Low-res two-view results

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Wz-Net-SNSev	0.03 25	0.09 50	0.07 45	0.09 41	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.09 53	0.07 44	0.01 9	0.01 9	0.01 9	0.01 9

EDNetEfficientorigin	0.04 26	0.06 42	0.04 31	0.05 32	0.04 54	0.05 61	0.04 54	0.05 61	0.04 55	0.05 64	0.04 63	0.05 63	0.04 58	0.05 54	0.04 49	0.05 39	0.03 28	0.06 65	0.03 42	0.04 53	0.03 39

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

NVStereoNet_ROB	0.04 26	0.04 31	0.04 31	0.04 26	0.04 54	0.04 51	0.04 54	0.04 51	0.04 55	0.04 54	0.04 63	0.04 51	0.04 58	0.04 46	0.04 49	0.04 32	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
GASNet	0.05 29	0.04 31	0.12 78	0.04 26	0.04 54	0.04 51	0.05 63	0.04 51	0.04 55	0.12 92	0.04 63	0.06 68	0.04 58	0.04 46	0.04 49	0.04 32	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53

WZ-Net	0.05 29	0.50 154	0.10 56	0.12 59	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.12 73	0.10 59	0.01 9	0.01 9	0.01 9	0.01 9

Wz-Net-LNSev	0.06 31	0.24 96	0.20 125	0.23 108	0.01 9	0.02 18	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.23 132	0.21 129	0.02 18	0.01 9	0.01 9	0.01 9

Wz-Net-MNSev	0.06 31	0.54 162	0.10 56	0.12 59	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.01 9	0.12 73	0.11 74	0.01 9	0.01 9	0.01 9	0.01 9

AASNet	0.06 31	0.08 44	0.08 47	0.08 37	0.05 69	0.06 63	0.05 63	0.05 61	0.06 76	0.06 67	0.06 76	0.05 63	0.06 76	0.06 58	0.05 59	0.08 47	0.08 46	0.08 72	0.05 67	0.06 66	0.05 68

SACVNet	0.06 31	0.08 44	0.08 47	0.08 37	0.05 69	0.06 63	0.05 63	0.05 61	0.06 76	0.06 67	0.06 76	0.05 63	0.06 76	0.06 58	0.05 59	0.08 47	0.08 46	0.08 72	0.05 67	0.06 66	0.05 68

AACVNet	0.06 31	0.08 44	0.08 47	0.08 37	0.05 69	0.06 63	0.05 63	0.05 61	0.06 76	0.06 67	0.06 76	0.05 63	0.06 76	0.06 58	0.05 59	0.08 47	0.08 46	0.08 72	0.05 67	0.06 66	0.05 68

FINET	0.07 36	0.08 44	0.07 45	0.07 35	0.07 79	0.08 74	0.06 75	0.08 77	0.07 79	0.08 74	0.07 79	0.08 75	0.06 76	0.07 72	0.07 71	0.08 47	0.07 44	0.07 70	0.07 74	0.06 66	0.06 73

ADCMid	0.08 37	0.02 12	0.02 13	1.01 250	0.03 39	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.04 46	0.09 76	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

SMFormer	0.09 38	1.01 199	0.09 52	0.09 41	0.03 39	0.03 36	0.02 19	0.03 38	0.02 20	0.03 36	0.02 19	0.03 38	0.02 21	0.03 33	0.02 19	0.09 53	0.09 55	0.03 34	0.02 20	0.03 39	0.02 19

tta	0.09 38	0.95 189	0.09 52	0.10 44	0.02 20	0.03 36	0.02 19	0.03 38	0.02 20	0.03 36	0.02 19	0.03 38	0.02 21	0.03 33	0.02 19	0.09 53	0.10 59	0.03 34	0.02 20	0.03 39	0.02 19

xxx	0.09 38	1.01 199	0.10 56	0.10 44	0.03 39	0.03 36	0.03 39	0.03 38	0.02 20	0.03 36	0.03 40	0.03 38	0.02 21	0.03 33	0.02 19	0.10 57	0.10 59	0.03 34	0.02 20	0.03 39	0.03 39

SepStereo	0.09 38	0.09 50	0.10 56	0.09 41	0.09 82	0.09 78	0.09 80	0.10 79	0.08 81	0.10 78	0.09 82	0.09 79	0.09 83	0.09 78	0.08 73	0.09 53	0.08 46	0.09 77	0.08 78	0.09 79	0.08 76

APVNet	0.09 38	0.05 38	0.04 31	0.05 32	0.04 54	0.05 61	0.90 278	0.06 65	0.04 55	0.05 64	0.04 63	0.05 63	0.04 58	0.05 54	0.04 49	0.05 39	0.04 33	0.05 58	0.04 52	0.05 63	0.05 68

ADCS	0.09 38	0.02 12	0.04 31	0.90 231	0.06 78	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.14 96	0.36 196	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.02 19

ttt	0.10 44	1.09 206	0.12 78	0.12 59	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.12 73	0.12 85	0.03 34	0.02 20	0.03 39	0.02 19

1111x	0.10 44	1.14 210	0.13 93	0.14 73	0.03 39	0.04 51	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.13 85	0.11 74	0.03 34	0.02 20	0.03 39	0.02 19

AnonymousM	0.10 44	0.10 52	0.10 56	0.10 44	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 81	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

222	0.10 44	0.99 193	0.12 78	0.13 69	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.12 73	0.12 85	0.03 34	0.02 20	0.04 53	0.03 39

test_xeample	0.10 44	1.09 206	0.13 93	0.12 59	0.03 39	0.03 36	0.03 39	0.04 51	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.14 90	0.14 107	0.03 34	0.03 42	0.03 39	0.03 39

PVD	0.10 44	0.10 52	0.10 56	0.10 44	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 81	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

SHD	0.10 44	0.10 52	0.10 56	0.10 44	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 81	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

SAMSARA	0.10 44	0.10 52	0.10 56	0.10 44	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 81	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

XQC	0.10 44	0.10 52	0.10 56	0.10 44	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 81	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

RTSC	0.10 44	0.10 52	0.10 56	0.10 44	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 81	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

RTS	0.10 44	0.10 52	0.10 56	0.10 44	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 81	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

RTSA	0.10 44	0.10 52	0.10 56	0.10 44	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 81	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

MADNet+	0.10 44	0.10 52	0.10 56	0.10 44	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 81	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

MADNet++	0.10 44	0.10 52	0.10 56	0.10 44	0.10 88	0.10 79	0.10 85	0.10 79	0.10 85	0.10 78	0.10 86	0.10 81	0.10 87	0.10 80	0.10 81	0.10 57	0.10 59	0.10 78	0.10 86	0.10 80	0.10 83

ADCPNet	0.10 44	0.03 27	0.04 31	1.27 318	0.03 39	0.04 51	0.03 39	0.03 38	0.03 44	0.04 54	0.03 40	0.04 51	0.03 42	0.08 75	0.04 49	0.04 32	0.03 28	0.03 34	0.03 42	0.03 39	0.03 39

JetRed	0.11 59	0.12 65	0.11 73	0.11 56	0.11 102	0.11 90	0.14 113	0.11 90	0.11 99	0.12 92	0.11 98	0.11 91	0.11 98	0.11 90	0.11 92	0.11 68	0.16 112	0.11 88	0.11 97	0.11 90	0.11 95

JetBlue	0.11 59	0.11 63	0.12 78	0.13 69	0.14 118	0.11 90	0.11 97	0.11 90	0.11 99	0.11 90	0.11 98	0.11 91	0.11 98	0.12 94	0.12 103	0.11 68	0.11 74	0.11 88	0.11 97	0.11 90	0.11 95

x	0.11 59	1.15 212	0.15 111	0.14 73	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.04 54	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.14 90	0.15 110	0.03 34	0.03 42	0.03 39	0.03 39

Wz-Net-LNSev-Ref	0.11 59	0.44 137	0.33 165	0.39 147	0.02 20	0.03 36	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	0.39 186	0.36 176	0.02 18	0.02 20	0.02 19	0.02 19

xxxx	0.11 59	1.16 213	0.16 112	0.12 59	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.03 33	0.03 37	0.13 85	0.16 112	0.03 34	0.04 52	0.04 53	0.04 53

BEATNet_4x	0.11 59	0.03 27	0.03 28	1.60 329	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.05 54	0.03 37	0.03 30	0.03 28	0.03 34	0.03 42	0.03 39	0.03 39

ADCL	0.11 59	0.03 27	0.03 28	1.60 329	0.03 39	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.03 38	0.03 42	0.05 54	0.03 37	0.03 30	0.03 28	0.03 34	0.03 42	0.03 39	0.03 39

AnyNet_C01	0.11 59	0.02 12	0.02 13	1.62 331	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.03 36	0.02 19	0.02 19	0.02 21	0.06 58	0.04 49	0.02 14	0.02 14	0.02 18	0.02 20	0.02 19	0.03 39

GwcNet	0.12 67	0.07 43	0.05 44	0.08 37	0.05 69	0.08 74	1.20 303	0.07 74	0.05 68	0.05 64	0.05 71	0.08 75	0.05 64	0.08 75	0.03 37	0.07 45	0.05 43	0.06 65	0.05 67	0.07 74	0.05 68

FADNet-RVC-Resample	0.12 67	0.04 31	0.04 31	0.04 26	0.04 54	0.04 51	0.04 54	0.04 51	0.04 55	0.04 54	0.04 63	0.04 51	0.04 58	0.04 46	1.57 364	0.04 32	0.04 33	0.04 48	0.05 67	0.04 53	0.06 73

FADNet_RVC	0.12 67	0.04 31	0.04 31	0.05 32	0.04 54	0.04 51	0.04 54	0.04 51	0.04 55	0.04 54	0.04 63	0.04 51	0.05 64	0.04 46	1.65 368	0.05 39	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53

FADNet	0.12 67	0.05 38	0.04 31	0.04 26	0.04 54	0.04 51	0.04 54	0.04 51	0.04 55	0.04 54	0.04 63	0.04 51	0.05 64	0.04 46	1.66 369	0.06 43	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53

ADCRef	0.12 67	0.03 27	0.04 31	1.71 332	0.04 54	0.03 36	0.03 39	0.04 51	0.04 55	0.04 54	0.03 40	0.04 51	0.03 42	0.06 58	0.04 49	0.04 32	0.04 33	0.04 48	0.04 52	0.03 39	0.04 53

CIPLG	0.13 72	0.21 86	0.12 78	0.16 88	0.11 102	0.15 100	0.11 97	0.14 94	0.11 99	0.15 100	0.12 105	0.15 104	0.11 98	0.14 96	0.11 92	0.15 97	0.12 85	0.14 95	0.11 97	0.14 97	0.11 95

IPLG	0.13 72	0.20 81	0.14 97	0.15 82	0.11 102	0.14 94	0.11 97	0.14 94	0.11 99	0.14 94	0.11 98	0.14 95	0.11 98	0.14 96	0.11 92	0.15 97	0.12 85	0.14 95	0.11 97	0.14 97	0.11 95

ACRE	0.13 72	0.21 86	0.14 97	0.15 82	0.11 102	0.14 94	0.11 97	0.14 94	0.11 99	0.14 94	0.12 105	0.14 95	0.11 98	0.14 96	0.11 92	0.15 97	0.12 85	0.14 95	0.11 97	0.14 97	0.11 95

LRCNet_RVC	0.13 72	0.13 66	0.09 52	0.13 69	0.10 88	0.14 94	0.10 85	0.14 94	0.10 85	0.23 127	0.10 86	0.20 115	0.10 87	0.24 136	0.11 92	0.11 68	0.09 55	0.12 91	0.14 120	0.12 94	0.09 79

aanetorigin	0.13 72	0.11 63	0.11 73	0.11 56	0.11 102	0.11 90	0.11 97	0.11 90	0.11 99	0.11 90	0.12 105	0.11 91	0.11 98	0.11 90	0.11 92	0.11 68	0.11 74	0.14 95	0.11 97	0.49 210	0.11 95

FADNet-RVC	0.13 72	0.04 31	0.04 31	0.04 26	0.04 54	0.04 51	0.05 63	0.04 51	0.04 55	0.04 54	0.05 71	0.04 51	0.05 64	0.04 46	1.71 371	0.04 32	0.04 33	0.04 48	0.04 52	0.07 74	0.04 53

ELAS	0.13 72	0.16 71	0.11 73	0.15 82	0.09 82	0.18 110	0.11 97	0.18 110	0.11 99	0.17 107	0.11 98	0.18 111	0.11 98	0.18 110	0.11 92	0.14 90	0.08 46	0.14 95	0.08 78	0.14 97	0.09 79
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
mmm	0.14 79	1.83 287	0.12 78	0.11 56	0.03 39	0.03 36	0.03 39	0.03 38	0.04 55	0.03 36	0.03 40	0.03 38	0.03 42	0.06 58	0.04 49	0.12 73	0.11 74	0.05 58	0.04 52	0.05 63	0.04 53

ProNet	0.14 79	0.20 81	0.14 97	0.16 88	0.11 102	0.16 105	0.11 97	0.17 108	0.11 99	0.17 107	0.12 105	0.17 108	0.13 115	0.17 108	0.12 103	0.15 97	0.11 74	0.16 106	0.11 97	0.15 104	0.12 106

IPLGR_C	0.14 79	0.20 81	0.12 78	0.15 82	0.11 102	0.14 94	0.15 116	0.14 94	0.11 99	0.15 100	0.12 105	0.14 95	0.11 98	0.16 105	0.11 92	0.15 97	0.12 85	0.14 95	0.12 110	0.15 104	0.12 106

MIPNet	0.14 79	0.21 86	0.17 116	0.16 88	0.11 102	0.15 100	0.12 109	0.14 94	0.11 99	0.16 104	0.11 98	0.14 95	0.11 98	0.14 96	0.11 92	0.14 90	0.12 85	0.14 95	0.11 97	0.14 97	0.11 95

IPLGR	0.14 79	0.24 96	0.14 97	0.16 88	0.12 114	0.15 100	0.12 109	0.14 94	0.11 99	0.15 100	0.12 105	0.14 95	0.11 98	0.14 96	0.11 92	0.15 97	0.12 85	0.14 95	0.11 97	0.14 97	0.11 95

GMStereo	0.14 79	0.13 66	0.14 97	0.14 73	0.14 118	0.14 94	0.14 113	0.14 94	0.14 118	0.14 94	0.14 120	0.14 95	0.14 117	0.14 96	0.14 112	0.14 90	0.14 107	0.14 95	0.14 120	0.14 97	0.14 114
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
AnyNet_C32	0.14 79	0.04 31	0.03 28	2.22 345	0.04 54	0.03 36	0.03 39	0.03 38	0.03 44	0.03 36	0.03 40	0.04 51	0.02 21	0.07 72	0.04 49	0.02 14	0.02 14	0.03 34	0.03 42	0.02 19	0.03 39

HSM	0.14 79	0.16 71	0.12 78	0.17 94	0.12 114	0.17 108	0.11 97	0.17 108	0.11 99	0.17 107	0.12 105	0.17 108	0.12 111	0.17 108	0.12 103	0.16 104	0.11 74	0.16 106	0.11 97	0.16 107	0.12 106

DRN-Test	0.14 79	0.13 66	0.09 52	0.14 73	0.09 82	0.15 100	0.09 80	0.14 94	0.10 85	0.14 94	0.09 82	0.14 95	0.09 83	0.13 95	0.09 76	0.12 73	0.09 55	0.12 91	0.09 80	0.12 94	0.73 264

ELAS_RVC	0.14 79	0.16 71	0.10 56	0.15 82	0.10 88	0.18 110	0.11 97	0.19 111	0.11 99	0.19 111	0.12 105	0.18 111	0.11 98	0.19 112	0.12 103	0.14 90	0.08 46	0.14 95	0.09 80	0.15 104	0.09 79
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
CoDeX	0.15 89	0.70 168	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.01 9	0.02 19	0.67 260	0.02 14	0.69 247	0.75 264	0.01 9	0.02 19	0.02 19

ICVP	0.15 89	0.53 159	0.11 73	0.16 88	0.11 102	0.16 105	0.11 97	0.16 106	0.11 99	0.16 104	0.11 98	0.16 105	0.11 98	0.16 105	0.11 92	0.16 104	0.11 74	0.16 106	0.11 97	0.16 107	0.11 95
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
ADCP+	0.15 89	0.04 31	0.04 31	2.20 344	0.04 54	0.04 51	0.04 54	0.04 51	0.04 55	0.04 54	0.05 71	0.04 51	0.04 58	0.08 75	0.04 49	0.04 32	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53

StereoDRNet	0.15 89	0.14 70	0.10 56	0.14 73	0.09 82	0.15 100	0.09 80	0.14 94	0.09 84	0.14 94	0.10 86	0.14 95	0.09 83	0.14 96	0.09 76	0.13 85	0.10 59	0.13 94	0.09 80	0.13 96	0.82 274

LALA_ROB	0.15 89	0.19 77	0.12 78	0.18 95	0.11 102	0.20 115	0.12 109	0.21 119	0.12 114	0.20 114	0.12 105	0.20 115	0.12 111	0.21 124	0.13 109	0.17 108	0.10 59	0.18 118	0.11 97	0.18 113	0.11 95

SGM_RVC	0.15 89	0.17 75	0.11 73	0.18 95	0.11 102	0.19 113	0.11 97	0.19 111	0.12 114	0.19 111	0.12 105	0.20 115	0.12 111	0.19 112	0.12 103	0.16 104	0.11 74	0.17 111	0.10 86	0.17 110	0.10 83
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
GMStereo_Zeroshot	0.16 95	0.16 71	0.16 112	0.16 88	0.16 132	0.16 105	0.16 119	0.16 106	0.16 128	0.16 104	0.16 128	0.16 105	0.16 126	0.16 105	0.16 125	0.16 104	0.16 112	0.16 106	0.16 123	0.16 107	0.16 115

qqq	0.16 95	2.01 298	0.12 78	0.15 82	0.04 54	0.06 63	0.05 63	0.06 65	0.04 55	0.06 67	0.03 40	0.06 68	0.03 42	0.06 58	0.03 37	0.12 73	0.14 107	0.04 48	0.04 52	0.03 39	0.03 39

DeepPruner_ROB	0.16 95	0.18 76	0.13 93	0.19 98	0.13 117	0.19 113	0.13 112	0.19 111	0.13 117	0.19 111	0.13 117	0.19 114	0.13 115	0.19 112	0.13 109	0.18 115	0.13 106	0.18 118	0.13 118	0.18 113	0.13 112

11t1	0.17 98	2.16 303	0.13 93	0.13 69	0.04 54	0.06 63	0.04 54	0.06 65	0.04 55	0.06 67	0.03 40	0.06 68	0.03 42	0.06 58	0.05 59	0.18 115	0.12 85	0.06 65	0.03 42	0.05 63	0.03 39

SFCPSM	0.17 98	0.78 171	0.02 13	0.02 14	0.01 9	0.02 18	0.02 19	0.02 19	0.01 9	0.02 19	0.02 19	0.02 19	0.01 9	0.02 19	0.79 274	0.02 14	0.75 252	0.76 267	0.02 20	0.02 19	0.02 19

BEATNet-Init1	0.19 100	0.08 44	0.08 47	2.23 346	0.08 80	0.08 74	0.07 78	0.07 74	0.08 81	0.08 74	0.07 79	0.08 75	0.07 80	0.11 90	0.08 73	0.08 47	0.08 46	0.08 72	0.07 74	0.08 76	0.08 76

DeepPrunerF	0.19 100	0.08 44	0.08 47	2.23 346	0.08 80	0.08 74	0.07 78	0.07 74	0.08 81	0.08 74	0.07 79	0.08 75	0.07 80	0.11 90	0.08 73	0.08 47	0.08 46	0.08 72	0.07 74	0.08 76	0.08 76

IGEV_Zeroshot_test	0.20 102	0.19 77	0.40 184	0.30 126	0.17 133	0.22 124	0.17 120	0.21 119	0.17 130	0.20 114	0.17 130	0.21 122	0.18 133	0.21 124	0.17 126	0.20 118	0.16 112	0.20 121	0.16 123	0.20 116	0.17 121

DAS	0.20 102	0.20 81	0.20 125	0.20 99	0.20 142	0.20 115	0.20 129	0.20 115	0.20 137	0.20 114	0.20 141	0.20 115	0.20 140	0.20 115	0.20 136	0.20 118	0.20 128	0.20 121	0.20 140	0.20 116	0.20 126

ACVNet	0.20 102	0.19 77	0.14 97	0.20 99	0.14 118	0.20 115	0.96 285	0.21 119	0.14 118	0.20 114	0.13 117	0.21 122	0.14 117	0.20 115	0.14 112	0.17 108	0.12 85	0.17 111	0.12 110	0.17 110	0.12 106

acv_ft	0.20 102	0.19 77	0.14 97	0.20 99	0.14 118	0.20 115	0.96 285	0.21 119	0.14 118	0.20 114	0.13 117	0.21 122	0.14 117	0.20 115	0.14 112	0.17 108	0.12 85	0.17 111	0.12 110	0.17 110	0.12 106

iResNetv2_ROB	0.20 102	0.23 90	0.18 121	0.24 113	0.20 142	0.24 131	0.18 124	0.24 129	0.18 131	0.24 132	0.18 138	0.23 130	0.19 137	0.24 136	0.18 132	0.21 121	0.16 112	0.21 123	0.16 123	0.22 122	0.16 115

iResNet	0.20 102	0.23 90	0.18 121	0.24 113	0.18 138	0.24 131	0.20 129	0.24 129	0.18 131	0.23 127	0.17 130	0.23 130	0.18 133	0.23 132	0.18 132	0.22 123	0.16 112	0.21 123	0.16 123	0.21 120	0.16 115

SuperB	0.21 108	0.10 52	2.51 377	0.12 59	0.09 82	0.10 79	0.09 80	0.08 77	0.07 79	0.10 78	0.09 82	0.09 79	0.07 80	0.07 72	0.07 71	0.07 45	0.08 46	0.07 70	0.07 74	0.08 76	0.07 75

WAO-6	0.22 109	0.23 90	0.22 128	0.23 108	0.22 148	0.22 124	0.22 138	0.22 123	0.22 140	0.22 124	0.22 146	0.22 127	0.22 144	0.22 128	0.22 140	0.22 123	0.22 132	0.22 128	0.22 143	0.22 122	0.22 129

IMH-64-1	0.22 109	0.23 90	0.23 130	0.22 106	0.22 148	0.22 124	0.22 138	0.22 123	0.22 140	0.22 124	0.22 146	0.22 127	0.22 144	0.22 128	0.22 140	0.22 123	0.22 132	0.23 132	0.22 143	0.22 122	0.23 131

IMH-64	0.22 109	0.23 90	0.23 130	0.22 106	0.22 148	0.22 124	0.22 138	0.22 123	0.22 140	0.22 124	0.22 146	0.22 127	0.22 144	0.22 128	0.22 140	0.22 123	0.22 132	0.23 132	0.22 143	0.22 122	0.23 131

ac_64	0.22 109	0.13 66	0.19 123	0.23 108	0.10 88	0.26 142	1.02 290	0.14 94	0.10 85	0.28 142	0.14 120	0.17 108	0.19 137	0.28 151	0.09 76	0.22 123	0.16 112	0.23 132	0.17 136	0.11 90	0.12 106

dd	0.23 113	0.98 192	0.16 112	0.23 108	0.15 127	0.23 130	0.15 116	0.23 126	0.15 126	0.23 127	0.15 127	0.24 134	0.17 128	0.23 132	0.15 120	0.22 123	0.15 110	0.21 123	0.15 122	0.22 122	0.16 115

dad	0.23 113	1.03 204	0.16 112	0.23 108	0.15 127	0.24 131	0.15 116	0.24 129	0.16 128	0.23 127	0.16 128	0.24 134	0.16 126	0.23 132	0.15 120	0.22 123	0.16 112	0.22 128	0.16 123	0.22 122	0.16 115

MSKI-zero shot	0.24 115	0.21 86	0.49 215	0.65 208	0.18 138	0.22 124	0.17 120	0.23 126	0.18 131	0.21 122	0.17 130	0.23 130	0.28 172	0.23 132	0.18 132	0.21 121	0.16 112	0.21 123	0.16 123	0.21 120	0.16 115

qqq1	0.25 116	3.70 336	0.14 97	0.14 73	0.04 54	0.06 63	0.05 63	0.06 65	0.05 68	0.06 67	0.05 71	0.04 51	0.05 64	0.06 58	0.05 59	0.13 85	0.12 85	0.06 65	0.05 67	0.03 39	0.04 53

fff1	0.25 116	3.70 336	0.14 97	0.14 73	0.04 54	0.06 63	0.05 63	0.06 65	0.05 68	0.06 67	0.05 71	0.04 51	0.05 64	0.06 58	0.05 59	0.13 85	0.12 85	0.06 65	0.05 67	0.03 39	0.04 53

UNDER WATER-64	0.25 116	0.26 98	0.25 138	0.26 122	0.25 158	0.25 135	0.25 147	0.25 132	0.25 149	0.25 133	0.25 159	0.25 137	0.25 151	0.26 147	0.25 152	0.25 141	0.25 138	0.25 138	0.25 156	0.25 130	0.25 141

DualNet	0.25 116	3.83 341	0.12 78	0.12 59	0.05 69	0.06 63	0.05 63	0.06 65	0.05 68	0.03 36	0.03 40	0.06 68	0.05 64	0.06 58	0.05 59	0.12 73	0.12 85	0.05 58	0.04 52	0.06 66	0.04 53

ffm	0.25 116	3.83 341	0.12 78	0.12 59	0.05 69	0.06 63	0.05 63	0.06 65	0.05 68	0.03 36	0.03 40	0.06 68	0.05 64	0.06 58	0.05 59	0.12 73	0.12 85	0.05 58	0.04 52	0.06 66	0.04 53

ff1	0.25 116	3.83 341	0.12 78	0.12 59	0.05 69	0.06 63	0.05 63	0.06 65	0.05 68	0.03 36	0.03 40	0.06 68	0.05 64	0.06 58	0.05 59	0.12 73	0.12 85	0.05 58	0.04 52	0.06 66	0.04 53

mmx	0.25 116	3.83 341	0.12 78	0.12 59	0.05 69	0.06 63	0.05 63	0.06 65	0.05 68	0.03 36	0.03 40	0.06 68	0.05 64	0.06 58	0.05 59	0.12 73	0.12 85	0.05 58	0.04 52	0.06 66	0.04 53

MIM_Stereo	0.25 116	0.23 90	0.66 238	0.80 224	0.17 133	0.22 124	0.17 120	0.23 126	0.18 131	0.26 140	0.17 130	0.21 122	0.17 128	0.25 138	0.17 126	0.23 132	0.16 112	0.21 123	0.17 136	0.22 122	0.17 121

LoS	0.25 116	0.27 99	0.25 138	0.25 116	0.25 158	0.25 135	0.25 147	0.26 136	0.25 149	0.25 133	0.25 159	0.25 137	0.25 151	0.25 138	0.25 152	0.26 142	0.25 138	0.25 138	0.26 162	0.26 131	0.25 141

Syn2CoEx	0.25 116	1.31 269	0.74 250	0.92 237	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.03 38	0.02 21	0.02 19	0.02 19	0.87 262	0.75 252	0.02 18	0.02 20	0.02 19	0.02 19

SQANet	0.28 126	0.28 101	0.28 147	0.28 124	0.28 168	0.28 146	0.28 161	0.28 138	0.28 168	0.28 142	0.28 172	0.28 147	0.28 172	0.28 151	0.28 162	0.28 147	0.28 151	0.28 147	0.28 172	0.28 136	0.28 164

HGLStereo	0.28 126	0.29 103	0.22 128	0.36 139	0.22 148	0.36 166	0.21 134	0.36 155	0.21 139	0.42 196	0.21 145	0.36 166	0.22 144	0.36 168	0.21 138	0.34 161	0.21 129	0.34 169	0.21 141	0.34 150	0.21 127

iResNet_ROB	0.28 126	0.32 106	0.24 136	0.32 132	0.25 158	0.32 160	0.24 145	0.32 145	0.24 146	0.33 153	0.24 155	0.35 161	0.24 149	0.33 161	0.24 147	0.31 156	0.24 137	0.32 155	0.24 153	0.32 142	0.24 140

UNet	0.29 129	0.90 181	0.10 56	0.14 73	0.10 88	0.14 94	0.10 85	0.91 263	0.69 265	0.14 94	0.11 98	0.14 95	0.11 98	0.14 96	0.10 81	0.12 73	0.09 55	0.12 91	0.09 80	0.88 251	0.76 269

LoS_RVC	0.30 130	1.14 210	0.25 138	0.25 116	0.25 158	0.26 142	0.25 147	0.25 132	0.25 149	0.25 133	0.25 159	0.26 145	0.26 160	0.26 147	0.25 152	0.26 142	0.26 141	0.25 138	0.25 156	0.26 131	0.26 147

CAS	0.30 130	1.17 214	0.25 138	0.25 116	0.25 158	0.26 142	0.25 147	0.25 132	0.26 162	0.25 133	0.25 159	0.25 137	0.25 151	0.25 138	0.25 152	0.26 142	0.26 141	0.26 141	0.25 156	0.26 131	0.25 141

DANet	0.30 130	0.30 104	0.30 153	0.30 126	0.30 182	0.30 150	0.30 170	0.30 143	0.30 179	0.30 145	0.30 182	0.30 153	0.30 180	0.30 155	0.30 175	0.30 154	0.30 167	0.30 153	0.30 188	0.30 141	0.30 175
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
tt1	0.31 133	0.93 188	0.24 136	0.33 134	0.23 152	0.31 153	0.24 145	0.32 145	0.24 146	0.32 151	0.23 149	0.32 157	0.25 151	0.32 157	0.24 147	0.27 145	0.26 141	0.27 145	0.26 162	0.27 134	0.27 152

xxxxx1	0.31 133	0.91 182	0.23 130	0.31 129	0.23 152	0.31 153	0.23 141	0.33 147	0.25 149	0.31 147	0.24 155	0.33 158	0.25 151	0.32 157	0.24 147	0.28 147	0.28 151	0.28 147	0.28 172	0.29 138	0.27 152

DLNR_Zeroshot_test	0.31 133	0.28 101	0.47 206	0.79 222	0.24 157	0.30 150	0.26 153	0.30 143	0.24 146	0.32 151	0.23 149	0.31 155	0.24 149	0.30 155	0.23 145	0.29 153	0.26 141	0.29 151	0.24 153	0.33 146	0.23 131

tt_ll	0.31 133	0.91 182	0.23 130	0.31 129	0.23 152	0.31 153	0.23 141	0.33 147	0.25 149	0.31 147	0.24 155	0.33 158	0.25 151	0.32 157	0.24 147	0.28 147	0.28 151	0.28 147	0.28 172	0.29 138	0.27 152

ff	0.31 133	0.91 182	0.23 130	0.31 129	0.23 152	0.31 153	0.23 141	0.33 147	0.25 149	0.31 147	0.24 155	0.33 158	0.25 151	0.32 157	0.24 147	0.28 147	0.28 151	0.28 147	0.28 172	0.29 138	0.27 152

RAFT + AFF	0.31 133	0.45 139	0.34 172	0.39 147	0.28 168	0.38 174	0.33 182	0.29 141	0.31 181	0.30 145	0.30 182	0.29 152	0.27 167	0.29 154	0.30 175	0.28 147	0.29 160	0.29 151	0.29 181	0.27 134	0.32 184

MLCV	0.31 133	0.35 107	0.27 144	0.35 135	0.28 168	0.35 163	0.27 156	0.35 151	0.28 168	0.36 160	0.27 167	0.35 161	0.27 167	0.35 163	0.27 158	0.34 161	0.27 146	0.34 169	0.27 168	0.34 150	0.27 152

DN-CSS_ROB	0.31 133	0.35 107	0.28 147	0.35 135	0.28 168	0.34 161	0.27 156	0.34 150	0.25 149	0.35 157	0.27 167	0.36 166	0.26 160	0.34 162	0.28 162	0.35 167	0.28 151	0.34 169	0.28 172	0.34 150	0.27 152

Any-RAFT	0.32 141	0.36 110	0.27 144	0.36 139	0.27 165	0.36 166	0.27 156	0.36 155	0.27 165	0.36 160	0.27 167	0.36 166	0.27 167	0.36 168	0.28 162	0.36 170	0.28 151	0.36 184	0.28 172	0.36 167	0.28 164

StereoDRNet-Refined	0.33 142	0.39 120	0.26 143	0.39 147	0.26 164	0.40 181	0.26 153	0.40 172	0.26 162	0.39 170	0.26 164	0.39 177	0.26 160	0.39 180	0.26 157	0.37 174	0.25 138	0.37 186	0.25 156	0.37 169	0.37 196
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
iRaft-Stereo_5w	0.34 143	0.42 136	0.31 158	0.39 147	0.30 182	0.38 174	0.30 170	0.40 172	0.29 170	0.40 174	0.37 202	0.41 192	0.34 192	0.38 173	0.30 175	0.34 161	0.27 146	0.34 169	0.26 162	0.34 150	0.26 147

CSP-Net	0.34 143	1.29 267	1.19 285	1.36 323	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.02 19	0.02 19	1.26 334	1.21 336	0.03 34	0.09 80	0.02 19	0.09 79

iRaft-Stereo_20w	0.34 143	0.41 129	0.31 158	0.39 147	0.29 174	0.40 181	0.32 175	0.41 184	0.32 185	0.38 165	0.30 182	0.39 177	0.30 180	0.38 173	0.32 179	0.35 167	0.27 146	0.34 169	0.27 168	0.34 150	0.29 168

DGSMNet	0.34 143	0.41 129	0.27 144	0.41 167	0.28 168	0.41 195	0.28 161	0.41 184	0.27 165	0.41 185	0.27 167	0.42 208	0.27 167	0.41 195	0.28 162	0.40 188	0.29 160	0.40 199	0.28 172	0.40 184	0.27 152

CASnet	0.35 147	0.51 157	0.44 197	0.32 132	0.31 186	0.24 131	0.34 191	0.36 155	0.25 149	0.31 147	0.37 202	0.30 153	0.33 189	0.25 138	0.45 224	0.37 174	0.37 178	0.33 162	0.35 205	0.34 150	0.37 196
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
IGEV-Stereo	0.35 147	0.44 137	0.45 199	0.49 188	0.30 182	0.37 171	0.30 170	0.36 155	0.30 179	0.36 160	0.29 174	0.36 166	0.29 176	0.36 168	0.30 175	0.46 209	0.39 187	0.32 155	0.24 153	0.32 142	0.25 141
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
ETE_ROB	0.35 147	0.35 107	0.35 175	0.35 135	0.35 206	0.35 163	0.35 193	0.35 151	0.35 196	0.35 157	0.35 198	0.35 161	0.35 194	0.35 163	0.35 195	0.35 167	0.35 174	0.35 179	0.35 205	0.35 161	0.35 192

RAFT-Test	0.36 150	0.37 111	0.33 165	0.41 167	0.32 189	0.41 195	0.32 175	0.41 184	0.32 185	0.41 185	0.32 186	0.41 192	0.32 185	0.41 195	0.33 182	0.37 174	0.29 160	0.37 186	0.29 181	0.38 175	0.31 180

DMCA	0.36 150	0.38 113	0.37 177	0.35 135	0.35 206	0.36 166	0.36 195	0.36 155	0.35 196	0.35 157	0.37 202	0.36 166	0.36 195	0.35 163	0.36 196	0.36 170	0.36 176	0.35 179	0.36 208	0.36 167	0.36 193

ACVNet-DCA	0.37 152	1.00 194	0.30 153	0.40 159	0.29 174	0.40 181	0.29 166	0.40 172	0.29 170	0.40 174	0.29 174	0.40 183	0.29 176	0.39 180	0.28 162	0.33 158	0.32 170	0.33 162	0.32 197	0.33 146	0.32 184

1test111	0.37 152	1.02 202	0.30 153	0.39 147	0.29 174	0.40 181	0.28 161	0.39 168	0.29 170	0.39 170	0.29 174	0.39 177	0.28 172	0.40 183	0.29 168	0.33 158	0.32 170	0.33 162	0.31 193	0.32 142	0.31 180

cc1	0.37 152	1.02 202	0.30 153	0.39 147	0.29 174	0.40 181	0.28 161	0.39 168	0.29 170	0.39 170	0.29 174	0.39 177	0.28 172	0.40 183	0.29 168	0.33 158	0.32 170	0.33 162	0.31 193	0.32 142	0.31 180

EKT-Stereo	0.37 152	0.40 122	0.44 197	1.07 252	0.29 174	0.34 161	0.31 174	0.36 155	0.29 170	0.38 165	0.31 185	0.37 171	0.30 180	0.36 168	0.29 168	0.34 161	0.28 151	0.39 196	0.30 188	0.37 169	0.30 175

GMOStereo	0.37 152	0.45 139	0.23 130	0.30 126	0.37 208	0.41 195	0.36 195	0.41 184	0.35 196	0.43 200	0.36 199	0.41 192	0.40 204	0.41 195	0.36 196	0.34 161	0.22 132	0.47 228	0.37 211	0.39 181	0.33 187

XPNet_ROB	0.37 152	0.37 111	0.37 177	0.37 142	0.37 208	0.37 171	0.37 199	0.37 161	0.37 202	0.37 164	0.37 202	0.37 171	0.37 197	0.37 172	0.37 202	0.37 174	0.37 178	0.37 186	0.37 211	0.37 169	0.37 196

WAO-8	0.38 158	0.38 113	0.38 179	0.38 143	0.38 213	0.38 174	0.38 204	0.38 164	0.38 204	0.38 165	0.38 207	0.38 173	0.38 199	0.38 173	0.38 203	0.38 181	0.38 182	0.38 192	0.37 211	0.38 175	0.38 200

WAO-7	0.38 158	0.38 113	0.38 179	0.38 143	0.38 213	0.38 174	0.38 204	0.38 164	0.38 204	0.38 165	0.38 207	0.38 173	0.38 199	0.38 173	0.38 203	0.38 181	0.38 182	0.38 192	0.38 217	0.38 175	0.38 200

xx1	0.38 158	1.03 204	0.31 158	0.40 159	0.31 186	0.41 195	0.28 161	0.40 172	0.29 170	0.40 174	0.29 174	0.40 183	0.29 176	0.40 183	0.29 168	0.34 161	0.33 173	0.34 169	0.32 197	0.34 150	0.32 184

Venus	0.38 158	0.38 113	0.38 179	0.38 143	0.38 213	0.37 171	0.38 204	0.37 161	0.37 202	0.41 185	0.37 202	0.39 177	0.37 197	0.38 173	0.38 203	0.37 174	0.38 182	0.38 192	0.37 211	0.37 169	0.38 200

IMH	0.38 158	0.38 113	0.38 179	0.38 143	0.38 213	0.38 174	0.38 204	0.38 164	0.38 204	0.42 196	0.38 207	0.40 183	0.38 199	0.38 173	0.38 203	0.38 181	0.38 182	0.39 196	0.38 217	0.38 175	0.38 200

HanzoNet	0.39 163	0.38 113	0.40 184	0.39 147	0.41 224	0.38 174	0.38 204	0.38 164	0.38 204	0.39 170	0.39 211	0.38 173	0.38 199	0.39 180	0.40 209	0.38 181	0.38 182	0.40 199	0.38 217	0.38 175	0.40 204

CES	0.39 163	0.47 145	0.36 176	0.36 139	0.37 208	0.45 217	0.35 193	0.35 151	0.40 210	0.36 160	0.44 227	0.47 217	0.36 195	0.44 209	0.36 196	0.37 174	0.39 187	0.44 221	0.35 205	0.37 169	0.36 193

PASM	0.39 163	3.06 327	1.36 347	1.58 327	0.09 82	0.11 90	0.11 97	0.11 90	0.11 99	0.09 77	0.09 82	0.11 91	0.09 83	0.09 78	0.09 76	0.11 68	0.11 74	0.11 88	0.09 80	0.11 90	0.11 95

knoymous	0.40 166	0.40 122	0.40 184	0.40 159	0.40 218	0.40 181	0.40 210	0.40 172	0.40 210	0.40 174	0.40 212	0.40 183	0.40 204	0.40 183	0.40 209	0.40 188	0.40 189	0.40 199	0.40 220	0.40 184	0.40 204

anonymousa	0.40 166	0.40 122	0.40 184	0.40 159	0.40 218	0.40 181	0.40 210	0.40 172	0.40 210	0.40 174	0.40 212	0.40 183	0.40 204	0.40 183	0.40 209	0.40 188	0.40 189	0.40 199	0.40 220	0.40 184	0.40 204

riskmin	0.40 166	0.40 122	0.40 184	0.40 159	0.40 218	0.40 181	0.40 210	0.40 172	0.40 210	0.40 174	0.40 212	0.40 183	0.40 204	0.40 183	0.40 209	0.40 188	0.40 189	0.40 199	0.40 220	0.40 184	0.40 204

Anonymous_2	0.40 166	0.40 122	0.40 184	0.40 159	0.40 218	0.40 181	0.40 210	0.40 172	0.40 210	0.40 174	0.40 212	0.40 183	0.40 204	0.40 183	0.40 209	0.40 188	0.40 189	0.40 199	0.40 220	0.40 184	0.40 204

Anonymous_1	0.40 166	0.40 122	0.40 184	0.40 159	0.40 218	0.40 181	0.40 210	0.40 172	0.40 210	0.40 174	0.40 212	0.40 183	0.40 204	0.40 183	0.40 209	0.40 188	0.40 189	0.40 199	0.40 220	0.40 184	0.40 204

AdaStereo	0.40 166	0.40 122	0.40 184	0.40 159	0.40 218	0.40 181	0.40 210	0.40 172	0.40 210	0.40 174	0.40 212	0.40 183	0.40 204	0.40 183	0.40 209	0.40 188	0.40 189	0.40 199	0.40 220	0.40 184	0.40 204
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.
GwcNet-ADL	0.41 172	0.41 129	0.41 192	0.41 167	0.41 224	0.41 195	0.41 216	0.41 184	0.41 219	0.41 185	0.41 218	0.41 192	0.41 214	0.41 195	0.41 216	0.41 195	0.41 198	0.41 210	0.41 226	0.41 192	0.41 211

PSMNet-ADL	0.41 172	0.41 129	0.41 192	0.41 167	0.41 224	0.41 195	0.41 216	0.41 184	0.41 219	0.41 185	0.41 218	0.41 192	0.41 214	0.41 195	0.41 216	0.41 195	0.41 198	0.41 210	0.41 226	0.41 192	0.41 211

GANet-ADL	0.41 172	0.41 129	0.41 192	0.41 167	0.41 224	0.41 195	0.41 216	0.41 184	0.41 219	0.41 185	0.41 218	0.41 192	0.41 214	0.41 195	0.41 216	0.41 195	0.41 198	0.41 210	0.41 226	0.41 192	0.41 211

ADLNet2	0.41 172	0.41 129	0.41 192	0.41 167	0.41 224	0.41 195	0.41 216	0.41 184	0.41 219	0.41 185	0.41 218	0.41 192	0.41 214	0.41 195	0.41 216	0.41 195	0.41 198	0.41 210	0.41 226	0.41 192	0.41 211

ADLNet	0.41 172	0.41 129	0.41 192	0.41 167	0.41 224	0.41 195	0.41 216	0.41 184	0.41 219	0.41 185	0.41 218	0.41 192	0.41 214	0.41 195	0.41 216	0.41 195	0.41 198	0.41 210	0.41 226	0.41 192	0.41 211

FCDSN-DC	0.41 172	0.59 165	0.64 233	0.54 197	0.33 198	0.50 234	0.37 199	0.42 200	0.40 210	0.61 243	0.43 226	0.50 235	0.49 236	0.38 173	0.32 179	0.28 147	0.23 136	0.26 141	0.22 143	0.35 161	0.28 164
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
psmorigin	0.41 172	0.46 141	0.33 165	0.49 188	0.33 198	0.49 228	0.33 182	0.49 214	0.33 188	0.49 218	0.33 189	0.49 224	0.33 189	0.51 231	0.33 182	0.41 195	0.30 167	0.41 210	0.30 188	0.79 241	0.29 168

Gwc-CoAtRS	0.41 172	1.49 275	0.32 161	0.42 175	0.32 189	0.41 195	0.32 175	0.41 184	0.33 188	0.41 185	0.32 186	0.41 192	0.32 185	0.41 195	0.32 179	0.39 186	0.28 151	0.39 196	0.28 172	0.40 184	0.28 164

UPFNet	0.42 180	1.20 218	0.17 116	0.24 113	0.17 133	0.25 135	0.17 120	1.19 286	0.90 283	0.25 133	0.17 130	0.24 134	0.17 128	0.25 138	0.17 126	0.22 123	0.17 124	0.22 128	0.16 123	1.15 270	0.93 282

psmg	0.43 181	1.91 290	0.92 265	1.91 336	0.02 20	0.02 18	0.03 39	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.02 21	0.03 33	0.02 19	1.97 359	1.44 350	0.04 48	0.03 42	0.02 19	0.03 39

delet	0.43 181	1.21 264	0.17 116	0.25 116	0.17 133	0.25 135	0.18 124	1.26 338	0.95 290	0.25 133	0.17 130	0.25 137	0.17 128	0.25 138	0.17 126	0.23 132	0.16 112	0.22 128	0.16 123	1.18 278	0.98 285

psm_up	0.43 181	1.19 217	0.17 116	0.25 116	0.18 138	0.25 135	0.19 127	1.26 338	0.91 284	0.26 140	0.17 130	0.25 137	0.17 128	0.25 138	0.17 126	0.22 123	0.17 124	0.23 132	0.16 123	1.18 278	0.99 286

MMNet	0.44 184	1.24 266	0.17 116	0.25 116	0.17 133	0.25 135	0.18 124	1.26 338	0.93 289	0.25 133	0.17 130	0.25 137	0.18 133	0.25 138	0.17 126	0.23 132	0.16 112	0.23 132	0.16 123	1.20 281	0.99 286

TorneroNet-64	0.45 185	0.27 99	0.30 153	0.58 201	0.27 165	0.70 255	0.30 170	0.28 138	0.73 272	0.73 255	0.28 172	0.71 254	0.66 255	0.75 260	0.27 158	0.27 145	0.29 160	0.37 186	0.75 275	0.28 136	0.30 175

otaku	0.46 186	0.46 141	0.46 201	0.46 178	0.46 234	0.46 218	0.46 224	0.46 204	0.46 226	0.46 204	0.46 230	0.46 212	0.46 222	0.46 212	0.46 226	0.46 209	0.46 205	0.46 224	0.46 233	0.46 199	0.46 219

Dean	0.46 186	0.46 141	0.46 201	0.46 178	0.46 234	0.46 218	0.46 224	0.46 204	0.46 226	0.47 209	0.46 230	0.46 212	0.46 222	0.46 212	0.46 226	0.46 209	0.46 205	0.46 224	0.46 233	0.46 199	0.46 219

ACVNet_1	0.46 186	0.47 145	0.46 201	0.46 178	0.46 234	0.46 218	0.46 224	0.46 204	0.47 229	0.46 204	0.46 230	0.46 212	0.46 222	0.46 212	0.46 226	0.46 209	0.46 205	0.47 228	0.46 233	0.46 199	0.46 219

ACVNet-4b	0.46 186	0.46 141	0.46 201	0.46 178	0.46 234	0.46 218	0.46 224	0.46 204	0.46 226	0.46 204	0.46 230	0.46 212	0.46 222	0.47 215	0.46 226	0.46 209	0.46 205	0.46 224	0.46 233	0.46 199	0.46 219

PML	0.46 186	1.36 272	0.29 149	0.58 201	0.30 182	0.57 245	0.29 166	0.57 232	0.29 170	0.57 238	0.29 174	0.57 244	0.29 176	0.56 239	0.29 168	0.52 227	0.30 167	0.53 245	0.31 193	0.53 218	0.30 175

Ntro	0.47 191	0.47 145	0.46 201	0.46 178	0.46 234	0.47 222	0.47 230	0.46 204	0.47 229	0.46 204	0.46 230	0.47 217	0.46 222	0.47 215	0.47 230	0.47 214	0.46 205	0.46 224	0.46 233	0.46 199	0.46 219

HaxPig	0.47 191	0.47 145	0.47 206	0.49 188	0.47 239	0.47 222	0.47 230	0.47 209	0.47 229	0.47 209	0.47 237	0.47 217	0.47 231	0.47 215	0.47 230	0.47 214	0.47 211	0.47 228	0.47 239	0.47 205	0.48 227

UNDER WATER	0.47 191	0.47 145	0.47 206	0.47 183	0.47 239	0.47 222	0.47 230	0.47 209	0.47 229	0.47 209	0.47 237	0.47 217	0.46 222	0.47 215	0.47 230	0.47 214	0.47 211	0.47 228	0.46 233	0.47 205	0.47 224

LVE	0.47 191	0.47 145	0.47 206	0.47 183	0.49 244	0.47 222	0.47 230	0.47 209	0.49 236	0.47 209	0.47 237	0.47 217	0.46 222	0.47 215	0.47 230	0.47 214	0.47 211	0.48 236	0.47 239	0.47 205	0.47 224

SPstereo	0.47 191	0.38 113	0.51 219	0.56 199	0.31 186	0.67 253	0.44 222	0.55 228	0.31 181	0.61 243	0.44 227	0.46 212	0.52 242	0.67 251	0.42 222	0.48 218	0.40 189	0.47 228	0.36 208	0.53 218	0.33 187

RainbowNet	0.48 196	0.48 151	0.48 211	0.48 186	0.48 241	0.48 226	0.48 235	0.48 212	0.48 234	0.48 213	0.48 240	0.48 222	0.48 232	0.48 220	0.48 235	0.48 218	0.48 215	0.48 236	0.48 242	0.48 208	0.48 227

notaker	0.48 196	0.49 152	0.48 211	0.48 186	0.48 241	0.48 226	0.48 235	0.48 212	0.49 236	0.48 213	0.48 240	0.48 222	0.48 232	0.48 220	0.48 235	0.48 218	0.48 215	0.48 236	0.48 242	0.48 208	0.49 230

LL-Strereo2	0.48 196	1.73 285	0.51 219	0.59 203	0.34 204	0.42 211	0.33 182	0.40 172	0.31 181	0.42 196	0.33 189	0.42 208	0.31 184	0.44 209	0.39 208	0.60 234	0.51 223	0.44 221	0.33 202	0.44 198	0.33 187

ACVNet_2	0.49 199	0.49 152	0.49 215	0.49 188	0.49 244	0.49 228	0.49 238	0.49 214	0.49 236	0.49 218	0.49 244	0.49 224	0.49 236	0.49 226	0.49 238	0.49 221	0.49 217	0.49 239	0.49 244	0.49 210	0.49 230

SANet	0.50 200	0.50 154	0.50 217	0.50 194	0.50 247	0.50 234	0.50 240	0.50 221	0.50 239	0.50 227	0.50 246	0.50 235	0.50 239	0.50 230	0.50 239	0.50 225	0.50 222	0.50 242	0.50 246	0.50 214	0.50 233

Selective-IGEV	0.51 201	0.55 164	0.45 199	0.69 211	0.45 233	0.61 248	0.45 223	0.50 221	0.40 210	0.56 237	0.44 227	0.55 240	0.40 204	0.72 256	0.67 260	0.59 232	0.46 205	0.45 223	0.34 203	0.46 199	0.37 196

RCA-Stereo	0.51 201	3.22 331	0.34 172	0.44 176	0.34 204	0.44 216	0.34 191	0.43 202	0.34 195	0.43 200	0.34 195	0.44 211	0.33 189	0.43 207	0.33 182	0.38 181	0.29 160	0.38 192	0.29 181	0.38 175	0.29 168

FENet	0.54 203	1.52 276	1.19 285	1.41 326	0.23 152	0.35 163	0.23 141	0.35 151	0.23 145	0.34 155	0.23 149	0.35 161	0.23 148	0.35 163	0.23 145	1.40 343	1.07 271	0.32 155	0.23 148	0.33 146	0.23 131

PSMNet_ROB	0.54 203	0.54 162	0.54 222	0.54 197	0.53 252	0.54 239	0.54 244	0.53 226	0.54 248	0.54 233	0.54 253	0.54 237	0.53 244	0.54 234	0.54 244	0.54 229	0.53 226	0.54 246	0.54 247	0.54 220	0.54 237

CFNet-ft	0.55 205	1.57 277	0.14 97	0.20 99	0.14 118	0.20 115	2.53 380	1.61 347	0.14 118	0.20 114	0.14 120	0.20 115	0.14 117	0.20 115	0.14 112	0.17 108	0.12 85	0.17 111	0.12 110	1.56 338	1.24 353

MyStereo04	0.56 206	3.72 339	0.59 226	0.49 188	0.41 224	0.36 166	0.32 175	0.37 161	0.31 181	0.34 155	0.46 230	0.35 161	0.32 185	0.35 163	0.33 182	0.49 221	0.45 203	0.34 169	0.32 197	0.35 161	0.43 216

CASS	0.57 207	0.89 179	0.56 223	0.57 200	0.56 254	0.56 241	0.56 245	0.56 230	0.53 244	0.57 238	0.57 256	0.59 246	0.48 232	0.56 239	0.57 248	0.55 231	0.56 229	0.47 228	0.56 251	0.62 222	0.56 244
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
MyStereo07	0.60 208	3.72 339	0.48 211	0.49 188	0.41 224	0.36 166	0.32 175	0.49 214	0.43 224	0.51 228	0.42 224	0.49 224	0.43 219	0.51 231	0.64 256	0.49 221	0.45 203	0.34 169	0.32 197	0.35 161	0.43 216

whm_eth	0.63 209	1.48 274	0.47 206	0.71 215	0.48 241	0.71 257	0.48 235	0.71 247	0.48 234	0.71 253	0.48 240	0.71 254	0.48 232	0.72 256	0.48 235	0.71 247	0.47 211	0.71 260	0.47 239	0.71 231	0.47 224

anonymity	0.63 209	0.69 167	0.56 223	0.71 215	0.56 254	0.71 257	0.56 245	0.71 247	0.56 249	0.72 254	0.56 254	0.71 254	0.56 246	0.71 255	0.58 251	0.68 240	0.55 227	0.68 254	0.55 248	0.68 225	0.54 237

CRFU-Net	0.65 211	1.67 280	1.22 335	1.96 339	0.27 165	0.41 195	0.27 156	0.41 184	0.27 165	0.40 174	0.26 164	0.41 192	0.27 167	0.40 183	0.27 158	1.80 353	1.62 355	0.34 169	0.23 148	0.33 146	0.23 131

LMCR-Stereo	0.65 211	0.63 166	0.65 237	0.65 208	0.65 265	0.66 252	0.63 253	0.58 234	0.65 258	0.63 246	0.64 263	0.65 250	0.65 253	0.66 249	0.66 259	0.66 238	0.64 238	0.65 252	0.67 266	0.68 225	0.73 264

KSHMR	0.66 213	0.50 154	0.48 211	1.15 261	0.52 249	0.49 228	0.51 242	0.49 214	0.71 270	0.67 249	0.50 246	1.16 298	1.11 287	0.66 249	0.52 242	0.49 221	0.49 217	0.51 243	0.66 263	0.50 214	1.14 300

TorneroNet	0.66 213	0.53 159	0.50 217	0.50 194	0.64 264	1.06 286	0.70 264	0.50 221	0.51 242	0.49 218	0.69 272	0.49 224	0.50 239	0.48 220	1.15 298	0.71 247	0.49 217	1.14 295	1.08 293	0.49 210	0.49 230

GES	0.66 213	2.34 308	0.29 149	0.41 167	0.29 174	0.41 195	0.29 166	0.42 200	0.29 170	0.40 174	0.41 218	0.41 192	0.30 180	0.51 231	0.29 168	0.32 157	0.29 160	0.32 155	2.46 383	2.49 356	0.30 175

cf-r	0.66 213	2.17 304	0.12 78	0.18 95	0.12 114	0.18 110	2.70 383	2.60 369	0.12 114	0.18 110	0.12 105	0.18 111	0.12 111	0.18 110	0.12 103	0.15 97	0.11 74	0.15 105	0.11 97	1.81 342	1.74 374

DSFCA	0.66 213	0.73 170	0.78 254	0.65 208	0.65 265	0.64 251	0.64 254	0.65 242	0.63 257	0.64 247	0.64 263	0.64 248	0.64 251	0.65 248	0.65 257	0.65 237	0.65 239	0.65 252	0.65 261	0.66 223	0.64 252

ssnet_v2	0.68 218	1.96 297	1.25 339	0.29 125	0.20 142	0.30 150	0.20 129	0.29 141	0.22 140	1.50 349	0.20 141	0.31 155	0.20 140	0.27 149	0.22 140	0.24 137	1.49 351	0.26 141	0.18 138	3.90 368	0.19 125

ARAFT	0.68 218	0.81 176	0.63 231	0.74 218	0.60 256	0.78 264	0.62 252	0.77 252	0.66 260	0.74 259	0.63 261	0.75 260	0.62 250	0.83 266	0.60 253	0.70 244	0.55 227	0.70 259	0.60 255	0.78 239	0.55 241

NINENet	0.69 220	3.87 345	1.20 288	1.98 340	0.05 69	0.40 181	0.04 54	0.40 172	0.05 68	0.41 185	0.04 63	0.41 192	0.05 64	0.40 183	0.05 59	1.79 352	1.56 353	0.34 169	0.22 143	0.34 150	0.23 131

RAFT-Stereo + iAFF	0.70 221	0.72 169	0.71 246	0.80 224	0.62 263	0.82 268	0.61 249	0.81 257	0.62 255	0.81 266	0.63 261	0.80 267	0.70 262	0.73 258	0.61 255	0.76 250	0.61 236	0.74 263	0.61 257	0.77 238	0.61 248

DMCA-RVC	0.70 221	0.80 173	0.70 244	0.70 213	0.70 274	0.70 255	0.70 264	0.71 247	0.70 267	0.70 252	0.71 275	0.71 254	0.70 262	0.70 254	0.69 267	0.69 241	0.70 248	0.69 257	0.70 271	0.69 229	0.70 259

MyStereo8	0.71 223	3.92 346	0.52 221	0.59 203	0.52 249	0.57 245	0.53 243	0.59 236	0.50 239	0.59 241	0.51 249	0.57 244	0.50 239	0.56 239	0.52 242	0.54 229	0.49 217	0.54 246	0.49 244	0.55 221	0.50 233

HH	0.71 223	2.54 311	0.74 250	1.10 254	0.32 189	0.41 195	0.37 199	0.69 245	0.78 275	0.73 255	0.90 287	0.75 260	1.00 280	0.84 267	0.69 267	0.69 241	0.40 189	0.35 179	0.26 162	0.35 161	0.26 147

HanStereo	0.71 223	2.54 311	0.74 250	1.10 254	0.32 189	0.41 195	0.37 199	0.69 245	0.78 275	0.73 255	0.90 287	0.75 260	1.00 280	0.84 267	0.69 267	0.69 241	0.40 189	0.35 179	0.26 162	0.35 161	0.26 147

ktn	0.72 226	0.53 159	1.08 276	1.14 259	0.51 248	1.22 345	1.36 357	0.51 225	0.59 251	0.51 228	0.51 249	0.69 253	1.20 298	0.67 251	0.51 241	0.51 226	0.49 217	0.58 248	0.66 263	0.52 216	0.53 236

CroCo-Stereo	0.73 227	1.22 265	0.25 138	1.22 315	0.25 158	1.22 345	0.25 147	1.22 335	0.25 149	1.22 342	0.25 159	1.22 347	0.25 151	1.22 346	0.25 152	1.22 333	0.26 141	1.21 350	0.25 156	1.22 328	0.25 141
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
AFF-stereo	0.73 227	0.88 178	0.67 240	0.75 219	0.68 273	0.75 259	0.64 254	0.80 254	0.72 271	0.83 267	0.70 273	0.82 270	0.64 251	0.84 267	0.67 260	0.77 251	0.63 237	0.81 273	0.63 260	0.78 239	0.62 250

MyStereo06	0.75 229	4.12 347	0.60 227	0.63 206	0.61 260	0.62 249	0.66 257	0.56 230	0.45 225	0.55 235	0.48 240	0.54 237	0.46 222	0.57 242	0.45 224	0.60 234	0.57 230	0.64 250	0.55 248	0.72 232	0.55 241

GANet-RSSM	0.75 229	1.91 290	0.14 97	0.47 183	0.14 118	0.21 122	3.21 388	2.30 366	0.14 118	0.46 204	0.14 120	0.23 130	0.18 133	0.21 124	0.14 112	0.18 115	0.27 146	0.37 186	0.13 118	2.13 350	2.12 376

CroCo-Stereo Lap2	0.77 231	1.29 267	0.29 149	1.27 318	0.29 174	1.27 348	0.26 153	1.26 338	0.26 162	1.26 343	0.26 164	1.27 348	0.26 160	1.26 347	0.27 158	1.27 335	0.27 146	1.27 353	0.27 168	1.27 330	0.27 152

PSMNet-RSSM	0.77 231	2.76 320	0.14 97	0.20 99	0.14 118	0.20 115	2.66 381	2.79 373	0.14 118	0.21 122	0.14 120	0.21 122	0.14 117	0.20 115	0.14 112	0.17 108	0.12 85	0.17 111	0.12 110	2.52 357	2.31 378

GwcNet-RSSM	0.77 231	2.77 322	0.14 97	0.20 99	0.14 118	0.20 115	2.67 382	2.78 372	0.14 118	0.20 114	0.14 120	0.20 115	0.14 117	0.21 124	0.14 112	0.17 108	0.12 85	0.17 111	0.12 110	2.52 357	2.31 378

4D-IteraStereo	0.78 234	3.13 328	0.89 260	0.69 211	0.32 189	0.40 181	0.32 175	0.76 251	0.97 292	0.52 231	0.65 267	0.89 274	0.32 185	0.76 261	0.98 287	0.83 258	0.94 266	0.35 179	0.27 168	0.70 230	0.89 279

hitnet-ft	0.79 235	2.78 323	0.14 97	0.20 99	0.14 118	0.21 122	2.89 384	2.80 374	0.14 118	0.20 114	0.14 120	0.20 115	0.14 117	0.20 115	0.14 112	0.17 108	0.12 85	0.17 111	0.12 110	2.54 359	2.33 380

G-Net	0.79 235	0.79 172	0.79 256	0.79 222	0.79 283	0.79 265	0.79 271	0.79 253	0.79 278	0.79 261	0.79 282	0.79 266	0.79 270	0.79 262	0.79 274	0.79 252	0.79 254	0.79 269	0.79 278	0.79 241	0.79 270

MyStereo05	0.80 237	4.12 347	0.63 231	0.63 206	0.61 260	0.62 249	0.66 257	0.65 242	0.62 255	0.67 249	0.61 259	0.65 250	0.58 247	0.67 251	0.55 247	0.60 234	0.57 230	0.64 250	0.55 248	0.72 232	0.55 241

UDG	0.80 237	2.21 305	0.60 227	0.91 234	0.60 256	0.90 274	0.58 247	0.88 261	0.60 252	0.90 269	0.60 257	0.88 272	0.60 249	0.90 274	0.58 251	0.86 261	0.60 232	0.84 276	0.59 254	0.84 249	0.61 248

ccnet	0.80 237	2.28 307	0.33 165	0.50 194	0.33 198	0.50 234	0.33 182	0.50 221	0.33 188	0.49 218	0.33 189	0.49 224	1.56 359	2.38 369	0.33 182	0.41 195	0.29 160	0.42 219	1.57 366	2.28 352	0.29 168

NaN_ROB	0.80 237	0.80 173	0.80 257	0.80 224	0.80 285	0.80 266	0.80 273	0.80 254	0.80 279	0.80 262	0.80 283	0.80 267	0.80 271	0.80 263	0.80 276	0.80 253	0.80 257	0.80 271	0.80 279	0.80 244	0.80 271

CSAN	0.80 237	0.80 173	0.80 257	0.80 224	0.80 285	0.80 266	0.80 273	0.80 254	0.80 279	0.80 262	0.80 283	0.80 267	0.80 271	0.80 263	0.80 276	0.80 253	0.80 257	0.80 271	0.80 279	0.80 244	0.80 271

BSDual-CNN	0.81 242	1.91 290	0.92 265	4.48 371	0.02 20	0.42 211	0.06 75	0.41 184	0.02 20	0.48 213	0.03 40	0.02 19	0.02 21	0.03 33	0.02 19	1.97 359	4.19 378	0.33 162	0.23 148	0.34 150	0.27 152

DDUNet	0.81 242	2.45 309	0.57 225	0.90 231	0.60 256	0.88 271	0.59 248	0.90 262	0.60 252	0.88 268	0.60 257	0.90 275	0.58 247	0.88 271	0.60 253	0.84 260	0.60 232	0.86 278	0.57 252	0.86 250	0.60 247

R-Stereo Train	0.81 242	0.96 190	0.67 240	0.95 241	0.67 271	0.95 279	0.68 261	0.95 271	0.68 262	0.95 277	0.68 270	0.96 282	0.68 260	0.96 282	0.68 263	0.94 268	0.68 243	0.94 283	0.68 267	0.94 259	0.68 257

RAFT-Stereo	0.81 242	0.96 190	0.67 240	0.95 241	0.67 271	0.95 279	0.68 261	0.95 271	0.68 262	0.95 277	0.68 270	0.96 282	0.68 260	0.96 282	0.68 263	0.94 268	0.68 243	0.94 283	0.68 267	0.94 259	0.68 257
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
gwcnet-sp	0.82 246	1.72 281	1.48 353	0.39 147	0.15 127	0.31 153	0.21 134	0.20 115	0.25 149	1.61 351	0.23 149	0.28 147	0.26 160	0.20 115	0.15 120	0.24 137	1.33 341	0.32 155	0.16 123	6.75 390	0.23 131

scenet	0.82 246	1.72 281	1.48 353	0.39 147	0.15 127	0.31 153	0.21 134	0.20 115	0.25 149	1.61 351	0.23 149	0.28 147	0.26 160	0.20 115	0.15 120	0.24 137	1.33 341	0.32 155	0.16 123	6.75 390	0.23 131

ssnet	0.82 246	1.72 281	1.48 353	0.39 147	0.15 127	0.31 153	0.21 134	0.20 115	0.25 149	1.61 351	0.23 149	0.28 147	0.26 160	0.20 115	0.15 120	0.24 137	1.33 341	0.32 155	0.16 123	6.75 390	0.23 131

BUS	0.83 249	1.91 290	0.92 265	4.48 371	0.02 20	0.40 181	0.04 54	0.41 184	0.02 20	0.48 213	0.03 40	0.41 192	0.05 64	0.03 33	0.05 59	1.97 359	4.19 378	0.33 162	0.23 148	0.34 150	0.27 152

PDISCO_ROB	0.83 249	2.80 324	3.49 382	0.14 73	0.11 102	0.17 108	0.09 80	0.15 105	0.10 85	0.15 100	0.12 105	0.16 105	0.14 117	3.30 380	0.13 109	0.14 90	2.34 370	0.16 106	0.12 110	2.62 360	0.10 83

MyStereo03	0.84 251	4.93 360	0.68 243	0.90 231	0.74 280	0.56 241	0.46 224	0.55 228	0.52 243	0.74 259	0.56 254	0.56 242	0.46 222	0.81 265	0.54 244	0.59 232	0.52 224	0.75 264	0.68 267	0.68 225	0.65 253

DCRE	0.84 251	1.89 289	0.77 253	0.94 239	0.72 277	0.88 271	0.73 267	0.87 259	0.78 275	0.90 269	0.71 275	0.88 272	0.67 259	0.88 271	0.73 271	0.81 256	0.68 243	0.81 273	0.70 271	0.82 248	0.70 259

iGMRVC	0.84 251	2.85 325	0.72 247	0.72 217	0.73 278	0.77 262	0.79 271	0.73 250	0.74 274	0.73 255	0.72 277	0.73 258	0.76 268	0.73 258	0.73 271	0.72 249	0.73 250	0.73 262	0.72 274	0.73 237	0.72 262

MyStereo02	0.85 254	4.58 355	0.64 233	0.76 220	0.65 265	0.75 259	0.61 249	0.60 237	0.53 244	0.80 262	0.64 263	0.78 263	0.66 255	0.55 236	0.57 248	0.70 244	0.66 241	0.68 254	0.62 258	0.72 232	0.59 245

MyStereo	0.85 254	4.58 355	0.64 233	0.76 220	0.65 265	0.75 259	0.61 249	0.60 237	0.53 244	0.80 262	0.64 263	0.78 263	0.66 255	0.55 236	0.57 248	0.70 244	0.66 241	0.68 254	0.62 258	0.72 232	0.59 245

GEStereo_RVC	0.86 256	4.45 352	0.20 125	0.27 123	0.20 142	0.27 145	0.20 129	0.26 136	0.18 131	5.03 394	0.20 141	0.27 146	0.19 137	0.27 149	0.21 138	0.20 118	0.19 127	0.19 120	4.02 395	0.20 116	0.18 124

Selective-RAFT-Error	0.88 257	0.84 177	0.98 270	0.86 229	0.97 297	0.88 271	0.95 284	0.84 258	0.99 294	0.92 272	0.82 285	0.84 271	0.98 279	0.87 270	0.97 286	0.81 256	0.83 260	0.79 269	0.82 282	0.79 241	0.85 276

IER	0.88 257	7.04 367	2.23 371	2.75 358	0.28 168	0.43 215	0.25 147	0.39 168	0.25 149	0.41 185	0.27 167	0.39 177	0.25 151	0.40 183	0.28 162	0.37 174	0.28 151	0.37 186	0.25 156	0.37 169	0.25 141

Selective-RAFT	0.89 259	0.89 179	0.72 247	1.16 266	0.78 282	1.06 286	0.82 275	0.87 259	0.97 292	1.00 279	0.91 289	0.90 275	1.00 280	0.89 273	0.93 285	0.83 258	0.83 260	0.82 275	0.82 282	0.81 247	0.82 274

CFNet-RSSM	0.91 260	4.89 359	0.34 172	0.44 176	1.07 303	1.62 357	1.40 363	0.91 263	0.35 196	1.60 350	1.39 362	0.64 248	0.34 192	0.44 209	0.33 182	0.41 195	0.35 174	0.75 264	0.30 188	0.41 192	0.29 168

ToySt	0.92 261	2.11 299	0.90 262	0.95 241	0.79 283	0.99 281	0.78 270	0.94 270	0.81 282	0.94 276	0.78 281	0.95 281	0.77 269	0.94 278	0.86 279	0.91 263	0.79 254	0.85 277	0.77 276	0.89 252	0.73 264

DPSM_ROB	0.92 261	0.91 182	0.91 263	0.91 234	0.92 293	0.92 276	0.92 280	0.92 266	0.91 284	0.93 274	0.91 289	0.92 277	0.90 274	0.91 275	0.92 281	0.92 264	0.91 262	0.91 280	0.92 285	0.93 257	0.93 282

DPSM	0.92 261	0.91 182	0.91 263	0.91 234	0.92 293	0.92 276	0.92 280	0.92 266	0.91 284	0.93 274	0.91 289	0.92 277	0.90 274	0.91 275	0.92 281	0.92 264	0.91 262	0.91 280	0.92 285	0.93 257	0.93 282

pmcnn	0.92 261	0.92 187	0.92 265	0.92 237	0.92 293	0.92 276	0.92 280	0.92 266	0.92 288	0.92 272	0.92 292	0.92 277	0.92 276	0.92 277	0.92 281	0.92 264	0.92 264	0.92 282	0.92 285	0.92 256	0.92 281

error version	0.93 265	4.47 353	2.35 374	1.99 341	0.37 208	0.41 195	0.36 195	0.41 184	0.35 196	0.43 200	0.36 199	0.41 192	0.40 204	0.41 195	0.36 196	1.87 355	2.16 366	0.47 228	0.37 211	0.39 181	0.33 187

test_1	0.93 265	4.47 353	2.35 374	1.99 341	0.37 208	0.41 195	0.36 195	0.41 184	0.35 196	0.43 200	0.36 199	0.41 192	0.40 204	0.41 195	0.36 196	1.87 355	2.16 366	0.47 228	0.37 211	0.39 181	0.33 187

DGTPSM_ROB	0.93 265	1.00 194	0.92 265	0.94 239	0.96 296	0.91 275	0.92 280	0.91 263	0.96 291	0.91 271	0.96 293	0.93 280	0.92 276	0.94 278	0.92 281	0.92 264	0.92 264	0.90 279	0.92 285	0.94 259	0.91 280

HSM-Net_RVC	0.95 268	1.17 214	0.78 254	1.18 268	0.71 275	1.16 298	0.75 269	1.09 278	0.80 279	1.10 286	0.75 280	1.17 299	0.74 266	1.17 298	0.80 276	1.13 283	0.73 250	1.17 301	0.77 276	1.16 272	0.72 262
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
iRaftStereo_RVC	0.97 269	3.17 330	2.30 373	2.42 353	0.38 213	0.54 239	0.38 204	0.54 227	0.38 204	0.54 233	0.38 207	0.54 237	0.38 199	0.54 234	0.38 203	2.38 369	2.34 370	0.49 239	0.36 208	0.49 210	0.36 193

DPSimNet_ROB	0.97 269	1.18 216	0.81 259	1.10 254	0.91 292	1.02 285	0.82 275	1.04 276	0.91 284	1.03 283	0.86 286	1.28 349	0.82 273	1.03 287	0.89 280	1.17 285	0.81 259	1.02 292	0.82 282	1.08 266	0.81 273

test-3	0.98 271	4.13 349	1.85 366	1.85 333	0.61 260	0.69 254	0.37 199	0.63 241	0.61 254	0.66 248	0.51 249	0.73 258	0.44 220	0.57 242	0.54 244	1.68 350	1.81 364	0.40 199	0.43 232	0.66 223	0.50 233

GANet	1.00 272	1.00 194	1.00 272	1.00 247	1.00 298	1.00 282	1.00 287	1.00 273	1.00 295	1.00 279	1.00 294	1.00 284	1.00 280	1.00 284	1.00 289	1.00 270	1.00 267	1.00 289	1.00 289	1.00 262	1.00 288

TDLM	1.00 272	1.00 194	1.00 272	1.00 247	1.00 298	1.00 282	1.00 287	1.00 273	1.00 295	1.00 279	1.00 294	1.00 284	1.00 280	1.00 284	1.00 289	1.00 270	1.00 267	1.00 289	1.00 289	1.00 262	1.00 288

CVANet_RVC	1.00 272	1.00 194	1.00 272	1.00 247	1.00 298	1.00 282	1.00 287	1.00 273	1.00 295	1.00 279	1.00 294	1.00 284	1.00 280	1.00 284	1.00 289	1.00 270	1.00 267	1.00 289	1.00 289	1.00 262	1.00 288

LL-Strereo	1.01 275	5.06 362	1.63 356	0.70 213	1.43 368	0.56 241	0.46 224	0.57 232	0.50 239	0.57 238	0.50 246	1.58 354	0.49 236	0.59 244	0.50 239	1.64 349	0.52 224	0.51 243	1.37 357	0.52 216	0.45 218

GLC_STEREO	1.07 276	1.01 199	1.06 275	1.07 252	1.05 302	1.06 286	1.08 292	1.08 277	1.05 299	1.07 284	1.06 297	1.08 288	1.05 286	1.06 288	1.10 293	1.07 274	1.09 277	1.05 293	1.05 292	1.06 265	1.12 296

FC-DCNN	1.07 276	1.09 206	0.98 270	0.89 230	0.52 249	1.41 354	0.91 279	1.21 334	1.24 357	1.96 358	2.05 382	1.91 358	1.30 351	1.27 348	1.08 292	0.80 253	0.60 232	0.58 248	0.41 226	0.68 225	0.54 237

hknet	1.10 278	1.85 288	3.49 382	4.48 371	0.02 20	0.42 211	0.06 75	0.41 184	0.02 20	0.48 213	0.03 40	0.41 192	0.03 42	0.42 206	0.03 37	4.39 382	4.19 378	0.33 162	0.23 148	0.34 150	0.27 152

test_xeample3	1.10 278	1.81 286	0.61 229	0.84 228	0.49 244	0.77 262	0.66 257	0.92 266	1.40 366	0.68 251	0.46 230	0.78 263	0.54 245	1.72 354	1.48 363	1.34 339	1.52 352	1.35 355	1.67 370	1.33 331	1.55 366

DISCO	1.11 280	0.39 120	5.28 389	0.39 147	0.20 142	0.39 180	0.27 156	0.39 168	0.22 140	0.38 165	0.20 141	0.38 173	0.20 140	6.95 402	0.22 140	0.30 154	0.21 129	0.27 145	0.21 141	5.25 383	0.21 127

AEACV	1.12 281	0.52 158	3.12 380	3.24 364	0.86 287	0.53 238	0.49 238	0.60 237	0.47 229	0.53 232	0.49 244	0.55 240	0.45 221	0.55 236	0.47 230	3.01 374	3.88 376	0.71 260	0.60 255	0.80 244	0.48 227

MSMD_ROB	1.19 282	1.10 209	0.70 244	1.10 254	0.60 256	1.10 291	0.70 264	1.10 279	0.70 267	1.10 286	0.70 273	1.10 292	0.70 262	7.00 403	0.70 270	1.10 277	0.70 248	1.10 294	0.70 271	1.10 267	0.70 259

DisPM	1.20 283	1.20 218	1.20 288	1.20 270	1.20 313	1.20 299	1.20 303	1.20 289	1.20 309	1.20 296	1.20 306	1.20 301	1.20 298	1.20 300	1.20 305	1.20 287	1.20 290	1.20 305	1.20 304	1.20 281	1.20 305

CrosDoStereo	1.20 283	1.20 218	1.20 288	1.20 270	1.20 313	1.20 299	1.20 303	1.20 289	1.20 309	1.20 296	1.20 306	1.20 301	1.20 298	1.20 300	1.20 305	1.20 287	1.20 290	1.20 305	1.20 304	1.20 281	1.20 305

PFNet+	1.20 283	1.20 218	1.20 288	1.20 270	1.20 313	1.20 299	1.20 303	1.20 289	1.20 309	1.20 296	1.20 306	1.20 301	1.20 298	1.20 300	1.20 305	1.20 287	1.20 290	1.20 305	1.20 304	1.20 281	1.20 305

LCNet	1.20 283	1.20 218	1.20 288	1.20 270	1.20 313	1.20 299	1.20 303	1.20 289	1.20 309	1.20 296	1.20 306	1.20 301	1.20 298	1.20 300	1.20 305	1.20 287	1.20 290	1.20 305	1.20 304	1.20 281	1.20 305

HHNet	1.20 283	1.20 218	1.20 288	1.20 270	1.20 313	1.20 299	1.20 303	1.20 289	1.20 309	1.20 296	1.20 306	1.20 301	1.20 298	1.20 300	1.20 305	1.20 287	1.20 290	1.20 305	1.20 304	1.20 281	1.20 305

Patchmatch Stereo++	1.20 283	1.20 218	1.20 288	1.20 270	1.20 313	1.20 299	1.20 303	1.20 289	1.20 309	1.20 296	1.20 306	1.20 301	1.20 298	1.20 300	1.20 305	1.20 287	1.20 290	1.20 305	1.20 304	1.20 281	1.20 305
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
AAGNet	1.20 283	1.20 218	1.20 288	1.20 270	1.20 313	1.20 299	1.20 303	1.20 289	1.20 309	1.20 296	1.20 306	1.20 301	1.20 298	1.20 300	1.20 305	1.20 287	1.20 290	1.20 305	1.20 304	1.20 281	1.20 305

STrans-v2	1.20 283	1.20 218	1.20 288	1.20 270	1.20 313	1.20 299	1.20 303	1.20 289	1.20 309	1.20 296	1.20 306	1.20 301	1.20 298	1.20 300	1.20 305	1.20 287	1.20 290	1.20 305	1.20 304	1.20 281	1.20 305

TransformOpticalFlow	1.20 283	1.20 218	1.20 288	1.20 270	1.20 313	1.20 299	1.20 303	1.20 289	1.20 309	1.20 296	1.20 306	1.20 301	1.20 298	1.20 300	1.20 305	1.20 287	1.20 290	1.20 305	1.20 304	1.20 281	1.20 305

OMP-Stereo	1.20 283	1.20 218	1.20 288	1.20 270	1.20 313	1.20 299	1.20 303	1.20 289	1.20 309	1.20 296	1.20 306	1.20 301	1.20 298	1.20 300	1.20 305	1.20 287	1.20 290	1.20 305	1.20 304	1.20 281	1.20 305

IIG-Stereo	1.20 283	1.20 218	1.20 288	1.20 270	1.20 313	1.20 299	1.20 303	1.20 289	1.20 309	1.20 296	1.20 306	1.20 301	1.20 298	1.20 300	1.20 305	1.20 287	1.20 290	1.20 305	1.20 304	1.20 281	1.20 305

NF-Stereo	1.20 283	1.20 218	1.20 288	1.20 270	1.20 313	1.20 299	1.20 303	1.20 289	1.20 309	1.20 296	1.20 306	1.20 301	1.20 298	1.20 300	1.20 305	1.20 287	1.20 290	1.20 305	1.20 304	1.20 281	1.20 305

OCTAStereo	1.20 283	1.20 218	1.20 288	1.20 270	1.20 313	1.20 299	1.20 303	1.20 289	1.20 309	1.20 296	1.20 306	1.20 301	1.20 298	1.20 300	1.20 305	1.20 287	1.20 290	1.20 305	1.20 304	1.20 281	1.20 305

PSM-softLoss	1.20 283	1.20 218	1.20 288	1.20 270	1.20 313	1.20 299	1.20 303	1.20 289	1.20 309	1.20 296	1.20 306	1.20 301	1.20 298	1.20 300	1.20 305	1.20 287	1.20 290	1.20 305	1.20 304	1.20 281	1.20 305

KMStereo	1.20 283	1.20 218	1.20 288	1.20 270	1.20 313	1.20 299	1.20 303	1.20 289	1.20 309	1.20 296	1.20 306	1.20 301	1.20 298	1.20 300	1.20 305	1.20 287	1.20 290	1.20 305	1.20 304	1.20 281	1.20 305

NRIStereo	1.20 283	1.20 218	1.20 288	1.20 270	1.20 313	1.20 299	1.20 303	1.20 289	1.20 309	1.20 296	1.20 306	1.20 301	1.20 298	1.20 300	1.20 305	1.20 287	1.20 290	1.20 305	1.20 304	1.20 281	1.20 305

PSM-adaLoss	1.20 283	1.20 218	1.20 288	1.20 270	1.20 313	1.20 299	1.20 303	1.20 289	1.20 309	1.20 296	1.20 306	1.20 301	1.20 298	1.20 300	1.20 305	1.20 287	1.20 290	1.20 305	1.20 304	1.20 281	1.20 305

PSM-AAD	1.20 283	1.20 218	1.20 288	1.20 270	1.20 313	1.20 299	1.20 303	1.20 289	1.20 309	1.20 296	1.20 306	1.20 301	1.20 298	1.20 300	1.20 305	1.20 287	1.20 290	1.20 305	1.20 304	1.20 281	1.20 305

FTStereo	1.20 283	1.20 218	1.20 288	1.20 270	1.20 313	1.20 299	1.20 303	1.20 289	1.20 309	1.20 296	1.20 306	1.20 301	1.20 298	1.20 300	1.20 305	1.20 287	1.20 290	1.20 305	1.20 304	1.20 281	1.20 305

ROB_FTStereo_v2	1.20 283	1.20 218	1.20 288	1.20 270	1.20 313	1.20 299	1.20 303	1.20 289	1.20 309	1.20 296	1.20 306	1.20 301	1.20 298	1.20 300	1.20 305	1.20 287	1.20 290	1.20 305	1.20 304	1.20 281	1.20 305

ROB_FTStereo	1.20 283	1.20 218	1.20 288	1.20 270	1.20 313	1.20 299	1.20 303	1.20 289	1.20 309	1.20 296	1.20 306	1.20 301	1.20 298	1.20 300	1.20 305	1.20 287	1.20 290	1.20 305	1.20 304	1.20 281	1.20 305

Consistency-Raft	1.20 283	1.20 218	1.20 288	1.20 270	1.20 313	1.20 299	1.20 303	1.20 289	1.20 309	1.20 296	1.20 306	1.20 301	1.20 298	1.20 300	1.20 305	1.20 287	1.20 290	1.20 305	1.20 304	1.20 281	1.20 305

KYRaft	1.20 283	1.20 218	1.20 288	1.20 270	1.20 313	1.20 299	1.20 303	1.20 289	1.20 309	1.20 296	1.20 306	1.20 301	1.20 298	1.20 300	1.20 305	1.20 287	1.20 290	1.20 305	1.20 304	1.20 281	1.20 305

HUI-Stereo	1.20 283	1.20 218	1.20 288	1.20 270	1.20 313	1.20 299	1.20 303	1.20 289	1.20 309	1.20 296	1.20 306	1.20 301	1.20 298	1.20 300	1.20 305	1.20 287	1.20 290	1.20 305	1.20 304	1.20 281	1.20 305

ASMatch	1.20 283	1.20 218	1.20 288	1.20 270	1.20 313	1.20 299	1.20 303	1.20 289	1.20 309	1.20 296	1.20 306	1.20 301	1.20 298	1.20 300	1.20 305	1.20 287	1.20 290	1.20 305	1.20 304	1.20 281	1.20 305

DeepStereo_LL	1.20 283	1.20 218	1.20 288	1.20 270	1.20 313	1.20 299	1.20 303	1.20 289	1.20 309	1.20 296	1.20 306	1.20 301	1.20 298	1.20 300	1.20 305	1.20 287	1.20 290	1.20 305	1.20 304	1.20 281	1.20 305

DEmStereo	1.20 283	1.20 218	1.20 288	1.20 270	1.20 313	1.20 299	1.20 303	1.20 289	1.20 309	1.20 296	1.20 306	1.20 301	1.20 298	1.20 300	1.20 305	1.20 287	1.20 290	1.20 305	1.20 304	1.20 281	1.20 305

SST-Stereo	1.20 283	1.20 218	1.20 288	1.20 270	1.20 313	1.20 299	1.20 303	1.20 289	1.20 309	1.20 296	1.20 306	1.20 301	1.20 298	1.20 300	1.20 305	1.20 287	1.20 290	1.20 305	1.20 304	1.20 281	1.20 305

THIR-Stereo	1.20 283	1.20 218	1.20 288	1.20 270	1.20 313	1.20 299	1.20 303	1.20 289	1.20 309	1.20 296	1.20 306	1.20 301	1.20 298	1.20 300	1.20 305	1.20 287	1.20 290	1.20 305	1.20 304	1.20 281	1.20 305

RAFT_R40	1.20 283	1.20 218	1.20 288	1.20 270	1.20 313	1.20 299	1.20 303	1.20 289	1.20 309	1.20 296	1.20 306	1.20 301	1.20 298	1.20 300	1.20 305	1.20 287	1.20 290	1.20 305	1.20 304	1.20 281	1.20 305

DRaft	1.20 283	1.20 218	1.20 288	1.20 270	1.20 313	1.20 299	1.20 303	1.20 289	1.20 309	1.20 296	1.20 306	1.20 301	1.20 298	1.20 300	1.20 305	1.20 287	1.20 290	1.20 305	1.20 304	1.20 281	1.20 305

PFNet	1.20 283	1.20 218	1.20 288	1.20 270	1.20 313	1.20 299	1.20 303	1.20 289	1.20 309	1.20 296	1.20 306	1.20 301	1.20 298	1.20 300	1.20 305	1.20 287	1.20 290	1.20 305	1.20 304	1.20 281	1.20 305

GrayStereo	1.20 283	1.20 218	1.20 288	1.20 270	1.20 313	1.20 299	1.20 303	1.20 289	1.20 309	1.20 296	1.20 306	1.20 301	1.20 298	1.20 300	1.20 305	1.20 287	1.20 290	1.20 305	1.20 304	1.20 281	1.20 305

RE-Stereo	1.20 283	1.20 218	1.20 288	1.20 270	1.20 313	1.20 299	1.20 303	1.20 289	1.20 309	1.20 296	1.20 306	1.20 301	1.20 298	1.20 300	1.20 305	1.20 287	1.20 290	1.20 305	1.20 304	1.20 281	1.20 305

Pruner-Stereo	1.20 283	1.20 218	1.20 288	1.20 270	1.20 313	1.20 299	1.20 303	1.20 289	1.20 309	1.20 296	1.20 306	1.20 301	1.20 298	1.20 300	1.20 305	1.20 287	1.20 290	1.20 305	1.20 304	1.20 281	1.20 305

TVStereo	1.20 283	1.20 218	1.20 288	1.20 270	1.20 313	1.20 299	1.20 303	1.20 289	1.20 309	1.20 296	1.20 306	1.20 301	1.20 298	1.20 300	1.20 305	1.20 287	1.20 290	1.20 305	1.20 304	1.20 281	1.20 305

DeepStereo_RVC	1.20 283	1.20 218	1.20 288	1.20 270	1.20 313	1.20 299	1.20 303	1.20 289	1.20 309	1.20 296	1.20 306	1.20 301	1.20 298	1.20 300	1.20 305	1.20 287	1.20 290	1.20 305	1.20 304	1.20 281	1.20 305

RAFT-RH_RVC	1.20 283	1.20 218	1.20 288	1.20 270	1.20 313	1.20 299	1.20 303	1.20 289	1.20 309	1.20 296	1.20 306	1.20 301	1.20 298	1.20 300	1.20 305	1.20 287	1.20 290	1.20 305	1.20 304	1.20 281	1.20 305

IRAFT_RVC	1.20 283	1.20 218	1.20 288	1.20 270	1.20 313	1.20 299	1.20 303	1.20 289	1.20 309	1.20 296	1.20 306	1.20 301	1.20 298	1.20 300	1.20 305	1.20 287	1.20 290	1.20 305	1.20 304	1.20 281	1.20 305

RAFT-345	1.20 283	1.20 218	1.20 288	1.20 270	1.20 313	1.20 299	1.20 303	1.20 289	1.20 309	1.20 296	1.20 306	1.20 301	1.20 298	1.20 300	1.20 305	1.20 287	1.20 290	1.20 305	1.20 304	1.20 281	1.20 305

iRAFT	1.20 283	1.20 218	1.20 288	1.20 270	1.20 313	1.20 299	1.20 303	1.20 289	1.20 309	1.20 296	1.20 306	1.20 301	1.20 298	1.20 300	1.20 305	1.20 287	1.20 290	1.20 305	1.20 304	1.20 281	1.20 305

CRE-IMP	1.20 283	1.20 218	1.20 288	1.20 270	1.20 313	1.20 299	1.20 303	1.20 289	1.20 309	1.20 296	1.20 306	1.20 301	1.20 298	1.20 300	1.20 305	1.20 287	1.20 290	1.20 305	1.20 304	1.20 281	1.20 305

GMM-Stereo	1.20 283	1.20 218	1.20 288	1.20 270	1.20 313	1.20 299	1.20 303	1.20 289	1.20 309	1.20 296	1.20 306	1.20 301	1.20 298	1.20 300	1.20 305	1.20 287	1.20 290	1.20 305	1.20 304	1.20 281	1.20 305

RAFT-IKP	1.20 283	1.20 218	1.20 288	1.20 270	1.20 313	1.20 299	1.20 303	1.20 289	1.20 309	1.20 296	1.20 306	1.20 301	1.20 298	1.20 300	1.20 305	1.20 287	1.20 290	1.20 305	1.20 304	1.20 281	1.20 305

Prome-Stereo	1.20 283	1.20 218	1.20 288	1.20 270	1.20 313	1.20 299	1.20 303	1.20 289	1.20 309	1.20 296	1.20 306	1.20 301	1.20 298	1.20 300	1.20 305	1.20 287	1.20 290	1.20 305	1.20 304	1.20 281	1.20 305

HCRNet	1.22 328	7.11 368	3.00 379	3.55 367	0.33 198	0.29 149	0.14 113	0.19 111	0.15 126	0.33 153	0.29 174	0.25 137	0.14 117	0.22 128	0.33 182	3.64 378	3.00 373	0.76 267	0.32 197	0.18 113	0.13 112

HBP-ISP	1.24 329	1.72 281	1.65 357	1.15 261	0.76 281	1.40 353	0.88 277	1.67 351	1.02 298	1.69 355	1.38 361	1.69 356	1.21 344	1.87 355	1.21 350	1.05 273	0.79 254	0.97 287	0.80 279	1.19 280	0.75 268

AANet_RVC	1.26 330	0.31 105	4.99 388	5.93 380	0.20 142	0.25 135	0.20 129	0.25 132	0.20 137	0.23 127	0.19 139	0.25 137	0.20 140	0.25 138	0.20 136	5.66 389	4.76 381	0.26 141	0.30 188	0.24 129	0.27 152

11t	1.27 331	2.70 318	1.34 341	1.32 320	0.89 288	1.30 349	1.34 355	1.64 348	0.57 250	1.45 348	0.72 277	1.05 287	1.29 350	1.07 289	1.29 355	1.49 344	1.02 270	0.97 287	1.15 297	1.48 335	1.31 356

MaskLacGwcNet_RVC	1.35 332	1.35 271	1.35 343	1.35 322	1.35 362	1.35 350	1.35 356	1.36 343	1.35 362	1.36 346	1.35 358	1.36 350	1.36 353	1.36 349	1.35 357	1.35 340	1.35 344	1.35 355	1.35 354	1.35 332	1.35 359

CC-Net-ROB	1.36 333	1.33 270	1.33 340	1.36 323	1.38 365	1.36 351	1.33 354	1.37 344	1.34 360	1.35 345	1.36 359	1.38 351	1.34 352	1.38 350	1.38 359	1.35 340	1.38 347	1.33 354	1.35 354	1.43 334	1.34 358

CFNet	1.37 334	5.27 363	0.19 123	5.49 377	0.19 141	0.28 146	0.19 127	0.28 138	0.19 136	0.28 142	0.19 139	0.28 147	4.35 388	0.28 151	0.19 135	0.23 132	0.17 124	0.23 132	4.21 397	4.81 379	0.17 121

PS-NSSS	1.38 335	1.39 273	1.34 341	1.34 321	1.35 362	1.38 352	1.37 362	1.35 342	1.38 365	1.34 344	1.34 357	1.39 352	1.38 355	1.70 353	1.40 360	1.36 342	1.36 345	1.36 357	1.37 357	1.37 333	1.36 360

RASNet	1.49 336	1.65 279	1.45 352	1.38 325	1.43 368	1.47 355	1.36 357	1.38 345	1.36 363	1.39 347	1.60 369	1.45 353	1.45 357	1.51 351	2.21 377	1.53 347	1.36 345	1.36 357	1.36 356	1.66 340	1.36 360

GANetREF_RVC	1.55 337	1.94 296	1.22 335	1.88 334	1.21 359	1.88 361	1.22 349	1.88 352	1.22 355	1.88 356	1.22 352	1.88 357	1.22 345	1.89 356	1.22 351	1.87 355	1.22 337	1.88 364	1.22 350	1.88 344	1.22 351
Zhang, Feihu and Prisacariu, Victor and Yang, Ruigang and Torr, Philip HS: GA-Net: Guided Aggregation Net for End- to-end Stereo Matching. CVPR 2019
SPS-STEREO	1.59 338	1.91 290	1.21 334	1.94 337	1.20 313	2.00 363	1.23 350	1.99 355	1.24 357	2.00 360	1.25 355	2.03 361	1.26 347	2.00 359	1.29 355	1.90 358	1.18 289	1.89 365	1.21 349	1.89 345	1.20 305
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
DPSMNet_ROB	1.60 339	1.59 278	1.70 359	1.59 328	1.59 370	1.61 356	1.61 367	1.60 346	1.60 369	1.62 354	1.59 368	1.60 355	1.60 360	1.60 352	1.59 365	1.59 348	1.60 354	1.59 362	1.59 367	1.59 339	1.59 367

ff7	1.68 340	2.68 315	1.35 343	0.97 244	0.89 288	1.84 358	2.15 375	2.12 356	1.80 374	2.05 362	1.56 365	2.33 367	2.12 369	2.23 364	2.25 378	1.31 336	1.07 271	1.48 359	1.41 359	0.90 253	1.04 291

ffff	1.68 340	2.68 315	1.35 343	0.97 244	0.89 288	1.84 358	2.15 375	2.12 356	1.80 374	2.05 362	1.56 365	2.33 367	2.12 369	2.23 364	2.25 378	1.31 336	1.07 271	1.48 359	1.41 359	0.90 253	1.04 291

ccc-4	1.68 340	2.68 315	1.35 343	0.97 244	0.89 288	1.84 358	2.15 375	2.12 356	1.80 374	2.05 362	1.56 365	2.33 367	2.12 369	2.23 364	2.25 378	1.31 336	1.07 271	1.48 359	1.41 359	0.90 253	1.04 291

MC-Stereo	1.76 343	2.96 326	1.37 348	2.14 343	1.37 364	2.14 365	1.36 357	2.14 359	1.37 364	2.14 365	1.37 360	2.14 362	1.37 354	2.14 363	1.37 358	1.97 359	1.32 338	1.97 366	1.32 353	1.98 346	1.33 357

IGEVStereo-DCA	1.77 344	4.21 350	1.84 364	2.49 355	2.11 381	2.54 373	1.36 357	1.65 349	1.17 306	2.75 374	1.90 376	2.54 373	1.15 291	0.94 278	1.11 294	1.50 345	1.32 338	0.96 285	1.46 364	1.49 336	0.88 277

rrr	1.77 344	4.21 350	1.84 364	2.49 355	2.11 381	2.54 373	1.36 357	1.65 349	1.17 306	2.75 374	1.90 376	2.54 373	1.15 291	0.94 278	1.11 294	1.50 345	1.32 338	0.96 285	1.46 364	1.49 336	0.88 277

MFMNet_re	1.81 346	1.91 290	1.71 360	1.95 338	1.70 373	1.95 362	1.70 370	1.96 354	1.74 372	1.97 359	1.72 372	1.95 359	1.71 363	1.97 358	1.71 371	1.86 354	1.62 355	1.85 363	1.66 369	1.86 343	1.64 368

test croco	1.88 347	3.16 329	0.64 233	3.10 362	0.65 265	3.10 379	0.64 254	3.12 377	0.65 258	3.10 378	0.65 267	3.11 378	0.65 253	3.12 377	0.65 257	3.12 375	0.65 239	3.13 378	0.65 261	3.13 363	0.65 253

RAFT_CTSACE	1.92 348	3.71 338	1.72 361	1.88 334	1.72 374	2.04 364	1.42 365	2.18 360	1.89 380	2.02 361	1.97 378	1.95 359	2.06 368	1.93 357	1.62 366	1.76 351	1.66 358	2.02 367	1.73 376	1.73 341	1.43 365

TRStereo	2.00 349	2.13 300	1.85 366	2.27 348	1.84 376	2.28 367	1.84 372	2.29 362	1.86 377	2.30 367	1.87 373	2.30 364	1.87 365	2.08 360	1.72 373	2.08 363	1.72 360	2.08 368	1.72 373	2.08 347	1.72 371

XX-Stereo	2.00 349	2.13 300	1.85 366	2.27 348	1.84 376	2.28 367	1.84 372	2.29 362	1.86 377	2.30 367	1.87 373	2.30 364	1.87 365	2.08 360	1.72 373	2.08 363	1.72 360	2.08 368	1.72 373	2.08 347	1.72 371

EAI-Stereo	2.00 349	2.13 300	1.85 366	2.27 348	1.84 376	2.28 367	1.84 372	2.29 362	1.86 377	2.30 367	1.87 373	2.30 364	1.87 365	2.08 360	1.72 373	2.08 363	1.72 360	2.08 368	1.72 373	2.08 347	1.72 371

MIF-Stereo	2.03 352	3.43 334	0.72 247	3.42 366	0.73 278	3.27 382	0.68 261	3.38 381	0.69 265	3.29 381	0.72 277	3.28 381	0.70 262	3.35 382	0.68 263	3.39 377	0.68 243	3.31 380	0.69 270	3.37 365	0.73 264

sCroCo_RVC	2.10 353	2.76 320	1.92 370	2.78 360	1.39 366	2.73 375	1.41 364	2.73 370	1.40 366	2.77 376	1.41 364	2.74 375	1.40 356	2.74 375	1.40 360	2.72 371	1.42 349	2.72 375	1.44 363	2.79 361	1.42 364

Anonymous	2.11 354	2.74 319	1.41 351	2.77 359	1.40 367	2.74 376	1.46 366	2.75 371	1.50 368	2.87 377	1.39 362	2.74 375	1.46 358	2.72 374	1.41 362	2.72 371	1.41 348	2.81 376	1.41 359	3.16 364	1.39 363

FBW_ROB	2.12 355	2.46 310	1.77 363	2.49 355	1.79 375	2.38 371	1.83 371	2.46 367	1.78 373	2.48 371	1.97 378	2.40 371	1.78 364	2.42 370	1.83 376	2.31 367	1.85 365	2.38 373	1.82 377	2.35 354	1.84 375

UDGNet	2.23 356	5.40 364	1.72 361	2.48 354	1.69 372	2.51 372	1.69 369	2.51 368	1.72 371	2.50 372	1.69 371	2.52 372	1.69 362	2.50 371	1.68 370	2.41 370	1.70 359	2.42 374	1.69 372	2.42 355	1.64 368

NCCL2	2.28 357	2.27 306	2.28 372	2.28 351	2.28 383	2.27 366	2.29 378	2.28 361	2.28 381	2.27 366	2.28 383	2.28 363	2.27 372	2.27 367	2.28 382	2.28 366	2.28 369	2.27 371	2.29 381	2.27 351	2.29 377

Abc-Net	2.32 358	24.75 401	1.14 279	1.17 267	1.17 310	1.11 294	1.15 297	1.17 283	1.21 354	1.08 285	1.16 301	1.12 296	1.14 290	1.09 290	1.17 302	1.09 275	1.16 286	1.17 301	1.17 300	1.16 272	1.11 294
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
RP	2.33 359	25.00 402	1.13 278	1.15 261	1.15 305	1.10 291	1.15 297	1.15 280	1.15 301	1.12 291	1.15 298	1.09 290	1.13 288	1.10 292	1.15 298	1.11 282	1.09 277	1.16 297	1.12 295	1.16 272	1.17 302

stereogan	2.33 359	24.38 400	1.18 284	1.18 268	1.18 312	1.14 296	1.18 301	1.19 286	1.19 308	1.14 293	1.18 305	1.14 297	1.18 296	1.14 296	1.18 303	1.14 284	1.14 284	1.19 304	1.19 301	1.15 270	1.19 304

RGC	2.36 361	25.48 403	1.19 285	1.15 261	1.15 305	1.10 291	1.16 299	1.17 283	1.16 302	1.12 291	1.16 301	1.11 295	1.13 288	1.09 290	1.18 303	1.10 277	1.15 285	1.16 297	1.12 295	1.14 269	1.12 296

NCC-stereo	2.36 361	25.52 404	1.17 282	1.15 261	1.17 310	1.11 294	1.11 293	1.15 280	1.16 302	1.10 286	1.16 301	1.10 292	1.15 291	1.14 296	1.13 296	1.09 275	1.11 281	1.15 296	1.16 299	1.17 277	1.17 302

Anonymous Stereo	2.36 361	18.47 392	11.50 404	9.80 398	0.53 252	0.28 146	0.50 240	0.58 234	0.53 244	0.59 241	0.53 252	0.66 252	0.52 242	0.62 245	0.41 216	0.36 170	0.37 178	0.31 154	0.19 139	0.20 116	0.22 129

AF-Net	2.37 364	25.71 405	1.17 282	1.13 258	1.15 305	1.15 297	1.18 301	1.19 286	1.16 302	1.10 286	1.15 298	1.10 292	1.18 296	1.12 295	1.15 298	1.10 277	1.10 280	1.17 301	1.15 297	1.16 272	1.12 296

Nwc_Net	2.37 364	25.95 406	1.15 281	1.14 259	1.15 305	1.08 289	1.14 296	1.17 283	1.16 302	1.14 293	1.15 298	1.08 288	1.15 291	1.11 294	1.14 297	1.10 277	1.11 281	1.16 297	1.09 294	1.16 272	1.15 301

CFNet_RVC	2.38 366	8.71 378	0.38 179	9.33 394	0.42 232	0.56 241	0.42 221	0.60 237	0.38 204	0.62 245	0.42 224	0.56 242	7.29 399	0.62 245	0.42 222	0.53 228	0.37 178	0.49 239	0.34 203	8.30 396	6.87 402

edge stereo	2.43 367	27.07 409	1.14 279	1.06 251	1.14 304	1.08 289	1.17 300	1.16 282	1.14 300	1.10 286	1.16 301	1.09 290	1.16 295	1.10 292	1.16 301	1.10 277	1.11 281	1.16 297	1.19 301	1.13 268	1.11 294

FAT-Stereo	2.46 368	26.05 407	1.23 337	1.23 317	1.22 360	1.20 299	1.24 351	1.23 337	1.23 356	1.19 295	1.22 352	1.21 346	1.24 346	1.20 300	1.24 352	1.21 332	1.17 288	1.22 351	1.25 351	1.20 281	1.24 353

S-Stereo	2.51 369	26.86 408	1.23 337	1.22 315	1.22 360	1.24 347	1.25 352	1.22 335	1.24 357	1.21 341	1.24 354	1.19 300	1.27 348	1.19 299	1.24 352	1.19 286	1.20 290	1.25 352	1.19 301	1.24 329	1.23 352

Anonymous3	2.55 370	3.26 332	1.65 357	3.28 365	1.63 371	3.24 381	1.68 368	3.27 379	1.66 370	3.28 380	1.67 370	3.25 380	1.66 361	3.27 379	1.64 367	3.26 376	1.65 357	3.30 379	1.65 368	4.95 381	1.65 370

MIF-Stereo (partial)	2.58 371	3.31 333	0.66 238	3.18 363	0.66 270	3.18 380	0.66 257	3.21 378	0.67 261	3.19 379	0.66 269	3.19 379	0.66 255	3.31 381	0.68 263	5.09 385	1.79 363	8.23 403	1.67 370	6.18 388	1.38 362

MSMDNet	2.65 372	10.14 388	0.33 165	9.74 397	0.32 189	0.87 270	0.33 182	2.95 376	0.68 262	0.49 218	0.34 195	0.49 224	5.70 394	0.49 226	0.33 182	0.42 208	9.57 399	0.41 210	0.31 193	8.36 397	0.65 253

pcwnet_v2	2.66 373	9.89 386	0.33 165	9.89 399	0.32 189	0.50 234	0.32 175	0.49 214	0.33 188	0.49 218	0.34 195	0.49 224	8.76 401	0.48 220	0.33 182	0.41 195	9.58 400	0.40 199	0.29 181	9.01 399	0.63 251

CFNet_pseudo	2.67 374	9.36 382	0.32 161	10.99 404	0.33 198	0.85 269	0.33 182	0.49 214	0.33 188	0.49 218	0.32 186	0.49 224	7.26 398	0.49 226	0.33 182	0.41 195	9.62 401	0.41 210	0.29 181	10.03 403	0.29 168

CFNet_ucs	2.73 375	9.64 384	0.33 165	9.92 400	0.32 189	0.49 228	0.33 182	0.49 214	0.33 188	0.49 218	0.33 189	0.49 224	8.98 402	0.48 220	0.33 182	0.41 195	9.96 404	0.40 199	0.29 181	10.12 404	0.54 237

UCFNet_RVC	2.75 376	10.06 387	0.29 149	10.31 403	0.29 174	0.42 211	0.29 166	0.43 202	0.29 170	0.42 196	0.29 174	0.42 208	9.87 404	0.43 207	0.29 168	0.36 170	9.84 403	0.36 184	0.26 162	9.77 402	0.26 147

ccs_rob	2.79 377	10.17 389	0.32 161	10.00 401	0.33 198	0.49 228	0.33 182	1.90 353	0.32 185	0.51 228	0.33 189	0.49 224	9.24 403	0.49 226	0.33 182	0.41 195	9.82 402	0.41 210	0.28 172	9.34 400	0.29 168

PCWNet_CMD	2.80 378	9.82 385	0.32 161	10.09 402	0.32 189	0.49 228	0.33 182	3.34 380	0.33 188	0.49 218	0.33 189	0.49 224	8.73 400	0.48 220	0.33 182	0.41 195	9.22 398	0.42 219	0.29 181	9.55 401	0.31 180

StereoVision	3.15 379	5.00 361	0.89 260	4.83 374	1.00 298	3.93 386	1.27 353	6.37 397	1.34 360	5.67 398	1.26 356	5.84 399	1.27 348	5.03 395	1.24 352	5.10 386	1.09 277	4.61 391	0.57 252	5.62 386	1.12 296

StereoIM	3.19 380	6.02 366	1.12 277	5.61 379	1.16 309	5.43 398	1.02 290	5.15 396	0.70 267	5.43 395	1.21 351	5.03 397	0.97 278	4.85 393	0.99 288	4.53 383	1.16 286	5.53 396	1.25 351	5.37 384	1.30 355

sAnonymous2	3.31 381	2.63 313	1.38 349	3.71 369	1.86 379	4.70 393	1.11 293	4.82 394	2.72 384	5.45 396	1.98 380	4.59 392	2.64 374	2.65 372	6.21 399	4.37 380	1.08 275	5.16 394	2.24 379	4.52 377	2.39 382

CroCo_RVC	3.31 381	2.63 313	1.38 349	3.71 369	1.86 379	4.70 393	1.11 293	4.82 394	2.72 384	5.45 396	1.98 380	4.59 392	2.64 374	2.65 372	6.21 399	4.37 380	1.08 275	5.16 394	2.24 379	4.52 377	2.39 382

DPSNet	3.66 383	3.60 335	3.62 384	3.63 368	3.64 391	3.65 385	3.65 391	3.66 384	3.67 389	3.67 382	3.65 390	3.67 383	3.66 380	3.66 383	3.68 387	3.68 379	3.66 374	3.67 384	3.68 390	3.67 366	3.67 389

STTStereo	3.73 384	30.40 413	2.37 376	2.39 352	2.31 385	2.35 370	2.33 379	2.29 362	2.42 382	2.32 370	2.34 384	2.33 367	2.36 373	2.30 368	2.27 381	2.35 368	2.22 368	2.31 372	2.22 378	2.29 353	2.34 381

RAFT+CT+SA	4.28 385	7.62 372	4.91 387	5.55 378	2.28 383	3.09 378	3.64 390	4.49 391	3.07 387	4.80 391	3.35 387	4.77 394	3.70 381	4.29 390	3.05 384	5.58 388	5.98 387	3.58 383	3.78 392	4.26 373	3.72 390

SA	4.33 386	7.35 369	6.85 397	5.96 381	4.09 395	3.59 384	3.15 387	3.82 385	2.64 383	3.91 383	3.85 391	3.57 382	2.72 376	3.13 378	4.03 392	7.09 399	6.86 392	3.57 382	3.12 385	3.85 367	3.51 388

Sa-1000	4.34 387	8.37 375	6.84 396	6.98 388	4.45 398	3.58 383	3.00 385	3.42 382	3.39 388	2.61 373	4.00 394	3.83 385	4.01 387	3.90 385	3.90 390	5.98 392	5.62 385	3.76 385	2.34 382	4.35 375	2.47 384

TestStereo1	4.60 388	8.41 376	6.44 394	6.86 386	3.79 392	3.97 387	3.78 392	3.99 387	3.74 390	3.97 384	3.52 388	3.94 386	3.58 378	3.98 386	3.72 388	6.82 396	6.50 390	3.76 385	3.66 388	3.90 368	3.74 392

SA-5K	4.60 388	8.41 376	6.44 394	6.86 386	3.79 392	3.97 387	3.78 392	3.99 387	3.74 390	3.97 384	3.52 388	3.94 386	3.58 378	3.98 386	3.72 388	6.82 396	6.50 390	3.76 385	3.66 388	3.90 368	3.74 392

DispFullNet	4.61 390	4.84 358	3.12 380	5.00 376	3.57 390	4.75 395	3.03 386	7.75 403	4.17 396	4.91 393	3.09 386	6.20 400	3.95 385	6.71 399	3.51 386	5.30 387	3.67 375	5.86 400	3.63 387	5.61 385	3.46 387

test_5	4.62 391	7.55 371	6.23 392	6.32 383	3.40 389	5.29 397	3.50 389	3.53 383	4.11 395	4.28 387	4.47 398	4.26 390	4.38 389	3.68 384	3.24 385	5.89 390	5.60 384	4.84 392	3.50 386	4.33 374	3.93 395

raft_robust	4.71 392	7.75 373	5.40 391	6.81 385	3.31 388	4.28 391	4.20 397	4.32 390	4.37 398	4.35 389	4.35 397	4.14 388	3.75 382	4.30 391	4.20 395	6.67 395	6.37 388	3.36 381	4.24 398	4.86 380	3.25 386

cross-raft	4.83 393	7.52 370	6.43 393	6.63 384	3.96 394	4.51 392	3.99 395	4.49 391	3.96 394	4.52 390	3.96 393	4.50 391	3.97 386	4.50 392	3.97 391	6.65 394	6.44 389	4.33 388	3.92 394	4.35 375	3.91 394

test_4	4.88 394	8.13 374	6.98 398	7.46 389	4.44 397	4.25 390	3.85 394	4.04 389	3.92 393	4.13 386	3.91 392	4.18 389	3.84 383	4.14 388	4.06 393	7.01 398	7.13 393	4.53 389	3.72 391	4.09 371	3.72 390

TestStereo	4.88 394	4.75 357	4.79 386	4.87 375	4.92 399	4.81 396	4.90 399	4.78 393	4.77 399	4.87 392	4.89 399	4.90 395	4.91 391	4.99 394	4.79 397	4.98 384	4.87 382	4.87 393	4.92 399	5.00 382	5.00 398

test_3	5.01 396	8.86 379	7.77 400	8.09 390	2.76 387	4.13 389	4.05 396	3.88 386	3.76 392	4.33 388	4.13 395	3.71 384	3.91 384	4.21 389	4.06 393	7.93 400	7.69 395	4.53 389	3.91 393	4.17 372	4.29 397

NLCA_NET_v2_RVC	5.04 397	50.87 420	2.78 378	2.87 361	2.71 386	2.78 377	0.47 230	2.88 375	2.86 386	1.89 357	2.67 385	2.79 377	2.79 377	2.78 376	2.83 383	2.82 373	2.82 372	2.83 377	2.77 384	2.83 362	2.76 385
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
SGM-Forest	5.21 398	5.92 365	4.08 385	6.18 382	4.16 396	6.31 400	4.34 398	6.50 398	4.33 397	6.14 400	4.21 396	6.61 403	4.55 390	6.67 398	4.48 396	5.94 391	3.94 377	5.85 399	4.03 396	5.79 387	4.17 396
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
test-1	6.46 399	9.16 381	8.03 403	8.09 390	5.62 401	6.11 399	6.35 401	6.85 400	4.94 400	6.08 399	6.29 403	4.98 396	6.43 395	6.22 396	6.36 401	6.16 393	7.47 394	5.82 398	5.44 401	7.11 393	5.68 400

RAFT	6.73 400	9.36 382	7.40 399	8.51 392	6.55 402	6.88 401	6.60 402	6.79 399	6.60 402	6.80 401	6.72 404	5.31 398	5.50 393	6.61 397	6.61 402	8.42 401	5.89 386	5.73 397	5.45 402	6.61 389	6.24 401

SGM+DAISY	7.06 401	9.15 380	5.38 390	8.84 393	5.18 400	8.80 404	5.31 400	8.79 404	5.28 401	8.89 404	5.20 400	8.93 404	5.33 392	8.95 404	5.36 398	8.70 402	5.21 383	8.74 404	5.20 400	8.89 398	5.15 399

test-v	7.53 402	11.89 390	7.98 401	9.36 395	7.14 403	7.06 402	7.09 403	7.37 401	6.91 403	7.29 402	5.71 401	6.45 401	6.93 396	6.73 400	7.27 403	8.93 403	7.85 396	6.98 401	6.80 403	7.56 394	7.34 403

test-2	7.53 402	11.89 390	7.98 401	9.36 395	7.14 403	7.06 402	7.09 403	7.37 401	6.91 403	7.29 402	5.71 401	6.45 401	6.93 396	6.73 400	7.27 403	8.93 403	7.85 396	6.98 401	6.80 403	7.56 394	7.34 403

PA-Net	11.80 404	223.51 426	0.62 230	0.59 203	0.71 275	0.59 247	0.73 267	0.67 244	0.73 272	0.55 235	0.61 259	0.60 247	0.74 266	0.63 247	0.73 271	0.66 238	0.60 232	0.69 257	0.66 263	0.72 232	0.65 253
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
MANE	19.05 405	23.00 399	15.00 405	23.00 411	15.00 405	24.00 411	16.00 405	24.00 411	16.00 405	22.00 411	15.00 405	23.00 411	16.00 405	23.00 411	15.00 405	22.00 411	15.00 405	22.00 411	15.00 405	22.00 411	15.00 405

rafts_anoy	20.00 406	20.00 393	20.00 406	20.00 405	20.00 406	20.00 405	20.00 406	20.00 405	20.00 406	20.00 405	20.00 406	20.00 405	20.00 406	20.00 405	20.00 406	20.00 405	20.00 406	20.00 405	20.00 406	20.00 405	20.00 406

raft+_RVC	20.00 406	20.00 393	20.00 406	20.00 405	20.00 406	20.00 405	20.00 406	20.00 405	20.00 406	20.00 405	20.00 406	20.00 405	20.00 406	20.00 405	20.00 406	20.00 405	20.00 406	20.00 405	20.00 406	20.00 405	20.00 406

raftrobust	20.00 406	20.00 393	20.00 406	20.00 405	20.00 406	20.00 405	20.00 406	20.00 405	20.00 406	20.00 405	20.00 406	20.00 405	20.00 406	20.00 405	20.00 406	20.00 405	20.00 406	20.00 405	20.00 406	20.00 405	20.00 406

CasAABBNet	20.00 406	20.00 393	20.00 406	20.00 405	20.00 406	20.00 405	20.00 406	20.00 405	20.00 406	20.00 405	20.00 406	20.00 405	20.00 406	20.00 405	20.00 406	20.00 405	20.00 406	20.00 405	20.00 406	20.00 405	20.00 406

RALCasStereoNet	20.00 406	20.00 393	20.00 406	20.00 405	20.00 406	20.00 405	20.00 406	20.00 405	20.00 406	20.00 405	20.00 406	20.00 405	20.00 406	20.00 405	20.00 406	20.00 405	20.00 406	20.00 405	20.00 406	20.00 405	20.00 406

RALAANet	20.00 406	20.00 393	20.00 406	20.00 405	20.00 406	20.00 405	20.00 406	20.00 405	20.00 406	20.00 405	20.00 406	20.00 405	20.00 406	20.00 405	20.00 406	20.00 405	20.00 406	20.00 405	20.00 406	20.00 405	20.00 406

111	30.40 412	30.94 414	29.72 413	32.61 412	30.02 413	33.57 412	30.47 413	31.50 412	29.39 413	30.98 412	29.11 413	29.78 412	30.39 416	29.45 412	30.76 416	30.08 412	29.02 413	29.92 412	30.32 416	29.86 412	30.17 413

WCMA_ROB	31.10 413	35.43 418	27.12 412	39.51 420	23.10 412	38.78 420	25.30 412	37.49 420	25.39 412	37.29 419	27.02 412	38.52 420	26.48 412	37.80 419	26.44 412	36.28 419	22.65 412	33.90 416	22.30 412	37.10 417	24.18 412

DCANet-4	35.22 414	34.54 415	35.08 419	33.58 416	35.47 420	34.55 413	35.53 420	36.08 418	35.85 417	35.92 418	35.77 419	35.18 418	35.48 418	35.39 418	37.15 419	34.55 418	33.92 417	35.02 419	34.90 418	35.79 416	34.74 420

ADStereo(finetuned)	36.13 415	36.63 419	38.07 420	36.97 417	33.25 417	35.91 417	34.45 417	36.36 419	32.99 414	38.14 420	36.71 420	36.69 419	34.13 417	38.57 420	40.79 420	37.60 420	36.58 420	35.90 420	33.36 417	35.42 415	34.04 417

MDST_ROB	69.83 416	87.70 421	41.95 421	113.75 423	65.62 423	75.05 421	55.25 422	75.64 422	45.04 418	71.61 421	41.75 421	72.81 421	44.06 419	68.38 421	44.63 421	101.89 423	59.57 423	107.10 423	61.05 423	104.38 420	59.38 423

NOSS_ROB	102.95 417	153.00 424	121.00 424	51.00 421	44.00 421	165.00 424	127.00 423	153.00 423	119.00 420	164.00 424	125.00 423	168.00 424	120.00 421	153.00 423	117.00 423	49.00 421	44.00 421	49.00 421	44.00 421	49.00 418	44.00 421

CBMV	128.50 418	1422.70 431	53.10 422	79.50 422	51.30 422	77.30 422	49.70 421	74.00 421	48.20 419	77.20 422	48.80 422	73.90 422	48.00 420	73.80 422	48.80 422	70.40 422	45.10 422	68.90 422	46.10 422	68.20 419	45.00 422
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MeshStereo	159.24 419	171.00 425	160.68 426	162.58 424	160.59 424	164.01 423	160.35 424	158.51 424	158.56 421	158.34 423	160.12 424	158.56 423	159.92 422	157.26 424	158.94 424	154.38 424	158.36 424	155.75 424	159.13 424	153.67 421	154.07 424
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
AE-Stereo	201.80 420	123.00 422	115.00 423	219.00 425	218.00 426	223.00 425	244.00 426	217.00 425	236.00 423	202.00 425	203.00 425	205.00 425	208.00 423	225.00 425	204.00 425	210.00 425	198.00 425	197.00 425	184.00 425	204.00 422	201.00 425

EGLCR-Stereo	246.90 421	129.00 423	139.00 425	266.00 426	286.00 427	277.00 426	305.00 427	271.00 426	242.00 424	274.00 426	279.00 427	255.00 426	270.00 425	268.00 426	297.00 427	230.00 426	247.00 427	216.00 426	223.00 427	237.00 423	227.00 427

DLCB_ROB	284.23 422	354.61 427	207.27 427	363.24 427	206.46 425	364.72 427	210.41 425	364.72 427	210.41 422	364.81 427	208.64 426	364.81 427	208.64 424	364.72 427	210.41 426	354.70 427	205.53 426	354.70 427	205.53 426	354.70 424	205.53 426

LE_ROB	396.57 423	471.28 428	329.84 428	471.48 428	308.15 428	526.83 428	322.10 428	488.15 428	323.76 425	495.46 428	317.97 428	497.17 428	320.10 426	481.62 428	326.76 428	462.71 428	298.97 428	466.16 428	285.98 428	447.62 425	289.21 428

SGM-ForestM	596.69 424	677.77 429	444.52 429	699.85 429	517.25 429	732.94 429	488.29 429	770.79 429	460.11 426	750.81 429	487.98 429	792.79 429	499.41 427	730.90 429	475.81 429	720.03 429	491.16 429	663.96 429	418.60 429	674.76 426	436.05 429

CBMV_ROB	818.48 425	913.88 430	709.52 430	862.84 430	597.78 430	1073.99 430	700.52 430	1015.66 430	702.59 427	1115.65 430	760.02 430	1130.24 430	721.57 428	1037.41 430	692.65 430	814.05 430	564.29 430	843.28 430	595.31 430	915.51 427	602.92 430

tt	500032.53 426	34.60 416	29.72 413	37.47 418	34.41 418	36.85 418	35.22 418	34.71 416	33.55 415	34.50 413	35.43 417	33.81 416	10000000.00 429	33.57 416	33.13 417	33.68 416	35.00 418	34.03 417	35.26 419	30.96 413	34.63 418

DCANet	500032.53 426	34.60 416	29.72 413	37.47 418	34.41 418	36.85 418	35.22 418	34.71 416	33.55 415	34.50 413	35.43 417	33.81 416	10000000.00 429	33.57 416	33.13 417	33.68 416	35.00 418	34.03 417	35.26 419	30.96 413	34.63 418

fff	1000028.16 428	29.62 410	29.72 413	32.61 412	30.02 413	35.13 414	31.83 414	32.07 413	10000000.00 428	35.27 415	29.82 414	32.45 413	30.15 413	32.35 413	30.09 413	31.04 413	29.55 414	30.64 413	30.14 413	10000000.00 428	30.77 414

csc	1000028.16 428	29.62 410	29.72 413	32.61 412	30.02 413	35.13 414	31.83 414	32.07 413	10000000.00 428	35.27 415	29.82 414	32.45 413	30.15 413	32.35 413	30.09 413	31.04 413	29.55 414	30.64 413	30.14 413	10000000.00 428	30.77 414

cscssc	1000028.16 428	29.62 410	29.72 413	32.61 412	30.02 413	35.13 414	31.83 414	32.07 413	10000000.00 428	35.27 415	29.82 414	32.45 413	30.15 413	32.35 413	30.09 413	31.04 413	29.55 414	30.64 413	30.14 413	10000000.00 428	30.77 414

SDNR	10000000.00 431	10000000.00 432	10000000.00 431	10000000.00 431	10000000.00 431	10000000.00 431	10000000.00 431	10000000.00 431	10000000.00 428	10000000.00 431	10000000.00 431	10000000.00 431	10000000.00 429	10000000.00 431	10000000.00 431	10000000.00 431	10000000.00 431	10000000.00 431	10000000.00 431	10000000.00 428	10000000.00 431

anonymousdsp2	10000000.00 431	10000000.00 432	10000000.00 431	10000000.00 431	10000000.00 431	10000000.00 431	10000000.00 431	10000000.00 431	10000000.00 428	10000000.00 431	10000000.00 431	10000000.00 431	10000000.00 429	10000000.00 431	10000000.00 431	10000000.00 431	10000000.00 431	10000000.00 431	10000000.00 431	10000000.00 428	10000000.00 431

anonymousdsp	10000000.00 431	10000000.00 432	10000000.00 431	10000000.00 431	10000000.00 431	10000000.00 431	10000000.00 431	10000000.00 431	10000000.00 428	10000000.00 431	10000000.00 431	10000000.00 431	10000000.00 429	10000000.00 431	10000000.00 431	10000000.00 431	10000000.00 431	10000000.00 431	10000000.00 431	10000000.00 428	10000000.00 431

test_example2	10000000.00 431	10000000.00 432	10000000.00 431	10000000.00 431	10000000.00 431	10000000.00 431	10000000.00 431	10000000.00 431	10000000.00 428	10000000.00 431	10000000.00 431	10000000.00 431	10000000.00 429	10000000.00 431	10000000.00 431	10000000.00 431	10000000.00 431	10000000.00 431	10000000.00 431	10000000.00 428	10000000.00 431

DIP-Stereo	10000000.00 431	10000000.00 432	10000000.00 431	10000000.00 431	10000000.00 431	10000000.00 431	10000000.00 431	10000000.00 431	10000000.00 428	10000000.00 431	10000000.00 431	10000000.00 431	10000000.00 429	10000000.00 431	10000000.00 431	10000000.00 431	10000000.00 431	10000000.00 431	10000000.00 431	10000000.00 428	10000000.00 431
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
ASD4		0.20 81

Low-res two-view benchmark