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	0.14 1	0.09 3	0.27 2	0.14 1	0.08 2	0.22 86	0.15 25	0.26 10	0.26 48	0.16 11	0.21 42	0.14 22	0.13 31	0.19 21	0.14 24	0.09 143	0.05 3	0.06 1	0.04 1	0.07 30	0.06 4
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	0.16 11	0.09 3	0.31 7	0.15 2	0.09 5	0.23 102	0.15 25	0.26 10	0.24 24	0.17 15	0.21 42	0.16 32	0.14 41	0.23 40	0.14 24	0.29 367	0.05 3	0.06 1	0.04 1	0.07 30	0.07 11

TANstereo	0.16 11	0.11 27	0.43 46	0.16 3	0.08 2	0.25 130	0.14 12	0.23 3	0.29 78	0.25 71	0.30 96	0.16 32	0.12 15	0.18 12	0.13 7	0.08 87	0.07 92	0.06 1	0.05 8	0.07 30	0.08 37

LoS	0.15 4	0.09 3	0.34 13	0.17 4	0.09 5	0.22 86	0.14 12	0.27 13	0.27 57	0.15 9	0.18 22	0.19 53	0.14 41	0.23 40	0.14 24	0.08 87	0.06 34	0.06 1	0.04 1	0.06 2	0.06 4

CES	0.14 1	0.08 2	0.24 1	0.17 4	0.23 309	0.18 13	0.15 25	0.24 7	0.20 5	0.14 5	0.18 22	0.14 22	0.10 3	0.19 21	0.12 1	0.07 13	0.05 3	0.06 1	0.04 1	0.08 64	0.20 268

knoymous	0.18 21	0.10 11	0.35 17	0.17 4	0.11 25	0.21 64	0.17 54	0.33 68	0.24 24	0.24 60	0.28 79	0.27 132	0.16 62	0.24 46	0.17 59	0.09 143	0.06 34	0.09 119	0.06 22	0.09 131	0.10 99

CREStereo++_RVC	0.16 11	0.09 3	0.42 41	0.17 4	0.11 25	0.18 13	0.13 2	0.23 3	0.31 99	0.21 31	0.31 106	0.13 11	0.11 9	0.17 8	0.16 46	0.07 13	0.04 1	0.06 1	0.15 317	0.06 2	0.05 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
LoS_RVC	0.14 1	0.11 27	0.32 9	0.18 8	0.16 187	0.20 48	0.18 92	0.21 2	0.18 1	0.14 5	0.20 30	0.12 3	0.17 77	0.17 8	0.14 24	0.06 1	0.05 3	0.06 1	0.04 1	0.05 1	0.14 206

DRaft	0.25 172	0.11 27	0.47 73	0.18 8	0.12 48	0.28 163	0.23 219	0.34 72	0.40 189	0.38 247	0.60 318	0.20 60	0.41 302	0.48 208	0.41 271	0.07 13	0.06 34	0.08 59	0.08 104	0.07 30	0.08 37

AnonymousM	0.19 37	0.20 204	0.30 5	0.18 8	0.10 17	0.19 22	0.17 54	0.32 56	0.27 57	0.27 85	0.21 42	0.18 47	0.14 41	0.21 25	0.16 46	0.09 143	0.08 139	0.38 374	0.15 317	0.06 2	0.08 37

s12784h	0.18 21	0.09 3	0.38 25	0.18 8	0.07 1	0.33 228	0.19 124	0.39 123	0.34 129	0.24 60	0.25 59	0.18 47	0.18 103	0.25 54	0.17 59	0.07 13	0.05 3	0.07 13	0.05 8	0.06 2	0.05 1

ACVNet	0.24 148	0.18 184	0.51 132	0.18 8	0.15 158	0.27 149	0.23 219	0.40 132	0.45 234	0.29 114	0.41 203	0.38 227	0.28 213	0.28 98	0.35 249	0.09 143	0.07 92	0.08 59	0.07 44	0.10 178	0.09 58

StereoIM	0.15 4	0.17 167	0.39 27	0.19 13	0.15 158	0.16 5	0.13 2	0.26 10	0.22 12	0.13 1	0.15 15	0.14 22	0.11 9	0.17 8	0.17 59	0.08 87	0.07 92	0.08 59	0.06 22	0.07 30	0.06 4

Any-RAFT	0.18 21	0.09 3	0.33 11	0.19 13	0.10 17	0.29 180	0.16 40	0.44 174	0.32 107	0.25 71	0.27 75	0.29 156	0.16 62	0.23 40	0.13 7	0.08 87	0.07 92	0.06 1	0.05 8	0.07 30	0.07 11

DCANet-4	0.20 57	0.11 27	0.58 204	0.19 13	0.09 5	0.19 22	0.18 92	0.39 123	0.42 206	0.29 114	0.31 106	0.17 39	0.22 138	0.21 25	0.20 115	0.07 13	0.05 3	0.07 13	0.05 8	0.06 2	0.09 58

fff	0.20 57	0.15 123	0.57 191	0.19 13	0.09 5	0.19 22	0.18 92	0.38 107	0.46 243	0.29 114	0.31 106	0.18 47	0.28 213	0.21 25	0.20 115	0.07 13	0.05 3	0.07 13	0.05 8	0.06 2	0.09 58

ADStereo(finetuned)	0.21 80	0.15 123	0.59 211	0.19 13	0.09 5	0.19 22	0.18 92	0.37 98	0.41 194	0.30 135	0.31 106	0.19 53	0.31 249	0.21 25	0.20 115	0.07 13	0.05 3	0.07 13	0.05 8	0.07 30	0.10 99

CrosDoStereo	0.32 255	0.11 27	0.53 158	0.19 13	0.12 48	0.22 86	1.07 399	0.36 86	0.38 170	0.38 247	0.60 318	0.28 144	0.45 314	0.61 261	0.56 318	0.08 87	0.06 34	0.08 59	0.09 165	0.08 64	0.09 58

HHNet	0.23 122	0.12 57	0.66 242	0.19 13	0.18 232	0.20 48	0.20 155	0.36 86	0.32 107	0.33 184	0.59 314	0.19 53	0.21 133	0.24 46	0.31 225	0.08 87	0.06 34	0.09 119	0.07 44	0.08 64	0.12 163

DeepStereo_LL	0.32 255	0.11 27	0.53 158	0.19 13	0.12 48	0.22 86	1.07 399	0.36 86	0.38 170	0.38 247	0.60 318	0.28 144	0.45 314	0.61 261	0.56 318	0.08 87	0.06 34	0.08 59	0.09 165	0.08 64	0.09 58

DEmStereo	0.26 191	0.10 11	0.52 148	0.19 13	0.13 80	0.31 209	0.25 254	0.29 28	0.38 170	0.36 224	0.57 307	0.24 101	0.48 327	0.53 227	0.44 284	0.07 13	0.06 34	0.08 59	0.08 104	0.07 30	0.08 37

THIR-Stereo	0.30 240	0.15 123	0.46 68	0.19 13	0.11 25	0.28 163	0.70 380	0.33 68	0.36 149	0.37 239	0.64 331	0.33 191	0.49 331	0.58 244	0.44 284	0.08 87	0.06 34	0.08 59	0.09 165	0.07 30	0.08 37

DCANet	0.20 57	0.15 123	0.57 191	0.19 13	0.09 5	0.19 22	0.18 92	0.37 98	0.41 194	0.30 135	0.31 106	0.19 53	0.23 147	0.21 25	0.20 115	0.07 13	0.05 3	0.07 13	0.05 8	0.07 30	0.10 99

csc	0.20 57	0.15 123	0.57 191	0.19 13	0.09 5	0.19 22	0.18 92	0.38 107	0.46 243	0.29 114	0.31 106	0.18 47	0.28 213	0.21 25	0.20 115	0.07 13	0.05 3	0.07 13	0.05 8	0.06 2	0.09 58

cscssc	0.20 57	0.15 123	0.57 191	0.19 13	0.09 5	0.19 22	0.18 92	0.38 107	0.46 243	0.29 114	0.31 106	0.18 47	0.28 213	0.21 25	0.20 115	0.07 13	0.05 3	0.07 13	0.05 8	0.06 2	0.09 58

222	0.45 324	0.14 107	0.43 46	0.19 13	0.15 158	0.36 263	0.20 155	0.60 311	0.43 216	0.37 239	0.45 244	0.30 166	0.28 213	0.59 250	3.72 411	0.11 229	0.19 311	0.08 59	0.09 165	0.09 131	0.27 325

111	0.22 93	0.22 225	0.57 191	0.19 13	0.09 5	0.24 120	0.17 54	0.44 174	0.46 243	0.24 60	0.30 96	0.29 156	0.22 138	0.25 54	0.19 99	0.08 87	0.05 3	0.07 13	0.06 22	0.07 30	0.15 217

test_xeample	0.39 295	0.14 107	0.46 68	0.19 13	0.16 187	0.34 242	0.22 196	0.59 302	0.43 216	0.33 184	0.47 263	0.30 166	0.27 194	0.60 255	2.44 406	0.10 198	0.21 324	0.09 119	0.09 165	0.09 131	0.25 313

hitnet-ft	0.31 250	0.21 211	0.56 184	0.19 13	0.14 108	0.40 283	0.23 219	0.46 187	0.42 206	0.37 239	0.46 256	0.53 313	0.35 272	0.76 319	0.35 249	0.14 295	0.10 193	0.14 299	0.10 209	0.15 283	0.14 206

CFNet-ft	0.26 191	0.21 211	0.51 132	0.19 13	0.16 187	0.31 209	0.21 174	0.40 132	0.37 162	0.29 114	0.40 192	0.46 280	0.27 194	0.49 210	0.28 201	0.12 257	0.07 92	0.12 258	0.11 233	0.12 244	0.11 128

HSM-Net_RVC	0.28 214	0.12 57	0.48 85	0.19 13	0.11 25	0.35 255	0.21 174	0.64 336	0.44 223	0.40 267	0.43 222	0.50 301	0.27 194	0.75 313	0.25 179	0.08 87	0.07 92	0.08 59	0.07 44	0.08 64	0.09 58
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
CFNet_RVC	0.26 191	0.21 211	0.51 132	0.19 13	0.16 187	0.31 209	0.21 174	0.40 132	0.37 162	0.29 114	0.40 192	0.46 280	0.27 194	0.49 210	0.28 201	0.12 257	0.07 92	0.12 258	0.11 233	0.12 244	0.11 128

UCFNet_RVC	0.25 172	0.21 211	0.49 102	0.19 13	0.15 158	0.34 242	0.18 92	0.47 196	0.36 149	0.30 135	0.35 144	0.40 240	0.26 188	0.35 168	0.24 167	0.13 274	0.08 139	0.13 281	0.14 308	0.13 256	0.13 183

Former-RAFT_DAM_RVC	0.18 21	0.15 123	0.27 2	0.20 34	0.13 80	0.24 120	0.17 54	0.31 51	0.37 162	0.43 290	0.17 17	0.13 11	0.12 15	0.20 24	0.16 46	0.08 87	0.07 92	0.09 119	0.07 44	0.09 131	0.08 37

SMFormer	0.27 207	0.13 73	0.47 73	0.20 34	0.10 17	0.28 163	0.19 124	0.54 252	0.48 262	0.35 213	0.42 210	0.31 175	0.27 194	0.60 255	0.34 243	0.10 198	0.16 282	0.08 59	0.09 165	0.10 178	0.16 227

tta	0.27 207	0.13 73	0.47 73	0.20 34	0.10 17	0.28 163	0.19 124	0.54 252	0.48 262	0.35 213	0.42 210	0.31 175	0.27 194	0.60 255	0.34 243	0.10 198	0.16 282	0.08 59	0.09 165	0.08 64	0.13 183

qqq1	0.26 191	0.13 73	0.47 73	0.20 34	0.10 17	0.28 163	0.19 124	0.54 252	0.48 262	0.35 213	0.42 210	0.31 175	0.27 194	0.60 255	0.21 132	0.10 198	0.16 282	0.07 13	0.07 44	0.08 64	0.13 183

fff1	0.26 191	0.13 73	0.47 73	0.20 34	0.10 17	0.28 163	0.19 124	0.54 252	0.48 262	0.35 213	0.42 210	0.31 175	0.27 194	0.60 255	0.21 132	0.10 198	0.16 282	0.07 13	0.07 44	0.08 64	0.13 183

11t1	0.21 80	0.12 57	0.45 56	0.20 34	0.15 158	0.27 149	0.17 54	0.37 98	0.28 65	0.27 85	0.25 59	0.24 101	0.23 147	0.28 98	0.25 179	0.09 143	0.19 311	0.07 13	0.07 44	0.09 131	0.23 292

MIM_Stereo	0.20 57	0.17 167	0.55 174	0.20 34	0.21 285	0.17 9	0.14 12	0.37 98	0.27 57	0.28 91	0.35 144	0.23 86	0.13 31	0.28 98	0.16 46	0.06 1	0.08 139	0.09 119	0.08 104	0.08 64	0.15 217

CFNet_ucs	0.25 172	0.14 107	0.51 132	0.20 34	0.15 158	0.29 180	0.18 92	0.51 230	0.46 243	0.32 175	0.42 210	0.38 227	0.23 147	0.31 133	0.22 147	0.11 229	0.08 139	0.12 258	0.09 165	0.13 256	0.13 183

iinet-f	0.31 250	0.23 238	1.16 350	0.20 34	0.16 187	0.44 301	0.23 219	0.47 196	0.38 170	0.36 224	0.44 231	0.41 247	0.35 272	0.36 172	0.43 277	0.10 198	0.09 168	0.08 59	0.08 104	0.13 256	0.12 163

RCA-Stereo	0.17 18	0.10 11	0.33 11	0.20 34	0.11 25	0.19 22	0.17 54	0.39 123	0.36 149	0.21 31	0.25 59	0.17 39	0.17 77	0.18 12	0.15 37	0.07 13	0.14 252	0.07 13	0.06 22	0.06 2	0.08 37

qqq	0.24 148	0.16 144	0.46 68	0.20 34	0.15 158	0.23 102	0.20 155	0.43 156	0.32 107	0.26 76	0.31 106	0.28 144	0.25 176	0.36 172	0.28 201	0.08 87	0.22 330	0.10 182	0.11 233	0.09 131	0.23 292

x	0.23 122	0.15 123	0.45 56	0.20 34	0.15 158	0.27 149	0.17 54	0.43 156	0.35 136	0.26 76	0.31 106	0.29 156	0.25 176	0.29 115	0.30 216	0.09 143	0.22 330	0.08 59	0.09 165	0.09 131	0.24 304

CFNet_pseudo	0.23 122	0.14 107	0.48 85	0.20 34	0.13 80	0.27 149	0.17 54	0.46 187	0.45 234	0.30 135	0.37 165	0.38 227	0.23 147	0.30 124	0.22 147	0.09 143	0.06 34	0.11 228	0.08 104	0.11 219	0.11 128

xxxx	0.39 295	0.14 107	0.47 73	0.20 34	0.16 187	0.38 274	0.20 155	0.61 318	0.43 216	0.30 135	0.44 231	0.38 227	0.25 176	0.50 214	2.41 405	0.11 229	0.21 324	0.09 119	0.10 209	0.10 178	0.26 322

CFNet-RSSM	0.18 21	0.10 11	0.45 56	0.20 34	0.12 48	0.20 48	0.16 40	0.40 132	0.31 99	0.23 54	0.21 42	0.26 128	0.15 50	0.21 25	0.14 24	0.07 13	0.05 3	0.07 13	0.07 44	0.06 2	0.06 4

Gwc-CoAtRS	0.17 18	0.10 11	0.41 33	0.20 34	0.12 48	0.20 48	0.15 25	0.34 72	0.29 78	0.23 54	0.23 50	0.27 132	0.15 50	0.21 25	0.14 24	0.07 13	0.06 34	0.07 13	0.07 44	0.06 2	0.07 11

DIP-Stereo	0.20 57	0.13 73	0.48 85	0.20 34	0.13 80	0.28 163	0.12 1	0.43 156	0.26 48	0.27 85	0.32 115	0.21 70	0.17 77	0.26 71	0.20 115	0.08 87	0.06 34	0.08 59	0.06 22	0.07 30	0.10 99
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
MSMDNet	0.23 122	0.14 107	0.49 102	0.20 34	0.13 80	0.28 163	0.17 54	0.47 196	0.47 256	0.30 135	0.36 157	0.37 221	0.24 165	0.29 115	0.21 132	0.09 143	0.07 92	0.09 119	0.08 104	0.11 219	0.11 128

ccs_rob	0.23 122	0.14 107	0.48 85	0.20 34	0.13 80	0.27 149	0.17 54	0.46 187	0.45 234	0.30 135	0.37 165	0.38 227	0.23 147	0.30 124	0.22 147	0.09 143	0.06 34	0.11 228	0.08 104	0.12 244	0.11 128

HITNet	0.22 93	0.23 238	0.60 218	0.20 34	0.09 5	0.27 149	0.15 25	0.45 181	0.33 121	0.29 114	0.33 130	0.27 132	0.22 138	0.29 115	0.27 195	0.07 13	0.05 3	0.07 13	0.06 22	0.09 131	0.11 128
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
ff7	0.18 21	0.13 73	0.41 33	0.21 54	0.15 158	0.21 64	0.17 54	0.28 17	0.23 15	0.21 31	0.13 5	0.12 3	0.12 15	0.27 80	0.13 7	0.07 13	0.25 347	0.08 59	0.07 44	0.08 64	0.36 351

ffff	0.18 21	0.13 73	0.41 33	0.21 54	0.15 158	0.21 64	0.17 54	0.28 17	0.23 15	0.21 31	0.13 5	0.12 3	0.12 15	0.27 80	0.13 7	0.07 13	0.25 347	0.08 59	0.07 44	0.08 64	0.36 351

DualNet	0.33 262	0.17 167	0.84 296	0.21 54	0.13 80	0.29 180	0.21 174	0.38 107	0.46 243	0.31 150	0.44 231	0.34 198	0.24 165	0.28 98	1.30 376	0.08 87	0.28 360	0.12 258	0.11 233	0.08 64	0.37 359

ffm	0.27 207	0.17 167	0.84 296	0.21 54	0.13 80	0.29 180	0.21 174	0.38 107	0.46 243	0.31 150	0.44 231	0.34 198	0.24 165	0.28 98	0.12 1	0.08 87	0.28 360	0.12 258	0.11 233	0.08 64	0.37 359

ff1	0.36 278	0.17 167	0.84 296	0.21 54	0.13 80	0.29 180	0.21 174	0.38 107	0.46 243	0.31 150	0.44 231	0.34 198	0.24 165	0.91 351	1.30 376	0.08 87	0.28 360	0.12 258	0.11 233	0.08 64	0.37 359

mmx	0.37 285	0.17 167	0.84 296	0.21 54	0.13 80	0.29 180	0.21 174	0.57 282	0.48 262	0.31 150	0.44 231	0.34 198	0.24 165	0.91 351	1.30 376	0.10 198	0.20 319	0.12 258	0.11 233	0.11 219	0.23 292

11t	0.18 21	0.13 73	0.41 33	0.21 54	0.15 158	0.21 64	0.17 54	0.28 17	0.23 15	0.21 31	0.13 5	0.12 3	0.12 15	0.27 80	0.13 7	0.07 13	0.25 347	0.08 59	0.07 44	0.08 64	0.36 351

xxx	0.37 285	0.17 167	0.84 296	0.21 54	0.13 80	0.29 180	0.21 174	0.57 282	0.48 262	0.31 150	0.44 231	0.34 198	0.24 165	0.91 351	1.30 376	0.10 198	0.20 319	0.12 258	0.11 233	0.11 219	0.23 292

test croco	0.18 21	0.16 144	0.59 211	0.21 54	0.13 80	0.16 5	0.17 54	0.29 28	0.23 15	0.16 11	0.26 66	0.13 11	0.17 77	0.27 80	0.17 59	0.09 143	0.06 34	0.10 182	0.07 44	0.10 178	0.07 11

IGEV_Zeroshot_test	0.23 122	0.11 27	0.82 291	0.21 54	0.23 309	0.20 48	0.19 124	0.38 107	0.23 15	0.34 198	0.22 48	0.29 156	0.14 41	0.24 46	0.20 115	0.07 13	0.09 168	0.08 59	0.08 104	0.08 64	0.35 350

MIF-Stereo	0.15 4	0.12 57	0.45 56	0.21 54	0.14 108	0.17 9	0.13 2	0.20 1	0.19 3	0.16 11	0.20 30	0.10 1	0.11 9	0.18 12	0.17 59	0.08 87	0.06 34	0.07 13	0.06 22	0.08 64	0.07 11

PCWNet_CMD	0.23 122	0.14 107	0.48 85	0.21 54	0.13 80	0.28 163	0.17 54	0.47 196	0.47 256	0.30 135	0.36 157	0.37 221	0.24 165	0.29 115	0.21 132	0.09 143	0.06 34	0.10 182	0.08 104	0.11 219	0.11 128

4D-IteraStereo	0.20 57	0.21 211	0.62 227	0.21 54	0.14 108	0.19 22	0.17 54	0.29 28	0.28 65	0.24 60	0.20 30	0.20 60	0.10 3	0.22 36	0.18 78	0.07 13	0.07 92	0.10 182	0.08 104	0.08 64	0.33 345

CBFPSM	0.28 214	0.23 238	0.76 273	0.21 54	0.14 108	0.38 274	0.26 264	0.42 151	0.37 162	0.34 198	0.36 157	0.55 316	0.38 287	0.33 147	0.40 266	0.08 87	0.08 139	0.07 13	0.08 104	0.09 131	0.12 163

ProNet	0.16 11	0.13 73	0.36 19	0.21 54	0.15 158	0.20 48	0.19 124	0.29 28	0.23 15	0.14 5	0.13 5	0.13 11	0.12 15	0.25 54	0.13 7	0.06 1	0.09 168	0.07 13	0.06 22	0.07 30	0.22 285

ccc-4	0.18 21	0.13 73	0.41 33	0.21 54	0.15 158	0.21 64	0.17 54	0.28 17	0.23 15	0.21 31	0.13 5	0.12 3	0.12 15	0.27 80	0.13 7	0.07 13	0.25 347	0.08 59	0.07 44	0.08 64	0.36 351

IER	0.24 148	0.15 123	0.50 120	0.21 54	0.15 158	0.31 209	0.20 155	0.44 174	0.38 170	0.34 198	0.41 203	0.32 185	0.34 265	0.31 133	0.23 162	0.09 143	0.07 92	0.08 59	0.08 104	0.09 131	0.09 58

psmg	0.24 148	0.13 73	0.36 19	0.21 54	0.14 108	0.35 255	0.23 219	0.54 252	0.36 149	0.36 224	0.38 171	0.38 227	0.25 176	0.27 80	0.28 201	0.10 198	0.08 139	0.10 182	0.10 209	0.09 131	0.09 58

IPLG	0.23 122	0.19 192	0.65 239	0.21 54	0.12 48	0.28 163	0.17 54	0.45 181	0.32 107	0.33 184	0.32 115	0.16 32	0.17 77	0.50 214	0.23 162	0.07 13	0.06 34	0.08 59	0.07 44	0.07 30	0.08 37

IPLGR	0.22 93	0.14 107	0.75 269	0.21 54	0.11 25	0.25 130	0.18 92	0.44 174	0.38 170	0.29 114	0.28 79	0.21 70	0.19 120	0.37 180	0.19 99	0.07 13	0.06 34	0.08 59	0.07 44	0.07 30	0.07 11

STrans-v2	0.25 172	0.14 107	0.56 184	0.21 54	0.12 48	0.23 102	0.20 155	0.50 220	0.31 99	0.31 150	0.42 210	0.35 212	0.35 272	0.62 269	0.24 167	0.07 13	0.05 3	0.08 59	0.07 44	0.06 2	0.08 37

iRaftStereo_RVC	0.17 18	0.16 144	0.35 17	0.21 54	0.11 25	0.20 48	0.17 54	0.34 72	0.25 42	0.20 27	0.25 59	0.19 53	0.12 15	0.21 25	0.16 46	0.07 13	0.12 229	0.10 182	0.09 165	0.09 131	0.14 206

GES	0.23 122	0.14 107	0.54 168	0.21 54	0.14 108	0.28 163	0.19 124	0.51 230	0.35 136	0.31 150	0.36 157	0.25 112	0.24 165	0.30 124	0.23 162	0.11 229	0.09 168	0.08 59	0.08 104	0.10 178	0.12 163

test_xeample3	0.22 93	0.17 167	0.81 288	0.21 54	0.15 158	0.20 48	0.18 92	0.40 132	0.25 42	0.19 23	0.12 2	0.13 11	0.12 15	0.34 161	0.33 239	0.07 13	0.20 319	0.07 13	0.08 104	0.08 64	0.34 348

RAFT-Stereo + iAFF	0.20 57	0.23 238	0.49 102	0.21 54	0.16 187	0.19 22	0.17 54	0.35 81	0.32 107	0.26 76	0.33 130	0.20 60	0.17 77	0.21 25	0.17 59	0.06 1	0.10 193	0.07 13	0.07 44	0.07 30	0.11 128

GMStereo	0.21 80	0.30 293	0.57 191	0.21 54	0.12 48	0.24 120	0.18 92	0.30 37	0.41 194	0.26 76	0.24 55	0.17 39	0.16 62	0.25 54	0.19 99	0.10 198	0.07 92	0.08 59	0.08 104	0.11 219	0.09 58
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
SFCPSM	0.23 122	0.12 57	0.51 132	0.21 54	0.14 108	0.34 242	0.22 196	0.57 282	0.41 194	0.29 114	0.32 115	0.23 86	0.22 138	0.28 98	0.20 115	0.10 198	0.07 92	0.09 119	0.10 209	0.09 131	0.09 58

GANet-RSSM	0.26 191	0.19 192	0.54 168	0.21 54	0.14 108	0.27 149	0.22 196	0.47 196	0.34 129	0.30 135	0.40 192	0.41 247	0.30 236	0.59 250	0.25 179	0.11 229	0.08 139	0.09 119	0.09 165	0.10 178	0.10 99

PSMNet-RSSM	0.26 191	0.21 211	0.50 120	0.21 54	0.14 108	0.25 130	0.21 174	0.50 220	0.38 170	0.31 150	0.45 244	0.40 240	0.27 194	0.53 227	0.24 167	0.12 257	0.08 139	0.11 228	0.13 294	0.10 178	0.10 99

DSFCA	0.29 228	0.18 184	0.48 85	0.21 54	0.17 212	0.39 277	0.32 308	0.49 212	0.44 223	0.44 297	0.38 171	0.40 240	0.30 236	0.53 227	0.38 260	0.12 257	0.10 193	0.10 182	0.11 233	0.11 219	0.11 128

HSM	0.29 228	0.18 184	0.48 85	0.21 54	0.15 158	0.33 228	0.20 155	0.55 263	0.39 181	0.36 224	0.39 185	0.67 355	0.32 260	0.88 344	0.24 167	0.09 143	0.07 92	0.08 59	0.07 44	0.09 131	0.10 99

iResNet_ROB	0.27 207	0.27 277	0.48 85	0.21 54	0.12 48	0.32 222	0.17 54	0.57 282	0.55 310	0.39 258	0.44 231	0.37 221	0.28 213	0.43 194	0.28 201	0.08 87	0.06 34	0.06 1	0.05 8	0.09 131	0.11 128

MyStereo07	0.18 21	0.15 123	0.44 53	0.22 86	0.16 187	0.25 130	0.22 196	0.31 51	0.26 48	0.22 47	0.13 5	0.12 3	0.13 31	0.33 147	0.14 24	0.07 13	0.13 243	0.09 119	0.09 165	0.09 131	0.11 128

MyStereo06	0.23 122	0.15 123	0.74 266	0.22 86	0.14 108	0.25 130	0.22 196	0.43 156	0.25 42	0.36 224	0.24 55	0.34 198	0.18 103	0.24 46	0.20 115	0.07 13	0.12 229	0.09 119	0.09 165	0.09 131	0.11 128

MyStereo05	0.24 148	0.15 123	0.58 204	0.22 86	0.14 108	0.25 130	0.22 196	0.50 220	0.54 302	0.32 175	0.23 50	0.26 128	0.23 147	0.32 138	0.25 179	0.07 13	0.12 229	0.09 119	0.09 165	0.09 131	0.11 128

MyStereo04	0.24 148	0.15 123	0.58 204	0.22 86	0.16 187	0.25 130	0.22 196	0.51 230	0.54 302	0.29 114	0.23 50	0.27 132	0.23 147	0.32 138	0.25 179	0.07 13	0.13 243	0.09 119	0.09 165	0.09 131	0.11 128

CoDeX	0.24 148	0.13 73	0.48 85	0.22 86	0.14 108	0.29 180	0.21 174	0.55 263	0.42 206	0.29 114	0.36 157	0.28 144	0.23 147	0.48 208	0.20 115	0.09 143	0.06 34	0.08 59	0.07 44	0.08 64	0.08 37

IGEVStereo-DCA	0.20 57	0.17 167	0.41 33	0.22 86	0.15 158	0.20 48	0.17 54	0.28 17	0.23 15	0.19 23	0.12 2	0.14 22	0.12 15	0.38 182	0.31 225	0.07 13	0.16 282	0.08 59	0.07 44	0.08 64	0.36 351

rrr	0.22 93	0.17 167	0.79 284	0.22 86	0.15 158	0.20 48	0.18 92	0.40 132	0.27 57	0.19 23	0.12 2	0.14 22	0.12 15	0.38 182	0.31 225	0.07 13	0.16 282	0.08 59	0.07 44	0.08 64	0.28 331

ttt	0.33 262	0.14 107	0.54 168	0.22 86	0.14 108	0.30 191	0.22 196	0.59 302	0.51 286	0.31 150	0.46 256	0.30 166	0.23 147	0.71 300	1.07 365	0.13 274	0.22 330	0.10 182	0.11 233	0.12 244	0.24 304

MIF-Stereo (partial)	0.18 21	0.13 73	0.50 120	0.22 86	0.15 158	0.16 5	0.13 2	0.29 28	0.26 48	0.17 15	0.26 66	0.16 32	0.17 77	0.25 54	0.18 78	0.09 143	0.06 34	0.10 182	0.08 104	0.09 131	0.08 37

CASnet	0.15 4	0.13 73	0.30 5	0.22 86	0.08 2	0.15 4	0.14 12	0.28 17	0.26 48	0.23 54	0.20 30	0.15 28	0.11 9	0.18 12	0.13 7	0.07 13	0.05 3	0.11 228	0.09 165	0.08 64	0.05 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
ToySt	0.28 214	0.19 192	0.68 250	0.22 86	0.19 255	0.31 209	0.31 302	0.43 156	0.43 216	0.28 91	0.38 171	0.42 257	0.32 260	0.33 147	0.32 231	0.08 87	0.14 252	0.10 182	0.12 270	0.11 219	0.24 304

Wz-Net-LNSev-Ref	0.33 262	0.25 261	0.82 291	0.22 86	0.17 212	0.46 311	0.28 283	0.53 245	0.53 298	0.43 290	0.57 307	0.44 269	0.31 249	0.50 214	0.48 295	0.10 198	0.06 34	0.08 59	0.06 22	0.11 219	0.12 163

raft_robust	0.25 172	0.23 238	0.44 53	0.22 86	0.13 80	0.23 102	0.22 196	0.52 235	0.50 280	0.33 184	0.32 115	0.33 191	0.23 147	0.55 235	0.18 78	0.07 13	0.11 213	0.08 59	0.10 209	0.08 64	0.07 11

CSP-Net	0.28 214	0.17 167	0.41 33	0.22 86	0.14 108	0.44 301	0.24 241	0.52 235	0.42 206	0.42 281	0.44 231	0.42 257	0.27 194	0.66 287	0.30 216	0.12 257	0.09 168	0.08 59	0.08 104	0.10 178	0.10 99

dad	0.30 240	0.38 334	0.60 218	0.22 86	0.14 108	0.32 222	0.21 174	0.35 81	0.51 286	0.45 304	0.45 244	0.46 280	0.23 147	0.41 189	0.27 195	0.21 349	0.11 213	0.20 345	0.11 233	0.15 283	0.11 128

GLC_STEREO	0.15 4	0.11 27	0.31 7	0.22 86	0.09 5	0.17 9	0.15 25	0.24 7	0.28 65	0.17 15	0.20 30	0.17 39	0.11 9	0.24 46	0.17 59	0.07 13	0.09 168	0.09 119	0.08 104	0.07 30	0.07 11

MIPNet	0.22 93	0.19 192	0.64 236	0.22 86	0.12 48	0.28 163	0.20 155	0.48 205	0.39 181	0.31 150	0.24 55	0.19 53	0.24 165	0.28 98	0.20 115	0.07 13	0.05 3	0.08 59	0.07 44	0.07 30	0.08 37

PFNet+	0.21 80	0.11 27	0.54 168	0.22 86	0.12 48	0.17 9	0.18 92	0.31 51	0.36 149	0.33 184	0.32 115	0.24 101	0.16 62	0.33 147	0.18 78	0.10 198	0.07 92	0.11 228	0.10 209	0.08 64	0.12 163

Patchmatch Stereo++	0.19 37	0.13 73	0.51 132	0.22 86	0.11 25	0.19 22	0.14 12	0.30 37	0.24 24	0.28 91	0.29 85	0.25 112	0.18 103	0.27 80	0.18 78	0.09 143	0.06 34	0.10 182	0.08 104	0.10 178	0.09 58
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
PSM-adaLoss	0.19 37	0.13 73	0.51 132	0.22 86	0.11 25	0.19 22	0.15 25	0.30 37	0.24 24	0.28 91	0.29 85	0.25 112	0.18 103	0.25 54	0.17 59	0.09 143	0.06 34	0.10 182	0.08 104	0.10 178	0.09 58

ROB_FTStereo_v2	0.19 37	0.13 73	0.51 132	0.22 86	0.11 25	0.19 22	0.15 25	0.30 37	0.24 24	0.28 91	0.29 85	0.25 112	0.18 103	0.25 54	0.18 78	0.09 143	0.06 34	0.10 182	0.08 104	0.10 178	0.09 58

ROB_FTStereo	0.19 37	0.13 73	0.51 132	0.22 86	0.11 25	0.19 22	0.13 2	0.30 37	0.24 24	0.28 91	0.29 85	0.25 112	0.18 103	0.25 54	0.17 59	0.09 143	0.06 34	0.10 182	0.08 104	0.10 178	0.09 58

HUI-Stereo	0.19 37	0.13 73	0.52 148	0.22 86	0.11 25	0.19 22	0.14 12	0.30 37	0.24 24	0.28 91	0.29 85	0.25 112	0.18 103	0.23 40	0.17 59	0.09 143	0.06 34	0.10 182	0.08 104	0.10 178	0.09 58

DeepStereo_RVC	0.19 37	0.12 57	0.47 73	0.22 86	0.11 25	0.19 22	0.16 40	0.29 28	0.24 24	0.28 91	0.27 75	0.23 86	0.28 213	0.24 46	0.19 99	0.08 87	0.06 34	0.09 119	0.07 44	0.09 131	0.10 99

iGMRVC	0.19 37	0.13 73	0.51 132	0.22 86	0.11 25	0.19 22	0.15 25	0.30 37	0.24 24	0.28 91	0.29 85	0.25 112	0.18 103	0.27 80	0.18 78	0.09 143	0.06 34	0.10 182	0.08 104	0.10 178	0.09 58

RAFT-RH_RVC	0.26 191	0.13 73	0.57 191	0.22 86	0.12 48	0.25 130	0.14 12	0.27 13	0.29 78	0.38 247	1.14 377	0.23 86	0.18 103	0.58 244	0.24 167	0.07 13	0.06 34	0.10 182	0.07 44	0.06 2	0.08 37

RAFT-345	0.22 93	0.11 27	0.55 174	0.22 86	0.12 48	0.20 48	0.16 40	0.27 13	0.28 65	0.27 85	0.65 333	0.20 60	0.17 77	0.55 235	0.22 147	0.07 13	0.06 34	0.08 59	0.07 44	0.06 2	0.07 11

iRAFT	0.19 37	0.13 73	0.51 132	0.22 86	0.11 25	0.19 22	0.14 12	0.30 37	0.24 24	0.28 91	0.29 85	0.25 112	0.18 103	0.27 80	0.18 78	0.09 143	0.06 34	0.10 182	0.08 104	0.10 178	0.09 58

RAFT-IKP	0.19 37	0.13 73	0.51 132	0.22 86	0.11 25	0.18 13	0.15 25	0.30 37	0.24 24	0.28 91	0.29 85	0.25 112	0.18 103	0.26 71	0.18 78	0.09 143	0.06 34	0.10 182	0.08 104	0.10 178	0.09 58

raft+_RVC	0.21 80	0.21 211	0.46 68	0.22 86	0.35 359	0.21 64	0.16 40	0.39 123	0.35 136	0.22 47	0.28 79	0.20 60	0.15 50	0.25 54	0.20 115	0.08 87	0.16 282	0.08 59	0.07 44	0.07 30	0.12 163

XX-TBD	0.16 11	0.21 211	0.43 46	0.22 86	0.10 17	0.23 102	0.15 25	0.23 3	0.28 65	0.22 47	0.26 66	0.14 22	0.12 15	0.16 3	0.14 24	0.08 87	0.05 3	0.06 1	0.04 1	0.07 30	0.06 4

ARAFT	0.26 191	0.30 293	0.87 305	0.22 86	0.12 48	0.30 191	0.24 241	0.46 187	0.34 129	0.33 184	0.28 79	0.29 156	0.20 126	0.49 210	0.19 99	0.08 87	0.06 34	0.12 258	0.11 233	0.09 131	0.09 58

AFF-stereo	0.20 57	0.24 248	0.49 102	0.22 86	0.11 25	0.18 13	0.18 92	0.35 81	0.29 78	0.25 71	0.36 157	0.25 112	0.17 77	0.25 54	0.17 59	0.06 1	0.09 168	0.08 59	0.08 104	0.08 64	0.11 128

EAI-Stereo	0.29 228	0.11 27	0.38 25	0.22 86	0.18 232	0.33 228	1.66 409	0.53 245	0.27 57	0.27 85	0.50 276	0.17 39	0.16 62	0.25 54	0.25 179	0.07 13	0.07 92	0.07 13	0.11 233	0.07 30	0.10 99

FENet	0.22 93	0.13 73	0.48 85	0.22 86	0.12 48	0.27 149	0.18 92	0.43 156	0.37 162	0.31 150	0.32 115	0.29 156	0.23 147	0.27 80	0.24 167	0.10 198	0.07 92	0.09 119	0.09 165	0.09 131	0.11 128

cf-r	0.26 191	0.22 225	0.66 242	0.22 86	0.14 108	0.28 163	0.22 196	0.44 174	0.42 206	0.32 175	0.42 210	0.43 263	0.27 194	0.44 197	0.27 195	0.11 229	0.07 92	0.08 59	0.10 209	0.08 64	0.09 58

GwcNet-RSSM	0.28 214	0.25 261	0.61 224	0.22 86	0.14 108	0.28 163	0.24 241	0.46 187	0.44 223	0.33 184	0.46 256	0.41 247	0.28 213	0.55 235	0.31 225	0.11 229	0.07 92	0.09 119	0.10 209	0.10 178	0.09 58

R-Stereo Train	0.19 37	0.10 11	0.49 102	0.22 86	0.12 48	0.23 102	0.18 92	0.43 156	0.20 5	0.31 150	0.45 244	0.20 60	0.14 41	0.18 12	0.18 78	0.08 87	0.06 34	0.07 13	0.06 22	0.06 2	0.07 11

RAFT-Stereo	0.19 37	0.10 11	0.49 102	0.22 86	0.12 48	0.23 102	0.18 92	0.43 156	0.20 5	0.31 150	0.45 244	0.20 60	0.14 41	0.18 12	0.18 78	0.08 87	0.06 34	0.07 13	0.06 22	0.06 2	0.07 11
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
DeepPruner_ROB	0.28 214	0.25 261	0.64 236	0.22 86	0.16 187	0.30 191	0.21 174	0.54 252	0.33 121	0.36 224	0.38 171	0.38 227	0.26 188	0.45 203	0.28 201	0.15 307	0.11 213	0.11 228	0.11 233	0.14 276	0.14 206

MLCV	0.25 172	0.23 238	0.59 211	0.22 86	0.09 5	0.30 191	0.18 92	0.40 132	0.38 170	0.38 247	0.44 231	0.31 175	0.22 138	0.44 197	0.32 231	0.07 13	0.05 3	0.07 13	0.06 22	0.07 30	0.08 37

CBMV_ROB	0.36 278	0.21 211	0.57 191	0.22 86	0.14 108	0.35 255	0.20 155	0.55 263	0.47 256	0.52 331	0.58 310	0.45 274	0.53 341	0.75 313	0.50 302	0.18 337	0.19 311	0.23 355	0.21 350	0.15 283	0.20 268

MeshStereo	0.60 358	0.31 296	0.71 260	0.22 86	0.17 212	0.66 357	0.36 324	0.81 375	0.63 335	1.48 403	1.32 384	1.65 391	0.83 373	1.18 377	0.74 341	0.17 327	0.17 300	0.17 328	0.14 308	0.17 304	0.19 256
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
mmm	0.25 172	0.15 123	0.44 53	0.23 129	0.20 272	0.28 163	0.21 174	0.43 156	0.32 107	0.31 150	0.40 192	0.30 166	0.24 165	0.31 133	0.28 201	0.09 143	0.21 324	0.11 228	0.12 270	0.10 178	0.26 322

1111x	0.39 295	0.17 167	0.80 287	0.23 129	0.15 158	0.33 228	0.27 269	0.62 326	0.48 262	0.32 175	0.43 222	0.40 240	0.29 229	0.86 341	1.60 392	0.09 143	0.23 338	0.09 119	0.12 270	0.10 178	0.23 292

gwcnet-sp	0.25 172	0.16 144	0.70 254	0.23 129	0.14 108	0.34 242	0.22 196	0.46 187	0.41 194	0.37 239	0.35 144	0.27 132	0.27 194	0.36 172	0.26 188	0.09 143	0.08 139	0.09 119	0.09 165	0.10 178	0.10 99

scenet	0.25 172	0.16 144	0.70 254	0.23 129	0.14 108	0.34 242	0.22 196	0.46 187	0.41 194	0.37 239	0.35 144	0.27 132	0.27 194	0.36 172	0.26 188	0.09 143	0.08 139	0.09 119	0.09 165	0.10 178	0.10 99

ssnet_v2	0.30 240	0.21 211	0.63 232	0.23 129	0.15 158	0.40 283	0.30 293	0.59 302	0.48 262	0.40 267	0.37 165	0.46 280	0.30 236	0.41 189	0.44 284	0.13 274	0.11 213	0.11 228	0.11 233	0.12 244	0.11 128

ssnet	0.25 172	0.16 144	0.70 254	0.23 129	0.14 108	0.34 242	0.22 196	0.46 187	0.41 194	0.37 239	0.35 144	0.27 132	0.27 194	0.36 172	0.26 188	0.09 143	0.08 139	0.09 119	0.09 165	0.10 178	0.10 99

HBP-ISP	0.34 270	0.35 319	0.76 273	0.23 129	0.17 212	0.33 228	0.22 196	0.56 273	0.47 256	0.42 281	0.49 274	0.33 191	0.41 302	0.73 304	0.27 195	0.18 337	0.19 311	0.24 357	0.20 348	0.16 292	0.16 227

NINENet	0.27 207	0.16 144	0.49 102	0.23 129	0.16 187	0.44 301	0.17 54	0.63 330	0.49 275	0.33 184	0.38 171	0.31 175	0.22 138	0.43 194	0.22 147	0.11 229	0.10 193	0.12 258	0.08 104	0.12 244	0.11 128

Sa-1000	0.24 148	0.20 204	0.53 158	0.23 129	0.14 108	0.30 191	0.23 219	0.50 220	0.41 194	0.30 135	0.50 276	0.26 128	0.19 120	0.33 147	0.16 46	0.08 87	0.10 193	0.10 182	0.11 233	0.08 64	0.08 37

SA	0.24 148	0.22 225	0.55 174	0.23 129	0.14 108	0.25 130	0.23 219	0.48 205	0.42 206	0.28 91	0.44 231	0.23 86	0.23 147	0.34 161	0.17 59	0.07 13	0.09 168	0.11 228	0.11 233	0.08 64	0.09 58

iRaft-Stereo_5w	0.25 172	0.24 248	0.50 120	0.23 129	0.18 232	0.19 22	0.19 124	0.39 123	0.35 136	0.28 91	0.36 157	0.34 198	0.23 147	0.66 287	0.28 201	0.07 13	0.07 92	0.08 59	0.07 44	0.09 131	0.14 206

dd	0.23 122	0.32 303	0.55 174	0.23 129	0.12 48	0.27 149	0.21 174	0.32 56	0.45 234	0.30 135	0.29 85	0.25 112	0.17 77	0.31 133	0.26 188	0.13 274	0.07 92	0.10 182	0.08 104	0.12 244	0.09 58

GMOStereo	0.20 57	0.17 167	0.45 56	0.23 129	0.18 232	0.21 64	0.27 269	0.28 17	0.28 65	0.31 150	0.32 115	0.28 144	0.17 77	0.16 3	0.13 7	0.07 13	0.23 338	0.10 182	0.08 104	0.08 64	0.07 11

error version	0.20 57	0.17 167	0.45 56	0.23 129	0.18 232	0.21 64	0.27 269	0.28 17	0.28 65	0.31 150	0.32 115	0.28 144	0.17 77	0.16 3	0.13 7	0.07 13	0.23 338	0.10 182	0.08 104	0.08 64	0.07 11

test-v	0.20 57	0.17 167	0.45 56	0.23 129	0.18 232	0.21 64	0.27 269	0.28 17	0.28 65	0.31 150	0.32 115	0.28 144	0.17 77	0.16 3	0.13 7	0.07 13	0.23 338	0.10 182	0.08 104	0.08 64	0.07 11

test-3	0.18 21	0.10 11	0.48 85	0.23 129	0.14 108	0.18 13	0.16 40	0.32 56	0.29 78	0.26 76	0.17 17	0.22 73	0.13 31	0.26 71	0.19 99	0.06 1	0.14 252	0.08 59	0.08 104	0.06 2	0.10 99

test_1	0.18 21	0.10 11	0.48 85	0.23 129	0.14 108	0.18 13	0.16 40	0.32 56	0.29 78	0.26 76	0.17 17	0.22 73	0.13 31	0.26 71	0.19 99	0.06 1	0.14 252	0.08 59	0.08 104	0.06 2	0.10 99

AACVNet	0.28 214	0.22 225	0.55 174	0.23 129	0.14 108	0.30 191	0.19 124	0.43 156	0.33 121	0.39 258	0.42 210	0.44 269	0.29 229	0.73 304	0.28 201	0.11 229	0.09 168	0.11 228	0.09 165	0.13 256	0.12 163

GANet-ADL	0.22 93	0.14 107	0.51 132	0.23 129	0.14 108	0.29 180	0.19 124	0.48 205	0.36 149	0.26 76	0.33 130	0.32 185	0.20 126	0.26 71	0.22 147	0.11 229	0.07 92	0.07 13	0.06 22	0.09 131	0.11 128

ADLNet2	0.31 250	0.23 238	0.77 279	0.23 129	0.18 232	0.36 263	0.24 241	0.55 263	0.54 302	0.33 184	0.38 171	0.45 274	0.31 249	0.70 297	0.36 252	0.10 198	0.08 139	0.09 119	0.09 165	0.12 244	0.11 128

NRIStereo	0.20 57	0.12 57	0.50 120	0.23 129	0.11 25	0.24 120	0.19 124	0.30 37	0.28 65	0.26 76	0.26 66	0.25 112	0.18 103	0.34 161	0.19 99	0.08 87	0.06 34	0.09 119	0.07 44	0.09 131	0.09 58

KYRaft	0.23 122	0.11 27	0.43 46	0.23 129	0.12 48	0.23 102	0.23 219	0.37 98	0.26 48	0.35 213	0.53 292	0.34 198	0.26 188	0.29 115	0.16 46	0.07 13	0.05 3	0.09 119	0.10 209	0.08 64	0.30 337

CRE-IMP	0.19 37	0.13 73	0.51 132	0.23 129	0.11 25	0.24 120	0.17 54	0.31 51	0.24 24	0.27 85	0.26 66	0.24 101	0.17 77	0.24 46	0.19 99	0.09 143	0.05 3	0.10 182	0.07 44	0.10 178	0.10 99

test-2	0.20 57	0.17 167	0.45 56	0.23 129	0.18 232	0.21 64	0.27 269	0.28 17	0.28 65	0.31 150	0.32 115	0.28 144	0.17 77	0.16 3	0.13 7	0.07 13	0.23 338	0.10 182	0.08 104	0.08 64	0.07 11

test-1	0.20 57	0.12 57	0.49 102	0.23 129	0.23 309	0.22 86	0.23 219	0.36 86	0.29 78	0.21 31	0.25 59	0.24 101	0.14 41	0.18 12	0.22 147	0.07 13	0.14 252	0.08 59	0.07 44	0.06 2	0.14 206

GMM-Stereo	0.22 93	0.10 11	0.56 184	0.23 129	0.13 80	0.24 120	0.24 241	0.38 107	0.29 78	0.31 150	0.44 231	0.27 132	0.21 133	0.31 133	0.17 59	0.07 13	0.05 3	0.10 182	0.09 165	0.08 64	0.19 256

raftrobust	0.19 37	0.19 192	0.42 41	0.23 129	0.24 320	0.19 22	0.13 2	0.33 68	0.28 65	0.26 76	0.20 30	0.19 53	0.17 77	0.23 40	0.17 59	0.08 87	0.10 193	0.07 13	0.06 22	0.07 30	0.09 58

pcwnet_v2	0.32 255	0.16 144	1.22 361	0.23 129	0.19 255	0.32 222	0.19 124	0.61 318	0.61 329	0.37 239	0.45 244	0.35 212	0.29 229	0.37 180	0.26 188	0.14 295	0.11 213	0.12 258	0.11 233	0.14 276	0.18 241

RALCasStereoNet	0.22 93	0.22 225	0.48 85	0.23 129	0.23 309	0.22 86	0.18 92	0.32 56	0.27 57	0.22 47	0.30 96	0.22 73	0.15 50	0.29 115	0.20 115	0.08 87	0.22 330	0.07 13	0.06 22	0.10 178	0.25 313

RALAANet	0.21 80	0.24 248	0.53 158	0.23 129	0.14 108	0.22 86	0.13 2	0.38 107	0.30 92	0.29 114	0.26 66	0.25 112	0.15 50	0.28 98	0.20 115	0.08 87	0.08 139	0.09 119	0.08 104	0.10 178	0.07 11

ADLNet	0.30 240	0.19 192	0.59 211	0.23 129	0.19 255	0.34 242	0.23 219	0.56 273	0.44 223	0.43 290	0.41 203	0.43 263	0.28 213	0.56 240	0.36 252	0.11 229	0.08 139	0.11 228	0.11 233	0.11 219	0.15 217

DMCA	0.24 148	0.18 184	0.51 132	0.23 129	0.14 108	0.27 149	0.20 155	0.45 181	0.40 189	0.32 175	0.33 130	0.33 191	0.25 176	0.27 80	0.30 216	0.11 229	0.08 139	0.10 182	0.08 104	0.11 219	0.12 163

BEATNet_4x	0.25 172	0.25 261	0.66 242	0.23 129	0.10 17	0.29 180	0.14 12	0.49 212	0.34 129	0.31 150	0.35 144	0.32 185	0.26 188	0.34 161	0.33 239	0.08 87	0.06 34	0.08 59	0.07 44	0.11 219	0.13 183

SuperB	0.50 338	0.37 328	2.16 395	0.23 129	0.15 158	0.41 287	0.32 308	0.50 220	0.83 365	0.44 297	0.51 279	0.33 191	0.45 314	0.69 294	1.07 365	0.10 198	0.08 139	0.09 119	0.08 104	0.95 402	0.18 241

RASNet	0.30 240	0.19 192	0.59 211	0.23 129	0.19 255	0.33 228	0.20 155	0.50 220	0.41 194	0.31 150	0.44 231	0.47 287	0.38 287	0.79 326	0.40 266	0.09 143	0.07 92	0.07 13	0.09 165	0.08 64	0.10 99

CFNet	0.29 228	0.29 287	0.57 191	0.23 129	0.14 108	0.34 242	0.15 25	0.53 245	0.46 243	0.31 150	0.40 192	0.38 227	0.27 194	0.76 319	0.28 201	0.10 198	0.07 92	0.11 228	0.11 233	0.11 219	0.09 58

AANet_RVC	0.33 262	0.31 296	0.69 251	0.23 129	0.14 108	0.30 191	0.23 219	0.49 212	0.55 310	0.39 258	0.60 318	0.43 263	0.30 236	0.88 344	0.54 314	0.11 229	0.08 139	0.07 13	0.07 44	0.10 178	0.12 163

MyStereo8	0.25 172	0.20 204	0.69 251	0.24 166	0.17 212	0.31 209	0.16 40	0.50 220	0.32 107	0.29 114	0.38 171	0.25 112	0.19 120	0.33 147	0.29 214	0.08 87	0.20 319	0.08 59	0.08 104	0.10 178	0.16 227

whm_eth	0.24 148	0.21 211	0.72 264	0.24 166	0.19 255	0.21 64	0.19 124	0.40 132	0.43 216	0.31 150	0.60 318	0.15 28	0.18 103	0.26 71	0.19 99	0.09 143	0.08 139	0.10 182	0.09 165	0.09 131	0.13 183

SDNR	0.47 333	0.29 287	0.92 317	0.24 166	0.37 365	1.27 393	0.17 54	0.54 252	0.58 318	0.44 297	0.85 361	0.55 316	0.28 213	1.19 378	0.52 306	0.23 353	0.24 346	0.17 328	0.13 294	0.19 323	0.26 322

coex-ft	3.48 410	0.81 384	48.53 435	0.24 166	0.19 255	0.53 338	0.47 356	0.49 212	2.36 403	7.18 416	1.20 379	0.96 376	2.53 408	0.75 313	2.14 402	0.13 274	0.15 273	0.14 299	0.12 270	0.22 340	0.47 376

Selective-RAFT	0.19 37	0.14 107	0.37 24	0.24 166	0.11 25	0.30 191	0.15 25	0.35 81	0.34 129	0.17 15	0.17 17	0.22 73	0.18 103	0.29 115	0.18 78	0.07 13	0.16 282	0.07 13	0.07 44	0.08 64	0.08 37

DisPM	0.20 57	0.11 27	0.52 148	0.24 166	0.13 80	0.18 13	0.19 124	0.30 37	0.31 99	0.33 184	0.34 138	0.23 86	0.16 62	0.34 161	0.17 59	0.09 143	0.06 34	0.09 119	0.08 104	0.08 64	0.12 163

test_4	0.19 37	0.16 144	0.39 27	0.24 166	0.13 80	0.19 22	0.21 174	0.27 13	0.24 24	0.24 60	0.47 263	0.22 73	0.13 31	0.27 80	0.18 78	0.06 1	0.06 34	0.09 119	0.09 165	0.07 30	0.06 4

CIPLG	0.23 122	0.28 284	0.75 269	0.24 166	0.16 187	0.25 130	0.20 155	0.38 107	0.33 121	0.32 175	0.34 138	0.23 86	0.15 50	0.27 80	0.22 147	0.09 143	0.07 92	0.08 59	0.07 44	0.08 64	0.09 58

DAS	0.28 214	0.13 73	0.49 102	0.24 166	0.18 232	0.30 191	0.24 241	0.48 205	0.48 262	0.42 281	0.45 244	0.34 198	0.31 249	0.76 319	0.24 167	0.09 143	0.07 92	0.09 119	0.07 44	0.10 178	0.11 128

SepStereo	0.27 207	0.13 73	0.49 102	0.24 166	0.18 232	0.30 191	0.24 241	0.48 205	0.48 262	0.42 281	0.45 244	0.34 198	0.31 249	0.64 277	0.24 167	0.09 143	0.07 92	0.09 119	0.07 44	0.10 178	0.11 128

IPLGR_C	0.23 122	0.29 287	0.81 288	0.24 166	0.16 187	0.24 120	0.20 155	0.38 107	0.33 121	0.32 175	0.33 130	0.23 86	0.15 50	0.26 71	0.22 147	0.09 143	0.07 92	0.08 59	0.07 44	0.08 64	0.09 58

ACRE	0.23 122	0.27 277	0.83 293	0.24 166	0.15 158	0.24 120	0.20 155	0.38 107	0.32 107	0.32 175	0.33 130	0.23 86	0.15 50	0.26 71	0.22 147	0.09 143	0.07 92	0.08 59	0.07 44	0.08 64	0.09 58

GwcNet-ADL	0.23 122	0.15 123	0.58 204	0.24 166	0.13 80	0.23 102	0.24 241	0.51 230	0.41 194	0.28 91	0.29 85	0.30 166	0.20 126	0.27 80	0.28 201	0.09 143	0.07 92	0.07 13	0.07 44	0.09 131	0.11 128

TransformOpticalFlow	0.24 148	0.14 107	0.57 191	0.24 166	0.11 25	0.21 64	0.19 124	0.43 156	0.34 129	0.30 135	0.43 222	0.36 217	0.31 249	0.61 261	0.20 115	0.07 13	0.05 3	0.08 59	0.07 44	0.06 2	0.08 37

PSM-AAD	0.26 191	0.11 27	0.43 46	0.24 166	0.12 48	0.27 149	0.37 326	0.36 86	0.30 92	0.36 224	0.39 185	0.28 144	0.77 367	0.30 124	0.16 46	0.07 13	0.06 34	0.12 258	0.11 233	0.09 131	0.21 277

FTStereo	0.28 214	0.11 27	0.56 184	0.24 166	0.13 80	0.21 64	0.52 366	0.36 86	0.28 65	0.38 247	0.94 369	0.30 166	0.56 345	0.33 147	0.18 78	0.08 87	0.06 34	0.09 119	0.08 104	0.08 64	0.19 256

Prome-Stereo	0.22 93	0.10 11	0.43 46	0.24 166	0.13 80	0.23 102	0.23 219	0.37 98	0.27 57	0.33 184	0.58 310	0.24 101	0.28 213	0.30 124	0.16 46	0.07 13	0.05 3	0.08 59	0.07 44	0.08 64	0.20 268

sAnonymous2	0.21 80	0.24 248	0.79 284	0.24 166	0.17 212	0.22 86	0.20 155	0.36 86	0.29 78	0.17 15	0.19 25	0.17 39	0.16 62	0.18 12	0.15 37	0.10 198	0.07 92	0.09 119	0.08 104	0.23 345	0.18 241

CroCo_RVC	0.21 80	0.24 248	0.79 284	0.24 166	0.17 212	0.22 86	0.20 155	0.36 86	0.29 78	0.17 15	0.19 25	0.17 39	0.16 62	0.18 12	0.15 37	0.10 198	0.07 92	0.09 119	0.08 104	0.23 345	0.18 241

MMNet	0.28 214	0.19 192	0.54 168	0.24 166	0.17 212	0.47 317	0.22 196	0.47 196	0.53 298	0.40 267	0.43 222	0.36 217	0.34 265	0.40 186	0.35 249	0.08 87	0.08 139	0.09 119	0.09 165	0.10 178	0.09 58

delet	0.29 228	0.18 184	0.58 204	0.24 166	0.19 255	0.41 287	0.30 293	0.52 235	0.51 286	0.35 213	0.42 210	0.37 221	0.31 249	0.49 210	0.36 252	0.10 198	0.09 168	0.11 228	0.12 270	0.09 131	0.09 58

UNet	0.28 214	0.16 144	0.70 254	0.24 166	0.20 272	0.44 301	0.21 174	0.52 235	0.42 206	0.36 224	0.40 192	0.43 263	0.33 264	0.41 189	0.32 231	0.09 143	0.07 92	0.10 182	0.09 165	0.10 178	0.09 58

psmorigin	0.52 343	0.29 287	3.10 405	0.24 166	0.19 255	0.39 277	0.24 241	0.52 235	0.45 234	0.66 356	0.68 339	0.70 362	0.52 336	0.86 341	0.49 301	0.15 307	0.17 300	0.13 281	0.14 308	0.16 292	0.23 292

acv_ft	0.26 191	0.18 184	0.56 184	0.24 166	0.19 255	0.34 242	0.21 174	0.47 196	0.45 234	0.39 258	0.41 203	0.38 227	0.28 213	0.28 98	0.36 252	0.09 143	0.07 92	0.08 59	0.07 44	0.11 219	0.09 58

HGLStereo	0.29 228	0.19 192	0.60 218	0.24 166	0.21 285	0.33 228	0.23 219	0.52 235	0.44 223	0.36 224	0.49 274	0.41 247	0.35 272	0.46 204	0.34 243	0.11 229	0.11 213	0.09 119	0.09 165	0.11 219	0.12 163

FADNet_RVC	0.31 250	0.35 319	0.98 328	0.24 166	0.16 187	0.30 191	0.17 54	0.52 235	0.39 181	0.30 135	0.38 171	0.30 166	0.29 229	0.54 232	0.33 239	0.14 295	0.14 252	0.14 299	0.16 326	0.21 336	0.24 304

FADNet	0.34 270	0.43 347	0.88 311	0.24 166	0.22 300	0.37 268	0.19 124	0.56 273	0.49 275	0.32 175	0.36 157	0.43 263	0.32 260	0.65 281	0.30 216	0.17 327	0.16 282	0.14 299	0.16 326	0.25 350	0.21 277

NVstereo2D	0.32 255	0.18 184	0.63 232	0.24 166	0.23 309	0.43 296	0.28 283	0.60 311	0.58 318	0.28 91	0.39 185	0.42 257	0.30 236	0.71 300	0.30 216	0.13 274	0.09 168	0.13 281	0.10 209	0.20 330	0.18 241

PS-NSSS	0.33 262	0.36 325	0.61 224	0.24 166	0.18 232	0.33 228	0.24 241	0.59 302	0.42 206	0.38 247	0.52 285	0.36 217	0.31 249	0.80 329	0.32 231	0.18 337	0.14 252	0.21 348	0.15 317	0.17 304	0.14 206

iResNetv2_ROB	0.29 228	0.37 328	0.92 317	0.24 166	0.13 80	0.30 191	0.19 124	0.55 263	0.51 286	0.39 258	0.46 256	0.39 237	0.27 194	0.36 172	0.30 216	0.09 143	0.06 34	0.07 13	0.05 8	0.13 256	0.11 128

SGM-Forest	0.42 314	0.44 351	0.92 317	0.24 166	0.16 187	0.45 309	0.40 341	0.58 294	0.50 280	0.54 340	0.63 330	0.52 309	0.51 334	0.91 351	0.66 335	0.17 327	0.17 300	0.17 328	0.15 317	0.15 283	0.21 277
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
CBMV	0.36 278	0.25 261	0.61 224	0.24 166	0.14 108	0.42 292	0.33 313	0.56 273	0.52 297	0.54 340	0.52 285	0.51 304	0.58 348	0.63 272	0.43 277	0.15 307	0.16 282	0.18 335	0.16 326	0.13 256	0.19 256
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
AE-Stereo	0.21 80	0.12 57	0.50 120	0.25 198	0.15 158	0.24 120	0.18 92	0.40 132	0.34 129	0.19 23	0.26 66	0.21 70	0.13 31	0.22 36	0.16 46	0.07 13	0.26 353	0.09 119	0.10 209	0.07 30	0.31 340

fast-acv-ft	0.33 262	0.26 271	0.88 311	0.25 198	0.18 232	0.49 326	0.27 269	0.44 174	0.50 280	0.40 267	0.55 300	0.49 297	0.36 277	0.39 185	0.41 271	0.11 229	0.11 213	0.11 228	0.12 270	0.13 256	0.11 128

BUS	0.24 148	0.13 73	0.36 19	0.25 198	0.14 108	0.44 301	0.17 54	0.59 302	0.36 149	0.34 198	0.35 144	0.31 175	0.22 138	0.27 80	0.22 147	0.10 198	0.07 92	0.11 228	0.10 209	0.09 131	0.10 99

RAFT+CT+SA	0.23 122	0.24 248	0.48 85	0.25 198	0.18 232	0.23 102	0.29 287	0.42 151	0.38 170	0.24 60	0.39 185	0.20 60	0.17 77	0.34 161	0.17 59	0.07 13	0.07 92	0.09 119	0.12 270	0.09 131	0.13 183

BSDual-CNN	0.24 148	0.13 73	0.36 19	0.25 198	0.14 108	0.35 255	0.22 196	0.59 302	0.36 149	0.34 198	0.35 144	0.38 227	0.25 176	0.27 80	0.28 201	0.10 198	0.07 92	0.11 228	0.10 209	0.09 131	0.10 99

hknet	0.26 191	0.15 123	0.49 102	0.25 198	0.16 187	0.35 255	0.22 196	0.59 302	0.40 189	0.34 198	0.35 144	0.43 263	0.28 213	0.38 182	0.26 188	0.09 143	0.07 92	0.11 228	0.10 209	0.09 131	0.10 99

UDGNet	0.24 148	0.37 328	0.53 158	0.25 198	0.14 108	0.24 120	0.18 92	0.32 56	0.44 223	0.29 114	0.28 79	0.24 101	0.20 126	0.30 124	0.21 132	0.16 315	0.07 92	0.21 348	0.11 233	0.16 292	0.11 128

NF-Stereo	0.22 93	0.11 27	0.52 148	0.25 198	0.12 48	0.21 64	0.18 92	0.40 132	0.35 136	0.28 91	0.30 96	0.22 73	0.17 77	0.52 225	0.21 132	0.09 143	0.06 34	0.09 119	0.08 104	0.08 64	0.13 183

OCTAStereo	0.22 93	0.11 27	0.52 148	0.25 198	0.12 48	0.21 64	0.18 92	0.40 132	0.35 136	0.28 91	0.30 96	0.22 73	0.17 77	0.51 219	0.21 132	0.09 143	0.06 34	0.09 119	0.08 104	0.08 64	0.13 183

PSM-softLoss	0.22 93	0.11 27	0.53 158	0.25 198	0.12 48	0.20 48	0.17 54	0.39 123	0.29 78	0.29 114	0.32 115	0.24 101	0.16 62	0.53 227	0.21 132	0.09 143	0.06 34	0.10 182	0.09 165	0.08 64	0.12 163

KMStereo	0.22 93	0.11 27	0.53 158	0.25 198	0.12 48	0.20 48	0.17 54	0.39 123	0.29 78	0.29 114	0.32 115	0.24 101	0.16 62	0.53 227	0.21 132	0.09 143	0.06 34	0.10 182	0.09 165	0.08 64	0.12 163

ASMatch	0.23 122	0.11 27	0.55 174	0.25 198	0.14 108	0.19 22	0.16 40	0.32 56	0.30 92	0.28 91	0.68 339	0.28 144	0.26 188	0.50 214	0.22 147	0.07 13	0.06 34	0.08 59	0.07 44	0.06 2	0.11 128

SST-Stereo	0.22 93	0.11 27	0.52 148	0.25 198	0.14 108	0.19 22	0.17 54	0.32 56	0.26 48	0.34 198	0.33 130	0.29 156	0.25 176	0.56 240	0.18 78	0.08 87	0.05 3	0.10 182	0.08 104	0.09 131	0.07 11

RAFT_R40	0.22 93	0.11 27	0.52 148	0.25 198	0.13 80	0.18 13	0.18 92	0.32 56	0.31 99	0.33 184	0.33 130	0.30 166	0.23 147	0.55 235	0.19 99	0.08 87	0.05 3	0.10 182	0.08 104	0.09 131	0.07 11

PFNet	0.24 148	0.11 27	0.63 232	0.25 198	0.14 108	0.22 86	0.19 124	0.40 132	0.35 136	0.36 224	0.32 115	0.27 132	0.20 126	0.63 272	0.23 162	0.09 143	0.05 3	0.09 119	0.08 104	0.08 64	0.08 37

RE-Stereo	0.22 93	0.11 27	0.52 148	0.25 198	0.12 48	0.21 64	0.18 92	0.40 132	0.35 136	0.28 91	0.30 96	0.22 73	0.17 77	0.51 219	0.21 132	0.09 143	0.06 34	0.09 119	0.08 104	0.08 64	0.13 183

TVStereo	0.22 93	0.11 27	0.52 148	0.25 198	0.12 48	0.21 64	0.18 92	0.40 132	0.35 136	0.28 91	0.30 96	0.22 73	0.17 77	0.51 219	0.21 132	0.09 143	0.06 34	0.09 119	0.08 104	0.08 64	0.13 183

CroCo-Stereo	0.15 4	0.16 144	0.34 13	0.25 198	0.12 48	0.11 1	0.18 92	0.35 81	0.24 24	0.13 1	0.13 5	0.18 47	0.12 15	0.15 1	0.13 7	0.08 87	0.06 34	0.07 13	0.05 8	0.07 30	0.06 4
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
rafts_anoy	0.21 80	0.22 225	0.49 102	0.25 198	0.24 320	0.19 22	0.17 54	0.34 72	0.32 107	0.24 60	0.25 59	0.20 60	0.16 62	0.25 54	0.21 132	0.08 87	0.19 311	0.11 228	0.12 270	0.09 131	0.09 58

TestStereo	0.22 93	0.24 248	0.48 85	0.25 198	0.11 25	0.22 86	0.22 196	0.32 56	0.31 99	0.24 60	0.34 138	0.23 86	0.19 120	0.62 269	0.19 99	0.08 87	0.07 92	0.10 182	0.07 44	0.11 219	0.07 11

RAFT + AFF	0.30 240	0.33 307	0.76 273	0.25 198	0.17 212	0.30 191	0.33 313	0.55 263	0.42 206	0.28 91	0.30 96	0.31 175	0.31 249	0.64 277	0.32 231	0.09 143	0.11 213	0.11 228	0.10 209	0.12 244	0.16 227

UPFNet	0.27 207	0.15 123	0.47 73	0.25 198	0.20 272	0.37 268	0.27 269	0.50 220	0.40 189	0.36 224	0.38 171	0.37 221	0.29 229	0.40 186	0.34 243	0.10 198	0.10 193	0.10 182	0.10 209	0.10 178	0.08 37

aanetorigin	0.40 305	0.33 307	1.14 347	0.25 198	0.19 255	0.30 191	0.37 326	0.34 72	0.47 256	0.95 376	0.82 358	0.52 309	0.56 345	0.50 214	0.52 306	0.11 229	0.09 168	0.10 182	0.10 209	0.16 292	0.19 256

EDNetEfficientorigin	7.48 414	0.57 370	139.59 437	0.25 198	0.17 212	0.44 301	0.30 293	0.48 205	1.04 380	1.29 390	1.02 372	0.82 368	0.87 377	0.76 319	1.02 361	0.10 198	0.09 168	0.12 258	0.11 233	0.22 340	0.25 313

GwcNet	0.37 285	0.29 287	1.12 344	0.25 198	0.24 320	0.48 323	0.27 269	0.58 294	0.60 327	0.39 258	0.54 295	0.51 304	0.34 265	0.60 255	0.46 290	0.13 274	0.12 229	0.12 258	0.11 233	0.13 256	0.15 217

ac_64	0.28 214	0.16 144	0.62 227	0.25 198	0.17 212	0.36 263	0.22 196	0.48 205	0.35 136	0.36 224	0.37 165	0.51 304	0.30 236	0.62 269	0.34 243	0.11 229	0.09 168	0.10 182	0.10 209	0.09 131	0.09 58

FADNet-RVC	0.34 270	0.43 347	0.97 326	0.25 198	0.20 272	0.33 228	0.20 155	0.51 230	0.42 206	0.34 198	0.40 192	0.41 247	0.29 229	0.65 281	0.36 252	0.14 295	0.14 252	0.14 299	0.15 317	0.19 323	0.20 268

STTStereo	0.30 240	0.24 248	0.83 293	0.25 198	0.17 212	0.30 191	0.24 241	0.49 212	0.39 181	0.39 258	0.41 203	0.44 269	0.28 213	0.41 189	0.30 216	0.13 274	0.13 243	0.13 281	0.16 326	0.12 244	0.12 163

AdaStereo	0.25 172	0.17 167	0.47 73	0.25 198	0.13 80	0.33 228	0.17 54	0.57 282	0.43 216	0.34 198	0.38 171	0.35 212	0.21 133	0.32 138	0.24 167	0.14 295	0.06 34	0.13 281	0.09 165	0.11 219	0.09 58
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.
StereoDRNet-Refined	0.28 214	0.19 192	0.47 73	0.25 198	0.14 108	0.36 263	0.21 174	0.49 212	0.43 216	0.46 309	0.52 285	0.42 257	0.30 236	0.46 204	0.38 260	0.10 198	0.07 92	0.11 228	0.11 233	0.10 178	0.11 128
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DN-CSS_ROB	0.24 148	0.33 307	0.69 251	0.25 198	0.14 108	0.26 143	0.13 2	0.42 151	0.35 136	0.30 135	0.42 210	0.22 73	0.20 126	0.34 161	0.22 147	0.07 13	0.06 34	0.11 228	0.11 233	0.11 219	0.09 58

pmcnn	0.54 346	0.24 248	1.06 336	0.25 198	0.26 333	0.40 283	0.31 302	0.55 263	0.55 310	0.56 344	1.22 381	2.53 404	0.39 294	0.84 338	1.08 367	0.09 143	0.06 34	0.06 1	0.05 8	0.10 178	0.14 206

tt1	0.22 93	0.16 144	0.49 102	0.26 230	0.15 158	0.31 209	0.19 124	0.38 107	0.46 243	0.21 31	0.19 25	0.13 11	0.16 62	0.28 98	0.12 1	0.08 87	0.28 360	0.08 59	0.06 22	0.08 64	0.37 359

RAFT-Test	0.19 37	0.11 27	0.41 33	0.26 230	0.21 285	0.26 143	0.17 54	0.37 98	0.26 48	0.24 60	0.29 85	0.32 185	0.14 41	0.22 36	0.15 37	0.07 13	0.08 139	0.07 13	0.07 44	0.06 2	0.07 11

LL-Strereo	0.32 255	0.33 307	0.77 279	0.26 230	0.24 320	0.22 86	0.23 219	0.58 294	0.44 223	0.35 213	0.32 115	0.41 247	0.40 297	0.93 357	0.25 179	0.08 87	0.13 243	0.11 228	0.09 165	0.09 131	0.22 285

anonymousdsp2	0.23 122	0.11 27	0.42 41	0.26 230	0.24 320	0.25 130	0.17 54	0.43 156	0.37 162	0.30 135	0.23 50	0.24 101	0.15 50	0.32 138	0.17 59	0.07 13	0.28 360	0.07 13	0.05 8	0.08 64	0.44 372

CASS	0.22 93	0.16 144	0.40 31	0.26 230	0.12 48	0.29 180	0.19 124	0.40 132	0.32 107	0.34 198	0.35 144	0.25 112	0.25 176	0.26 71	0.21 132	0.13 274	0.08 139	0.11 228	0.09 165	0.11 219	0.12 163
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
DCRE	0.24 148	0.15 123	0.45 56	0.26 230	0.26 333	0.23 102	0.21 174	0.37 98	0.29 78	0.23 54	0.81 357	0.23 86	0.16 62	0.24 46	0.18 78	0.07 13	0.14 252	0.07 13	0.08 104	0.07 30	0.25 313

Wz-Net-TNSev	0.55 347	0.72 379	1.90 390	0.26 230	0.21 285	0.64 355	0.45 350	0.66 346	0.71 352	0.52 331	0.55 300	0.71 363	0.63 361	1.04 369	0.94 356	0.16 315	0.15 273	0.13 281	0.15 317	0.21 336	0.24 304

CroCo-Stereo Lap2	0.16 11	0.18 184	0.39 27	0.26 230	0.18 232	0.11 1	0.19 124	0.30 37	0.22 12	0.13 1	0.16 16	0.15 28	0.11 9	0.17 8	0.15 37	0.07 13	0.07 92	0.08 59	0.06 22	0.08 64	0.07 11

Wz-Net-LNSev	0.36 278	0.35 319	1.06 336	0.26 230	0.21 285	0.47 317	0.33 313	0.56 273	0.58 318	0.45 304	0.54 295	0.50 301	0.37 282	0.40 186	0.42 274	0.12 257	0.11 213	0.10 182	0.09 165	0.14 276	0.15 217

Wz-Net-MNSev	0.39 295	0.35 319	0.99 330	0.26 230	0.21 285	0.59 348	0.39 337	0.58 294	0.61 329	0.49 322	0.56 304	0.53 313	0.37 282	0.61 261	0.47 293	0.11 229	0.09 168	0.11 228	0.11 233	0.15 283	0.15 217

RAFT_CTSACE	0.23 122	0.21 211	0.57 191	0.26 230	0.15 158	0.22 86	0.23 219	0.34 72	0.30 92	0.34 198	0.51 279	0.31 175	0.17 77	0.33 147	0.15 37	0.06 1	0.09 168	0.09 119	0.08 104	0.08 64	0.07 11

CRFU-Net	0.29 228	0.14 107	0.48 85	0.26 230	0.15 158	0.46 311	0.22 196	0.52 235	0.32 107	0.44 297	0.42 210	0.48 291	0.47 323	0.44 197	0.31 225	0.12 257	0.10 193	0.09 119	0.08 104	0.10 178	0.11 128

AASNet	0.29 228	0.27 277	0.67 245	0.26 230	0.18 232	0.34 242	0.21 174	0.64 336	0.49 275	0.36 224	0.41 203	0.32 185	0.26 188	0.33 147	0.39 264	0.12 257	0.09 168	0.10 182	0.08 104	0.14 276	0.12 163

SACVNet	0.32 255	0.25 261	0.59 211	0.26 230	0.19 255	0.35 255	0.25 254	0.54 252	0.41 194	0.43 290	0.45 244	0.46 280	0.34 265	0.71 300	0.30 216	0.14 295	0.10 193	0.12 258	0.12 270	0.16 292	0.20 268

test_3	0.20 57	0.12 57	0.49 102	0.26 230	0.14 108	0.22 86	0.25 254	0.34 72	0.33 121	0.25 71	0.18 22	0.23 86	0.13 31	0.25 54	0.20 115	0.06 1	0.14 252	0.09 119	0.10 209	0.07 30	0.10 99

LCNet	0.22 93	0.12 57	0.42 41	0.26 230	0.12 48	0.23 102	0.19 124	0.36 86	0.28 65	0.28 91	0.35 144	0.26 128	0.30 236	0.35 168	0.17 59	0.07 13	0.05 3	0.09 119	0.10 209	0.13 256	0.22 285

AAGNet	0.34 270	0.12 57	0.53 158	0.26 230	0.16 187	0.20 48	0.19 124	0.31 51	0.29 78	0.35 213	0.35 144	0.27 132	0.30 236	0.44 197	2.56 407	0.08 87	0.05 3	0.10 182	0.07 44	0.09 131	0.07 11

IRAFT_RVC	0.23 122	0.15 123	0.54 168	0.26 230	0.12 48	0.19 22	0.23 219	0.41 150	0.39 181	0.31 150	0.30 96	0.29 156	0.24 165	0.55 235	0.23 162	0.08 87	0.06 34	0.10 182	0.08 104	0.08 64	0.08 37

ICVP	0.24 148	0.13 73	0.45 56	0.26 230	0.14 108	0.30 191	0.25 254	0.47 196	0.35 136	0.29 114	0.43 222	0.35 212	0.25 176	0.28 98	0.25 179	0.12 257	0.09 168	0.09 119	0.09 165	0.09 131	0.11 128
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
APVNet	0.38 290	0.26 271	0.87 305	0.26 230	0.22 300	0.52 335	0.35 319	0.64 336	0.46 243	0.40 267	0.52 285	0.48 291	0.39 294	0.84 338	0.48 295	0.13 274	0.14 252	0.15 313	0.16 326	0.16 292	0.16 227

psm_up	0.30 240	0.21 211	0.58 204	0.26 230	0.18 232	0.32 222	0.27 269	0.57 282	0.45 234	0.38 247	0.41 203	0.45 274	0.40 297	0.59 250	0.32 231	0.11 229	0.12 229	0.13 281	0.12 270	0.11 219	0.11 128

EDNetEfficient	0.64 366	0.39 338	2.52 397	0.26 230	0.26 333	0.39 277	0.49 361	0.42 151	1.06 382	1.38 393	0.86 362	0.61 334	0.97 382	0.66 287	1.62 393	0.11 229	0.10 193	0.10 182	0.12 270	0.20 330	0.19 256

FAT-Stereo	0.36 278	0.19 192	0.75 269	0.26 230	0.18 232	0.34 242	0.30 293	0.62 326	0.61 329	0.47 315	0.61 327	0.59 327	0.50 332	0.61 261	0.36 252	0.13 274	0.14 252	0.13 281	0.12 270	0.14 276	0.20 268

ADCRef	0.41 310	0.33 307	1.05 334	0.26 230	0.21 285	0.49 326	0.27 269	0.54 252	0.51 286	0.51 328	0.59 314	0.35 212	0.47 323	0.54 232	1.35 383	0.09 143	0.08 139	0.12 258	0.12 270	0.12 244	0.13 183

ADCP+	0.48 336	0.36 325	1.47 375	0.26 230	0.22 300	0.57 344	0.40 341	0.56 273	0.54 302	0.46 309	0.52 285	0.46 280	0.53 341	0.59 250	1.93 398	0.10 198	0.08 139	0.11 228	0.11 233	0.14 276	0.15 217

RYNet	0.38 290	0.23 238	0.65 239	0.26 230	0.28 339	0.62 351	0.33 313	0.61 318	0.62 333	0.42 281	0.39 185	0.58 326	0.40 297	0.89 346	0.57 321	0.11 229	0.09 168	0.12 258	0.11 233	0.19 323	0.22 285

NLCA_NET_v2_RVC	0.29 228	0.24 248	0.81 288	0.26 230	0.18 232	0.30 191	0.22 196	0.52 235	0.41 194	0.38 247	0.42 210	0.42 257	0.28 213	0.46 204	0.31 225	0.11 229	0.08 139	0.10 182	0.11 233	0.10 178	0.12 163
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
iResNet	0.25 172	0.22 225	0.62 227	0.26 230	0.11 25	0.31 209	0.23 219	0.46 187	0.45 234	0.34 198	0.43 222	0.27 132	0.23 147	0.36 172	0.37 258	0.08 87	0.05 3	0.07 13	0.06 22	0.08 64	0.10 99

DISCO	0.33 262	0.16 144	0.55 174	0.26 230	0.16 187	0.48 323	0.25 254	0.52 235	0.58 318	0.38 247	0.45 244	0.63 341	0.37 282	0.65 281	0.50 302	0.10 198	0.07 92	0.09 119	0.08 104	0.13 256	0.13 183

PWC_ROB	0.41 310	0.38 334	0.92 317	0.26 230	0.20 272	0.39 277	0.19 124	0.61 318	0.69 348	0.58 348	0.84 360	0.52 309	0.44 312	0.74 308	0.62 329	0.13 274	0.09 168	0.14 299	0.10 209	0.17 304	0.18 241

WCMA_ROB	0.55 347	0.27 277	0.76 273	0.26 230	0.22 300	0.62 351	0.36 324	0.57 282	0.58 318	0.97 378	1.40 387	1.28 384	0.94 381	0.80 329	0.80 347	0.20 348	0.17 300	0.16 319	0.16 326	0.19 323	0.29 335

SGM_RVC	0.57 353	0.22 225	0.60 218	0.26 230	0.16 187	0.97 382	0.46 353	0.76 370	0.90 371	1.03 382	0.92 368	1.16 380	0.93 380	1.21 379	0.72 340	0.17 327	0.16 282	0.16 319	0.16 326	0.16 292	0.24 304
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
ACVNet-DCA	0.21 80	0.16 144	0.50 120	0.27 262	0.13 80	0.31 209	0.19 124	0.43 156	0.32 107	0.21 31	0.20 30	0.13 11	0.17 77	0.28 98	0.12 1	0.08 87	0.28 360	0.08 59	0.06 22	0.09 131	0.23 292

xx1	0.23 122	0.16 144	0.50 120	0.27 262	0.13 80	0.31 209	0.19 124	0.39 123	0.48 262	0.21 31	0.20 30	0.28 144	0.25 176	0.28 98	0.12 1	0.08 87	0.28 360	0.10 182	0.11 233	0.09 131	0.23 292

1test111	0.22 93	0.16 144	0.50 120	0.27 262	0.13 80	0.31 209	0.19 124	0.43 156	0.32 107	0.21 31	0.20 30	0.13 11	0.17 77	0.36 172	0.28 201	0.08 87	0.28 360	0.08 59	0.06 22	0.09 131	0.23 292

cc1	0.22 93	0.16 144	0.50 120	0.27 262	0.13 80	0.31 209	0.19 124	0.39 123	0.48 262	0.21 31	0.20 30	0.13 11	0.17 77	0.28 98	0.12 1	0.08 87	0.28 360	0.08 59	0.06 22	0.08 64	0.37 359

GMStereo_Zeroshot	0.25 172	0.22 225	0.51 132	0.27 262	0.14 108	0.28 163	0.15 25	0.40 132	0.36 149	0.37 239	0.43 222	0.40 240	0.17 77	0.35 168	0.21 132	0.12 257	0.07 92	0.13 281	0.07 44	0.17 304	0.10 99

StereoVision	0.23 122	0.23 238	0.55 174	0.27 262	0.17 212	0.23 102	0.22 196	0.40 132	0.32 107	0.21 31	0.51 279	0.22 73	0.16 62	0.29 115	0.19 99	0.11 229	0.12 229	0.13 281	0.13 294	0.10 178	0.08 37

TestStereo1	0.23 122	0.22 225	0.50 120	0.27 262	0.14 108	0.26 143	0.27 269	0.43 156	0.38 170	0.29 114	0.39 185	0.23 86	0.21 133	0.33 147	0.18 78	0.08 87	0.08 139	0.09 119	0.08 104	0.08 64	0.10 99

test_5	0.25 172	0.25 261	0.57 191	0.27 262	0.18 232	0.25 130	0.29 287	0.42 151	0.39 181	0.29 114	0.40 192	0.27 132	0.23 147	0.35 168	0.19 99	0.07 13	0.07 92	0.09 119	0.09 165	0.10 178	0.14 206

SA-5K	0.23 122	0.22 225	0.50 120	0.27 262	0.14 108	0.26 143	0.27 269	0.43 156	0.38 170	0.29 114	0.39 185	0.23 86	0.21 133	0.33 147	0.18 78	0.08 87	0.08 139	0.09 119	0.08 104	0.08 64	0.10 99

PSMNet-ADL	0.26 191	0.16 144	0.39 27	0.27 262	0.14 108	0.32 222	0.22 196	0.45 181	0.37 162	0.28 91	0.34 138	0.41 247	0.28 213	0.61 261	0.32 231	0.11 229	0.10 193	0.09 119	0.11 233	0.10 178	0.13 183

GrayStereo	0.26 191	0.10 11	0.45 56	0.27 262	0.14 108	0.23 102	0.46 353	0.36 86	0.33 121	0.40 267	0.47 263	0.30 166	0.78 368	0.29 115	0.17 59	0.07 13	0.06 34	0.08 59	0.09 165	0.07 30	0.15 217

cross-raft	0.18 21	0.12 57	0.40 31	0.27 262	0.16 187	0.20 48	0.24 241	0.34 72	0.24 24	0.23 54	0.28 79	0.29 156	0.15 50	0.19 21	0.16 46	0.06 1	0.05 3	0.08 59	0.07 44	0.07 30	0.07 11

RAFT	0.24 148	0.24 248	0.46 68	0.27 262	0.15 158	0.26 143	0.26 264	0.37 98	0.31 99	0.34 198	0.34 138	0.41 247	0.22 138	0.30 124	0.18 78	0.08 87	0.15 273	0.11 228	0.10 209	0.11 219	0.13 183

GEStereo_RVC	0.29 228	0.24 248	0.60 218	0.27 262	0.16 187	0.33 228	0.25 254	0.58 294	0.56 314	0.35 213	0.38 171	0.34 198	0.25 176	0.51 219	0.29 214	0.12 257	0.08 139	0.09 119	0.08 104	0.11 219	0.13 183

Anonymous3	0.24 148	0.19 192	0.76 273	0.27 262	0.18 232	0.41 287	0.24 241	0.45 181	0.36 149	0.23 54	0.27 75	0.20 60	0.18 103	0.28 98	0.19 99	0.12 257	0.11 213	0.10 182	0.10 209	0.11 219	0.13 183

sCroCo_RVC	0.19 37	0.15 123	0.60 218	0.27 262	0.18 232	0.23 102	0.16 40	0.28 17	0.24 24	0.14 5	0.22 48	0.17 39	0.14 41	0.22 36	0.16 46	0.11 229	0.11 213	0.09 119	0.09 165	0.09 131	0.10 99

Anonymous	0.21 80	0.15 123	0.63 232	0.27 262	0.20 272	0.26 143	0.27 269	0.34 72	0.27 57	0.18 22	0.19 25	0.15 28	0.19 120	0.25 54	0.19 99	0.10 198	0.09 168	0.09 119	0.09 165	0.15 283	0.13 183

FADNet-RVC-Resample	0.31 250	0.32 303	1.16 350	0.27 262	0.17 212	0.33 228	0.21 174	0.49 212	0.40 189	0.36 224	0.38 171	0.34 198	0.27 194	0.54 232	0.27 195	0.10 198	0.10 193	0.14 299	0.13 294	0.13 256	0.18 241

edge stereo	0.40 305	0.22 225	0.87 305	0.27 262	0.22 300	0.38 274	0.26 264	0.59 302	0.56 314	0.53 337	0.60 318	0.71 363	0.50 332	0.78 323	0.43 277	0.16 315	0.15 273	0.19 341	0.14 308	0.17 304	0.19 256

ADCMid	0.53 344	0.45 352	1.46 374	0.27 262	0.22 300	0.51 330	0.38 334	0.61 318	0.58 318	0.75 363	0.67 337	0.62 337	0.66 364	0.66 287	1.75 394	0.13 274	0.12 229	0.17 328	0.17 337	0.20 330	0.21 277

ADCPNet	0.51 340	0.36 325	1.82 389	0.27 262	0.23 309	0.71 360	0.39 337	0.56 273	0.54 302	0.52 331	0.60 318	0.66 352	0.57 347	0.64 277	1.23 372	0.15 307	0.18 307	0.14 299	0.23 361	0.19 323	0.22 285

CVANet_RVC	0.34 270	0.25 261	0.77 279	0.27 262	0.17 212	0.34 242	0.28 283	0.55 263	0.50 280	0.43 290	0.46 256	0.44 269	0.31 249	0.90 349	0.27 195	0.15 307	0.10 193	0.14 299	0.14 308	0.15 283	0.15 217

SANet	0.58 355	0.41 343	1.38 369	0.27 262	0.16 187	0.72 361	0.48 357	0.71 361	1.34 392	0.69 359	0.97 370	0.94 373	0.78 368	0.97 363	0.93 354	0.14 295	0.12 229	0.12 258	0.12 270	0.18 319	0.20 268

NOSS_ROB	0.33 262	0.24 248	0.49 102	0.27 262	0.16 187	0.34 242	0.19 124	0.55 263	0.50 280	0.34 198	0.37 165	0.42 257	0.30 236	0.93 357	0.25 179	0.19 346	0.20 319	0.24 357	0.22 357	0.17 304	0.25 313

anonymousdsp	0.20 57	0.13 73	0.49 102	0.28 286	0.20 272	0.21 64	0.17 54	0.29 28	0.24 24	0.22 47	0.13 5	0.12 3	0.12 15	0.32 138	0.13 7	0.07 13	0.26 353	0.08 59	0.07 44	0.08 64	0.48 378

MC-Stereo	0.18 21	0.10 11	0.36 19	0.28 286	0.14 108	0.18 13	0.15 25	0.24 7	0.20 5	0.21 31	0.24 55	0.16 32	0.13 31	0.25 54	0.14 24	0.07 13	0.17 300	0.07 13	0.07 44	0.06 2	0.30 337

IGEV-Stereo	0.20 57	0.13 73	0.49 102	0.28 286	0.20 272	0.21 64	0.17 54	0.29 28	0.24 24	0.22 47	0.13 5	0.12 3	0.12 15	0.32 138	0.13 7	0.07 13	0.26 353	0.08 59	0.07 44	0.08 64	0.48 378
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
ccnet	0.43 319	0.34 315	0.62 227	0.28 286	0.33 355	0.60 349	0.34 317	0.68 353	0.47 256	0.54 340	0.66 335	0.56 320	0.46 321	0.73 304	0.66 335	0.26 359	0.19 311	0.24 357	0.22 357	0.27 359	0.25 313

DMCA-RVC	0.30 240	0.27 277	0.93 321	0.28 286	0.17 212	0.30 191	0.21 174	0.43 156	0.36 149	0.40 267	0.38 171	0.39 237	0.36 277	0.44 197	0.34 243	0.13 274	0.10 193	0.16 319	0.12 270	0.13 256	0.11 128

S-Stereo	0.39 295	0.20 204	1.04 333	0.28 286	0.22 300	0.39 277	0.31 302	0.58 294	0.69 348	0.40 267	0.59 314	0.48 291	0.41 302	0.75 313	0.42 274	0.12 257	0.15 273	0.13 281	0.13 294	0.16 292	0.25 313

stereogan	0.39 295	0.20 204	0.78 283	0.28 286	0.22 300	0.65 356	0.26 264	0.62 326	0.65 338	0.45 304	0.60 318	0.67 355	0.45 314	0.69 294	0.37 258	0.14 295	0.14 252	0.14 299	0.12 270	0.20 330	0.19 256

ADCL	0.50 338	0.30 293	1.15 348	0.28 286	0.19 255	0.77 367	0.64 376	0.57 282	0.73 357	0.57 347	0.73 348	0.55 316	0.60 351	0.66 287	1.53 389	0.11 229	0.10 193	0.13 281	0.13 294	0.15 283	0.16 227

DPSNet	0.51 340	0.26 271	1.16 350	0.28 286	0.21 285	0.76 364	0.56 371	0.89 384	0.82 364	0.49 322	0.51 279	0.64 346	0.81 372	0.89 346	0.85 351	0.17 327	0.16 282	0.13 281	0.13 294	0.26 355	0.27 325

DRN-Test	0.35 276	0.20 204	0.75 269	0.28 286	0.19 255	0.46 311	0.29 287	0.68 353	0.54 302	0.49 322	0.47 263	0.44 269	0.35 272	0.63 272	0.44 284	0.13 274	0.09 168	0.13 281	0.12 270	0.13 256	0.13 183

StereoDRNet	0.34 270	0.28 284	0.70 254	0.28 286	0.21 285	0.43 296	0.30 293	0.63 330	0.51 286	0.47 315	0.40 192	0.48 291	0.31 249	0.58 244	0.44 284	0.12 257	0.10 193	0.12 258	0.11 233	0.13 256	0.13 183

DLCB_ROB	0.30 240	0.20 204	0.45 56	0.28 286	0.17 212	0.37 268	0.25 254	0.50 220	0.45 234	0.46 309	0.47 263	0.51 304	0.34 265	0.56 240	0.38 260	0.10 198	0.10 193	0.11 228	0.11 233	0.10 178	0.11 128

XPNet_ROB	0.35 276	0.26 271	0.58 204	0.28 286	0.19 255	0.37 268	0.31 302	0.57 282	0.51 286	0.52 331	0.54 295	0.57 321	0.38 287	0.65 281	0.48 295	0.17 327	0.12 229	0.13 281	0.12 270	0.16 292	0.17 239

EGLCR-Stereo	0.19 37	0.09 3	0.34 13	0.29 299	0.17 212	0.28 163	0.16 40	0.30 37	0.23 15	0.22 47	0.11 1	0.16 32	0.09 2	0.28 98	0.15 37	0.07 13	0.25 347	0.07 13	0.07 44	0.06 2	0.37 359

anonymousa	0.26 191	0.13 73	0.56 184	0.29 299	0.30 350	0.31 209	0.20 155	0.38 107	0.36 149	0.33 184	0.51 279	0.41 247	0.27 194	0.25 54	0.24 167	0.08 87	0.18 307	0.09 119	0.18 341	0.08 64	0.17 239

IIG-Stereo	0.24 148	0.16 144	0.47 73	0.29 299	0.12 48	0.23 102	0.14 12	0.40 132	0.33 121	0.35 213	0.37 165	0.33 191	0.22 138	0.70 297	0.26 188	0.08 87	0.06 34	0.09 119	0.07 44	0.08 64	0.07 11

Pruner-Stereo	0.20 57	0.12 57	0.49 102	0.29 299	0.12 48	0.19 22	0.17 54	0.32 56	0.31 99	0.33 184	0.32 115	0.25 112	0.15 50	0.25 54	0.22 147	0.09 143	0.06 34	0.09 119	0.08 104	0.08 64	0.10 99

LMCR-Stereo	0.28 214	0.22 225	0.56 184	0.29 299	0.14 108	0.37 268	0.23 219	0.57 282	0.36 149	0.40 267	0.40 192	0.29 156	0.30 236	0.41 189	0.38 260	0.11 229	0.07 92	0.09 119	0.07 44	0.13 256	0.10 99

AnyNet_C32	0.55 347	0.51 359	1.34 367	0.29 299	0.28 339	0.61 350	0.62 375	0.57 282	0.62 333	0.63 352	0.68 339	0.54 315	0.55 343	0.82 333	1.81 395	0.15 307	0.15 273	0.15 313	0.18 341	0.21 336	0.25 313

STTRV1_RVC		0.33 307		0.29 299	0.36 364	0.49 326	0.31 302	0.63 330	0.54 302	0.47 315	0.56 304	0.47 287	0.43 309	1.00 364	0.40 266	0.28 365	0.21 324	0.20 345	0.18 341	0.25 350	0.18 241

MSKI-zero shot	0.19 37	0.10 11	0.47 73	0.30 306	0.14 108	0.21 64	0.14 12	0.33 68	0.22 12	0.24 60	0.25 59	0.22 73	0.10 3	0.32 138	0.14 24	0.07 13	0.30 372	0.07 13	0.07 44	0.06 2	0.09 58

WZ-Net	0.56 351	0.49 358	2.14 394	0.30 306	0.24 320	0.58 346	0.48 357	0.65 342	0.80 362	0.51 328	0.72 345	0.68 357	0.60 351	1.06 371	1.01 360	0.13 274	0.10 193	0.11 228	0.12 270	0.19 323	0.23 292

OMP-Stereo	0.24 148	0.16 144	0.48 85	0.30 306	0.13 80	0.21 64	0.16 40	0.38 107	0.35 136	0.34 198	0.30 96	0.33 191	0.20 126	0.70 297	0.24 167	0.08 87	0.06 34	0.09 119	0.07 44	0.08 64	0.07 11

RTSC	0.43 319	0.37 328	0.95 325	0.30 306	0.20 272	0.50 329	0.23 219	0.65 342	0.86 368	0.56 344	0.54 295	0.51 304	0.36 277	0.71 300	0.92 353	0.13 274	0.14 252	0.11 228	0.13 294	0.18 319	0.19 256

ADCS	0.62 361	0.56 366	1.54 380	0.30 306	0.25 330	0.56 342	0.46 353	0.71 361	0.86 368	0.77 367	0.72 345	0.68 357	0.62 359	0.82 333	2.33 404	0.17 327	0.16 282	0.16 319	0.17 337	0.23 345	0.27 325

TDLM	0.32 255	0.27 277	0.52 148	0.30 306	0.15 158	0.33 228	0.32 308	0.54 252	0.50 280	0.44 297	0.43 222	0.39 237	0.30 236	0.92 356	0.30 216	0.14 295	0.09 168	0.13 281	0.12 270	0.13 256	0.14 206

NaN_ROB	0.44 321	0.38 334	0.94 324	0.30 306	0.20 272	0.52 335	0.49 361	0.61 318	0.60 327	0.56 344	0.47 263	0.49 297	0.42 306	1.24 380	0.76 343	0.12 257	0.18 307	0.12 258	0.13 294	0.12 244	0.18 241

ETE_ROB	0.36 278	0.32 303	0.64 236	0.30 306	0.18 232	0.40 283	0.38 334	0.59 302	0.49 275	0.50 325	0.52 285	0.62 337	0.37 282	0.58 244	0.43 277	0.13 274	0.10 193	0.14 299	0.12 270	0.17 304	0.18 241

LALA_ROB	0.38 290	0.31 296	0.65 239	0.30 306	0.21 285	0.46 311	0.39 337	0.63 330	0.54 302	0.53 337	0.52 285	0.69 359	0.36 277	0.52 225	0.48 295	0.18 337	0.11 213	0.16 319	0.14 308	0.17 304	0.16 227

MSMD_ROB	0.63 364	0.34 315	0.70 254	0.30 306	0.25 330	0.88 375	0.35 319	0.58 294	0.67 342	1.13 386	1.52 391	1.75 394	1.05 386	0.90 349	0.60 325	0.24 355	0.22 330	0.27 360	0.27 369	0.25 350	0.27 325

Wz-Net-SNSev	0.45 324	0.53 362	1.42 373	0.31 316	0.21 285	0.44 301	0.45 350	0.64 336	0.68 346	0.46 309	0.66 335	0.62 337	0.40 297	0.78 323	0.65 333	0.12 257	0.11 213	0.12 258	0.13 294	0.17 304	0.19 256

RP	0.38 290	0.26 271	0.67 245	0.31 316	0.24 320	0.37 268	0.29 287	0.53 245	0.61 329	0.42 281	0.65 333	0.62 337	0.51 334	0.63 272	0.43 277	0.17 327	0.15 273	0.17 328	0.15 317	0.17 304	0.19 256

GANet	0.40 305	0.28 284	0.67 245	0.31 316	0.18 232	0.43 296	0.39 337	0.60 311	0.46 243	0.48 321	0.78 353	0.55 316	0.45 314	0.96 361	0.55 317	0.13 274	0.14 252	0.13 281	0.12 270	0.15 283	0.16 227

MDST_ROB	0.51 340	0.16 144	0.97 326	0.31 316	0.21 285	1.35 397	0.34 317	0.80 373	0.59 326	1.09 385	0.74 349	0.49 297	0.37 282	1.31 386	0.60 325	0.14 295	0.12 229	0.16 319	0.13 294	0.13 256	0.18 241

PSMNet_ROB	0.36 278	0.31 296	0.71 260	0.31 316	0.21 285	0.44 301	0.44 349	0.61 318	0.49 275	0.39 258	0.45 244	0.49 297	0.32 260	0.66 287	0.53 310	0.14 295	0.10 193	0.15 313	0.14 308	0.13 256	0.13 183

HH	0.22 93	0.12 57	0.55 174	0.32 321	0.16 187	0.27 149	0.18 92	0.36 86	0.25 42	0.20 27	0.26 66	0.34 198	0.18 103	0.33 147	0.15 37	0.07 13	0.16 282	0.07 13	0.07 44	0.07 30	0.31 340

HanStereo	0.22 93	0.12 57	0.55 174	0.32 321	0.16 187	0.27 149	0.18 92	0.36 86	0.25 42	0.20 27	0.26 66	0.34 198	0.18 103	0.33 147	0.15 37	0.07 13	0.16 282	0.07 13	0.07 44	0.07 30	0.31 340

LL-Strereo2	0.21 80	0.25 261	0.53 158	0.32 321	0.20 272	0.25 130	0.14 12	0.32 56	0.25 42	0.25 71	0.20 30	0.24 101	0.12 15	0.28 98	0.18 78	0.07 13	0.07 92	0.12 258	0.09 165	0.09 131	0.16 227

Selective-IGEV	0.15 4	0.10 11	0.34 13	0.32 321	0.19 255	0.16 5	0.14 12	0.29 28	0.20 5	0.13 1	0.14 14	0.13 11	0.08 1	0.23 40	0.14 24	0.06 1	0.13 243	0.07 13	0.06 22	0.06 2	0.11 128

riskmin	0.24 148	0.10 11	0.43 46	0.32 321	0.26 333	0.33 228	0.19 124	0.44 174	0.30 92	0.24 60	0.27 75	0.37 221	0.25 176	0.30 124	0.22 147	0.09 143	0.18 307	0.09 119	0.13 294	0.10 178	0.27 325

NCC-stereo	0.42 314	0.31 296	0.87 305	0.32 321	0.29 348	0.47 317	0.37 326	0.68 353	0.53 298	0.42 281	0.58 310	0.57 321	0.52 336	0.75 313	0.54 314	0.18 337	0.14 252	0.18 335	0.25 363	0.17 304	0.18 241

Nwc_Net	0.39 295	0.29 287	0.84 296	0.32 321	0.24 320	0.45 309	0.30 293	0.67 348	0.51 286	0.39 258	0.70 343	0.59 327	0.48 327	0.61 261	0.45 289	0.16 315	0.12 229	0.19 341	0.21 350	0.14 276	0.15 217

Abc-Net	0.42 314	0.31 296	0.87 305	0.32 321	0.29 348	0.47 317	0.37 326	0.68 353	0.53 298	0.42 281	0.58 310	0.57 321	0.52 336	0.75 313	0.54 314	0.18 337	0.14 252	0.18 335	0.25 363	0.17 304	0.18 241
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
PA-Net	0.40 305	0.35 319	1.05 334	0.32 321	0.28 339	0.39 277	0.43 347	0.53 245	0.56 314	0.35 213	0.43 222	0.41 247	0.36 277	0.83 337	0.61 328	0.12 257	0.23 338	0.16 319	0.23 361	0.13 256	0.20 268
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
Anonymous Stereo	0.42 314	0.43 347	1.38 369	0.32 321	0.26 333	0.35 255	0.48 357	0.55 263	0.58 318	0.43 290	0.48 272	0.40 240	0.29 229	0.93 357	0.56 318	0.16 315	0.16 282	0.15 313	0.16 326	0.16 292	0.20 268

FBW_ROB	0.46 330	0.34 315	0.71 260	0.32 321	0.20 272	0.51 330	0.32 308	0.73 365	0.63 335	0.60 349	0.57 307	0.65 348	0.44 312	1.42 391	0.62 329	0.14 295	0.17 300	0.22 353	0.16 326	0.17 304	0.23 292

iRaft-Stereo_20w	0.29 228	0.11 27	0.86 303	0.33 332	0.24 320	0.32 222	0.26 264	0.60 311	0.26 48	0.41 277	0.21 42	0.28 144	0.19 120	0.32 138	0.24 167	0.07 13	0.31 376	0.07 13	0.09 165	0.08 64	0.47 376

AF-Net	0.40 305	0.31 296	0.74 266	0.33 332	0.24 320	0.43 296	0.30 293	0.64 336	0.67 342	0.44 297	0.69 342	0.65 348	0.52 336	0.59 250	0.48 295	0.16 315	0.12 229	0.19 341	0.14 308	0.16 292	0.14 206

AnyNet_C01	0.68 369	0.69 378	2.64 399	0.33 332	0.27 338	0.93 377	0.64 376	0.66 346	0.65 338	0.70 360	0.97 370	0.75 365	0.63 361	1.01 366	1.52 388	0.17 327	0.16 282	0.17 328	0.17 337	0.24 349	0.28 331

FC-DCNN	0.73 371	0.33 307	0.84 296	0.33 332	0.28 339	0.82 373	0.40 341	0.82 376	0.83 365	1.43 396	1.60 395	1.97 396	1.38 395	1.10 373	0.93 354	0.24 355	0.22 330	0.27 360	0.26 367	0.26 355	0.32 343

Anonymous_2	0.44 321	0.23 238	0.57 191	0.34 336	0.34 356	0.53 338	0.28 283	0.49 212	0.39 181	0.36 224	0.34 138	0.48 291	0.38 287	0.43 194	0.33 239	0.26 359	0.41 385	0.44 378	1.45 412	0.33 370	0.37 359

HCRNet	0.25 172	0.27 277	0.42 41	0.34 336	0.17 212	0.27 149	0.18 92	0.45 181	0.37 162	0.31 150	0.35 144	0.32 185	0.23 147	0.44 197	0.21 132	0.13 274	0.08 139	0.13 281	0.11 233	0.11 219	0.09 58

G-Net	0.47 333	0.26 271	1.02 332	0.34 336	0.28 339	0.89 376	0.35 319	0.47 196	0.46 243	0.68 358	1.20 379	0.64 346	0.59 350	0.61 261	0.60 325	0.16 315	0.14 252	0.17 328	0.13 294	0.22 340	0.21 277

DeepPrunerF	0.46 330	0.37 328	1.50 377	0.34 336	0.30 350	0.36 263	0.37 326	0.64 336	1.15 390	0.41 277	0.45 244	0.40 240	0.41 302	0.82 333	0.53 310	0.18 337	0.14 252	0.23 355	0.21 350	0.17 304	0.18 241

PWCDC_ROB	0.41 310	0.41 343	0.77 279	0.34 336	0.21 285	0.43 296	0.20 155	0.60 311	0.90 371	0.44 297	1.24 382	0.36 217	0.38 287	0.56 240	0.48 295	0.18 337	0.11 213	0.11 228	0.10 209	0.20 330	0.16 227

GASNet	0.39 295	0.58 372	1.27 363	0.35 341	0.23 309	0.35 255	0.23 219	0.63 330	0.56 314	0.41 277	0.38 171	0.45 274	0.30 236	0.81 332	0.42 274	0.16 315	0.11 213	0.14 299	0.14 308	0.23 345	0.12 163

XX-Stereo	0.25 172	0.11 27	1.09 342	0.35 341	0.38 368	0.23 102	0.13 2	0.43 156	0.19 3	0.20 27	0.40 192	0.31 175	0.10 3	0.33 147	0.13 7	0.08 87	0.11 213	0.08 59	0.09 165	0.07 30	0.10 99

Syn2CoEx	0.39 295	0.39 338	1.08 341	0.35 341	0.21 285	0.41 287	0.29 287	0.63 330	0.51 286	0.43 290	0.56 304	0.45 274	0.45 314	0.69 294	0.39 264	0.17 327	0.14 252	0.16 319	0.12 270	0.13 256	0.16 227

MaskLacGwcNet_RVC	0.38 290	0.43 347	0.72 264	0.35 341	0.19 255	0.51 330	0.25 254	0.56 273	0.39 181	0.42 281	0.47 263	0.47 287	0.27 194	0.74 308	0.32 231	0.38 378	0.19 311	0.27 360	0.17 337	0.29 364	0.27 325

RGC	0.41 310	0.35 319	0.76 273	0.35 341	0.28 339	0.41 287	0.29 287	0.60 311	0.55 310	0.47 315	0.64 331	0.63 341	0.47 323	0.74 308	0.46 290	0.16 315	0.15 273	0.21 348	0.21 350	0.19 323	0.21 277

FCDSN-DC	0.67 367	0.38 334	0.83 293	0.37 346	0.30 350	0.66 357	0.37 326	0.69 359	0.70 350	1.15 388	1.53 392	1.70 393	1.38 395	1.00 364	0.83 349	0.24 355	0.22 330	0.27 360	0.26 367	0.27 359	0.32 343
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
SHD	0.45 324	0.34 315	0.89 313	0.37 346	0.28 339	0.46 311	0.23 219	0.72 364	0.96 378	0.65 354	0.61 327	0.61 334	0.48 327	0.64 277	0.69 338	0.16 315	0.16 282	0.16 319	0.16 326	0.21 336	0.25 313

RTS	0.81 380	0.56 366	4.76 408	0.37 346	0.30 350	1.11 385	0.52 366	0.67 348	1.07 383	0.76 365	0.91 366	0.60 332	0.61 355	1.64 394	1.24 373	0.15 307	0.13 243	0.15 313	0.15 317	0.22 340	0.24 304

RTSA	0.81 380	0.56 366	4.76 408	0.37 346	0.30 350	1.11 385	0.52 366	0.67 348	1.07 383	0.76 365	0.91 366	0.60 332	0.61 355	1.64 394	1.24 373	0.15 307	0.13 243	0.15 313	0.15 317	0.22 340	0.24 304

DANet	0.37 285	0.25 261	0.67 245	0.37 346	0.22 300	0.42 292	0.25 254	0.50 220	0.44 223	0.52 331	0.50 276	0.59 327	0.42 306	0.78 323	0.53 310	0.13 274	0.12 229	0.14 299	0.12 270	0.17 304	0.21 277
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
PASM	0.49 337	0.41 343	1.15 348	0.37 346	0.35 359	0.42 292	0.42 345	0.54 252	0.65 338	0.54 340	0.54 295	0.63 341	0.48 327	0.94 360	0.51 305	0.27 363	0.30 372	0.30 365	0.33 374	0.29 364	0.29 335

NCCL2	0.37 285	0.33 307	0.59 211	0.37 346	0.23 309	0.42 292	0.41 344	0.56 273	0.44 223	0.47 315	0.47 263	0.61 334	0.39 294	0.58 244	0.41 271	0.16 315	0.13 243	0.21 348	0.22 357	0.16 292	0.18 241

CSAN	0.55 347	0.47 354	1.19 358	0.37 346	0.23 309	0.57 344	0.61 374	0.65 342	0.72 354	0.65 354	0.78 353	0.66 352	0.65 363	1.41 390	0.77 344	0.21 349	0.17 300	0.20 345	0.21 350	0.18 319	0.21 277

FINET	0.58 355	0.48 356	1.35 368	0.38 354	0.37 365	0.96 381	1.13 403	0.84 380	1.05 381	0.50 325	0.70 343	0.45 274	0.61 355	0.63 272	0.62 329	0.26 359	0.28 360	0.14 299	0.13 294	0.20 330	0.44 372

CC-Net-ROB	0.46 330	0.55 364	0.86 303	0.38 354	0.23 309	0.51 330	0.30 293	0.69 359	0.51 286	0.46 309	0.51 279	0.48 291	0.38 287	0.96 361	0.40 266	0.36 375	0.23 338	0.56 384	0.25 363	0.34 371	0.22 285

AEACV	0.20 57	0.09 3	0.32 9	0.39 356	0.34 356	0.21 64	0.16 40	0.30 37	0.18 1	0.17 15	0.17 17	0.13 11	0.16 62	0.27 80	0.13 7	0.07 13	0.29 371	0.07 13	0.09 165	0.07 30	0.37 359

MFN_U_SF_RVC	0.58 355	0.58 372	1.31 366	0.39 356	0.23 309	0.72 361	0.30 293	0.83 378	0.68 346	0.74 362	0.74 349	0.86 369	0.60 351	0.84 338	0.83 349	0.29 367	0.27 356	0.32 369	0.37 380	0.31 366	0.33 345

GANetREF_RVC	0.45 324	0.52 360	0.87 305	0.39 356	0.20 272	0.51 330	0.50 363	0.68 353	0.67 342	0.47 315	0.46 256	0.50 301	0.43 309	0.91 351	0.40 266	0.28 365	0.21 324	0.32 369	0.19 344	0.28 362	0.23 292
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
ELAS	0.80 378	0.40 341	0.91 316	0.39 356	0.35 359	1.52 401	0.81 389	0.97 386	0.98 379	1.47 402	1.58 394	1.19 381	1.33 394	1.01 366	1.21 371	0.29 367	0.27 356	0.30 365	0.29 372	0.32 369	0.36 351
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
TRStereo	0.22 93	0.21 211	0.62 227	0.40 360	0.19 255	0.22 86	0.16 40	0.58 294	0.30 92	0.21 31	0.21 42	0.22 73	0.13 31	0.27 80	0.14 24	0.09 143	0.09 168	0.09 119	0.11 233	0.06 2	0.19 256

MFN_U_SF_DS_RVC	0.53 344	0.60 375	0.98 328	0.40 360	0.25 330	0.87 374	0.57 372	0.60 311	0.64 337	0.60 349	0.67 337	0.63 341	0.42 306	1.13 374	0.50 302	0.23 353	0.28 360	0.27 360	0.35 376	0.25 350	0.33 345

XQC	0.47 333	0.45 352	1.07 338	0.40 360	0.28 339	0.58 346	0.38 334	0.67 348	0.76 359	0.53 337	0.47 263	0.59 327	0.47 323	0.74 308	0.80 347	0.18 337	0.14 252	0.18 335	0.16 326	0.26 355	0.24 304

ELAS_RVC	0.80 378	0.40 341	1.10 343	0.40 360	0.35 359	0.93 377	1.10 402	0.87 382	1.12 388	1.40 394	1.39 385	1.27 383	1.55 402	1.13 374	1.13 368	0.29 367	0.27 356	0.30 365	0.28 370	0.31 366	0.36 351
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
UDG	0.42 314	0.54 363	0.67 245	0.41 364	0.35 359	0.47 317	0.27 269	0.57 282	0.48 262	0.40 267	0.46 256	0.59 327	0.45 314	0.47 207	0.46 290	0.26 359	0.19 311	0.49 380	0.22 357	0.37 372	0.30 337

SGM-ForestM	1.59 398	0.56 366	1.52 379	0.41 364	0.34 356	2.77 410	1.67 410	1.69 403	1.73 398	2.48 408	2.27 407	6.02 416	2.90 410	3.08 409	2.83 408	0.25 358	0.30 372	0.19 341	0.20 348	0.18 319	0.45 375

EKT-Stereo	0.39 295	0.13 73	0.53 158	0.42 366	3.94 415	0.22 86	0.17 54	0.38 107	0.30 92	0.21 31	0.20 30	0.23 86	0.15 50	0.30 124	0.18 78	0.10 198	0.08 139	0.09 119	0.08 104	0.09 131	0.12 163

CAS	0.16 11	0.07 1	0.29 4	0.42 366	0.17 212	0.20 48	0.18 92	0.23 3	0.20 5	0.15 9	0.19 25	0.11 2	0.10 3	0.15 1	0.14 24	0.31 371	0.04 1	0.06 1	0.04 1	0.06 2	0.16 227

PVD	0.62 361	0.41 343	0.93 321	0.44 368	0.39 369	0.63 354	0.51 365	0.86 381	1.27 391	0.93 375	1.09 374	0.81 367	0.85 374	0.89 346	0.89 352	0.21 349	0.23 338	0.22 353	0.19 344	0.28 362	0.41 368

PDISCO_ROB	0.45 324	0.37 328	0.89 313	0.44 368	0.37 365	0.70 359	0.35 319	0.75 368	0.78 360	0.45 304	0.53 292	0.65 348	0.40 297	0.68 293	0.52 306	0.22 352	0.12 229	0.21 348	0.19 344	0.26 355	0.22 285

DDUNet	0.45 324	0.60 375	0.71 260	0.45 370	0.39 369	0.46 311	0.32 308	0.53 245	0.44 223	0.46 309	0.53 292	0.57 321	0.38 287	0.51 219	0.43 277	0.34 373	0.21 324	0.56 384	0.25 363	0.41 374	0.36 351

Consistency-Raft	0.56 351	0.52 360	1.12 344	0.45 370	0.49 375	0.48 323	0.45 350	0.73 365	0.74 358	0.45 304	0.82 358	0.46 280	0.60 351	0.51 219	0.63 332	0.39 380	0.40 383	0.44 378	0.51 389	0.53 380	0.38 367

MSC_U_SF_DS_RVC	0.70 370	0.73 381	1.26 362	0.47 372	0.28 339	1.42 399	0.60 373	0.82 376	0.94 377	0.85 371	0.86 362	0.88 371	0.70 365	1.32 387	0.75 342	0.37 376	0.30 372	0.34 372	0.36 378	0.44 375	0.42 369

anonymity	0.57 353	0.55 364	0.74 266	0.48 373	0.63 384	0.56 342	0.43 347	0.71 361	0.51 286	0.64 353	0.55 300	0.57 321	0.61 355	0.65 281	0.57 321	0.55 384	0.55 395	0.50 381	0.54 390	0.51 378	0.61 386

SQANet	0.44 321	0.57 370	0.89 313	0.49 374	0.39 369	0.47 317	0.23 219	0.53 245	0.44 223	0.41 277	0.48 272	0.47 287	0.34 265	0.58 244	0.43 277	0.38 378	0.15 273	0.40 376	0.21 350	0.50 377	0.34 348

LE_ROB	1.82 404	0.39 338	3.15 406	0.50 375	0.55 381	0.79 369	1.00 395	0.89 384	6.48 415	7.40 417	2.07 403	2.07 397	5.08 413	1.33 388	3.96 412	0.11 229	0.09 168	0.12 258	0.11 233	0.11 219	0.13 183

SPS-STEREO	0.74 372	0.72 379	1.18 357	0.52 376	0.57 382	0.76 364	0.50 363	0.80 373	0.66 341	0.97 378	0.88 365	0.94 373	0.74 366	1.08 372	1.04 363	0.58 387	0.51 389	0.50 381	0.50 388	0.56 381	0.72 397
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
DGSMNet	0.63 364	0.32 303	1.01 331	0.54 377	0.73 390	0.62 351	1.36 407	0.62 326	0.58 318	0.38 247	0.62 329	0.52 309	0.34 265	0.65 281	0.47 293	0.54 383	0.61 400	0.67 389	0.61 397	0.65 385	0.69 395

NVStereoNet_ROB	0.74 372	0.64 377	1.20 360	0.55 378	0.43 373	0.54 341	0.48 357	0.75 368	0.87 370	0.88 372	1.72 397	1.06 377	1.03 385	1.29 384	0.98 359	0.35 374	0.42 386	0.41 377	0.48 384	0.38 373	0.43 370
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
JetBlue	1.20 392	0.89 387	2.53 398	0.59 379	0.76 391	3.16 412	2.09 412	1.16 390	0.93 374	0.95 376	1.12 376	1.65 391	1.27 392	2.15 405	1.87 397	0.43 382	0.37 382	0.38 374	0.39 382	0.62 383	0.63 389

MANE	1.63 400	0.58 372	1.16 350	0.59 379	0.60 383	2.71 409	1.53 408	2.63 412	3.62 407	2.33 407	3.26 409	3.66 410	2.98 411	2.26 407	2.26 403	0.37 376	0.40 383	0.31 368	0.49 385	0.31 366	0.63 389

otaku	0.60 358	0.73 381	1.13 346	0.64 381	0.45 374	0.73 363	0.37 326	0.67 348	0.67 342	0.52 331	0.75 351	0.66 352	0.46 321	0.74 308	0.59 324	0.55 384	0.34 380	0.56 384	0.36 378	0.65 385	0.49 380

MFMNet_re	0.74 372	0.84 385	1.16 350	0.64 381	0.70 389	0.79 369	0.71 381	0.77 371	0.85 367	0.79 369	0.86 362	0.69 359	0.80 370	0.73 304	0.65 333	0.66 391	0.59 399	0.61 388	0.58 395	0.68 388	0.71 396

Ntro	0.61 360	0.75 383	1.16 350	0.67 383	0.50 376	0.76 364	0.37 326	0.68 353	0.71 352	0.50 325	0.59 314	0.65 348	0.52 336	0.79 326	0.58 323	0.58 387	0.32 377	0.57 387	0.34 375	0.69 390	0.50 381

SGM+DAISY	1.12 390	0.86 386	1.64 383	0.68 384	0.80 398	1.68 403	1.68 411	1.08 388	1.10 385	1.53 404	1.76 399	1.47 388	1.53 401	1.24 380	1.42 387	0.66 391	0.65 405	0.52 383	0.54 390	0.57 382	0.91 404

BEATNet-Init1	4.91 412	3.27 416	14.39 424	0.69 385	0.65 387	10.19 420	3.83 415	5.04 415	5.11 413	8.73 419	8.52 417	13.95 426	7.66 417	7.79 418	5.79 415	0.32 372	0.34 380	0.34 372	0.38 381	0.64 384	0.64 391

SAMSARA	0.62 361	0.47 354	0.93 321	0.70 386	0.50 376	1.15 388	1.29 406	0.79 372	0.70 350	0.77 367	0.55 300	0.92 372	0.58 348	0.87 343	0.77 344	0.19 346	0.27 356	0.18 335	0.19 344	0.27 359	0.28 331

FADE		1.19 401		0.71 387	0.76 391													17.17 431		0.51 378

ACVNet_1	0.77 377	0.92 389	1.79 388	0.73 388	0.53 380	0.78 368	0.42 345	0.88 383	0.90 371	0.75 363	0.76 352	1.32 385	0.80 370	1.04 369	0.70 339	0.57 386	0.32 377	0.72 391	0.35 376	0.70 391	0.50 381

ACVNet-4b	0.76 375	0.90 388	1.67 384	0.73 388	0.51 379	0.80 372	0.31 302	0.74 367	0.81 363	0.51 328	0.72 345	0.94 373	0.43 309	1.01 366	1.32 381	1.18 409	0.22 330	0.77 393	0.45 383	0.70 391	0.50 381

MADNet+	1.05 385	1.26 405	4.77 410	0.73 388	0.50 376	1.25 392	0.97 394	1.05 387	0.93 374	0.67 357	0.78 353	0.87 370	0.85 374	2.14 404	1.83 396	0.40 381	0.42 386	0.32 369	0.28 370	0.45 376	0.43 370

DispFullNet	0.67 367	0.94 390	1.63 382	0.77 391	1.19 408	0.53 338	0.25 254	0.61 318	0.72 354	0.70 360	0.60 318	0.69 359	0.90 378	0.80 329	0.52 306	0.27 363	0.13 243	0.74 392	0.31 373	0.68 388	0.44 372

RainbowNet	0.76 375	1.00 394	1.29 364	0.82 392	0.63 384	0.79 369	0.52 366	0.83 378	0.93 374	0.61 351	0.79 356	0.79 366	0.62 359	0.82 333	0.67 337	0.80 397	0.55 395	0.79 395	0.49 385	0.81 394	0.62 387

WAO-7	1.05 385	1.00 394	1.19 358	0.83 393	0.67 388	1.22 391	0.84 391	1.43 396	1.56 396	1.13 386	1.75 398	1.46 387	1.25 391	1.56 393	1.28 375	0.61 389	0.62 403	0.70 390	0.68 399	0.66 387	0.62 387

ACVNet_2	0.94 382	0.98 393	1.71 386	0.83 393	0.63 384	1.02 383	0.64 376	1.16 390	1.43 395	1.02 380	1.39 385	1.47 388	0.86 376	1.16 376	0.79 346	0.63 390	0.43 388	0.78 394	0.49 385	0.80 393	0.57 384

PWCK	1.05 385	1.29 406	2.12 393	0.92 395	0.42 372	1.27 393	1.01 396	1.14 389	1.14 389	1.16 389	1.14 377	1.25 382	0.90 378	1.77 399	1.15 369	0.89 400	0.51 389	0.87 396	0.54 390	1.02 404	0.57 384

WAO-6	1.11 389	1.01 396	1.17 356	0.96 396	0.79 395	1.30 395	0.78 386	1.36 394	1.99 401	1.04 383	1.54 393	1.59 390	1.27 392	1.37 389	1.30 376	0.78 395	0.55 395	1.03 402	0.75 403	0.87 395	0.72 397

IMH-64-1	0.94 382	0.95 391	1.07 338	0.98 397	0.76 391	0.93 377	0.72 382	1.30 392	1.11 386	0.91 373	1.45 388	1.14 378	1.00 383	1.25 382	0.97 357	0.77 393	0.51 389	0.97 398	0.55 393	0.90 396	0.66 392

IMH-64	0.94 382	0.95 391	1.07 338	0.98 397	0.76 391	0.93 377	0.72 382	1.30 392	1.11 386	0.91 373	1.45 388	1.14 378	1.00 383	1.25 382	0.97 357	0.77 393	0.51 389	0.97 398	0.55 393	0.90 396	0.66 392

IMH	1.09 388	1.04 397	1.29 364	1.03 399	0.79 395	1.11 385	0.69 379	1.40 395	1.42 394	1.02 380	1.71 396	1.42 386	1.19 390	1.78 400	1.03 362	1.14 407	0.56 398	1.00 400	0.58 395	0.93 399	0.68 394

LVE	1.18 391	1.16 399	1.67 384	1.04 400	0.81 399	1.32 396	0.82 390	1.49 398	1.94 399	1.08 384	1.90 400	1.89 395	1.07 387	1.51 392	1.04 363	0.96 403	0.61 400	0.94 397	0.69 400	0.92 398	0.79 402

Dean	1.22 393	1.17 400	1.97 391	1.04 400	0.79 395	1.21 390	0.76 384	1.51 399	1.96 400	1.30 392	1.98 402	2.14 398	1.18 389	1.30 385	1.15 369	0.83 398	0.61 400	1.01 401	0.69 400	0.97 403	0.77 401

WAO-8	1.50 396	1.22 403	1.39 371	1.10 402	0.85 400	2.15 405	0.78 386	1.84 405	3.76 408	1.46 398	2.18 404	2.15 399	1.50 399	3.20 411	1.35 383	0.92 401	0.66 406	1.10 403	0.79 404	0.94 400	0.74 399

Venus	1.50 396	1.22 403	1.39 371	1.10 402	0.85 400	2.15 405	0.78 386	1.84 405	3.76 408	1.46 398	2.18 404	2.15 399	1.50 399	3.20 411	1.35 383	0.92 401	0.66 406	1.10 403	0.79 404	0.94 400	0.74 399

TorneroNet-64	1.47 394	1.15 398	1.51 378	1.11 404	0.86 402	2.27 408	0.76 384	1.84 405	3.76 408	1.29 390	2.22 406	2.68 406	1.46 397	1.81 401	1.55 390	0.79 396	0.51 389	1.10 403	0.67 398	1.31 407	0.81 403

JetRed	2.35 408	2.70 415	6.11 411	1.14 405	1.38 411	6.03 414	3.61 414	2.12 409	1.72 397	1.99 406	1.97 401	2.15 399	1.59 403	2.49 408	4.19 413	1.05 404	1.60 413	1.10 403	1.02 410	1.72 413	1.41 412

TorneroNet	2.26 406	1.20 402	1.55 381	1.15 406	0.91 403	5.84 413	0.84 391	2.12 409	8.45 418	2.59 409	5.32 413	3.84 411	2.15 405	1.84 403	1.98 400	0.88 399	0.54 394	1.16 407	0.74 402	1.31 407	0.91 404

UNDER WATER-64	1.61 399	1.30 407	2.93 403	1.33 407	0.96 404	2.20 407	1.25 405	1.47 397	3.15 405	1.46 398	1.31 383	2.61 405	2.22 406	1.69 396	1.93 398	1.13 406	0.67 408	1.29 408	0.94 407	1.26 405	1.09 408

UNDER WATER	1.64 401	1.34 408	2.72 401	1.40 408	1.04 405	1.70 404	1.14 404	1.57 402	3.58 406	1.46 398	1.46 390	2.82 407	2.43 407	1.74 397	2.04 401	1.08 405	0.63 404	1.31 409	0.94 407	1.29 406	1.10 409

notaker	1.49 395	1.44 409	1.77 387	1.42 409	1.08 406	1.19 389	0.87 393	1.51 399	1.40 393	1.53 404	3.41 410	2.40 402	1.94 404	1.83 402	1.57 391	1.14 407	0.69 409	1.38 410	0.88 406	1.39 411	1.03 407

ktn	1.80 403	1.46 410	1.49 376	1.44 410	1.14 407	1.50 400	1.07 399	1.53 401	3.90 411	2.77 410	4.62 411	3.42 409	1.49 398	1.74 397	1.40 386	1.45 411	0.77 410	1.46 411	0.99 409	1.41 412	1.00 406

KSHMR	1.92 405	1.47 411	1.97 391	1.48 411	1.22 409	1.39 398	1.06 398	1.81 404	5.83 414	1.43 396	5.56 414	2.95 408	1.17 388	2.24 406	1.33 382	1.29 410	1.13 411	1.47 412	1.11 411	1.37 410	1.21 410

HanzoNet	3.08 409	1.87 414	2.70 400	1.81 412	1.34 410	1.60 402	1.05 397	2.06 408	2.62 404	5.63 414	5.12 412	5.96 415	7.09 416	4.39 415	3.43 410	3.29 415	2.06 416	1.98 414	2.94 417	2.47 415	2.15 415

SPstereo	14.29 422	1.85 413	2.95 404	1.89 413	1.68 413	23.50 430	43.36 430	35.81 437	29.54 437	20.90 431	20.49 428	26.26 437	21.86 430	25.13 437	19.49 429	1.60 412	1.44 412	2.99 416	2.21 415	1.34 409	1.43 413

tt	4.71 411	0.11 27	3.94 407	2.06 414	1.54 412	10.14 419	16.85 420	9.28 421	4.99 412	1.41 395	1.05 373	4.68 412	4.89 412	3.36 413	5.86 416	5.73 419	9.15 425	2.23 415	2.51 416	3.02 416	1.34 411

MADNet++	2.34 407	1.81 412	2.24 396	2.15 415	1.97 414	2.79 411	2.19 413	2.42 411	2.26 402	2.79 411	2.70 408	2.43 403	2.60 409	3.18 410	3.32 409	2.19 413	1.97 414	1.93 413	1.62 413	2.02 414	2.10 414

LSM	1.68 402	0.48 356	2.91 402	2.28 416	17.60 426	0.52 335	0.55 370	0.65 342	0.78 360	0.84 370	1.11 375	0.63 341	0.55 343	0.79 326	0.53 310	0.16 315	0.25 347	0.18 335	0.21 350	0.25 350	2.37 416

PML	15.86 426	13.12 428	7.07 412	5.22 417	7.66 418	32.93 431	64.30 437	5.37 416	10.12 419	25.87 436	67.29 437	20.25 428	13.20 427	10.09 421	6.81 418	5.94 421	2.00 415	6.03 422	2.18 414	9.13 423	2.62 417

DGTPSM_ROB	8.38 416	5.24 418	10.71 422	5.32 418	10.19 420	8.34 416	23.49 425	6.11 417	13.43 424	4.93 412	10.93 422	5.64 413	10.55 418	6.17 416	12.73 421	3.74 416	7.56 420	3.68 417	7.24 422	4.09 418	7.49 420

DPSimNet_ROB	6.21 413	5.16 417	9.50 414	5.59 419	5.56 416	7.64 415	10.02 417	4.07 414	7.33 416	6.84 415	6.26 415	7.17 417	10.55 418	4.07 414	5.68 414	5.50 418	4.29 417	5.24 419	3.66 418	4.05 417	5.96 419

DPSMNet_ROB	8.44 417	5.25 419	10.87 423	5.59 419	10.27 421	8.34 416	23.51 426	6.12 418	13.47 425	4.96 413	10.94 423	5.65 414	10.55 418	6.25 417	12.77 422	4.01 417	7.62 421	3.75 418	7.27 423	4.16 419	7.54 421

ASD4	8.08 415	7.42 420	8.23 413	6.03 421	6.01 417	14.62 422	20.55 421	9.03 420	8.06 417	7.51 418	6.52 416	7.36 418	6.42 414	8.13 419	9.88 419	5.93 420	5.10 418	6.60 423	5.79 419	6.82 420	5.52 418

Anonymous_1	16.44 427	9.26 421	9.67 416	10.63 422	14.54 424	18.62 427	26.98 427	12.68 425	13.53 426	10.78 425	10.37 421	10.15 420	10.66 421	10.99 425	12.64 420	15.61 433	7.73 422	16.87 430	43.01 434	56.14 438	7.86 424

DPSM_ROB	11.46 420	9.79 425	10.18 417	11.11 423	11.31 422	19.08 428	27.38 428	13.42 426	14.23 427	10.34 423	11.13 424	10.97 424	11.33 425	11.89 426	13.49 423	6.74 422	8.19 423	6.00 420	7.05 420	7.74 421	7.76 422

DPSM	11.46 420	9.79 425	10.18 417	11.11 423	11.31 422	19.08 428	27.38 428	13.42 426	14.23 427	10.34 423	11.13 424	10.97 424	11.33 425	11.89 426	13.49 423	6.74 422	8.19 423	6.00 420	7.05 420	7.74 421	7.76 422

LRCNet_RVC	10.94 419	14.45 429	9.66 415	15.38 425	8.02 419	1.08 384	0.35 319	8.72 419	0.72 354	12.63 426	15.84 426	9.73 419	6.52 415	8.58 420	6.38 417	20.33 434	5.39 419	23.79 433	21.95 431	15.35 427	13.96 428

HaxPig	17.72 428	20.23 436	19.76 425	16.55 426	16.52 425	9.46 418	9.42 416	14.48 428	13.31 423	18.59 427	18.67 427	17.39 427	16.68 428	17.07 428	16.43 428	21.99 435	20.86 435	22.28 432	21.55 430	21.30 434	21.88 435

MEDIAN_ROB	21.20 429	24.56 437	23.42 433	19.57 427	19.62 430	13.29 421	11.21 418	18.04 429	17.02 429	22.07 435	21.92 429	20.84 429	20.24 429	21.02 429	19.68 430	25.59 436	24.08 436	26.20 434	25.19 432	25.31 435	25.19 436

xxxxx1	15.30 423	9.78 422	10.23 419	20.34 428	19.47 427	17.10 423	23.00 422	10.36 422	11.04 420	9.25 420	9.66 418	10.74 421	10.66 421	10.60 422	13.72 425	8.14 424	9.35 426	31.88 436	44.61 435	12.63 424	13.46 425

tt_ll	15.30 423	9.78 422	10.23 419	20.34 428	19.47 427	17.10 423	23.00 422	10.36 422	11.04 420	9.25 420	9.66 418	10.74 421	10.66 421	10.60 422	13.72 425	8.14 424	9.35 426	31.88 436	44.61 435	12.63 424	13.46 425

ff	15.30 423	9.78 422	10.23 419	20.34 428	19.47 427	17.10 423	23.00 422	10.36 422	11.04 420	9.25 420	9.66 418	10.74 421	10.66 421	10.60 422	13.72 425	8.14 424	9.35 426	31.88 436	44.61 435	12.63 424	13.46 425

CasAABBNet	23.04 430	19.69 430	20.32 426	22.42 431	22.73 431	38.35 432	55.23 433	26.99 434	28.74 432	20.67 429	22.28 431	22.11 433	22.86 434	23.84 433	27.17 433	13.52 427	16.47 430	12.08 424	14.21 425	15.57 428	15.60 429

Selective-RAFT-Error	23.11 431	19.77 434	20.60 428	22.49 432	22.80 432	38.46 437	55.19 432	27.13 436	28.90 436	20.73 430	22.38 432	22.11 433	22.91 436	23.94 434	27.18 434	13.54 428	16.57 431	12.09 425	14.21 425	15.61 432	15.65 430

MyStereo03	23.12 432	19.74 431	20.70 429	22.51 433	22.82 433	38.36 433	55.25 434	26.92 431	28.81 433	20.90 431	22.38 432	22.06 430	22.80 431	23.83 430	27.20 435	13.55 429	16.70 432	12.09 425	14.22 427	15.58 429	16.03 431

MyStereo02	23.12 432	19.74 431	20.70 429	22.51 433	22.82 433	38.36 433	55.25 434	26.92 431	28.81 433	20.90 431	22.38 432	22.06 430	22.80 431	23.83 430	27.20 435	13.55 429	16.70 432	12.09 425	14.22 427	15.58 429	16.03 431

MyStereo	23.12 432	19.74 431	20.70 429	22.51 433	22.82 433	38.36 433	55.25 434	26.92 431	28.81 433	20.90 431	22.38 432	22.06 430	22.80 431	23.83 430	27.20 435	13.55 429	16.70 432	12.09 425	14.22 427	15.58 429	16.03 431

LSM0	24.21 435	19.88 435	22.33 432	24.42 436	40.13 438	38.41 436	54.99 431	27.05 435	28.61 431	20.59 428	22.00 430	22.29 435	22.86 434	24.12 435	27.16 432	13.59 432	16.33 429	12.13 429	14.08 424	15.72 433	17.53 434

AVERAGE_ROB	25.43 436	29.01 438	27.22 434	24.60 437	24.16 437	17.78 426	12.87 419	22.39 430	21.40 430	26.72 437	26.08 436	25.18 436	24.52 437	25.07 436	23.57 431	29.94 437	28.36 437	30.60 435	29.57 433	29.83 436	29.66 437

test_example2	100.95 437	107.33 439	67.16 436	98.17 438	106.88 439	89.44 438	101.34 438	37.23 438	97.88 438	129.56 438	131.26 438	65.41 438	67.34 438	91.22 438	79.29 438	143.32 438	199.32 438	81.12 439	102.17 438	121.89 439	101.70 438

DLNR_Zeroshot_test	10.53 418	12.28 427	20.32 426	105.84 439	23.88 436	0.14 3	0.13 2	3.20 413	0.20 5	0.16 11	0.23 50	0.16 32	0.10 3	0.32 138	0.16 46	2.54 414	0.32 377	0.07 13	0.07 44	40.17 437	0.28 331

Low-res two-view benchmark