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

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

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

Wz-Net-LNSev	0.06 31	0.24 95	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	0.54 161	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

WZ-Net	0.05 29	0.50 153	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

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

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	0.95 188	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

CoDeX	0.15 89	0.70 167	0.02 13	0.02 14	0.02 20	0.02 18	0.02 19	0.02 19	0.02 20	0.02 19	0.02 19	0.02 19	0.01 9	0.02 19	0.67 261	0.02 14	0.69 247	0.75 265	0.01 9	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

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-LNSev-Ref	0.11 59	0.44 136	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

SFCPSM	0.17 98	0.78 170	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	0.79 275	0.02 14	0.75 253	0.76 268	0.02 20	0.02 19	0.02 19

Syn2CoEx	0.25 116	1.31 269	0.74 251	0.92 238	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	0.87 263	0.75 253	0.02 18	0.02 20	0.02 19	0.02 19

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

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

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

ADCMid	0.08 37	0.02 12	0.02 13	1.01 251	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

ADCS	0.09 38	0.02 12	0.04 31	0.90 232	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	0.36 197	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

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

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

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

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

psmg	0.43 181	1.91 290	0.92 266	1.91 337	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	1.97 360	1.44 351	0.04 48	0.03 42	0.02 19	0.03 39

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

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

BEATNet_4x	0.11 59	0.03 27	0.03 28	1.60 330	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	1.60 330	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	1.62 332	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

AnyNet_C32	0.14 79	0.04 31	0.03 28	2.22 346	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

ADCPNet	0.10 44	0.03 27	0.04 31	1.27 319	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

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

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

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

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

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

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	1.65 369	0.05 39	0.04 33	0.04 48	0.04 52	0.04 53	0.04 53

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	1.71 372	0.04 32	0.04 33	0.04 48	0.04 52	0.07 74	0.04 53

FADNet	0.12 67	0.05 38	0.04 31	0.04 26	0.04 54	0.04 51	0.04 54	0.04 51	0.04 55	0.04 54	0.04 63	0.04 51	0.05 64	0.04 46	1.66 370	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	1.71 333	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

ADCP+	0.15 89	0.04 31	0.04 31	2.20 345	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

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
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

APVNet	0.09 38	0.05 38	0.04 31	0.05 32	0.04 54	0.05 61	0.90 279	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

GwcNet	0.12 67	0.07 43	0.05 44	0.08 37	0.05 69	0.08 74	1.20 304	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

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

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	1.57 365	0.04 32	0.04 33	0.04 48	0.05 67	0.04 53	0.06 73

SuperB	0.21 108	0.10 52	2.51 378	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

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

BEATNet-Init1	0.19 100	0.08 44	0.08 47	2.23 347	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	2.23 347	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

CSP-Net	0.34 143	1.29 267	1.19 286	1.36 324	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	1.26 335	1.21 337	0.03 34	0.09 80	0.02 19	0.09 79

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

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
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
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

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

PDISCO_ROB	0.83 250	2.80 324	3.49 383	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	3.30 381	0.13 109	0.14 90	2.34 371	0.16 106	0.12 110	2.62 361	0.10 83

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
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

CIPLG	0.13 72	0.21 85	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

MIPNet	0.14 79	0.21 85	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 95	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

ACRE	0.13 72	0.21 85	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

ICVP	0.15 89	0.53 158	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)
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	0.49 211	0.11 95

PASM	0.39 163	3.06 327	1.36 348	1.58 328	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

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

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

ac_64	0.22 109	0.13 66	0.19 123	0.23 108	0.10 88	0.26 142	1.02 291	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

ACVNet	0.20 102	0.19 77	0.14 97	0.20 99	0.14 118	0.20 115	0.96 286	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	0.96 286	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

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

HCRNet	1.22 329	7.11 368	3.00 380	3.55 368	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	3.64 379	3.00 374	0.76 268	0.32 197	0.18 113	0.13 112

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

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
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

MSKI-zero shot	0.24 115	0.21 85	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

dd	0.23 113	0.98 191	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

iResNetv2_ROB	0.20 102	0.23 89	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 89	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

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

MIM_Stereo	0.25 116	0.23 89	0.66 239	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

CFNet	1.37 335	5.27 363	0.19 123	5.49 378	0.19 141	0.28 146	0.19 127	0.28 138	0.19 136	0.28 142	0.19 139	0.28 147	4.35 389	0.28 151	0.19 135	0.23 132	0.17 124	0.23 132	4.21 398	4.81 380	0.17 121

GEStereo_RVC	0.86 257	4.45 352	0.20 125	0.27 123	0.20 142	0.27 145	0.20 129	0.26 136	0.18 131	5.03 395	0.20 141	0.27 146	0.19 137	0.27 149	0.21 138	0.20 118	0.19 127	0.19 120	4.02 396	0.20 116	0.18 124

ssnet_v2	0.68 219	1.96 297	1.25 340	0.29 125	0.20 142	0.30 150	0.20 129	0.29 141	0.22 140	1.50 350	0.20 141	0.31 155	0.20 140	0.27 149	0.22 140	0.24 137	1.49 352	0.26 141	0.18 138	3.90 369	0.19 125

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

HGLStereo	0.28 126	0.29 102	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

DISCO	1.11 281	0.39 119	5.28 390	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	6.95 403	0.22 140	0.30 154	0.21 129	0.27 145	0.21 141	5.25 384	0.21 127

WAO-6	0.22 109	0.23 89	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

Anonymous Stereo	2.36 362	18.47 392	11.50 405	9.80 399	0.53 253	0.28 146	0.50 241	0.58 235	0.53 245	0.59 242	0.53 253	0.66 253	0.52 243	0.62 246	0.41 217	0.36 170	0.37 178	0.31 154	0.19 139	0.20 116	0.22 129

IMH-64-1	0.22 109	0.23 89	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 89	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

DLNR_Zeroshot_test	0.31 133	0.28 100	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

gwcnet-sp	0.82 247	1.72 281	1.48 354	0.39 147	0.15 127	0.31 153	0.21 134	0.20 115	0.25 149	1.61 352	0.23 149	0.28 147	0.26 160	0.20 115	0.15 120	0.24 137	1.33 342	0.32 155	0.16 123	6.75 391	0.23 131

scenet	0.82 247	1.72 281	1.48 354	0.39 147	0.15 127	0.31 153	0.21 134	0.20 115	0.25 149	1.61 352	0.23 149	0.28 147	0.26 160	0.20 115	0.15 120	0.24 137	1.33 342	0.32 155	0.16 123	6.75 391	0.23 131

ssnet	0.82 247	1.72 281	1.48 354	0.39 147	0.15 127	0.31 153	0.21 134	0.20 115	0.25 149	1.61 352	0.23 149	0.28 147	0.26 160	0.20 115	0.15 120	0.24 137	1.33 342	0.32 155	0.16 123	6.75 391	0.23 131

CRFU-Net	0.65 212	1.67 280	1.22 336	1.96 340	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	1.80 354	1.62 356	0.34 169	0.23 148	0.33 146	0.23 131

NINENet	0.69 221	3.87 345	1.20 289	1.98 341	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	1.79 353	1.56 354	0.34 169	0.22 143	0.34 150	0.23 131

FENet	0.54 204	1.52 276	1.19 286	1.41 327	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	1.40 344	1.07 272	0.32 155	0.23 148	0.33 146	0.23 131

iResNet_ROB	0.28 126	0.32 105	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

UNDER WATER-64	0.25 116	0.26 97	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

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

LoS	0.25 116	0.27 98	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

IER	0.88 258	7.04 367	2.23 372	2.75 359	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

IGEV-Stereo	0.35 147	0.44 136	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	0.46 210	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
CroCo-Stereo	0.73 228	1.22 265	0.25 138	1.22 316	0.25 158	1.22 346	0.25 147	1.22 336	0.25 149	1.22 343	0.25 159	1.22 348	0.25 151	1.22 347	0.25 152	1.22 334	0.26 141	1.21 351	0.25 156	1.22 329	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
HH	0.71 224	2.54 311	0.74 251	1.10 255	0.32 189	0.41 195	0.37 200	0.69 246	0.78 276	0.73 256	0.90 288	0.75 261	1.00 281	0.84 268	0.69 268	0.69 242	0.40 189	0.35 179	0.26 162	0.35 161	0.26 147

HanStereo	0.71 224	2.54 311	0.74 251	1.10 255	0.32 189	0.41 195	0.37 200	0.69 246	0.78 276	0.73 256	0.90 288	0.75 261	1.00 281	0.84 268	0.69 268	0.69 242	0.40 189	0.35 179	0.26 162	0.35 161	0.26 147

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

iRaft-Stereo_5w	0.34 143	0.42 135	0.31 158	0.39 147	0.30 182	0.38 174	0.30 170	0.40 172	0.29 170	0.40 174	0.37 203	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

UCFNet_RVC	2.75 377	10.06 387	0.29 149	10.31 404	0.29 174	0.42 211	0.29 166	0.43 202	0.29 170	0.42 196	0.29 174	0.42 208	9.87 405	0.43 207	0.29 168	0.36 170	9.84 404	0.36 184	0.26 162	9.77 403	0.26 147

tt1	0.31 133	0.93 187	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	0.91 181	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

tt_ll	0.31 133	0.91 181	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

CroCo-Stereo Lap2	0.77 232	1.29 267	0.29 149	1.27 319	0.29 174	1.27 349	0.26 153	1.26 339	0.26 162	1.26 344	0.26 164	1.27 349	0.26 160	1.26 348	0.27 158	1.27 336	0.27 146	1.27 354	0.27 168	1.27 331	0.27 152

ff	0.31 133	0.91 181	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

BUS	0.83 250	1.91 290	0.92 266	4.48 372	0.02 20	0.40 181	0.04 54	0.41 184	0.02 20	0.48 214	0.03 40	0.41 192	0.05 64	0.03 33	0.05 59	1.97 360	4.19 379	0.33 162	0.23 148	0.34 150	0.27 152

BSDual-CNN	0.81 243	1.91 290	0.92 266	4.48 372	0.02 20	0.42 211	0.06 75	0.41 184	0.02 20	0.48 214	0.03 40	0.02 19	0.02 21	0.03 33	0.02 19	1.97 360	4.19 379	0.33 162	0.23 148	0.34 150	0.27 152

hknet	1.10 279	1.85 288	3.49 383	4.48 372	0.02 20	0.42 211	0.06 75	0.41 184	0.02 20	0.48 214	0.03 40	0.41 192	0.03 42	0.42 206	0.03 37	4.39 383	4.19 379	0.33 162	0.23 148	0.34 150	0.27 152

DGSMNet	0.34 143	0.41 128	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	0.40 189	0.29 160	0.40 200	0.28 172	0.40 184	0.27 152

AANet_RVC	1.26 331	0.31 104	4.99 389	5.93 381	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	5.66 390	4.76 382	0.26 141	0.30 188	0.24 129	0.27 152

MLCV	0.31 133	0.35 106	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	0.35 106	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

SQANet	0.28 126	0.28 100	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

Any-RAFT	0.32 141	0.36 109	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

FCDSN-DC	0.41 172	0.59 164	0.64 233	0.54 197	0.33 198	0.50 235	0.37 200	0.42 200	0.40 210	0.61 244	0.43 227	0.50 236	0.49 237	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.
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

RCA-Stereo	0.51 202	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

iRaft-Stereo_20w	0.34 143	0.41 128	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

CFNet_pseudo	2.67 375	9.36 382	0.32 161	10.99 405	0.33 198	0.85 270	0.33 182	0.49 215	0.33 188	0.49 219	0.32 186	0.49 225	7.26 399	0.49 227	0.33 182	0.41 196	9.62 402	0.41 211	0.29 181	10.03 404	0.29 168

ccnet	0.80 238	2.28 307	0.33 165	0.50 194	0.33 198	0.50 235	0.33 182	0.50 222	0.33 188	0.49 219	0.33 189	0.49 225	1.56 360	2.38 370	0.33 182	0.41 196	0.29 160	0.42 220	1.57 367	2.28 353	0.29 168

CFNet-RSSM	0.91 261	4.89 359	0.34 172	0.44 176	1.07 304	1.62 358	1.40 364	0.91 264	0.35 196	1.60 351	1.39 363	0.64 249	0.34 192	0.44 209	0.33 182	0.41 196	0.35 174	0.75 265	0.30 188	0.41 192	0.29 168

psmorigin	0.41 172	0.46 140	0.33 165	0.49 188	0.33 198	0.49 229	0.33 182	0.49 215	0.33 188	0.49 219	0.33 189	0.49 225	0.33 189	0.51 232	0.33 182	0.41 196	0.30 167	0.41 211	0.30 188	0.79 242	0.29 168

ccs_rob	2.79 378	10.17 389	0.32 161	10.00 402	0.33 198	0.49 229	0.33 182	1.90 354	0.32 185	0.51 229	0.33 189	0.49 225	9.24 404	0.49 227	0.33 182	0.41 196	9.82 403	0.41 211	0.28 172	9.34 401	0.29 168

TorneroNet-64	0.45 185	0.27 98	0.30 153	0.58 201	0.27 165	0.70 256	0.30 170	0.28 138	0.73 273	0.73 256	0.28 172	0.71 255	0.66 256	0.75 261	0.27 158	0.27 145	0.29 160	0.37 186	0.75 276	0.28 136	0.30 175

EKT-Stereo	0.37 152	0.40 121	0.44 197	1.07 253	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

PML	0.46 186	1.36 272	0.29 149	0.58 201	0.30 182	0.57 246	0.29 166	0.57 233	0.29 170	0.57 239	0.29 174	0.57 245	0.29 176	0.56 240	0.29 168	0.52 228	0.30 167	0.53 246	0.31 193	0.53 219	0.30 175

GES	0.66 214	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	0.41 219	0.41 192	0.30 180	0.51 232	0.29 168	0.32 157	0.29 160	0.32 155	2.46 384	2.49 357	0.30 175

DANet	0.30 130	0.30 103	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
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

PCWNet_CMD	2.80 379	9.82 385	0.32 161	10.09 403	0.32 189	0.49 229	0.33 182	3.34 381	0.33 188	0.49 219	0.33 189	0.49 225	8.73 401	0.48 221	0.33 182	0.41 196	9.22 399	0.42 220	0.29 181	9.55 402	0.31 180

RAFT-Test	0.36 150	0.37 110	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

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

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

RAFT + AFF	0.31 133	0.45 138	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

SPstereo	0.47 191	0.38 112	0.51 219	0.56 199	0.31 186	0.67 254	0.44 223	0.55 229	0.31 181	0.61 244	0.44 228	0.46 212	0.52 243	0.67 252	0.42 223	0.48 219	0.40 189	0.47 229	0.36 209	0.53 219	0.33 187

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	0.39 209	0.60 235	0.51 223	0.44 222	0.33 202	0.44 199	0.33 187

GMOStereo	0.37 152	0.45 138	0.23 130	0.30 126	0.37 208	0.41 195	0.36 196	0.41 184	0.35 196	0.43 200	0.36 200	0.41 192	0.40 204	0.41 195	0.36 197	0.34 161	0.22 132	0.47 229	0.37 212	0.39 181	0.33 187

error version	0.93 266	4.47 353	2.35 375	1.99 342	0.37 208	0.41 195	0.36 196	0.41 184	0.35 196	0.43 200	0.36 200	0.41 192	0.40 204	0.41 195	0.36 197	1.87 356	2.16 367	0.47 229	0.37 212	0.39 181	0.33 187

test_1	0.93 266	4.47 353	2.35 375	1.99 342	0.37 208	0.41 195	0.36 196	0.41 184	0.35 196	0.43 200	0.36 200	0.41 192	0.40 204	0.41 195	0.36 197	1.87 356	2.16 367	0.47 229	0.37 212	0.39 181	0.33 187

ETE_ROB	0.35 147	0.35 106	0.35 175	0.35 135	0.35 206	0.35 163	0.35 193	0.35 151	0.35 196	0.35 157	0.35 199	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

CES	0.39 163	0.47 144	0.36 176	0.36 139	0.37 208	0.45 217	0.35 193	0.35 151	0.40 210	0.36 160	0.44 228	0.47 218	0.36 195	0.44 209	0.36 197	0.37 174	0.39 187	0.44 222	0.35 205	0.37 169	0.36 193

iRaftStereo_RVC	0.97 270	3.17 330	2.30 374	2.42 354	0.38 213	0.54 240	0.38 205	0.54 228	0.38 204	0.54 234	0.38 208	0.54 238	0.38 199	0.54 235	0.38 204	2.38 370	2.34 371	0.49 240	0.36 209	0.49 211	0.36 193

DMCA	0.36 150	0.38 112	0.37 177	0.35 135	0.35 206	0.36 166	0.36 196	0.36 155	0.35 196	0.35 157	0.37 203	0.36 166	0.36 195	0.35 163	0.36 197	0.36 170	0.36 176	0.35 179	0.36 209	0.36 167	0.36 193

CASnet	0.35 147	0.51 156	0.44 197	0.32 132	0.31 186	0.24 131	0.34 191	0.36 155	0.25 149	0.31 147	0.37 203	0.30 153	0.33 189	0.25 138	0.45 225	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)
Selective-IGEV	0.51 202	0.55 163	0.45 199	0.69 211	0.45 233	0.61 249	0.45 224	0.50 222	0.40 210	0.56 238	0.44 228	0.55 241	0.40 204	0.72 257	0.67 261	0.59 233	0.46 205	0.45 224	0.34 203	0.46 200	0.37 196

StereoDRNet-Refined	0.33 142	0.39 119	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
XPNet_ROB	0.37 152	0.37 110	0.37 177	0.37 142	0.37 208	0.37 171	0.37 200	0.37 161	0.37 202	0.37 164	0.37 203	0.37 171	0.37 197	0.37 172	0.37 203	0.37 174	0.37 178	0.37 186	0.37 212	0.37 169	0.37 196

WAO-8	0.38 158	0.38 112	0.38 179	0.38 143	0.38 213	0.38 174	0.38 205	0.38 164	0.38 204	0.38 165	0.38 208	0.38 173	0.38 199	0.38 173	0.38 204	0.38 181	0.38 182	0.38 192	0.37 212	0.38 175	0.38 200

WAO-7	0.38 158	0.38 112	0.38 179	0.38 143	0.38 213	0.38 174	0.38 205	0.38 164	0.38 204	0.38 165	0.38 208	0.38 173	0.38 199	0.38 173	0.38 204	0.38 181	0.38 182	0.38 192	0.38 218	0.38 175	0.38 200

Venus	0.38 158	0.38 112	0.38 179	0.38 143	0.38 213	0.37 171	0.38 205	0.37 161	0.37 202	0.41 185	0.37 203	0.39 177	0.37 197	0.38 173	0.38 204	0.37 174	0.38 182	0.38 192	0.37 212	0.37 169	0.38 200

IMH	0.38 158	0.38 112	0.38 179	0.38 143	0.38 213	0.38 174	0.38 205	0.38 164	0.38 204	0.42 196	0.38 208	0.40 183	0.38 199	0.38 173	0.38 204	0.38 181	0.38 182	0.39 196	0.38 218	0.38 175	0.38 200

HanzoNet	0.39 163	0.38 112	0.40 184	0.39 147	0.41 224	0.38 174	0.38 205	0.38 164	0.38 204	0.39 170	0.39 212	0.38 173	0.38 199	0.39 180	0.40 210	0.38 181	0.38 182	0.40 200	0.38 218	0.38 175	0.40 204

knoymous	0.40 166	0.40 121	0.40 184	0.40 159	0.40 218	0.40 181	0.40 211	0.40 172	0.40 210	0.40 174	0.40 213	0.40 183	0.40 204	0.40 183	0.40 210	0.40 189	0.40 189	0.40 200	0.40 221	0.40 184	0.40 204

anonymousa	0.40 166	0.40 121	0.40 184	0.40 159	0.40 218	0.40 181	0.40 211	0.40 172	0.40 210	0.40 174	0.40 213	0.40 183	0.40 204	0.40 183	0.40 210	0.40 189	0.40 189	0.40 200	0.40 221	0.40 184	0.40 204

riskmin	0.40 166	0.40 121	0.40 184	0.40 159	0.40 218	0.40 181	0.40 211	0.40 172	0.40 210	0.40 174	0.40 213	0.40 183	0.40 204	0.40 183	0.40 210	0.40 189	0.40 189	0.40 200	0.40 221	0.40 184	0.40 204

Anonymous_2	0.40 166	0.40 121	0.40 184	0.40 159	0.40 218	0.40 181	0.40 211	0.40 172	0.40 210	0.40 174	0.40 213	0.40 183	0.40 204	0.40 183	0.40 210	0.40 189	0.40 189	0.40 200	0.40 221	0.40 184	0.40 204

Anonymous_1	0.40 166	0.40 121	0.40 184	0.40 159	0.40 218	0.40 181	0.40 211	0.40 172	0.40 210	0.40 174	0.40 213	0.40 183	0.40 204	0.40 183	0.40 210	0.40 189	0.40 189	0.40 200	0.40 221	0.40 184	0.40 204

AdaStereo	0.40 166	0.40 121	0.40 184	0.40 159	0.40 218	0.40 181	0.40 211	0.40 172	0.40 210	0.40 174	0.40 213	0.40 183	0.40 204	0.40 183	0.40 210	0.40 189	0.40 189	0.40 200	0.40 221	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.
Former-RAFT_DAM_RVC	0.49 199	0.98 191	0.64 233	0.84 228	0.46 234	0.45 217	0.35 193	0.47 209	0.47 229	0.45 204	0.34 195	0.46 212	0.48 232	0.46 212	0.35 195	0.39 186	0.71 250	0.39 196	0.35 205	0.41 192	0.41 211

GwcNet-ADL	0.41 172	0.41 128	0.41 192	0.41 167	0.41 224	0.41 195	0.41 217	0.41 184	0.41 219	0.41 185	0.41 219	0.41 192	0.41 214	0.41 195	0.41 217	0.41 196	0.41 198	0.41 211	0.41 227	0.41 192	0.41 211

PSMNet-ADL	0.41 172	0.41 128	0.41 192	0.41 167	0.41 224	0.41 195	0.41 217	0.41 184	0.41 219	0.41 185	0.41 219	0.41 192	0.41 214	0.41 195	0.41 217	0.41 196	0.41 198	0.41 211	0.41 227	0.41 192	0.41 211

GANet-ADL	0.41 172	0.41 128	0.41 192	0.41 167	0.41 224	0.41 195	0.41 217	0.41 184	0.41 219	0.41 185	0.41 219	0.41 192	0.41 214	0.41 195	0.41 217	0.41 196	0.41 198	0.41 211	0.41 227	0.41 192	0.41 211

ADLNet2	0.41 172	0.41 128	0.41 192	0.41 167	0.41 224	0.41 195	0.41 217	0.41 184	0.41 219	0.41 185	0.41 219	0.41 192	0.41 214	0.41 195	0.41 217	0.41 196	0.41 198	0.41 211	0.41 227	0.41 192	0.41 211

ADLNet	0.41 172	0.41 128	0.41 192	0.41 167	0.41 224	0.41 195	0.41 217	0.41 184	0.41 219	0.41 185	0.41 219	0.41 192	0.41 214	0.41 195	0.41 217	0.41 196	0.41 198	0.41 211	0.41 227	0.41 192	0.41 211

MyStereo07	0.60 209	3.72 339	0.48 211	0.49 188	0.41 224	0.36 166	0.32 175	0.49 215	0.43 224	0.51 229	0.42 225	0.49 225	0.43 219	0.51 232	0.64 257	0.49 222	0.45 203	0.34 169	0.32 197	0.35 161	0.43 217

MyStereo04	0.56 207	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	0.46 231	0.35 161	0.32 185	0.35 163	0.33 182	0.49 222	0.45 203	0.34 169	0.32 197	0.35 161	0.43 217

LL-Strereo	1.01 276	5.06 362	1.63 357	0.70 213	1.43 369	0.56 242	0.46 225	0.57 233	0.50 240	0.57 239	0.50 247	1.58 355	0.49 237	0.59 245	0.50 240	1.64 350	0.52 224	0.51 244	1.37 358	0.52 217	0.45 219

otaku	0.46 186	0.46 140	0.46 201	0.46 178	0.46 234	0.46 219	0.46 225	0.46 204	0.46 226	0.46 205	0.46 231	0.46 212	0.46 222	0.46 212	0.46 227	0.46 210	0.46 205	0.46 225	0.46 234	0.46 200	0.46 220

Ntro	0.47 191	0.47 144	0.46 201	0.46 178	0.46 234	0.47 223	0.47 231	0.46 204	0.47 229	0.46 205	0.46 231	0.47 218	0.46 222	0.47 216	0.47 231	0.47 215	0.46 205	0.46 225	0.46 234	0.46 200	0.46 220

Dean	0.46 186	0.46 140	0.46 201	0.46 178	0.46 234	0.46 219	0.46 225	0.46 204	0.46 226	0.47 210	0.46 231	0.46 212	0.46 222	0.46 212	0.46 227	0.46 210	0.46 205	0.46 225	0.46 234	0.46 200	0.46 220

ACVNet_1	0.46 186	0.47 144	0.46 201	0.46 178	0.46 234	0.46 219	0.46 225	0.46 204	0.47 229	0.46 205	0.46 231	0.46 212	0.46 222	0.46 212	0.46 227	0.46 210	0.46 205	0.47 229	0.46 234	0.46 200	0.46 220

ACVNet-4b	0.46 186	0.46 140	0.46 201	0.46 178	0.46 234	0.46 219	0.46 225	0.46 204	0.46 226	0.46 205	0.46 231	0.46 212	0.46 222	0.47 216	0.46 227	0.46 210	0.46 205	0.46 225	0.46 234	0.46 200	0.46 220

whm_eth	0.63 210	1.48 274	0.47 206	0.71 215	0.48 242	0.71 258	0.48 236	0.71 248	0.48 235	0.71 254	0.48 241	0.71 255	0.48 232	0.72 257	0.48 236	0.71 248	0.47 211	0.71 261	0.47 240	0.71 232	0.47 225

UNDER WATER	0.47 191	0.47 144	0.47 206	0.47 183	0.47 240	0.47 223	0.47 231	0.47 209	0.47 229	0.47 210	0.47 238	0.47 218	0.46 222	0.47 216	0.47 231	0.47 215	0.47 211	0.47 229	0.46 234	0.47 206	0.47 225

LVE	0.47 191	0.47 144	0.47 206	0.47 183	0.49 245	0.47 223	0.47 231	0.47 209	0.49 237	0.47 210	0.47 238	0.47 218	0.46 222	0.47 216	0.47 231	0.47 215	0.47 211	0.48 237	0.47 240	0.47 206	0.47 225

RainbowNet	0.48 196	0.48 150	0.48 211	0.48 186	0.48 242	0.48 227	0.48 236	0.48 213	0.48 235	0.48 214	0.48 241	0.48 223	0.48 232	0.48 221	0.48 236	0.48 219	0.48 215	0.48 237	0.48 243	0.48 209	0.48 228

HaxPig	0.47 191	0.47 144	0.47 206	0.49 188	0.47 240	0.47 223	0.47 231	0.47 209	0.47 229	0.47 210	0.47 238	0.47 218	0.47 231	0.47 216	0.47 231	0.47 215	0.47 211	0.47 229	0.47 240	0.47 206	0.48 228

AEACV	1.12 282	0.52 157	3.12 381	3.24 365	0.86 288	0.53 239	0.49 239	0.60 238	0.47 229	0.53 233	0.49 245	0.55 241	0.45 221	0.55 237	0.47 231	3.01 375	3.88 377	0.71 261	0.60 256	0.80 245	0.48 228

TorneroNet	0.66 214	0.53 158	0.50 217	0.50 194	0.64 265	1.06 287	0.70 265	0.50 222	0.51 243	0.49 219	0.69 273	0.49 225	0.50 240	0.48 221	1.15 299	0.71 248	0.49 217	1.14 296	1.08 294	0.49 211	0.49 231

notaker	0.48 196	0.49 151	0.48 211	0.48 186	0.48 242	0.48 227	0.48 236	0.48 213	0.49 237	0.48 214	0.48 241	0.48 223	0.48 232	0.48 221	0.48 236	0.48 219	0.48 215	0.48 237	0.48 243	0.48 209	0.49 231

ACVNet_2	0.49 199	0.49 151	0.49 215	0.49 188	0.49 245	0.49 229	0.49 239	0.49 215	0.49 237	0.49 219	0.49 245	0.49 225	0.49 237	0.49 227	0.49 239	0.49 222	0.49 217	0.49 240	0.49 245	0.49 211	0.49 231

MyStereo8	0.71 224	3.92 346	0.52 221	0.59 203	0.52 250	0.57 246	0.53 244	0.59 237	0.50 240	0.59 242	0.51 250	0.57 245	0.50 240	0.56 240	0.52 243	0.54 230	0.49 217	0.54 247	0.49 245	0.55 222	0.50 234

test-3	0.98 272	4.13 349	1.85 367	1.85 334	0.61 261	0.69 255	0.37 200	0.63 242	0.61 255	0.66 249	0.51 250	0.73 259	0.44 220	0.57 243	0.54 245	1.68 351	1.81 365	0.40 200	0.43 233	0.66 224	0.50 234

SANet	0.50 201	0.50 153	0.50 217	0.50 194	0.50 248	0.50 235	0.50 241	0.50 222	0.50 240	0.50 228	0.50 247	0.50 236	0.50 240	0.50 231	0.50 240	0.50 226	0.50 222	0.50 243	0.50 247	0.50 215	0.50 234

ktn	0.72 227	0.53 158	1.08 277	1.14 260	0.51 249	1.22 346	1.36 358	0.51 226	0.59 252	0.51 229	0.51 250	0.69 254	1.20 299	0.67 252	0.51 242	0.51 227	0.49 217	0.58 249	0.66 264	0.52 217	0.53 237

CFNet_ucs	2.73 376	9.64 384	0.33 165	9.92 401	0.32 189	0.49 229	0.33 182	0.49 215	0.33 188	0.49 219	0.33 189	0.49 225	8.98 403	0.48 221	0.33 182	0.41 196	9.96 405	0.40 200	0.29 181	10.12 405	0.54 238

anonymity	0.63 210	0.69 166	0.56 223	0.71 215	0.56 255	0.71 258	0.56 246	0.71 248	0.56 250	0.72 255	0.56 255	0.71 255	0.56 247	0.71 256	0.58 252	0.68 241	0.55 227	0.68 255	0.55 249	0.68 226	0.54 238

FC-DCNN	1.07 277	1.09 206	0.98 271	0.89 231	0.52 250	1.41 355	0.91 280	1.21 335	1.24 358	1.96 359	2.05 383	1.91 359	1.30 352	1.27 349	1.08 293	0.80 254	0.60 232	0.58 249	0.41 227	0.68 226	0.54 238

PSMNet_ROB	0.54 204	0.54 161	0.54 222	0.54 197	0.53 253	0.54 240	0.54 245	0.53 227	0.54 249	0.54 234	0.54 254	0.54 238	0.53 245	0.54 235	0.54 245	0.54 230	0.53 226	0.54 247	0.54 248	0.54 221	0.54 238

MyStereo06	0.75 230	4.12 347	0.60 227	0.63 206	0.61 261	0.62 250	0.66 258	0.56 231	0.45 225	0.55 236	0.48 241	0.54 238	0.46 222	0.57 243	0.45 225	0.60 235	0.57 230	0.64 251	0.55 249	0.72 233	0.55 242

MyStereo05	0.80 238	4.12 347	0.63 231	0.63 206	0.61 261	0.62 250	0.66 258	0.65 243	0.62 256	0.67 250	0.61 260	0.65 251	0.58 248	0.67 252	0.55 248	0.60 235	0.57 230	0.64 251	0.55 249	0.72 233	0.55 242

ARAFT	0.68 219	0.81 175	0.63 231	0.74 218	0.60 257	0.78 265	0.62 253	0.77 253	0.66 261	0.74 260	0.63 262	0.75 261	0.62 251	0.83 267	0.60 254	0.70 245	0.55 227	0.70 260	0.60 256	0.78 240	0.55 242

CASS	0.57 208	0.89 178	0.56 223	0.57 200	0.56 255	0.56 242	0.56 246	0.56 231	0.53 245	0.57 239	0.57 257	0.59 247	0.48 232	0.56 240	0.57 249	0.55 232	0.56 229	0.47 229	0.56 252	0.62 223	0.56 245
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
MyStereo02	0.85 255	4.58 355	0.64 233	0.76 220	0.65 266	0.75 260	0.61 250	0.60 238	0.53 245	0.80 263	0.64 264	0.78 264	0.66 256	0.55 237	0.57 249	0.70 245	0.66 241	0.68 255	0.62 259	0.72 233	0.59 246

MyStereo	0.85 255	4.58 355	0.64 233	0.76 220	0.65 266	0.75 260	0.61 250	0.60 238	0.53 245	0.80 263	0.64 264	0.78 264	0.66 256	0.55 237	0.57 249	0.70 245	0.66 241	0.68 255	0.62 259	0.72 233	0.59 246

DDUNet	0.81 243	2.45 309	0.57 225	0.90 232	0.60 257	0.88 272	0.59 249	0.90 263	0.60 253	0.88 269	0.60 258	0.90 276	0.58 248	0.88 272	0.60 254	0.84 261	0.60 232	0.86 279	0.57 253	0.86 251	0.60 248

UDG	0.80 238	2.21 305	0.60 227	0.91 235	0.60 257	0.90 275	0.58 248	0.88 262	0.60 253	0.90 270	0.60 258	0.88 273	0.60 250	0.90 275	0.58 252	0.86 262	0.60 232	0.84 277	0.59 255	0.84 250	0.61 249

RAFT-Stereo + iAFF	0.70 222	0.72 168	0.71 247	0.80 224	0.62 264	0.82 269	0.61 250	0.81 258	0.62 256	0.81 267	0.63 262	0.80 268	0.70 263	0.73 259	0.61 256	0.76 251	0.61 236	0.74 264	0.61 258	0.77 239	0.61 249

AFF-stereo	0.73 228	0.88 177	0.67 241	0.75 219	0.68 274	0.75 260	0.64 255	0.80 255	0.72 272	0.83 268	0.70 274	0.82 271	0.64 252	0.84 268	0.67 261	0.77 252	0.63 237	0.81 274	0.63 261	0.78 240	0.62 251

pcwnet_v2	2.66 374	9.89 386	0.33 165	9.89 400	0.32 189	0.50 235	0.32 175	0.49 215	0.33 188	0.49 219	0.34 195	0.49 225	8.76 402	0.48 221	0.33 182	0.41 196	9.58 401	0.40 200	0.29 181	9.01 400	0.63 252

DSFCA	0.66 214	0.73 169	0.78 255	0.65 208	0.65 266	0.64 252	0.64 255	0.65 243	0.63 258	0.64 248	0.64 264	0.64 249	0.64 252	0.65 249	0.65 258	0.65 238	0.65 239	0.65 253	0.65 262	0.66 224	0.64 253

MyStereo03	0.84 252	4.93 360	0.68 244	0.90 232	0.74 281	0.56 242	0.46 225	0.55 229	0.52 244	0.74 260	0.56 255	0.56 243	0.46 222	0.81 266	0.54 245	0.59 233	0.52 224	0.75 265	0.68 268	0.68 226	0.65 254

test croco	1.88 348	3.16 329	0.64 233	3.10 363	0.65 266	3.10 380	0.64 255	3.12 378	0.65 259	3.10 379	0.65 268	3.11 379	0.65 254	3.12 378	0.65 258	3.12 376	0.65 239	3.13 379	0.65 262	3.13 364	0.65 254

MSMDNet	2.65 373	10.14 388	0.33 165	9.74 398	0.32 189	0.87 271	0.33 182	2.95 377	0.68 263	0.49 219	0.34 195	0.49 225	5.70 395	0.49 227	0.33 182	0.42 209	9.57 400	0.41 211	0.31 193	8.36 398	0.65 254

PA-Net	11.80 405	223.51 426	0.62 230	0.59 203	0.71 276	0.59 248	0.73 268	0.67 245	0.73 273	0.55 236	0.61 260	0.60 248	0.74 267	0.63 248	0.73 272	0.66 239	0.60 232	0.69 258	0.66 264	0.72 233	0.65 254
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
R-Stereo Train	0.81 243	0.96 189	0.67 241	0.95 242	0.67 272	0.95 280	0.68 262	0.95 272	0.68 263	0.95 278	0.68 271	0.96 283	0.68 261	0.96 283	0.68 264	0.94 269	0.68 243	0.94 284	0.68 268	0.94 260	0.68 258

RAFT-Stereo	0.81 243	0.96 189	0.67 241	0.95 242	0.67 272	0.95 280	0.68 262	0.95 272	0.68 263	0.95 278	0.68 271	0.96 283	0.68 261	0.96 283	0.68 264	0.94 269	0.68 243	0.94 284	0.68 268	0.94 260	0.68 258
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
DCRE	0.84 252	1.89 289	0.77 254	0.94 240	0.72 278	0.88 272	0.73 268	0.87 260	0.78 276	0.90 270	0.71 276	0.88 273	0.67 260	0.88 272	0.73 272	0.81 257	0.68 243	0.81 274	0.70 272	0.82 249	0.70 260

DMCA-RVC	0.70 222	0.80 172	0.70 245	0.70 213	0.70 275	0.70 256	0.70 265	0.71 248	0.70 268	0.70 253	0.71 276	0.71 255	0.70 263	0.70 255	0.69 268	0.69 242	0.70 248	0.69 258	0.70 272	0.69 230	0.70 260

MSMD_ROB	1.19 283	1.10 209	0.70 245	1.10 255	0.60 257	1.10 292	0.70 265	1.10 280	0.70 268	1.10 287	0.70 274	1.10 293	0.70 263	7.00 404	0.70 271	1.10 278	0.70 248	1.10 295	0.70 272	1.10 268	0.70 260

iGMRVC	0.84 252	2.85 325	0.72 248	0.72 217	0.73 279	0.77 263	0.79 272	0.73 251	0.74 275	0.73 256	0.72 278	0.73 259	0.76 269	0.73 259	0.73 272	0.72 250	0.73 251	0.73 263	0.72 275	0.73 238	0.72 263

HSM-Net_RVC	0.95 269	1.17 214	0.78 255	1.18 269	0.71 276	1.16 299	0.75 270	1.09 279	0.80 280	1.10 287	0.75 281	1.17 300	0.74 267	1.17 299	0.80 277	1.13 284	0.73 251	1.17 302	0.77 277	1.16 273	0.72 263
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
MIF-Stereo	2.03 353	3.43 334	0.72 248	3.42 367	0.73 279	3.27 383	0.68 262	3.38 382	0.69 266	3.29 382	0.72 278	3.28 382	0.70 263	3.35 383	0.68 264	3.39 378	0.68 243	3.31 381	0.69 271	3.37 366	0.73 265

ToySt	0.92 262	2.11 299	0.90 263	0.95 242	0.79 284	0.99 282	0.78 271	0.94 271	0.81 283	0.94 277	0.78 282	0.95 282	0.77 270	0.94 279	0.86 280	0.91 264	0.79 255	0.85 278	0.77 277	0.89 253	0.73 265

LMCR-Stereo	0.65 212	0.63 165	0.65 238	0.65 208	0.65 266	0.66 253	0.63 254	0.58 235	0.65 259	0.63 247	0.64 264	0.65 251	0.65 254	0.66 250	0.66 260	0.66 239	0.64 238	0.65 253	0.67 267	0.68 226	0.73 265

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	0.73 265

HBP-ISP	1.24 330	1.72 281	1.65 358	1.15 262	0.76 282	1.40 354	0.88 278	1.67 352	1.02 299	1.69 356	1.38 362	1.69 357	1.21 345	1.87 356	1.21 351	1.05 274	0.79 255	0.97 288	0.80 280	1.19 281	0.75 269

UNet	0.29 129	0.90 180	0.10 56	0.14 73	0.10 88	0.14 94	0.10 85	0.91 264	0.69 266	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	0.88 252	0.76 270

G-Net	0.79 236	0.79 171	0.79 257	0.79 222	0.79 284	0.79 266	0.79 272	0.79 254	0.79 279	0.79 262	0.79 283	0.79 267	0.79 271	0.79 263	0.79 275	0.79 253	0.79 255	0.79 270	0.79 279	0.79 242	0.79 271

NaN_ROB	0.80 238	0.80 172	0.80 258	0.80 224	0.80 286	0.80 267	0.80 274	0.80 255	0.80 280	0.80 263	0.80 284	0.80 268	0.80 272	0.80 264	0.80 277	0.80 254	0.80 258	0.80 272	0.80 280	0.80 245	0.80 272

CSAN	0.80 238	0.80 172	0.80 258	0.80 224	0.80 286	0.80 267	0.80 274	0.80 255	0.80 280	0.80 263	0.80 284	0.80 268	0.80 272	0.80 264	0.80 277	0.80 254	0.80 258	0.80 272	0.80 280	0.80 245	0.80 272

DPSimNet_ROB	0.97 270	1.18 216	0.81 260	1.10 255	0.91 293	1.02 286	0.82 276	1.04 277	0.91 285	1.03 284	0.86 287	1.28 350	0.82 274	1.03 288	0.89 281	1.17 286	0.81 260	1.02 293	0.82 283	1.08 267	0.81 274

Selective-RAFT	0.89 260	0.89 178	0.72 248	1.16 267	0.78 283	1.06 287	0.82 276	0.87 260	0.97 293	1.00 280	0.91 290	0.90 276	1.00 281	0.89 274	0.93 286	0.83 259	0.83 261	0.82 276	0.82 283	0.81 248	0.82 275

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	0.82 275

Selective-RAFT-Error	0.88 258	0.84 176	0.98 271	0.86 230	0.97 298	0.88 272	0.95 285	0.84 259	0.99 295	0.92 273	0.82 286	0.84 272	0.98 280	0.87 271	0.97 287	0.81 257	0.83 261	0.79 270	0.82 283	0.79 242	0.85 277

IGEVStereo-DCA	1.77 345	4.21 350	1.84 365	2.49 356	2.11 382	2.54 374	1.36 358	1.65 350	1.17 307	2.75 375	1.90 377	2.54 374	1.15 292	0.94 279	1.11 295	1.50 346	1.32 339	0.96 286	1.46 365	1.49 337	0.88 278

rrr	1.77 345	4.21 350	1.84 365	2.49 356	2.11 382	2.54 374	1.36 358	1.65 350	1.17 307	2.75 375	1.90 377	2.54 374	1.15 292	0.94 279	1.11 295	1.50 346	1.32 339	0.96 286	1.46 365	1.49 337	0.88 278

4D-IteraStereo	0.78 235	3.13 328	0.89 261	0.69 211	0.32 189	0.40 181	0.32 175	0.76 252	0.97 293	0.52 232	0.65 268	0.89 275	0.32 185	0.76 262	0.98 288	0.83 259	0.94 267	0.35 179	0.27 168	0.70 231	0.89 280

DGTPSM_ROB	0.93 266	1.00 194	0.92 266	0.94 240	0.96 297	0.91 276	0.92 281	0.91 264	0.96 292	0.91 272	0.96 294	0.93 281	0.92 277	0.94 279	0.92 282	0.92 265	0.92 265	0.90 280	0.92 286	0.94 260	0.91 281

pmcnn	0.92 262	0.92 186	0.92 266	0.92 238	0.92 294	0.92 277	0.92 281	0.92 267	0.92 289	0.92 273	0.92 293	0.92 278	0.92 277	0.92 278	0.92 282	0.92 265	0.92 265	0.92 283	0.92 286	0.92 257	0.92 282

UPFNet	0.42 180	1.20 218	0.17 116	0.24 113	0.17 133	0.25 135	0.17 120	1.19 287	0.90 284	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	1.15 271	0.93 283

DPSM_ROB	0.92 262	0.91 181	0.91 264	0.91 235	0.92 294	0.92 277	0.92 281	0.92 267	0.91 285	0.93 275	0.91 290	0.92 278	0.90 275	0.91 276	0.92 282	0.92 265	0.91 263	0.91 281	0.92 286	0.93 258	0.93 283

DPSM	0.92 262	0.91 181	0.91 264	0.91 235	0.92 294	0.92 277	0.92 281	0.92 267	0.91 285	0.93 275	0.91 290	0.92 278	0.90 275	0.91 276	0.92 282	0.92 265	0.91 263	0.91 281	0.92 286	0.93 258	0.93 283

delet	0.43 181	1.21 264	0.17 116	0.25 116	0.17 133	0.25 135	0.18 124	1.26 339	0.95 291	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	1.18 279	0.98 286

MMNet	0.44 184	1.24 266	0.17 116	0.25 116	0.17 133	0.25 135	0.18 124	1.26 339	0.93 290	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	1.20 282	0.99 287

psm_up	0.43 181	1.19 217	0.17 116	0.25 116	0.18 138	0.25 135	0.19 127	1.26 339	0.91 285	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	1.18 279	0.99 287

GANet	1.00 273	1.00 194	1.00 273	1.00 248	1.00 299	1.00 283	1.00 288	1.00 274	1.00 296	1.00 280	1.00 295	1.00 285	1.00 281	1.00 285	1.00 290	1.00 271	1.00 268	1.00 290	1.00 290	1.00 263	1.00 289

TDLM	1.00 273	1.00 194	1.00 273	1.00 248	1.00 299	1.00 283	1.00 288	1.00 274	1.00 296	1.00 280	1.00 295	1.00 285	1.00 281	1.00 285	1.00 290	1.00 271	1.00 268	1.00 290	1.00 290	1.00 263	1.00 289

CVANet_RVC	1.00 273	1.00 194	1.00 273	1.00 248	1.00 299	1.00 283	1.00 288	1.00 274	1.00 296	1.00 280	1.00 295	1.00 285	1.00 281	1.00 285	1.00 290	1.00 271	1.00 268	1.00 290	1.00 290	1.00 263	1.00 289

ff7	1.68 341	2.68 315	1.35 344	0.97 245	0.89 289	1.84 359	2.15 376	2.12 357	1.80 375	2.05 363	1.56 366	2.33 368	2.12 370	2.23 365	2.25 379	1.31 337	1.07 272	1.48 360	1.41 360	0.90 254	1.04 292

ffff	1.68 341	2.68 315	1.35 344	0.97 245	0.89 289	1.84 359	2.15 376	2.12 357	1.80 375	2.05 363	1.56 366	2.33 368	2.12 370	2.23 365	2.25 379	1.31 337	1.07 272	1.48 360	1.41 360	0.90 254	1.04 292

ccc-4	1.68 341	2.68 315	1.35 344	0.97 245	0.89 289	1.84 359	2.15 376	2.12 357	1.80 375	2.05 363	1.56 366	2.33 368	2.12 370	2.23 365	2.25 379	1.31 337	1.07 272	1.48 360	1.41 360	0.90 254	1.04 292

edge stereo	2.43 368	27.07 409	1.14 280	1.06 252	1.14 305	1.08 290	1.17 301	1.16 283	1.14 301	1.10 287	1.16 302	1.09 291	1.16 296	1.10 293	1.16 302	1.10 278	1.11 282	1.16 298	1.19 302	1.13 269	1.11 295

Abc-Net	2.32 359	24.75 401	1.14 280	1.17 268	1.17 311	1.11 295	1.15 298	1.17 284	1.21 355	1.08 286	1.16 302	1.12 297	1.14 291	1.09 291	1.17 303	1.09 276	1.16 287	1.17 302	1.17 301	1.16 273	1.11 295
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
StereoVision	3.15 380	5.00 361	0.89 261	4.83 375	1.00 299	3.93 387	1.27 354	6.37 398	1.34 361	5.67 399	1.26 357	5.84 400	1.27 349	5.03 396	1.24 353	5.10 387	1.09 278	4.61 392	0.57 253	5.62 387	1.12 297

GLC_STEREO	1.07 277	1.01 199	1.06 276	1.07 253	1.05 303	1.06 287	1.08 293	1.08 278	1.05 300	1.07 285	1.06 298	1.08 289	1.05 287	1.06 289	1.10 294	1.07 275	1.09 278	1.05 294	1.05 293	1.06 266	1.12 297

AF-Net	2.37 365	25.71 405	1.17 283	1.13 259	1.15 306	1.15 298	1.18 302	1.19 287	1.16 303	1.10 287	1.15 299	1.10 293	1.18 297	1.12 296	1.15 299	1.10 278	1.10 281	1.17 302	1.15 298	1.16 273	1.12 297

RGC	2.36 362	25.48 403	1.19 286	1.15 262	1.15 306	1.10 292	1.16 300	1.17 284	1.16 303	1.12 292	1.16 302	1.11 296	1.13 289	1.09 291	1.18 304	1.10 278	1.15 286	1.16 298	1.12 296	1.14 270	1.12 297

KSHMR	0.66 214	0.50 153	0.48 211	1.15 262	0.52 250	0.49 229	0.51 243	0.49 215	0.71 271	0.67 250	0.50 247	1.16 299	1.11 288	0.66 250	0.52 243	0.49 222	0.49 217	0.51 244	0.66 264	0.50 215	1.14 301

Nwc_Net	2.37 365	25.95 406	1.15 282	1.14 260	1.15 306	1.08 290	1.14 297	1.17 284	1.16 303	1.14 294	1.15 299	1.08 289	1.15 292	1.11 295	1.14 298	1.10 278	1.11 282	1.16 298	1.09 295	1.16 273	1.15 302

RP	2.33 360	25.00 402	1.13 279	1.15 262	1.15 306	1.10 292	1.15 298	1.15 281	1.15 302	1.12 292	1.15 299	1.09 291	1.13 289	1.10 293	1.15 299	1.11 283	1.09 278	1.16 298	1.12 296	1.16 273	1.17 303

NCC-stereo	2.36 362	25.52 404	1.17 283	1.15 262	1.17 311	1.11 295	1.11 294	1.15 281	1.16 303	1.10 287	1.16 302	1.10 293	1.15 292	1.14 297	1.13 297	1.09 276	1.11 282	1.15 297	1.16 300	1.17 278	1.17 303

stereogan	2.33 360	24.38 400	1.18 285	1.18 269	1.18 313	1.14 297	1.18 302	1.19 287	1.19 309	1.14 294	1.18 306	1.14 298	1.18 297	1.14 297	1.18 304	1.14 285	1.14 285	1.19 305	1.19 302	1.15 271	1.19 305

DisPM	1.20 284	1.20 218	1.20 289	1.20 271	1.20 314	1.20 300	1.20 304	1.20 290	1.20 310	1.20 297	1.20 307	1.20 302	1.20 299	1.20 301	1.20 306	1.20 288	1.20 291	1.20 306	1.20 305	1.20 282	1.20 306

CrosDoStereo	1.20 284	1.20 218	1.20 289	1.20 271	1.20 314	1.20 300	1.20 304	1.20 290	1.20 310	1.20 297	1.20 307	1.20 302	1.20 299	1.20 301	1.20 306	1.20 288	1.20 291	1.20 306	1.20 305	1.20 282	1.20 306

PFNet+	1.20 284	1.20 218	1.20 289	1.20 271	1.20 314	1.20 300	1.20 304	1.20 290	1.20 310	1.20 297	1.20 307	1.20 302	1.20 299	1.20 301	1.20 306	1.20 288	1.20 291	1.20 306	1.20 305	1.20 282	1.20 306

LCNet	1.20 284	1.20 218	1.20 289	1.20 271	1.20 314	1.20 300	1.20 304	1.20 290	1.20 310	1.20 297	1.20 307	1.20 302	1.20 299	1.20 301	1.20 306	1.20 288	1.20 291	1.20 306	1.20 305	1.20 282	1.20 306

HHNet	1.20 284	1.20 218	1.20 289	1.20 271	1.20 314	1.20 300	1.20 304	1.20 290	1.20 310	1.20 297	1.20 307	1.20 302	1.20 299	1.20 301	1.20 306	1.20 288	1.20 291	1.20 306	1.20 305	1.20 282	1.20 306

Patchmatch Stereo++	1.20 284	1.20 218	1.20 289	1.20 271	1.20 314	1.20 300	1.20 304	1.20 290	1.20 310	1.20 297	1.20 307	1.20 302	1.20 299	1.20 301	1.20 306	1.20 288	1.20 291	1.20 306	1.20 305	1.20 282	1.20 306
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	1.20 284	1.20 218	1.20 289	1.20 271	1.20 314	1.20 300	1.20 304	1.20 290	1.20 310	1.20 297	1.20 307	1.20 302	1.20 299	1.20 301	1.20 306	1.20 288	1.20 291	1.20 306	1.20 305	1.20 282	1.20 306

STrans-v2	1.20 284	1.20 218	1.20 289	1.20 271	1.20 314	1.20 300	1.20 304	1.20 290	1.20 310	1.20 297	1.20 307	1.20 302	1.20 299	1.20 301	1.20 306	1.20 288	1.20 291	1.20 306	1.20 305	1.20 282	1.20 306

TransformOpticalFlow	1.20 284	1.20 218	1.20 289	1.20 271	1.20 314	1.20 300	1.20 304	1.20 290	1.20 310	1.20 297	1.20 307	1.20 302	1.20 299	1.20 301	1.20 306	1.20 288	1.20 291	1.20 306	1.20 305	1.20 282	1.20 306

OMP-Stereo	1.20 284	1.20 218	1.20 289	1.20 271	1.20 314	1.20 300	1.20 304	1.20 290	1.20 310	1.20 297	1.20 307	1.20 302	1.20 299	1.20 301	1.20 306	1.20 288	1.20 291	1.20 306	1.20 305	1.20 282	1.20 306

IIG-Stereo	1.20 284	1.20 218	1.20 289	1.20 271	1.20 314	1.20 300	1.20 304	1.20 290	1.20 310	1.20 297	1.20 307	1.20 302	1.20 299	1.20 301	1.20 306	1.20 288	1.20 291	1.20 306	1.20 305	1.20 282	1.20 306

NF-Stereo	1.20 284	1.20 218	1.20 289	1.20 271	1.20 314	1.20 300	1.20 304	1.20 290	1.20 310	1.20 297	1.20 307	1.20 302	1.20 299	1.20 301	1.20 306	1.20 288	1.20 291	1.20 306	1.20 305	1.20 282	1.20 306

OCTAStereo	1.20 284	1.20 218	1.20 289	1.20 271	1.20 314	1.20 300	1.20 304	1.20 290	1.20 310	1.20 297	1.20 307	1.20 302	1.20 299	1.20 301	1.20 306	1.20 288	1.20 291	1.20 306	1.20 305	1.20 282	1.20 306

PSM-softLoss	1.20 284	1.20 218	1.20 289	1.20 271	1.20 314	1.20 300	1.20 304	1.20 290	1.20 310	1.20 297	1.20 307	1.20 302	1.20 299	1.20 301	1.20 306	1.20 288	1.20 291	1.20 306	1.20 305	1.20 282	1.20 306

KMStereo	1.20 284	1.20 218	1.20 289	1.20 271	1.20 314	1.20 300	1.20 304	1.20 290	1.20 310	1.20 297	1.20 307	1.20 302	1.20 299	1.20 301	1.20 306	1.20 288	1.20 291	1.20 306	1.20 305	1.20 282	1.20 306

NRIStereo	1.20 284	1.20 218	1.20 289	1.20 271	1.20 314	1.20 300	1.20 304	1.20 290	1.20 310	1.20 297	1.20 307	1.20 302	1.20 299	1.20 301	1.20 306	1.20 288	1.20 291	1.20 306	1.20 305	1.20 282	1.20 306

PSM-adaLoss	1.20 284	1.20 218	1.20 289	1.20 271	1.20 314	1.20 300	1.20 304	1.20 290	1.20 310	1.20 297	1.20 307	1.20 302	1.20 299	1.20 301	1.20 306	1.20 288	1.20 291	1.20 306	1.20 305	1.20 282	1.20 306

PSM-AAD	1.20 284	1.20 218	1.20 289	1.20 271	1.20 314	1.20 300	1.20 304	1.20 290	1.20 310	1.20 297	1.20 307	1.20 302	1.20 299	1.20 301	1.20 306	1.20 288	1.20 291	1.20 306	1.20 305	1.20 282	1.20 306

FTStereo	1.20 284	1.20 218	1.20 289	1.20 271	1.20 314	1.20 300	1.20 304	1.20 290	1.20 310	1.20 297	1.20 307	1.20 302	1.20 299	1.20 301	1.20 306	1.20 288	1.20 291	1.20 306	1.20 305	1.20 282	1.20 306

ROB_FTStereo_v2	1.20 284	1.20 218	1.20 289	1.20 271	1.20 314	1.20 300	1.20 304	1.20 290	1.20 310	1.20 297	1.20 307	1.20 302	1.20 299	1.20 301	1.20 306	1.20 288	1.20 291	1.20 306	1.20 305	1.20 282	1.20 306

ROB_FTStereo	1.20 284	1.20 218	1.20 289	1.20 271	1.20 314	1.20 300	1.20 304	1.20 290	1.20 310	1.20 297	1.20 307	1.20 302	1.20 299	1.20 301	1.20 306	1.20 288	1.20 291	1.20 306	1.20 305	1.20 282	1.20 306

Consistency-Raft	1.20 284	1.20 218	1.20 289	1.20 271	1.20 314	1.20 300	1.20 304	1.20 290	1.20 310	1.20 297	1.20 307	1.20 302	1.20 299	1.20 301	1.20 306	1.20 288	1.20 291	1.20 306	1.20 305	1.20 282	1.20 306

KYRaft	1.20 284	1.20 218	1.20 289	1.20 271	1.20 314	1.20 300	1.20 304	1.20 290	1.20 310	1.20 297	1.20 307	1.20 302	1.20 299	1.20 301	1.20 306	1.20 288	1.20 291	1.20 306	1.20 305	1.20 282	1.20 306

HUI-Stereo	1.20 284	1.20 218	1.20 289	1.20 271	1.20 314	1.20 300	1.20 304	1.20 290	1.20 310	1.20 297	1.20 307	1.20 302	1.20 299	1.20 301	1.20 306	1.20 288	1.20 291	1.20 306	1.20 305	1.20 282	1.20 306

ASMatch	1.20 284	1.20 218	1.20 289	1.20 271	1.20 314	1.20 300	1.20 304	1.20 290	1.20 310	1.20 297	1.20 307	1.20 302	1.20 299	1.20 301	1.20 306	1.20 288	1.20 291	1.20 306	1.20 305	1.20 282	1.20 306

DeepStereo_LL	1.20 284	1.20 218	1.20 289	1.20 271	1.20 314	1.20 300	1.20 304	1.20 290	1.20 310	1.20 297	1.20 307	1.20 302	1.20 299	1.20 301	1.20 306	1.20 288	1.20 291	1.20 306	1.20 305	1.20 282	1.20 306

DEmStereo	1.20 284	1.20 218	1.20 289	1.20 271	1.20 314	1.20 300	1.20 304	1.20 290	1.20 310	1.20 297	1.20 307	1.20 302	1.20 299	1.20 301	1.20 306	1.20 288	1.20 291	1.20 306	1.20 305	1.20 282	1.20 306

SST-Stereo	1.20 284	1.20 218	1.20 289	1.20 271	1.20 314	1.20 300	1.20 304	1.20 290	1.20 310	1.20 297	1.20 307	1.20 302	1.20 299	1.20 301	1.20 306	1.20 288	1.20 291	1.20 306	1.20 305	1.20 282	1.20 306

THIR-Stereo	1.20 284	1.20 218	1.20 289	1.20 271	1.20 314	1.20 300	1.20 304	1.20 290	1.20 310	1.20 297	1.20 307	1.20 302	1.20 299	1.20 301	1.20 306	1.20 288	1.20 291	1.20 306	1.20 305	1.20 282	1.20 306

RAFT_R40	1.20 284	1.20 218	1.20 289	1.20 271	1.20 314	1.20 300	1.20 304	1.20 290	1.20 310	1.20 297	1.20 307	1.20 302	1.20 299	1.20 301	1.20 306	1.20 288	1.20 291	1.20 306	1.20 305	1.20 282	1.20 306

DRaft	1.20 284	1.20 218	1.20 289	1.20 271	1.20 314	1.20 300	1.20 304	1.20 290	1.20 310	1.20 297	1.20 307	1.20 302	1.20 299	1.20 301	1.20 306	1.20 288	1.20 291	1.20 306	1.20 305	1.20 282	1.20 306

PFNet	1.20 284	1.20 218	1.20 289	1.20 271	1.20 314	1.20 300	1.20 304	1.20 290	1.20 310	1.20 297	1.20 307	1.20 302	1.20 299	1.20 301	1.20 306	1.20 288	1.20 291	1.20 306	1.20 305	1.20 282	1.20 306

GrayStereo	1.20 284	1.20 218	1.20 289	1.20 271	1.20 314	1.20 300	1.20 304	1.20 290	1.20 310	1.20 297	1.20 307	1.20 302	1.20 299	1.20 301	1.20 306	1.20 288	1.20 291	1.20 306	1.20 305	1.20 282	1.20 306

RE-Stereo	1.20 284	1.20 218	1.20 289	1.20 271	1.20 314	1.20 300	1.20 304	1.20 290	1.20 310	1.20 297	1.20 307	1.20 302	1.20 299	1.20 301	1.20 306	1.20 288	1.20 291	1.20 306	1.20 305	1.20 282	1.20 306

Pruner-Stereo	1.20 284	1.20 218	1.20 289	1.20 271	1.20 314	1.20 300	1.20 304	1.20 290	1.20 310	1.20 297	1.20 307	1.20 302	1.20 299	1.20 301	1.20 306	1.20 288	1.20 291	1.20 306	1.20 305	1.20 282	1.20 306

TVStereo	1.20 284	1.20 218	1.20 289	1.20 271	1.20 314	1.20 300	1.20 304	1.20 290	1.20 310	1.20 297	1.20 307	1.20 302	1.20 299	1.20 301	1.20 306	1.20 288	1.20 291	1.20 306	1.20 305	1.20 282	1.20 306

DeepStereo_RVC	1.20 284	1.20 218	1.20 289	1.20 271	1.20 314	1.20 300	1.20 304	1.20 290	1.20 310	1.20 297	1.20 307	1.20 302	1.20 299	1.20 301	1.20 306	1.20 288	1.20 291	1.20 306	1.20 305	1.20 282	1.20 306

RAFT-RH_RVC	1.20 284	1.20 218	1.20 289	1.20 271	1.20 314	1.20 300	1.20 304	1.20 290	1.20 310	1.20 297	1.20 307	1.20 302	1.20 299	1.20 301	1.20 306	1.20 288	1.20 291	1.20 306	1.20 305	1.20 282	1.20 306

IRAFT_RVC	1.20 284	1.20 218	1.20 289	1.20 271	1.20 314	1.20 300	1.20 304	1.20 290	1.20 310	1.20 297	1.20 307	1.20 302	1.20 299	1.20 301	1.20 306	1.20 288	1.20 291	1.20 306	1.20 305	1.20 282	1.20 306

RAFT-345	1.20 284	1.20 218	1.20 289	1.20 271	1.20 314	1.20 300	1.20 304	1.20 290	1.20 310	1.20 297	1.20 307	1.20 302	1.20 299	1.20 301	1.20 306	1.20 288	1.20 291	1.20 306	1.20 305	1.20 282	1.20 306

iRAFT	1.20 284	1.20 218	1.20 289	1.20 271	1.20 314	1.20 300	1.20 304	1.20 290	1.20 310	1.20 297	1.20 307	1.20 302	1.20 299	1.20 301	1.20 306	1.20 288	1.20 291	1.20 306	1.20 305	1.20 282	1.20 306

CRE-IMP	1.20 284	1.20 218	1.20 289	1.20 271	1.20 314	1.20 300	1.20 304	1.20 290	1.20 310	1.20 297	1.20 307	1.20 302	1.20 299	1.20 301	1.20 306	1.20 288	1.20 291	1.20 306	1.20 305	1.20 282	1.20 306

GMM-Stereo	1.20 284	1.20 218	1.20 289	1.20 271	1.20 314	1.20 300	1.20 304	1.20 290	1.20 310	1.20 297	1.20 307	1.20 302	1.20 299	1.20 301	1.20 306	1.20 288	1.20 291	1.20 306	1.20 305	1.20 282	1.20 306

RAFT-IKP	1.20 284	1.20 218	1.20 289	1.20 271	1.20 314	1.20 300	1.20 304	1.20 290	1.20 310	1.20 297	1.20 307	1.20 302	1.20 299	1.20 301	1.20 306	1.20 288	1.20 291	1.20 306	1.20 305	1.20 282	1.20 306

Prome-Stereo	1.20 284	1.20 218	1.20 289	1.20 271	1.20 314	1.20 300	1.20 304	1.20 290	1.20 310	1.20 297	1.20 307	1.20 302	1.20 299	1.20 301	1.20 306	1.20 288	1.20 291	1.20 306	1.20 305	1.20 282	1.20 306

SPS-STEREO	1.59 339	1.91 290	1.21 335	1.94 338	1.20 314	2.00 364	1.23 351	1.99 356	1.24 358	2.00 361	1.25 356	2.03 362	1.26 348	2.00 360	1.29 356	1.90 359	1.18 290	1.89 366	1.21 350	1.89 346	1.20 306
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
GANetREF_RVC	1.55 338	1.94 296	1.22 336	1.88 335	1.21 360	1.88 362	1.22 350	1.88 353	1.22 356	1.88 357	1.22 353	1.88 358	1.22 346	1.89 357	1.22 352	1.87 356	1.22 338	1.88 365	1.22 351	1.88 345	1.22 352
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
S-Stereo	2.51 370	26.86 408	1.23 338	1.22 316	1.22 361	1.24 348	1.25 353	1.22 336	1.24 358	1.21 342	1.24 355	1.19 301	1.27 349	1.19 300	1.24 353	1.19 287	1.20 291	1.25 353	1.19 302	1.24 330	1.23 353

CFNet-ft	0.55 206	1.57 277	0.14 97	0.20 99	0.14 118	0.20 115	2.53 381	1.61 348	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	1.56 339	1.24 354

FAT-Stereo	2.46 369	26.05 407	1.23 338	1.23 318	1.22 361	1.20 300	1.24 352	1.23 338	1.23 357	1.19 296	1.22 353	1.21 347	1.24 347	1.20 301	1.24 353	1.21 333	1.17 289	1.22 352	1.25 352	1.20 282	1.24 354

StereoIM	3.19 381	6.02 366	1.12 278	5.61 380	1.16 310	5.43 399	1.02 291	5.15 397	0.70 268	5.43 396	1.21 352	5.03 398	0.97 279	4.85 394	0.99 289	4.53 384	1.16 287	5.53 397	1.25 352	5.37 385	1.30 356

11t	1.27 332	2.70 318	1.34 342	1.32 321	0.89 289	1.30 350	1.34 356	1.64 349	0.57 251	1.45 349	0.72 278	1.05 288	1.29 351	1.07 290	1.29 356	1.49 345	1.02 271	0.97 288	1.15 298	1.48 336	1.31 357

MC-Stereo	1.76 344	2.96 326	1.37 349	2.14 344	1.37 365	2.14 366	1.36 358	2.14 360	1.37 365	2.14 366	1.37 361	2.14 363	1.37 355	2.14 364	1.37 359	1.97 360	1.32 339	1.97 367	1.32 354	1.98 347	1.33 358

CC-Net-ROB	1.36 334	1.33 270	1.33 341	1.36 324	1.38 366	1.36 352	1.33 355	1.37 345	1.34 361	1.35 346	1.36 360	1.38 352	1.34 353	1.38 351	1.38 360	1.35 341	1.38 348	1.33 355	1.35 355	1.43 335	1.34 359

MaskLacGwcNet_RVC	1.35 333	1.35 271	1.35 344	1.35 323	1.35 363	1.35 351	1.35 357	1.36 344	1.35 363	1.36 347	1.35 359	1.36 351	1.36 354	1.36 350	1.35 358	1.35 341	1.35 345	1.35 356	1.35 355	1.35 333	1.35 360

RASNet	1.49 337	1.65 279	1.45 353	1.38 326	1.43 369	1.47 356	1.36 358	1.38 346	1.36 364	1.39 348	1.60 370	1.45 354	1.45 358	1.51 352	2.21 378	1.53 348	1.36 346	1.36 358	1.36 357	1.66 341	1.36 361

PS-NSSS	1.38 336	1.39 273	1.34 342	1.34 322	1.35 363	1.38 353	1.37 363	1.35 343	1.38 366	1.34 345	1.34 358	1.39 353	1.38 356	1.70 354	1.40 361	1.36 343	1.36 346	1.36 358	1.37 358	1.37 334	1.36 361

MIF-Stereo (partial)	2.58 372	3.31 333	0.66 239	3.18 364	0.66 271	3.18 381	0.66 258	3.21 379	0.67 262	3.19 380	0.66 270	3.19 380	0.66 256	3.31 382	0.68 264	5.09 386	1.79 364	8.23 404	1.67 371	6.18 389	1.38 363

Anonymous	2.11 355	2.74 319	1.41 352	2.77 360	1.40 368	2.74 377	1.46 367	2.75 372	1.50 369	2.87 378	1.39 363	2.74 376	1.46 359	2.72 375	1.41 363	2.72 372	1.41 349	2.81 377	1.41 360	3.16 365	1.39 364

sCroCo_RVC	2.10 354	2.76 320	1.92 371	2.78 361	1.39 367	2.73 376	1.41 365	2.73 371	1.40 367	2.77 377	1.41 365	2.74 376	1.40 357	2.74 376	1.40 361	2.72 372	1.42 350	2.72 376	1.44 364	2.79 362	1.42 365

RAFT_CTSACE	1.92 349	3.71 338	1.72 362	1.88 335	1.72 375	2.04 365	1.42 366	2.18 361	1.89 381	2.02 362	1.97 379	1.95 360	2.06 369	1.93 358	1.62 367	1.76 352	1.66 359	2.02 368	1.73 377	1.73 342	1.43 366

test_xeample3	1.10 279	1.81 286	0.61 229	0.84 228	0.49 245	0.77 263	0.66 258	0.92 267	1.40 367	0.68 252	0.46 231	0.78 264	0.54 246	1.72 355	1.48 364	1.34 340	1.52 353	1.35 356	1.67 371	1.33 332	1.55 367

DPSMNet_ROB	1.60 340	1.59 278	1.70 360	1.59 329	1.59 371	1.61 357	1.61 368	1.60 347	1.60 370	1.62 355	1.59 369	1.60 356	1.60 361	1.60 353	1.59 366	1.59 349	1.60 355	1.59 363	1.59 368	1.59 340	1.59 368

UDGNet	2.23 357	5.40 364	1.72 362	2.48 355	1.69 373	2.51 373	1.69 370	2.51 369	1.72 372	2.50 373	1.69 372	2.52 373	1.69 363	2.50 372	1.68 371	2.41 371	1.70 360	2.42 375	1.69 373	2.42 356	1.64 369

MFMNet_re	1.81 347	1.91 290	1.71 361	1.95 339	1.70 374	1.95 363	1.70 371	1.96 355	1.74 373	1.97 360	1.72 373	1.95 360	1.71 364	1.97 359	1.71 372	1.86 355	1.62 356	1.85 364	1.66 370	1.86 344	1.64 369

Anonymous3	2.55 371	3.26 332	1.65 358	3.28 366	1.63 372	3.24 382	1.68 369	3.27 380	1.66 371	3.28 381	1.67 371	3.25 381	1.66 362	3.27 380	1.64 368	3.26 377	1.65 358	3.30 380	1.65 369	4.95 382	1.65 371

TRStereo	2.00 350	2.13 300	1.85 367	2.27 349	1.84 377	2.28 368	1.84 373	2.29 363	1.86 378	2.30 368	1.87 374	2.30 365	1.87 366	2.08 361	1.72 374	2.08 364	1.72 361	2.08 369	1.72 374	2.08 348	1.72 372

XX-Stereo	2.00 350	2.13 300	1.85 367	2.27 349	1.84 377	2.28 368	1.84 373	2.29 363	1.86 378	2.30 368	1.87 374	2.30 365	1.87 366	2.08 361	1.72 374	2.08 364	1.72 361	2.08 369	1.72 374	2.08 348	1.72 372

EAI-Stereo	2.00 350	2.13 300	1.85 367	2.27 349	1.84 377	2.28 368	1.84 373	2.29 363	1.86 378	2.30 368	1.87 374	2.30 365	1.87 366	2.08 361	1.72 374	2.08 364	1.72 361	2.08 369	1.72 374	2.08 348	1.72 372

cf-r	0.66 214	2.17 304	0.12 78	0.18 95	0.12 114	0.18 110	2.70 384	2.60 370	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	1.81 343	1.74 375

FBW_ROB	2.12 356	2.46 310	1.77 364	2.49 356	1.79 376	2.38 372	1.83 372	2.46 368	1.78 374	2.48 372	1.97 379	2.40 372	1.78 365	2.42 371	1.83 377	2.31 368	1.85 366	2.38 374	1.82 378	2.35 355	1.84 376

GANet-RSSM	0.75 230	1.91 290	0.14 97	0.47 183	0.14 118	0.21 122	3.21 389	2.30 367	0.14 118	0.46 205	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	2.13 351	2.12 377

NCCL2	2.28 358	2.27 306	2.28 373	2.28 352	2.28 384	2.27 367	2.29 379	2.28 362	2.28 382	2.27 367	2.28 384	2.28 364	2.27 373	2.27 368	2.28 383	2.28 367	2.28 370	2.27 372	2.29 382	2.27 352	2.29 378

PSMNet-RSSM	0.77 232	2.76 320	0.14 97	0.20 99	0.14 118	0.20 115	2.66 382	2.79 374	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	2.52 358	2.31 379

GwcNet-RSSM	0.77 232	2.77 322	0.14 97	0.20 99	0.14 118	0.20 115	2.67 383	2.78 373	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	2.52 358	2.31 379

hitnet-ft	0.79 236	2.78 323	0.14 97	0.20 99	0.14 118	0.21 122	2.89 385	2.80 375	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	2.54 360	2.33 381

STTStereo	3.73 385	30.40 413	2.37 377	2.39 353	2.31 386	2.35 371	2.33 380	2.29 363	2.42 383	2.32 371	2.34 385	2.33 368	2.36 374	2.30 369	2.27 382	2.35 369	2.22 369	2.31 373	2.22 379	2.29 354	2.34 382

sAnonymous2	3.31 382	2.63 313	1.38 350	3.71 370	1.86 380	4.70 394	1.11 294	4.82 395	2.72 385	5.45 397	1.98 381	4.59 393	2.64 375	2.65 373	6.21 400	4.37 381	1.08 276	5.16 395	2.24 380	4.52 378	2.39 383

CroCo_RVC	3.31 382	2.63 313	1.38 350	3.71 370	1.86 380	4.70 394	1.11 294	4.82 395	2.72 385	5.45 397	1.98 381	4.59 393	2.64 375	2.65 373	6.21 400	4.37 381	1.08 276	5.16 395	2.24 380	4.52 378	2.39 383

Sa-1000	4.34 388	8.37 375	6.84 397	6.98 389	4.45 399	3.58 384	3.00 386	3.42 383	3.39 389	2.61 374	4.00 395	3.83 386	4.01 388	3.90 386	3.90 391	5.98 393	5.62 386	3.76 386	2.34 383	4.35 376	2.47 385

NLCA_NET_v2_RVC	5.04 398	50.87 420	2.78 379	2.87 362	2.71 387	2.78 378	0.47 231	2.88 376	2.86 387	1.89 358	2.67 386	2.79 378	2.79 378	2.78 377	2.83 384	2.82 374	2.82 373	2.83 378	2.77 385	2.83 363	2.76 386
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
raft_robust	4.71 393	7.75 373	5.40 392	6.81 386	3.31 389	4.28 392	4.20 398	4.32 391	4.37 399	4.35 390	4.35 398	4.14 389	3.75 383	4.30 392	4.20 396	6.67 396	6.37 389	3.36 382	4.24 399	4.86 381	3.25 387

DispFullNet	4.61 391	4.84 358	3.12 381	5.00 377	3.57 391	4.75 396	3.03 387	7.75 404	4.17 397	4.91 394	3.09 387	6.20 401	3.95 386	6.71 400	3.51 387	5.30 388	3.67 376	5.86 401	3.63 388	5.61 386	3.46 388

SA	4.33 387	7.35 369	6.85 398	5.96 382	4.09 396	3.59 385	3.15 388	3.82 386	2.64 384	3.91 384	3.85 392	3.57 383	2.72 377	3.13 379	4.03 393	7.09 400	6.86 393	3.57 383	3.12 386	3.85 368	3.51 389

DPSNet	3.66 384	3.60 335	3.62 385	3.63 369	3.64 392	3.65 386	3.65 392	3.66 385	3.67 390	3.67 383	3.65 391	3.67 384	3.66 381	3.66 384	3.68 388	3.68 380	3.66 375	3.67 385	3.68 391	3.67 367	3.67 390

RAFT+CT+SA	4.28 386	7.62 372	4.91 388	5.55 379	2.28 384	3.09 379	3.64 391	4.49 392	3.07 388	4.80 392	3.35 388	4.77 395	3.70 382	4.29 391	3.05 385	5.58 389	5.98 388	3.58 384	3.78 393	4.26 374	3.72 391

test_4	4.88 395	8.13 374	6.98 399	7.46 390	4.44 398	4.25 391	3.85 395	4.04 390	3.92 394	4.13 387	3.91 393	4.18 390	3.84 384	4.14 389	4.06 394	7.01 399	7.13 394	4.53 390	3.72 392	4.09 372	3.72 391

TestStereo1	4.60 389	8.41 376	6.44 395	6.86 387	3.79 393	3.97 388	3.78 393	3.99 388	3.74 391	3.97 385	3.52 389	3.94 387	3.58 379	3.98 387	3.72 389	6.82 397	6.50 391	3.76 386	3.66 389	3.90 369	3.74 393

SA-5K	4.60 389	8.41 376	6.44 395	6.86 387	3.79 393	3.97 388	3.78 393	3.99 388	3.74 391	3.97 385	3.52 389	3.94 387	3.58 379	3.98 387	3.72 389	6.82 397	6.50 391	3.76 386	3.66 389	3.90 369	3.74 393

cross-raft	4.83 394	7.52 370	6.43 394	6.63 385	3.96 395	4.51 393	3.99 396	4.49 392	3.96 395	4.52 391	3.96 394	4.50 392	3.97 387	4.50 393	3.97 392	6.65 395	6.44 390	4.33 389	3.92 395	4.35 376	3.91 395

test_5	4.62 392	7.55 371	6.23 393	6.32 384	3.40 390	5.29 398	3.50 390	3.53 384	4.11 396	4.28 388	4.47 399	4.26 391	4.38 390	3.68 385	3.24 386	5.89 391	5.60 385	4.84 393	3.50 387	4.33 375	3.93 396

SGM-Forest	5.21 399	5.92 365	4.08 386	6.18 383	4.16 397	6.31 401	4.34 399	6.50 399	4.33 398	6.14 401	4.21 397	6.61 404	4.55 391	6.67 399	4.48 397	5.94 392	3.94 378	5.85 400	4.03 397	5.79 388	4.17 397
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
test_3	5.01 397	8.86 379	7.77 401	8.09 391	2.76 388	4.13 390	4.05 397	3.88 387	3.76 393	4.33 389	4.13 396	3.71 385	3.91 385	4.21 390	4.06 394	7.93 401	7.69 396	4.53 390	3.91 394	4.17 373	4.29 398

TestStereo	4.88 395	4.75 357	4.79 387	4.87 376	4.92 400	4.81 397	4.90 400	4.78 394	4.77 400	4.87 393	4.89 400	4.90 396	4.91 392	4.99 395	4.79 398	4.98 385	4.87 383	4.87 394	4.92 400	5.00 383	5.00 399

SGM+DAISY	7.06 402	9.15 380	5.38 391	8.84 394	5.18 401	8.80 405	5.31 401	8.79 405	5.28 402	8.89 405	5.20 401	8.93 405	5.33 393	8.95 405	5.36 399	8.70 403	5.21 384	8.74 405	5.20 401	8.89 399	5.15 400

test-1	6.46 400	9.16 381	8.03 404	8.09 391	5.62 402	6.11 400	6.35 402	6.85 401	4.94 401	6.08 400	6.29 404	4.98 397	6.43 396	6.22 397	6.36 402	6.16 394	7.47 395	5.82 399	5.44 402	7.11 394	5.68 401

RAFT	6.73 401	9.36 382	7.40 400	8.51 393	6.55 403	6.88 402	6.60 403	6.79 400	6.60 403	6.80 402	6.72 405	5.31 399	5.50 394	6.61 398	6.61 403	8.42 402	5.89 387	5.73 398	5.45 403	6.61 390	6.24 402

CFNet_RVC	2.38 367	8.71 378	0.38 179	9.33 395	0.42 232	0.56 242	0.42 222	0.60 238	0.38 204	0.62 246	0.42 225	0.56 243	7.29 400	0.62 246	0.42 223	0.53 229	0.37 178	0.49 240	0.34 203	8.30 397	6.87 403

test-v	7.53 403	11.89 390	7.98 402	9.36 396	7.14 404	7.06 403	7.09 404	7.37 402	6.91 404	7.29 403	5.71 402	6.45 402	6.93 397	6.73 401	7.27 404	8.93 404	7.85 397	6.98 402	6.80 404	7.56 395	7.34 404

test-2	7.53 403	11.89 390	7.98 402	9.36 396	7.14 404	7.06 403	7.09 404	7.37 402	6.91 404	7.29 403	5.71 402	6.45 402	6.93 397	6.73 401	7.27 404	8.93 404	7.85 397	6.98 402	6.80 404	7.56 395	7.34 404

MANE	19.05 406	23.00 399	15.00 406	23.00 412	15.00 406	24.00 412	16.00 406	24.00 412	16.00 406	22.00 412	15.00 406	23.00 412	16.00 406	23.00 412	15.00 406	22.00 412	15.00 406	22.00 412	15.00 406	22.00 412	15.00 406

rafts_anoy	20.00 407	20.00 393	20.00 407	20.00 406	20.00 407	20.00 406	20.00 407	20.00 406	20.00 407	20.00 406	20.00 407	20.00 406	20.00 407	20.00 406	20.00 407	20.00 406	20.00 407	20.00 406	20.00 407	20.00 406	20.00 407

raft+_RVC	20.00 407	20.00 393	20.00 407	20.00 406	20.00 407	20.00 406	20.00 407	20.00 406	20.00 407	20.00 406	20.00 407	20.00 406	20.00 407	20.00 406	20.00 407	20.00 406	20.00 407	20.00 406	20.00 407	20.00 406	20.00 407

raftrobust	20.00 407	20.00 393	20.00 407	20.00 406	20.00 407	20.00 406	20.00 407	20.00 406	20.00 407	20.00 406	20.00 407	20.00 406	20.00 407	20.00 406	20.00 407	20.00 406	20.00 407	20.00 406	20.00 407	20.00 406	20.00 407

CasAABBNet	20.00 407	20.00 393	20.00 407	20.00 406	20.00 407	20.00 406	20.00 407	20.00 406	20.00 407	20.00 406	20.00 407	20.00 406	20.00 407	20.00 406	20.00 407	20.00 406	20.00 407	20.00 406	20.00 407	20.00 406	20.00 407

RALCasStereoNet	20.00 407	20.00 393	20.00 407	20.00 406	20.00 407	20.00 406	20.00 407	20.00 406	20.00 407	20.00 406	20.00 407	20.00 406	20.00 407	20.00 406	20.00 407	20.00 406	20.00 407	20.00 406	20.00 407	20.00 406	20.00 407

RALAANet	20.00 407	20.00 393	20.00 407	20.00 406	20.00 407	20.00 406	20.00 407	20.00 406	20.00 407	20.00 406	20.00 407	20.00 406	20.00 407	20.00 406	20.00 407	20.00 406	20.00 407	20.00 406	20.00 407	20.00 406	20.00 407

WCMA_ROB	31.10 414	35.43 418	27.12 413	39.51 421	23.10 413	38.78 421	25.30 413	37.49 421	25.39 413	37.29 420	27.02 413	38.52 421	26.48 413	37.80 420	26.44 413	36.28 420	22.65 413	33.90 417	22.30 413	37.10 418	24.18 413

111	30.40 413	30.94 414	29.72 414	32.61 413	30.02 414	33.57 413	30.47 414	31.50 413	29.39 414	30.98 413	29.11 414	29.78 413	30.39 417	29.45 413	30.76 417	30.08 413	29.02 414	29.92 413	30.32 417	29.86 413	30.17 414

fff	1000028.16 429	29.62 410	29.72 414	32.61 413	30.02 414	35.13 415	31.83 415	32.07 414	10000000.00 429	35.27 416	29.82 415	32.45 414	30.15 414	32.35 414	30.09 414	31.04 414	29.55 415	30.64 414	30.14 414	10000000.00 429	30.77 415

csc	1000028.16 429	29.62 410	29.72 414	32.61 413	30.02 414	35.13 415	31.83 415	32.07 414	10000000.00 429	35.27 416	29.82 415	32.45 414	30.15 414	32.35 414	30.09 414	31.04 414	29.55 415	30.64 414	30.14 414	10000000.00 429	30.77 415

cscssc	1000028.16 429	29.62 410	29.72 414	32.61 413	30.02 414	35.13 415	31.83 415	32.07 414	10000000.00 429	35.27 416	29.82 415	32.45 414	30.15 414	32.35 414	30.09 414	31.04 414	29.55 415	30.64 414	30.14 414	10000000.00 429	30.77 415

ADStereo(finetuned)	36.13 416	36.63 419	38.07 421	36.97 418	33.25 418	35.91 418	34.45 418	36.36 420	32.99 415	38.14 421	36.71 421	36.69 420	34.13 418	38.57 421	40.79 421	37.60 421	36.58 421	35.90 421	33.36 418	35.42 416	34.04 418

tt	500032.53 427	34.60 416	29.72 414	37.47 419	34.41 419	36.85 419	35.22 419	34.71 417	33.55 416	34.50 414	35.43 418	33.81 417	10000000.00 430	33.57 417	33.13 418	33.68 417	35.00 419	34.03 418	35.26 420	30.96 414	34.63 419

DCANet	500032.53 427	34.60 416	29.72 414	37.47 419	34.41 419	36.85 419	35.22 419	34.71 417	33.55 416	34.50 414	35.43 418	33.81 417	10000000.00 430	33.57 417	33.13 418	33.68 417	35.00 419	34.03 418	35.26 420	30.96 414	34.63 419

DCANet-4	35.22 415	34.54 415	35.08 420	33.58 417	35.47 421	34.55 414	35.53 421	36.08 419	35.85 418	35.92 419	35.77 420	35.18 419	35.48 419	35.39 419	37.15 420	34.55 419	33.92 418	35.02 420	34.90 419	35.79 417	34.74 421

NOSS_ROB	102.95 418	153.00 424	121.00 425	51.00 422	44.00 422	165.00 425	127.00 424	153.00 424	119.00 421	164.00 425	125.00 424	168.00 425	120.00 422	153.00 424	117.00 424	49.00 422	44.00 422	49.00 422	44.00 422	49.00 419	44.00 422

CBMV	128.50 419	1422.70 431	53.10 423	79.50 423	51.30 423	77.30 423	49.70 422	74.00 422	48.20 420	77.20 423	48.80 423	73.90 423	48.00 421	73.80 423	48.80 423	70.40 423	45.10 423	68.90 423	46.10 423	68.20 420	45.00 423
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MDST_ROB	69.83 417	87.70 421	41.95 422	113.75 424	65.62 424	75.05 422	55.25 423	75.64 423	45.04 419	71.61 422	41.75 422	72.81 422	44.06 420	68.38 422	44.63 422	101.89 424	59.57 424	107.10 424	61.05 424	104.38 421	59.38 424

MeshStereo	159.24 420	171.00 425	160.68 427	162.58 425	160.59 425	164.01 424	160.35 425	158.51 425	158.56 422	158.34 424	160.12 425	158.56 424	159.92 423	157.26 425	158.94 425	154.38 425	158.36 425	155.75 425	159.13 425	153.67 422	154.07 425
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	201.80 421	123.00 422	115.00 424	219.00 426	218.00 427	223.00 426	244.00 427	217.00 426	236.00 424	202.00 426	203.00 426	205.00 426	208.00 424	225.00 426	204.00 426	210.00 426	198.00 426	197.00 426	184.00 426	204.00 423	201.00 426

DLCB_ROB	284.23 423	354.61 427	207.27 428	363.24 428	206.46 426	364.72 428	210.41 426	364.72 428	210.41 423	364.81 428	208.64 427	364.81 428	208.64 425	364.72 428	210.41 427	354.70 428	205.53 427	354.70 428	205.53 427	354.70 425	205.53 427

EGLCR-Stereo	246.90 422	129.00 423	139.00 426	266.00 427	286.00 428	277.00 427	305.00 428	271.00 427	242.00 425	274.00 427	279.00 428	255.00 427	270.00 426	268.00 427	297.00 428	230.00 427	247.00 428	216.00 427	223.00 428	237.00 424	227.00 428

LE_ROB	396.57 424	471.28 428	329.84 429	471.48 429	308.15 429	526.83 429	322.10 429	488.15 429	323.76 426	495.46 429	317.97 429	497.17 429	320.10 427	481.62 429	326.76 429	462.71 429	298.97 429	466.16 429	285.98 429	447.62 426	289.21 429

SGM-ForestM	596.69 425	677.77 429	444.52 430	699.85 430	517.25 430	732.94 430	488.29 430	770.79 430	460.11 427	750.81 430	487.98 430	792.79 430	499.41 428	730.90 430	475.81 430	720.03 430	491.16 430	663.96 430	418.60 430	674.76 427	436.05 430

CBMV_ROB	818.48 426	913.88 430	709.52 431	862.84 431	597.78 431	1073.99 431	700.52 431	1015.66 431	702.59 428	1115.65 431	760.02 431	1130.24 431	721.57 429	1037.41 431	692.65 431	814.05 431	564.29 431	843.28 431	595.31 431	915.51 428	602.92 431

SDNR	10000000.00 432	10000000.00 432	10000000.00 432	10000000.00 432	10000000.00 432	10000000.00 432	10000000.00 432	10000000.00 432	10000000.00 429	10000000.00 432	10000000.00 432	10000000.00 432	10000000.00 430	10000000.00 432	10000000.00 432	10000000.00 432	10000000.00 432	10000000.00 432	10000000.00 432	10000000.00 429	10000000.00 432

anonymousdsp2	10000000.00 432	10000000.00 432	10000000.00 432	10000000.00 432	10000000.00 432	10000000.00 432	10000000.00 432	10000000.00 432	10000000.00 429	10000000.00 432	10000000.00 432	10000000.00 432	10000000.00 430	10000000.00 432	10000000.00 432	10000000.00 432	10000000.00 432	10000000.00 432	10000000.00 432	10000000.00 429	10000000.00 432

anonymousdsp	10000000.00 432	10000000.00 432	10000000.00 432	10000000.00 432	10000000.00 432	10000000.00 432	10000000.00 432	10000000.00 432	10000000.00 429	10000000.00 432	10000000.00 432	10000000.00 432	10000000.00 430	10000000.00 432	10000000.00 432	10000000.00 432	10000000.00 432	10000000.00 432	10000000.00 432	10000000.00 429	10000000.00 432

test_example2	10000000.00 432	10000000.00 432	10000000.00 432	10000000.00 432	10000000.00 432	10000000.00 432	10000000.00 432	10000000.00 432	10000000.00 429	10000000.00 432	10000000.00 432	10000000.00 432	10000000.00 430	10000000.00 432	10000000.00 432	10000000.00 432	10000000.00 432	10000000.00 432	10000000.00 432	10000000.00 429	10000000.00 432

DIP-Stereo	10000000.00 432	10000000.00 432	10000000.00 432	10000000.00 432	10000000.00 432	10000000.00 432	10000000.00 432	10000000.00 432	10000000.00 429	10000000.00 432	10000000.00 432	10000000.00 432	10000000.00 430	10000000.00 432	10000000.00 432	10000000.00 432	10000000.00 432	10000000.00 432	10000000.00 432	10000000.00 429	10000000.00 432
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022

Low-res two-view benchmark