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

MIM_Stereo	0.55 103	0.92 219	2.65 223	0.32 91	1.09 370	0.51 46	0.19 12	0.67 86	0.52 45	0.48 65	0.54 140	0.43 92	0.27 62	0.57 98	0.30 56	0.08 1	0.17 199	0.11 92	0.10 71	0.28 244	0.80 305

LoS_RVC	0.34 5	0.38 55	1.96 38	0.27 22	0.35 217	0.43 15	0.22 39	0.43 5	0.34 1	0.24 9	0.34 34	0.23 14	0.28 72	0.34 15	0.22 4	0.08 1	0.07 6	0.07 1	0.05 1	0.10 10	0.35 155

RAFT_CTSACE	0.58 126	1.16 263	2.76 264	0.36 157	0.29 164	0.54 73	0.29 158	0.69 91	0.51 40	0.51 110	0.75 283	0.67 219	0.37 128	0.63 114	0.47 142	0.08 1	0.49 291	0.11 92	0.10 71	0.41 329	0.32 139

test_4	0.47 48	0.80 189	2.15 69	0.36 157	0.29 164	0.59 130	0.28 133	0.50 23	0.42 9	0.43 43	0.76 286	0.39 74	0.22 19	0.73 147	0.49 154	0.08 1	0.18 205	0.11 92	0.15 195	0.29 252	0.27 108

test-3	0.58 126	0.43 76	2.44 134	0.52 275	0.59 297	0.46 20	0.23 58	0.77 118	0.49 29	0.52 118	0.29 17	0.44 107	0.22 19	0.59 102	0.97 259	0.08 1	1.27 364	0.10 46	0.35 338	0.29 252	0.62 266

test_1	0.58 126	0.43 76	2.44 134	0.52 275	0.59 297	0.46 20	0.23 58	0.77 118	0.49 29	0.51 110	0.29 17	0.44 107	0.22 19	0.59 102	0.97 259	0.08 1	1.27 364	0.10 46	0.35 338	0.29 252	0.63 270

test_3	0.59 141	0.44 80	2.44 134	0.53 279	0.59 297	0.48 33	0.30 170	0.79 132	0.52 45	0.51 110	0.30 20	0.45 119	0.22 19	0.59 102	0.97 259	0.08 1	1.25 360	0.11 92	0.35 338	0.30 258	0.62 266

cross-raft	0.47 48	0.34 30	2.17 72	0.70 329	0.84 343	0.50 44	0.35 217	0.74 108	0.43 13	0.44 49	0.45 76	0.63 200	0.25 41	0.37 25	0.27 37	0.08 1	0.14 166	0.10 46	0.23 276	0.11 17	0.27 108

RAFT-Stereo + iAFF	0.58 126	1.48 334	2.53 178	0.29 46	0.78 338	0.52 61	0.20 20	0.68 89	0.66 123	0.51 110	0.61 197	0.40 82	0.32 107	0.40 35	0.43 128	0.08 1	0.63 312	0.09 13	0.09 37	0.37 304	0.58 256

AFF-stereo	0.57 118	1.51 336	2.59 199	0.33 111	0.23 109	0.51 46	0.21 30	0.69 91	0.68 159	0.49 81	0.63 212	0.49 136	0.34 119	0.50 74	0.37 107	0.08 1	0.54 297	0.10 46	0.10 71	0.40 323	0.60 263

MyStereo07	0.56 111	0.68 151	2.42 121	0.30 60	0.41 248	0.61 160	0.31 180	0.58 55	0.72 196	1.17 348	0.26 14	0.20 2	0.27 62	1.28 221	0.28 42	0.09 11	0.59 306	0.12 135	0.21 269	0.16 69	0.48 224

MyStereo06	0.70 227	0.72 163	3.51 348	0.31 74	0.25 124	0.60 142	0.30 170	0.90 219	0.67 135	1.48 376	0.53 126	0.84 292	0.57 256	0.60 107	1.11 280	0.09 11	0.55 299	0.12 135	0.20 258	0.16 69	0.56 254

MyStereo05	0.57 118	0.72 163	2.72 252	0.31 74	0.25 124	0.60 142	0.30 170	0.87 197	0.82 268	0.54 130	0.37 42	0.53 151	0.42 174	0.63 114	0.73 221	0.09 11	0.55 299	0.12 135	0.20 258	0.16 69	0.56 254

MyStereo04	0.57 118	0.68 151	2.66 227	0.30 60	0.41 248	0.61 160	0.31 180	0.88 205	0.80 256	0.48 65	0.37 42	0.54 156	0.42 174	0.61 110	0.71 216	0.09 11	0.59 306	0.12 135	0.21 269	0.16 69	0.48 224

AE-Stereo	0.71 231	0.32 14	2.44 134	0.44 238	0.50 275	0.58 112	0.23 58	1.08 333	0.67 135	0.67 256	0.51 116	0.47 128	0.24 27	0.63 114	0.32 78	0.09 11	2.15 400	0.11 92	0.45 359	0.22 173	2.01 382

ff7	0.65 191	0.58 119	2.09 57	0.39 198	0.60 302	0.56 86	0.23 58	0.49 14	0.62 92	1.00 331	0.24 6	0.20 2	0.24 27	0.71 141	0.24 15	0.09 11	2.09 391	0.10 46	0.18 233	0.24 193	2.22 396

ffff	0.65 191	0.58 119	2.09 57	0.39 198	0.60 302	0.56 86	0.23 58	0.49 14	0.62 92	1.00 331	0.24 6	0.20 2	0.24 27	0.71 141	0.24 15	0.09 11	2.09 391	0.10 46	0.18 233	0.24 193	2.22 396

11t	0.65 191	0.58 119	2.09 57	0.39 198	0.60 302	0.56 86	0.23 58	0.49 14	0.62 92	1.00 331	0.24 6	0.20 2	0.24 27	0.71 141	0.24 15	0.09 11	2.09 391	0.10 46	0.18 233	0.24 193	2.22 396

MSKI-zero shot	0.70 227	0.44 80	2.62 212	1.47 379	0.75 330	0.56 86	0.20 20	0.80 137	0.45 17	0.60 197	0.52 123	0.44 107	0.17 1	0.70 135	0.26 32	0.09 11	2.87 412	0.09 13	0.32 320	0.14 51	0.50 232

AEACV	0.89 305	0.29 2	1.84 18	2.50 406	1.68 396	0.53 66	0.21 30	1.01 289	0.42 9	0.68 262	0.31 25	0.22 8	0.39 146	1.63 267	0.25 23	0.09 11	2.60 409	0.09 13	0.54 372	0.23 187	2.27 401

HH	0.79 265	0.52 102	2.72 252	1.45 377	0.80 339	0.91 326	0.23 58	0.76 112	0.76 229	0.64 236	0.55 149	0.87 303	0.41 163	0.94 179	0.45 135	0.09 11	1.20 355	0.10 46	0.09 37	0.16 69	2.16 389

HanStereo	0.79 265	0.52 102	2.72 252	1.45 377	0.80 339	0.91 326	0.23 58	0.76 112	0.76 229	0.64 236	0.55 149	0.87 303	0.41 163	0.94 179	0.45 135	0.09 11	1.20 355	0.10 46	0.09 37	0.16 69	2.16 389

4D-IteraStereo	0.62 167	1.29 296	3.04 306	0.27 22	0.30 175	0.46 20	0.26 111	0.54 39	0.51 40	0.41 33	0.31 25	0.39 74	0.19 7	0.53 86	0.65 201	0.09 11	0.47 287	0.12 135	0.11 109	0.21 159	2.14 388

anonymousdsp	0.86 291	0.59 125	2.65 223	1.33 371	1.25 379	0.56 86	0.23 58	0.54 39	0.71 189	1.13 344	0.25 11	0.22 8	0.24 27	1.24 214	0.24 15	0.09 11	2.34 406	0.10 46	0.18 233	0.25 208	3.12 410

CES	0.33 4	0.32 14	1.46 3	0.25 5	0.50 275	0.40 12	0.20 20	0.48 11	0.48 27	0.22 3	0.29 17	0.26 29	0.19 7	0.35 22	0.22 4	0.09 11	0.07 6	0.08 3	0.05 1	0.16 69	0.54 247

Selective-IGEV	0.57 118	0.42 70	1.87 23	1.67 389	1.33 382	0.36 10	0.20 20	0.61 67	0.71 189	0.22 3	0.31 25	0.22 8	0.19 7	0.52 79	0.36 104	0.09 11	0.97 337	0.09 13	0.15 195	0.20 150	0.85 313

DCRE	0.76 256	0.80 189	2.31 94	1.05 360	1.18 375	0.63 195	0.26 111	1.03 301	0.59 76	0.52 118	2.12 377	0.44 107	0.27 62	0.41 41	0.53 165	0.09 11	1.02 345	0.10 46	0.32 320	0.16 69	1.47 369

ProNet	0.46 45	0.60 127	1.85 20	0.35 143	0.67 320	0.49 38	0.25 99	0.53 30	0.57 66	0.21 1	0.24 6	0.22 8	0.20 14	0.52 79	0.22 4	0.09 11	0.47 287	0.10 46	0.09 37	0.23 187	1.33 358

MC-Stereo	0.58 126	0.37 50	2.00 41	0.88 346	0.64 316	0.54 73	0.19 12	0.46 9	0.39 3	0.58 169	0.39 51	0.27 36	0.27 62	0.71 141	0.32 78	0.09 11	1.20 355	0.09 13	0.16 212	0.22 173	1.92 380

RCA-Stereo	0.45 40	0.38 55	1.80 11	0.27 22	0.25 124	0.58 112	0.23 58	0.84 168	0.66 123	0.42 37	0.44 75	0.28 38	0.35 121	0.31 3	0.21 1	0.09 11	1.01 340	0.09 13	0.07 12	0.21 159	0.53 244

ccc-4	0.65 191	0.58 119	2.09 57	0.39 198	0.60 302	0.56 86	0.23 58	0.49 14	0.62 92	1.00 331	0.24 6	0.20 2	0.24 27	0.71 141	0.24 15	0.09 11	2.09 391	0.10 46	0.18 233	0.24 193	2.22 396

raft_robust	0.68 216	1.24 286	2.42 121	0.30 60	0.57 292	0.53 66	0.25 99	0.95 254	0.79 249	0.49 81	0.46 78	1.12 356	0.74 306	1.50 247	0.61 187	0.09 11	0.62 311	0.10 46	0.30 310	0.26 223	0.30 129

RAFT+CT+SA	0.60 147	1.25 289	2.49 170	0.38 185	0.75 330	0.55 82	0.34 208	0.83 161	0.68 159	0.39 30	0.55 149	0.44 107	0.29 88	0.75 151	0.28 42	0.09 11	0.24 239	0.11 92	0.51 368	0.30 258	0.74 297

IGEV-Stereo	0.86 291	0.60 127	2.65 223	1.35 373	1.25 379	0.56 86	0.23 58	0.54 39	0.71 189	1.14 345	0.25 11	0.22 8	0.24 27	1.24 214	0.24 15	0.09 11	2.34 406	0.10 46	0.18 233	0.25 208	3.13 411
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
GLC_STEREO	0.31 1	0.30 5	1.80 11	0.29 46	0.12 3	0.41 13	0.20 20	0.39 2	0.42 9	0.26 14	0.31 25	0.25 23	0.19 7	0.36 24	0.26 32	0.09 11	0.11 125	0.12 135	0.10 71	0.13 35	0.15 30

IPLG	0.74 244	1.09 243	2.87 285	0.36 157	0.21 77	1.63 375	0.60 317	1.39 370	0.63 103	1.39 368	0.51 116	0.40 82	0.86 325	1.40 232	0.37 107	0.09 11	0.07 6	0.14 220	0.12 139	0.34 281	0.23 85

GMOStereo	0.58 126	0.89 206	2.46 157	0.29 46	0.99 358	0.51 46	0.32 190	0.58 55	0.46 18	0.58 169	0.48 89	0.54 156	0.27 62	0.31 3	0.25 23	0.09 11	1.64 380	0.13 191	0.11 109	0.34 281	0.42 193

error version	0.58 126	0.89 206	2.46 157	0.29 46	0.99 358	0.51 46	0.32 190	0.58 55	0.46 18	0.58 169	0.48 89	0.54 156	0.27 62	0.31 3	0.25 23	0.09 11	1.64 380	0.13 191	0.11 109	0.34 281	0.42 193

test-v	0.58 126	0.89 206	2.46 157	0.29 46	0.99 358	0.51 46	0.32 190	0.58 55	0.46 18	0.58 169	0.48 89	0.54 156	0.27 62	0.31 3	0.25 23	0.09 11	1.64 380	0.13 191	0.11 109	0.34 281	0.42 193

test-2	0.58 126	0.89 206	2.46 157	0.29 46	0.99 358	0.51 46	0.32 190	0.58 55	0.46 18	0.58 169	0.48 89	0.54 156	0.27 62	0.31 3	0.25 23	0.09 11	1.64 380	0.13 191	0.11 109	0.34 281	0.42 193

iRaftStereo_RVC	0.47 48	0.84 192	1.91 29	0.29 46	0.15 13	0.53 66	0.20 20	0.58 55	0.50 35	0.37 25	0.43 64	0.42 91	0.23 25	0.38 27	0.28 42	0.09 11	0.70 324	0.12 135	0.11 109	0.43 333	0.77 298

CREStereo++_RVC	0.38 13	0.37 50	2.47 162	0.25 5	0.16 20	0.54 73	0.15 1	0.42 4	0.57 66	0.37 25	0.52 123	0.24 20	0.19 7	0.31 3	0.27 37	0.09 11	0.06 1	0.08 3	0.30 310	0.09 5	0.22 77
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
EAI-Stereo	1.16 347	0.29 2	1.94 34	0.55 286	0.97 357	1.96 386	7.94 414	1.34 367	1.03 341	1.01 335	1.48 362	0.51 143	0.66 287	0.65 122	1.42 311	0.09 11	0.23 236	0.09 13	0.53 371	0.13 35	0.49 230

CFNet-RSSM	0.44 37	0.36 40	2.38 105	0.28 34	0.43 259	0.53 66	0.20 20	0.86 190	0.52 45	0.44 49	0.36 38	0.53 151	0.26 49	0.40 35	0.27 37	0.09 11	0.08 38	0.09 13	0.38 347	0.10 10	0.22 77

Gwc-CoAtRS	0.41 18	0.37 50	2.06 53	0.28 34	0.41 248	0.48 33	0.19 12	0.64 78	0.49 29	0.45 51	0.39 51	0.57 175	0.26 49	0.37 25	0.28 42	0.09 11	0.19 209	0.09 13	0.31 315	0.11 17	0.25 98

HITNet	0.55 103	1.28 294	2.73 257	0.35 143	0.14 8	0.56 86	0.23 58	0.89 211	0.62 92	0.52 118	0.51 116	0.49 136	0.38 135	0.52 79	0.60 182	0.09 11	0.07 6	0.10 46	0.08 27	0.25 208	0.61 264
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
MyStereo8	0.73 241	1.16 263	2.89 287	0.53 279	0.34 209	0.71 257	0.20 20	1.87 388	0.59 76	0.53 126	0.66 232	0.50 140	0.33 112	1.27 220	0.62 190	0.10 47	1.19 354	0.10 46	0.21 269	0.21 159	0.61 264

ACVNet-DCA	0.67 211	0.73 166	2.43 126	0.67 322	0.52 279	0.76 277	0.24 80	0.81 144	0.83 274	0.77 294	0.39 51	0.25 23	0.38 135	0.70 135	0.22 4	0.10 47	2.13 396	0.11 92	0.09 37	0.16 69	1.18 342

xx1	0.71 231	0.73 166	2.43 126	0.67 322	0.52 279	0.76 277	0.24 80	0.85 178	1.05 345	0.77 294	0.39 51	0.46 123	0.37 128	0.70 135	0.22 4	0.10 47	2.13 396	0.12 135	0.41 355	0.16 69	1.18 342

1test111	0.72 239	0.73 166	2.43 126	0.67 322	0.52 279	0.76 277	0.24 80	0.81 144	0.83 274	0.77 294	0.39 51	0.25 23	0.38 135	1.03 186	0.75 224	0.10 47	2.13 396	0.11 92	0.09 37	0.16 69	1.18 342

cc1	0.74 244	0.73 166	2.43 126	0.67 322	0.52 279	0.76 277	0.24 80	0.85 178	1.05 345	0.77 294	0.39 51	0.25 23	0.38 135	0.70 135	0.22 4	0.10 47	2.13 396	0.11 92	0.09 37	0.25 208	2.20 395

IGEVStereo-DCA	0.74 244	0.74 175	2.09 57	0.76 334	0.77 335	0.45 17	0.23 58	0.49 14	0.62 92	0.71 279	0.22 2	0.30 43	0.28 72	1.29 222	1.53 318	0.10 47	1.50 378	0.10 46	0.18 233	0.24 193	2.22 396

rrr	0.84 280	0.74 175	3.40 339	0.76 334	0.77 335	0.45 17	0.28 133	1.23 360	0.84 286	0.71 279	0.22 2	0.30 43	0.28 72	1.29 222	1.53 318	0.10 47	1.50 378	0.10 46	0.29 304	0.24 193	1.75 377

DualNet	0.97 322	0.67 144	3.39 334	0.32 91	0.22 86	0.58 112	0.28 133	0.85 178	0.96 327	0.54 130	0.74 276	0.67 219	0.40 152	0.64 118	3.86 390	0.10 47	2.16 401	0.15 245	0.33 330	0.25 208	2.19 391

ffm	0.78 262	0.67 144	3.39 334	0.32 91	0.22 86	0.58 112	0.28 133	0.85 178	0.96 327	0.54 130	0.74 276	0.67 219	0.40 152	0.64 118	0.22 4	0.10 47	2.16 401	0.15 245	0.33 330	0.25 208	2.19 391

ff1	1.07 338	0.67 144	3.39 334	0.32 91	0.22 86	0.58 112	0.28 133	0.85 178	0.96 327	0.54 130	0.74 276	0.67 219	0.40 152	2.75 378	3.86 390	0.10 47	2.16 401	0.15 245	0.33 330	0.25 208	2.19 391

tt1	0.74 244	0.73 166	2.34 99	0.67 322	0.63 312	0.75 273	0.24 80	0.85 178	0.96 327	0.81 306	0.38 48	0.26 29	0.35 121	0.64 118	0.22 4	0.10 47	2.16 401	0.11 92	0.09 37	0.25 208	2.19 391

StereoIM	0.35 7	0.89 206	2.15 69	0.25 5	0.29 164	0.29 3	0.17 5	0.47 10	0.41 5	0.21 1	0.22 2	0.28 38	0.21 16	0.32 13	0.31 70	0.10 47	0.09 81	0.10 46	0.08 27	0.11 17	0.12 10

IGEV_Zeroshot_test	0.91 310	0.39 59	3.80 365	0.42 223	1.95 400	0.56 86	0.64 326	0.84 168	0.55 59	1.45 373	0.53 126	0.79 275	0.42 174	0.57 98	1.13 282	0.10 47	0.49 291	0.10 46	0.34 336	0.19 133	2.97 408

RAFT-Test	0.56 111	0.41 68	2.01 43	0.90 349	1.07 368	0.65 221	0.37 227	0.83 161	0.65 116	0.49 81	0.49 102	0.93 317	0.24 27	0.52 79	0.30 56	0.10 47	0.38 272	0.09 13	0.38 347	0.11 17	0.19 60

anonymousdsp2	0.88 298	0.31 7	1.96 38	1.06 361	1.56 392	0.57 105	0.22 39	0.84 168	0.98 334	1.20 354	0.37 42	0.65 210	0.26 49	1.19 208	0.46 139	0.10 47	2.40 408	0.10 46	0.13 159	0.19 133	2.96 407

LoS	0.34 5	0.35 37	1.88 24	0.25 5	0.13 5	0.53 66	0.20 20	0.50 23	0.53 51	0.26 14	0.28 15	0.37 67	0.24 27	0.40 35	0.25 23	0.10 47	0.08 38	0.08 3	0.06 6	0.15 60	0.10 4

EGLCR-Stereo	0.90 308	0.31 7	1.90 27	1.60 385	0.95 353	1.14 353	0.42 252	0.85 178	0.43 13	1.74 382	0.21 1	0.27 36	0.17 1	1.56 253	0.30 56	0.10 47	2.60 409	0.10 46	0.09 37	0.10 10	3.10 409

anonymousa	0.74 244	0.60 127	2.58 197	0.96 355	1.33 382	0.61 160	0.26 111	0.69 91	0.56 63	0.55 141	0.84 300	0.82 287	0.46 210	0.56 95	0.61 187	0.10 47	1.11 351	0.12 135	0.98 398	0.14 51	0.97 331

CroCo-Stereo Lap2	0.38 13	0.91 214	2.02 46	0.33 111	0.38 235	0.23 2	0.21 30	0.63 76	0.51 40	0.23 6	0.28 15	0.29 42	0.23 25	0.34 15	0.28 42	0.10 47	0.09 81	0.10 46	0.08 27	0.22 173	0.15 30

TestStereo1	0.59 141	1.21 276	2.63 213	0.40 211	0.60 302	0.56 86	0.34 208	0.82 151	0.73 199	0.45 51	0.63 212	0.36 64	0.42 174	0.66 125	0.42 122	0.10 47	0.32 260	0.12 135	0.10 71	0.34 281	0.52 241

DCANet-4	0.43 25	0.32 14	2.31 94	0.26 15	0.14 8	0.51 46	0.22 39	0.84 168	0.78 240	0.55 141	0.48 89	0.28 38	0.37 128	0.40 35	0.37 107	0.10 47	0.07 6	0.09 13	0.07 12	0.08 1	0.43 198

fff	0.50 70	0.90 211	2.63 213	0.25 5	0.15 13	0.51 46	0.22 39	0.85 178	0.82 268	0.55 141	0.48 89	0.31 48	0.65 281	0.39 31	0.37 107	0.10 47	0.07 6	0.09 13	0.07 12	0.08 1	0.43 198

ADStereo(finetuned)	0.50 70	0.91 214	2.43 126	0.26 15	0.14 8	0.51 46	0.22 39	0.84 168	0.78 240	0.56 151	0.49 102	0.32 52	0.75 310	0.40 35	0.40 116	0.10 47	0.07 6	0.09 13	0.07 12	0.13 35	0.45 215

test_5	0.61 154	1.25 289	2.76 264	0.39 198	0.64 316	0.58 112	0.35 217	0.85 178	0.66 123	0.49 81	0.56 161	0.55 164	0.40 152	0.79 159	0.32 78	0.10 47	0.19 209	0.12 135	0.12 139	0.33 275	0.85 313

SA-5K	0.59 141	1.21 276	2.63 213	0.40 211	0.60 302	0.56 86	0.34 208	0.82 151	0.73 199	0.45 51	0.63 212	0.36 64	0.42 174	0.66 125	0.42 122	0.10 47	0.32 260	0.12 135	0.10 71	0.34 281	0.52 241

Sa-1000	0.61 154	1.07 239	2.71 250	0.32 91	0.61 309	0.61 160	0.31 180	1.00 281	0.76 229	0.53 126	0.83 298	0.43 92	0.33 112	0.69 134	0.30 56	0.10 47	0.52 296	0.13 191	0.28 300	0.29 252	0.29 120

SA	0.61 154	1.14 255	2.79 268	0.32 91	0.63 312	0.57 105	0.30 170	0.97 264	0.78 240	0.43 43	0.63 212	0.39 74	0.46 210	0.70 135	0.31 70	0.10 47	0.44 284	0.13 191	0.32 320	0.31 266	0.51 236

iRaft-Stereo_5w	0.65 191	1.35 308	2.21 80	0.30 60	0.63 312	0.49 38	0.28 133	0.78 125	0.64 109	0.41 33	0.61 197	0.62 196	0.46 210	1.79 293	0.48 145	0.10 47	0.25 246	0.11 92	0.12 139	0.40 323	0.94 323

iRaft-Stereo_20w	1.50 370	0.42 70	4.81 392	2.24 404	2.09 403	1.36 360	1.27 384	1.38 369	0.94 320	2.07 385	0.42 62	0.85 297	0.69 295	0.87 171	1.37 308	0.10 47	4.04 414	0.09 13	0.40 351	0.17 90	4.53 414

MIPNet	0.88 298	1.07 239	2.85 282	0.61 307	0.18 47	1.46 365	1.37 387	1.65 381	0.78 240	1.93 384	0.85 303	0.75 263	1.66 373	0.87 171	0.34 95	0.10 47	0.08 38	0.11 92	0.32 320	0.27 234	0.26 103

IPLGR	0.58 126	0.64 140	3.12 313	0.37 167	0.18 47	0.62 182	0.54 298	1.06 327	0.69 167	0.73 282	0.46 78	0.50 140	0.44 195	1.12 199	0.31 70	0.10 47	0.08 38	0.11 92	0.09 37	0.21 159	0.20 68

CrosDoStereo	0.96 319	0.49 89	2.66 227	0.27 22	0.33 200	0.54 73	3.69 405	0.77 118	0.66 123	0.70 270	1.39 359	0.53 151	1.47 366	1.77 288	3.02 376	0.10 47	0.08 38	0.11 92	0.11 109	0.22 173	0.30 129

LCNet	0.58 126	0.43 76	2.42 121	0.91 351	0.22 86	0.95 334	0.29 158	0.62 70	0.64 109	0.52 118	0.55 149	0.41 87	0.75 310	0.84 168	0.27 37	0.10 47	0.07 6	0.12 135	0.18 233	0.97 380	0.40 182

STrans-v2	0.69 222	0.62 136	2.66 227	0.28 34	0.23 109	0.57 105	0.32 190	1.01 289	0.77 237	0.92 324	0.84 300	0.88 307	0.92 335	1.81 296	1.19 289	0.10 47	0.07 6	0.10 46	0.09 37	0.12 25	0.30 129

TransformOpticalFlow	0.65 191	0.61 132	2.67 234	0.45 245	0.26 138	0.62 182	0.28 133	0.88 205	0.76 229	0.76 292	0.74 276	0.90 311	0.84 320	1.82 299	0.80 238	0.10 47	0.07 6	0.11 92	0.09 37	0.12 25	0.19 60

PSM-AAD	0.67 211	0.29 2	2.41 117	0.37 167	0.23 109	0.86 314	1.15 377	0.62 70	0.66 123	0.64 236	0.71 268	0.67 219	2.90 396	0.65 122	0.32 78	0.10 47	0.08 38	0.17 275	0.15 195	0.14 51	0.34 149

KYRaft	0.52 82	0.35 37	2.40 113	0.34 128	0.21 77	0.75 273	0.43 259	0.62 70	0.63 103	0.64 236	0.92 318	0.53 151	0.72 299	0.60 107	0.26 32	0.10 47	0.07 6	0.12 135	0.14 177	0.13 35	0.54 247

ASMatch	0.61 154	0.47 85	2.72 252	0.91 351	0.36 223	0.56 86	0.24 80	0.54 39	0.67 135	0.48 65	1.20 348	0.47 128	0.65 281	1.33 226	0.93 256	0.10 47	0.08 38	0.11 92	0.11 109	0.10 10	0.17 49

DeepStereo_LL	0.96 319	0.49 89	2.66 227	0.27 22	0.33 200	0.54 73	3.69 405	0.77 118	0.66 123	0.70 270	1.39 359	0.53 151	1.47 366	1.77 288	3.02 376	0.10 47	0.08 38	0.11 92	0.11 109	0.22 173	0.30 129

DEmStereo	0.69 222	0.40 63	2.42 121	0.42 223	0.18 47	0.66 234	0.88 357	0.54 39	0.64 109	0.60 197	1.00 332	0.45 119	1.24 355	1.53 249	2.21 352	0.10 47	0.08 38	0.10 46	0.10 71	0.11 17	0.14 24

THIR-Stereo	0.88 298	0.85 194	2.33 98	0.26 15	0.16 20	0.59 130	2.69 401	0.62 70	0.54 54	0.62 216	1.61 366	0.96 325	1.77 379	1.67 274	2.20 351	0.10 47	0.08 38	0.14 220	0.11 109	0.16 69	0.21 72

GrayStereo	0.71 231	0.27 1	2.40 113	0.89 347	0.23 109	0.62 182	1.40 391	0.67 86	0.70 177	0.72 281	0.77 290	0.55 164	3.03 397	0.60 107	0.28 42	0.10 47	0.08 38	0.10 46	0.21 269	0.12 25	0.37 162

RAFT-345	0.56 111	0.37 50	2.68 239	0.40 211	0.34 209	0.58 112	0.41 246	0.49 14	0.70 177	0.51 110	0.99 331	0.43 92	0.28 72	1.56 253	0.81 242	0.10 47	0.07 6	0.11 92	0.09 37	0.11 17	0.09 2

CroCo-Stereo	0.35 7	0.71 158	1.67 8	0.32 91	0.17 37	0.19 1	0.21 30	0.79 132	0.54 54	0.22 3	0.25 11	0.55 164	0.22 19	0.28 1	0.28 42	0.10 47	0.08 38	0.08 3	0.07 12	0.12 25	0.10 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
test-1	0.61 154	0.54 107	2.09 57	0.31 74	1.37 384	0.51 46	0.28 133	0.83 161	0.50 35	0.42 37	0.55 149	0.54 156	0.24 27	0.38 27	1.25 297	0.10 47	1.08 348	0.10 46	0.17 225	0.11 17	0.77 298

GMM-Stereo	0.53 92	0.33 23	2.89 287	0.53 279	0.24 118	0.77 287	0.46 275	0.62 70	0.65 116	0.58 169	0.73 273	0.47 128	0.43 187	0.68 132	0.29 51	0.10 47	0.06 1	0.13 191	0.13 159	0.14 51	0.44 210

Prome-Stereo	0.53 92	0.36 40	2.39 111	0.60 301	0.23 109	0.63 195	0.41 246	0.66 83	0.67 135	0.59 188	1.02 335	0.43 92	0.71 298	0.61 110	0.34 95	0.10 47	0.07 6	0.10 46	0.09 37	0.13 35	0.44 210

rafts_anoy	0.60 147	1.33 303	2.59 199	0.53 279	1.09 370	0.49 38	0.25 99	0.67 86	0.53 51	0.41 33	0.38 48	0.33 56	0.30 98	0.68 132	0.41 118	0.10 47	1.13 352	0.13 191	0.15 195	0.20 150	0.29 120

raft+_RVC	0.62 167	1.18 269	2.43 126	0.36 157	2.08 402	0.52 61	0.25 99	0.66 83	0.54 54	0.36 23	0.46 78	0.32 52	0.28 72	0.49 69	0.43 128	0.10 47	0.91 335	0.10 46	0.09 37	0.22 173	0.70 291

TANstereo	0.39 15	0.70 156	2.48 167	0.23 3	0.12 3	0.54 73	0.16 3	0.41 3	0.47 24	0.45 51	0.51 116	0.26 29	0.22 19	0.34 15	0.21 1	0.10 47	0.10 104	0.08 3	0.07 12	0.09 5	0.18 56

XX-TBD	0.40 17	1.04 236	2.49 170	0.35 143	0.13 5	0.51 46	0.17 5	0.44 6	0.52 45	0.38 28	0.51 116	0.23 14	0.19 7	0.31 3	0.25 23	0.10 47	0.07 6	0.08 3	0.06 6	0.09 5	0.18 56

raftrobust	0.52 82	1.14 255	2.15 69	0.33 111	0.99 358	0.53 66	0.21 30	0.59 62	0.50 35	0.53 126	0.36 38	0.31 48	0.33 112	0.47 51	0.42 122	0.10 47	0.55 299	0.09 13	0.08 27	0.22 173	0.46 218

RALCasStereoNet	0.65 191	1.34 305	2.56 193	0.43 233	0.96 354	0.50 44	0.26 111	0.62 70	0.56 63	0.43 43	0.49 102	0.36 64	0.28 72	0.72 146	0.53 165	0.10 47	1.18 353	0.09 13	0.08 27	0.27 234	1.27 353

RALAANet	0.52 82	1.37 315	2.63 213	0.33 111	0.23 109	0.48 33	0.19 12	0.69 91	0.55 59	0.49 81	0.46 78	0.39 74	0.31 102	0.53 86	0.53 165	0.10 47	0.33 264	0.11 92	0.17 225	0.29 252	0.13 12

DCANet	0.49 66	0.91 214	2.63 213	0.26 15	0.14 8	0.51 46	0.22 39	0.84 168	0.78 240	0.56 151	0.49 102	0.32 52	0.41 163	0.39 31	0.41 118	0.10 47	0.07 6	0.09 13	0.07 12	0.14 51	0.45 215

csc	0.50 70	0.90 211	2.63 213	0.25 5	0.15 13	0.51 46	0.22 39	0.85 178	0.82 268	0.55 141	0.48 89	0.31 48	0.65 281	0.39 31	0.37 107	0.10 47	0.07 6	0.09 13	0.07 12	0.08 1	0.43 198

cscssc	0.50 70	0.90 211	2.63 213	0.25 5	0.15 13	0.51 46	0.22 39	0.85 178	0.82 268	0.55 141	0.48 89	0.31 48	0.65 281	0.39 31	0.37 107	0.10 47	0.07 6	0.09 13	0.07 12	0.08 1	0.43 198

111	0.57 118	1.41 320	2.63 213	0.25 5	0.15 13	0.59 130	0.26 111	0.90 219	0.83 274	0.50 99	0.54 140	0.57 175	0.38 135	0.54 91	0.41 118	0.10 47	0.07 6	0.09 13	0.07 12	0.24 193	0.81 307

test_xeample3	0.86 291	0.75 179	3.36 329	0.65 316	0.76 333	0.49 38	0.33 203	1.21 359	0.80 256	0.61 204	0.23 5	0.30 43	0.29 88	1.17 206	1.57 320	0.10 47	1.79 384	0.10 46	0.40 351	0.25 208	2.09 385

DIP-Stereo	0.43 25	0.50 95	2.21 80	0.27 22	0.18 47	0.63 195	0.17 5	0.94 241	0.58 72	0.49 81	0.48 89	0.30 43	0.30 98	0.40 35	0.31 70	0.10 47	0.08 38	0.10 46	0.08 27	0.15 60	0.33 142
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
R-Stereo Train	0.42 22	0.31 7	2.51 174	0.30 60	0.18 47	0.56 86	0.25 99	0.82 151	0.41 5	0.57 163	0.67 235	0.33 56	0.24 27	0.34 15	0.33 87	0.10 47	0.08 38	0.09 13	0.07 12	0.09 5	0.18 56

RAFT-Stereo	0.42 22	0.31 7	2.51 174	0.30 60	0.18 47	0.56 86	0.25 99	0.82 151	0.41 5	0.57 163	0.67 235	0.33 56	0.24 27	0.34 15	0.33 87	0.10 47	0.08 38	0.09 13	0.07 12	0.09 5	0.18 56
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
MLCV	0.59 141	1.41 320	2.41 117	0.31 74	0.15 13	0.60 142	0.23 58	0.77 118	0.63 103	0.67 256	0.66 232	0.55 164	0.37 128	1.16 204	1.09 278	0.10 47	0.07 6	0.09 13	0.07 12	0.21 159	0.29 120

Former-RAFT_DAM_RVC	0.52 82	0.51 100	1.12 1	0.26 15	0.22 86	0.46 20	0.20 20	1.10 338	1.33 369	3.13 406	0.33 32	0.22 8	0.20 14	0.34 15	0.26 32	0.11 110	0.09 81	0.11 92	0.09 37	0.17 90	0.21 72

MIF-Stereo (partial)	0.41 18	0.71 158	2.67 234	0.27 22	0.24 118	0.32 6	0.17 5	0.56 48	0.46 18	0.26 14	0.37 42	0.25 23	0.26 49	0.46 49	0.35 102	0.11 110	0.08 38	0.12 135	0.10 71	0.21 159	0.15 30

MIF-Stereo	0.36 10	0.66 143	2.43 126	0.28 34	0.24 118	0.30 4	0.18 10	0.35 1	0.36 2	0.26 14	0.37 42	0.18 1	0.18 6	0.33 14	0.30 56	0.11 110	0.08 38	0.09 13	0.08 27	0.25 208	0.09 2

CASnet	0.32 3	0.40 63	1.80 11	0.28 34	0.11 1	0.47 30	0.19 12	0.45 7	0.47 24	0.39 30	0.31 25	0.23 14	0.17 1	0.31 3	0.21 1	0.11 110	0.06 1	0.15 245	0.12 139	0.16 69	0.08 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
PCWNet_CMD	0.48 55	0.50 95	2.23 82	0.27 22	0.20 68	0.56 86	0.22 39	0.78 125	0.67 135	0.49 81	0.55 149	0.68 231	0.56 251	0.48 59	0.32 78	0.11 110	0.10 104	0.14 220	0.10 71	0.19 133	0.43 198

Any-RAFT	0.42 22	0.33 23	1.89 26	0.28 34	0.21 77	0.69 250	0.21 30	0.83 161	0.60 80	0.45 51	0.43 64	0.62 196	0.30 98	0.48 59	0.24 15	0.11 110	0.40 278	0.08 3	0.06 6	0.10 10	0.16 43

LL-Strereo2	0.62 167	1.36 312	2.47 162	1.37 374	0.96 354	0.54 73	0.28 133	0.61 67	0.49 29	0.42 37	0.34 34	0.44 107	0.21 16	0.57 98	0.53 165	0.11 110	0.26 249	0.16 261	0.14 177	0.18 110	0.98 333

CBFPSM	0.62 167	1.34 305	2.12 64	0.30 60	0.23 109	0.71 257	0.38 235	0.77 118	0.68 159	0.51 110	0.49 102	1.03 339	0.82 317	0.63 114	1.35 304	0.11 110	0.12 140	0.10 46	0.10 71	0.19 133	0.37 162

riskmin	0.96 319	0.32 14	2.07 54	1.72 392	1.61 395	1.62 374	0.57 309	1.45 373	0.55 59	0.73 282	0.89 314	0.92 312	0.45 203	1.16 204	0.60 182	0.11 110	1.30 369	0.12 135	1.38 406	0.14 51	1.51 370

Selective-RAFT	0.46 45	0.48 88	1.88 24	0.32 91	0.16 20	0.61 160	0.19 12	0.66 83	0.62 92	0.28 18	0.30 20	0.41 87	0.33 112	0.51 75	0.32 78	0.11 110	1.09 349	0.09 13	0.35 338	0.19 133	0.37 162

qqq	0.65 191	0.63 138	2.10 63	0.30 60	0.64 316	0.46 20	0.27 125	0.81 144	0.83 274	0.48 65	0.56 161	0.46 123	0.37 128	1.03 186	0.75 224	0.11 110	1.41 376	0.12 135	0.41 355	0.16 69	1.18 342

x	0.65 191	0.62 136	2.12 64	0.36 157	0.61 309	0.48 33	0.24 80	0.80 137	0.89 306	0.50 99	0.56 161	0.44 107	0.36 123	0.62 113	0.80 238	0.11 110	1.44 377	0.11 92	0.39 350	0.16 69	1.34 360

OMP-Stereo	0.64 186	0.87 197	2.38 105	0.56 295	0.37 229	0.60 142	0.26 111	0.75 110	0.71 189	0.65 248	0.60 189	0.68 231	0.32 107	2.07 326	1.18 287	0.11 110	0.08 38	0.12 135	0.09 37	0.17 90	0.28 114

IIG-Stereo	0.65 191	0.87 197	2.32 96	0.55 286	0.23 109	0.62 182	0.21 30	0.78 125	0.71 189	0.64 236	0.69 242	0.69 242	0.38 135	2.07 326	1.37 308	0.11 110	0.08 38	0.11 92	0.09 37	0.15 60	0.27 108

NRIStereo	0.50 70	0.34 30	2.44 134	0.52 275	0.16 20	0.94 332	0.73 344	0.52 27	0.65 116	0.48 65	0.40 59	0.59 182	0.29 88	0.78 158	0.33 87	0.11 110	0.13 153	0.11 92	0.09 37	0.22 173	0.25 98

RAFT_R40	0.55 103	0.31 7	2.44 134	0.57 299	0.42 258	0.62 182	0.52 293	0.58 55	0.66 123	0.56 151	0.54 140	0.54 156	0.50 228	1.56 253	0.53 165	0.11 110	0.07 6	0.12 135	0.10 71	0.16 69	0.10 4

DRaft	0.65 191	0.47 85	2.38 105	0.25 5	0.17 37	0.64 207	0.65 329	0.56 48	0.57 66	0.67 256	0.98 328	0.38 72	0.99 341	1.42 235	2.06 341	0.11 110	0.14 166	0.10 46	0.14 177	0.18 110	0.21 72

IRAFT_RVC	0.59 141	0.74 175	2.42 121	0.47 254	0.21 77	0.59 130	0.42 252	0.68 89	0.73 199	0.54 130	0.50 114	0.49 136	0.51 232	1.57 257	1.00 269	0.11 110	0.25 246	0.13 191	0.10 71	0.15 60	0.14 24

RAFT	0.62 167	1.35 308	2.26 85	0.62 309	0.53 284	0.47 30	0.35 217	0.70 98	0.58 72	0.50 99	0.50 114	0.79 275	0.40 152	0.49 69	0.36 104	0.11 110	0.79 329	0.14 220	0.13 159	0.52 352	0.72 294

s12784h	0.41 18	0.34 30	2.17 72	0.24 4	0.11 1	0.64 207	0.24 80	0.85 178	0.70 177	0.45 51	0.54 140	0.28 38	0.27 62	0.51 75	0.27 37	0.11 110	0.06 1	0.09 13	0.06 6	0.16 69	0.14 24

TestStereo	0.49 66	0.88 201	2.38 105	0.30 60	0.16 20	0.43 15	0.25 99	0.55 47	0.46 18	0.38 28	0.46 78	0.34 60	0.28 72	1.96 320	0.28 42	0.11 110	0.08 38	0.12 135	0.09 37	0.15 60	0.13 12

CFNet_pseudo	0.47 48	0.50 95	2.19 75	0.26 15	0.20 68	0.56 86	0.22 39	0.80 137	0.62 92	0.50 99	0.56 161	0.68 231	0.47 218	0.53 86	0.33 87	0.11 110	0.10 104	0.15 245	0.10 71	0.18 110	0.33 142

XX-Stereo	0.98 324	0.57 117	4.45 389	1.64 387	5.33 413	0.55 82	0.16 3	0.96 257	0.43 13	0.45 51	0.65 226	0.85 297	0.19 7	0.79 159	0.26 32	0.11 110	0.80 330	0.10 46	0.32 320	0.17 90	0.78 301

ARAFT	0.65 191	1.69 358	3.34 328	0.29 46	0.16 20	0.65 221	0.36 224	0.96 257	0.73 199	0.63 225	0.49 102	0.56 171	0.31 102	1.23 212	0.35 102	0.11 110	0.08 38	0.14 220	0.13 159	0.38 310	0.50 232

MMNet	0.55 103	0.92 219	2.03 47	0.34 128	0.27 149	0.79 296	0.28 133	0.86 190	0.79 249	0.62 216	0.58 177	0.59 182	0.56 251	0.80 163	0.61 187	0.11 110	0.11 125	0.12 135	0.11 109	0.21 159	0.22 77

CREStereo	0.31 1	0.35 37	1.66 7	0.19 1	0.13 5	0.55 82	0.17 5	0.50 23	0.50 35	0.28 18	0.34 34	0.24 20	0.21 16	0.34 15	0.23 14	0.11 110	0.07 6	0.08 3	0.05 1	0.10 10	0.12 10
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
ACVNet	0.54 99	0.87 197	2.45 150	0.28 34	0.22 86	0.59 130	0.36 224	0.69 91	0.73 199	0.49 81	0.59 182	0.69 242	0.42 174	0.47 51	0.70 212	0.11 110	0.10 104	0.10 46	0.09 37	0.36 298	0.39 177

acv_ft	0.57 118	0.87 197	2.45 150	0.33 111	0.41 248	0.63 195	0.29 158	0.86 190	0.73 199	0.64 236	0.59 182	0.69 242	0.45 203	0.47 51	0.68 209	0.11 110	0.10 104	0.10 46	0.09 37	0.43 333	0.39 177

MSMDNet	0.48 55	0.50 95	2.23 82	0.27 22	0.20 68	0.56 86	0.22 39	0.78 125	0.67 135	0.49 81	0.55 149	0.68 231	0.56 251	0.48 59	0.32 78	0.11 110	0.10 104	0.13 191	0.10 71	0.18 110	0.43 198

ccs_rob	0.47 48	0.50 95	2.19 75	0.26 15	0.20 68	0.56 86	0.22 39	0.80 137	0.62 92	0.50 99	0.56 161	0.68 231	0.47 218	0.53 86	0.33 87	0.11 110	0.10 104	0.16 261	0.10 71	0.18 110	0.33 142

HSM	0.67 211	0.92 219	2.29 90	0.30 60	0.29 164	0.65 221	0.29 158	0.98 270	0.67 135	0.59 188	0.58 177	1.39 369	0.65 281	2.56 360	0.45 135	0.11 110	0.09 81	0.10 46	0.08 27	0.18 110	0.24 94

iResNet	0.59 141	1.09 243	2.54 182	0.44 238	0.18 47	0.65 221	0.29 158	0.89 211	0.75 221	0.59 188	0.64 219	0.43 92	0.39 146	0.73 147	1.24 296	0.11 110	0.08 38	0.09 13	0.08 27	0.21 159	0.40 182

iResNet_ROB	0.60 147	1.59 345	2.04 50	0.32 91	0.21 77	0.60 142	0.22 39	0.99 275	0.85 289	0.61 204	0.63 212	0.58 179	0.42 174	1.08 191	0.98 265	0.11 110	0.08 38	0.09 13	0.06 6	0.23 187	0.33 142

CoDeX	0.54 99	0.52 102	2.25 84	0.30 60	0.26 138	0.61 160	0.32 190	1.03 301	0.73 199	0.49 81	0.56 161	0.52 150	0.40 152	1.59 264	0.38 113	0.12 143	0.09 81	0.11 92	0.10 71	0.15 60	0.22 77

mmm	0.66 208	0.53 105	1.83 15	0.38 185	0.86 344	0.49 38	0.27 125	0.82 151	0.83 274	0.59 188	0.69 242	0.47 128	0.38 135	0.81 166	0.73 221	0.12 143	1.37 372	0.14 220	0.45 359	0.18 110	1.35 361

11t1	0.60 147	0.49 89	2.19 75	0.35 143	0.58 296	0.48 33	0.21 30	0.72 105	0.73 199	0.49 81	0.47 83	0.35 63	0.34 119	0.61 110	0.71 216	0.12 143	1.26 363	0.10 46	0.29 304	0.16 69	1.22 350

1111x	1.06 336	0.79 187	3.29 325	0.33 111	0.60 302	0.64 207	0.33 203	1.10 338	0.92 313	0.59 188	0.69 242	0.59 182	0.47 218	2.64 367	4.61 400	0.12 143	1.38 373	0.11 92	0.49 365	0.18 110	1.30 357

test croco	0.43 25	0.73 166	2.80 270	0.28 34	0.19 63	0.33 7	0.21 30	0.63 76	0.50 35	0.24 9	0.38 48	0.24 20	0.25 41	0.48 59	0.32 78	0.12 143	0.08 38	0.13 191	0.09 37	0.43 333	0.13 12

gwcnet-sp	0.52 82	0.71 158	2.66 227	0.32 91	0.22 86	0.66 234	0.31 180	0.84 168	0.69 167	0.61 204	0.49 102	0.46 123	0.43 187	0.77 154	0.48 145	0.12 143	0.11 125	0.11 92	0.11 109	0.19 133	0.19 60

scenet	0.52 82	0.71 158	2.66 227	0.32 91	0.22 86	0.66 234	0.31 180	0.84 168	0.69 167	0.61 204	0.49 102	0.46 123	0.43 187	0.77 154	0.48 145	0.12 143	0.11 125	0.11 92	0.11 109	0.19 133	0.19 60

knoymous	0.37 11	0.34 30	1.83 15	0.25 5	0.18 47	0.45 17	0.24 80	0.60 65	0.40 4	0.42 37	0.39 51	0.54 156	0.25 41	0.41 41	0.29 51	0.12 143	0.08 38	0.12 135	0.07 12	0.13 35	0.20 68

ssnet	0.52 82	0.71 158	2.66 227	0.32 91	0.22 86	0.66 234	0.31 180	0.84 168	0.69 167	0.61 204	0.49 102	0.46 123	0.43 187	0.77 154	0.48 145	0.12 143	0.11 125	0.11 92	0.11 109	0.19 133	0.19 60

IER	0.49 66	0.73 166	2.12 64	0.27 22	0.25 124	0.65 221	0.27 125	0.76 112	0.59 76	0.56 151	0.59 182	0.60 189	0.53 242	0.64 118	0.44 131	0.12 143	0.09 81	0.11 92	0.11 109	0.18 110	0.15 30

hknet	0.53 92	0.39 59	2.04 50	0.31 74	0.24 118	0.76 277	0.32 190	1.05 315	0.71 189	0.64 236	0.53 126	0.79 275	0.40 152	0.84 168	0.78 233	0.12 143	0.10 104	0.14 220	0.12 139	0.13 35	0.15 30

CIPLG	0.63 179	1.59 345	3.16 315	0.79 340	0.31 183	0.62 182	0.57 309	0.82 151	0.68 159	0.58 169	0.63 212	0.43 92	0.31 102	0.48 59	0.42 122	0.12 143	0.20 221	0.13 191	0.13 159	0.36 298	0.21 72

IPLGR_C	0.64 186	1.66 356	3.36 329	0.80 341	0.31 183	0.60 142	0.60 317	0.82 151	0.69 167	0.58 169	0.62 204	0.44 107	0.31 102	0.47 51	0.43 128	0.12 143	0.22 231	0.13 191	0.15 195	0.35 292	0.21 72

ACRE	0.63 179	1.55 339	3.41 340	0.76 334	0.28 159	0.60 142	0.56 306	0.82 151	0.68 159	0.57 163	0.62 204	0.43 92	0.30 98	0.47 51	0.42 122	0.12 143	0.19 209	0.13 191	0.14 177	0.36 298	0.20 68

Patchmatch Stereo++	0.43 25	0.36 40	2.44 134	0.48 255	0.17 37	0.61 160	0.26 111	0.53 30	0.61 83	0.48 65	0.43 64	0.43 92	0.28 72	0.56 95	0.30 56	0.12 143	0.08 38	0.12 135	0.10 71	0.17 90	0.13 12
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	0.92 311	0.40 63	2.53 178	0.60 301	1.01 363	0.62 182	0.45 270	0.52 27	0.68 159	0.58 169	0.53 126	0.50 140	0.72 299	1.22 210	7.32 410	0.12 143	0.07 6	0.12 135	0.10 71	0.16 69	0.10 4

NF-Stereo	0.53 92	0.33 23	2.55 189	0.55 286	0.16 20	0.61 160	0.43 259	0.70 98	0.70 177	0.50 99	0.47 83	0.37 67	0.26 49	1.44 240	0.78 233	0.12 143	0.07 6	0.12 135	0.10 71	0.13 35	0.17 49

OCTAStereo	0.53 92	0.33 23	2.54 182	0.56 295	0.16 20	0.61 160	0.42 252	0.70 98	0.70 177	0.50 99	0.47 83	0.37 67	0.26 49	1.43 236	0.79 236	0.12 143	0.07 6	0.12 135	0.10 71	0.13 35	0.17 49

PSM-adaLoss	0.43 25	0.36 40	2.44 134	0.48 255	0.18 47	0.61 160	0.28 133	0.53 30	0.61 83	0.48 65	0.43 64	0.43 92	0.28 72	0.49 69	0.30 56	0.12 143	0.08 38	0.12 135	0.10 71	0.17 90	0.13 12

ROB_FTStereo_v2	0.43 25	0.36 40	2.44 134	0.49 266	0.17 37	0.61 160	0.28 133	0.53 30	0.61 83	0.48 65	0.43 64	0.44 107	0.28 72	0.48 59	0.30 56	0.12 143	0.08 38	0.12 135	0.10 71	0.17 90	0.13 12

ROB_FTStereo	0.43 25	0.36 40	2.44 134	0.48 255	0.18 47	0.61 160	0.26 111	0.53 30	0.61 83	0.48 65	0.43 64	0.43 92	0.28 72	0.51 75	0.30 56	0.12 143	0.08 38	0.12 135	0.10 71	0.17 90	0.13 12

HUI-Stereo	0.43 25	0.36 40	2.45 150	0.48 255	0.18 47	0.61 160	0.27 125	0.53 30	0.61 83	0.48 65	0.43 64	0.44 107	0.28 72	0.47 51	0.30 56	0.12 143	0.08 38	0.12 135	0.10 71	0.17 90	0.13 12

SST-Stereo	0.56 111	0.30 5	2.44 134	0.71 331	0.55 287	0.62 182	0.65 329	0.57 53	0.67 135	0.59 188	0.53 126	0.51 143	0.59 266	1.57 257	0.31 70	0.12 143	0.07 6	0.12 135	0.10 71	0.17 90	0.11 9

RE-Stereo	0.53 92	0.33 23	2.54 182	0.56 295	0.16 20	0.61 160	0.43 259	0.70 98	0.70 177	0.50 99	0.47 83	0.37 67	0.26 49	1.43 236	0.77 229	0.12 143	0.07 6	0.12 135	0.10 71	0.13 35	0.17 49

TVStereo	0.53 92	0.33 23	2.54 182	0.56 295	0.16 20	0.61 160	0.43 259	0.70 98	0.70 177	0.50 99	0.47 83	0.37 67	0.26 49	1.43 236	0.77 229	0.12 143	0.07 6	0.12 135	0.10 71	0.13 35	0.17 49

DeepStereo_RVC	0.47 48	0.37 50	2.19 75	0.55 286	0.18 47	0.60 142	0.58 311	0.52 27	0.62 92	0.49 81	0.45 76	0.39 74	0.85 323	0.47 51	0.34 95	0.12 143	0.08 38	0.11 92	0.09 37	0.15 60	0.19 60

iGMRVC	0.43 25	0.36 40	2.44 134	0.48 255	0.18 47	0.61 160	0.27 125	0.53 30	0.61 83	0.48 65	0.43 64	0.43 92	0.28 72	0.57 98	0.31 70	0.12 143	0.08 38	0.12 135	0.10 71	0.17 90	0.13 12

iRAFT	0.43 25	0.36 40	2.44 134	0.48 255	0.17 37	0.61 160	0.26 111	0.53 30	0.61 83	0.48 65	0.43 64	0.43 92	0.28 72	0.56 95	0.30 56	0.12 143	0.08 38	0.12 135	0.10 71	0.17 90	0.13 12

AnonymousM	0.45 40	0.49 89	1.83 15	0.29 46	0.15 13	0.53 66	0.22 39	0.64 78	0.66 123	0.47 63	0.33 32	0.30 43	0.25 41	0.49 69	0.29 51	0.12 143	0.27 255	0.71 379	0.37 344	0.12 25	0.41 189

CRE-IMP	0.46 45	0.31 7	2.40 113	0.53 279	0.17 37	0.79 296	0.68 337	0.54 39	0.66 123	0.47 63	0.43 64	0.44 107	0.26 49	0.43 45	0.33 87	0.12 143	0.07 6	0.12 135	0.09 37	0.17 90	0.23 85

RAFT-IKP	0.43 25	0.36 40	2.44 134	0.48 255	0.16 20	0.60 142	0.28 133	0.53 30	0.61 83	0.48 65	0.43 64	0.43 92	0.28 72	0.51 75	0.31 70	0.12 143	0.08 38	0.12 135	0.10 71	0.17 90	0.13 12

sAnonymous2	0.45 40	0.88 201	2.97 297	0.31 74	0.25 124	0.34 8	0.28 133	0.56 48	0.49 29	0.25 11	0.30 20	0.23 14	0.29 88	0.31 3	0.22 4	0.12 143	0.09 81	0.12 135	0.13 159	0.38 310	0.43 198

CroCo_RVC	0.45 40	0.88 201	2.97 297	0.31 74	0.25 124	0.34 8	0.28 133	0.56 48	0.49 29	0.25 11	0.30 20	0.23 14	0.29 88	0.31 3	0.22 4	0.12 143	0.09 81	0.12 135	0.13 159	0.38 310	0.43 198

test_xeample	0.98 324	0.65 142	2.12 64	0.29 46	0.67 320	0.60 142	0.28 133	1.08 333	0.85 289	0.62 216	0.70 255	0.44 107	0.41 163	1.95 319	5.45 404	0.12 143	1.33 371	0.11 92	0.31 315	0.18 110	1.42 366

SFCPSM	0.48 55	0.39 59	2.30 92	0.28 34	0.27 149	0.70 253	0.32 190	1.00 281	0.69 167	0.50 99	0.52 123	0.43 92	0.36 123	0.53 86	0.44 131	0.12 143	0.09 81	0.12 135	0.16 212	0.18 110	0.23 85

delet	0.60 147	0.84 192	2.45 150	0.33 111	0.35 217	0.73 266	0.46 275	0.89 211	0.80 256	0.58 169	0.62 204	0.67 219	0.51 232	1.14 202	0.64 196	0.12 143	0.12 140	0.13 191	0.14 177	0.22 173	0.29 120

UNet	0.56 111	0.58 119	2.81 274	0.32 91	0.33 200	0.74 271	0.27 125	0.86 190	0.67 135	0.55 141	0.55 149	0.72 251	0.55 249	0.79 159	0.58 178	0.12 143	0.09 81	0.13 191	0.11 109	0.20 150	0.19 60

FENet	0.48 55	0.58 119	2.46 157	0.33 111	0.18 47	0.58 112	0.22 39	0.83 161	0.64 109	0.49 81	0.42 62	0.55 164	0.38 135	0.52 79	0.51 160	0.12 143	0.09 81	0.12 135	0.11 109	0.17 90	0.31 137

BEATNet_4x	0.57 118	1.16 263	2.56 193	0.35 143	0.16 20	0.56 86	0.25 99	0.91 226	0.64 109	0.55 141	0.53 126	0.59 182	0.43 187	0.67 128	0.76 227	0.12 143	0.09 81	0.12 135	0.09 37	0.23 187	0.58 256

iResNetv2_ROB	0.71 231	1.90 370	3.48 346	0.43 233	0.22 86	0.60 142	0.29 158	0.96 257	0.78 240	0.60 197	0.65 226	0.60 189	0.46 210	0.80 163	1.21 291	0.12 143	0.08 38	0.10 46	0.07 12	0.44 336	0.33 142

StereoDRNet-Refined	0.55 103	0.61 132	2.07 54	0.34 128	0.21 77	0.68 247	0.26 111	0.87 197	0.73 199	0.70 270	0.69 242	0.74 259	0.45 203	1.10 193	0.62 190	0.12 143	0.09 81	0.14 220	0.14 177	0.27 234	0.24 94
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DN-CSS_ROB	0.56 111	1.64 353	2.75 261	0.42 223	0.22 86	0.57 105	0.19 12	0.79 132	0.66 123	0.46 61	0.62 204	0.41 87	0.32 107	0.73 147	0.49 154	0.12 143	0.08 38	0.14 220	0.13 159	0.38 310	0.17 49

SMFormer	0.64 186	0.54 107	1.92 30	0.32 91	0.16 20	0.46 20	0.24 80	0.94 241	0.85 289	0.58 169	0.70 255	0.51 143	0.41 163	1.89 311	0.86 251	0.13 185	1.01 340	0.11 92	0.26 290	0.17 90	0.84 309

tta	0.63 179	0.54 107	1.92 30	0.32 91	0.16 20	0.46 20	0.24 80	0.94 241	0.85 289	0.58 169	0.70 255	0.51 143	0.41 163	1.89 311	0.86 251	0.13 185	1.01 340	0.11 92	0.26 290	0.19 133	0.59 259

qqq1	0.62 167	0.54 107	1.92 30	0.32 91	0.16 20	0.46 20	0.24 80	0.94 241	0.85 289	0.58 169	0.70 255	0.51 143	0.41 163	1.89 311	0.64 196	0.13 185	1.01 340	0.09 13	0.24 278	0.19 133	0.59 259

fff1	0.62 167	0.54 107	1.92 30	0.32 91	0.16 20	0.46 20	0.24 80	0.94 241	0.85 289	0.58 169	0.70 255	0.51 143	0.41 163	1.89 311	0.64 196	0.13 185	1.01 340	0.09 13	0.24 278	0.19 133	0.59 259

mmx	0.99 326	0.67 144	3.39 334	0.32 91	0.22 86	0.58 112	0.28 133	1.05 315	0.92 313	0.54 130	0.74 276	0.67 219	0.40 152	2.75 378	3.86 390	0.13 185	1.25 360	0.15 245	0.33 330	0.19 133	1.28 355

whm_eth	0.51 80	0.86 196	2.79 268	0.31 74	0.31 183	0.49 38	0.24 80	0.78 125	0.75 221	0.48 65	0.86 308	0.26 29	0.26 49	0.38 27	0.29 51	0.13 185	0.11 125	0.13 191	0.12 139	0.14 51	0.44 210

xxx	0.99 326	0.67 144	3.39 334	0.32 91	0.22 86	0.58 112	0.28 133	1.05 315	0.92 313	0.54 130	0.74 276	0.67 219	0.40 152	2.75 378	3.86 390	0.13 185	1.25 360	0.15 245	0.33 330	0.19 133	1.28 355

EKT-Stereo	1.56 376	0.55 114	2.60 204	2.54 407	19.66 423	0.55 82	0.22 39	0.76 112	0.51 40	0.40 32	0.36 38	0.43 92	0.27 62	0.74 150	0.42 122	0.13 185	0.17 199	0.11 92	0.16 212	0.20 150	0.50 232

DisPM	0.48 55	0.41 68	2.54 182	0.61 307	0.18 47	0.59 130	0.62 324	0.54 39	0.67 135	0.61 204	0.53 126	0.38 72	0.26 49	0.76 153	0.31 70	0.13 185	0.07 6	0.12 135	0.11 109	0.12 25	0.15 30

BUS	0.45 40	0.32 14	1.58 4	0.31 74	0.22 86	0.91 326	0.23 58	1.05 315	0.67 135	0.64 236	0.53 126	0.65 210	0.32 107	0.48 59	0.34 95	0.13 185	0.10 104	0.14 220	0.12 139	0.13 35	0.15 30

BSDual-CNN	0.48 55	0.32 14	1.58 4	0.31 74	0.22 86	0.76 277	0.32 190	1.05 315	0.67 135	0.64 236	0.53 126	0.63 200	0.38 135	0.48 59	0.97 259	0.13 185	0.10 104	0.14 220	0.12 139	0.13 35	0.15 30

psmg	0.48 55	0.32 14	1.58 4	0.28 34	0.22 86	0.75 273	0.35 217	0.94 241	0.67 135	0.61 204	0.59 182	0.63 200	0.38 135	0.48 59	0.97 259	0.13 185	0.11 125	0.13 191	0.13 159	0.14 51	0.15 30

DAS	0.61 154	0.42 70	1.85 20	0.34 128	0.34 209	0.52 61	0.42 252	0.89 211	0.80 256	0.85 315	0.69 242	0.57 175	0.51 232	2.38 349	0.57 176	0.13 185	0.09 81	0.12 135	0.09 37	0.18 110	0.37 162

SepStereo	0.57 118	0.42 70	1.85 20	0.34 128	0.34 209	0.52 61	0.42 252	0.89 211	0.80 256	0.85 315	0.69 242	0.57 175	0.51 232	1.55 251	0.57 176	0.13 185	0.09 81	0.12 135	0.09 37	0.18 110	0.37 162

GwcNet-ADL	0.54 99	0.78 185	2.85 282	0.31 74	0.20 68	0.58 112	0.29 158	0.93 236	0.67 135	0.48 65	0.47 83	0.56 171	0.33 112	0.48 59	0.80 238	0.13 185	0.12 140	0.09 13	0.09 37	0.14 51	0.40 182

ADLNet2	0.73 241	1.22 281	3.28 323	0.34 128	0.36 223	0.65 221	0.37 227	0.94 241	0.87 297	0.57 163	0.65 226	0.92 312	0.48 224	2.05 324	0.60 182	0.13 185	0.11 125	0.11 92	0.11 109	0.37 304	0.38 170

TRStereo	0.89 305	1.02 230	2.91 290	4.59 414	0.31 183	0.93 330	0.23 58	1.93 391	0.66 123	0.37 25	0.54 140	0.48 134	0.40 152	0.67 128	0.29 51	0.13 185	0.37 268	0.11 92	0.48 363	0.13 35	1.21 348

PSM-softLoss	0.52 82	0.34 30	2.47 162	0.55 286	0.17 37	0.61 160	0.39 241	0.64 78	0.67 135	0.52 118	0.48 89	0.39 74	0.25 41	1.46 241	0.77 229	0.13 185	0.08 38	0.13 191	0.12 139	0.12 25	0.15 30

KMStereo	0.52 82	0.34 30	2.47 162	0.55 286	0.17 37	0.61 160	0.39 241	0.64 78	0.67 135	0.52 118	0.48 89	0.39 74	0.25 41	1.46 241	0.77 229	0.13 185	0.08 38	0.13 191	0.12 139	0.12 25	0.15 30

Pruner-Stereo	0.55 103	0.38 55	2.49 170	1.78 394	0.19 63	0.63 195	0.45 270	0.59 62	0.67 135	0.61 204	0.48 89	0.41 87	0.25 41	0.49 69	0.99 267	0.13 185	0.07 6	0.12 135	0.10 71	0.13 35	0.14 24

222	1.02 329	0.60 127	1.95 35	0.29 46	0.51 277	0.62 182	0.24 80	1.09 335	0.86 295	0.64 236	0.67 235	0.47 128	0.42 174	1.86 306	6.73 408	0.13 185	1.21 358	0.11 92	0.32 320	0.17 90	1.44 367

xxxx	0.97 322	0.64 140	2.14 68	0.30 60	0.67 320	0.64 207	0.24 80	1.09 335	0.91 311	0.57 163	0.65 226	0.58 179	0.39 146	1.57 257	5.49 405	0.13 185	1.38 373	0.11 92	0.32 320	0.17 90	1.41 365

RAFT + AFF	0.79 265	1.73 359	2.99 302	0.34 128	0.35 217	0.67 241	0.51 289	1.05 315	0.79 249	0.54 130	0.58 177	0.59 182	0.81 316	1.80 294	1.21 291	0.13 185	0.27 255	0.15 245	0.14 177	0.45 338	0.69 288

UPFNet	0.51 80	0.67 144	2.04 50	0.34 128	0.33 200	0.65 221	0.37 227	0.88 205	0.65 116	0.60 197	0.53 126	0.61 191	0.41 163	0.77 154	0.55 172	0.13 185	0.13 153	0.13 191	0.13 159	0.20 150	0.16 43

cf-r	0.62 167	1.27 292	2.99 302	0.34 128	0.28 159	0.60 142	0.28 133	0.82 151	0.70 177	0.55 141	0.61 197	0.77 269	0.41 163	1.32 225	0.52 162	0.13 185	0.09 81	0.11 92	0.12 139	0.22 173	0.27 108

ADCP+	1.03 333	1.68 357	3.83 367	0.35 143	0.39 237	1.05 343	0.79 350	0.94 241	0.86 295	0.69 267	0.68 238	0.85 297	1.53 372	1.02 184	4.56 399	0.13 185	0.12 140	0.16 261	0.15 195	0.28 244	0.44 210

HSM-Net_RVC	0.70 227	0.40 63	2.45 150	0.27 22	0.19 63	0.68 247	0.30 170	1.29 363	0.73 199	0.73 282	0.70 255	0.77 269	0.45 203	3.73 400	0.46 139	0.13 185	0.09 81	0.10 46	0.09 37	0.13 35	0.32 139
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
CFNet	0.65 191	1.45 329	2.27 86	0.34 128	0.25 124	0.64 207	0.23 58	0.93 236	0.79 249	0.48 65	0.59 182	0.58 179	0.40 152	2.28 340	0.63 195	0.13 185	0.09 81	0.15 245	0.14 177	0.34 281	0.26 103

DISCO	0.61 154	0.63 138	1.98 40	0.46 248	0.34 209	0.84 312	0.35 217	0.88 205	0.81 263	0.61 204	0.64 219	1.06 347	0.53 242	1.11 197	0.83 247	0.13 185	0.10 104	0.11 92	0.10 71	0.26 223	0.37 162

DLCB_ROB	0.61 154	0.96 224	2.00 41	0.37 167	0.25 124	0.65 221	0.37 227	0.86 190	0.76 229	0.73 282	0.70 255	0.84 292	0.47 218	1.57 257	0.72 220	0.13 185	0.13 153	0.14 220	0.14 177	0.18 110	0.33 142

StereoVision	0.52 82	1.12 252	2.70 249	0.34 128	0.32 194	0.47 30	0.26 111	0.73 106	0.61 83	0.33 22	0.89 314	0.45 119	0.26 49	0.52 79	0.39 115	0.14 215	0.15 180	0.16 261	0.15 195	0.22 173	0.14 24

CFNet_ucs	0.50 70	0.55 114	2.28 88	0.27 22	0.22 86	0.58 112	0.23 58	0.90 219	0.69 167	0.54 130	0.64 219	0.68 231	0.44 195	0.55 92	0.34 95	0.14 215	0.12 140	0.16 261	0.11 109	0.19 133	0.38 170

LL-Strereo	0.85 288	1.73 359	3.06 310	0.37 167	0.61 309	0.54 73	0.33 203	1.01 289	0.76 229	0.69 267	0.58 177	0.85 297	0.78 313	2.65 368	0.54 170	0.14 215	0.58 305	0.14 220	0.12 139	0.42 331	1.05 335

iinet-f	0.62 167	1.18 269	2.55 189	0.33 111	0.25 124	0.82 306	0.34 208	0.87 197	0.69 167	0.56 151	0.64 219	0.73 257	0.67 289	0.80 163	0.81 242	0.14 215	0.13 153	0.11 92	0.10 71	0.44 336	0.26 103

ToySt	0.67 211	0.88 201	2.61 208	0.39 198	0.73 328	0.61 160	0.38 235	0.78 125	0.73 199	0.43 43	0.70 255	0.72 251	0.45 203	0.66 125	0.62 190	0.14 215	0.63 312	0.13 191	0.33 330	0.24 193	1.18 342

Wz-Net-LNSev-Ref	0.65 191	1.15 261	2.40 113	0.33 111	0.30 175	0.83 307	0.40 244	0.94 241	0.82 268	0.67 256	0.76 286	0.68 231	0.58 263	1.13 200	1.25 297	0.14 215	0.08 38	0.10 46	0.08 27	0.18 110	0.28 114

AACVNet	0.61 154	1.13 254	2.47 162	0.37 167	0.21 77	0.57 105	0.25 99	0.75 110	0.55 59	0.56 151	0.60 189	0.66 217	0.44 195	2.11 332	0.49 154	0.14 215	0.11 125	0.14 220	0.11 109	0.35 292	0.23 85

GANet-ADL	0.48 55	0.56 116	2.51 174	0.34 128	0.20 68	0.58 112	0.25 99	0.80 137	0.57 66	0.43 43	0.61 197	0.56 171	0.31 102	0.44 48	0.44 131	0.14 215	0.11 125	0.10 46	0.09 37	0.22 173	0.38 170

PFNet+	0.50 70	0.43 76	2.54 182	0.49 266	0.18 47	0.58 112	0.76 346	0.54 39	0.72 196	0.56 151	0.48 89	0.39 74	0.26 49	0.94 179	0.33 87	0.14 215	0.09 81	0.14 220	0.13 159	0.12 25	0.16 43

GMStereo	0.44 37	1.32 299	2.65 223	0.28 34	0.16 20	0.42 14	0.22 39	0.48 11	0.63 103	0.41 33	0.36 38	0.26 29	0.25 41	0.41 41	0.30 56	0.14 215	0.08 38	0.10 46	0.12 139	0.17 90	0.13 12
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
EDNetEfficientorigin	8.19 412	1.27 292	145.54 437	0.51 274	0.96 354	0.75 273	0.49 286	0.86 190	1.57 380	2.12 388	1.49 363	1.28 364	1.35 357	1.84 302	2.15 348	0.14 215	0.13 153	0.17 275	0.18 233	0.39 317	0.64 275

HGLStereo	0.61 154	1.20 274	2.59 199	0.36 157	0.40 243	0.65 221	0.30 170	0.87 197	0.67 135	0.60 197	0.70 255	0.69 242	0.56 251	1.07 190	0.59 180	0.14 215	0.13 153	0.13 191	0.12 139	0.23 187	0.23 85

GANet-RSSM	0.63 179	1.14 255	2.67 234	0.38 185	0.26 138	0.59 130	0.29 158	0.81 144	0.56 63	0.50 99	0.57 171	0.67 219	0.50 228	1.91 317	0.50 157	0.14 215	0.10 104	0.24 326	0.12 139	0.36 298	0.28 114

GwcNet-RSSM	0.64 186	1.38 318	2.69 245	0.33 111	0.26 138	0.60 142	0.32 190	0.84 168	0.73 199	0.56 151	0.65 226	0.72 251	0.42 174	1.78 291	0.60 182	0.14 215	0.10 104	0.12 135	0.13 159	0.26 223	0.26 103

DMCA	0.50 70	0.83 191	1.95 35	0.32 91	0.24 118	0.59 130	0.26 111	0.81 144	0.68 159	0.59 188	0.49 102	0.56 171	0.36 123	0.65 122	0.65 201	0.14 215	0.10 104	0.14 220	0.10 71	0.19 133	0.29 120

ADCRef	0.88 298	1.45 329	2.68 239	0.38 185	0.35 217	0.95 334	0.51 289	0.92 233	0.81 263	0.89 319	0.84 300	0.61 191	1.35 357	1.26 219	3.38 381	0.14 215	0.12 140	0.17 275	0.19 249	0.28 244	0.34 149

RASNet	0.69 222	1.05 237	2.59 199	0.37 167	0.47 271	0.66 234	0.33 203	0.82 151	0.76 229	0.51 110	0.65 226	0.93 317	0.62 275	2.20 337	0.80 238	0.14 215	0.09 81	0.09 13	0.11 109	0.18 110	0.37 162

pmcnn	1.44 365	1.25 289	3.57 354	0.74 332	1.42 386	0.72 263	0.56 306	1.04 307	1.06 347	1.03 336	2.89 398	6.01 408	0.75 310	2.54 359	3.60 386	0.14 215	0.11 125	0.08 3	0.06 6	0.34 281	0.81 307

Wz-Net-LNSev	0.66 208	1.30 297	2.81 274	0.35 143	0.37 229	0.80 299	0.48 281	0.91 226	0.87 297	0.63 225	0.70 255	0.80 281	0.59 266	0.67 128	0.68 209	0.15 233	0.14 166	0.12 135	0.12 139	0.24 193	0.38 170

AASNet	0.66 208	1.49 335	2.97 297	0.37 167	0.33 200	0.65 221	0.30 170	1.00 281	0.78 240	0.56 151	0.60 189	0.55 164	0.39 146	0.88 175	0.96 258	0.15 233	0.12 140	0.13 191	0.11 109	0.45 338	0.35 155

RAFT-RH_RVC	0.65 191	0.73 166	2.78 267	0.39 198	0.29 164	0.60 142	0.18 10	0.45 7	0.63 103	0.75 290	1.89 372	0.47 128	0.29 88	1.59 264	1.21 291	0.15 233	0.07 6	0.13 191	0.13 159	0.11 17	0.10 4

sCroCo_RVC	0.37 11	0.39 59	2.38 105	0.35 143	0.27 149	0.31 5	0.22 39	0.49 14	0.48 27	0.23 6	0.34 34	0.25 23	0.24 27	0.35 22	0.25 23	0.15 233	0.17 199	0.12 135	0.11 109	0.15 60	0.15 30

Anonymous	0.41 18	0.44 80	2.55 189	0.35 143	0.32 194	0.38 11	0.34 208	0.57 53	0.41 5	0.25 11	0.30 20	0.23 14	0.29 88	0.38 27	0.28 42	0.15 233	0.13 153	0.11 92	0.12 139	0.24 193	0.30 129

ADLNet	0.68 216	1.02 230	2.68 239	0.35 143	0.34 209	0.67 241	0.34 208	0.95 254	0.79 249	0.70 270	0.62 204	0.80 281	0.46 210	1.77 288	0.69 211	0.15 233	0.12 140	0.14 220	0.14 177	0.31 266	0.54 247

HCRNet	0.50 70	0.75 179	2.08 56	0.39 198	0.29 164	0.58 112	0.22 39	0.79 132	0.67 135	0.49 81	0.49 102	0.48 134	0.37 128	1.13 200	0.40 116	0.15 233	0.10 104	0.15 245	0.13 159	0.21 159	0.19 60

ac_64	0.63 179	0.77 182	2.71 250	0.37 167	0.34 209	0.64 207	0.30 170	0.86 190	0.67 135	0.58 169	0.53 126	0.88 307	0.48 224	1.84 302	0.71 216	0.15 233	0.12 140	0.12 135	0.12 139	0.21 159	0.25 98

PSMNet-RSSM	0.61 154	1.19 272	2.43 126	0.33 111	0.25 124	0.59 130	0.28 133	0.88 205	0.65 116	0.54 130	0.62 204	0.69 242	0.46 210	1.67 274	0.50 157	0.15 233	0.10 104	0.14 220	0.16 212	0.20 150	0.28 114

CFNet-ft	0.60 147	1.16 263	2.45 150	0.29 46	0.30 175	0.64 207	0.28 133	0.69 91	0.57 66	0.49 81	0.57 171	0.79 275	0.44 195	1.48 244	0.62 190	0.15 233	0.10 104	0.28 337	0.14 177	0.21 159	0.29 120

RYNet	0.77 260	0.91 214	2.36 101	0.37 167	0.41 248	0.88 320	0.44 265	0.99 275	0.88 301	0.65 248	0.54 140	0.92 312	0.61 273	2.70 373	1.23 295	0.15 233	0.14 166	0.17 275	0.14 177	0.27 234	0.55 253

CFNet_RVC	0.60 147	1.16 263	2.45 150	0.29 46	0.30 175	0.64 207	0.28 133	0.69 91	0.57 66	0.49 81	0.57 171	0.79 275	0.44 195	1.48 244	0.62 190	0.15 233	0.10 104	0.28 337	0.14 177	0.21 159	0.29 120

NLCA_NET_v2_RVC	0.62 167	1.15 261	3.11 312	0.39 198	0.37 229	0.60 142	0.28 133	0.87 197	0.64 109	0.63 225	0.56 161	0.71 250	0.45 203	1.08 191	0.52 162	0.15 233	0.12 140	0.14 220	0.15 195	0.18 110	0.25 98
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
StereoDRNet	0.71 231	1.24 286	2.56 193	0.42 223	0.45 263	0.73 266	0.46 275	0.98 270	0.81 263	0.77 294	0.56 161	0.74 259	0.48 224	1.69 278	0.91 255	0.15 233	0.14 166	0.15 245	0.15 195	0.26 223	0.51 236

ttt	0.89 305	0.51 100	2.51 174	0.36 157	0.31 183	0.61 160	0.28 133	1.07 330	0.92 313	0.56 151	0.77 290	0.55 164	0.37 128	2.27 339	3.51 384	0.16 247	1.21 358	0.13 191	0.31 315	0.18 110	1.26 352

GMStereo_Zeroshot	0.44 37	0.44 80	1.84 18	0.44 238	0.20 68	0.52 61	0.19 12	0.60 65	0.54 54	0.58 169	0.59 182	0.63 200	0.29 88	0.59 102	0.34 95	0.16 247	0.09 81	0.16 261	0.09 37	0.26 223	0.26 103

fast-acv-ft	0.67 211	1.24 286	3.26 321	0.39 198	0.30 175	0.80 299	0.48 281	0.74 108	0.76 229	0.60 197	0.78 294	0.76 267	0.60 271	0.70 135	0.78 233	0.16 247	0.15 180	0.18 291	0.17 225	0.38 310	0.24 94

ssnet_v2	0.64 186	0.99 225	2.67 234	0.33 111	0.22 86	0.72 263	0.45 270	1.00 281	0.80 256	0.66 254	0.54 140	0.81 284	0.48 224	0.91 176	1.08 277	0.16 247	0.14 166	0.14 220	0.14 177	0.33 275	0.31 137

Wz-Net-SNSev	0.85 288	1.83 366	3.36 329	0.42 223	0.31 183	0.71 257	0.66 331	1.04 307	0.94 320	0.68 262	0.85 303	0.96 325	0.62 275	1.75 283	1.14 283	0.16 247	0.15 180	0.16 261	0.17 225	0.39 317	0.63 270

NINENet	0.54 99	0.40 63	2.19 75	0.55 286	0.26 138	0.91 326	0.23 58	1.05 315	0.77 237	0.54 130	0.57 171	0.65 210	0.32 107	1.22 210	0.34 95	0.16 247	0.13 153	0.16 261	0.11 109	0.16 69	0.14 24

PSMNet-ADL	0.56 111	0.47 85	2.03 47	0.35 143	0.22 86	0.67 241	0.27 125	0.77 118	0.58 72	0.43 43	0.53 126	0.70 248	0.45 203	1.89 311	0.64 196	0.16 247	0.13 153	0.11 92	0.13 159	0.15 60	0.51 236

HHNet	0.63 179	0.67 144	3.10 311	0.37 167	0.25 124	0.64 207	0.60 317	0.70 98	0.67 135	0.55 141	1.12 345	0.32 52	0.60 271	0.43 45	1.75 327	0.16 247	0.08 38	0.12 135	0.10 71	0.18 110	0.22 77

ICVP	0.48 55	0.33 23	2.37 103	0.34 128	0.22 86	0.60 142	0.55 302	0.79 132	0.53 51	0.45 51	0.60 189	0.49 136	0.36 123	0.55 92	0.46 139	0.16 247	0.16 192	0.14 220	0.11 109	0.16 69	0.32 139
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
GEStereo_RVC	0.61 154	1.19 272	2.61 208	0.48 255	0.25 124	0.63 195	0.37 227	1.05 315	0.79 249	0.55 141	0.55 149	0.59 182	0.44 195	1.10 193	0.48 145	0.16 247	0.11 125	0.12 135	0.11 109	0.27 234	0.43 198

GES	0.49 66	0.54 107	2.37 103	0.31 74	0.19 63	0.61 160	0.30 170	0.93 236	0.52 45	0.49 81	0.53 126	0.40 82	0.43 187	0.59 102	0.67 206	0.16 247	0.11 125	0.12 135	0.10 71	0.20 150	0.30 129

EDNetEfficient	1.29 354	0.78 185	4.27 382	0.65 316	1.03 365	0.94 332	1.38 389	0.87 197	1.75 385	2.33 396	1.32 356	1.04 343	2.21 390	1.59 264	4.07 395	0.16 247	0.19 209	0.15 245	0.27 298	0.38 310	0.40 182

DSFCA	0.62 167	0.77 182	1.95 35	0.29 46	0.29 164	0.79 296	0.86 354	0.81 144	0.73 199	0.73 282	0.66 232	0.67 219	0.57 256	1.17 206	1.03 272	0.16 247	0.15 180	0.13 191	0.14 177	0.19 133	0.28 114

DMCA-RVC	0.70 227	1.30 297	3.59 356	0.37 167	0.89 347	0.57 105	0.31 180	0.73 106	0.59 76	0.69 267	0.54 140	0.59 182	0.57 256	1.25 217	0.66 204	0.16 247	0.38 272	0.20 306	0.15 195	0.22 173	0.23 85

STTStereo	0.58 126	0.95 223	2.95 295	0.37 167	0.31 183	0.62 182	0.32 190	0.81 144	0.63 103	0.61 204	0.55 149	0.67 219	0.43 187	0.87 171	0.48 145	0.16 247	0.16 192	0.17 275	0.20 258	0.17 90	0.25 98

SuperB	1.19 348	1.62 350	5.29 399	0.37 167	0.26 138	0.81 304	0.87 355	0.94 241	1.19 361	0.68 262	0.68 238	0.63 200	1.37 360	1.73 280	3.30 378	0.16 247	0.12 140	0.17 275	0.16 212	2.74 410	0.63 270

UCFNet_RVC	0.55 103	1.16 263	2.48 167	0.31 74	0.27 149	0.65 221	0.28 133	0.76 112	0.58 72	0.51 110	0.53 126	0.67 219	0.42 174	0.91 176	0.45 135	0.16 247	0.11 125	0.17 275	0.17 225	0.20 150	0.23 85

DRN-Test	0.71 231	0.79 187	2.83 278	0.40 211	0.44 260	0.80 299	0.41 246	1.07 330	0.83 274	0.82 310	0.64 219	0.68 231	0.57 256	1.78 291	0.79 236	0.16 247	0.13 153	0.17 275	0.16 212	0.24 193	0.51 236

NaN_ROB	1.25 351	1.46 331	3.84 368	0.54 285	0.56 289	1.12 351	0.99 363	1.05 315	1.03 341	1.10 341	0.87 310	0.77 269	1.07 347	5.85 408	2.98 374	0.16 247	0.23 236	0.16 261	0.24 278	0.28 244	0.66 277

CASS	0.43 25	0.34 30	2.01 43	0.33 111	0.17 37	0.54 73	0.24 80	0.71 104	0.52 45	0.62 216	0.55 149	0.40 82	0.41 163	0.43 45	0.33 87	0.17 266	0.10 104	0.14 220	0.11 109	0.18 110	0.23 85
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
Wz-Net-MNSev	0.74 244	1.42 324	2.75 261	0.38 185	0.33 200	0.90 325	0.61 322	0.98 270	0.94 320	0.77 294	0.75 283	0.75 263	0.66 287	1.39 230	0.76 227	0.17 266	0.13 153	0.14 220	0.14 177	0.28 244	0.48 224

CRFU-Net	0.58 126	0.42 70	1.90 27	0.49 266	0.27 149	0.83 307	0.35 217	0.94 241	0.54 54	0.65 248	0.60 189	0.78 273	1.34 356	1.00 182	0.51 160	0.17 266	0.14 166	0.17 275	0.10 71	0.19 133	0.20 68

CSP-Net	0.55 103	0.61 132	1.81 14	0.30 60	0.23 109	0.77 287	0.35 217	0.90 219	0.62 92	0.62 216	0.60 189	0.65 210	0.42 174	1.76 285	0.47 142	0.17 266	0.12 140	0.10 46	0.10 71	0.21 159	0.16 43

APVNet	0.76 256	1.11 250	3.23 317	0.39 198	0.36 223	0.85 313	0.44 265	0.96 257	0.73 199	0.58 169	0.69 242	0.76 267	0.56 251	2.29 341	0.82 245	0.17 266	0.18 205	0.24 326	0.19 249	0.35 292	0.27 108

psm_up	0.65 191	1.02 230	2.53 178	0.36 157	0.31 183	0.64 207	0.38 235	0.96 257	0.73 199	0.63 225	0.57 171	0.68 231	0.57 256	1.90 316	0.52 162	0.17 266	0.15 180	0.16 261	0.15 195	0.27 234	0.22 77

GwcNet	0.76 256	1.09 243	3.68 359	0.38 185	0.45 263	0.81 304	0.45 270	0.91 226	0.89 306	0.63 225	0.77 290	0.82 287	0.51 232	1.64 270	0.85 249	0.17 266	0.16 192	0.15 245	0.15 195	0.33 275	0.34 149

FADNet-RVC	0.69 222	1.65 354	2.74 259	0.35 143	0.26 138	0.60 142	0.29 158	0.91 226	0.67 135	0.46 61	0.51 116	0.62 196	0.46 210	1.75 283	0.81 242	0.17 266	0.20 221	0.17 275	0.18 233	0.60 359	0.39 177

ADCL	1.07 338	1.22 281	2.80 270	0.40 211	0.33 200	1.50 367	1.87 398	0.97 264	1.04 344	1.26 362	1.28 352	0.99 331	1.41 363	1.36 229	3.51 384	0.17 266	0.14 166	0.22 314	0.21 269	0.32 271	0.43 198

PA-Net	0.93 316	1.36 312	4.14 376	0.64 314	0.41 248	0.70 253	0.53 295	0.91 226	0.88 301	0.53 126	0.60 189	0.70 248	0.54 244	2.40 351	2.57 366	0.17 266	0.28 257	0.19 296	0.28 300	0.25 208	0.48 224
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
ETE_ROB	0.68 216	1.09 243	2.32 96	0.38 185	0.26 138	0.69 250	0.51 289	1.49 375	0.75 221	0.81 306	0.71 268	0.85 297	0.51 232	1.39 230	0.70 212	0.17 266	0.14 166	0.19 296	0.16 212	0.24 193	0.35 155

dd	0.48 55	1.32 299	2.41 117	0.31 74	0.17 37	0.58 112	0.26 111	0.50 23	0.71 189	0.42 37	0.41 60	0.34 60	0.28 72	0.47 51	0.41 118	0.18 277	0.10 104	0.13 191	0.12 139	0.22 173	0.16 43

SACVNet	0.68 216	1.08 242	2.58 197	0.38 185	0.28 159	0.65 221	0.37 227	0.91 226	0.65 116	0.67 256	0.62 204	0.69 242	0.47 218	2.07 326	0.65 201	0.18 277	0.14 166	0.16 261	0.15 195	0.39 317	0.41 189

pcwnet_v2	0.65 191	0.54 107	4.29 385	0.33 111	0.27 149	0.60 142	0.25 99	1.02 295	0.92 313	0.61 204	0.69 242	0.62 196	0.54 244	0.67 128	0.38 113	0.18 277	0.15 180	0.15 245	0.14 177	0.21 159	0.49 230

aanetorigin	0.81 270	1.03 233	2.64 222	0.44 238	0.44 260	0.59 130	1.00 367	0.59 62	0.70 177	1.54 378	1.22 350	0.82 287	1.08 348	1.06 188	1.07 276	0.18 277	0.15 180	0.17 275	0.21 269	0.53 353	0.65 276

S-Stereo	0.82 273	0.73 166	3.79 364	0.40 211	0.37 229	0.70 253	0.69 339	1.00 281	1.03 341	0.63 225	0.92 318	0.82 287	0.59 266	2.35 345	0.71 216	0.18 277	0.22 231	0.17 275	0.18 233	0.30 258	0.67 279

RTSC	0.84 280	1.40 319	2.67 234	0.50 271	0.40 243	0.83 307	0.33 203	1.11 342	1.14 356	0.93 327	0.82 296	0.84 292	0.58 263	1.34 227	1.82 332	0.18 277	0.49 291	0.14 220	0.30 310	0.46 342	0.42 193

DANet	0.85 288	0.68 151	2.41 117	1.18 369	0.48 272	0.77 287	1.23 383	0.93 236	1.53 378	0.90 321	0.72 271	0.97 327	0.57 256	1.86 306	1.05 274	0.18 277	0.16 192	0.19 296	0.16 212	0.26 223	0.67 279
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
GANet	0.92 311	1.20 274	2.68 239	0.45 245	0.27 149	0.76 277	0.66 331	0.94 241	0.77 237	0.79 303	1.17 346	0.84 292	0.91 332	2.72 374	1.76 328	0.18 277	0.42 280	0.44 367	0.20 258	0.33 275	0.94 323

AdaStereo	0.48 55	0.44 80	2.18 74	0.36 157	0.20 68	0.59 130	0.29 158	0.97 264	0.74 216	0.52 118	0.55 149	0.61 191	0.33 112	0.52 79	0.44 131	0.18 277	0.08 38	0.17 275	0.11 109	0.18 110	0.24 94
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.
SANet	1.35 359	1.80 364	4.39 387	0.41 220	0.29 164	1.72 379	0.89 358	1.17 353	2.47 393	1.22 358	1.82 370	1.72 377	1.70 376	2.57 361	3.30 378	0.18 277	0.16 192	0.16 261	0.15 195	0.34 281	0.62 266

PSMNet_ROB	0.75 253	1.42 324	2.93 292	0.39 198	0.32 194	0.73 266	0.56 306	0.90 219	0.74 216	0.56 151	0.60 189	0.75 263	0.47 218	2.00 322	1.31 300	0.18 277	0.13 153	0.19 296	0.20 258	0.26 223	0.40 182

FTStereo	0.79 265	0.32 14	2.83 278	0.70 329	0.21 77	0.73 266	1.75 396	0.61 67	0.60 80	1.07 340	1.62 367	1.28 364	2.11 388	0.75 151	0.30 56	0.19 288	0.08 38	0.12 135	0.11 109	0.12 25	0.39 177

Anonymous3	0.47 48	0.49 89	2.61 208	0.33 111	0.25 124	0.72 263	0.32 190	0.80 137	0.60 80	0.36 23	0.41 60	0.33 56	0.29 88	0.46 49	0.30 56	0.19 288	0.18 205	0.13 191	0.13 159	0.18 110	0.22 77

psmorigin	1.41 363	0.91 214	13.83 417	0.37 167	0.30 175	0.63 195	0.37 227	0.80 137	0.64 109	0.98 329	0.87 310	1.16 362	0.78 313	3.95 401	1.09 278	0.19 288	0.22 231	0.17 275	0.19 249	0.25 208	0.47 220

FAT-Stereo	0.72 239	0.60 127	2.86 284	0.37 167	0.29 164	0.64 207	0.55 302	1.01 289	0.91 311	0.76 292	0.94 320	0.93 317	0.79 315	1.82 299	0.60 182	0.19 288	0.19 209	0.17 275	0.16 212	0.23 187	0.47 220

NVstereo2D	0.63 179	0.57 117	2.29 90	0.37 167	0.35 217	0.69 250	0.49 286	0.96 257	0.88 301	0.49 81	0.54 140	0.72 251	0.46 210	1.98 321	0.50 157	0.19 288	0.20 221	0.18 291	0.16 212	0.28 244	0.34 149

DeepPruner_ROB	0.58 126	1.06 238	2.68 239	0.30 60	0.26 138	0.63 195	0.31 180	0.83 161	0.51 40	0.62 216	0.56 161	0.65 210	0.39 146	1.06 188	0.56 174	0.19 288	0.14 166	0.14 220	0.14 177	0.24 193	0.33 142

PWC_ROB	0.81 270	1.41 320	2.60 204	0.41 220	0.40 243	0.63 195	0.31 180	1.04 307	0.99 337	0.92 324	1.29 353	0.78 273	0.68 291	1.65 273	1.50 315	0.19 288	0.12 140	0.18 291	0.13 159	0.51 349	0.54 247

CBMV	0.86 291	1.00 226	2.82 276	0.35 143	0.21 77	0.78 292	0.78 348	1.05 315	0.87 297	0.90 321	0.74 276	0.87 303	1.89 383	1.67 274	1.38 310	0.19 288	0.20 221	0.21 310	0.19 249	0.28 244	0.84 309
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
WZ-Net	1.04 334	1.83 366	4.20 379	0.42 223	0.36 223	0.88 320	0.71 341	1.05 315	1.11 353	0.84 314	0.94 320	1.06 347	1.17 353	2.37 346	2.24 354	0.20 296	0.14 166	0.15 245	0.16 212	0.36 298	0.53 244

LMCR-Stereo	0.61 154	1.00 226	2.60 204	0.42 223	0.22 86	0.74 271	0.31 180	1.06 327	0.70 177	0.62 216	0.64 219	0.40 82	0.52 239	0.84 168	1.27 299	0.20 296	0.09 81	0.12 135	0.09 37	0.26 223	0.16 43

Syn2CoEx	0.78 262	1.43 327	3.54 352	0.44 238	0.31 183	0.64 207	0.43 259	1.04 307	0.83 274	0.64 236	0.77 290	0.74 259	0.74 306	1.91 317	0.64 196	0.20 296	0.17 199	0.19 296	0.15 195	0.30 258	0.59 259

stereogan	0.74 244	0.68 151	2.82 276	0.40 211	0.40 243	1.05 343	0.42 252	0.99 275	0.96 327	0.78 302	0.86 308	1.15 360	0.73 302	1.57 257	0.56 174	0.20 296	0.19 209	0.20 306	0.16 212	0.37 304	0.34 149

TDLM	0.83 277	1.28 294	2.38 105	0.46 248	0.26 138	0.66 234	0.55 302	0.87 197	0.80 256	2.54 399	0.62 204	0.61 191	0.51 232	2.68 372	0.67 206	0.20 296	0.11 125	0.35 354	0.15 195	0.33 275	0.48 224

CVANet_RVC	0.82 273	1.18 269	3.98 371	0.40 211	0.28 159	0.63 195	0.43 259	0.90 219	0.78 240	1.14 345	0.69 242	0.68 231	0.52 239	2.62 365	0.48 145	0.20 296	0.13 153	0.22 314	0.37 344	0.37 304	0.48 224

NCCL2	0.71 231	1.32 299	2.30 92	0.44 238	0.31 183	0.71 257	0.67 335	0.89 211	0.69 167	0.70 270	0.61 197	0.85 297	0.54 244	1.58 263	0.70 212	0.20 296	0.17 199	0.66 376	0.25 284	0.26 223	0.38 170

MDST_ROB	1.28 353	0.53 105	3.84 368	0.55 286	0.45 263	4.06 406	0.60 317	1.36 368	0.89 306	2.18 390	1.17 346	0.98 328	0.72 299	4.28 403	2.12 345	0.20 296	0.16 192	0.19 296	0.17 225	0.20 150	0.84 309

Wz-Net-TNSev	1.02 329	2.26 394	3.69 360	0.38 185	0.31 183	1.00 338	0.71 341	1.12 344	1.02 340	0.74 288	0.73 273	1.09 353	0.91 332	2.46 356	2.15 348	0.21 304	0.20 221	0.16 261	0.20 258	0.48 345	0.62 266

RTS	1.29 354	1.59 345	6.48 406	0.63 311	0.57 292	1.59 372	0.90 359	1.15 347	1.44 373	1.20 354	1.31 354	1.10 354	0.87 328	2.67 369	2.27 356	0.21 304	0.38 272	0.19 296	0.20 258	0.46 342	0.68 284

RTSA	1.29 354	1.59 345	6.48 406	0.63 311	0.57 292	1.59 372	0.90 359	1.15 347	1.44 373	1.20 354	1.31 354	1.10 354	0.87 328	2.67 369	2.27 356	0.21 304	0.38 272	0.19 296	0.20 258	0.46 342	0.68 284

ADCPNet	1.07 338	1.37 315	4.54 391	0.38 185	0.68 323	1.36 360	0.64 326	0.93 236	0.83 274	0.79 303	0.82 296	1.08 350	1.18 354	1.30 224	2.68 368	0.21 304	0.69 321	0.21 310	0.95 396	0.30 258	0.54 247

LALA_ROB	0.68 216	1.14 255	2.50 173	0.37 167	0.29 164	0.78 292	0.55 302	0.99 275	0.84 286	0.82 310	0.68 238	0.93 317	0.50 228	1.01 183	0.89 253	0.21 304	0.15 180	0.21 310	0.18 233	0.26 223	0.30 129

GASNet	0.84 280	1.98 373	4.07 374	0.48 255	0.33 200	0.58 112	0.34 208	0.97 264	0.81 263	0.60 197	0.59 182	0.74 259	0.55 249	2.08 329	1.18 287	0.22 309	0.15 180	0.19 296	0.17 225	0.55 355	0.29 120

edge stereo	0.84 280	0.74 175	3.42 343	0.38 185	1.21 377	0.63 195	0.41 246	0.98 270	0.83 274	0.81 306	0.88 312	1.14 358	0.73 302	2.16 335	0.89 253	0.22 309	0.20 221	0.26 333	0.18 233	0.38 310	0.43 198

SHD	0.84 280	1.14 255	2.54 182	0.80 341	0.52 279	0.76 277	0.34 208	1.16 350	1.29 366	1.11 342	0.85 303	0.98 328	0.74 306	1.25 217	1.48 314	0.22 309	0.37 268	0.20 306	0.27 298	0.36 298	0.41 189

ADCMid	1.06 336	1.82 365	3.53 351	0.39 198	0.36 223	0.99 337	0.58 311	1.01 289	0.94 320	1.23 360	1.02 335	1.01 335	1.01 343	1.11 197	4.04 394	0.22 309	0.19 209	0.42 364	0.32 320	0.42 331	0.53 244

AnyNet_C32	1.08 341	1.76 363	3.01 304	0.50 271	0.54 285	1.17 356	1.16 379	0.97 264	0.95 325	1.11 342	0.98 328	0.87 303	0.93 337	1.57 257	4.11 396	0.22 309	0.20 221	0.25 331	0.25 284	0.40 323	0.68 284

LSM	3.40 402	1.42 324	5.81 403	9.98 419	30.74 433	0.86 314	1.14 375	0.99 275	1.26 363	1.40 370	2.18 380	0.93 317	0.85 323	1.76 285	1.03 272	0.22 309	0.35 266	0.24 326	0.29 304	0.40 323	6.21 416

XPNet_ROB	0.68 216	1.11 250	2.28 88	0.38 185	0.27 149	0.67 241	0.47 279	0.94 241	0.75 221	0.80 305	0.71 268	0.81 284	0.54 244	1.72 279	0.84 248	0.22 309	0.16 192	0.16 261	0.15 195	0.25 208	0.45 215

SGM-Forest	1.84 383	7.91 417	10.36 411	0.42 223	0.33 200	1.04 341	1.29 385	1.01 289	0.88 301	1.19 349	2.30 384	1.03 339	1.79 380	2.60 364	2.81 371	0.22 309	0.21 229	0.21 310	0.19 249	0.25 208	0.79 303
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
hitnet-ft	0.73 241	1.09 243	2.59 199	0.28 34	0.22 86	0.71 257	0.36 224	0.89 211	0.67 135	0.58 169	0.83 298	1.03 339	0.94 338	2.31 342	0.70 212	0.23 317	0.14 166	0.41 362	0.13 159	0.24 193	0.28 114

AF-Net	0.76 256	1.14 255	2.74 259	0.42 223	0.41 248	0.70 253	0.41 246	1.07 330	0.94 320	0.73 282	1.05 341	1.04 343	0.86 325	1.23 212	1.00 269	0.23 317	0.15 180	0.25 331	0.18 233	0.32 271	0.35 155

ADCS	1.14 345	2.02 378	3.36 329	0.43 233	0.37 229	0.96 336	0.81 351	1.12 344	1.17 360	1.25 361	0.98 328	1.08 350	0.92 335	1.41 234	4.97 402	0.23 317	0.21 229	0.22 314	0.23 276	0.40 323	0.67 279

DeepPrunerF	0.92 311	1.33 303	3.41 340	0.46 248	0.51 277	0.64 207	0.49 286	1.16 350	2.62 395	0.65 248	0.61 197	0.65 210	0.62 275	2.23 338	1.31 300	0.23 317	0.19 209	0.30 346	0.28 300	0.39 317	0.34 149

Anonymous Stereo	0.83 277	1.57 340	3.56 353	0.46 248	0.39 237	0.63 195	0.84 353	0.92 233	0.83 274	0.68 262	0.68 238	0.64 206	0.42 174	2.42 354	1.02 271	0.23 317	0.23 236	0.19 296	0.20 258	0.31 266	0.40 182

CBMV_ROB	0.88 298	0.75 179	2.73 257	0.36 157	0.22 86	0.76 277	0.47 279	1.05 315	0.81 263	1.06 339	1.04 339	0.88 307	1.36 359	2.17 336	2.03 338	0.23 317	0.24 239	0.27 334	0.25 284	0.27 234	0.73 295

MeshStereo	1.29 354	1.34 305	3.04 306	0.35 143	0.28 159	1.10 350	0.69 339	1.42 372	1.07 348	2.71 402	2.43 386	2.95 389	1.50 369	2.92 384	2.03 338	0.23 317	0.22 231	0.22 314	0.19 249	0.50 347	0.69 288
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
HBP-ISP	0.82 273	1.57 340	3.28 323	0.50 271	0.27 149	0.86 314	0.54 298	1.09 335	0.78 240	0.81 306	0.70 255	0.68 231	1.00 342	2.02 323	0.47 142	0.24 324	0.24 239	0.29 345	0.25 284	0.28 244	0.52 241

FADNet-RVC-Resample	0.74 244	1.54 338	3.81 366	0.38 185	0.29 164	0.62 182	0.38 235	0.91 226	0.67 135	0.52 118	0.51 116	0.63 200	0.44 195	1.56 253	0.59 180	0.24 324	0.32 260	0.22 314	0.19 249	0.30 258	0.71 293

RGC	0.78 262	1.10 248	2.55 189	0.45 245	0.45 263	0.73 266	0.40 244	1.00 281	0.75 221	0.75 290	1.04 339	1.02 338	0.73 302	1.74 282	1.15 284	0.24 324	0.19 209	0.28 337	0.26 290	0.31 266	0.38 170

Nwc_Net	0.75 253	1.10 248	2.96 296	0.42 223	0.39 237	0.77 287	0.39 241	1.06 327	0.73 199	0.65 248	1.00 332	0.99 331	0.74 306	1.43 236	0.99 267	0.24 324	0.15 180	0.23 321	0.26 290	0.27 234	0.30 129

XQC	0.84 280	1.32 299	2.61 208	0.78 339	0.44 260	0.89 322	0.53 295	1.16 350	1.07 348	0.85 315	0.69 242	0.92 312	0.73 302	1.40 232	1.44 312	0.24 324	0.35 266	0.23 321	0.26 290	0.45 338	0.39 177

PS-NSSS	0.69 222	1.37 315	2.44 134	0.31 74	0.32 194	0.64 207	0.34 208	1.04 307	0.74 216	0.56 151	0.75 283	0.51 143	0.42 174	2.41 353	0.54 170	0.24 324	0.17 199	0.27 334	0.18 233	0.30 258	0.23 85

UDGNet	0.50 70	1.36 312	2.44 134	0.37 167	0.19 63	0.58 112	0.23 58	0.49 14	0.69 167	0.42 37	0.39 51	0.34 60	0.29 88	0.55 92	0.32 78	0.25 330	0.10 104	0.37 357	0.19 249	0.30 258	0.17 49

G-Net	1.02 329	0.70 156	3.23 317	0.60 301	0.66 319	2.00 390	0.71 341	0.78 125	0.70 177	1.14 345	2.53 388	1.29 366	1.01 343	1.47 243	1.74 326	0.25 330	0.24 239	0.24 326	0.26 290	0.37 304	0.40 182

SAMSARA	1.11 343	1.35 308	2.60 204	1.34 372	0.77 335	1.67 377	1.41 393	1.47 374	0.99 337	1.54 378	0.89 314	1.44 371	0.90 331	1.88 310	1.71 322	0.25 330	0.55 299	0.22 314	0.34 336	0.39 317	0.50 232

NOSS_ROB	0.75 253	1.03 233	2.27 86	0.68 327	0.26 138	0.68 247	0.30 170	0.99 275	0.82 268	0.59 188	0.58 177	0.77 269	0.39 146	2.75 378	0.48 145	0.25 330	0.24 239	0.28 337	0.26 290	0.29 252	1.07 337

RP	0.74 244	1.01 229	2.48 167	0.44 238	0.45 263	0.66 234	0.45 270	0.95 254	0.87 297	0.70 270	0.95 323	0.99 331	0.82 317	1.55 251	0.82 245	0.26 334	0.19 209	0.23 321	0.20 258	0.34 281	0.38 170

AnyNet_C01	1.20 349	1.89 369	4.25 381	0.55 286	0.54 285	1.57 370	1.39 390	1.10 338	1.13 355	1.19 349	1.34 358	1.15 360	1.11 350	1.73 280	2.89 373	0.26 334	0.24 239	0.28 337	0.24 278	0.50 347	0.68 284

CSAN	1.38 361	1.74 362	4.12 375	0.53 279	0.38 235	1.06 346	1.15 377	1.29 363	1.12 354	1.19 349	1.90 373	1.04 343	1.44 364	5.92 409	2.82 372	0.26 334	0.22 231	0.24 326	0.25 284	0.35 292	0.54 247

PVD	1.05 335	1.21 276	2.36 101	0.84 344	0.91 349	1.04 341	0.64 326	1.32 366	1.68 382	1.43 372	1.41 361	1.14 358	1.15 352	1.49 246	1.77 329	0.27 337	0.65 314	0.28 337	0.35 338	0.40 323	0.73 295

DPSNet	1.02 329	0.72 163	2.84 280	0.60 301	0.39 237	1.08 348	0.75 345	1.41 371	1.14 356	0.74 288	0.69 242	1.05 346	1.67 374	2.09 331	2.22 353	0.27 337	0.61 308	0.20 306	0.50 367	0.48 345	1.03 334

FBW_ROB	0.94 317	1.23 285	2.35 100	0.46 248	0.32 194	0.87 318	0.46 275	1.15 347	0.97 333	0.83 313	0.78 294	1.01 335	0.64 280	3.65 399	1.65 321	0.27 337	0.24 239	0.40 360	0.26 290	0.32 271	0.88 317

dad	0.58 126	1.35 308	2.39 111	0.31 74	0.20 68	0.62 182	0.26 111	0.56 48	0.79 249	0.66 254	0.64 219	0.64 206	0.36 123	0.87 171	0.48 145	0.28 340	0.15 180	0.40 360	0.18 233	0.24 193	0.22 77

PFNet	0.62 167	0.42 70	2.69 245	0.43 233	0.55 287	0.62 182	0.27 125	0.64 78	0.72 196	0.61 204	0.56 161	0.45 119	0.33 112	1.86 306	1.12 281	0.28 340	0.09 81	0.12 135	0.16 212	0.26 223	0.27 108

NCC-stereo	0.88 298	1.22 281	2.97 297	0.60 301	0.45 263	1.88 384	0.48 281	1.04 307	0.75 221	0.70 270	0.85 303	0.93 317	0.84 320	1.81 296	1.51 316	0.28 340	0.19 209	0.23 321	0.31 315	0.27 234	0.35 155

Abc-Net	0.88 298	1.22 281	2.97 297	0.60 301	0.45 263	1.88 384	0.48 281	1.04 307	0.75 221	0.70 270	0.85 303	0.93 317	0.84 320	1.81 296	1.51 316	0.28 340	0.19 209	0.23 321	0.31 315	0.27 234	0.35 155
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
FC-DCNN	1.60 379	0.85 194	3.44 344	0.46 248	0.39 237	1.96 386	0.66 331	1.72 384	1.70 383	2.75 403	2.91 399	4.20 399	3.15 399	2.72 374	2.66 367	0.30 344	0.26 249	0.31 347	0.30 310	0.33 275	0.91 320

MSMD_ROB	1.41 363	1.03 233	2.75 261	0.41 220	0.32 194	2.00 390	0.61 322	0.96 257	1.43 372	2.97 404	2.63 392	4.76 404	2.04 387	2.44 355	1.78 330	0.30 344	0.26 249	0.32 349	0.32 320	0.32 271	0.63 270

FCDSN-DC	1.45 367	1.12 252	3.30 326	0.48 255	0.41 248	1.13 352	0.60 317	1.17 353	1.28 365	2.25 393	2.85 396	3.65 396	3.34 401	2.58 362	2.44 360	0.31 346	0.26 249	0.31 347	0.30 310	0.37 304	0.78 301
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
Anonymous_2	1.36 360	0.49 89	2.03 47	1.71 391	1.58 393	2.49 398	0.58 311	1.59 380	2.31 391	0.77 294	0.88 312	1.03 339	0.58 263	1.20 209	0.66 204	0.32 347	1.38 373	1.42 401	3.87 415	0.78 375	1.56 371

ccnet	0.77 260	0.61 132	2.01 43	0.40 211	0.46 270	1.05 343	0.59 314	1.02 295	0.74 216	0.90 321	0.97 325	0.82 287	0.89 330	1.68 277	1.16 286	0.32 347	0.26 249	0.32 349	0.28 300	0.35 292	0.47 220

SDNR	2.06 388	2.93 410	2.94 294	1.55 384	5.13 412	1.98 389	0.24 80	1.95 392	2.62 395	0.92 324	2.71 394	5.76 407	0.68 291	3.61 398	3.84 389	0.33 349	0.38 272	0.22 314	0.17 225	1.13 381	2.04 384

GANetREF_RVC	0.81 270	1.44 328	3.04 306	0.49 266	0.27 149	0.83 307	0.63 325	1.03 301	0.92 313	0.63 225	0.61 197	0.72 251	0.59 266	2.40 351	0.58 178	0.33 349	0.25 246	0.37 357	0.25 284	0.41 329	0.36 161
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
PWCDC_ROB	0.83 277	1.57 340	2.63 213	0.48 255	0.37 229	0.78 292	0.29 158	1.04 307	1.36 371	0.63 225	2.05 376	0.64 206	0.70 297	1.10 193	1.20 290	0.33 349	0.14 166	0.15 245	0.12 139	0.63 363	0.46 218

PASM	0.82 273	1.00 226	2.68 239	0.52 275	0.48 272	0.65 221	0.59 314	0.83 161	0.89 306	0.82 310	0.73 273	0.89 310	0.68 291	2.39 350	0.73 221	0.35 352	0.37 268	0.36 355	0.41 355	0.45 338	0.51 236

AANet_RVC	0.79 265	1.46 331	2.72 252	0.34 128	0.25 124	0.59 130	0.32 190	0.88 205	0.83 274	0.62 216	0.95 323	0.80 281	0.43 187	2.46 356	1.72 324	0.38 353	0.26 249	0.10 46	0.09 37	0.25 208	0.43 198

PDISCO_ROB	0.84 280	1.46 331	2.84 280	0.65 316	0.59 297	1.17 356	0.48 281	1.19 356	1.08 350	0.67 256	0.72 271	1.00 334	0.61 273	1.24 214	1.05 274	0.38 353	0.18 205	0.28 337	0.24 278	0.58 357	0.44 210

WCMA_ROB	1.29 354	1.21 276	3.13 314	0.65 316	0.36 223	1.20 359	0.78 348	1.00 281	0.98 334	1.78 383	2.62 391	3.08 393	2.01 386	1.86 306	2.35 358	0.38 353	0.38 272	0.32 349	0.32 320	0.31 266	1.06 336

PMTNet	0.35 7	0.38 55	1.75 9	0.21 2	0.14 8	0.57 105	0.24 80	0.48 11	0.44 16	0.28 18	0.32 31	0.26 29	0.24 27	0.41 41	0.24 15	0.42 356	0.07 6	0.08 3	0.05 1	0.18 110	0.15 30

ELAS_RVC	1.51 373	0.88 201	3.36 329	0.63 311	0.56 289	1.53 368	2.73 402	1.53 376	1.76 386	2.26 394	2.21 383	2.10 382	3.07 398	2.08 329	2.52 362	0.42 356	0.42 280	0.42 364	0.37 344	0.51 349	0.84 309
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	1.52 374	0.92 219	2.91 290	0.62 309	0.57 292	3.13 401	2.21 400	1.67 382	1.58 381	2.42 397	2.43 386	1.87 379	2.49 393	1.85 304	2.70 369	0.42 356	0.43 283	0.41 362	0.40 351	0.51 349	0.85 313
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
MFN_U_SF_DS_RVC	1.08 341	2.01 377	2.56 193	0.49 266	0.40 243	1.49 366	0.96 362	1.02 295	0.95 325	0.85 315	0.94 320	1.06 347	0.59 266	2.92 384	1.15 284	0.43 359	0.74 328	0.32 349	0.55 373	0.74 369	1.35 361

coex-ft	6.14 410	1.98 373	60.80 435	0.34 128	0.30 175	0.80 299	1.17 380	0.76 112	4.34 403	19.82 423	2.15 379	1.61 375	8.77 413	1.82 299	10.36 415	0.44 360	2.05 390	0.18 291	0.19 249	0.39 317	4.61 415

UDG	0.86 291	1.57 340	2.80 270	0.68 327	0.59 297	0.78 292	0.38 235	0.97 264	0.74 216	0.63 225	0.70 255	1.01 335	0.68 291	1.02 184	1.22 294	0.45 361	0.34 265	0.89 383	0.51 368	0.73 368	0.58 256

Consistency-Raft	0.92 311	1.21 276	3.50 347	0.98 357	0.63 312	0.77 287	0.54 298	1.02 295	1.01 339	0.62 216	1.03 337	0.65 210	1.04 345	0.81 166	1.36 306	0.45 361	0.47 287	0.51 370	0.59 378	0.65 365	0.47 220

FADNet	0.71 231	1.60 349	2.53 178	0.33 111	0.30 175	0.67 241	0.29 158	0.92 233	0.75 221	0.45 51	0.49 102	0.66 217	0.57 256	1.85 304	0.85 249	0.46 363	0.20 221	0.17 275	0.20 258	0.60 359	0.37 162

MADNet+	1.44 365	2.19 387	6.00 404	0.89 347	0.70 326	1.58 371	1.11 372	1.56 379	1.30 368	0.89 319	1.03 337	1.25 363	1.12 351	3.29 391	2.80 370	0.48 364	0.57 303	0.39 359	0.36 343	0.63 363	0.69 288

STTRV1_RVC		0.59 125		0.43 233	0.49 274	0.80 299	0.44 265	1.18 355	0.84 286	0.63 225	0.89 314	0.72 251	0.63 279	2.67 369	0.67 206	0.51 365	0.65 314	0.27 334	0.24 278	0.35 292	0.29 120

JetBlue	1.89 384	2.09 382	4.16 377	0.74 332	1.23 378	4.52 410	3.86 407	1.68 383	1.26 363	1.28 364	1.54 364	2.36 386	1.86 382	3.35 393	3.37 380	0.54 366	0.49 291	0.48 368	0.49 365	1.39 394	1.21 348

SGM_RVC	2.11 390	1.07 239	2.87 285	0.98 357	0.92 350	2.72 400	1.88 399	1.91 390	12.27 412	2.09 386	1.99 375	2.47 387	2.24 391	2.87 383	2.03 338	0.54 366	0.47 287	0.42 364	0.47 362	0.74 369	1.22 350
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DispFullNet	1.69 381	2.25 392	5.23 397	1.53 383	8.78 414	0.89 322	0.37 227	1.03 301	0.98 334	1.37 366	1.00 332	1.13 357	1.97 385	1.51 248	0.98 265	0.55 368	0.32 260	1.19 392	0.64 381	1.16 383	0.88 317

DDUNet	0.90 308	1.63 352	2.77 266	0.77 337	0.69 324	0.83 307	0.44 265	0.90 219	0.70 177	0.68 262	0.76 286	0.92 312	0.54 244	1.14 202	1.35 304	0.61 369	0.37 268	0.96 385	0.52 370	0.77 373	0.67 279

anonymity	0.86 291	0.68 151	1.44 2	0.64 314	0.83 341	0.67 241	0.52 293	0.98 270	0.73 199	0.96 328	0.70 255	0.81 284	0.86 325	1.10 193	1.34 302	0.64 370	0.72 327	0.58 372	1.44 407	0.60 359	0.91 320

SPS-STEREO	1.22 350	1.65 354	3.41 340	0.66 320	0.69 324	1.01 339	0.68 337	1.10 338	0.96 327	1.40 370	1.25 351	1.46 372	1.08 348	2.05 324	2.24 354	0.66 371	0.61 308	0.58 372	0.57 376	0.66 366	1.65 375
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
NVStereoNet_ROB	1.45 367	1.62 350	3.59 356	1.09 362	0.70 326	0.86 314	0.67 335	1.19 356	1.51 377	1.20 354	4.05 404	1.61 375	1.94 384	2.97 386	2.07 342	0.67 372	0.69 321	0.55 371	0.70 382	0.57 356	0.67 279
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
MFMNet_re	1.01 328	1.73 359	3.04 306	0.85 345	0.76 333	0.93 330	0.81 351	1.02 295	1.10 351	1.05 337	1.06 342	0.84 292	0.96 339	0.93 178	0.97 259	0.68 373	0.61 308	0.63 375	0.60 380	0.77 373	0.80 305

WAO-7	1.58 378	2.04 380	3.25 320	0.94 353	0.75 330	1.75 380	1.13 374	1.87 388	1.97 389	1.46 375	2.53 388	1.98 381	1.75 377	3.13 388	2.48 361	0.69 374	0.67 317	0.94 384	0.74 387	0.80 376	0.77 298

CAS	0.39 15	0.31 7	1.79 10	0.81 343	0.34 209	0.51 46	0.23 58	0.49 14	0.42 9	0.23 6	0.31 25	0.20 2	0.17 1	0.30 2	0.25 23	0.77 375	0.06 1	0.07 1	0.05 1	0.10 10	0.41 189

SQANet	0.92 311	1.96 371	3.23 317	0.77 337	0.83 341	0.76 277	0.38 235	0.87 197	0.68 159	0.64 236	0.69 242	0.73 257	0.52 239	1.35 228	1.36 306	0.80 376	0.30 258	0.60 374	0.29 304	0.93 378	0.70 291

LE_ROB	4.55 407	2.43 402	9.94 409	2.79 411	4.03 410	2.40 397	3.54 404	2.72 398	11.04 411	11.64 416	4.69 408	5.25 405	10.74 414	4.52 406	9.73 413	0.82 377	0.70 324	1.34 398	0.97 397	0.74 369	0.94 323

FINET	1.92 385	1.96 371	4.49 390	1.62 386	1.39 385	3.51 404	4.39 408	2.89 401	2.58 394	1.39 368	1.98 374	1.35 368	2.12 389	1.64 270	2.12 345	0.84 378	1.03 346	0.18 291	0.29 304	0.54 354	2.12 387

SGM-ForestM	3.67 404	2.70 409	5.34 400	1.65 388	1.72 397	6.02 412	5.08 410	4.10 410	3.47 401	4.59 409	4.21 406	9.81 413	5.79 410	6.44 410	6.97 409	0.88 379	1.09 349	0.33 353	0.45 359	0.68 367	2.10 386

ACVNet_2	1.54 375	2.20 389	4.42 388	1.10 364	0.93 352	1.37 362	0.87 355	1.53 376	1.71 384	1.22 358	1.72 368	2.12 383	1.06 346	2.58 362	1.93 334	0.94 380	0.54 297	1.00 387	0.56 375	2.11 405	0.96 328

FADNet_RVC	0.87 297	1.51 336	2.90 289	0.31 74	0.24 118	0.71 257	0.25 99	1.00 281	0.65 116	0.45 51	0.57 171	0.61 191	0.44 195	1.53 249	0.75 224	0.94 380	0.97 337	0.28 337	1.00 399	0.89 377	1.36 363

WAO-6	1.69 381	1.87 368	3.21 316	1.15 368	1.01 363	2.29 394	1.06 371	1.85 387	2.84 399	1.30 365	2.59 390	2.19 384	1.67 374	2.62 365	2.52 362	0.96 382	0.68 318	1.19 392	0.84 390	1.13 381	0.95 326

CC-Net-ROB	0.95 318	1.57 340	2.93 292	0.90 349	0.39 237	0.87 318	0.44 265	1.12 344	0.83 274	0.59 188	0.69 242	0.64 206	0.50 228	2.73 376	0.93 256	0.97 383	0.40 278	0.87 382	0.29 304	0.61 362	0.66 277

otaku	1.15 346	2.10 383	3.51 348	0.98 357	0.74 329	1.02 340	0.59 314	1.03 301	0.89 306	0.70 270	1.60 365	0.98 328	0.65 281	1.63 267	1.80 331	0.99 384	0.46 285	0.73 380	0.40 351	1.30 390	0.88 317

Ntro	1.11 343	2.10 383	3.52 350	0.97 356	0.87 346	1.06 346	0.54 298	1.02 295	0.93 319	0.63 225	0.76 286	0.93 317	0.67 289	1.76 285	1.71 322	1.03 385	0.46 285	0.76 381	0.41 355	1.29 388	0.86 316

MANE	3.51 403	2.03 379	3.88 370	1.89 399	2.01 401	5.98 411	4.72 409	5.87 413	7.13 410	3.80 408	5.10 409	6.11 409	5.34 408	4.39 404	5.05 403	1.07 386	1.28 366	0.50 369	0.85 391	0.76 372	2.36 403

ACVNet_1	1.47 369	2.27 395	4.92 394	1.11 365	0.89 347	1.19 358	0.66 331	1.28 362	1.19 361	0.98 329	0.97 325	3.06 392	1.48 368	2.37 346	1.82 332	1.08 387	0.49 291	1.03 389	0.48 363	1.20 384	0.95 326

PWCK	1.62 380	2.32 399	4.27 382	1.11 365	0.56 289	1.81 382	1.84 397	1.55 378	1.54 379	1.45 373	1.81 369	1.82 378	1.38 361	3.34 392	2.14 347	1.09 388	0.57 303	0.98 386	0.59 378	1.50 396	0.79 303

SGM+DAISY	2.67 393	2.14 385	4.28 384	1.92 400	2.11 404	4.36 409	5.22 411	3.17 402	3.00 400	3.24 407	3.81 403	3.03 391	3.61 402	2.53 358	3.79 388	1.15 389	1.29 367	0.66 376	0.71 385	0.95 379	2.44 404

MaskLacGwcNet_RVC	0.84 280	1.41 320	2.80 270	0.94 353	0.35 217	0.89 322	0.41 246	0.89 211	0.66 123	0.57 163	0.63 212	0.75 263	0.38 135	2.37 346	0.55 172	1.16 390	0.31 259	0.36 355	0.21 269	0.59 358	0.63 270

Dean	1.92 385	2.31 398	5.03 396	1.31 370	1.08 369	1.55 369	0.99 363	1.98 393	2.33 392	1.51 377	4.15 405	4.23 402	1.39 362	2.31 342	2.10 343	1.18 391	0.69 321	1.18 391	0.75 388	1.30 390	1.07 337

RainbowNet	1.27 352	2.22 390	3.58 355	1.14 367	0.92 350	1.08 348	0.76 346	1.19 356	1.15 358	0.77 294	0.97 325	1.08 350	0.83 319	1.64 270	1.72 324	1.20 392	1.30 369	1.01 388	0.58 377	1.23 385	0.97 331

TorneroNet-64	2.74 394	2.23 391	4.18 378	1.48 380	1.20 376	3.88 405	1.01 369	3.48 409	6.61 409	2.62 401	4.55 407	4.20 399	3.84 404	3.39 395	3.40 382	1.23 393	0.66 316	1.39 400	0.80 389	3.42 412	1.27 353

JetRed	3.37 401	4.96 414	10.08 410	1.48 380	1.73 398	7.63 413	5.47 412	3.47 407	2.20 390	2.42 397	2.40 385	2.98 390	2.35 392	3.52 397	6.60 407	1.33 394	1.90 386	1.38 399	1.23 404	2.30 407	2.02 383

IMH-64-1	1.50 370	1.98 373	2.69 245	1.39 375	1.12 372	1.39 363	1.19 381	1.80 385	1.47 375	1.19 349	2.20 381	1.53 373	1.51 370	2.12 333	1.98 335	1.34 395	0.68 318	1.28 395	0.70 382	1.37 392	1.12 339

IMH-64	1.50 370	1.98 373	2.69 245	1.39 375	1.12 372	1.39 363	1.19 381	1.80 385	1.47 375	1.19 349	2.20 381	1.53 373	1.51 370	2.12 333	1.98 335	1.34 395	0.68 318	1.28 395	0.70 382	1.37 392	1.12 339

TorneroNet	5.60 409	2.30 397	3.98 371	1.49 382	1.26 381	14.47 418	1.11 372	4.85 411	20.66 427	10.12 412	16.30 419	11.78 417	7.35 411	3.41 396	4.38 398	1.36 397	0.70 324	1.46 402	0.87 392	2.73 409	1.33 358

UNDER WATER	2.84 396	2.25 392	5.25 398	1.84 397	1.45 388	2.36 396	1.44 394	3.23 404	6.51 408	2.61 400	2.73 395	5.69 406	5.64 409	3.14 389	4.18 397	1.48 398	0.81 331	1.60 406	1.07 400	1.91 402	1.67 376

UNDER WATER-64	2.59 392	2.28 396	5.63 401	1.85 398	1.45 388	3.28 402	1.60 395	2.62 397	5.57 405	2.09 386	2.12 377	4.10 398	4.21 405	2.74 377	3.64 387	1.49 399	0.86 333	1.58 405	1.09 402	1.91 402	1.62 374

KSHMR	4.19 405	2.37 401	6.24 405	1.73 393	1.48 390	1.97 388	1.29 385	3.18 403	17.06 422	2.15 389	15.74 417	9.09 412	1.75 377	8.33 413	2.37 359	1.55 400	1.29 367	1.70 407	1.23 404	1.75 399	1.60 373

notaker	2.77 395	2.35 400	4.02 373	2.61 409	1.44 387	1.77 381	1.14 375	2.77 400	1.81 387	2.30 395	11.41 414	3.95 397	4.70 406	3.24 390	3.01 375	1.58 401	0.88 334	1.71 408	1.08 401	2.10 404	1.44 367

MSC_U_SF_DS_RVC	1.40 362	2.04 380	3.02 305	0.58 300	0.41 248	2.15 393	1.00 367	1.31 365	1.29 366	1.05 337	1.10 344	1.29 366	0.91 332	3.07 387	1.34 302	1.65 402	0.84 332	0.68 378	0.88 393	1.55 397	1.91 379

BEATNet-Init1	12.32 415	12.82 421	28.66 432	3.22 412	3.71 408	21.59 427	11.42 415	14.54 422	13.73 418	20.24 424	20.16 424	26.14 432	19.85 423	19.08 426	15.33 422	1.81 403	1.93 389	2.05 411	2.48 412	4.25 414	3.41 412

ktn	4.44 406	2.47 404	3.70 361	1.82 396	1.49 391	2.11 392	1.40 391	2.30 395	12.56 413	11.36 415	16.25 418	11.30 416	3.77 403	4.41 405	3.47 383	1.86 404	0.99 339	1.74 409	1.21 403	3.28 411	1.39 364

MFN_U_SF_RVC	1.57 377	2.56 407	3.30 326	0.66 320	0.41 248	1.15 354	0.51 289	1.27 361	1.35 370	1.61 380	1.20 348	1.43 370	0.97 340	1.80 294	2.10 343	1.88 405	1.79 384	1.97 410	2.14 409	1.61 398	1.76 378

WAO-8	2.91 397	2.55 405	3.77 362	1.93 401	1.04 366	4.08 407	0.99 363	3.25 405	6.09 406	2.20 391	3.34 401	3.33 394	2.64 394	11.73 415	2.52 362	2.12 406	1.92 387	1.55 403	0.93 394	1.27 386	0.96 328

Venus	2.91 397	2.55 405	3.77 362	1.93 401	1.04 366	4.08 407	0.99 363	3.25 405	6.09 406	2.20 391	3.34 401	3.33 394	2.64 394	11.73 415	2.52 362	2.12 406	1.92 387	1.55 403	0.93 394	1.27 386	0.96 328

SPstereo	16.55 420	3.18 411	4.92 394	2.73 410	2.77 406	29.67 428	52.00 430	39.41 436	29.70 437	21.94 432	21.64 427	27.45 434	23.83 429	27.92 437	26.10 431	2.44 408	2.60 409	4.96 415	3.11 413	2.27 406	2.32 402

MADNet++	2.94 400	2.17 386	3.27 322	2.55 408	2.28 405	3.29 403	3.37 403	2.76 399	2.67 397	3.10 405	3.20 400	2.78 388	3.25 400	4.11 402	4.68 401	2.72 409	2.27 405	3.03 413	2.43 411	2.34 408	2.59 405

LVE	2.10 389	2.61 408	4.30 386	1.79 395	1.81 399	1.68 378	1.04 370	2.35 396	2.78 398	1.27 363	2.87 397	4.21 401	1.46 365	2.83 382	2.02 337	2.87 410	0.92 336	1.19 392	1.47 408	1.29 388	1.18 342

DGTPSM_ROB	8.97 413	5.94 415	13.01 415	5.95 416	11.34 416	8.54 414	24.06 420	6.47 414	13.52 414	5.19 410	11.52 415	6.18 410	11.04 415	7.02 411	13.92 417	4.47 411	7.66 416	3.90 414	7.43 419	4.34 415	7.98 418

DGSMNet	2.93 399	0.77 182	3.44 344	3.58 413	4.25 411	2.53 399	6.86 413	1.03 301	0.88 301	0.58 169	1.85 371	0.79 275	0.62 275	1.63 267	1.46 313	4.62 412	4.98 415	5.15 417	4.71 416	4.52 416	4.37 413

IMH	2.14 391	2.46 403	3.60 358	1.70 390	1.13 374	1.65 376	0.93 361	2.13 394	1.93 388	1.37 366	2.64 393	2.19 384	1.82 381	5.77 407	2.18 350	5.70 413	1.05 347	1.31 397	0.72 386	1.39 394	1.13 341

ACVNet-4b	2.00 387	2.19 387	4.85 393	1.09 362	0.86 344	1.15 354	0.53 295	1.11 342	1.15 358	0.65 248	1.09 343	1.97 380	0.69 295	2.31 342	9.78 414	5.73 414	0.42 280	1.03 389	0.55 373	1.89 401	0.92 322

tt	4.94 408	0.32 14	4.22 380	2.29 405	1.58 393	10.19 416	16.94 419	9.44 417	5.03 404	1.69 381	1.33 357	4.68 403	5.02 407	3.38 394	5.91 406	6.15 415	9.47 422	2.80 412	3.16 414	3.54 413	1.58 372

PML	22.99 423	17.34 422	8.24 408	5.48 415	9.84 415	50.35 437	102.65 437	5.84 412	13.52 414	37.08 437	104.84 437	30.61 436	23.20 428	12.09 417	7.96 411	6.27 416	2.12 395	6.31 419	2.42 410	10.67 421	2.95 406

DPSM_ROB	12.32 415	11.13 419	12.31 413	12.90 421	12.80 419	19.81 425	28.13 426	14.50 420	14.31 419	10.62 413	11.34 412	12.03 418	11.89 418	13.08 420	15.22 420	7.09 417	8.31 419	6.47 420	7.32 417	8.69 419	8.43 420

DPSM	12.32 415	11.13 419	12.31 413	12.90 421	12.80 419	19.81 425	28.13 426	14.50 420	14.31 419	10.62 413	11.34 412	12.03 418	11.89 418	13.08 420	15.22 420	7.09 417	8.31 419	6.47 420	7.32 417	8.69 419	8.43 420

DLNR_Zeroshot_test	13.74 418	20.06 424	23.92 424	121.50 439	35.20 434	0.46 20	0.15 1	7.96 416	0.47 24	0.29 21	0.37 42	0.26 29	0.17 1	0.79 159	0.36 104	7.16 419	2.95 413	0.09 13	0.38 347	50.40 437	1.95 381

DPSMNet_ROB	9.58 414	5.96 416	13.98 418	8.88 418	11.87 417	8.54 414	24.08 421	6.48 415	13.67 417	5.35 411	11.53 416	6.31 411	11.04 415	7.69 412	14.09 418	7.61 420	8.23 418	5.03 416	7.75 420	5.24 417	8.36 419

HanzoNet	7.85 411	3.30 413	5.75 402	7.47 417	3.97 409	2.34 395	1.37 387	3.47 407	4.02 402	13.30 417	10.49 410	10.86 414	16.67 420	8.50 414	10.51 416	10.80 421	9.84 423	5.83 418	13.69 421	7.24 418	7.51 417

CasAABBNet	24.76 426	22.38 428	24.44 425	26.05 428	25.75 427	39.79 430	56.76 433	29.10 433	28.88 431	21.22 426	22.69 429	24.21 429	23.99 434	26.23 429	30.62 433	14.22 422	16.71 425	13.03 422	14.75 424	17.49 425	16.97 423

MyStereo03	24.90 428	22.40 430	24.90 427	26.19 430	25.93 429	39.80 431	56.77 434	29.00 430	28.95 433	21.51 429	22.81 431	24.16 426	23.92 430	26.26 430	30.65 434	14.24 423	17.13 427	13.03 422	14.76 426	17.48 422	18.00 426

MyStereo02	24.90 428	22.40 430	24.90 427	26.19 430	25.93 429	39.80 431	56.77 434	29.00 430	28.95 433	21.51 429	22.81 431	24.16 426	23.92 430	26.26 430	30.65 434	14.24 423	17.13 427	13.03 422	14.76 426	17.48 422	18.00 426

MyStereo	24.90 428	22.40 430	24.90 427	26.19 430	25.93 429	39.80 431	56.77 434	29.00 430	28.95 433	21.51 429	22.81 431	24.16 426	23.92 430	26.26 430	30.65 434	14.24 423	17.13 427	13.03 422	14.76 426	17.48 422	18.00 426

Selective-RAFT-Error	24.83 427	22.44 433	24.80 426	26.10 429	25.82 428	39.85 434	56.72 432	29.21 435	29.03 436	21.29 428	22.80 430	24.25 430	24.07 435	26.28 433	30.60 432	14.24 423	16.85 426	13.04 426	14.75 424	17.53 426	17.02 424

LSM0	26.57 431	22.53 434	25.76 430	30.62 434	52.30 438	39.86 435	56.49 431	29.18 434	28.76 430	21.26 427	22.46 428	24.42 431	23.97 433	26.42 434	30.66 437	14.29 427	16.56 424	13.06 427	14.65 423	17.62 427	20.52 429

LRCNet_RVC	13.78 419	19.34 423	13.01 415	19.47 424	12.67 418	1.85 383	0.42 252	12.28 418	1.10 351	15.76 419	18.69 423	12.52 420	8.65 412	12.22 418	9.64 412	22.29 428	8.38 421	25.92 430	24.06 431	19.72 429	17.59 425

xxxxx1	29.05 434	20.74 425	14.05 419	50.10 435	40.25 435	19.01 420	26.60 422	21.83 426	20.22 424	16.52 420	17.56 420	18.33 421	21.41 424	16.11 423	20.77 425	23.48 429	26.77 433	66.36 436	78.56 435	30.19 433	32.23 435

tt_ll	29.05 434	20.74 425	14.05 419	50.10 435	40.25 435	19.01 420	26.60 422	21.83 426	20.22 424	16.52 420	17.56 420	18.33 421	21.41 424	16.11 423	20.77 425	23.48 429	26.77 433	66.36 436	78.56 435	30.19 433	32.23 435

ff	29.05 434	20.74 425	14.05 419	50.10 435	40.25 435	19.01 420	26.60 422	21.83 426	20.22 424	16.52 420	17.56 420	18.33 421	21.41 424	16.11 423	20.77 425	23.48 429	26.77 433	66.36 436	78.56 435	30.19 433	32.23 435

HaxPig	19.88 421	22.39 429	22.30 422	17.98 423	17.98 422	12.06 417	12.06 416	16.25 423	15.97 421	21.05 425	21.41 426	18.85 424	18.35 421	20.07 427	19.64 424	23.57 432	23.19 432	24.07 429	23.71 430	22.95 430	23.72 432

DPSimNet_ROB	24.35 425	23.81 435	31.38 434	25.93 427	22.83 425	31.30 429	34.38 429	20.78 425	28.92 432	27.39 434	22.99 434	28.29 435	35.76 437	15.47 422	17.82 423	24.28 433	17.90 430	22.23 428	14.12 422	19.38 428	22.12 431

MEDIAN_ROB	23.95 424	26.96 437	26.29 431	22.14 425	22.09 424	16.18 419	14.23 417	20.47 424	20.09 423	25.43 433	25.22 435	22.96 425	22.54 427	24.33 428	23.18 429	28.15 434	27.16 436	28.60 432	27.73 432	27.59 431	27.58 433

ASD4	27.03 433	24.46 436	23.91 423	27.24 433	17.87 421	47.08 436	31.36 428	41.80 437	21.82 428	31.12 436	20.82 425	33.80 437	18.50 422	27.25 436	21.57 428	29.52 435	20.55 431	27.54 431	23.38 429	30.03 432	20.96 430

AVERAGE_ROB	26.91 432	30.28 438	29.18 433	25.78 426	25.30 426	19.49 424	15.38 418	23.70 429	23.02 429	28.38 435	27.78 436	26.23 433	25.76 436	26.95 435	25.55 430	31.27 436	30.02 437	31.76 433	30.80 433	30.88 436	30.77 434

Anonymous_1	22.76 422	11.11 418	11.93 412	12.73 420	26.05 432	19.39 423	27.77 425	14.18 419	13.64 416	14.92 418	10.66 411	11.26 415	11.24 417	12.48 419	14.45 419	37.82 437	7.87 417	34.92 434	63.61 434	87.51 438	11.75 422

test_example2	115.17 437	122.38 439	93.45 436	115.38 438	123.53 439	101.24 438	113.11 438	54.67 438	99.94 438	135.50 438	136.43 438	85.67 438	85.40 438	110.44 438	104.91 438	152.17 438	205.21 438	99.17 439	114.27 438	138.55 439	112.04 438

FADE		3.24 412		2.10 403	2.93 407													65.47 435		1.78 400

Low-res two-view benchmark