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

StereoIM	0.38 1	0.27 35	0.72 57	0.45 8	0.35 137	0.30 3	0.31 25	0.81 6	0.54 3	0.38 2	0.38 1	0.58 44	0.49 54	0.53 4	0.39 31	0.20 99	0.16 139	0.19 47	0.15 30	0.19 59	0.15 3

MIF-Stereo	0.38 1	0.24 9	0.67 47	0.49 35	0.36 139	0.40 9	0.32 29	0.55 1	0.55 4	0.55 30	0.55 17	0.36 2	0.31 6	0.59 11	0.52 109	0.21 121	0.15 112	0.17 13	0.15 30	0.19 59	0.17 23

CREStereo	0.40 3	0.24 9	0.40 2	0.37 1	0.22 4	0.52 47	0.29 21	0.81 6	1.15 172	0.59 31	0.72 34	0.51 33	0.42 20	0.57 8	0.37 25	0.19 65	0.13 17	0.15 3	0.10 1	0.14 1	0.15 3
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
AEACV	0.41 4	0.25 16	0.60 24	0.55 111	0.52 238	0.43 13	0.38 69	0.98 31	0.63 17	0.44 5	0.56 18	0.46 16	0.59 96	0.56 6	0.31 1	0.17 18	0.13 17	0.18 33	0.16 54	0.17 20	0.17 23

LoS	0.41 4	0.23 6	0.46 8	0.39 2	0.23 5	0.48 23	0.40 80	1.12 73	0.94 88	0.50 19	0.66 22	0.49 29	0.42 20	0.63 23	0.39 31	0.19 65	0.14 58	0.16 8	0.11 6	0.14 1	0.15 3

EGLCR-Stereo	0.41 4	0.24 9	0.59 22	0.45 8	0.27 19	0.54 60	0.22 2	1.23 114	0.56 6	0.44 5	0.43 2	0.68 66	0.29 3	0.89 66	0.34 4	0.17 18	0.12 5	0.20 70	0.17 70	0.17 20	0.18 32

GLC_STEREO	0.41 4	0.27 35	0.43 5	0.55 111	0.24 6	0.47 18	0.30 23	0.81 6	0.64 19	0.53 28	0.74 36	0.50 32	0.31 6	0.65 25	0.45 73	0.18 40	0.20 209	0.23 147	0.19 103	0.21 121	0.21 88

CASnet	0.42 8	0.26 19	0.52 15	0.52 70	0.21 2	0.49 28	0.35 49	0.85 15	0.85 61	0.84 66	0.69 28	0.48 25	0.31 6	0.57 8	0.34 4	0.19 65	0.12 5	0.27 234	0.22 187	0.23 158	0.15 3
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
Selective-IGEV	0.42 8	0.26 19	0.56 16	0.48 29	0.27 19	0.45 16	0.33 33	1.56 168	0.61 15	0.36 1	0.47 4	0.52 36	0.30 4	1.08 100	0.33 3	0.15 4	0.13 17	0.17 13	0.13 11	0.16 11	0.15 3

CroCo-Stereo	0.42 8	0.33 135	0.83 116	0.59 163	0.28 40	0.26 1	0.33 33	1.22 110	0.85 61	0.43 4	0.49 7	0.65 60	0.46 36	0.40 1	0.36 16	0.19 65	0.15 112	0.16 8	0.14 22	0.20 86	0.17 23
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
ff7	0.45 11	0.30 79	0.64 37	0.47 24	0.33 110	0.49 28	0.42 92	0.93 21	0.59 7	0.50 19	0.53 9	0.44 8	0.48 44	1.41 144	0.36 16	0.18 40	0.13 17	0.21 93	0.15 30	0.18 34	0.21 88

ffff	0.45 11	0.30 79	0.64 37	0.47 24	0.33 110	0.49 28	0.42 92	0.93 21	0.59 7	0.50 19	0.53 9	0.44 8	0.48 44	1.41 144	0.36 16	0.18 40	0.13 17	0.21 93	0.15 30	0.18 34	0.21 88

11t	0.45 11	0.30 79	0.64 37	0.47 24	0.33 110	0.49 28	0.42 92	0.93 21	0.59 7	0.50 19	0.53 9	0.44 8	0.48 44	1.41 144	0.36 16	0.18 40	0.13 17	0.21 93	0.15 30	0.18 34	0.21 88

LoS_RVC	0.45 11	0.29 61	0.48 10	0.49 35	0.83 338	0.51 43	0.43 108	0.65 2	0.44 1	0.47 11	0.78 42	0.44 8	0.60 100	0.59 11	0.37 25	0.14 1	0.12 5	0.14 1	0.10 1	0.14 1	1.08 376

anonymousdsp	0.45 11	0.30 79	0.60 24	0.48 29	0.34 122	0.49 28	0.42 92	0.97 27	0.60 12	0.51 26	0.53 9	0.46 16	0.47 42	1.36 135	0.35 6	0.18 40	0.13 17	0.21 93	0.15 30	0.18 34	0.21 88

ccc-4	0.45 11	0.30 79	0.64 37	0.47 24	0.33 110	0.49 28	0.42 92	0.93 21	0.59 7	0.50 19	0.53 9	0.44 8	0.48 44	1.41 144	0.36 16	0.18 40	0.13 17	0.21 93	0.15 30	0.18 34	0.21 88

IGEV-Stereo	0.45 11	0.30 79	0.60 24	0.48 29	0.34 122	0.49 28	0.42 92	0.98 31	0.60 12	0.51 26	0.53 9	0.46 16	0.47 42	1.36 135	0.35 6	0.18 40	0.13 17	0.21 93	0.15 30	0.18 34	0.21 88
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
TANstereo	0.45 11	0.23 6	0.50 13	0.43 5	0.21 2	0.65 109	0.26 10	0.83 11	0.88 65	0.95 84	0.99 83	0.51 33	0.45 29	0.56 6	0.36 16	0.19 65	0.24 262	0.16 8	0.13 11	0.17 20	0.27 194

ProNet	0.46 19	0.30 79	0.69 53	0.46 14	0.32 97	0.57 69	0.52 174	1.15 90	0.67 22	0.44 5	0.50 8	0.44 8	0.43 23	1.31 128	0.38 28	0.16 7	0.15 112	0.19 47	0.16 54	0.18 34	0.18 32

MC-Stereo	0.46 19	0.24 9	0.58 18	0.63 201	0.30 63	0.38 7	0.32 29	0.98 31	0.74 36	0.66 40	0.85 55	0.56 41	0.60 100	1.07 98	0.32 2	0.17 18	0.12 5	0.17 13	0.15 30	0.16 11	0.16 13

CroCo-Stereo Lap2	0.46 19	0.37 204	0.87 138	0.62 191	0.79 329	0.28 2	0.35 49	0.81 6	0.73 29	0.39 3	0.54 15	0.71 79	0.54 69	0.60 13	0.48 89	0.18 40	0.18 185	0.19 47	0.16 54	0.21 121	0.21 88

Former-RAFT_DAM_RVC	0.47 22	0.38 221	0.75 77	0.48 29	0.37 144	0.67 120	0.35 49	0.82 10	1.14 167	0.61 38	0.64 20	0.39 4	0.39 15	0.74 34	0.39 31	0.20 99	0.17 161	0.22 120	0.18 84	0.24 187	0.20 70

XX-TBD	0.47 22	0.71 328	0.39 1	0.81 316	0.25 8	0.57 69	0.26 10	0.73 3	1.30 236	0.78 53	1.01 89	0.45 15	0.33 10	0.49 3	0.39 31	0.20 99	0.15 112	0.15 3	0.11 6	0.17 20	0.15 3

PMTNet	0.47 22	0.22 3	0.43 5	0.39 2	0.24 6	0.71 137	0.26 10	0.78 5	1.03 123	0.65 39	0.69 28	0.55 39	0.48 44	0.90 69	0.36 16	0.99 376	0.13 17	0.15 3	0.10 1	0.15 4	0.15 3

MIF-Stereo (partial)	0.48 25	0.28 43	0.83 116	0.51 58	0.53 243	0.39 8	0.27 14	1.03 44	0.64 19	0.47 11	0.71 33	0.51 33	0.51 56	1.13 111	0.47 85	0.20 99	0.16 139	0.23 147	0.20 129	0.24 187	0.20 70

IGEVStereo-DCA	0.49 26	0.33 135	0.64 37	0.46 14	0.34 122	0.50 38	0.42 92	0.93 21	0.59 7	0.48 13	0.48 5	0.48 25	0.45 29	2.28 264	0.44 62	0.19 65	0.14 58	0.19 47	0.15 30	0.17 20	0.21 88

test croco	0.49 26	0.29 61	1.23 239	0.51 58	0.40 171	0.35 5	0.37 62	1.04 46	0.62 16	0.44 5	0.76 37	0.42 5	0.41 17	1.17 118	0.46 77	0.23 170	0.15 112	0.24 168	0.19 103	0.25 197	0.18 32

iRaftStereo_RVC	0.49 26	0.28 43	0.72 57	0.53 90	0.29 51	0.52 47	0.33 33	1.14 79	0.84 58	0.85 68	0.99 83	0.55 39	0.36 12	0.83 54	0.40 45	0.18 40	0.13 17	0.22 120	0.20 129	0.20 86	0.18 32

CREStereo++_RVC	0.49 26	0.22 3	0.46 8	0.48 29	0.38 155	0.45 16	0.25 4	0.77 4	1.30 236	0.82 62	1.23 170	0.47 21	0.37 13	0.55 5	0.44 62	0.16 7	0.11 2	0.16 8	0.80 378	0.18 34	0.12 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
MyStereo07	0.50 30	0.30 79	0.58 18	0.58 151	0.48 216	0.59 79	0.78 265	1.19 100	0.60 12	0.49 16	0.54 15	0.43 7	0.55 71	1.32 131	0.36 16	0.18 40	0.18 185	0.24 168	0.21 165	0.23 158	0.23 123

4D-IteraStereo	0.50 30	0.26 19	0.84 125	0.51 58	0.49 222	0.64 105	0.31 25	0.91 20	1.02 120	1.05 106	0.72 34	0.76 83	0.32 9	0.69 29	0.40 45	0.18 40	0.11 2	0.23 147	0.20 129	0.19 59	0.16 13

CES	0.51 32	0.21 2	0.40 2	0.42 4	1.40 379	0.53 51	0.34 40	1.04 46	0.68 23	0.45 9	0.67 24	0.35 1	0.28 2	0.58 10	0.35 6	0.16 7	0.13 17	0.15 3	0.10 1	0.19 59	1.69 387

sCroCo_RVC	0.51 32	0.43 246	1.15 213	0.66 231	0.60 274	0.52 47	0.40 80	0.93 21	0.64 19	0.45 9	0.76 37	0.49 29	0.49 54	0.65 25	0.49 98	0.27 242	0.28 292	0.23 147	0.22 187	0.29 234	0.28 205

RCA-Stereo	0.52 34	0.26 19	0.66 44	0.49 35	0.33 110	0.54 60	0.44 125	1.20 104	1.41 280	0.69 43	1.06 107	0.63 57	0.79 155	0.62 18	0.35 6	0.17 18	0.12 5	0.17 13	0.14 22	0.16 11	0.16 13

knoymous	0.53 35	0.32 118	0.51 14	0.46 14	0.30 63	0.57 69	0.54 189	1.10 69	0.78 42	0.99 87	0.84 53	0.95 153	0.57 78	0.89 66	0.51 103	0.21 121	0.14 58	0.26 225	0.14 22	0.23 158	0.25 161

HUI-Stereo	0.54 36	0.33 135	0.81 99	0.52 70	0.27 19	0.62 89	0.29 21	1.14 79	0.74 36	1.13 127	0.96 72	0.82 104	0.60 100	0.83 54	0.52 109	0.23 170	0.14 58	0.24 168	0.20 129	0.27 209	0.20 70

Any-RAFT	0.55 37	0.27 35	0.49 11	0.50 47	0.27 19	0.98 227	0.25 4	1.71 204	1.08 137	0.90 76	0.99 83	1.13 208	0.46 36	0.74 34	0.35 6	0.19 65	0.13 17	0.17 13	0.13 11	0.16 11	0.19 51

Selective-RAFT	0.55 37	0.29 61	0.85 131	0.58 151	0.28 40	0.91 202	0.34 40	1.00 37	0.96 96	0.59 31	0.64 20	0.80 92	0.76 141	1.34 133	0.51 103	0.21 121	0.15 112	0.17 13	0.15 30	0.19 59	0.19 51

test_4	0.55 37	0.23 6	0.67 47	0.56 123	0.32 97	0.71 137	0.39 78	0.83 11	0.72 28	0.93 81	1.87 322	0.70 73	0.41 17	1.21 122	0.39 31	0.16 7	0.13 17	0.21 93	0.23 214	0.20 86	0.18 32

GMOStereo	0.55 37	0.28 43	0.72 57	0.52 70	0.30 63	0.53 51	0.43 108	1.02 38	0.98 103	1.44 272	1.14 145	0.88 127	0.57 78	0.62 18	0.39 31	0.16 7	0.14 58	0.24 168	0.22 187	0.20 86	0.18 32

error version	0.55 37	0.28 43	0.72 57	0.52 70	0.30 63	0.53 51	0.43 108	1.02 38	0.98 103	1.44 272	1.14 145	0.88 127	0.57 78	0.62 18	0.39 31	0.16 7	0.14 58	0.24 168	0.22 187	0.20 86	0.18 32

test-v	0.55 37	0.28 43	0.72 57	0.52 70	0.30 63	0.53 51	0.43 108	1.02 38	0.98 103	1.44 272	1.14 145	0.88 127	0.57 78	0.62 18	0.39 31	0.16 7	0.14 58	0.24 168	0.22 187	0.20 86	0.18 32

test-2	0.55 37	0.28 43	0.72 57	0.52 70	0.30 63	0.53 51	0.43 108	1.02 38	0.98 103	1.44 272	1.14 145	0.88 127	0.57 78	0.62 18	0.39 31	0.16 7	0.14 58	0.24 168	0.22 187	0.20 86	0.18 32

rafts_anoy	0.55 37	0.32 118	0.66 44	0.72 280	0.61 279	0.53 51	0.40 80	1.24 115	1.06 133	0.85 68	0.83 52	0.67 64	0.53 62	0.77 41	0.55 128	0.20 99	0.15 112	0.25 204	0.26 245	0.22 140	0.21 88

s12784h	0.55 37	0.22 3	0.49 11	0.43 5	0.19 1	1.00 229	0.34 40	1.40 139	1.30 236	0.84 66	0.93 67	0.63 57	0.52 60	1.48 160	0.47 85	0.15 4	0.12 5	0.17 13	0.11 6	0.19 59	0.13 2

raftrobust	0.55 37	0.27 35	0.63 32	0.68 253	0.69 303	0.50 38	0.34 40	1.08 56	0.97 100	1.32 224	0.88 61	0.62 53	0.80 161	0.82 51	0.44 62	0.20 99	0.16 139	0.16 8	0.14 22	0.15 4	0.18 32

Gwc-CoAtRS	0.55 37	0.27 35	0.73 67	0.49 35	0.30 63	0.63 97	0.25 4	1.38 137	1.12 156	1.05 106	1.02 91	1.10 199	0.55 71	0.72 32	0.44 62	0.17 18	0.14 58	0.17 13	0.15 30	0.16 11	0.17 23

MSKI-zero shot	0.56 48	0.30 79	0.61 28	0.55 111	0.28 40	0.68 124	0.28 17	1.25 117	0.68 23	0.92 78	1.33 205	0.81 98	0.33 10	1.94 228	0.36 16	0.18 40	0.13 17	0.17 13	0.13 11	0.16 11	0.19 51

EKT-Stereo	0.56 48	0.33 135	0.84 125	0.61 183	0.64 286	0.51 43	0.48 152	1.14 79	0.95 92	0.74 49	0.89 63	0.77 87	0.42 20	1.18 119	0.42 55	0.23 170	0.17 161	0.21 93	0.18 84	0.20 86	0.26 178

LL-Strereo2	0.56 48	0.36 188	0.77 83	0.56 123	0.40 171	0.68 124	0.37 62	1.21 108	0.83 56	0.96 85	0.79 44	0.91 138	0.41 17	1.08 100	0.48 89	0.18 40	0.17 161	0.29 254	0.25 234	0.22 140	0.19 51

test-3	0.56 48	0.24 9	0.82 108	0.50 47	0.29 51	0.57 69	0.34 40	1.09 63	1.03 123	1.33 229	0.69 28	0.87 121	0.45 29	1.68 192	0.39 31	0.17 18	0.12 5	0.20 70	0.17 70	0.17 20	0.16 13

test_1	0.56 48	0.24 9	0.82 108	0.50 47	0.29 51	0.57 69	0.34 40	1.09 63	1.03 123	1.28 209	0.69 28	0.87 121	0.45 29	1.67 190	0.39 31	0.17 18	0.12 5	0.20 70	0.17 70	0.17 20	0.16 13

PSM-adaLoss	0.56 48	0.33 135	0.81 99	0.52 70	0.27 19	0.63 97	0.41 88	1.14 79	0.73 29	1.13 127	0.96 72	0.82 104	0.60 100	1.09 104	0.52 109	0.23 170	0.14 58	0.24 168	0.20 129	0.27 209	0.20 70

ROB_FTStereo	0.56 48	0.33 135	0.82 108	0.52 70	0.27 19	0.62 89	0.25 4	1.14 79	0.74 36	1.13 127	0.96 72	0.82 104	0.60 100	1.18 119	0.52 109	0.23 170	0.14 58	0.24 168	0.20 129	0.27 209	0.20 70

cross-raft	0.56 48	0.26 19	0.65 42	0.55 111	0.31 77	0.66 115	0.37 62	1.68 191	0.82 53	1.06 110	1.07 109	1.25 231	0.45 29	0.74 34	0.39 31	0.15 4	0.13 17	0.19 47	0.16 54	0.19 59	0.17 23

test-1	0.56 48	0.28 43	1.13 208	0.58 151	0.34 122	0.60 83	0.38 69	1.56 168	0.98 103	0.80 56	1.02 91	0.83 112	0.52 60	0.64 24	0.46 77	0.17 18	0.16 139	0.20 70	0.17 70	0.20 86	0.26 178

raft+_RVC	0.56 48	0.29 61	0.61 28	0.65 218	0.56 258	0.53 51	0.53 180	1.40 139	1.02 120	0.78 53	1.04 102	0.70 73	0.55 71	1.00 83	0.49 98	0.18 40	0.16 139	0.19 47	0.19 103	0.18 34	0.17 23

Anonymous	0.56 48	0.41 240	1.05 189	0.67 244	0.73 310	0.65 109	0.68 242	1.12 73	0.79 48	0.48 13	0.60 19	0.42 5	0.60 100	0.81 49	0.55 128	0.26 225	0.24 262	0.21 93	0.21 165	0.41 295	0.30 230

RAFT-Stereo + iAFF	0.56 48	0.28 43	0.81 99	0.45 8	0.25 8	0.40 9	0.34 40	1.12 73	1.13 161	1.35 240	1.58 277	0.80 92	0.67 123	0.71 30	0.43 58	0.14 1	0.11 2	0.18 33	0.17 70	0.18 34	0.16 13

11t1	0.57 60	0.30 79	0.84 125	0.54 101	0.30 63	0.83 181	0.41 88	1.34 131	0.79 48	0.88 74	0.82 51	0.70 73	0.70 131	0.96 79	0.67 171	0.21 121	0.21 222	0.20 70	0.16 54	0.21 121	0.26 178

rrr	0.57 60	0.33 135	2.43 333	0.46 14	0.34 122	0.50 38	0.38 69	0.84 14	0.55 4	0.48 13	0.48 5	0.48 25	0.45 29	2.28 264	0.44 62	0.19 65	0.14 58	0.19 47	0.15 30	0.17 20	0.18 32

test_3	0.57 60	0.24 9	0.87 138	0.55 111	0.30 63	0.60 83	0.40 80	1.07 51	1.08 137	1.20 170	0.68 25	0.92 143	0.43 23	1.68 192	0.40 45	0.16 7	0.13 17	0.22 120	0.19 103	0.21 121	0.17 23

Patchmatch Stereo++	0.57 60	0.33 135	0.82 108	0.52 70	0.27 19	0.63 97	0.28 17	1.14 79	0.73 29	1.13 127	0.96 72	0.82 104	0.60 100	1.40 142	0.52 109	0.23 170	0.14 58	0.24 168	0.20 129	0.27 209	0.20 70
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
ROB_FTStereo_v2	0.57 60	0.33 135	0.81 99	0.52 70	0.27 19	0.62 89	0.42 92	1.14 79	0.73 29	1.13 127	0.97 79	0.82 104	0.60 100	1.15 113	0.53 118	0.23 170	0.14 58	0.24 168	0.20 129	0.27 209	0.20 70

DeepStereo_RVC	0.57 60	0.31 104	0.78 89	0.53 90	0.30 63	0.57 69	0.32 29	1.11 71	0.80 52	1.17 148	0.94 69	0.83 112	0.93 212	1.01 85	0.61 154	0.23 170	0.14 58	0.21 93	0.19 103	0.24 187	0.26 178

iRAFT	0.57 60	0.33 135	0.82 108	0.52 70	0.27 19	0.63 97	0.28 17	1.14 79	0.73 29	1.13 127	0.96 72	0.82 104	0.60 100	1.40 142	0.52 109	0.23 170	0.14 58	0.24 168	0.20 129	0.27 209	0.20 70

CRE-IMP	0.57 60	0.32 118	0.82 108	0.54 101	0.29 51	0.77 161	0.25 4	1.19 100	0.79 48	1.09 113	0.95 70	0.81 98	0.57 78	1.11 109	0.57 138	0.22 150	0.14 58	0.23 147	0.19 103	0.28 224	0.24 142

RAFT-IKP	0.57 60	0.33 135	0.82 108	0.52 70	0.27 19	0.57 69	0.35 49	1.14 79	0.73 29	1.13 127	0.96 72	0.83 112	0.61 110	1.26 125	0.53 118	0.23 170	0.14 58	0.24 168	0.20 129	0.27 209	0.20 70

test_xeample3	0.57 60	0.33 135	3.11 350	0.46 14	0.34 122	0.55 64	0.38 69	0.86 18	0.49 2	0.54 29	0.46 3	0.44 8	0.44 27	1.49 166	0.45 73	0.18 40	0.14 58	0.19 47	0.15 30	0.17 20	0.18 32

CFNet-RSSM	0.57 60	0.25 16	0.76 80	0.49 35	0.28 40	0.59 79	0.27 14	1.89 246	1.17 181	1.09 113	0.95 70	1.06 184	0.53 62	0.74 34	0.41 50	0.17 18	0.13 17	0.17 13	0.15 30	0.16 11	0.16 13

AE-Stereo	0.58 71	0.29 61	0.81 99	0.62 191	0.41 181	0.69 132	0.46 139	2.49 353	1.25 212	0.49 16	0.77 40	0.69 70	0.46 36	0.61 14	0.42 55	0.17 18	0.16 139	0.21 93	0.20 129	0.19 59	0.18 32

1test111	0.58 71	0.34 162	0.63 32	0.60 170	0.27 19	1.16 258	0.51 166	1.58 173	0.91 71	0.60 34	0.80 47	0.47 21	0.87 189	0.99 81	0.67 171	0.21 121	0.13 17	0.25 204	0.15 30	0.23 158	0.25 161

RAFT-Test	0.58 71	0.27 35	0.81 99	0.50 47	0.33 110	0.95 220	0.27 14	1.40 139	0.89 66	1.00 91	1.12 130	1.39 264	0.48 44	0.74 34	0.41 50	0.17 18	0.14 58	0.17 13	0.14 22	0.16 11	0.18 32

anonymousdsp2	0.58 71	0.29 61	0.93 154	0.51 58	0.30 63	0.75 147	0.46 139	1.95 259	0.87 64	0.81 60	0.78 42	0.76 83	0.48 44	1.10 106	0.45 73	0.19 65	0.14 58	0.18 33	0.13 11	0.20 86	0.22 109

fff	0.58 71	0.26 19	1.15 213	0.46 14	0.25 8	0.48 23	0.36 56	1.20 104	1.28 226	1.13 127	1.03 98	0.59 46	1.04 256	0.77 41	0.58 143	0.17 18	0.14 58	0.17 13	0.13 11	0.15 4	0.24 142

iGMRVC	0.58 71	0.33 135	0.81 99	0.52 70	0.27 19	0.62 89	0.38 69	1.14 79	0.73 29	1.13 127	0.97 79	0.82 104	0.59 96	1.54 169	0.53 118	0.23 170	0.14 58	0.24 168	0.20 129	0.27 209	0.20 70

RALCasStereoNet	0.58 71	0.34 162	0.77 83	0.65 218	0.64 286	0.64 105	0.51 166	1.06 50	0.99 110	0.71 44	1.06 107	0.77 87	0.44 27	1.38 139	0.52 109	0.20 99	0.18 185	0.18 33	0.16 54	0.20 86	0.22 109

DCANet	0.58 71	0.26 19	1.15 213	0.45 8	0.25 8	0.49 28	0.36 56	1.18 96	1.35 252	1.15 142	1.04 102	0.60 49	0.91 203	0.84 57	0.58 143	0.17 18	0.14 58	0.17 13	0.13 11	0.19 59	0.25 161

csc	0.58 71	0.26 19	1.15 213	0.46 14	0.25 8	0.48 23	0.36 56	1.20 104	1.28 226	1.13 127	1.03 98	0.59 46	1.04 256	0.77 41	0.58 143	0.17 18	0.14 58	0.17 13	0.13 11	0.15 4	0.24 142

cscssc	0.58 71	0.26 19	1.15 213	0.46 14	0.25 8	0.48 23	0.36 56	1.20 104	1.28 226	1.13 127	1.03 98	0.59 46	1.04 256	0.77 41	0.58 143	0.17 18	0.14 58	0.17 13	0.13 11	0.15 4	0.24 142

GMStereo	0.58 71	0.50 271	1.09 199	0.52 70	0.32 97	0.80 167	0.43 108	1.02 38	1.41 280	0.89 75	0.77 40	0.52 36	0.46 36	0.89 66	0.56 135	0.25 208	0.16 139	0.20 70	0.22 187	0.31 249	0.27 194
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
ACVNet-DCA	0.59 82	0.34 162	0.63 32	0.60 170	0.27 19	1.16 258	0.51 166	1.58 173	0.91 71	0.60 34	0.80 47	0.47 21	0.87 189	1.48 160	0.35 6	0.21 121	0.13 17	0.25 204	0.15 30	0.23 158	0.25 161

IGEV_Zeroshot_test	0.59 82	0.33 135	1.11 204	0.63 201	0.37 144	0.41 12	0.33 33	1.80 222	0.79 48	1.04 104	1.10 120	1.06 184	0.43 23	0.87 62	0.48 89	0.18 40	0.13 17	0.19 47	0.18 84	0.20 86	0.23 123

DCANet-4	0.59 82	0.28 43	1.65 288	0.44 7	0.25 8	0.48 23	0.36 56	1.15 90	1.36 259	1.13 127	1.03 98	0.56 41	0.74 135	0.77 41	0.58 143	0.17 18	0.14 58	0.17 13	0.13 11	0.15 4	0.24 142

x	0.59 82	0.34 162	0.79 93	0.51 58	0.32 97	0.69 132	0.46 139	1.64 186	0.97 100	0.86 72	0.86 56	0.83 112	0.74 135	0.75 39	0.70 179	0.21 121	0.22 232	0.22 120	0.20 129	0.21 121	0.24 142

sAnonymous2	0.59 82	0.61 302	1.82 297	0.61 183	0.52 238	0.51 43	0.54 189	0.97 27	0.70 26	0.50 19	0.68 25	0.46 16	0.63 111	0.61 14	0.41 50	0.22 150	0.17 161	0.23 147	0.21 165	0.85 367	0.56 333

CroCo_RVC	0.59 82	0.61 302	1.82 297	0.61 183	0.52 238	0.51 43	0.54 189	0.97 27	0.70 26	0.50 19	0.68 25	0.46 16	0.63 111	0.61 14	0.41 50	0.22 150	0.17 161	0.23 147	0.21 165	0.85 367	0.56 333

MIM_Stereo	0.60 88	0.26 19	1.02 183	0.49 35	0.32 97	0.52 47	0.28 17	1.41 143	0.82 53	1.02 98	1.16 151	0.93 145	0.53 62	1.48 160	0.63 159	0.17 18	0.17 161	0.20 70	0.19 103	0.17 20	0.18 32

MIPNet	0.60 88	0.31 104	1.07 196	0.51 58	0.34 122	0.68 124	0.40 80	1.67 190	1.14 167	1.11 116	0.93 67	0.60 49	0.78 150	0.77 41	0.58 143	0.18 40	0.14 58	0.19 47	0.16 54	0.18 34	0.21 88

AFF-stereo	0.60 88	0.28 43	0.72 57	0.48 29	0.29 51	0.34 4	0.37 62	1.22 110	1.20 190	1.21 176	1.59 281	1.10 199	0.70 131	1.01 85	0.44 62	0.14 1	0.12 5	0.19 47	0.20 129	0.18 34	0.15 3

R-Stereo Train	0.60 88	0.30 79	0.72 57	0.57 141	0.37 144	0.68 124	0.52 174	1.45 148	0.78 42	1.61 310	1.50 254	0.76 83	0.53 62	0.67 27	0.51 103	0.19 65	0.16 139	0.18 33	0.15 30	0.18 34	0.19 51

RAFT-Stereo	0.60 88	0.30 79	0.72 57	0.57 141	0.37 144	0.68 124	0.52 174	1.45 148	0.78 42	1.61 310	1.50 254	0.76 83	0.53 62	0.67 27	0.51 103	0.19 65	0.16 139	0.18 33	0.15 30	0.18 34	0.19 51
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
riskmin	0.62 93	0.29 61	0.73 67	0.50 47	0.34 122	0.86 192	0.44 125	1.74 209	1.07 134	0.76 52	0.76 37	1.19 215	1.01 243	0.84 57	0.60 151	0.20 99	0.16 139	0.24 168	0.16 54	0.24 187	0.29 217

qqq	0.62 93	0.36 188	0.88 140	0.50 47	0.28 40	0.64 105	0.62 228	1.58 173	0.91 71	0.83 63	0.96 72	0.95 153	0.79 155	0.99 81	0.67 171	0.21 121	0.23 254	0.24 168	0.23 214	0.23 158	0.25 161

ADStereo(finetuned)	0.62 93	0.26 19	1.59 285	0.45 8	0.25 8	0.49 28	0.36 56	1.18 96	1.35 252	1.16 146	1.04 102	0.60 49	1.18 288	0.85 60	0.57 138	0.17 18	0.14 58	0.17 13	0.13 11	0.19 59	0.24 142

dd	0.62 93	0.51 275	1.17 227	0.56 123	0.33 110	0.74 145	0.46 139	1.03 44	1.40 277	0.80 56	0.87 58	0.60 49	0.57 78	1.02 87	0.86 211	0.28 253	0.18 185	0.26 225	0.19 103	0.35 268	0.27 194

IPLGR	0.62 93	0.28 43	1.32 254	0.50 47	0.29 51	0.65 109	0.34 40	1.47 153	1.19 186	1.21 176	1.07 109	0.70 73	0.65 117	1.05 92	0.55 128	0.18 40	0.15 112	0.20 70	0.17 70	0.21 121	0.20 70

PFNet+	0.62 93	0.31 104	0.99 175	0.57 141	0.31 77	0.57 69	0.30 23	0.99 36	1.25 212	1.33 229	1.10 120	0.79 90	0.57 78	1.35 134	0.53 118	0.26 225	0.17 161	0.28 246	0.26 245	0.21 121	0.27 194

NRIStereo	0.62 93	0.31 104	0.78 89	0.56 123	0.28 40	0.63 97	0.33 33	1.16 93	0.92 76	1.15 142	0.87 58	0.90 135	0.58 93	2.24 260	0.56 135	0.22 150	0.14 58	0.21 93	0.19 103	0.22 140	0.18 32

RALAANet	0.62 93	0.37 204	0.97 171	0.66 231	0.50 226	0.67 120	0.31 25	1.27 122	1.09 144	1.11 116	1.17 153	0.88 127	0.46 36	1.27 127	0.45 73	0.20 99	0.15 112	0.21 93	0.18 84	0.27 209	0.19 51

FENet	0.62 93	0.30 79	0.68 49	0.57 141	0.33 110	0.82 175	0.40 80	1.41 143	1.12 156	1.03 102	0.87 58	0.98 161	0.84 171	1.00 83	0.70 179	0.23 170	0.16 139	0.23 147	0.20 129	0.22 140	0.24 142

RAFT+CT+SA	0.63 102	0.30 79	0.73 67	0.69 263	0.37 144	0.40 9	0.55 196	1.93 255	1.04 129	0.72 47	1.23 170	0.62 53	0.69 129	1.69 196	0.42 55	0.19 65	0.13 17	0.22 120	0.22 187	0.21 121	0.19 51

GANet-ADL	0.63 102	0.38 221	0.82 108	0.67 244	0.41 181	0.68 124	0.51 166	1.64 186	1.16 177	0.98 86	1.10 120	0.90 135	0.58 93	0.81 49	0.63 159	0.27 242	0.18 185	0.18 33	0.16 54	0.23 158	0.27 194

AnonymousM	0.63 102	1.14 365	0.43 5	0.46 14	0.32 97	0.43 13	0.46 139	1.27 122	0.78 42	1.00 91	0.66 22	0.68 66	0.45 29	0.61 14	0.46 77	0.21 121	0.16 139	1.84 388	0.98 385	0.15 4	0.15 3

HHNet	0.64 105	0.28 43	0.69 53	0.45 8	0.46 208	0.50 38	0.57 205	1.13 77	1.03 123	1.26 199	2.21 345	0.70 73	0.59 96	1.10 106	0.51 103	0.21 121	0.13 17	0.23 147	0.19 103	0.20 86	0.31 239

Pruner-Stereo	0.64 105	0.31 104	0.79 93	0.66 231	0.31 77	0.61 87	0.42 92	1.22 110	1.09 144	1.53 294	1.09 118	0.94 150	0.55 71	1.37 138	0.56 135	0.25 208	0.14 58	0.24 168	0.21 165	0.21 121	0.25 161

Anonymous3	0.64 105	0.47 260	1.31 252	0.59 163	0.50 226	0.93 212	0.69 246	1.11 71	0.83 56	0.74 49	0.89 63	0.65 60	0.68 126	1.08 100	0.54 127	0.40 318	0.31 309	0.26 225	0.26 245	0.31 249	0.30 230

DIP-Stereo	0.64 105	0.32 118	0.91 151	0.49 35	0.36 139	0.91 202	0.33 33	2.51 356	0.77 41	1.25 189	1.00 87	0.68 66	0.51 56	0.92 71	0.65 166	0.19 65	0.15 112	0.21 93	0.17 70	0.19 59	0.22 109
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
tt1	0.65 109	0.34 162	0.65 42	0.60 170	0.27 19	1.14 252	0.48 152	1.08 56	2.62 371	0.59 31	0.79 44	0.49 29	0.80 161	1.57 172	0.35 6	0.21 121	0.13 17	0.25 204	0.16 54	0.20 86	0.23 123

TestStereo	0.65 109	0.42 242	0.83 116	0.52 70	0.27 19	0.57 69	0.44 125	1.07 51	0.92 76	0.85 68	1.01 89	0.68 66	0.56 76	3.22 302	0.47 85	0.23 170	0.15 112	0.24 168	0.18 84	0.28 224	0.18 32

CAS	0.66 111	0.19 1	0.41 4	2.31 390	0.86 343	0.56 67	0.53 180	0.83 11	0.63 17	0.49 16	0.70 32	0.36 2	0.26 1	0.47 2	0.37 25	2.33 391	0.10 1	0.14 1	0.10 1	0.17 20	1.31 382

TestStereo1	0.66 111	0.29 61	0.95 163	0.82 320	0.32 97	0.47 18	0.43 108	1.52 158	1.22 202	0.99 87	1.32 201	0.65 60	0.76 141	1.78 205	0.44 62	0.20 99	0.16 139	0.22 120	0.19 103	0.21 121	0.20 70

RAFT_CTSACE	0.66 111	0.29 61	1.14 211	0.57 141	0.51 235	0.68 124	0.44 125	0.88 19	0.98 103	1.03 102	1.83 315	1.23 226	0.67 123	1.48 160	0.38 28	0.16 7	0.16 139	0.21 93	0.20 129	0.20 86	0.17 23

SA-5K	0.66 111	0.29 61	0.95 163	0.82 320	0.32 97	0.47 18	0.43 108	1.52 158	1.22 202	0.99 87	1.32 201	0.65 60	0.76 141	1.78 205	0.44 62	0.20 99	0.16 139	0.22 120	0.19 103	0.21 121	0.20 70

ACRE	0.66 111	0.37 204	1.27 247	0.60 170	0.50 226	0.74 145	0.47 148	1.26 118	1.10 147	1.40 259	1.56 272	0.62 53	0.46 36	0.88 64	0.78 194	0.24 188	0.15 112	0.19 47	0.16 54	0.19 59	0.29 217

ICVP	0.66 111	0.35 184	0.71 56	0.63 201	0.41 181	0.85 191	0.56 202	1.78 215	0.96 96	0.92 78	1.24 174	0.88 127	0.75 140	0.76 40	0.93 229	0.31 274	0.22 232	0.22 120	0.21 165	0.24 187	0.28 205
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
111	0.66 111	0.27 35	1.15 213	0.46 14	0.25 8	0.72 140	0.42 92	1.57 171	1.44 291	0.83 63	1.39 224	1.10 199	0.80 161	0.97 80	0.65 166	0.20 99	0.14 58	0.18 33	0.15 30	0.18 34	0.28 205

ACVNet	0.66 111	0.33 135	0.74 72	0.55 111	0.37 144	0.80 167	0.47 148	1.46 150	1.11 151	1.01 94	1.31 196	1.07 187	0.91 203	0.82 51	1.09 253	0.22 150	0.19 199	0.21 93	0.18 84	0.23 158	0.19 51

MyStereo06	0.67 119	0.29 61	1.06 192	0.58 151	0.48 216	0.62 89	0.72 254	2.26 320	0.89 66	1.07 111	1.12 130	1.22 222	0.56 76	0.83 54	0.47 85	0.17 18	0.17 161	0.24 168	0.21 165	0.23 158	0.23 123

StereoVision	0.67 119	0.37 204	1.02 183	0.60 170	0.41 181	0.50 38	0.41 88	1.32 130	0.96 96	0.73 48	2.48 359	0.82 104	0.57 78	1.06 96	0.50 101	0.26 225	0.28 292	0.29 254	0.28 268	0.37 277	0.22 109

CASS	0.67 119	0.36 188	0.84 125	0.57 141	0.28 40	0.82 175	0.43 108	1.62 185	0.92 76	1.39 253	1.28 190	0.87 121	0.84 171	0.88 64	0.59 149	0.36 306	0.19 199	0.26 225	0.22 187	0.29 234	0.43 300
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
CIPLG	0.67 119	0.37 204	1.17 227	0.60 170	0.51 235	0.75 147	0.48 152	1.26 118	1.11 151	1.43 269	1.58 277	0.64 59	0.48 44	0.94 72	0.78 194	0.24 188	0.15 112	0.19 47	0.16 54	0.19 59	0.29 217

IPLGR_C	0.67 119	0.38 221	1.20 233	0.60 170	0.50 226	0.75 147	0.48 152	1.28 126	1.13 161	1.42 265	1.57 276	0.62 53	0.48 44	0.85 60	0.80 203	0.24 188	0.15 112	0.19 47	0.16 54	0.19 59	0.29 217

GwcNet-ADL	0.67 119	0.33 135	0.90 148	0.58 151	0.41 181	0.60 83	0.59 216	1.55 166	1.28 226	1.11 116	1.13 140	0.90 135	0.59 96	1.11 109	0.91 222	0.28 253	0.18 185	0.18 33	0.18 84	0.25 197	0.33 253

TRStereo	0.67 119	0.71 328	1.06 192	0.77 308	0.68 300	0.53 51	0.38 69	2.52 357	0.96 96	0.81 60	0.84 53	0.87 121	0.39 15	1.16 115	0.46 77	0.24 188	0.17 161	0.23 147	0.24 226	0.18 34	0.20 70

RAFT	0.67 119	0.32 118	0.83 116	0.63 201	0.34 122	0.69 132	0.57 205	1.14 79	0.84 58	1.12 124	1.20 159	1.75 320	0.92 211	1.09 104	0.60 151	0.22 150	0.19 199	0.27 234	0.24 226	0.22 140	0.23 123

DN-CSS_ROB	0.67 119	0.36 188	1.36 259	0.59 163	0.41 181	0.54 60	0.45 133	1.30 128	0.95 92	1.05 106	1.47 244	0.69 70	0.64 113	1.80 212	0.60 151	0.19 65	0.15 112	0.25 204	0.23 214	0.22 140	0.23 123

cc1	0.68 128	0.34 162	0.63 32	0.60 170	0.27 19	1.16 258	0.51 166	1.07 51	3.23 383	0.60 34	0.80 47	0.47 21	0.87 189	1.48 160	0.35 6	0.21 121	0.13 17	0.25 204	0.15 30	0.19 59	0.23 123

mmm	0.68 128	0.37 204	0.91 151	0.54 101	0.34 122	0.86 192	0.58 212	1.72 207	1.02 120	1.13 127	1.41 232	0.83 112	0.78 150	0.95 78	0.67 171	0.22 150	0.20 209	0.29 254	0.26 245	0.27 209	0.27 194

PCWNet_CMD	0.68 128	0.34 162	0.93 154	0.51 58	0.38 155	0.80 167	0.42 92	1.51 156	1.34 249	1.17 148	1.31 196	1.23 226	0.65 117	0.94 72	0.62 157	0.21 121	0.17 161	0.27 234	0.19 103	0.43 301	0.28 205

HH	0.68 128	0.33 135	0.83 116	0.53 90	0.34 122	0.92 209	0.45 133	1.79 218	0.74 36	0.71 44	1.13 140	1.60 297	0.83 169	1.95 231	0.39 31	0.18 40	0.14 58	0.19 47	0.17 70	0.19 59	0.19 51

HanStereo	0.68 128	0.33 135	0.83 116	0.53 90	0.34 122	0.92 209	0.45 133	1.79 218	0.74 36	0.71 44	1.13 140	1.60 297	0.83 169	1.95 231	0.39 31	0.18 40	0.14 58	0.19 47	0.17 70	0.19 59	0.19 51

DisPM	0.68 128	0.30 79	0.85 131	0.66 231	0.35 137	0.60 83	0.44 125	1.10 69	1.10 147	1.56 301	1.10 120	0.80 92	0.58 93	2.37 272	0.46 77	0.25 208	0.14 58	0.23 147	0.21 165	0.20 86	0.26 178

CFNet_pseudo	0.68 128	0.34 162	0.93 154	0.50 47	0.39 162	0.72 140	0.42 92	1.44 146	1.25 212	1.17 148	1.35 213	1.22 222	0.66 121	1.04 89	0.64 162	0.21 121	0.17 161	0.33 287	0.19 103	0.39 287	0.28 205

MSMDNet	0.68 128	0.34 162	0.93 154	0.52 70	0.38 155	0.80 167	0.42 92	1.52 158	1.35 252	1.17 148	1.31 196	1.23 226	0.65 117	0.94 72	0.62 157	0.21 121	0.17 161	0.26 225	0.19 103	0.41 295	0.28 205

ccs_rob	0.68 128	0.34 162	0.93 154	0.50 47	0.39 162	0.72 140	0.42 92	1.43 145	1.25 212	1.17 148	1.34 208	1.22 222	0.66 121	1.04 89	0.64 162	0.21 121	0.17 161	0.35 301	0.20 129	0.40 291	0.29 217

whm_eth	0.69 137	0.51 275	1.32 254	0.56 123	0.64 286	0.67 120	0.45 133	1.59 178	1.33 247	1.02 98	1.92 328	0.48 25	0.48 44	0.71 30	0.53 118	0.24 188	0.20 209	0.25 204	0.24 226	0.25 197	0.35 268

SA	0.69 137	0.31 104	0.97 171	0.64 212	0.30 63	0.56 67	0.38 69	1.84 231	1.35 252	0.99 87	1.37 218	0.69 70	0.94 214	1.88 224	0.43 58	0.20 99	0.16 139	0.25 204	0.23 214	0.22 140	0.19 51

MyStereo8	0.70 139	0.32 118	1.24 242	0.63 201	0.53 243	0.90 200	0.34 40	1.60 180	1.35 252	1.20 170	1.31 196	0.89 133	0.64 113	0.77 41	1.02 248	0.18 40	0.15 112	0.20 70	0.18 84	0.22 140	0.30 230

MyStereo05	0.70 139	0.29 61	1.22 237	0.58 151	0.48 216	0.62 89	0.72 254	1.52 158	1.54 314	1.17 148	0.91 65	0.77 87	0.79 155	1.45 154	0.68 175	0.17 18	0.17 161	0.24 168	0.21 165	0.23 158	0.23 123

xx1	0.70 139	0.34 162	0.63 32	0.60 170	0.27 19	1.16 258	0.51 166	1.07 51	3.23 383	0.60 34	0.80 47	0.95 153	0.79 155	1.48 160	0.35 6	0.21 121	0.13 17	0.24 168	0.23 214	0.23 158	0.25 161

GMStereo_Zeroshot	0.70 139	0.64 311	1.11 204	0.65 218	0.38 155	0.84 188	0.37 62	1.09 63	1.16 177	1.14 140	1.07 109	1.26 237	0.55 71	1.23 123	0.65 166	0.34 291	0.17 161	0.31 267	0.18 84	0.57 341	0.23 123

test_5	0.70 139	0.32 118	0.99 175	0.69 263	0.50 226	0.89 197	0.51 166	1.88 244	1.14 167	0.78 53	1.13 140	1.04 180	0.89 198	1.59 178	0.46 77	0.19 65	0.14 58	0.23 147	0.22 187	0.22 140	0.20 70

GES	0.70 139	0.37 204	1.05 189	0.62 191	0.38 155	0.94 214	0.57 205	2.37 335	0.92 76	1.05 106	1.12 130	0.67 64	0.77 145	1.02 87	0.65 166	0.28 253	0.20 209	0.20 70	0.20 129	0.22 140	0.31 239

MyStereo04	0.71 145	0.30 79	1.28 248	0.58 151	0.48 216	0.59 79	0.78 265	1.74 209	1.49 307	0.94 82	0.91 65	0.74 81	0.86 183	1.59 178	0.69 176	0.18 40	0.18 185	0.24 168	0.21 165	0.23 158	0.23 123

raft_robust	0.71 145	0.32 118	0.75 77	0.54 101	0.28 40	0.54 60	0.35 49	1.54 164	1.24 206	1.18 159	1.07 109	0.73 80	0.53 62	3.65 311	0.40 45	0.19 65	0.16 139	0.20 70	0.22 187	0.21 121	0.19 51

iRaft-Stereo_20w	0.71 145	0.33 135	1.25 244	0.50 47	0.36 139	0.82 175	0.31 25	3.16 380	0.89 66	1.24 186	1.14 145	0.79 90	0.65 117	1.15 113	0.43 58	0.18 40	0.13 17	0.18 33	0.17 70	0.20 86	0.23 123

DMCA	0.71 145	0.36 188	1.17 227	0.53 90	0.45 201	0.84 188	0.46 139	1.52 158	1.09 144	1.20 170	1.12 130	1.21 218	0.74 135	0.87 62	1.09 253	0.25 208	0.20 209	0.27 234	0.19 103	0.24 187	0.29 217

HITNet	0.71 145	0.42 242	1.07 196	0.52 70	0.25 8	1.05 237	0.48 152	2.12 291	1.08 137	1.21 176	1.23 170	0.91 138	0.84 171	0.90 69	0.91 222	0.17 18	0.12 5	0.21 93	0.17 70	0.29 234	0.18 32
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
IPLG	0.72 150	0.29 61	1.12 207	0.53 90	0.44 198	0.79 166	0.33 33	1.35 132	1.10 147	1.32 224	1.11 127	0.52 36	0.54 69	3.13 298	0.71 182	0.17 18	0.14 58	0.20 70	0.17 70	0.18 34	0.21 88

HCRNet	0.72 150	0.40 231	0.86 136	0.61 183	0.57 262	0.75 147	0.35 49	1.39 138	1.21 196	1.11 116	0.99 83	1.01 174	0.76 141	2.18 256	0.73 183	0.28 253	0.19 199	0.28 246	0.23 214	0.25 197	0.26 178

UCFNet_RVC	0.72 150	0.37 204	0.59 22	0.66 231	0.41 181	0.89 197	0.68 242	1.78 215	1.15 172	1.01 94	1.20 159	1.22 222	0.95 219	1.07 98	0.66 170	0.28 253	0.21 222	0.34 295	0.31 298	0.33 262	0.29 217

CFNet_ucs	0.73 153	0.34 162	0.94 160	0.53 90	0.44 198	0.76 152	0.46 139	1.73 208	1.34 249	1.24 186	1.54 264	1.08 197	0.64 113	1.05 92	0.64 162	0.26 225	0.20 209	0.37 313	0.22 187	0.42 299	0.30 230

ToySt	0.73 153	0.35 184	1.64 287	0.54 101	0.37 144	0.92 209	0.81 277	1.21 108	1.03 123	0.86 72	1.12 130	1.31 249	1.01 243	1.04 89	0.88 215	0.19 65	0.20 209	0.24 168	0.24 226	0.27 209	0.28 205

LCNet	0.73 153	0.30 79	0.58 18	0.58 151	0.31 77	0.68 124	0.53 180	1.09 63	0.94 88	1.19 164	1.34 208	0.96 157	1.32 307	2.50 275	0.46 77	0.19 65	0.13 17	0.21 93	0.25 234	0.28 224	0.69 356

IER	0.74 156	0.33 135	1.25 244	0.50 47	0.53 243	1.32 280	0.55 196	1.31 129	1.08 137	1.30 216	1.34 208	1.11 204	1.10 270	1.05 92	0.81 205	0.20 99	0.17 161	0.21 93	0.21 165	0.20 86	0.21 88

SFCPSM	0.74 156	0.30 79	1.06 192	0.52 70	0.39 162	1.36 288	0.64 234	2.42 340	1.11 151	1.18 159	1.21 164	0.81 98	0.78 150	1.08 100	0.57 138	0.22 150	0.17 161	0.22 120	0.24 226	0.23 158	0.21 88

AdaStereo	0.74 156	0.48 263	0.86 136	0.75 300	0.38 155	0.94 214	0.56 202	2.05 281	1.24 206	1.15 142	1.22 166	1.07 187	0.67 123	1.05 92	0.73 183	0.33 284	0.16 139	0.32 279	0.22 187	0.29 234	0.23 123
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.
BSDual-CNN	0.75 159	0.34 162	0.77 83	0.55 111	0.45 201	1.25 275	0.66 238	2.65 364	1.04 129	1.25 189	1.12 130	1.11 204	0.77 145	0.94 72	0.76 191	0.25 208	0.18 185	0.25 204	0.22 187	0.23 158	0.24 142

psmg	0.75 159	0.34 162	0.77 83	0.52 70	0.45 201	1.46 301	0.73 257	2.15 300	1.04 129	1.25 189	1.33 205	1.11 204	0.77 145	0.94 72	0.76 191	0.25 208	0.20 209	0.25 204	0.26 245	0.23 158	0.24 142

UDGNet	0.75 159	1.23 371	0.99 175	0.82 320	0.42 188	0.76 152	0.38 69	0.98 31	1.37 264	0.83 63	0.88 61	0.70 73	0.60 100	1.25 124	0.57 138	0.57 359	0.19 199	1.03 380	0.26 245	0.79 366	0.35 268

PSMNet-ADL	0.75 159	0.36 188	0.69 53	0.71 275	0.47 214	1.13 249	0.46 139	1.47 153	1.07 134	0.85 68	1.18 155	1.31 249	0.94 214	1.56 170	1.06 251	0.34 291	0.22 232	0.22 120	0.23 214	0.27 209	0.36 271

GMM-Stereo	0.75 159	0.27 35	0.66 44	0.56 123	0.34 122	0.71 137	0.97 310	1.09 63	0.91 71	1.37 246	1.79 308	1.11 204	0.79 155	2.08 248	0.48 89	0.19 65	0.12 5	0.25 204	0.25 234	0.21 121	0.78 363

qqq1	0.76 164	0.32 118	0.95 163	0.49 35	0.27 19	0.83 181	0.43 108	2.16 302	1.45 296	1.27 204	1.50 254	0.98 161	0.96 221	1.87 218	0.48 89	0.24 188	0.22 232	0.18 33	0.15 30	0.19 59	0.22 109

fff1	0.76 164	0.32 118	0.95 163	0.49 35	0.27 19	0.83 181	0.43 108	2.16 302	1.45 296	1.27 204	1.50 254	0.98 161	0.96 221	1.87 218	0.48 89	0.24 188	0.22 232	0.18 33	0.15 30	0.19 59	0.22 109

Sa-1000	0.76 164	0.30 79	0.92 153	0.62 191	0.31 77	0.78 162	0.37 62	2.00 269	1.38 266	1.30 216	2.04 336	0.86 120	0.74 135	1.87 218	0.40 45	0.19 65	0.14 58	0.25 204	0.24 226	0.21 121	0.19 51

Prome-Stereo	0.76 164	0.29 61	0.57 17	0.58 151	0.33 110	0.58 78	0.94 305	0.98 31	0.92 76	1.46 280	2.45 357	0.91 138	1.38 313	1.60 183	0.44 62	0.19 65	0.13 17	0.19 47	0.18 84	0.20 86	0.87 369

EAI-Stereo	0.76 164	0.31 104	0.74 72	0.55 111	0.28 40	0.70 135	1.72 367	2.57 360	0.90 70	0.75 51	3.03 368	0.57 43	0.43 23	1.10 106	0.49 98	0.19 65	0.14 58	0.17 13	0.18 84	0.17 20	0.21 88

KYRaft	0.77 169	0.29 61	0.68 49	0.59 163	0.29 51	0.66 115	0.83 282	1.05 49	0.89 66	1.63 314	2.22 346	1.15 212	0.99 234	1.59 178	0.41 50	0.21 121	0.14 58	0.22 120	0.28 268	0.21 121	1.01 372

MLCV	0.77 169	0.39 226	1.31 252	0.55 111	0.25 8	0.91 202	0.39 78	1.48 155	1.28 226	1.49 288	1.54 264	1.02 176	0.68 126	2.12 252	0.93 229	0.19 65	0.13 17	0.19 47	0.14 22	0.19 59	0.22 109

CoDeX	0.78 171	0.31 104	1.04 187	0.56 123	0.37 144	1.13 249	0.60 224	2.77 371	1.29 234	1.17 148	1.26 178	0.91 138	0.87 189	1.42 149	0.74 185	0.21 121	0.16 139	0.21 93	0.18 84	0.21 121	0.21 88

anonymousa	0.78 171	0.30 79	0.85 131	0.51 58	0.96 356	1.41 296	0.47 148	1.61 182	0.94 88	1.33 229	1.77 306	1.66 305	1.11 272	0.72 32	0.63 159	0.19 65	0.18 185	0.23 147	0.25 234	0.20 86	0.22 109

BUS	0.78 171	0.34 162	0.77 83	0.55 111	0.45 201	2.30 360	0.42 92	2.65 364	1.04 129	1.25 189	1.12 130	1.02 176	0.70 131	0.94 72	0.75 188	0.25 208	0.18 185	0.25 204	0.22 187	0.23 158	0.24 142

acv_ft	0.78 171	0.33 135	1.10 202	0.73 287	0.86 343	1.23 273	0.57 205	1.65 189	1.11 151	1.31 222	1.31 196	1.07 187	0.91 203	0.82 51	1.35 285	0.22 150	0.19 199	0.21 93	0.18 84	0.22 140	0.19 51

GANet-RSSM	0.78 171	0.31 104	0.90 148	0.67 244	0.58 264	0.80 167	0.62 228	2.04 277	1.15 172	1.11 116	1.27 185	1.26 237	1.18 288	1.68 192	0.74 185	0.26 225	0.21 222	0.22 120	0.22 187	0.23 158	0.23 123

PSMNet-RSSM	0.78 171	0.32 118	0.89 143	0.65 218	0.43 191	0.73 143	0.58 212	2.14 296	1.19 186	1.18 159	1.38 222	1.31 249	1.07 264	1.43 151	0.82 206	0.28 253	0.21 222	0.27 234	0.29 283	0.25 197	0.26 178

CFNet-ft	0.78 171	0.36 188	0.74 72	0.67 244	0.56 258	0.86 192	0.54 189	1.46 150	1.17 181	1.01 94	1.28 190	1.68 309	1.03 250	1.57 172	0.95 236	0.27 242	0.21 222	0.33 287	0.26 245	0.31 249	0.26 178

CFNet_RVC	0.78 171	0.36 188	0.74 72	0.67 244	0.56 258	0.86 192	0.54 189	1.46 150	1.17 181	1.01 94	1.28 190	1.68 309	1.03 250	1.57 172	0.95 236	0.27 242	0.21 222	0.33 287	0.26 245	0.31 249	0.26 178

SMFormer	0.79 179	0.32 118	0.95 163	0.49 35	0.27 19	0.83 181	0.43 108	2.16 302	1.45 296	1.27 204	1.50 254	0.98 161	0.96 221	1.87 218	0.99 241	0.24 188	0.22 232	0.22 120	0.21 165	0.23 158	0.27 194

tta	0.79 179	0.32 118	0.95 163	0.49 35	0.27 19	0.83 181	0.43 108	2.16 302	1.45 296	1.27 204	1.50 254	0.98 161	0.96 221	1.87 218	0.99 241	0.24 188	0.22 232	0.22 120	0.21 165	0.19 59	0.22 109

ffm	0.79 179	0.36 188	1.51 272	0.56 123	0.40 171	0.76 152	0.59 216	1.08 56	2.62 371	1.19 164	1.49 247	1.07 187	0.85 176	1.57 172	0.35 6	0.21 121	0.13 17	0.31 267	0.28 268	0.20 86	0.23 123

cf-r	0.79 179	0.32 118	1.06 192	0.57 141	0.64 286	0.78 162	0.51 166	2.04 277	1.22 202	1.20 170	1.27 185	1.53 288	0.91 203	1.47 158	0.94 234	0.25 208	0.19 199	0.22 120	0.23 214	0.19 59	0.21 88

DeepPruner_ROB	0.79 179	0.55 287	1.14 211	0.61 183	0.46 208	0.78 162	0.54 189	1.83 230	1.00 114	1.42 265	1.27 185	1.23 226	0.77 145	1.56 170	0.89 217	0.35 299	0.28 292	0.27 234	0.26 245	0.32 257	0.34 260

gwcnet-sp	0.80 184	0.37 204	1.94 305	0.62 191	0.45 201	1.38 289	0.53 180	1.68 191	1.20 190	1.37 246	1.08 115	0.93 145	0.82 166	1.45 154	0.79 198	0.22 150	0.22 232	0.22 120	0.21 165	0.23 158	0.25 161

scenet	0.80 184	0.37 204	1.94 305	0.62 191	0.45 201	1.38 289	0.53 180	1.68 191	1.20 190	1.37 246	1.08 115	0.93 145	0.82 166	1.45 154	0.79 198	0.22 150	0.22 232	0.22 120	0.21 165	0.23 158	0.25 161

ssnet	0.80 184	0.37 204	1.94 305	0.62 191	0.45 201	1.38 289	0.53 180	1.68 191	1.20 190	1.37 246	1.08 115	0.93 145	0.82 166	1.45 154	0.79 198	0.22 150	0.22 232	0.22 120	0.21 165	0.23 158	0.25 161

AASNet	0.80 184	0.39 226	1.16 226	0.84 328	0.80 331	1.14 252	0.59 216	2.12 291	1.21 196	1.26 199	1.26 178	0.93 145	0.77 145	0.84 57	1.23 271	0.28 253	0.24 262	0.24 168	0.20 129	0.28 224	0.27 194

PSM-softLoss	0.80 184	0.33 135	0.89 143	0.63 201	0.32 97	0.55 64	0.40 80	1.26 118	0.78 42	1.25 189	1.07 109	0.83 112	0.51 56	5.33 341	0.61 154	0.25 208	0.15 112	0.25 204	0.22 187	0.20 86	0.26 178

KMStereo	0.80 184	0.33 135	0.89 143	0.63 201	0.32 97	0.55 64	0.40 80	1.26 118	0.78 42	1.25 189	1.07 109	0.83 112	0.51 56	5.33 341	0.61 154	0.25 208	0.15 112	0.25 204	0.22 187	0.20 86	0.26 178

PSM-AAD	0.80 184	0.29 61	0.58 18	0.58 151	0.29 51	0.76 152	1.19 336	1.08 56	0.94 88	1.65 316	1.58 277	0.81 98	2.12 367	1.67 190	0.44 62	0.19 65	0.14 58	0.38 317	0.32 303	0.22 140	0.68 354

iResNet	0.80 184	0.45 252	1.47 268	0.72 280	0.31 77	0.96 225	0.64 234	1.80 222	1.28 226	1.31 222	1.48 246	0.94 150	0.78 150	1.77 203	0.99 241	0.19 65	0.14 58	0.18 33	0.15 30	0.22 140	0.27 194

NINENet	0.81 192	0.40 231	0.89 143	0.65 218	0.53 243	2.30 360	0.42 92	2.12 291	1.13 161	1.20 170	1.27 185	1.02 176	0.70 131	1.26 125	0.75 188	0.29 265	0.24 262	0.31 267	0.21 165	0.27 209	0.26 178

DRaft	0.81 192	0.26 19	0.77 83	0.47 24	0.31 77	0.95 220	0.52 174	1.13 77	0.99 110	1.78 329	2.01 334	0.80 92	1.71 343	2.64 282	0.74 185	0.19 65	0.14 58	0.20 70	0.20 129	0.18 34	0.24 142

hknet	0.82 194	0.34 162	1.15 213	0.55 111	0.39 162	1.25 275	0.66 238	2.65 364	1.10 147	1.25 189	1.12 130	1.58 296	0.85 176	1.41 144	0.79 198	0.23 170	0.18 185	0.25 204	0.22 187	0.23 158	0.24 142

NF-Stereo	0.82 194	0.33 135	0.83 116	0.65 218	0.31 77	0.63 97	0.43 108	1.35 132	0.93 83	1.30 216	1.02 91	0.81 98	0.57 78	5.37 345	0.55 128	0.26 225	0.14 58	0.24 168	0.20 129	0.20 86	0.30 230

OCTAStereo	0.82 194	0.33 135	0.83 116	0.65 218	0.31 77	0.62 89	0.44 125	1.35 132	0.93 83	1.30 216	1.02 91	0.81 98	0.57 78	5.32 340	0.55 128	0.26 225	0.14 58	0.24 168	0.20 129	0.20 86	0.30 230

RE-Stereo	0.82 194	0.33 135	0.84 125	0.65 218	0.31 77	0.63 97	0.44 125	1.35 132	0.93 83	1.30 216	1.02 91	0.80 92	0.57 78	5.34 343	0.55 128	0.26 225	0.14 58	0.24 168	0.20 129	0.20 86	0.31 239

TVStereo	0.82 194	0.33 135	0.84 125	0.65 218	0.31 77	0.63 97	0.44 125	1.35 132	0.93 83	1.30 216	1.02 91	0.80 92	0.57 78	5.34 343	0.55 128	0.26 225	0.14 58	0.24 168	0.20 129	0.20 86	0.31 239

ARAFT	0.82 194	0.40 231	1.77 293	0.53 90	0.31 77	0.89 197	0.81 277	2.32 328	1.08 137	1.66 317	1.25 176	1.04 180	0.64 113	1.91 225	0.52 109	0.20 99	0.15 112	0.28 246	0.27 259	0.17 20	0.18 32

STTStereo	0.82 194	0.53 281	1.53 280	0.68 253	0.56 258	0.88 196	0.56 202	1.57 171	1.14 167	1.39 253	1.10 120	1.26 237	0.84 171	1.49 166	0.90 220	0.29 265	0.28 292	0.33 287	0.40 332	0.33 262	0.37 274

BEATNet_4x	0.82 194	0.54 284	2.02 312	0.56 123	0.28 40	1.04 234	0.55 196	2.14 296	1.13 161	1.24 186	1.26 178	1.00 170	0.94 214	1.13 111	1.23 271	0.21 121	0.14 58	0.24 168	0.20 129	0.37 277	0.23 123

iResNet_ROB	0.82 194	0.36 188	1.13 208	0.60 170	0.37 144	0.91 202	0.38 69	2.41 339	1.61 325	1.35 240	1.35 213	1.25 231	0.97 228	1.75 201	0.88 215	0.21 121	0.14 58	0.17 13	0.12 9	0.19 59	0.30 230

GrayStereo	0.83 203	0.28 43	0.62 31	0.66 231	0.37 144	0.76 152	1.79 371	1.19 100	0.91 71	1.98 346	1.89 323	1.07 187	1.76 347	1.43 151	0.50 101	0.20 99	0.15 112	0.19 47	0.21 165	0.18 34	0.41 290

psm_up	0.83 203	0.37 204	0.88 140	0.68 253	0.59 270	1.05 237	0.92 300	1.68 191	1.17 181	1.41 261	1.22 166	1.30 247	1.31 305	1.39 141	0.89 217	0.27 242	0.30 304	0.31 267	0.27 259	0.28 224	0.28 205

GwcNet-RSSM	0.83 203	0.34 162	1.29 251	0.65 218	0.55 254	0.78 162	0.62 228	1.89 246	1.27 222	1.18 159	1.39 224	1.56 293	0.91 203	1.60 183	1.22 268	0.26 225	0.20 209	0.23 147	0.24 226	0.21 121	0.21 88

DMCA-RVC	0.83 203	0.46 255	2.19 325	0.68 253	0.49 222	0.84 188	0.48 152	1.44 146	1.07 134	1.56 301	1.04 102	1.29 245	0.86 183	1.49 166	0.92 226	0.27 242	0.22 232	0.35 301	0.28 268	0.32 257	0.28 205

RAFT_R40	0.84 207	0.30 79	0.83 116	0.63 201	0.31 77	0.66 115	0.43 108	1.15 90	0.99 110	1.47 281	1.10 120	1.00 170	0.84 171	5.44 346	0.53 118	0.23 170	0.13 17	0.23 147	0.20 129	0.23 158	0.19 51

UPFNet	0.84 207	0.34 162	1.09 199	0.62 191	0.74 314	1.25 275	0.78 265	1.69 200	1.20 190	1.39 253	1.13 140	1.30 247	0.87 189	1.73 199	1.22 268	0.24 188	0.26 280	0.24 168	0.23 214	0.26 207	0.20 70

hitnet-ft	0.84 207	0.38 221	0.75 77	0.59 163	0.44 198	0.99 228	0.47 148	1.61 182	1.38 266	1.21 176	1.22 166	1.82 323	0.99 234	1.87 218	1.09 253	0.33 284	0.29 300	0.34 295	0.27 259	0.36 272	0.33 253

NLCA_NET_v2_RVC	0.84 207	0.46 255	1.40 264	0.69 263	0.61 279	0.95 220	0.52 174	1.68 191	1.21 196	1.39 253	1.15 150	1.42 267	0.88 196	1.78 205	0.93 229	0.26 225	0.23 254	0.27 234	0.27 259	0.30 244	0.39 283
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-Refined	0.84 207	0.43 246	1.01 181	0.66 231	0.43 191	1.32 280	0.49 160	1.64 186	1.24 206	1.53 294	1.45 240	1.49 281	0.97 228	1.32 131	1.31 278	0.21 121	0.17 161	0.27 234	0.25 234	0.25 197	0.34 260
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DCRE	0.85 212	0.28 43	0.76 80	0.60 170	0.49 222	0.59 79	0.53 180	1.04 46	0.92 76	0.80 56	7.34 399	0.87 121	0.57 78	0.78 48	0.43 58	0.16 7	0.17 161	0.19 47	0.17 70	0.18 34	0.22 109

SST-Stereo	0.85 212	0.30 79	0.81 99	0.63 201	0.31 77	0.70 135	0.25 4	1.16 93	0.95 92	1.47 281	1.11 127	0.99 166	0.86 183	5.69 349	0.53 118	0.23 170	0.13 17	0.23 147	0.19 103	0.23 158	0.19 51

RAFT-345	0.86 214	0.26 19	0.73 67	0.53 90	0.28 40	0.53 51	0.41 88	0.85 15	1.31 243	1.33 229	2.32 350	0.85 119	0.53 62	5.69 349	0.48 89	0.19 65	0.14 58	0.22 120	0.17 70	0.17 20	0.17 23

UNet	0.86 214	0.36 188	1.52 277	0.62 191	0.74 314	1.56 310	0.49 160	1.55 166	1.12 156	1.28 209	1.10 120	1.52 287	1.10 270	1.69 196	1.14 258	0.24 188	0.18 185	0.25 204	0.21 165	0.25 197	0.25 161

ac_64	0.86 214	0.32 118	1.02 183	0.74 293	0.60 274	1.04 234	0.53 180	2.20 315	0.99 110	1.23 182	1.11 127	1.96 335	1.06 262	2.01 239	1.01 246	0.30 270	0.22 232	0.24 168	0.23 214	0.22 140	0.22 109

SepStereo	0.87 217	0.37 204	1.20 233	0.66 231	0.69 303	0.82 175	0.62 228	1.79 218	1.26 218	1.93 341	1.55 267	0.96 157	1.17 281	2.34 267	0.69 176	0.22 150	0.16 139	0.25 204	0.18 84	0.29 234	0.24 142

LMCR-Stereo	0.87 217	0.50 271	0.99 175	0.80 313	0.43 191	1.32 280	0.55 196	2.79 374	1.03 123	1.55 300	1.49 247	0.74 81	1.01 243	1.76 202	0.99 241	0.30 270	0.17 161	0.22 120	0.18 84	0.31 249	0.22 109

FADNet_RVC	0.88 219	0.56 290	2.15 322	0.57 141	0.43 191	1.17 265	0.46 139	1.68 191	1.12 156	0.91 77	1.24 174	0.91 138	0.94 214	2.22 258	1.20 263	0.28 253	0.22 232	0.32 279	0.28 268	0.46 317	0.42 296

iResNetv2_ROB	0.88 219	0.43 246	2.62 341	0.60 170	0.38 155	0.94 214	0.67 240	1.88 244	1.38 266	1.27 204	1.45 240	1.26 237	1.05 261	1.92 226	0.64 162	0.24 188	0.15 112	0.19 47	0.14 22	0.24 187	0.21 88

iRaft-Stereo_5w	0.89 221	0.31 104	1.04 187	0.56 123	0.47 214	0.47 18	0.68 242	1.19 100	1.08 137	0.80 56	1.35 213	1.46 276	0.90 201	5.11 337	1.16 260	0.18 40	0.15 112	0.22 120	0.19 103	0.21 121	0.24 142

DAS	0.89 221	0.37 204	1.20 233	0.66 231	0.69 303	0.82 175	0.62 228	1.79 218	1.26 218	1.93 341	1.55 267	0.96 157	1.17 281	2.72 287	0.69 176	0.22 150	0.16 139	0.25 204	0.18 84	0.29 234	0.24 142

SACVNet	0.89 221	0.51 275	1.08 198	0.83 324	0.58 264	0.83 181	0.78 265	1.84 231	1.17 181	1.39 253	1.33 205	1.25 231	1.01 243	2.31 266	0.92 226	0.35 299	0.26 280	0.31 267	0.29 283	0.35 268	0.48 311

ASMatch	0.89 221	0.29 61	0.72 57	0.56 123	0.36 139	0.47 18	0.37 62	1.16 93	0.95 92	1.11 116	3.26 371	0.95 153	0.96 221	4.88 334	0.53 118	0.20 99	0.16 139	0.22 120	0.19 103	0.20 86	0.30 230

ADLNet	0.89 221	0.39 226	1.09 199	0.88 336	0.73 310	1.24 274	0.75 259	2.02 271	1.41 280	1.58 305	1.37 218	1.26 237	1.00 240	1.31 128	1.18 261	0.28 253	0.21 222	0.26 225	0.26 245	0.29 234	0.36 271

MMNet	0.89 221	0.35 184	1.44 265	0.64 212	0.59 270	1.83 337	0.48 152	1.70 203	1.38 266	1.45 278	1.19 158	1.25 231	1.16 278	1.77 203	1.27 276	0.20 99	0.19 199	0.23 147	0.22 187	0.25 197	0.24 142

HGLStereo	0.89 221	0.42 242	1.15 213	0.82 320	1.03 360	1.16 258	0.57 205	1.68 191	1.28 226	1.26 199	1.62 283	1.13 208	1.31 305	1.85 214	1.11 257	0.25 208	0.24 262	0.24 168	0.22 187	0.24 187	0.29 217

CRFU-Net	0.90 228	0.42 242	1.10 202	0.69 263	0.59 270	1.76 329	0.84 284	2.33 333	0.92 76	1.45 278	1.20 159	1.62 299	1.25 296	1.38 139	0.94 234	0.28 253	0.23 254	0.22 120	0.19 103	0.24 187	0.27 194

dad	0.90 228	0.73 334	1.28 248	0.59 163	0.39 162	0.83 181	0.45 133	1.24 115	1.54 314	1.52 291	1.28 190	1.36 258	0.86 183	2.54 278	0.91 222	0.43 326	0.27 288	0.82 373	0.26 245	0.44 311	0.34 260

AACVNet	0.90 228	0.40 231	0.98 173	0.86 333	0.40 171	0.80 167	0.49 160	1.81 225	0.86 63	1.11 116	1.34 208	1.32 253	0.99 234	4.23 320	0.86 211	0.26 225	0.22 232	0.28 246	0.22 187	0.30 244	0.28 205

IRAFT_RVC	0.90 228	0.30 79	0.89 143	0.67 244	0.31 77	0.64 105	1.00 315	1.40 139	0.97 100	1.23 182	1.04 102	1.00 170	0.96 221	5.77 352	0.57 138	0.24 188	0.13 17	0.25 204	0.21 165	0.20 86	0.21 88

delet	0.90 228	0.34 162	1.15 213	0.69 263	0.66 295	1.63 318	0.81 277	1.95 259	1.49 307	1.42 265	1.38 222	1.29 245	0.91 203	1.78 205	1.18 261	0.22 150	0.22 232	0.24 168	0.25 234	0.22 140	0.24 142

pcwnet_v2	0.91 233	0.39 226	2.74 342	0.64 212	0.55 254	0.81 174	0.49 160	2.19 312	1.63 326	1.44 272	1.64 288	1.09 198	0.79 155	1.31 128	0.70 179	0.32 281	0.25 275	0.29 254	0.27 259	0.37 277	0.37 274

FADNet-RVC-Resample	0.91 233	0.51 275	2.92 345	0.64 212	0.46 208	1.07 242	0.60 224	1.76 212	1.24 206	1.10 115	0.98 82	1.06 184	0.98 231	2.17 255	0.95 236	0.24 188	0.22 232	0.30 263	0.32 303	0.36 272	0.40 287

HSM-Net_RVC	0.91 233	0.31 104	0.60 24	0.54 101	0.31 77	1.15 255	0.60 224	3.76 387	1.30 236	1.57 304	1.75 303	1.67 307	1.01 243	1.61 185	0.90 220	0.23 170	0.17 161	0.19 47	0.18 84	0.20 86	0.22 109
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
ssnet_v2	0.92 236	0.39 226	1.22 237	0.66 231	0.39 162	1.31 279	0.96 309	2.32 328	1.45 296	1.48 286	1.17 153	1.53 288	0.91 203	1.16 115	1.71 325	0.31 274	0.27 288	0.30 263	0.29 283	0.28 224	0.29 217

ADLNet2	0.92 236	0.37 204	1.25 244	0.80 313	0.65 292	1.12 248	0.75 259	1.95 259	1.42 288	1.26 199	1.67 292	1.68 309	1.04 256	1.80 212	1.23 271	0.25 208	0.22 232	0.21 93	0.22 187	0.27 209	0.31 239

FTStereo	0.92 236	0.28 43	0.61 28	0.57 141	0.34 122	0.65 109	1.80 374	1.09 63	0.84 58	1.75 324	4.13 381	1.04 180	1.62 332	1.59 178	0.48 89	0.21 121	0.17 161	0.23 147	0.22 187	0.19 59	0.58 339

PFNet	0.92 236	0.28 43	1.20 233	0.68 253	0.32 97	0.62 89	0.55 196	1.27 122	1.01 117	1.47 281	1.09 118	0.97 160	0.68 126	6.58 369	0.59 149	0.21 121	0.13 17	0.24 168	0.19 103	0.20 86	0.20 70

DLCB_ROB	0.92 236	0.43 246	0.95 163	0.71 275	0.55 254	1.11 246	0.83 282	1.61 182	1.32 245	1.67 318	1.66 290	1.70 312	0.93 212	1.96 233	1.34 283	0.26 225	0.25 275	0.27 234	0.28 268	0.28 224	0.28 205

GEStereo_RVC	0.93 241	0.40 231	1.15 213	0.67 244	0.50 226	0.95 220	0.78 265	2.73 369	1.21 196	1.20 170	1.12 130	1.25 231	0.91 203	3.21 301	0.95 236	0.31 274	0.20 209	0.23 147	0.20 129	0.28 224	0.31 239

CBFPSM	0.95 242	0.37 204	2.10 318	0.51 58	0.39 162	1.73 325	0.87 292	1.59 178	1.13 161	1.11 116	1.00 87	2.34 357	1.64 337	1.42 149	1.44 294	0.19 65	0.18 185	0.20 70	0.20 129	0.22 140	0.36 271

OMP-Stereo	0.95 242	0.35 184	0.79 93	0.92 347	0.32 97	0.49 28	0.35 49	1.22 110	1.11 151	1.58 305	1.12 130	1.44 271	0.69 129	6.92 375	0.51 103	0.20 99	0.15 112	0.24 168	0.19 103	0.21 121	0.16 13

DSFCA	0.95 242	0.38 221	1.23 239	0.55 111	0.66 295	1.50 303	0.93 303	1.58 173	1.24 206	1.59 308	1.16 151	1.48 279	0.95 219	2.96 294	1.20 263	0.31 274	0.28 292	0.25 204	0.26 245	0.29 234	0.26 178

PSMNet_ROB	0.95 242	0.57 295	1.45 266	0.75 300	0.64 286	1.28 278	1.12 325	1.84 231	1.15 172	1.16 146	1.29 194	1.44 271	0.89 198	1.74 200	1.70 323	0.33 284	0.25 275	0.37 313	0.39 330	0.36 272	0.32 247

FADNet-RVC	0.96 246	0.72 331	2.96 346	0.64 212	0.49 222	0.90 200	0.59 216	1.85 237	1.27 222	0.92 78	0.97 79	1.36 258	0.90 201	2.36 269	1.31 278	0.30 270	0.29 300	0.32 279	0.32 303	0.42 299	0.37 274

TransformOpticalFlow	0.97 247	0.30 79	0.96 170	0.54 101	0.31 77	0.65 109	0.54 189	1.87 239	1.19 186	1.12 124	1.44 237	1.34 256	0.98 231	6.68 372	0.44 62	0.19 65	0.12 5	0.21 93	0.19 103	0.18 34	0.23 123

IIG-Stereo	0.97 247	0.34 162	0.80 98	0.90 345	0.33 110	0.61 87	0.26 10	1.27 122	1.08 137	1.69 320	1.37 218	1.44 271	0.74 135	6.94 376	0.53 118	0.21 121	0.14 58	0.23 147	0.18 84	0.20 86	0.15 3

XX-Stereo	0.97 247	0.28 43	8.28 385	0.85 330	0.70 309	0.44 15	0.22 2	1.07 51	0.69 25	0.66 40	1.56 272	1.38 263	0.38 14	1.36 135	0.38 28	0.21 121	0.14 58	0.20 70	0.19 103	0.19 59	0.16 13

DEmStereo	0.98 250	0.25 16	0.85 131	0.49 35	0.33 110	1.02 232	0.55 196	0.97 27	0.93 83	1.41 261	2.13 341	1.01 174	2.01 358	5.62 348	0.78 194	0.19 65	0.15 112	0.20 70	0.20 129	0.18 34	0.25 161

FADNet	0.98 250	0.64 311	2.57 337	0.66 231	0.55 254	0.95 220	0.57 205	1.91 250	1.38 266	0.94 82	1.02 91	1.36 258	1.00 240	2.69 285	0.97 240	0.34 291	0.34 324	0.31 267	0.34 317	0.61 350	0.42 296

CFNet	0.99 252	0.40 231	1.23 239	0.65 218	0.43 191	1.03 233	0.49 160	2.01 270	1.35 252	1.02 98	1.39 224	1.10 199	0.86 183	5.47 347	0.89 217	0.24 188	0.18 185	0.28 246	0.27 259	0.27 209	0.22 109

NVstereo2D	0.99 252	0.45 252	2.21 326	0.79 312	0.75 317	1.20 269	0.86 290	1.98 264	1.41 280	1.02 98	1.18 155	1.31 249	0.97 228	2.25 261	0.93 229	0.45 337	0.22 232	0.39 321	0.25 234	0.59 344	0.68 354

CBMV_ROB	0.99 252	0.46 255	0.68 49	0.53 90	0.39 162	1.40 294	0.48 152	2.09 287	1.30 236	1.53 294	2.29 349	1.36 258	1.23 292	2.46 273	1.04 250	0.44 334	0.42 353	0.47 343	0.44 342	0.41 295	0.39 283

fast-acv-ft	1.00 255	0.48 263	1.85 301	0.61 183	0.52 238	1.77 331	0.69 246	1.52 158	1.47 302	1.34 236	1.85 319	1.73 315	1.24 295	1.62 186	1.56 307	0.27 242	0.28 292	0.28 246	0.28 268	0.28 224	0.31 239

HBP-ISP	1.00 255	0.60 297	0.85 131	0.64 212	0.48 216	1.63 318	0.77 262	2.24 319	1.30 236	1.33 229	1.53 263	0.87 121	0.99 234	3.26 304	0.76 191	0.46 338	0.44 355	0.54 354	0.48 351	0.48 322	0.42 296

CSP-Net	1.00 255	0.41 240	0.99 175	0.56 123	0.43 191	1.62 317	0.76 261	2.16 302	1.16 177	1.33 229	1.22 166	1.32 253	0.89 198	4.67 331	0.93 229	0.35 299	0.24 262	0.20 70	0.20 129	0.23 158	0.30 230

ETE_ROB	1.01 258	0.69 324	1.49 270	0.72 280	0.50 226	1.15 255	1.12 325	1.91 250	1.24 206	1.94 343	1.50 254	1.73 315	1.06 262	1.78 205	1.33 282	0.33 284	0.26 280	0.38 317	0.34 317	0.40 291	0.44 303

THIR-Stereo	1.02 259	0.29 61	0.73 67	0.51 58	0.29 51	0.94 214	1.31 346	1.08 56	0.98 103	1.35 240	1.91 327	1.16 213	1.54 328	6.37 367	0.79 198	0.20 99	0.14 58	0.21 93	0.22 187	0.19 59	0.25 161

PS-NSSS	1.02 259	0.62 307	1.17 227	0.61 183	0.58 264	0.91 202	0.79 273	2.02 271	1.19 186	1.17 148	1.68 294	1.00 170	0.85 176	4.43 325	0.86 211	0.38 309	0.31 309	0.52 349	0.32 303	0.52 329	0.45 305

XPNet_ROB	1.02 259	0.56 290	1.33 256	0.75 300	0.58 264	1.11 246	1.13 327	1.77 213	1.29 234	1.88 336	1.43 235	1.63 302	1.13 277	2.04 242	1.69 321	0.40 318	0.31 309	0.33 287	0.29 283	0.37 277	0.37 274

iinet-f	1.04 262	0.50 271	4.24 367	0.58 151	0.43 191	1.78 334	0.70 252	1.29 127	1.16 177	1.25 189	1.42 233	1.57 295	1.42 318	1.47 158	1.70 323	0.26 225	0.23 254	0.20 70	0.20 129	0.26 207	0.26 178

RAFT-RH_RVC	1.04 262	0.26 19	0.76 80	0.53 90	0.29 51	0.80 167	0.32 29	0.85 15	1.12 156	2.04 349	4.63 386	1.03 179	0.57 78	5.93 355	0.52 109	0.20 99	0.13 17	0.26 225	0.20 129	0.16 11	0.19 51

CBMV	1.04 262	0.48 263	0.88 140	0.56 123	0.36 139	1.52 305	1.55 358	1.87 239	1.59 322	2.11 352	1.67 292	1.46 276	1.35 310	1.92 226	1.31 278	0.35 299	0.35 329	0.39 321	0.33 312	0.34 267	0.34 260
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
StereoDRNet	1.05 265	0.53 281	2.21 326	0.80 313	0.93 350	1.50 303	0.90 295	2.06 282	1.44 291	1.68 319	1.20 159	1.48 279	0.99 234	1.86 217	1.60 310	0.29 265	0.24 262	0.29 254	0.28 268	0.35 268	0.33 253

STrans-v2	1.06 266	0.31 104	1.02 183	0.52 70	0.33 110	0.67 120	0.78 265	2.66 367	1.26 218	1.15 142	1.46 242	1.37 262	1.40 316	6.68 372	0.46 77	0.19 65	0.13 17	0.21 93	0.18 84	0.18 34	0.21 88

DISCO	1.06 266	0.37 204	1.19 232	0.73 287	0.46 208	2.04 351	0.84 284	2.26 320	1.54 314	1.25 189	1.36 217	2.38 359	1.08 265	2.60 281	1.62 313	0.24 188	0.19 199	0.22 120	0.20 129	0.32 257	0.29 217

NCCL2	1.06 266	0.64 311	1.35 257	0.78 311	0.58 264	1.32 280	1.69 363	1.89 246	1.38 266	1.52 291	1.20 159	1.91 325	1.17 281	1.79 210	1.50 301	0.35 299	0.31 309	0.45 337	0.44 342	0.41 295	0.45 305

LALA_ROB	1.06 266	0.66 318	1.37 262	0.70 272	0.53 243	1.61 315	1.25 343	1.81 225	1.48 306	1.82 332	1.40 229	1.93 329	1.03 250	1.68 192	1.69 321	0.38 309	0.28 292	0.43 333	0.37 327	0.43 301	0.38 280

RAFT + AFF	1.07 270	0.47 260	1.36 259	0.68 253	0.50 226	1.20 269	1.22 339	2.58 361	1.26 218	1.33 229	1.56 272	1.19 215	1.49 326	3.89 318	1.01 246	0.22 150	0.26 280	0.30 263	0.27 259	0.29 234	0.32 247

DRN-Test	1.07 270	0.49 268	1.95 309	0.75 300	0.81 335	1.61 315	0.78 265	2.26 320	1.53 312	1.84 333	1.35 213	1.42 267	1.04 256	2.26 262	1.61 311	0.28 253	0.23 254	0.31 267	0.30 294	0.33 262	0.33 253

TDLM	1.08 272	0.50 271	1.01 181	0.69 263	0.54 250	0.91 202	1.40 351	1.60 180	1.36 259	1.17 148	1.40 229	1.07 187	1.00 240	6.19 359	0.85 210	0.34 291	0.22 232	0.35 301	0.26 245	0.38 283	0.29 217

Wz-Net-LNSev-Ref	1.09 273	0.46 255	2.61 340	0.71 275	0.65 292	2.00 348	0.78 265	2.07 284	1.47 302	1.62 312	1.47 244	1.53 288	1.29 301	2.10 250	1.65 319	0.24 188	0.14 58	0.20 70	0.16 54	0.28 224	0.28 205

FAT-Stereo	1.10 274	0.43 246	1.46 267	0.74 293	0.60 274	1.13 249	0.92 300	2.06 282	1.71 332	1.75 324	2.00 333	2.02 341	1.47 324	2.02 241	1.26 275	0.44 334	0.36 333	0.34 295	0.29 283	0.36 272	0.57 336

CVANet_RVC	1.10 274	0.49 268	1.15 213	0.65 218	0.54 250	0.93 212	1.00 315	1.69 200	1.36 259	1.42 265	1.39 224	1.24 230	1.17 281	6.22 361	0.80 203	0.35 299	0.24 262	0.35 301	0.30 294	0.44 311	0.32 247

APVNet	1.11 276	0.59 296	1.95 309	0.87 334	0.77 323	1.90 341	0.82 281	2.03 275	1.15 172	1.14 140	1.43 235	1.55 291	1.12 276	3.03 295	1.62 313	0.32 281	0.34 324	0.42 332	0.36 323	0.36 272	0.41 290

GANetREF_RVC	1.11 276	0.90 347	1.56 282	0.88 336	0.53 243	1.41 296	1.35 348	1.91 250	1.54 314	1.28 209	1.32 201	1.46 276	1.23 292	2.04 242	1.00 245	0.57 359	0.45 357	0.67 368	0.52 359	0.91 370	0.62 346
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
GASNet	1.13 278	1.10 363	3.29 355	1.00 361	0.68 300	0.82 175	0.67 240	1.85 237	1.38 266	1.39 253	1.25 176	1.25 231	1.20 290	2.72 287	1.62 313	0.46 338	0.26 280	0.36 311	0.34 317	0.55 338	0.33 253

anonymity	1.14 279	0.98 356	1.24 242	1.09 366	1.13 367	1.08 243	0.90 295	2.02 271	1.23 205	1.32 224	1.27 185	1.27 242	1.09 267	1.16 115	1.03 249	1.02 377	1.01 400	0.97 377	0.97 384	0.98 372	1.01 372

PA-Net	1.14 279	0.63 308	2.12 320	0.67 244	0.75 317	1.19 268	0.91 298	1.91 250	1.46 301	1.18 159	1.23 170	1.33 255	1.17 281	4.31 323	1.41 291	0.29 265	0.46 361	0.33 287	0.50 356	0.33 262	0.57 336
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
edge stereo	1.15 281	0.54 284	1.50 271	0.73 287	0.66 295	1.18 267	0.84 284	2.13 295	1.41 280	1.73 323	1.84 316	2.53 364	1.46 322	2.46 273	1.35 285	0.43 326	0.41 348	0.54 354	0.36 323	0.43 301	0.50 315

RASNet	1.16 282	0.34 162	1.11 204	0.73 287	0.86 343	1.00 229	0.60 224	1.56 168	1.43 289	1.07 111	1.37 218	2.08 348	1.44 321	7.00 377	1.56 307	0.20 99	0.17 161	0.17 13	0.19 103	0.19 59	0.19 51

DANet	1.16 282	0.64 311	1.52 277	0.88 336	0.74 314	1.52 305	0.52 174	1.68 191	1.21 196	1.81 330	1.55 267	2.02 341	1.11 272	3.30 306	2.28 343	0.34 291	0.31 309	0.40 327	0.30 294	0.46 317	0.54 325
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
Wz-Net-LNSev	1.17 284	0.72 331	4.71 371	0.66 231	0.84 341	1.72 322	1.13 327	1.97 263	1.43 289	1.34 236	1.32 201	1.66 305	1.30 304	1.44 153	1.51 303	0.29 265	0.26 280	0.24 168	0.23 214	0.33 262	0.35 268

S-Stereo	1.17 284	0.48 263	2.25 329	0.83 324	0.81 335	1.22 271	1.17 334	2.12 291	2.08 357	1.47 281	2.13 341	1.55 291	1.16 278	2.09 249	1.46 297	0.42 325	0.40 347	0.35 301	0.32 303	0.45 313	0.73 358

MaskLacGwcNet_RVC	1.17 284	1.06 359	1.28 248	0.88 336	0.69 303	1.92 343	0.92 300	1.71 204	1.14 167	1.17 148	1.26 178	1.49 281	0.80 161	2.04 242	0.86 211	2.02 387	0.34 324	0.79 372	0.36 323	1.38 383	1.33 384

RP	1.17 284	0.54 284	1.48 269	0.93 352	1.05 361	1.14 252	0.85 289	1.99 268	1.70 330	1.72 322	2.07 338	1.91 325	1.93 356	2.00 238	1.37 288	0.55 357	0.37 337	0.48 344	0.37 327	0.46 317	0.46 310

ccnet	1.19 288	0.71 328	1.36 259	0.81 316	0.75 317	1.72 322	1.13 327	1.98 264	1.31 243	1.52 291	1.84 316	1.75 320	1.36 311	2.01 239	2.04 336	0.57 359	0.54 372	0.57 363	0.56 364	0.60 347	0.60 344

Nwc_Net	1.19 288	0.53 281	2.34 331	0.92 347	0.81 335	1.49 302	0.70 252	2.28 326	1.32 245	1.41 261	2.27 347	2.03 344	1.76 347	2.05 246	1.46 297	0.43 326	0.30 304	0.43 333	0.46 347	0.39 287	0.40 287

NCC-stereo	1.20 290	0.60 297	1.84 299	0.88 336	0.95 354	1.32 280	0.94 305	2.14 296	1.36 259	1.43 269	1.79 308	1.93 329	2.13 368	2.54 278	1.41 291	0.49 346	0.38 340	0.45 337	0.59 368	0.43 301	0.45 305

Abc-Net	1.20 290	0.60 297	1.84 299	0.88 336	0.95 354	1.32 280	0.94 305	2.14 296	1.36 259	1.43 269	1.79 308	1.93 329	2.13 368	2.54 278	1.41 291	0.49 346	0.38 340	0.45 337	0.59 368	0.43 301	0.45 305
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
Wz-Net-MNSev	1.21 292	0.66 318	3.44 357	0.69 263	0.73 310	1.93 344	1.44 353	2.16 302	1.59 322	1.85 335	1.49 247	1.50 283	1.34 309	2.05 246	1.54 306	0.27 242	0.24 262	0.28 246	0.28 268	0.35 268	0.32 247

RGC	1.22 293	0.82 342	1.71 290	0.95 357	0.98 359	1.53 307	0.80 276	2.18 310	1.35 252	1.69 320	1.94 329	2.03 344	1.66 338	2.36 269	1.50 301	0.46 338	0.36 333	0.59 366	0.48 351	0.49 325	0.49 312

stereogan	1.22 293	0.45 252	2.03 314	0.87 334	0.85 342	2.52 365	0.72 254	1.98 264	1.78 339	1.92 339	1.94 329	2.31 356	1.42 318	2.10 250	1.14 258	0.38 309	0.36 333	0.39 321	0.32 303	0.52 329	0.49 312

AANet_RVC	1.22 293	0.60 297	1.94 305	0.69 263	0.46 208	0.75 147	0.69 246	1.51 156	1.57 320	1.36 245	1.90 325	1.51 285	0.87 189	7.23 379	1.89 332	0.26 225	0.19 199	0.19 47	0.16 54	0.23 158	0.37 274

HSM	1.22 293	0.34 162	0.81 99	0.61 183	0.39 162	1.22 271	0.63 233	2.45 344	1.25 212	1.32 224	1.26 178	1.91 325	1.08 265	9.21 397	0.75 188	0.23 170	0.17 161	0.20 70	0.16 54	0.22 140	0.24 142

Syn2CoEx	1.23 297	0.80 338	3.07 349	0.83 324	0.68 300	1.39 292	0.87 292	2.23 317	1.57 320	1.28 209	1.58 277	1.42 267	1.57 330	3.79 316	1.48 300	0.36 306	0.32 319	0.34 295	0.30 294	0.30 244	0.41 290

AF-Net	1.23 297	0.56 290	2.31 330	0.88 336	0.93 350	1.41 296	0.73 257	2.27 324	1.71 332	1.76 328	2.42 355	2.00 338	1.70 341	1.98 234	1.62 313	0.50 350	0.29 300	0.49 346	0.33 312	0.40 291	0.34 260

NaN_ROB	1.23 297	0.63 308	1.76 292	0.67 244	0.50 226	1.59 314	2.00 378	1.87 239	1.52 310	2.14 354	1.26 178	1.40 265	1.09 267	4.60 329	1.75 326	0.28 253	0.34 324	0.28 246	0.29 283	0.30 244	0.37 274

DGSMNet	1.24 300	0.84 344	3.20 351	0.91 346	0.92 347	1.39 292	1.34 347	2.46 348	1.44 291	1.34 236	1.66 290	1.50 283	1.03 250	1.85 214	1.30 277	0.48 344	0.48 364	0.55 359	0.51 358	0.78 365	0.79 364

RYNet	1.24 300	0.52 279	1.57 284	0.73 287	0.97 357	1.74 327	0.95 308	2.09 287	1.54 314	1.44 272	1.18 155	1.94 333	1.29 301	4.57 328	1.93 333	0.27 242	0.23 254	0.35 301	0.27 259	0.57 341	0.59 341

ttt	1.26 302	0.36 188	0.79 93	0.65 218	0.42 188	0.94 214	0.57 205	2.33 333	1.38 266	1.25 189	1.65 289	0.92 143	0.78 150	2.64 282	8.73 390	0.30 270	0.28 292	0.26 225	0.25 234	0.29 234	0.32 247

aanetorigin	1.26 302	0.85 345	3.00 347	0.72 280	0.80 331	1.08 243	1.05 319	1.12 73	1.39 275	3.53 388	2.60 360	1.72 313	1.73 345	1.98 234	1.77 329	0.26 225	0.24 262	0.26 225	0.25 234	0.38 283	0.51 320

GwcNet	1.26 302	0.63 308	5.13 373	0.81 316	1.15 371	1.73 325	0.69 246	1.84 231	1.53 312	1.51 289	1.71 299	1.72 313	1.09 267	2.20 257	1.61 311	0.31 274	0.30 304	0.29 254	0.27 259	0.30 244	0.41 290

Consistency-Raft	1.27 305	1.01 358	2.17 323	1.04 363	1.20 375	0.96 225	1.00 315	1.84 231	1.95 351	1.38 251	2.11 340	1.44 271	1.03 250	1.18 119	1.40 290	0.73 370	0.83 386	0.89 375	0.99 387	1.33 381	0.95 371

NOSS_ROB	1.29 306	0.49 268	0.68 49	0.60 170	0.40 171	1.09 245	0.77 262	1.94 256	1.44 291	1.04 104	1.46 242	1.10 199	0.81 165	10.57 412	0.78 194	0.46 338	0.43 354	0.48 344	0.45 345	0.45 313	0.43 300

SGM-Forest	1.29 306	0.40 231	0.74 72	0.54 101	0.37 144	1.55 308	1.26 344	1.82 228	1.39 275	2.22 355	1.81 314	1.64 303	1.02 248	7.65 384	1.20 263	0.39 316	0.37 337	0.39 321	0.34 317	0.37 277	0.34 260
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
Anonymous_2	1.37 308	0.56 290	0.94 160	0.57 141	0.62 283	1.04 234	0.65 236	1.82 228	1.01 117	1.00 91	0.79 44	1.42 267	1.27 299	1.06 96	0.83 207	0.62 362	0.67 382	1.05 381	9.88 418	1.09 377	0.55 331

SQANet	1.38 309	0.95 354	1.37 262	1.89 386	1.47 383	1.44 300	0.81 277	1.89 246	1.13 161	1.34 236	1.26 178	1.28 243	1.02 248	1.64 187	0.91 222	2.55 392	0.35 329	1.47 384	0.56 364	2.48 388	1.74 388

PWC_ROB	1.39 310	0.93 353	4.07 365	0.77 308	0.83 338	1.16 258	0.53 180	1.87 239	2.01 354	2.36 359	3.06 369	1.65 304	1.60 331	2.65 284	2.29 345	0.34 291	0.23 254	0.36 311	0.25 234	0.39 287	0.49 312

PWCDC_ROB	1.39 310	0.91 351	2.10 318	1.08 365	0.92 347	1.72 322	0.58 212	2.03 275	3.30 385	1.32 224	4.87 389	1.21 218	1.71 343	1.98 234	1.75 326	0.65 365	0.26 280	0.29 254	0.25 234	0.56 339	0.41 290

GANet	1.41 312	0.52 279	1.18 231	0.74 293	0.48 216	1.40 294	1.69 363	1.87 239	1.28 226	1.56 301	2.39 353	1.56 293	1.25 296	9.13 395	1.20 263	0.31 274	0.32 319	0.34 295	0.29 283	0.40 291	0.33 253

PDISCO_ROB	1.41 312	0.73 334	2.04 315	1.40 377	1.46 382	2.83 374	1.07 321	2.64 363	2.11 359	1.41 261	1.50 254	1.73 315	0.99 234	2.83 292	1.46 297	1.03 378	0.27 288	0.54 354	0.47 349	0.77 364	0.84 368

LL-Strereo	1.42 314	0.44 251	2.02 312	0.62 191	1.07 362	0.73 143	0.65 236	2.02 271	1.21 196	1.60 309	1.62 283	2.02 341	2.10 364	9.67 401	1.07 252	0.22 150	0.20 209	0.27 234	0.24 226	0.23 158	0.33 253

SHD	1.42 314	0.81 341	2.79 344	0.98 359	0.92 347	1.97 345	0.68 242	2.43 342	2.55 368	2.54 367	1.72 300	2.01 340	1.62 332	2.14 253	2.70 352	0.40 318	0.33 322	0.39 321	0.40 332	0.48 322	0.54 325

Anonymous Stereo	1.42 314	0.90 347	3.93 363	0.81 316	0.83 338	1.06 240	1.90 377	1.81 225	1.52 310	1.75 324	1.44 237	1.28 243	0.87 189	5.94 356	1.94 334	0.38 309	0.39 345	0.38 317	0.41 336	0.45 313	0.50 315

RTSC	1.43 317	0.89 346	3.62 360	0.94 355	0.64 286	1.85 338	0.69 246	2.20 315	2.04 356	2.22 355	1.70 297	1.67 307	1.27 299	2.53 277	4.48 371	0.33 284	0.25 275	0.27 234	0.29 283	0.38 283	0.40 287

DualNet	1.46 318	0.36 188	1.51 272	0.56 123	0.40 171	0.76 152	0.59 216	1.08 56	2.62 371	1.19 164	1.49 247	1.07 187	0.85 176	1.57 172	13.82 402	0.21 121	0.13 17	0.31 267	0.28 268	0.20 86	0.23 123

UDG	1.47 319	2.69 406	1.13 208	1.45 381	1.65 385	1.34 286	0.79 273	1.75 211	1.27 222	1.29 213	1.74 302	1.99 337	1.39 315	1.66 189	1.51 303	0.91 374	0.55 374	2.30 391	0.76 375	1.99 384	1.20 381

MFMNet_re	1.47 319	1.20 369	2.50 335	1.46 382	1.08 363	1.58 312	1.51 354	1.96 262	1.87 346	2.31 358	2.20 344	1.51 285	1.88 354	1.57 172	1.34 283	0.94 375	0.83 386	0.84 374	0.80 378	1.00 373	1.06 375

PASM	1.48 321	1.08 360	3.96 364	0.93 352	0.93 350	1.17 265	1.19 336	1.77 213	1.65 327	1.90 337	1.52 262	1.75 320	1.42 318	4.54 327	1.52 305	0.64 364	0.68 384	0.69 370	0.79 377	0.70 359	0.74 359

ADCRef	1.50 322	0.61 302	3.83 362	0.76 306	0.77 323	1.91 342	0.77 262	2.16 302	1.34 249	1.63 314	1.59 281	1.35 257	1.40 316	1.79 210	8.32 389	0.25 208	0.21 222	0.32 279	0.31 298	0.31 249	0.32 247

XQC	1.51 323	0.98 356	3.20 351	0.92 347	0.76 322	2.01 349	1.17 334	2.53 358	1.99 353	2.01 348	1.54 264	2.00 338	1.54 328	3.16 299	3.46 362	0.49 346	0.31 309	0.45 337	0.40 332	0.71 361	0.62 346

CC-Net-ROB	1.53 324	1.31 376	1.68 289	0.92 347	0.80 331	1.75 328	0.99 313	2.04 277	1.27 222	1.12 124	1.62 283	1.20 217	0.98 231	7.82 385	0.92 226	1.15 385	0.41 348	2.20 389	0.46 347	1.37 382	0.56 333

FINET	1.54 325	0.67 321	7.28 381	0.76 306	0.97 357	1.42 299	1.38 350	2.80 376	3.12 382	1.23 182	1.68 294	1.04 180	1.11 272	3.35 307	1.78 330	0.43 326	0.37 337	0.32 279	0.29 283	0.43 301	0.41 290

test_xeample	1.55 326	0.31 104	0.94 160	0.54 101	0.31 77	0.94 214	0.58 212	2.40 338	1.40 277	1.29 213	1.55 267	0.89 133	0.88 196	1.72 198	15.94 409	0.22 150	0.22 232	0.22 120	0.21 165	0.23 158	0.25 161

DDUNet	1.56 327	2.70 407	1.35 257	1.79 384	1.88 387	1.82 336	0.91 298	1.84 231	1.20 190	1.40 259	1.79 308	1.62 299	1.17 281	1.59 178	1.22 268	1.11 382	0.76 385	2.38 394	0.94 382	2.12 385	1.53 386

CrosDoStereo	1.56 327	0.26 19	0.78 89	0.51 58	0.29 51	0.66 115	11.86 409	1.18 96	1.00 114	1.35 240	1.76 304	0.99 166	1.83 351	6.64 370	0.83 207	0.19 65	0.15 112	0.20 70	0.22 187	0.18 34	0.25 161

DeepStereo_LL	1.56 327	0.26 19	0.78 89	0.51 58	0.29 51	0.66 115	11.86 409	1.18 96	1.00 114	1.35 240	1.76 304	0.99 166	1.83 351	6.64 370	0.83 207	0.19 65	0.15 112	0.20 70	0.22 187	0.18 34	0.25 161

STTRV1_RVC	1.60 330	0.69 324	2.04 315	0.88 336	1.12 364	1.58 312	0.90 295	2.42 340	1.78 339	1.29 213	2.02 335	1.40 265	1.22 291	9.72 402	1.35 285	0.86 372	0.34 324	0.54 354	0.49 354	0.75 363	0.54 325

xxxx	1.61 331	0.32 118	0.98 173	0.58 151	0.31 77	1.15 255	0.43 108	2.43 342	1.41 280	1.17 148	1.40 229	1.21 218	0.86 183	1.94 228	16.68 411	0.24 188	0.24 262	0.21 93	0.20 129	0.23 158	0.27 194

CSAN	1.61 331	0.67 321	3.24 354	0.74 293	0.52 238	1.77 331	1.74 368	1.98 264	1.94 350	2.47 366	2.33 351	1.93 329	2.04 361	6.45 368	1.95 335	0.43 326	0.36 333	0.41 331	0.42 337	0.43 301	0.44 303

MFN_U_SF_RVC	1.62 333	0.96 355	4.36 369	0.92 347	0.69 303	2.62 369	1.10 323	2.50 354	1.74 335	1.99 347	1.86 321	2.45 362	1.78 349	3.08 297	2.84 354	0.54 354	0.50 369	0.56 361	0.60 370	0.60 347	0.67 351

SDNR	1.66 334	0.55 287	2.36 332	0.56 123	0.58 264	3.79 391	0.45 133	1.78 215	1.40 277	1.38 251	2.45 357	1.13 208	0.96 221	11.03 413	1.31 278	0.67 367	0.64 380	0.43 333	0.32 303	0.71 361	0.76 362

otaku	1.67 335	1.18 367	1.56 282	2.27 389	1.59 384	1.98 346	1.23 341	2.23 317	1.37 264	1.48 286	1.63 287	1.73 315	1.23 292	1.85 214	1.09 253	2.96 395	0.58 378	1.74 385	0.61 371	2.94 394	2.15 392

222	1.67 335	0.31 104	0.93 154	0.59 163	0.31 77	1.05 237	0.43 108	2.39 336	1.47 302	1.37 246	1.55 267	0.94 150	0.94 214	1.98 234	17.76 412	0.24 188	0.22 232	0.21 93	0.20 129	0.22 140	0.26 178

Wz-Net-SNSev	1.68 337	1.45 378	8.71 389	0.71 275	0.67 299	1.35 287	1.51 354	2.15 300	1.47 302	1.51 289	1.68 294	2.27 352	1.38 313	4.23 320	2.36 347	0.32 281	0.29 300	0.31 267	0.33 312	0.43 301	0.39 283

DeepPrunerF	1.68 337	0.82 342	6.82 379	0.94 355	1.20 375	0.91 202	0.97 310	2.50 354	5.19 401	1.22 181	1.30 195	1.18 214	1.29 301	4.96 336	1.75 326	0.43 326	0.35 329	0.52 349	0.48 351	0.43 301	0.42 296

psmorigin	1.69 339	0.74 336	13.13 400	0.70 272	0.60 274	1.16 258	0.79 273	1.69 200	1.25 212	2.07 351	1.77 306	2.23 349	1.51 327	2.14 253	1.45 295	0.39 316	0.41 348	0.34 295	0.33 312	0.45 313	0.63 348

G-Net	1.71 340	0.67 321	2.09 317	1.14 371	0.75 317	2.96 378	0.89 294	1.58 173	1.30 236	2.76 372	8.12 405	2.29 354	2.51 377	1.94 228	2.23 342	0.49 346	0.45 357	0.45 337	0.31 298	0.62 351	0.59 341

Ntro	1.72 341	1.21 370	1.62 286	2.54 394	1.86 386	2.09 354	1.14 330	2.08 285	1.38 266	1.23 182	1.62 283	1.62 299	1.33 308	2.04 242	1.21 267	3.09 396	0.56 375	1.82 387	0.65 372	2.97 397	2.25 394

FBW_ROB	1.78 342	0.66 318	1.90 304	0.72 280	0.66 295	1.79 335	1.07 321	2.79 374	1.77 336	1.84 333	1.79 308	1.98 336	1.37 312	12.42 415	2.22 341	0.36 306	0.38 340	0.57 363	0.39 330	0.46 317	0.51 320

SPS-STEREO	1.78 342	1.09 362	1.52 277	1.22 374	1.14 369	1.87 340	1.11 324	2.27 324	1.70 330	3.17 386	2.39 353	2.84 372	1.93 356	4.41 324	2.93 355	1.04 380	0.99 399	0.97 377	0.94 382	1.03 375	1.05 374
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MFN_U_SF_DS_RVC	1.80 344	1.11 364	4.33 368	0.84 328	0.77 323	3.70 386	2.41 397	2.04 277	1.85 345	1.75 324	1.90 325	1.92 328	1.25 296	7.33 380	1.45 295	0.47 342	0.47 362	0.53 353	0.77 376	0.50 326	0.55 331

SAMSARA	1.80 344	0.90 347	3.37 356	1.28 376	1.13 367	3.71 387	2.33 392	2.53 358	1.93 349	3.17 386	1.73 301	2.99 373	1.68 340	3.53 310	2.46 349	0.47 342	0.54 372	0.43 333	0.47 349	0.59 344	0.64 349

PVD	1.82 346	0.91 351	3.02 348	1.03 362	0.94 353	2.61 368	1.14 330	2.78 373	3.40 387	3.08 384	2.75 362	2.39 361	2.49 376	2.81 290	3.66 364	0.48 344	0.49 368	0.59 366	0.49 354	0.60 347	0.81 366

ADCL	1.82 346	0.70 326	4.57 370	0.70 272	0.63 285	2.56 366	1.77 370	2.08 285	1.77 336	1.95 345	1.89 323	2.04 346	1.88 354	2.36 269	9.55 394	0.27 242	0.25 275	0.35 301	0.32 303	0.39 287	0.39 283

AAGNet	1.84 348	0.30 79	0.79 93	0.66 231	0.32 97	0.65 109	0.50 165	1.02 38	1.01 117	1.47 281	1.21 164	0.99 166	1.16 278	2.76 289	22.69 418	0.24 188	0.13 17	0.22 120	0.20 129	0.24 187	0.16 13

ff1	1.88 349	0.36 188	1.51 272	0.56 123	0.40 171	0.76 152	0.59 216	1.08 56	2.62 371	1.19 164	1.49 247	1.07 187	0.85 176	9.88 406	13.82 402	0.21 121	0.13 17	0.31 267	0.28 268	0.20 86	0.23 123

MDST_ROB	1.88 349	0.40 231	1.71 290	0.93 352	0.60 274	4.27 397	1.23 341	3.99 390	1.44 291	4.61 398	2.63 361	1.44 271	1.03 250	9.78 403	1.62 313	0.33 284	0.26 280	0.37 313	0.33 312	0.31 249	0.34 260

SGM_RVC	1.88 349	0.40 231	0.90 148	0.63 201	0.30 63	2.81 373	1.26 344	2.73 369	1.81 343	4.09 390	2.85 365	3.88 383	3.19 384	8.42 391	2.44 348	0.33 284	0.31 309	0.30 263	0.28 268	0.31 249	0.31 239
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
mmx	1.89 352	0.36 188	1.51 272	0.56 123	0.40 171	0.76 152	0.59 216	2.32 328	1.41 280	1.19 164	1.49 247	1.07 187	0.85 176	9.88 406	13.82 402	0.25 208	0.21 222	0.31 267	0.28 268	0.32 257	0.29 217

xxx	1.89 352	0.36 188	1.51 272	0.56 123	0.40 171	0.76 152	0.59 216	2.32 328	1.41 280	1.19 164	1.49 247	1.07 187	0.85 176	9.88 406	13.82 402	0.25 208	0.21 222	0.31 267	0.28 268	0.32 257	0.29 217

DPSNet	1.91 354	0.64 311	5.95 375	0.73 287	0.59 270	2.04 351	1.61 362	3.84 388	1.96 352	1.54 297	1.39 224	2.27 352	3.32 387	4.95 335	4.79 372	0.50 350	0.31 309	0.29 254	0.26 245	0.67 356	0.54 325

1111x	1.96 355	0.32 118	1.54 281	0.54 101	0.30 63	1.00 229	0.69 246	2.47 349	1.33 247	1.21 176	1.44 237	1.21 218	1.11 272	8.49 392	16.14 410	0.22 150	0.23 254	0.22 120	0.23 214	0.25 197	0.26 178

ADCPNet	1.97 356	0.78 337	9.38 391	0.74 293	0.61 279	2.73 371	1.36 349	2.11 290	1.66 328	1.92 339	1.70 297	2.45 362	2.07 362	2.50 275	6.84 384	0.38 309	0.38 340	0.38 317	0.43 340	0.47 321	0.50 315

WCMA_ROB	2.05 357	0.55 287	1.77 293	0.74 293	0.61 279	2.24 357	1.56 359	2.17 309	1.79 341	4.16 394	6.36 395	5.66 395	4.66 398	3.19 300	2.77 353	0.55 357	0.45 357	0.40 327	0.43 340	0.48 322	0.50 315

RainbowNet	2.06 358	1.86 389	1.97 311	2.86 397	2.25 393	2.03 350	1.79 371	2.77 371	1.92 348	1.54 297	1.84 316	1.95 334	1.73 345	2.23 259	1.38 289	3.40 402	0.86 391	2.39 396	1.00 388	2.94 394	2.42 396

MSMD_ROB	2.08 359	0.61 302	1.15 213	0.71 275	0.62 283	4.00 393	0.93 303	1.94 256	1.79 341	4.71 400	4.60 385	8.14 404	3.87 394	3.75 315	1.65 319	0.54 354	0.48 364	0.55 359	0.58 366	0.53 334	0.52 322

Wz-Net-TNSev	2.10 360	2.71 408	9.30 390	0.72 280	0.65 292	2.41 364	1.81 375	2.45 344	1.77 336	1.62 312	1.56 272	2.56 365	2.01 358	5.30 339	4.46 370	0.41 321	0.38 340	0.33 287	0.37 327	0.54 336	0.64 349

ADCMid	2.11 361	0.90 347	8.39 387	0.75 300	0.69 303	1.98 346	1.14 330	2.18 310	1.67 329	2.85 374	1.85 319	2.35 358	2.02 360	2.35 268	10.58 397	0.34 291	0.32 319	0.39 321	0.44 342	0.51 328	0.53 324

ADCP+	2.12 362	0.56 290	10.01 392	0.68 253	0.91 346	2.25 358	1.04 318	1.92 254	1.50 309	1.58 305	1.34 208	1.73 315	1.62 332	2.27 263	13.20 399	0.25 208	0.22 232	0.32 279	0.29 283	0.38 283	0.34 260

WZ-Net	2.14 363	1.08 360	11.68 399	0.89 344	0.78 327	1.76 329	1.59 361	2.39 336	2.03 355	2.11 352	1.95 331	2.30 355	2.28 371	5.94 356	3.86 367	0.35 299	0.27 288	0.29 254	0.32 303	0.52 329	0.50 315

AnyNet_C32	2.14 363	1.45 378	7.38 382	0.95 357	1.12 364	2.23 356	2.34 393	2.10 289	1.54 314	2.44 362	1.79 308	2.04 346	1.66 338	2.69 285	10.48 396	0.38 309	0.35 329	0.35 301	0.42 337	0.50 326	0.60 344

NVStereoNet_ROB	2.17 365	1.18 367	3.51 358	1.14 371	1.26 378	1.57 311	1.51 354	2.19 312	2.11 359	2.04 349	4.80 387	3.17 378	2.11 366	7.97 387	2.10 337	1.12 383	0.94 396	1.10 382	1.34 394	0.95 371	1.31 382
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
MSC_U_SF_DS_RVC	2.22 366	1.29 375	4.14 366	1.10 367	0.78 327	5.00 400	2.38 396	2.47 349	2.67 376	1.94 343	2.28 348	2.66 369	1.70 341	9.10 394	2.29 345	0.68 369	0.52 370	0.68 369	0.71 374	1.17 379	0.81 366

SANet	2.26 367	0.70 326	6.94 380	0.69 263	0.46 208	2.76 372	1.76 369	2.61 362	5.84 403	2.45 363	3.52 375	3.71 380	3.38 389	5.90 353	2.14 339	0.34 291	0.31 309	0.32 279	0.29 283	0.54 336	0.43 300

ADCS	2.35 368	1.26 372	6.54 378	0.85 330	0.77 323	2.18 355	1.79 371	2.47 349	2.20 361	2.80 373	2.14 343	2.38 359	2.09 363	2.81 290	13.83 406	0.43 326	0.41 348	0.40 327	0.45 345	0.59 344	0.67 351

MeshStereo	2.36 369	0.60 297	1.05 189	0.63 201	0.51 235	2.58 367	0.99 313	3.46 384	2.21 362	7.38 410	5.06 391	7.50 400	3.10 383	7.02 378	2.54 350	0.44 334	0.44 355	0.45 337	0.40 332	0.43 301	0.45 305
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
AnyNet_C01	2.38 370	2.21 398	10.17 393	0.99 360	0.79 329	3.12 379	2.37 394	2.69 368	1.89 347	2.58 369	2.44 356	2.70 370	1.86 353	3.65 311	7.12 385	0.41 321	0.41 348	0.40 327	0.42 337	0.68 357	0.79 364

DispFullNet	2.39 371	2.89 409	3.74 361	3.09 402	2.27 395	2.04 351	0.84 284	2.19 312	1.73 334	2.54 367	1.98 332	2.23 349	5.83 401	3.44 309	1.84 331	1.03 378	0.33 322	2.65 402	1.97 406	2.87 393	2.34 395

EDNetEfficient	2.40 372	1.14 365	8.59 388	0.77 308	0.73 310	1.06 240	1.53 357	1.54 164	4.06 393	4.87 401	2.81 363	2.23 349	3.53 390	3.04 296	9.65 395	0.27 242	0.24 262	0.27 234	0.31 298	0.70 359	0.67 351

FCDSN-DC	2.47 373	0.65 317	1.00 180	0.85 330	0.75 317	2.26 359	0.97 310	2.31 327	1.83 344	5.52 406	7.65 402	7.72 403	7.70 407	4.43 325	2.64 351	0.52 352	0.48 364	0.52 349	0.52 359	0.57 341	0.59 341
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
SuperB	2.50 374	0.72 331	18.07 410	0.72 280	0.53 243	1.85 338	0.86 290	1.80 222	2.40 365	1.54 297	1.42 233	1.13 208	1.17 281	4.18 319	4.80 374	0.25 208	0.20 209	0.23 147	0.19 103	7.64 418	0.38 280

ELAS	2.67 375	0.80 338	2.13 321	1.13 368	1.15 371	6.25 404	2.56 398	3.50 385	3.68 390	5.36 404	4.92 390	3.79 381	5.56 400	3.65 311	5.22 376	0.66 366	0.57 376	0.56 361	0.54 362	0.65 354	0.75 361
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
RTS	2.76 376	1.55 384	15.40 402	1.13 368	1.42 380	3.75 389	2.21 387	2.45 344	2.72 377	2.91 377	2.85 365	2.58 366	1.62 332	6.28 363	5.80 379	0.41 321	0.30 304	0.35 301	0.35 321	0.52 329	0.54 325

RTSA	2.76 376	1.55 384	15.40 402	1.13 368	1.42 380	3.75 389	2.21 387	2.45 344	2.72 377	2.91 377	2.85 365	2.58 366	1.62 332	6.28 363	5.80 379	0.41 321	0.30 304	0.35 301	0.35 321	0.52 329	0.54 325

WAO-7	2.78 378	1.54 383	2.18 324	1.41 380	1.19 374	3.92 392	2.01 381	4.19 392	3.89 392	2.98 380	5.47 392	4.18 385	3.28 386	8.24 390	4.27 368	1.13 384	1.01 400	1.18 383	1.13 393	1.19 380	1.13 380

MADNet+	2.80 379	3.38 411	11.57 398	1.50 383	1.21 377	3.18 381	2.00 378	3.52 386	2.61 370	1.81 330	2.09 339	2.83 371	2.18 370	7.55 383	5.44 378	0.84 371	0.83 386	0.71 371	0.66 373	1.05 376	1.08 376

IMH-64-1	2.82 380	1.87 390	1.77 293	3.31 404	2.69 401	3.22 382	2.07 382	4.25 393	2.77 379	2.46 364	3.78 378	3.05 374	2.34 373	4.67 331	3.00 357	3.84 406	0.84 389	2.75 403	1.39 395	3.34 402	2.93 404

IMH-64	2.82 380	1.87 390	1.77 293	3.31 404	2.69 401	3.22 382	2.07 382	4.25 393	2.77 379	2.46 364	3.78 378	3.05 374	2.34 373	4.67 331	3.00 357	3.84 406	0.84 389	2.75 403	1.39 395	3.34 402	2.93 404

pmcnn	2.84 382	0.46 255	5.19 374	0.68 253	0.42 188	1.55 308	1.16 333	2.32 328	1.60 324	2.72 370	7.49 400	17.96 416	1.48 325	6.04 358	6.64 383	0.18 40	0.15 112	0.15 3	0.12 9	0.20 86	0.20 70

ACVNet_2	2.86 383	1.47 380	8.28 385	2.68 395	2.26 394	2.70 370	1.84 376	3.41 382	3.04 381	2.27 357	3.42 374	4.58 387	2.10 364	5.91 354	1.62 313	2.58 393	0.67 382	2.22 390	0.85 380	2.79 391	2.47 397

ELAS_RVC	2.87 384	0.80 338	3.22 353	1.16 373	1.12 364	2.92 377	5.33 406	2.98 378	4.18 394	5.04 402	4.82 388	4.71 389	8.23 408	4.25 322	4.79 372	0.67 367	0.57 376	0.57 363	0.53 361	0.66 355	0.74 359
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
FC-DCNN	2.88 385	0.61 302	1.15 213	0.75 300	0.57 262	2.85 376	1.05 319	3.44 383	2.64 375	6.93 407	7.63 401	9.86 409	7.02 406	5.76 351	4.31 369	0.54 354	0.48 364	0.51 348	0.50 356	0.53 334	0.52 322

WAO-6	2.98 386	1.67 387	1.88 303	2.38 393	2.30 396	3.53 385	2.37 394	4.38 395	4.64 398	2.42 360	4.50 382	4.85 390	2.99 382	5.22 338	5.37 377	1.77 386	1.16 406	2.31 392	1.47 400	2.42 387	1.99 391

ACVNet-4b	3.05 387	1.42 377	18.09 411	2.85 396	2.33 397	2.32 363	1.22 339	2.47 349	2.21 362	1.26 199	2.36 352	2.64 368	1.46 322	6.32 365	1.23 271	3.29 399	0.45 357	2.37 393	1.02 390	3.03 398	2.61 399

ACVNet_1	3.08 388	1.48 381	17.70 407	2.90 399	2.35 398	2.30 360	1.43 352	3.16 380	2.26 364	1.91 338	2.05 337	3.51 379	2.32 372	3.71 314	1.58 309	3.25 398	0.66 381	2.40 397	1.06 391	3.07 399	2.59 398

PWCK	3.24 389	2.37 399	10.86 395	2.14 388	1.14 369	3.71 387	4.19 405	3.02 379	3.55 389	3.05 383	3.63 376	3.09 377	2.35 375	8.16 389	3.41 361	2.17 390	0.96 397	1.77 386	1.01 389	2.84 392	1.40 385

IMH	3.35 390	1.95 392	1.86 302	3.30 403	2.72 403	4.03 395	2.00 378	4.58 397	3.83 391	2.87 375	6.99 398	4.69 388	3.21 385	6.77 374	2.97 356	3.91 409	0.89 393	2.78 405	1.40 399	3.36 404	2.93 404

LVE	3.40 391	1.80 388	2.21 326	2.90 399	2.44 399	3.27 384	2.25 389	4.80 398	5.06 399	2.43 361	6.79 396	5.99 396	2.64 380	9.20 396	2.28 343	3.30 400	1.11 405	2.38 394	1.48 401	2.95 396	2.62 400

Dean	3.77 392	1.65 386	17.87 408	3.01 401	2.54 400	3.15 380	2.10 385	4.80 398	4.42 395	2.89 376	6.03 393	5.45 394	2.55 379	3.40 308	2.13 338	3.22 397	0.89 393	2.51 400	1.07 392	3.07 399	2.65 402

JetBlue	4.18 393	2.45 403	10.42 394	1.40 377	2.89 405	10.68 410	10.68 408	3.91 389	2.52 366	2.74 371	3.39 373	4.50 386	4.27 396	7.97 387	7.67 388	0.89 373	0.97 398	0.89 375	0.92 381	2.26 386	2.21 393

notaker	4.29 394	2.42 402	5.06 372	3.89 412	3.29 410	4.00 393	2.25 389	4.93 400	3.47 388	4.21 396	6.79 396	7.67 402	3.37 388	9.25 398	6.47 381	4.09 411	1.42 408	3.35 412	2.13 409	4.11 409	3.54 409

ktn	4.56 395	2.41 401	2.54 336	3.79 411	3.25 408	4.81 399	2.91 402	5.52 402	7.36 404	4.12 393	14.55 413	7.54 401	3.70 391	7.84 386	3.35 360	4.06 410	1.86 411	3.26 411	2.22 410	3.27 401	2.86 403

WAO-8	4.57 396	2.01 393	2.58 338	2.37 391	2.21 391	9.75 406	1.71 365	6.04 407	16.34 412	4.11 391	7.69 403	7.41 398	3.85 392	10.02 409	3.85 365	2.05 388	1.09 403	2.44 398	1.39 395	2.56 389	1.86 389

Venus	4.57 396	2.01 393	2.58 338	2.37 391	2.21 391	9.75 406	1.71 365	6.04 407	16.34 412	4.11 391	7.69 403	7.41 398	3.85 392	10.02 409	3.85 365	2.05 388	1.09 403	2.44 398	1.39 395	2.56 389	1.86 389

SGM+DAISY	5.38 398	1.28 374	8.24 384	1.27 375	1.16 373	10.62 409	16.01 414	2.93 377	2.53 367	8.64 413	13.03 411	8.26 405	13.38 411	6.34 366	7.59 387	1.07 381	1.05 402	1.00 379	0.98 385	1.02 374	1.12 379

TorneroNet-64	5.41 399	2.10 396	2.43 333	3.49 407	2.83 404	9.90 408	2.13 386	8.87 413	16.79 417	5.39 405	9.18 407	10.68 413	3.92 395	9.55 400	5.11 375	3.36 401	0.86 391	2.88 406	1.62 402	3.76 405	3.37 407

MADNet++	5.41 399	3.18 410	6.43 377	4.66 416	3.95 414	6.15 403	6.75 407	4.51 396	4.51 397	5.06 403	6.27 394	4.96 392	6.14 402	9.39 399	11.70 398	4.71 412	4.19 416	3.97 414	3.33 412	4.08 408	4.25 414

UNDER WATER	5.68 401	2.46 404	15.52 404	3.98 414	3.53 411	5.15 401	2.74 400	5.58 404	16.41 415	4.00 389	4.56 383	9.12 407	6.43 404	6.22 361	9.11 392	3.85 408	1.35 407	3.18 410	1.98 407	4.51 412	3.84 413

UNDER WATER-64	5.84 402	2.48 405	17.93 409	3.97 413	3.58 412	7.70 405	3.03 403	5.72 406	14.13 409	4.18 395	4.00 380	9.27 408	6.80 405	6.20 360	9.22 393	3.67 404	1.52 409	3.14 408	1.95 405	4.43 411	3.83 412

LSM	6.55 403	1.26 372	15.64 405	1.79 384	68.74 433	1.67 321	2.08 384	2.26 320	2.59 369	3.13 385	3.08 370	1.90 324	1.81 350	2.89 293	2.16 340	0.43 326	0.59 379	0.50 347	0.58 366	0.64 352	17.24 424

tt	6.61 404	0.28 43	6.10 376	3.77 410	2.17 390	11.53 411	19.61 415	13.53 418	5.81 402	3.00 381	2.82 364	4.97 393	6.33 403	3.83 317	7.23 386	9.13 418	11.32 423	5.87 417	6.22 416	6.01 415	2.63 401

JetRed	7.02 405	8.94 417	25.72 419	2.89 398	3.27 409	14.25 414	12.27 411	6.69 409	4.45 396	4.46 397	4.56 383	6.65 397	5.43 399	7.46 382	14.41 408	2.60 394	3.31 413	2.61 401	2.30 411	4.34 410	3.79 411

MANE	7.50 406	0.64 311	7.97 383	1.40 377	2.10 389	16.86 416	12.56 412	12.91 417	17.51 420	8.50 412	11.60 409	14.66 415	13.33 410	12.02 414	13.28 400	0.62 362	0.52 370	0.52 349	1.90 404	0.56 339	0.58 339

SGM-ForestM	7.81 407	0.48 263	11.02 396	0.74 293	0.40 171	16.83 415	12.72 413	7.91 411	8.13 405	11.53 414	10.25 408	22.44 424	14.01 412	17.02 417	20.52 414	0.38 309	0.39 345	0.37 313	0.36 323	0.37 277	0.38 280

coex-ft	8.35 408	2.39 400	100.24 436	0.68 253	0.54 250	1.77 331	1.57 360	1.71 204	11.00 407	18.91 422	3.76 377	3.85 382	8.23 408	3.29 305	6.58 382	0.31 274	0.31 309	0.32 279	0.31 298	0.69 358	0.57 336

LE_ROB	8.35 408	0.47 260	27.42 423	0.83 324	0.34 122	2.84 375	3.36 404	4.03 391	27.04 424	25.20 424	8.72 406	8.55 406	27.35 423	7.37 381	22.13 415	0.22 150	0.20 209	0.20 70	0.21 165	0.25 197	0.25 161

KSHMR	8.76 410	2.14 397	3.59 359	3.60 409	3.13 407	4.15 396	2.67 399	5.61 405	58.90 437	3.04 382	55.71 436	4.94 391	2.54 378	4.61 330	3.05 359	3.49 403	1.57 410	3.14 408	1.98 407	3.84 406	3.49 408

EDNetEfficientorigin	10.59 411	1.52 382	177.33 437	0.68 253	0.54 250	1.66 320	1.20 338	1.94 256	3.39 386	4.69 399	3.37 372	3.08 376	2.79 381	3.25 303	3.63 363	0.26 225	0.24 262	0.33 287	0.28 268	0.85 367	0.87 369

TorneroNet	10.72 412	2.09 395	2.76 343	3.48 406	3.03 406	44.72 428	2.31 391	8.62 412	67.06 438	7.45 411	23.21 421	10.59 412	4.28 397	9.03 393	9.00 391	3.67 404	0.91 395	3.04 407	1.63 403	3.92 407	3.55 410

HanzoNet	11.92 413	5.12 412	17.18 406	4.19 415	3.59 413	5.16 402	2.82 401	7.41 410	9.96 406	33.31 433	27.60 423	22.25 423	37.31 427	18.18 418	13.57 401	8.13 417	3.44 415	3.50 413	3.44 413	7.77 419	4.52 415

DGTPSM_ROB	13.06 414	8.27 415	22.29 414	9.53 419	18.14 417	11.53 411	31.97 421	10.82 415	16.25 410	7.14 408	19.39 419	10.12 410	16.69 415	9.85 404	22.49 416	4.77 413	8.72 418	5.37 415	10.24 419	6.15 416	11.56 418

DPSMNet_ROB	13.08 415	8.28 416	22.32 415	9.54 420	18.15 418	11.53 411	31.98 422	10.83 416	16.27 411	7.17 409	19.40 420	10.12 410	16.69 415	9.87 405	22.50 417	4.78 414	8.72 418	5.38 416	10.25 420	6.16 417	11.59 419

ASD4	17.95 416	11.38 419	20.07 412	11.32 421	12.21 416	21.39 417	31.23 420	22.73 420	12.78 408	12.19 415	12.67 410	13.79 414	14.32 413	20.13 419	25.17 420	18.93 423	15.37 424	28.00 429	22.52 429	17.63 422	15.21 423

DPSM_ROB	19.12 417	19.13 421	25.13 417	22.15 423	20.86 421	28.06 420	37.75 424	27.18 422	16.95 418	14.25 416	15.07 414	21.66 418	18.69 418	21.83 421	26.51 422	10.15 420	9.30 421	10.45 420	10.41 421	14.00 420	12.85 421

DPSM	19.12 417	19.13 421	25.13 417	22.15 423	20.86 421	28.06 420	37.75 424	27.18 422	16.95 418	14.25 416	15.07 414	21.66 418	18.69 418	21.83 421	26.51 422	10.15 420	9.30 421	10.45 420	10.41 421	14.00 420	12.85 421

LRCNet_RVC	22.79 419	32.09 427	22.06 413	29.83 425	26.15 423	4.40 398	0.84 284	22.64 419	2.10 358	26.93 425	29.25 424	23.03 425	15.56 414	23.91 423	18.92 413	32.00 430	20.04 432	34.68 430	32.13 430	30.66 430	28.52 430

DLNR_Zeroshot_test	23.23 420	48.25 438	43.77 426	177.04 438	78.39 434	0.35 5	0.21 1	23.33 421	0.82 53	0.67 42	0.86 56	0.58 44	0.30 4	1.64 187	0.48 89	10.69 422	0.13 17	0.18 33	0.14 22	76.63 437	0.23 123

DPSimNet_ROB	24.77 421	9.69 418	61.46 434	3.56 408	19.46 419	25.95 418	77.56 435	5.09 401	16.60 416	21.50 423	29.82 425	25.12 426	85.69 437	13.37 416	23.07 419	7.23 416	17.79 425	8.55 418	7.57 417	4.57 414	31.84 431

SPstereo	26.71 422	6.90 414	11.42 397	5.86 417	6.44 415	48.17 429	80.34 436	67.41 438	34.42 433	28.80 431	27.49 422	43.68 435	37.53 431	44.96 437	54.23 437	5.06 415	4.92 417	10.92 422	6.03 415	4.54 413	5.00 417

BEATNet-Init1	27.39 423	21.01 423	73.65 435	1.07 364	0.80 331	56.07 430	22.82 416	33.14 429	31.71 426	51.78 437	52.93 435	65.63 437	48.54 435	48.75 438	36.36 427	0.52 352	0.47 362	0.54 354	0.54 362	0.64 352	0.72 357

CasAABBNet	38.42 424	38.42 429	50.26 428	44.76 430	41.87 427	56.47 434	76.22 430	54.44 435	33.92 428	28.53 426	30.36 427	43.53 434	37.59 432	43.77 434	53.32 432	20.27 424	18.70 427	21.03 426	21.04 424	28.19 424	25.79 425

MyStereo03	38.45 425	38.46 431	50.33 429	44.93 431	42.03 429	56.44 431	76.24 431	54.16 432	34.06 430	28.68 428	30.42 428	43.46 430	37.33 428	43.76 431	53.43 433	20.29 425	18.73 429	21.02 423	21.05 425	28.19 424	25.91 427

MyStereo02	38.45 425	38.46 431	50.33 429	44.93 431	42.03 429	56.44 431	76.24 431	54.16 432	34.06 430	28.68 428	30.42 428	43.46 430	37.33 428	43.76 431	53.43 433	20.29 425	18.73 429	21.02 423	21.05 425	28.19 424	25.91 427

MyStereo	38.45 425	38.46 431	50.33 429	44.93 431	42.03 429	56.44 431	76.24 431	54.16 432	34.06 430	28.68 428	30.42 428	43.46 430	37.33 428	43.76 431	53.43 433	20.29 425	18.73 429	21.02 423	21.05 425	28.19 424	25.91 427

Selective-RAFT-Error	38.47 428	38.44 430	50.38 432	44.74 429	42.01 428	56.47 434	76.24 431	54.44 435	34.02 429	28.59 427	30.30 426	43.51 433	38.10 433	43.69 430	53.24 431	20.36 428	18.72 428	21.05 427	21.02 423	28.25 428	25.87 426

HaxPig	39.02 429	41.39 435	41.59 424	30.10 426	32.36 424	29.49 422	27.65 418	30.56 425	37.94 434	43.75 434	43.81 432	33.42 427	35.69 424	41.51 428	40.33 429	43.91 434	47.48 437	45.87 431	47.14 432	42.29 431	44.06 434

AVERAGE_ROB	40.42 430	42.30 436	42.61 425	36.91 428	35.54 426	30.42 423	27.59 417	37.45 431	38.45 435	44.87 435	44.27 433	37.55 429	36.69 425	41.82 429	40.25 428	45.36 435	46.73 436	47.09 432	46.32 431	42.47 432	43.74 433

MEDIAN_ROB	42.01 431	44.30 437	44.14 427	35.08 427	34.90 425	31.33 427	29.90 419	36.77 430	40.11 436	47.14 436	46.55 434	37.49 428	38.50 434	44.30 436	42.32 430	47.93 436	49.31 438	49.68 433	49.00 433	44.98 433	46.46 435

Anonymous_1	42.79 432	18.71 420	24.75 416	21.81 422	45.16 432	27.68 419	37.52 423	28.64 424	16.34 412	14.72 418	14.53 412	20.60 417	17.82 417	21.52 420	25.88 421	113.45 437	8.91 420	100.63 434	126.37 434	158.50 438	12.31 420

LSM0	42.92 433	38.72 434	50.66 433	47.49 434	110.18 438	56.77 436	75.87 429	54.87 437	33.74 427	29.48 432	31.12 431	43.77 436	37.12 426	43.85 435	53.44 436	20.50 429	18.67 426	21.05 427	21.07 428	28.37 429	41.73 432

PML	51.64 434	37.49 428	14.31 401	7.45 418	20.27 420	107.80 437	231.34 438	8.94 414	27.70 425	86.74 438	268.93 438	69.03 438	61.09 436	24.71 427	14.36 407	9.71 419	3.40 414	9.60 419	4.67 414	20.46 423	4.76 416

xxxxx1	54.34 435	26.72 424	27.03 420	114.14 435	99.00 435	30.68 424	47.19 426	32.52 426	26.09 421	17.85 419	17.48 416	21.86 420	20.92 420	24.38 424	33.78 424	34.73 431	41.33 433	157.67 436	175.68 436	65.82 434	71.99 436

tt_ll	54.34 435	26.72 424	27.03 420	114.14 435	99.00 435	30.68 424	47.19 426	32.52 426	26.09 421	17.85 419	17.48 416	21.86 420	20.92 420	24.38 424	33.78 424	34.73 431	41.33 433	157.67 436	175.68 436	65.82 434	71.99 436

ff	54.34 435	26.72 424	27.03 420	114.14 435	99.00 435	30.68 424	47.19 426	32.52 426	26.09 421	17.85 419	17.48 416	21.86 420	20.92 420	24.38 424	33.78 424	34.73 431	41.33 433	157.67 436	175.68 436	65.82 434	71.99 436

test_example2	192.91 438	210.59 439	206.44 438	199.86 439	204.90 439	172.02 438	182.95 437	138.34 439	134.89 439	193.14 439	200.54 437	186.77 439	177.82 438	204.95 439	207.57 438	221.83 439	238.70 439	186.02 439	190.07 439	226.94 439	173.78 439

FADE		6.16 413		1.90 387	1.95 388			5.55 403	5.12 400	2.92 379		4.13 384		10.56 411		193.84 438	2.80 412	122.45 435	126.70 435	1.14 378	1.11 378

Low-res two-view benchmark