 50	1.46 172	0.29 76	0.23 126	0.23 5	0.18 9	0.24 5	0.42 201

cscssc	1.74 125	0.70 144	9.08 189	0.81 29	0.36 5	4.15 255	0.57 30	4.23 294	2.09 187	2.30 240	1.80 156	1.19 67	3.02 312	1.44 50	1.46 172	0.29 76	0.23 126	0.23 5	0.18 9	0.24 5	0.42 201

PCWNet_CMD	2.23 193	0.65 109	17.36 289	0.83 43	0.76 151	3.51 129	0.64 56	3.60 150	1.97 166	1.70 87	1.63 110	3.22 278	3.05 315	2.09 120	1.11 110	0.31 127	0.36 255	0.47 272	0.26 100	0.64 294	0.47 234

HSM	2.35 222	0.81 203	2.21 73	1.14 179	1.55 316	3.44 113	1.03 216	3.99 233	2.25 215	2.29 236	2.11 237	8.04 385	3.05 315	11.60 355	1.71 214	0.33 153	0.22 102	0.28 65	0.23 57	0.32 96	0.35 141

ADCS	4.22 354	5.33 378	16.32 271	1.64 322	1.31 274	3.91 201	3.64 380	4.21 286	2.89 315	5.11 378	2.81 321	4.46 350	3.06 317	5.21 211	19.50 403	0.63 322	0.64 348	0.69 344	0.69 345	1.12 354	1.26 352

LL-Strereo	3.01 301	1.81 340	17.59 296	1.12 171	2.10 369	2.90 62	1.09 229	4.33 331	2.00 173	3.12 336	2.24 257	3.29 284	3.15 318	11.31 347	1.84 231	0.30 110	0.28 198	0.46 269	0.34 223	0.49 247	0.45 219

RTS	3.90 342	7.04 385	17.94 298	1.92 351	2.19 371	5.00 377	2.96 360	4.29 315	3.19 342	4.05 362	3.08 332	4.94 364	3.16 319	7.64 261	6.72 343	0.66 330	0.44 302	0.51 299	0.47 302	0.95 340	0.76 317

RTSA	3.90 342	7.04 385	17.94 298	1.92 351	2.19 371	5.00 377	2.96 360	4.29 315	3.19 342	4.05 362	3.08 332	4.94 364	3.16 319	7.64 261	6.72 343	0.66 330	0.44 302	0.51 299	0.47 302	0.95 340	0.76 317

Syn2CoEx	3.08 307	2.55 362	19.88 335	1.34 256	1.18 245	2.43 49	1.65 305	3.91 210	2.40 246	2.39 268	2.27 260	2.90 256	3.17 321	9.57 295	2.54 293	0.50 292	0.45 306	0.53 307	0.39 271	0.74 320	0.72 310

AF-Net	2.87 282	1.30 301	16.24 270	1.33 252	1.75 347	3.26 91	1.59 297	4.09 259	2.43 252	2.69 306	2.94 325	4.51 352	3.20 322	5.84 226	2.75 302	0.76 343	0.36 255	0.72 351	0.49 309	0.70 311	0.56 273

SST-Stereo	1.76 129	0.58 57	3.10 117	1.44 286	0.46 52	4.71 365	0.76 104	2.22 36	2.79 299	2.07 178	2.18 248	2.43 213	3.22 323	6.66 242	0.84 48	0.42 244	0.19 38	0.30 99	0.27 123	0.35 142	0.26 42

LSM	12.71 406	3.52 371	20.79 371	55.63 429	84.76 427	3.63 157	6.30 392	3.73 171	4.93 383	5.55 379	13.92 402	3.53 306	3.25 324	9.72 296	4.12 324	0.64 325	0.85 364	0.71 347	0.81 356	1.03 346	26.84 419

PVD	3.12 312	1.97 346	12.80 225	1.79 341	1.63 330	3.83 183	1.34 263	3.48 132	3.88 369	5.77 380	3.56 348	3.45 294	3.29 325	5.58 222	5.30 339	0.71 341	0.69 356	0.74 354	0.77 351	0.79 328	1.13 348

AnyNet_C01	4.37 356	7.80 387	16.40 272	1.98 356	1.40 293	6.37 388	6.47 393	4.09 259	5.03 384	4.06 364	3.78 351	4.16 337	3.31 326	6.62 240	10.00 364	0.61 319	0.67 352	0.63 335	0.67 340	2.01 375	1.31 355

FAT-Stereo	3.34 326	0.81 203	20.05 341	1.25 224	1.20 256	3.44 113	1.99 326	4.23 294	2.67 285	3.14 337	3.82 353	3.51 304	3.32 327	11.68 365	1.94 241	0.64 325	0.67 352	0.48 280	0.52 318	0.61 285	0.81 324

HHNet	2.48 240	0.71 154	20.52 365	0.64 3	0.64 122	4.07 239	0.93 194	3.76 175	1.56 84	2.15 197	4.92 363	0.98 45	3.37 328	1.66 83	1.79 226	0.32 142	0.20 55	0.31 118	0.27 123	0.36 153	0.42 201

ADStereo(finetuned)	2.04 173	0.73 165	13.28 228	0.82 36	0.40 28	4.16 264	0.59 39	4.25 302	2.97 321	2.35 257	1.84 180	1.18 64	3.40 329	1.52 60	1.54 189	0.29 76	0.24 154	0.23 5	0.18 9	0.30 57	0.51 255

KYRaft	1.59 110	0.52 15	1.73 28	0.95 95	0.49 72	4.38 301	1.79 312	2.43 46	1.51 55	2.49 278	2.98 327	2.00 168	3.41 330	2.14 125	0.82 43	0.30 110	0.21 80	0.33 164	0.46 299	0.35 142	2.45 383

AnyNet_C32	4.17 352	5.75 382	12.62 223	1.60 317	1.54 312	5.51 383	4.09 387	3.90 206	3.23 347	4.22 370	3.03 330	3.10 270	3.41 330	8.01 267	18.85 401	0.53 306	0.58 337	0.53 307	0.74 347	1.19 362	0.97 339

MADNet+	3.97 346	9.54 400	13.83 240	1.87 349	1.69 341	4.19 275	2.87 356	4.80 378	4.10 375	2.51 281	2.67 309	4.55 354	3.41 330	8.72 275	6.92 349	1.25 370	1.27 377	1.04 367	0.93 362	1.39 369	1.85 372

pmcnn	5.45 373	1.22 290	17.40 290	1.60 317	2.41 377	3.48 122	2.12 332	4.52 363	3.26 349	3.67 354	13.15 400	22.10 405	3.46 333	11.92 377	17.16 392	0.34 164	0.21 80	0.23 5	0.19 18	0.36 153	0.28 67

Prome-Stereo	1.61 112	0.55 33	1.71 27	0.98 109	0.60 113	4.41 308	1.82 316	3.03 97	1.53 67	2.18 208	3.45 346	1.72 121	3.49 334	2.23 135	1.08 105	0.29 76	0.20 55	0.26 36	0.25 87	0.34 127	2.16 377

SuperB	4.79 363	4.41 375	21.08 379	1.45 289	1.08 230	3.91 201	3.08 366	4.18 279	3.01 327	2.50 279	2.10 233	2.75 242	3.49 334	8.80 277	19.60 404	0.44 256	0.33 235	0.53 307	0.39 271	12.01 415	0.64 294

MFN_U_SF_RVC	3.81 340	10.78 404	15.01 258	1.84 345	1.39 291	3.73 168	1.63 300	4.05 250	3.26 349	2.91 320	2.38 285	4.36 348	3.65 336	8.43 271	4.91 335	1.11 366	1.04 368	0.99 365	1.31 377	1.58 371	1.75 371

ADCMid	3.96 345	3.27 369	15.48 265	1.26 230	1.40 293	4.66 351	2.28 338	4.06 252	3.54 361	3.94 359	3.02 329	3.85 320	3.67 337	4.03 195	18.65 400	0.68 335	0.61 344	1.09 371	1.18 374	1.38 368	1.08 345

ASMatch	2.62 260	0.60 72	20.65 370	1.37 274	0.64 122	4.39 303	0.78 116	1.97 24	1.58 92	1.70 87	3.89 354	1.94 154	3.79 338	5.46 216	1.64 206	0.31 127	0.24 154	0.34 180	0.28 148	0.33 111	0.50 249

G-Net	4.11 350	1.21 284	19.47 325	2.31 371	2.94 383	4.74 369	2.95 358	3.33 127	2.14 199	4.44 372	9.43 386	6.93 381	3.84 339	9.01 283	4.92 336	0.79 345	0.80 363	0.70 346	0.50 313	0.95 340	0.87 333

SGM-Forest	2.96 291	0.62 93	3.49 129	1.09 157	0.80 156	4.06 234	3.30 369	4.37 339	3.09 333	4.18 369	3.27 342	4.67 361	3.86 340	11.69 366	7.91 355	0.51 298	0.46 313	0.49 293	0.39 271	0.48 242	0.49 242
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
anonymity	1.76 129	1.26 298	2.73 106	1.66 324	1.32 278	1.84 24	1.07 224	3.49 135	2.30 226	2.11 186	2.11 237	1.71 120	3.90 341	1.82 97	1.48 176	1.10 364	1.09 370	1.08 370	1.08 369	1.05 347	1.09 346

AAGNet	2.86 279	0.60 72	1.77 33	2.05 359	0.46 52	4.76 371	1.09 229	2.27 38	1.56 84	2.17 206	1.84 180	2.41 209	4.00 342	6.23 234	24.22 410	0.46 266	0.19 38	0.30 99	0.29 171	0.32 96	0.24 20

CBFPSM	2.05 176	0.95 239	10.12 205	1.07 149	1.05 224	2.84 58	1.20 249	3.28 118	1.73 134	1.82 107	1.30 52	4.56 355	4.06 343	2.34 139	2.34 279	0.25 19	0.38 273	0.32 133	0.27 123	0.37 159	0.79 323

SAMSARA	3.55 331	2.16 352	14.18 246	1.86 348	1.49 306	4.62 345	2.65 350	3.58 149	2.80 303	7.05 389	3.05 331	5.16 372	4.07 344	9.18 287	4.80 333	0.64 325	0.67 352	0.59 323	0.68 343	0.89 336	0.91 335

Dean	7.52 392	9.08 396	21.41 389	3.74 394	3.53 393	4.81 373	3.53 376	5.33 389	5.25 385	4.17 366	26.53 413	25.62 413	4.09 345	10.97 337	4.32 325	3.69 395	2.30 394	2.91 395	1.87 391	4.03 393	3.24 396

LCNet	1.55 98	0.54 29	1.88 39	0.99 114	0.55 94	3.60 147	1.21 252	2.86 88	1.53 67	2.18 208	1.74 136	1.43 95	4.17 346	3.62 183	0.87 60	0.29 76	0.20 55	0.28 65	0.77 351	0.47 239	1.85 372

MyStereo06	2.46 235	0.72 157	19.97 339	1.02 134	0.99 209	4.26 286	0.86 149	3.51 140	1.68 122	1.92 128	1.73 134	4.01 328	4.22 347	1.62 76	0.88 62	0.24 10	0.23 126	0.34 180	0.26 100	0.42 210	0.36 144

LVE	6.88 390	9.31 398	21.14 380	3.61 392	3.18 391	4.49 321	2.79 352	10.21 400	11.69 399	3.16 340	11.53 395	18.33 401	4.31 348	11.66 363	3.52 318	4.45 404	2.93 401	2.56 388	1.91 392	3.62 385	3.16 393

ACVNet_1	6.04 382	13.97 413	21.36 388	3.58 391	3.14 389	4.73 366	2.48 343	4.20 282	3.17 340	2.98 328	2.83 323	23.31 407	4.34 349	11.06 343	2.45 284	3.68 394	2.33 395	2.60 389	1.79 388	3.69 388	3.19 394

Consistency-Raft	2.86 279	1.66 332	19.61 327	1.40 280	1.75 347	3.84 188	1.32 261	4.07 253	2.25 215	1.78 100	2.67 309	1.82 140	4.41 350	1.94 108	2.06 256	0.83 352	0.94 367	1.03 366	1.12 370	1.70 374	1.09 346

MDST_ROB	5.53 374	0.59 63	23.11 404	2.55 375	2.69 379	21.20 413	1.98 325	4.77 377	2.65 282	9.36 399	4.25 356	4.14 336	4.45 351	22.57 408	3.68 321	0.48 279	0.33 235	0.47 272	0.44 293	0.44 223	0.44 214

NVStereoNet_ROB	4.91 366	1.40 315	16.46 274	1.47 294	1.72 345	3.46 118	1.96 323	3.89 201	3.61 363	2.90 319	24.61 412	4.81 362	4.49 352	13.57 395	4.87 334	1.33 376	1.29 378	1.70 379	1.68 382	1.41 370	1.66 366
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
iRaft-Stereo_20w	1.88 143	0.62 93	10.58 211	0.90 74	0.83 167	2.96 70	0.78 116	4.90 379	1.58 92	2.29 236	1.60 103	1.25 72	4.51 353	2.28 138	0.90 66	0.29 76	0.21 80	0.26 36	0.24 78	0.41 195	0.31 103

EDNetEfficientorigin	12.35 405	2.51 357	179.47 435	1.19 205	0.96 199	2.91 64	1.81 315	3.00 95	5.35 386	8.91 397	4.79 361	4.18 338	4.64 354	9.98 307	11.30 369	0.37 193	0.38 273	0.60 328	0.85 357	1.32 367	2.43 382

NaN_ROB	4.06 349	1.13 270	16.64 276	1.12 171	1.25 266	3.50 127	3.05 364	4.29 315	3.26 349	3.64 352	2.56 301	2.97 260	4.79 355	13.33 391	16.91 390	0.37 193	0.41 292	0.38 230	0.39 271	0.48 242	0.81 324

ADCP+	3.74 339	1.96 345	16.90 282	1.09 157	1.55 316	4.35 299	3.65 381	3.93 216	2.98 324	2.22 223	1.66 117	3.95 323	4.83 356	3.41 178	18.87 402	0.38 207	0.41 292	0.63 335	0.53 322	0.64 294	0.81 324

RAFT + AFF	2.51 245	2.66 363	4.48 148	1.15 192	1.95 362	4.15 255	2.01 327	4.46 353	3.30 353	2.19 212	2.51 295	2.22 189	4.87 357	8.91 280	2.06 256	0.30 110	0.60 342	0.48 280	0.38 267	0.77 324	0.69 303

TransformOpticalFlow	3.03 303	0.77 188	20.99 377	1.00 121	0.55 94	4.18 271	0.64 56	4.33 331	3.02 328	2.18 208	3.09 334	4.35 346	5.07 358	7.36 257	1.27 143	0.32 142	0.18 24	0.32 133	0.26 100	0.28 34	0.46 229

CBMV_ROB	3.62 333	0.70 144	21.42 390	1.21 213	0.89 185	4.43 312	1.76 311	4.39 341	2.79 299	5.88 382	3.38 344	4.18 338	5.12 359	10.75 328	2.32 277	0.56 311	0.55 330	0.53 307	0.51 315	0.55 263	0.46 229

STrans-v2	3.03 303	0.77 188	20.91 374	0.81 29	0.63 120	3.89 199	1.01 212	4.27 310	2.64 281	2.28 234	3.70 350	4.13 335	5.20 360	7.33 254	1.27 143	0.31 127	0.18 24	0.29 80	0.25 87	0.29 42	0.41 198

PWCK	5.85 379	9.95 401	15.22 264	2.90 380	1.56 319	5.66 385	7.69 396	5.27 385	4.74 381	3.88 357	7.51 371	8.04 385	5.28 361	15.18 402	8.40 358	3.08 387	1.51 381	2.24 385	1.37 381	5.55 402	1.96 375

WZ-Net	3.62 333	4.87 376	16.77 281	1.43 284	1.40 293	3.75 170	2.29 339	4.12 267	2.50 265	2.74 310	2.19 250	4.06 331	5.29 362	10.19 313	7.36 352	0.54 308	0.37 267	0.47 272	0.49 309	0.77 324	0.73 311

DRaft	2.28 206	0.56 40	2.64 101	0.74 10	0.46 52	3.94 208	1.23 253	2.32 40	1.55 80	2.64 301	2.80 319	1.60 107	5.34 363	6.96 251	10.99 368	0.34 164	0.22 102	0.27 51	0.27 123	0.29 42	0.37 158

KSHMR	16.96 409	5.37 379	21.64 397	4.46 403	4.50 404	8.30 399	3.32 370	15.58 413	76.24 429	6.62 388	61.47 427	56.53 427	5.43 364	35.17 420	11.37 370	4.39 402	2.97 405	3.63 407	2.74 405	5.10 401	4.34 408

DPSNet	3.43 329	1.37 311	12.19 220	1.39 278	1.24 263	4.15 255	2.06 329	4.51 362	3.34 354	2.69 306	1.96 205	3.52 305	5.56 365	10.68 326	9.68 363	0.93 356	0.73 359	0.40 239	0.37 256	1.06 348	0.86 330

aanetorigin	3.30 323	1.66 332	17.52 295	1.18 203	1.58 324	2.57 53	3.80 383	2.65 74	2.03 176	6.12 385	4.30 358	2.82 252	5.70 366	5.47 217	4.67 329	0.50 292	0.44 302	0.43 256	0.47 302	1.17 360	0.92 336

ADCL	4.35 355	1.63 328	14.21 247	1.29 239	1.26 269	5.56 384	11.16 400	3.97 227	3.37 355	6.07 383	4.67 360	4.30 345	5.72 367	5.08 209	14.51 378	0.50 292	0.48 322	0.89 362	0.77 351	0.78 326	0.76 317

WAO-6	5.87 380	2.27 353	15.05 259	2.96 381	2.77 381	12.01 403	3.58 379	5.37 390	11.91 401	3.34 346	9.69 387	6.78 380	5.84 368	11.82 372	8.89 361	2.87 384	2.35 397	2.50 386	1.84 390	2.85 381	2.67 385

MeshStereo	5.35 371	1.32 305	21.34 387	1.34 256	1.15 240	4.40 307	3.90 385	5.18 383	4.55 377	10.14 404	11.82 396	11.47 391	5.84 368	13.84 399	7.03 350	0.61 319	0.58 337	0.60 328	0.58 331	0.72 319	0.59 284
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
DEmStereo	2.97 295	0.58 57	13.42 230	0.79 28	0.51 76	3.84 188	1.84 319	2.42 44	1.60 107	2.25 231	2.74 313	2.03 172	6.04 370	6.79 249	12.80 374	0.35 181	0.26 182	0.26 36	0.27 123	0.27 23	0.37 158

WAO-7	5.16 368	3.21 367	18.98 315	1.88 350	1.44 301	5.34 381	3.09 367	4.91 380	5.81 391	4.35 371	8.92 385	6.55 378	6.06 371	13.40 393	10.81 367	1.34 377	1.20 376	1.48 378	1.35 380	1.60 372	1.45 362

IMH-64-1	4.84 364	2.53 359	6.83 169	4.30 400	3.74 395	4.81 373	6.05 390	5.30 386	3.92 370	3.95 360	8.33 377	5.08 369	6.06 371	8.96 281	6.30 340	4.57 406	2.96 403	3.04 396	2.12 395	4.28 395	3.62 400

IMH-64	4.84 364	2.53 359	6.83 169	4.30 400	3.74 395	4.81 373	6.05 390	5.30 386	3.92 370	3.95 360	8.33 377	5.08 369	6.06 371	8.96 281	6.30 340	4.57 406	2.96 403	3.04 396	2.12 395	4.28 395	3.62 400

ADCPNet	3.89 341	1.63 328	20.25 354	1.28 236	1.27 270	6.43 389	2.65 350	3.93 216	2.70 288	2.78 313	2.20 252	4.28 344	6.16 374	5.56 220	10.27 366	0.65 328	1.18 373	0.71 347	1.70 384	0.84 334	1.37 358

CSAN	4.71 362	1.39 314	20.23 350	1.19 205	0.87 177	3.65 158	3.50 375	4.57 367	3.87 368	3.89 358	7.82 373	3.54 309	6.16 374	23.47 413	6.82 346	0.52 304	0.45 306	0.49 293	0.52 318	0.63 288	0.66 298

raft_robust	1.92 151	1.15 274	3.34 127	1.02 134	0.43 37	3.84 188	0.46 12	4.42 345	2.52 269	1.67 83	1.36 62	2.17 187	6.37 376	6.78 247	1.04 99	0.28 59	0.24 154	0.30 99	0.35 237	0.31 73	0.32 110

DeepStereo_RVC	1.55 98	0.63 97	3.32 125	0.77 25	0.42 34	4.49 321	0.72 83	2.50 51	1.58 92	2.02 164	1.81 168	1.54 104	6.38 377	1.73 90	1.19 125	0.46 266	0.22 102	0.29 80	0.28 148	0.35 142	0.38 171

tt	7.19 391	0.51 10	6.83 169	4.03 396	2.30 376	12.05 404	20.19 413	15.46 412	6.58 395	3.42 350	3.22 339	5.37 373	6.39 378	4.20 200	7.46 353	9.81 414	11.53 420	7.05 412	7.46 413	6.31 404	3.71 402

JetBlue	6.27 384	9.15 397	13.76 234	1.94 354	4.60 406	11.91 402	12.00 403	5.12 382	3.45 360	3.79 356	4.52 359	9.54 389	6.56 379	9.40 291	13.48 376	1.26 371	1.37 379	1.17 374	1.34 379	7.06 409	3.95 404

SANet	5.65 377	1.72 335	20.94 375	1.26 230	0.88 180	7.20 393	3.81 384	4.60 369	11.23 397	4.56 373	8.78 383	7.49 382	6.95 380	11.85 373	18.11 396	0.49 289	0.44 302	0.50 296	0.42 290	0.90 338	0.82 328

CrosDoStereo	5.24 369	0.60 72	20.23 350	0.82 36	0.51 76	3.39 107	18.11 409	3.82 185	2.27 220	1.98 141	8.74 381	1.96 161	6.96 381	7.35 255	26.35 412	0.30 110	0.22 102	0.30 99	0.28 148	0.33 111	0.38 171

DeepStereo_LL	5.24 369	0.60 72	20.23 350	0.82 36	0.51 76	3.39 107	18.11 409	3.82 185	2.27 220	1.98 141	8.74 381	1.96 161	6.96 381	7.35 255	26.35 412	0.30 110	0.22 102	0.30 99	0.28 148	0.33 111	0.38 171

WAO-8	11.95 403	13.02 409	20.56 366	3.50 387	3.08 387	15.11 410	2.80 353	12.91 405	19.11 411	7.69 391	13.12 398	11.62 392	7.01 383	84.40 433	7.91 355	3.42 390	1.92 388	3.54 405	1.93 393	3.68 386	2.69 386

Venus	11.95 403	13.02 409	20.56 366	3.50 387	3.08 387	15.11 410	2.80 353	12.91 405	19.11 411	7.69 391	13.12 398	11.62 392	7.01 383	84.40 433	7.91 355	3.42 390	1.92 388	3.54 405	1.93 393	3.68 386	2.69 386

JetRed	10.48 399	27.10 418	35.70 416	4.27 398	4.09 402	15.55 412	12.83 404	12.16 402	5.50 387	5.83 381	5.56 367	10.14 390	7.43 385	8.88 278	26.39 414	3.32 389	3.81 410	3.51 403	2.96 408	7.85 410	6.69 413

THIR-Stereo	4.14 351	0.82 210	10.85 213	0.86 59	0.43 37	2.16 42	16.77 407	3.22 113	1.54 74	2.04 171	12.05 397	2.68 235	7.53 386	7.30 253	12.62 373	0.30 110	0.21 80	0.29 80	0.28 148	0.33 111	0.41 198

ktn	21.74 414	10.34 402	19.68 329	4.53 404	4.00 400	6.53 390	4.51 388	6.79 395	78.82 431	84.69 431	100.86 434	58.49 428	7.57 387	12.11 379	13.35 375	4.58 408	3.24 408	3.49 402	2.62 401	4.65 399	3.84 403

DispFullNet	4.64 361	3.48 370	23.95 409	3.99 395	3.03 385	3.35 104	1.06 222	4.18 279	2.80 303	6.33 386	2.94 325	4.04 330	7.81 388	3.92 193	5.16 337	2.75 383	1.61 383	3.10 399	2.68 403	3.32 383	3.31 397

CRFU-Net	2.49 242	0.78 193	10.36 207	2.30 370	1.08 230	3.91 201	1.41 278	3.85 192	1.65 118	2.15 197	1.76 143	3.34 288	7.95 389	5.56 220	1.48 176	0.47 274	0.35 251	0.30 99	0.28 148	0.37 159	0.43 209

MADNet++	7.57 394	5.80 383	13.28 228	6.38 410	5.26 408	7.18 392	7.77 397	5.32 388	5.62 389	6.11 384	7.78 372	6.02 377	8.01 390	11.74 368	16.36 388	9.36 413	4.95 412	8.57 414	5.66 411	4.83 400	5.34 410

IMH	6.81 389	13.66 411	20.41 361	4.33 402	3.74 395	5.50 382	3.06 365	5.49 392	6.22 392	4.64 375	10.35 390	9.30 388	8.03 391	13.61 396	6.81 345	4.80 409	2.99 406	3.09 398	2.12 395	4.36 397	3.61 399

TorneroNet-64	10.12 397	8.74 390	20.95 376	4.27 398	3.76 398	13.86 407	2.85 355	15.05 410	23.15 414	10.07 403	23.84 411	13.47 396	8.24 392	13.96 400	17.21 393	3.96 399	2.72 398	3.23 400	2.48 399	6.29 403	4.27 407

WCMA_ROB	5.12 367	0.90 228	21.33 386	1.50 298	1.33 281	4.09 241	3.49 374	4.03 242	4.59 378	6.57 387	10.95 392	12.92 395	8.41 393	9.86 301	8.78 360	0.75 342	0.58 337	0.51 299	0.50 313	0.68 308	0.57 277

SGM_RVC	4.57 359	0.72 157	17.46 293	1.84 345	0.58 112	4.23 284	3.45 373	4.66 372	3.66 365	7.99 394	8.82 384	7.56 383	8.74 394	12.30 380	6.84 347	0.43 249	0.38 273	0.39 233	0.35 237	0.51 249	0.48 238
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
MSMD_ROB	5.61 375	1.08 261	16.68 277	1.21 213	0.83 167	10.14 400	2.07 331	3.93 216	6.22 392	10.37 405	8.03 375	22.22 406	9.45 395	11.66 363	4.52 328	0.66 330	0.58 337	0.66 341	0.68 343	0.65 297	0.63 292

ELAS	5.99 381	1.62 326	20.29 356	1.96 355	2.01 365	15.09 409	8.38 399	5.23 384	5.54 388	9.02 398	8.61 380	6.74 379	9.75 396	7.48 258	11.40 371	0.96 359	1.18 373	0.72 351	0.93 362	1.30 366	1.67 367
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS_RVC	5.72 378	1.64 331	20.40 360	2.09 361	2.01 365	4.95 376	11.47 402	4.66 372	6.31 394	8.09 395	8.01 374	8.06 387	11.65 397	8.36 269	10.22 365	0.99 361	1.17 372	0.81 359	0.76 349	1.14 356	1.58 365
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
EDNetEfficient	5.61 375	2.14 351	16.75 280	1.67 325	3.64 394	4.12 248	7.51 395	3.05 99	5.63 390	11.57 408	4.83 362	3.95 323	12.72 398	8.44 272	20.78 406	0.41 234	0.43 299	0.47 272	1.01 365	1.66 373	1.39 361

FC-DCNN	6.64 386	0.77 188	19.26 320	1.68 326	1.64 332	8.27 398	2.35 341	6.35 394	9.23 396	10.85 406	11.27 394	19.89 403	13.33 399	12.51 386	11.79 372	0.66 330	0.57 333	0.58 321	0.56 327	0.63 288	0.61 287

SGM+DAISY	8.36 395	3.82 372	24.83 410	2.02 358	1.75 347	14.80 408	17.22 408	4.27 310	11.79 400	13.88 409	14.38 403	11.74 394	13.83 400	10.56 322	15.12 379	1.21 368	1.19 375	1.14 373	1.13 372	1.17 360	1.37 358

FTStereo	3.71 338	0.53 24	20.37 358	0.96 99	0.65 127	4.34 298	11.29 401	2.62 72	1.50 51	2.58 290	5.04 364	1.90 151	13.84 401	3.71 186	1.25 139	0.38 207	0.24 154	0.31 118	0.32 208	0.30 57	2.10 376

PSM-AAD	2.43 231	0.54 29	1.32 9	0.92 81	0.54 92	4.48 316	7.47 394	2.96 92	1.55 80	2.31 245	2.56 301	1.26 73	16.23 402	2.46 143	0.89 64	0.28 59	0.21 80	0.58 321	0.41 285	0.34 127	1.32 357

GrayStereo	2.58 259	0.53 24	1.63 23	1.58 314	0.89 185	4.17 269	8.17 398	3.03 97	1.52 62	2.80 315	2.50 293	1.70 118	17.10 403	2.83 169	1.15 116	0.33 153	0.21 80	0.27 51	0.32 208	0.28 34	0.53 262

FCDSN-DC	6.04 382	0.84 217	19.25 319	1.24 222	1.09 233	4.38 301	2.62 349	4.38 340	4.71 379	9.59 402	11.22 393	19.19 402	17.40 404	12.30 380	8.55 359	0.69 338	0.57 333	0.60 328	0.60 334	0.70 311	0.78 321
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
LRCNet_RVC	25.52 415	33.45 419	23.21 407	31.79 420	32.78 417	6.74 391	1.18 245	25.88 416	4.46 376	28.94 413	30.89 415	24.91 412	17.57 405	27.66 415	24.34 411	35.26 426	25.60 427	35.91 427	33.81 426	31.90 426	34.10 427

UNDER WATER-64	9.33 396	5.37 379	22.60 402	5.22 409	4.86 407	10.75 401	4.61 389	11.45 401	17.30 406	7.59 390	9.80 389	15.99 400	17.90 406	10.63 325	15.72 382	4.36 401	2.87 400	4.39 409	2.86 406	7.01 408	5.36 411

MANE	11.39 401	1.38 312	23.16 405	4.82 407	2.79 382	22.02 414	14.51 406	25.81 415	26.28 415	10.93 407	13.17 401	19.90 404	18.03 407	15.69 404	20.41 405	0.96 359	0.74 360	1.42 377	3.24 409	0.74 320	1.71 368

DPSMNet_ROB	15.52 408	8.89 393	31.44 415	10.07 416	18.91 413	12.44 405	33.22 417	13.51 408	17.94 410	9.58 401	22.91 410	13.79 398	19.67 408	21.43 407	23.73 409	5.17 411	8.84 413	5.63 411	11.52 418	6.79 407	14.90 416

DGTPSM_ROB	15.31 407	8.85 392	28.14 414	9.90 415	18.89 412	12.44 405	33.21 416	13.48 407	17.86 409	9.50 400	22.89 409	13.78 397	19.67 408	21.26 406	23.68 408	5.08 410	8.84 413	5.62 410	11.50 415	6.72 406	14.87 415

Anonymous_1	57.11 430	19.68 415	26.15 411	23.10 417	142.31 432	30.84 416	39.75 419	33.86 421	16.98 405	70.53 430	15.42 405	23.46 408	19.75 410	23.04 409	27.23 415	164.73 435	9.02 416	130.38 432	137.40 432	161.27 435	27.24 420

DPSM_ROB	20.78 412	20.03 416	26.57 412	23.62 418	22.46 414	31.10 417	39.97 420	33.52 419	17.41 407	15.25 410	15.80 406	24.06 410	20.71 411	23.30 411	27.62 416	10.78 415	9.41 417	11.69 417	11.50 415	14.49 416	16.36 417

DPSM	20.78 412	20.03 416	26.57 412	23.62 418	22.46 414	31.10 417	39.97 420	33.52 419	17.41 407	15.25 410	15.80 406	24.06 410	20.71 411	23.30 411	27.62 416	10.78 415	9.41 417	11.69 417	11.50 415	14.49 416	16.36 417

SGM-ForestM	11.55 402	1.16 277	21.62 395	2.14 362	0.81 158	22.25 415	19.08 411	16.50 414	11.34 398	15.94 412	14.44 404	27.12 414	22.61 413	24.76 414	28.39 418	0.50 292	0.48 322	0.47 272	0.44 293	0.55 263	0.53 262

notaker	10.50 400	8.60 389	20.23 350	4.54 405	3.95 399	6.27 387	3.44 372	8.07 398	4.75 382	8.73 396	46.45 422	13.86 399	27.86 414	13.49 394	13.61 377	4.56 405	3.18 407	3.52 404	2.68 403	8.13 413	4.05 405

UNDER WATER	10.47 398	3.95 373	22.62 403	5.07 408	4.51 405	7.78 397	3.77 382	12.56 404	21.72 413	7.84 393	10.78 391	23.96 409	31.66 415	10.78 330	16.19 387	4.44 403	2.93 401	4.24 408	2.86 406	6.33 405	5.47 412

AVERAGE_ROB	44.46 426	45.91 427	46.59 421	40.59 423	38.66 420	32.99 420	30.52 414	46.19 423	43.26 425	49.59 423	48.97 425	44.62 418	39.89 416	45.04 423	43.94 421	48.74 428	50.69 429	50.80 428	49.79 427	45.54 428	46.97 429

HaxPig	43.25 425	43.65 426	45.00 420	33.85 421	35.61 419	32.69 419	30.52 414	45.09 422	42.97 424	48.77 422	48.17 424	43.00 416	40.26 417	44.58 422	43.61 420	47.18 427	49.30 428	51.54 429	50.25 428	43.73 427	45.29 428

LE_ROB	18.58 410	1.21 284	48.38 422	8.60 414	23.00 416	7.32 395	19.74 412	9.94 399	38.69 423	43.53 421	21.91 408	28.40 415	40.92 418	23.18 410	54.71 423	0.34 164	0.33 235	0.32 133	0.36 245	0.42 210	0.40 193

TorneroNet	25.88 416	11.28 406	21.62 395	4.20 397	4.07 401	55.25 426	3.15 368	15.16 411	76.94 430	58.09 426	82.72 431	86.88 432	41.15 419	13.35 392	18.13 397	4.32 400	2.85 399	3.45 401	2.62 401	8.33 414	4.14 406

LSM0	49.58 428	40.04 420	53.62 430	97.15 430	128.68 431	62.75 432	79.89 427	67.63 430	35.11 421	33.02 420	32.61 421	48.43 425	41.60 420	46.60 425	55.43 425	21.63 423	18.99 426	23.62 426	23.13 420	29.47 425	52.26 431

MyStereo03	41.77 420	40.13 421	53.46 427	47.73 424	45.04 422	62.50 427	80.72 430	66.91 425	34.93 417	30.53 415	31.77 416	48.26 422	41.67 421	46.68 427	55.85 427	21.53 418	18.88 422	23.46 421	23.21 422	29.14 420	33.09 424

MyStereo02	41.77 420	40.13 421	53.46 427	47.73 424	45.04 422	62.50 427	80.72 430	66.91 425	34.93 417	30.53 415	31.77 416	48.26 422	41.67 421	46.68 427	55.85 427	21.53 418	18.88 422	23.46 421	23.21 422	29.14 420	33.09 424

MyStereo	41.77 420	40.13 421	53.46 427	47.73 424	45.04 422	62.50 427	80.72 430	66.91 425	34.93 417	30.53 415	31.77 416	48.26 422	41.67 421	46.68 427	55.85 427	21.53 418	18.88 422	23.46 421	23.21 422	29.14 420	33.09 424

CasAABBNet	41.80 424	40.20 425	53.41 426	47.73 424	45.18 425	62.51 430	80.71 429	67.26 429	34.80 416	30.49 414	31.88 420	48.24 421	41.81 424	46.63 426	55.64 426	21.60 421	18.88 422	23.48 424	23.22 425	29.19 424	33.05 422

Selective-RAFT-Error	41.77 420	40.16 424	53.34 425	47.73 424	45.25 426	62.51 430	80.64 428	67.22 428	34.93 417	30.64 418	31.81 419	48.11 420	42.11 425	46.57 424	54.95 424	21.61 422	18.87 421	23.48 424	23.15 421	29.16 423	33.08 423

MEDIAN_ROB	47.37 427	49.08 428	49.92 423	40.32 422	39.97 421	34.95 421	33.43 418	49.17 424	46.39 427	53.06 425	52.65 426	47.65 419	42.23 426	48.35 431	47.29 422	52.10 429	54.04 430	54.28 430	53.48 429	48.76 429	50.33 430

SPstereo	30.42 418	11.55 407	18.72 311	8.51 413	9.93 410	50.05 425	82.85 433	71.73 431	35.92 422	30.73 419	29.66 414	48.61 426	42.30 427	47.77 430	58.10 430	7.32 412	8.89 415	20.37 420	10.07 414	7.98 412	7.43 414

coex-ft	18.59 411	6.62 384	113.53 433	1.17 198	1.31 274	2.33 47	1.93 322	2.81 84	14.00 402	124.82 434	8.45 379	5.90 376	51.74 428	9.99 308	22.69 407	0.57 313	0.62 345	0.50 296	0.49 309	1.08 352	1.28 353

HanzoNet	31.60 419	17.23 414	21.22 385	7.32 411	5.84 409	7.25 394	3.53 376	13.82 409	14.20 404	50.38 424	47.01 423	44.45 417	56.61 429	36.61 421	32.00 419	63.89 430	56.57 431	7.97 413	89.20 431	28.69 418	28.25 421

xxxxx1	112.33 433	88.53 432	37.76 417	227.84 434	157.23 433	39.05 422	61.41 424	93.76 433	79.29 432	62.45 427	74.79 428	78.32 429	70.96 430	33.47 417	70.69 431	114.00 432	130.36 433	259.31 434	274.34 434	145.54 432	147.50 433

tt_ll	112.33 433	88.53 432	37.76 417	227.84 434	157.23 433	39.05 422	61.41 424	93.76 433	79.29 432	62.45 427	74.79 428	78.32 429	70.96 430	33.47 417	70.69 431	114.00 432	130.36 433	259.31 434	274.34 434	145.54 432	147.50 433

ff	112.33 433	88.53 432	37.76 417	227.84 434	157.23 433	39.05 422	61.41 424	93.76 433	79.29 432	62.45 427	74.79 428	78.32 429	70.96 430	33.47 417	70.69 431	114.00 432	130.36 433	259.31 434	274.34 434	145.54 432	147.50 433

BEATNet-Init1	49.72 429	64.32 431	97.77 432	4.68 406	4.28 403	84.75 433	60.42 423	73.38 432	68.59 428	88.29 432	88.51 433	91.94 433	97.99 433	85.26 435	70.96 434	0.80 347	0.65 349	0.85 360	0.70 346	7.96 411	2.33 379

PML	64.32 431	53.22 429	17.88 297	8.10 412	32.94 418	148.46 435	247.79 436	12.18 403	45.42 426	111.41 433	288.92 436	101.47 434	101.31 434	31.67 416	15.55 380	14.03 417	4.83 411	10.98 416	6.18 412	28.82 419	5.17 409

DPSimNet_ROB	102.30 432	119.72 436	143.59 434	109.42 431	94.10 428	127.22 434	127.15 434	26.62 417	102.36 435	149.58 435	83.99 432	139.34 435	137.54 435	64.62 432	82.36 435	105.18 431	66.15 432	120.15 431	69.61 430	99.58 431	77.72 432

test_example2	212.63 436	219.92 437	221.87 436	213.67 433	221.17 436	199.47 436	200.74 435	185.30 436	141.66 436	209.52 436	213.45 435	210.82 436	205.48 436	221.27 436	216.64 436	236.83 436	242.07 436	213.93 433	217.01 433	235.69 436	226.10 436

ASD4		113.98 435

Low-res two-view benchmark