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

IGEVStereo-DCA	0.29 12	0.22 128	0.38 53	0.35 29	0.27 171	0.37 86	0.35 134	0.62 55	0.34 9	0.38 21	0.30 6	0.35 25	0.27 23	0.51 55	0.22 1	0.15 79	0.12 98	0.16 60	0.12 29	0.13 20	0.15 106

rrr	0.29 12	0.22 128	0.41 81	0.35 29	0.27 171	0.37 86	0.32 101	0.52 19	0.42 46	0.38 21	0.30 6	0.35 25	0.27 23	0.51 55	0.22 1	0.15 79	0.12 98	0.16 60	0.13 50	0.13 20	0.14 87

Selective-IGEV	0.24 1	0.18 34	0.35 29	0.35 29	0.19 9	0.27 25	0.25 31	0.55 27	0.23 1	0.27 2	0.25 2	0.34 20	0.19 2	0.58 105	0.22 1	0.12 4	0.10 9	0.14 16	0.11 15	0.12 8	0.10 3

CES	0.28 8	0.14 2	0.23 1	0.30 4	0.70 369	0.37 86	0.27 43	0.48 11	0.46 56	0.34 14	0.48 29	0.27 2	0.22 6	0.39 14	0.23 4	0.13 12	0.11 57	0.12 2	0.08 1	0.13 20	0.17 161

test_xeample3	0.29 12	0.21 101	0.41 81	0.35 29	0.26 147	0.35 78	0.32 101	0.56 28	0.36 21	0.43 38	0.32 9	0.34 20	0.28 32	0.54 68	0.23 4	0.14 32	0.11 57	0.16 60	0.12 29	0.14 45	0.13 58

AEACV	0.27 5	0.17 19	0.31 13	0.34 11	0.45 328	0.26 17	0.28 50	0.37 1	0.32 7	0.30 7	0.46 23	0.31 7	0.37 88	0.36 5	0.24 6	0.14 32	0.10 9	0.15 42	0.12 29	0.13 20	0.11 9

Any-RAFT	0.35 46	0.16 8	0.30 11	0.34 11	0.21 29	0.52 148	0.22 8	0.88 190	0.73 137	0.53 61	0.73 88	0.64 145	0.28 32	0.46 37	0.24 6	0.15 79	0.10 9	0.13 9	0.10 10	0.13 20	0.12 33

PMTNet	0.32 28	0.16 8	0.24 3	0.29 2	0.18 7	0.45 131	0.22 8	0.56 28	0.63 98	0.46 45	0.54 45	0.39 37	0.34 74	0.48 49	0.24 6	0.75 380	0.10 9	0.12 2	0.08 1	0.12 8	0.11 9

ACVNet-DCA	0.35 46	0.23 145	0.33 20	0.41 131	0.22 42	0.55 163	0.38 184	0.85 176	0.54 73	0.41 32	0.50 32	0.34 20	0.49 147	0.57 88	0.25 9	0.16 110	0.10 9	0.19 154	0.13 50	0.18 157	0.17 161

xx1	0.39 107	0.23 145	0.33 20	0.41 131	0.22 42	0.55 163	0.38 184	0.67 90	1.06 297	0.41 32	0.50 32	0.65 155	0.53 165	0.57 88	0.25 9	0.16 110	0.10 9	0.20 178	0.19 208	0.18 157	0.17 161

cc1	0.37 79	0.23 145	0.33 20	0.41 131	0.22 42	0.55 163	0.38 184	0.67 90	1.06 297	0.41 32	0.50 32	0.34 20	0.49 147	0.57 88	0.25 9	0.16 110	0.10 9	0.19 154	0.13 50	0.16 108	0.15 106

ff7	0.29 12	0.21 101	0.38 53	0.36 37	0.26 147	0.31 53	0.35 134	0.62 55	0.34 9	0.38 21	0.33 10	0.32 9	0.29 42	0.58 105	0.25 9	0.14 32	0.10 9	0.17 85	0.12 29	0.14 45	0.15 106

ffff	0.29 12	0.21 101	0.38 53	0.36 37	0.26 147	0.31 53	0.35 134	0.62 55	0.34 9	0.38 21	0.33 10	0.32 9	0.29 42	0.58 105	0.25 9	0.14 32	0.10 9	0.17 85	0.12 29	0.14 45	0.15 106

ffm	0.44 148	0.26 212	0.49 181	0.37 44	0.25 112	0.55 163	0.37 164	0.68 99	1.04 285	0.73 158	0.96 193	0.71 176	0.53 165	0.57 88	0.25 9	0.16 110	0.10 9	0.25 268	0.21 247	0.16 108	0.16 144

11t	0.29 12	0.21 101	0.38 53	0.36 37	0.26 147	0.31 53	0.35 134	0.62 55	0.34 9	0.38 21	0.33 10	0.32 9	0.29 42	0.58 105	0.25 9	0.14 32	0.10 9	0.17 85	0.12 29	0.14 45	0.15 106

tt1	0.36 64	0.24 180	0.32 17	0.41 131	0.22 42	0.54 158	0.38 184	0.68 99	1.04 285	0.41 32	0.46 23	0.35 25	0.45 134	0.57 88	0.25 9	0.16 110	0.10 9	0.19 154	0.13 50	0.16 108	0.16 144

MSKI-zero shot	0.32 28	0.17 19	0.34 26	0.39 84	0.21 29	0.32 63	0.22 8	0.61 51	0.43 48	0.52 58	0.64 67	0.61 131	0.20 4	0.74 212	0.25 9	0.14 32	0.10 9	0.14 16	0.10 10	0.12 8	0.12 33

HH	0.35 46	0.20 70	0.47 155	0.40 107	0.25 112	0.33 67	0.31 85	0.76 151	0.38 35	0.43 38	0.57 53	0.79 215	0.44 130	0.71 196	0.25 9	0.15 79	0.11 57	0.15 42	0.14 72	0.14 45	0.12 33

HanStereo	0.35 46	0.20 70	0.47 155	0.40 107	0.25 112	0.33 67	0.31 85	0.76 151	0.38 35	0.43 38	0.57 53	0.79 215	0.44 130	0.71 196	0.25 9	0.15 79	0.11 57	0.15 42	0.14 72	0.14 45	0.12 33

anonymousdsp	0.29 12	0.21 101	0.38 53	0.37 44	0.25 112	0.30 43	0.35 134	0.63 60	0.35 16	0.39 29	0.33 10	0.33 17	0.28 32	0.59 119	0.25 9	0.14 32	0.10 9	0.17 85	0.12 29	0.14 45	0.15 106

MC-Stereo	0.28 8	0.17 19	0.32 17	0.38 65	0.20 20	0.26 17	0.26 37	0.49 13	0.37 31	0.37 17	0.61 62	0.41 42	0.31 56	0.55 70	0.25 9	0.13 12	0.09 2	0.14 16	0.12 29	0.12 8	0.11 9

ccc-4	0.29 12	0.21 101	0.38 53	0.36 37	0.26 147	0.31 53	0.35 134	0.62 55	0.34 9	0.38 21	0.33 10	0.32 9	0.29 42	0.58 105	0.25 9	0.14 32	0.10 9	0.17 85	0.12 29	0.14 45	0.15 106

IGEV-Stereo	0.29 12	0.21 101	0.38 53	0.37 44	0.25 112	0.30 43	0.35 134	0.63 60	0.35 16	0.39 29	0.33 10	0.33 17	0.28 32	0.59 119	0.25 9	0.14 32	0.10 9	0.17 85	0.12 29	0.14 45	0.15 106
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
CREStereo	0.28 8	0.15 3	0.24 3	0.27 1	0.17 3	0.37 86	0.25 31	0.51 16	0.72 132	0.42 37	0.51 37	0.32 9	0.26 17	0.38 12	0.25 9	0.16 110	0.11 57	0.12 2	0.08 1	0.12 8	0.11 9
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
CASnet	0.30 24	0.20 70	0.33 20	0.41 131	0.16 2	0.26 17	0.24 24	0.52 19	0.53 69	0.52 58	0.54 45	0.39 37	0.24 10	0.40 16	0.26 25	0.14 32	0.10 9	0.22 229	0.18 184	0.18 157	0.11 9
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
EGLCR-Stereo	0.25 2	0.16 8	0.33 20	0.34 11	0.20 20	0.35 78	0.20 1	0.52 19	0.36 21	0.28 4	0.27 4	0.41 42	0.18 1	0.45 30	0.26 25	0.14 32	0.10 9	0.16 60	0.14 72	0.13 20	0.11 9

ProNet	0.29 12	0.21 101	0.38 53	0.35 29	0.24 86	0.32 63	0.43 229	0.57 31	0.37 31	0.33 13	0.30 6	0.32 9	0.28 32	0.57 88	0.26 25	0.13 12	0.11 57	0.16 60	0.13 50	0.13 20	0.13 58

RAFT_CTSACE	0.45 158	0.20 70	0.44 119	0.45 222	0.27 171	0.34 73	0.39 203	0.60 45	0.73 137	0.76 171	1.44 326	0.83 227	0.38 91	1.08 314	0.26 25	0.12 4	0.13 152	0.18 119	0.16 122	0.15 77	0.11 9

CroCo-Stereo	0.26 3	0.22 128	0.36 34	0.48 255	0.22 42	0.20 1	0.29 57	0.51 16	0.44 52	0.28 4	0.23 1	0.42 48	0.26 17	0.29 1	0.26 25	0.15 79	0.13 152	0.13 9	0.11 15	0.16 108	0.12 33
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
XX-Stereo	0.37 79	0.17 19	0.45 130	0.55 321	0.36 276	0.38 98	0.20 1	0.60 45	0.30 3	0.46 45	1.30 302	0.73 195	0.26 17	0.56 78	0.26 25	0.16 110	0.11 57	0.17 85	0.16 122	0.14 45	0.10 3

CFNet-RSSM	0.34 35	0.17 19	0.45 130	0.39 84	0.22 42	0.35 78	0.23 18	0.73 138	0.84 186	0.65 105	0.54 45	0.57 100	0.28 32	0.46 37	0.26 25	0.13 12	0.10 9	0.14 16	0.12 29	0.13 20	0.11 9

Gwc-CoAtRS	0.34 35	0.17 19	0.44 119	0.39 84	0.23 69	0.34 73	0.22 8	0.70 122	0.75 144	0.60 76	0.59 58	0.58 108	0.29 42	0.45 30	0.26 25	0.14 32	0.11 57	0.14 16	0.12 29	0.12 8	0.12 33

MyStereo07	0.32 28	0.22 128	0.34 26	0.42 168	0.28 190	0.40 102	0.50 261	0.72 131	0.37 31	0.37 17	0.34 16	0.32 9	0.31 56	0.59 119	0.27 33	0.14 32	0.13 152	0.18 119	0.17 162	0.17 139	0.16 144

IGEV_Zeroshot_test	0.34 35	0.18 34	0.67 270	0.39 84	0.28 190	0.30 43	0.25 31	0.74 140	0.31 5	0.62 82	0.57 53	0.54 90	0.25 11	0.53 65	0.27 33	0.14 32	0.10 9	0.15 42	0.14 72	0.14 45	0.12 33

RAFT-Test	0.34 35	0.18 34	0.37 44	0.38 65	0.23 69	0.50 141	0.23 18	0.69 108	0.40 39	0.60 76	0.85 151	0.61 131	0.28 32	0.46 37	0.27 33	0.14 32	0.11 57	0.14 16	0.11 15	0.13 20	0.12 33

CAS	0.34 35	0.13 1	0.25 6	1.28 387	0.30 223	0.46 133	0.38 184	0.48 11	0.47 59	0.34 14	0.52 41	0.24 1	0.19 2	0.29 1	0.27 33	0.69 378	0.08 1	0.12 2	0.08 1	0.12 8	0.15 106

RCA-Stereo	0.35 46	0.17 19	0.34 26	0.38 65	0.22 42	0.31 53	0.34 117	0.68 99	1.24 331	0.45 43	0.65 69	0.47 68	0.43 122	0.38 12	0.27 33	0.13 12	0.10 9	0.14 16	0.11 15	0.11 1	0.11 9

iRaft-Stereo_20w	0.39 107	0.19 49	0.57 228	0.37 44	0.27 171	0.31 53	0.24 24	1.44 356	0.29 2	0.69 128	0.53 43	0.60 127	0.42 115	0.83 246	0.27 33	0.14 32	0.11 57	0.14 16	0.13 50	0.15 77	0.13 58

TRStereo	0.37 79	0.27 226	0.59 233	0.47 250	0.41 306	0.29 36	0.30 70	0.84 173	0.59 84	0.52 58	0.41 18	0.52 82	0.26 17	0.73 206	0.27 33	0.17 142	0.12 98	0.19 154	0.19 208	0.13 20	0.11 9

TANstereo	0.30 24	0.15 3	0.31 13	0.30 4	0.17 3	0.55 163	0.23 18	0.44 6	0.55 77	0.59 72	0.68 79	0.37 32	0.26 17	0.35 4	0.27 33	0.15 79	0.16 228	0.12 2	0.10 10	0.13 20	0.14 87

XX-TBD	0.32 28	0.53 339	0.26 7	0.51 296	0.20 20	0.37 86	0.24 24	0.40 3	0.73 137	0.54 63	0.69 80	0.31 7	0.25 11	0.32 3	0.27 33	0.16 110	0.10 9	0.12 2	0.09 6	0.13 20	0.11 9

EAI-Stereo	0.34 35	0.19 49	0.44 119	0.39 84	0.21 29	0.31 53	0.30 70	1.15 281	0.30 3	0.49 50	0.75 98	0.36 30	0.28 32	0.62 138	0.27 33	0.14 32	0.11 57	0.14 16	0.13 50	0.13 20	0.12 33

StereoIM	0.26 3	0.18 34	0.36 34	0.36 37	0.26 147	0.27 25	0.27 43	0.43 5	0.35 16	0.27 2	0.26 3	0.41 42	0.28 32	0.40 16	0.28 43	0.16 110	0.14 178	0.16 60	0.13 50	0.14 45	0.12 33

DLNR_Zeroshot_test	20.09 420	36.28 428	38.04 425	169.85 437	61.80 433	0.23 5	0.20 1	13.88 420	0.37 31	0.44 41	0.66 73	0.43 54	0.21 5	0.62 138	0.28 43	5.46 418	0.10 9	0.15 42	0.11 15	72.60 436	0.11 9

4D-IteraStereo	0.33 34	0.18 34	0.40 77	0.40 107	0.24 86	0.32 63	0.27 43	0.58 35	0.72 132	0.65 105	0.54 45	0.42 48	0.23 7	0.45 30	0.28 43	0.14 32	0.09 2	0.19 154	0.16 122	0.16 108	0.11 9

LoS_RVC	0.27 5	0.16 8	0.27 8	0.32 8	0.30 223	0.44 126	0.34 117	0.41 4	0.33 8	0.31 8	0.51 37	0.29 4	0.32 60	0.36 5	0.28 43	0.11 1	0.10 9	0.11 1	0.08 1	0.11 1	0.19 203

LoS	0.29 12	0.15 3	0.30 11	0.29 2	0.18 7	0.33 67	0.29 57	0.51 16	0.72 132	0.34 14	0.52 41	0.41 42	0.28 32	0.47 44	0.28 43	0.15 79	0.11 57	0.13 9	0.09 6	0.11 1	0.11 9

test_4	0.36 64	0.18 34	0.31 13	0.44 201	0.25 112	0.20 1	0.34 117	0.56 28	0.41 42	0.59 72	1.45 329	0.43 54	0.25 11	0.63 148	0.28 43	0.12 4	0.10 9	0.17 85	0.19 208	0.15 77	0.11 9

GMOStereo	0.37 79	0.19 49	0.38 53	0.43 186	0.24 86	0.37 86	0.38 184	0.52 19	0.62 88	0.87 232	0.84 143	0.64 145	0.35 76	0.37 8	0.28 43	0.13 12	0.11 57	0.20 178	0.18 184	0.15 77	0.11 9

error version	0.37 79	0.19 49	0.38 53	0.43 186	0.24 86	0.37 86	0.38 184	0.52 19	0.62 88	0.87 232	0.84 143	0.64 145	0.35 76	0.37 8	0.28 43	0.13 12	0.11 57	0.20 178	0.18 184	0.15 77	0.11 9

test-v	0.37 79	0.19 49	0.38 53	0.43 186	0.24 86	0.37 86	0.38 184	0.52 19	0.62 88	0.87 232	0.84 143	0.64 145	0.35 76	0.37 8	0.28 43	0.13 12	0.11 57	0.20 178	0.18 184	0.15 77	0.11 9

test-2	0.37 79	0.19 49	0.38 53	0.43 186	0.24 86	0.37 86	0.38 184	0.52 19	0.62 88	0.87 232	0.84 143	0.64 145	0.35 76	0.37 8	0.28 43	0.13 12	0.11 57	0.20 178	0.18 184	0.15 77	0.11 9

cross-raft	0.34 35	0.20 70	0.37 44	0.44 201	0.23 69	0.32 63	0.35 134	0.74 140	0.40 39	0.60 76	0.77 104	0.57 100	0.27 23	0.43 24	0.28 43	0.12 4	0.10 9	0.15 42	0.13 50	0.15 77	0.11 9

MyStereo06	0.38 93	0.21 101	0.61 240	0.41 131	0.28 190	0.41 115	0.50 261	0.95 213	0.35 16	0.62 82	0.54 45	0.76 207	0.27 23	0.50 51	0.29 54	0.14 32	0.13 152	0.18 119	0.17 162	0.17 139	0.15 106

AE-Stereo	0.34 35	0.21 101	0.42 100	0.48 255	0.31 240	0.48 137	0.35 134	0.61 51	0.62 88	0.32 12	0.55 50	0.52 82	0.27 23	0.47 44	0.29 54	0.13 12	0.13 152	0.18 119	0.16 122	0.15 77	0.12 33

raft_robust	0.41 130	0.23 145	0.36 34	0.42 168	0.21 29	0.40 102	0.33 110	0.79 161	0.98 257	0.79 181	0.87 158	0.39 37	0.33 68	0.84 251	0.29 54	0.13 12	0.12 98	0.16 60	0.17 162	0.15 77	0.12 33

test-1	0.36 64	0.19 49	0.71 286	0.46 241	0.26 147	0.44 126	0.36 152	0.60 45	0.59 84	0.48 49	0.67 77	0.53 86	0.36 85	0.40 16	0.29 54	0.14 32	0.11 57	0.16 60	0.14 72	0.15 77	0.16 144

raftrobust	0.34 35	0.19 49	0.36 34	0.41 131	0.27 171	0.30 43	0.25 31	0.71 127	0.63 98	0.58 70	0.55 50	0.45 60	0.46 137	0.51 55	0.29 54	0.16 110	0.12 98	0.14 16	0.12 29	0.12 8	0.13 58

LL-Strereo2	0.35 46	0.24 180	0.48 171	0.41 131	0.26 147	0.35 78	0.24 24	0.67 90	0.44 52	0.54 63	0.51 37	0.66 160	0.25 11	0.66 167	0.30 59	0.14 32	0.12 98	0.23 243	0.20 230	0.18 157	0.13 58

CroCo-Stereo Lap2	0.28 8	0.24 180	0.39 70	0.50 284	0.29 213	0.20 1	0.31 85	0.49 13	0.38 35	0.24 1	0.27 4	0.46 66	0.31 56	0.39 14	0.30 59	0.14 32	0.15 201	0.16 60	0.13 50	0.16 108	0.15 106

Sa-1000	0.48 181	0.24 180	0.41 81	0.45 222	0.25 112	0.59 193	0.34 117	0.81 168	0.93 237	0.82 200	1.50 333	0.53 86	0.45 134	0.92 281	0.30 59	0.15 79	0.12 98	0.21 217	0.19 208	0.15 77	0.13 58

sAnonymous2	0.40 119	0.39 298	0.85 311	0.48 255	0.37 281	0.40 102	0.46 240	0.57 31	0.52 66	0.38 21	0.46 23	0.35 25	0.42 115	0.43 24	0.30 59	0.19 199	0.14 178	0.18 119	0.17 162	0.57 367	0.44 352

CroCo_RVC	0.40 119	0.39 298	0.85 311	0.48 255	0.37 281	0.40 102	0.46 240	0.57 31	0.52 66	0.38 21	0.46 23	0.35 25	0.42 115	0.43 24	0.30 59	0.19 199	0.14 178	0.18 119	0.17 162	0.57 367	0.44 352

RAFT-Stereo + iAFF	0.36 64	0.17 19	0.41 81	0.35 29	0.19 9	0.33 67	0.29 57	0.65 71	0.73 137	0.68 123	1.01 218	0.56 95	0.40 108	0.42 21	0.30 59	0.11 1	0.09 2	0.15 42	0.14 72	0.13 20	0.10 3

test croco	0.31 26	0.20 70	0.50 193	0.39 84	0.29 213	0.27 25	0.30 70	0.44 6	0.35 16	0.31 8	0.66 73	0.30 5	0.31 56	0.65 162	0.31 65	0.17 142	0.13 152	0.20 178	0.15 94	0.17 139	0.12 33

MIF-Stereo (partial)	0.31 26	0.18 34	0.37 44	0.41 131	0.31 240	0.28 32	0.23 18	0.47 9	0.42 46	0.31 8	0.63 64	0.36 30	0.35 76	0.57 88	0.31 65	0.17 142	0.13 152	0.19 154	0.17 162	0.18 157	0.14 87

anonymousdsp2	0.35 46	0.20 70	0.43 109	0.37 44	0.24 86	0.48 137	0.31 85	0.86 179	0.65 110	0.55 65	0.50 32	0.50 77	0.34 74	0.56 78	0.31 65	0.14 32	0.10 9	0.14 16	0.10 10	0.16 108	0.14 87

test-3	0.34 35	0.16 8	0.43 109	0.39 84	0.21 29	0.43 122	0.22 8	0.63 60	0.78 163	0.71 140	0.45 20	0.64 145	0.27 23	0.43 24	0.31 65	0.12 4	0.09 2	0.17 85	0.13 50	0.12 8	0.10 3

test_1	0.34 35	0.16 8	0.43 109	0.39 84	0.21 29	0.43 122	0.23 18	0.63 60	0.78 163	0.68 123	0.45 20	0.64 145	0.27 23	0.43 24	0.31 65	0.12 4	0.09 2	0.17 85	0.13 50	0.12 8	0.10 3

test_3	0.36 64	0.19 49	0.44 119	0.44 201	0.23 69	0.48 137	0.36 152	0.66 80	0.82 178	0.64 98	0.45 20	0.68 166	0.25 11	0.41 19	0.31 65	0.12 4	0.10 9	0.18 119	0.16 122	0.15 77	0.11 9

KYRaft	0.48 181	0.20 70	0.38 53	0.44 201	0.23 69	0.44 126	0.37 164	0.66 80	0.41 42	0.94 268	1.73 348	0.79 215	0.41 114	0.63 148	0.31 65	0.16 110	0.11 57	0.18 119	0.22 262	0.16 108	0.78 379

AnonymousM	0.41 130	0.81 366	0.29 10	0.34 11	0.22 42	0.28 32	0.38 184	0.53 26	0.41 42	0.70 134	0.49 31	0.47 68	0.27 23	0.41 19	0.31 65	0.15 79	0.12 98	1.51 386	0.26 305	0.12 8	0.10 3

DCRE	0.37 79	0.18 34	0.46 145	0.45 222	0.32 252	0.42 120	0.37 164	0.63 60	0.51 63	0.47 48	0.94 182	0.56 95	0.36 85	0.52 60	0.32 73	0.14 32	0.13 152	0.15 42	0.14 72	0.14 45	0.13 58

TestStereo1	0.43 142	0.23 145	0.41 81	0.51 296	0.24 86	0.34 73	0.40 209	0.77 154	0.90 223	0.68 123	0.96 193	0.48 72	0.46 137	0.91 278	0.32 73	0.16 110	0.13 152	0.18 119	0.15 94	0.14 45	0.13 58

DisPM	0.39 107	0.19 49	0.44 119	0.41 131	0.27 171	0.24 7	0.31 85	0.65 71	0.57 82	0.87 232	0.87 158	0.60 127	0.32 60	0.76 219	0.32 73	0.18 170	0.12 98	0.19 154	0.17 162	0.15 77	0.20 223

RAFT+CT+SA	0.39 107	0.23 145	0.36 34	0.51 296	0.27 171	0.29 36	0.46 240	0.75 146	0.80 171	0.51 55	0.89 169	0.41 42	0.40 108	0.78 230	0.32 73	0.14 32	0.11 57	0.18 119	0.18 184	0.15 77	0.14 87

SA-5K	0.43 142	0.23 145	0.41 81	0.51 296	0.24 86	0.34 73	0.40 209	0.77 154	0.90 223	0.68 123	0.96 193	0.48 72	0.46 137	0.91 278	0.32 73	0.16 110	0.13 152	0.18 119	0.15 94	0.14 45	0.13 58

SA	0.44 148	0.25 198	0.46 145	0.46 241	0.24 86	0.43 122	0.36 152	0.75 146	0.96 250	0.59 72	1.03 230	0.48 72	0.52 162	0.94 293	0.32 73	0.16 110	0.12 98	0.21 217	0.19 208	0.15 77	0.13 58

TransformOpticalFlow	0.44 148	0.20 70	0.47 155	0.41 131	0.23 69	0.37 86	0.47 245	0.94 207	0.76 150	0.65 105	1.14 267	0.73 195	0.56 183	0.76 219	0.32 73	0.15 79	0.10 9	0.17 85	0.15 94	0.14 45	0.13 58

PSM-AAD	0.48 181	0.20 70	0.37 44	0.43 186	0.23 69	0.56 178	0.50 261	0.65 71	0.70 121	1.07 317	1.12 259	0.58 108	0.92 317	0.61 132	0.32 73	0.15 79	0.11 57	0.25 268	0.26 305	0.18 157	0.43 351

Prome-Stereo	0.46 164	0.19 49	0.35 29	0.44 201	0.26 147	0.40 102	0.45 237	0.68 99	0.44 52	0.96 276	1.84 355	0.59 122	0.67 241	0.61 132	0.32 73	0.14 32	0.11 57	0.16 60	0.14 72	0.16 108	0.29 292

sCroCo_RVC	0.35 46	0.28 239	0.69 279	0.51 296	0.39 294	0.41 115	0.31 85	0.49 13	0.45 55	0.31 8	0.48 29	0.38 36	0.32 60	0.46 37	0.32 73	0.21 234	0.22 288	0.19 154	0.19 208	0.21 221	0.20 223

R-Stereo Train	0.39 107	0.18 34	0.42 100	0.42 168	0.26 147	0.40 102	0.32 101	0.72 131	0.34 9	0.89 244	1.28 298	0.57 100	0.35 76	0.42 21	0.32 73	0.15 79	0.12 98	0.14 16	0.12 29	0.14 45	0.13 58

RAFT-Stereo	0.39 107	0.18 34	0.42 100	0.42 168	0.26 147	0.40 102	0.32 101	0.72 131	0.34 9	0.89 244	1.28 298	0.57 100	0.35 76	0.42 21	0.32 73	0.15 79	0.12 98	0.14 16	0.12 29	0.14 45	0.13 58
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
EKT-Stereo	0.35 46	0.23 145	0.39 70	0.43 186	0.29 213	0.38 98	0.31 85	0.69 108	0.64 105	0.45 43	0.63 64	0.49 76	0.27 23	0.56 78	0.33 85	0.18 170	0.14 178	0.18 119	0.15 94	0.16 108	0.16 144

ADStereo(finetuned)	0.37 79	0.16 8	0.49 181	0.34 11	0.19 9	0.30 43	0.30 70	0.68 99	0.91 227	0.70 134	0.77 104	0.43 54	0.69 251	0.45 30	0.33 85	0.14 32	0.10 9	0.14 16	0.11 15	0.13 20	0.12 33

STrans-v2	0.46 164	0.20 70	0.48 171	0.40 107	0.24 86	0.55 163	0.50 261	1.07 253	0.73 137	0.65 105	1.05 238	0.72 186	0.69 251	0.72 201	0.33 85	0.14 32	0.10 9	0.17 85	0.14 72	0.13 20	0.12 33

FTStereo	0.56 251	0.20 70	0.37 44	0.41 131	0.25 112	0.40 102	0.79 343	0.66 80	0.43 48	1.09 322	3.27 388	0.70 172	0.73 270	0.55 70	0.33 85	0.14 32	0.13 152	0.19 154	0.17 162	0.15 77	0.30 299

GrayStereo	0.49 197	0.19 49	0.42 100	0.46 241	0.28 190	0.53 154	0.67 316	0.69 108	0.63 98	1.02 300	1.47 332	0.78 214	0.76 277	0.56 78	0.33 85	0.14 32	0.12 98	0.17 85	0.17 162	0.15 77	0.29 292

GMM-Stereo	0.44 148	0.19 49	0.36 34	0.42 168	0.25 112	0.51 145	0.47 245	0.71 127	0.53 69	0.76 171	1.37 312	0.76 207	0.38 91	0.60 125	0.33 85	0.15 79	0.10 9	0.20 178	0.19 208	0.16 108	0.27 279

iRaftStereo_RVC	0.32 28	0.19 49	0.37 44	0.39 84	0.22 42	0.31 53	0.29 57	0.68 99	0.51 63	0.49 50	0.66 73	0.37 32	0.23 7	0.45 30	0.33 85	0.14 32	0.10 9	0.18 119	0.17 162	0.15 77	0.12 33

CREStereo++_RVC	0.32 28	0.15 3	0.23 1	0.31 6	0.24 86	0.27 25	0.22 8	0.46 8	0.88 211	0.46 45	0.80 123	0.30 5	0.26 17	0.36 5	0.33 85	0.13 12	0.09 2	0.13 9	0.51 373	0.13 20	0.09 1
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
s12784h	0.36 64	0.15 3	0.24 3	0.34 11	0.15 1	0.77 255	0.29 57	0.80 165	0.83 183	0.56 67	0.57 53	0.43 54	0.40 108	0.57 88	0.33 85	0.12 4	0.10 9	0.14 16	0.09 6	0.14 45	0.09 1

AFF-stereo	0.38 93	0.19 49	0.39 70	0.37 44	0.21 29	0.27 25	0.31 85	0.65 71	0.66 113	0.64 98	1.13 265	0.76 207	0.39 103	0.55 70	0.33 85	0.11 1	0.09 2	0.16 60	0.16 122	0.13 20	0.11 9

qqq1	0.49 197	0.23 145	0.62 243	0.34 11	0.20 20	0.62 206	0.34 117	1.21 300	1.02 276	0.81 191	1.01 218	0.71 176	0.65 233	0.84 251	0.34 95	0.19 199	0.15 201	0.14 16	0.12 29	0.15 77	0.14 87

fff1	0.49 197	0.23 145	0.62 243	0.34 11	0.20 20	0.62 206	0.34 117	1.21 300	1.02 276	0.81 191	1.01 218	0.71 176	0.65 233	0.84 251	0.34 95	0.19 199	0.15 201	0.14 16	0.12 29	0.15 77	0.14 87

StereoVision	0.42 136	0.28 239	0.45 130	0.49 270	0.28 190	0.38 98	0.38 184	0.72 131	0.62 88	0.44 41	1.14 267	0.54 90	0.39 103	0.56 78	0.34 95	0.21 234	0.24 305	0.25 268	0.24 286	0.26 268	0.16 144

MIF-Stereo	0.27 5	0.17 19	0.37 44	0.40 107	0.27 171	0.30 43	0.28 50	0.39 2	0.31 5	0.29 6	0.46 23	0.27 2	0.25 11	0.47 44	0.34 95	0.17 142	0.13 152	0.13 9	0.12 29	0.14 45	0.12 33

knoymous	0.36 64	0.20 70	0.31 13	0.31 6	0.22 42	0.36 84	0.29 57	0.61 51	0.64 105	0.67 117	0.70 82	0.60 127	0.40 108	0.58 105	0.34 95	0.17 142	0.11 57	0.20 178	0.11 15	0.17 139	0.18 175

DCANet-4	0.36 64	0.20 70	0.48 171	0.34 11	0.19 9	0.29 36	0.30 70	0.66 80	0.92 232	0.69 128	0.78 112	0.40 40	0.47 140	0.45 30	0.34 95	0.14 32	0.10 9	0.14 16	0.11 15	0.11 1	0.13 58

fff	0.37 79	0.16 8	0.41 81	0.34 11	0.19 9	0.29 36	0.30 70	0.69 108	1.06 297	0.69 128	0.78 112	0.42 48	0.63 217	0.46 37	0.34 95	0.14 32	0.10 9	0.14 16	0.11 15	0.11 1	0.13 58

GLC_STEREO	0.29 12	0.19 49	0.27 8	0.44 201	0.19 9	0.31 53	0.26 37	0.47 9	0.43 48	0.37 17	0.47 28	0.41 42	0.23 7	0.50 51	0.34 95	0.14 32	0.18 253	0.19 154	0.16 122	0.16 108	0.13 58

PFNet+	0.40 119	0.19 49	0.49 181	0.39 84	0.25 112	0.28 32	0.23 18	0.64 70	0.70 121	0.85 220	0.79 121	0.64 145	0.35 76	0.72 201	0.34 95	0.19 199	0.14 178	0.23 243	0.20 230	0.16 108	0.20 223

LCNet	0.41 130	0.20 70	0.32 17	0.44 201	0.24 86	0.47 135	0.29 57	0.67 90	0.53 69	0.72 151	1.03 230	0.66 160	0.60 201	0.58 105	0.34 95	0.14 32	0.10 9	0.19 154	0.19 208	0.21 221	0.36 324

RAFT	0.45 158	0.22 128	0.45 130	0.47 250	0.26 147	0.54 158	0.47 245	0.66 80	0.58 83	0.80 183	0.82 133	0.94 260	0.57 184	0.75 216	0.34 95	0.17 142	0.15 201	0.22 229	0.20 230	0.16 108	0.12 33

RALAANet	0.38 93	0.23 145	0.48 171	0.42 168	0.29 213	0.35 78	0.25 31	0.86 179	0.64 105	0.67 117	0.65 69	0.60 127	0.29 42	0.60 125	0.34 95	0.15 79	0.12 98	0.17 85	0.15 94	0.21 221	0.13 58

DCANet	0.36 64	0.16 8	0.41 81	0.34 11	0.19 9	0.30 43	0.30 70	0.68 99	0.91 227	0.70 134	0.77 104	0.43 54	0.57 184	0.45 30	0.34 95	0.14 32	0.10 9	0.14 16	0.11 15	0.13 20	0.12 33

csc	0.37 79	0.16 8	0.41 81	0.34 11	0.19 9	0.29 36	0.30 70	0.69 108	1.06 297	0.69 128	0.78 112	0.42 48	0.63 217	0.46 37	0.34 95	0.14 32	0.10 9	0.14 16	0.11 15	0.11 1	0.13 58

cscssc	0.37 79	0.16 8	0.41 81	0.34 11	0.19 9	0.29 36	0.30 70	0.69 108	1.06 297	0.69 128	0.78 112	0.42 48	0.63 217	0.46 37	0.34 95	0.14 32	0.10 9	0.14 16	0.11 15	0.11 1	0.13 58

Selective-RAFT	0.35 46	0.23 145	0.51 200	0.44 201	0.21 29	0.64 221	0.27 43	0.59 36	0.63 98	0.40 31	0.38 17	0.55 93	0.40 108	0.57 88	0.35 110	0.13 12	0.11 57	0.14 16	0.12 29	0.16 108	0.13 58

test_5	0.43 142	0.24 180	0.43 109	0.52 307	0.28 190	0.28 32	0.42 228	0.72 131	0.82 178	0.62 82	0.91 174	0.72 186	0.55 178	0.79 233	0.35 110	0.14 32	0.11 57	0.18 119	0.18 184	0.18 157	0.16 144

HHNet	0.41 130	0.17 19	0.41 81	0.34 11	0.37 281	0.33 67	0.34 117	0.69 108	0.75 144	0.86 225	1.30 302	0.52 82	0.32 60	0.52 60	0.35 110	0.15 79	0.11 57	0.19 154	0.15 94	0.15 77	0.24 262

OMP-Stereo	0.42 136	0.22 128	0.46 145	0.52 307	0.24 86	0.36 84	0.25 31	0.71 127	0.78 163	0.77 176	0.64 67	0.89 249	0.39 103	0.91 278	0.35 110	0.15 79	0.12 98	0.20 178	0.15 94	0.15 77	0.12 33

IIG-Stereo	0.43 142	0.21 101	0.44 119	0.50 284	0.25 112	0.44 126	0.21 4	0.71 127	0.76 150	0.83 212	0.95 189	0.83 227	0.43 122	0.90 271	0.35 110	0.15 79	0.12 98	0.19 154	0.14 72	0.15 77	0.11 9

NF-Stereo	0.38 93	0.20 70	0.45 130	0.41 131	0.25 112	0.26 17	0.31 85	0.69 108	0.70 121	0.65 105	0.77 104	0.57 100	0.30 52	0.67 177	0.35 110	0.18 170	0.12 98	0.20 178	0.16 122	0.16 108	0.27 279

OCTAStereo	0.38 93	0.20 70	0.46 145	0.41 131	0.25 112	0.26 17	0.31 85	0.69 108	0.70 121	0.65 105	0.77 104	0.58 108	0.30 52	0.67 177	0.35 110	0.18 170	0.12 98	0.20 178	0.16 122	0.16 108	0.27 279

PSM-adaLoss	0.35 46	0.23 145	0.47 155	0.41 131	0.22 42	0.24 7	0.31 85	0.59 36	0.36 21	0.63 89	0.73 88	0.58 108	0.38 91	0.56 78	0.35 110	0.18 170	0.12 98	0.20 178	0.16 122	0.20 203	0.15 106

ROB_FTStereo	0.35 46	0.23 145	0.47 155	0.41 131	0.22 42	0.25 15	0.21 4	0.59 36	0.36 21	0.63 89	0.73 88	0.58 108	0.38 91	0.57 88	0.35 110	0.18 170	0.12 98	0.20 178	0.16 122	0.20 203	0.15 106

HUI-Stereo	0.35 46	0.23 145	0.47 155	0.41 131	0.22 42	0.24 7	0.22 8	0.60 45	0.36 21	0.63 89	0.73 88	0.58 108	0.38 91	0.50 51	0.35 110	0.18 170	0.12 98	0.20 178	0.16 122	0.20 203	0.15 106

SST-Stereo	0.40 119	0.19 49	0.45 130	0.42 168	0.25 112	0.25 15	0.21 4	0.66 80	0.47 59	1.08 320	0.79 121	0.72 186	0.43 122	0.77 226	0.35 110	0.16 110	0.11 57	0.20 178	0.16 122	0.19 190	0.15 106

RAFT_R40	0.40 119	0.19 49	0.44 119	0.43 186	0.25 112	0.23 5	0.26 37	0.67 90	0.67 115	0.98 285	0.78 112	0.72 186	0.43 122	0.76 219	0.35 110	0.16 110	0.11 57	0.20 178	0.16 122	0.18 157	0.14 87

RE-Stereo	0.38 93	0.20 70	0.46 145	0.41 131	0.25 112	0.26 17	0.31 85	0.69 108	0.70 121	0.65 105	0.77 104	0.58 108	0.30 52	0.67 177	0.35 110	0.18 170	0.12 98	0.20 178	0.16 122	0.16 108	0.27 279

Pruner-Stereo	0.38 93	0.20 70	0.45 130	0.40 107	0.25 112	0.22 4	0.24 24	0.67 90	0.55 77	0.89 244	0.76 100	0.68 166	0.29 42	0.62 138	0.35 110	0.18 170	0.12 98	0.20 178	0.17 162	0.17 139	0.18 175

TVStereo	0.38 93	0.20 70	0.46 145	0.41 131	0.25 112	0.26 17	0.31 85	0.69 108	0.70 121	0.65 105	0.77 104	0.58 108	0.30 52	0.67 177	0.35 110	0.18 170	0.12 98	0.20 178	0.16 122	0.16 108	0.27 279

111	0.40 119	0.17 19	0.41 81	0.34 11	0.19 9	0.52 148	0.28 50	0.74 140	1.16 318	0.50 53	0.91 174	0.63 138	0.48 144	0.61 132	0.35 110	0.14 32	0.10 9	0.14 16	0.12 29	0.13 20	0.13 58

CoDeX	0.47 174	0.20 70	0.49 181	0.42 168	0.25 112	0.75 252	0.36 152	1.27 325	0.80 171	0.82 200	0.96 193	0.62 137	0.57 184	0.60 125	0.36 126	0.17 142	0.12 98	0.17 85	0.15 94	0.16 108	0.14 87

riskmin	0.38 93	0.20 70	0.39 70	0.32 8	0.23 69	0.53 154	0.30 70	0.63 60	0.80 171	0.49 50	0.56 52	0.73 195	0.58 191	0.55 70	0.36 126	0.17 142	0.11 57	0.19 154	0.13 50	0.19 190	0.20 223

Patchmatch Stereo++	0.35 46	0.23 145	0.47 155	0.41 131	0.22 42	0.24 7	0.22 8	0.59 36	0.36 21	0.63 89	0.73 88	0.58 108	0.38 91	0.58 105	0.36 126	0.18 170	0.12 98	0.20 178	0.16 122	0.20 203	0.15 106
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	0.35 46	0.23 145	0.47 155	0.41 131	0.22 42	0.24 7	0.31 85	0.59 36	0.36 21	0.63 89	0.73 88	0.57 100	0.38 91	0.57 88	0.36 126	0.18 170	0.12 98	0.20 178	0.16 122	0.20 203	0.15 106

iGMRVC	0.35 46	0.23 145	0.47 155	0.41 131	0.22 42	0.24 7	0.30 70	0.59 36	0.36 21	0.63 89	0.73 88	0.58 108	0.38 91	0.58 105	0.36 126	0.18 170	0.12 98	0.20 178	0.16 122	0.20 203	0.15 106

RAFT-RH_RVC	0.56 251	0.17 19	0.41 81	0.37 44	0.23 69	0.57 182	0.24 24	0.60 45	0.70 121	1.19 333	3.94 399	0.56 95	0.38 91	0.65 162	0.36 126	0.13 12	0.11 57	0.20 178	0.14 72	0.12 8	0.13 58

IRAFT_RVC	0.42 136	0.20 70	0.48 171	0.44 201	0.24 86	0.27 25	0.54 285	0.74 140	0.77 157	0.76 171	0.80 123	0.73 195	0.51 160	0.70 191	0.36 126	0.17 142	0.10 9	0.21 217	0.16 122	0.16 108	0.14 87

RAFT-345	0.40 119	0.18 34	0.40 77	0.38 65	0.22 42	0.33 67	0.26 37	0.61 51	0.51 63	0.74 164	1.79 353	0.45 60	0.33 68	0.66 167	0.36 126	0.14 32	0.11 57	0.18 119	0.14 72	0.13 20	0.13 58

iRAFT	0.35 46	0.23 145	0.47 155	0.41 131	0.22 42	0.24 7	0.22 8	0.59 36	0.36 21	0.63 89	0.73 88	0.58 108	0.38 91	0.58 105	0.36 126	0.18 170	0.12 98	0.20 178	0.16 122	0.20 203	0.15 106

RAFT-IKP	0.35 46	0.23 145	0.47 155	0.41 131	0.22 42	0.24 7	0.28 50	0.59 36	0.36 21	0.63 89	0.73 88	0.57 100	0.38 91	0.58 105	0.36 126	0.18 170	0.12 98	0.20 178	0.16 122	0.20 203	0.15 106

RALCasStereoNet	0.36 64	0.21 101	0.37 44	0.42 168	0.26 147	0.35 78	0.38 184	0.63 60	0.64 105	0.50 53	0.72 84	0.51 80	0.29 42	0.59 119	0.36 126	0.16 110	0.14 178	0.15 42	0.13 50	0.17 139	0.16 144

HCRNet	0.44 148	0.34 273	0.41 81	0.53 312	0.26 147	0.53 154	0.29 57	0.83 170	0.63 98	0.71 140	0.81 130	0.77 213	0.50 157	0.66 167	0.36 126	0.24 266	0.16 228	0.24 257	0.20 230	0.21 221	0.18 175

MIPNet	0.37 79	0.21 101	0.59 233	0.39 84	0.25 112	0.50 141	0.28 50	0.77 154	0.70 121	0.65 105	0.60 59	0.40 40	0.49 147	0.44 29	0.37 138	0.14 32	0.11 57	0.16 60	0.13 50	0.14 45	0.13 58

NRIStereo	0.36 64	0.20 70	0.45 130	0.41 131	0.23 69	0.34 73	0.26 37	0.65 71	0.55 77	0.64 98	0.63 64	0.56 95	0.37 88	0.65 162	0.37 138	0.15 79	0.11 57	0.18 119	0.15 94	0.17 139	0.14 87

ASMatch	0.48 181	0.19 49	0.45 130	0.39 84	0.28 190	0.37 86	0.26 37	0.74 140	0.68 116	0.76 171	2.34 368	0.61 131	0.52 162	0.62 138	0.37 138	0.14 32	0.12 98	0.17 85	0.15 94	0.14 45	0.21 236

PFNet	0.42 136	0.18 34	0.58 232	0.43 186	0.24 86	0.43 122	0.32 101	0.74 140	0.78 163	1.00 293	0.74 97	0.68 166	0.39 103	0.72 201	0.37 138	0.16 110	0.10 9	0.20 178	0.15 94	0.16 108	0.13 58

TestStereo	0.38 93	0.31 258	0.40 77	0.45 222	0.20 20	0.40 102	0.37 164	0.66 80	0.65 110	0.53 61	0.78 112	0.47 68	0.40 108	0.55 70	0.37 138	0.18 170	0.13 152	0.20 178	0.15 94	0.22 237	0.13 58

ARAFT	0.47 174	0.24 180	0.79 306	0.42 168	0.25 112	0.55 163	0.55 289	0.75 146	0.81 177	0.89 244	0.75 98	0.73 195	0.47 140	0.88 264	0.37 138	0.15 79	0.12 98	0.23 243	0.22 262	0.14 45	0.13 58

SFCPSM	0.47 174	0.21 101	0.55 219	0.40 107	0.27 171	0.87 288	0.37 164	1.33 336	0.77 157	0.80 183	0.84 143	0.54 90	0.49 147	0.57 88	0.37 138	0.18 170	0.13 152	0.18 119	0.20 230	0.16 108	0.15 106

DN-CSS_ROB	0.43 142	0.26 212	0.62 243	0.40 107	0.29 213	0.44 126	0.27 43	0.77 154	0.75 144	0.72 151	1.09 254	0.48 72	0.43 122	0.69 188	0.37 138	0.15 79	0.12 98	0.21 217	0.19 208	0.18 157	0.16 144

whm_eth	0.48 181	0.30 253	0.74 293	0.46 241	0.38 289	0.37 86	0.37 164	0.79 161	0.78 163	0.82 200	1.74 350	0.37 32	0.38 91	0.60 125	0.38 146	0.18 170	0.16 228	0.20 178	0.20 230	0.19 190	0.22 249

MIM_Stereo	0.38 93	0.17 19	0.53 211	0.37 44	0.24 86	0.27 25	0.24 24	0.70 122	0.54 73	0.72 151	1.00 215	0.63 138	0.29 42	0.64 155	0.38 146	0.13 12	0.14 178	0.17 85	0.16 122	0.14 45	0.11 9

IPLGR	0.39 107	0.21 101	0.63 251	0.39 84	0.22 42	0.49 140	0.29 57	0.76 151	0.74 142	0.78 179	0.77 104	0.44 59	0.42 115	0.47 44	0.38 146	0.13 12	0.12 98	0.16 60	0.14 72	0.15 77	0.13 58

CRE-IMP	0.36 64	0.23 145	0.49 181	0.42 168	0.24 86	0.41 115	0.21 4	0.57 31	0.41 42	0.65 105	0.72 84	0.53 86	0.37 88	0.61 132	0.38 146	0.17 142	0.11 57	0.19 154	0.15 94	0.21 221	0.18 175

Anonymous3	0.46 164	0.34 273	0.86 316	0.50 284	0.37 281	0.81 270	0.50 261	0.72 131	0.65 110	0.51 55	0.65 69	0.45 60	0.45 134	0.64 155	0.38 146	0.24 266	0.24 305	0.22 229	0.21 247	0.23 246	0.23 256

Anonymous	0.39 107	0.27 226	0.66 266	0.53 312	0.43 317	0.55 163	0.49 257	0.63 60	0.50 62	0.37 17	0.42 19	0.33 17	0.42 115	0.56 78	0.38 146	0.20 220	0.19 267	0.17 85	0.18 184	0.30 292	0.24 262

PSM-softLoss	0.38 93	0.20 70	0.48 171	0.41 131	0.26 147	0.30 43	0.35 134	0.69 108	0.46 56	0.62 82	0.82 133	0.59 122	0.33 68	0.70 191	0.39 152	0.19 199	0.12 98	0.20 178	0.18 184	0.16 108	0.22 249

KMStereo	0.38 93	0.20 70	0.48 171	0.41 131	0.26 147	0.30 43	0.35 134	0.69 108	0.46 56	0.62 82	0.82 133	0.59 122	0.33 68	0.70 191	0.39 152	0.19 199	0.12 98	0.20 178	0.18 184	0.16 108	0.22 249

DeepStereo_RVC	0.36 64	0.21 101	0.47 155	0.40 107	0.24 86	0.26 17	0.22 8	0.60 45	0.38 35	0.69 128	0.67 77	0.57 100	0.51 160	0.56 78	0.39 152	0.16 110	0.12 98	0.18 119	0.15 94	0.19 190	0.18 175

rafts_anoy	0.37 79	0.21 101	0.36 34	0.41 131	0.26 147	0.30 43	0.33 110	0.67 90	0.90 223	0.58 70	0.66 73	0.45 60	0.33 68	0.47 44	0.39 152	0.16 110	0.11 57	0.21 217	0.23 273	0.17 139	0.14 87

iResNetv2_ROB	0.52 226	0.27 226	0.69 279	0.38 65	0.25 112	0.62 206	0.35 134	1.17 289	1.01 273	0.99 288	1.06 244	0.88 245	0.67 241	0.66 167	0.39 152	0.19 199	0.13 152	0.15 42	0.11 15	0.18 157	0.16 144

11t1	0.36 64	0.21 101	0.42 100	0.35 29	0.22 42	0.62 206	0.29 57	0.69 108	0.43 48	0.60 76	0.53 43	0.53 86	0.48 144	0.56 78	0.40 157	0.18 170	0.14 178	0.16 60	0.13 50	0.17 139	0.17 161

DRaft	0.49 197	0.17 19	0.47 155	0.37 44	0.25 112	0.58 184	0.40 209	0.65 71	0.85 193	1.02 300	1.75 352	0.50 77	0.82 296	0.63 148	0.40 157	0.13 12	0.11 57	0.16 60	0.16 122	0.14 45	0.15 106

raft+_RVC	0.38 93	0.19 49	0.35 29	0.37 44	0.25 112	0.45 131	0.37 164	0.78 159	0.89 221	0.51 55	0.78 112	0.50 77	0.29 42	0.53 65	0.40 157	0.15 79	0.12 98	0.17 85	0.15 94	0.14 45	0.12 33

CASS	0.45 158	0.27 226	0.42 100	0.48 255	0.22 42	0.61 199	0.34 117	0.97 219	0.62 88	0.71 140	0.85 151	0.61 131	0.55 178	0.57 88	0.41 160	0.29 305	0.16 228	0.22 229	0.18 184	0.22 237	0.28 286
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
UDGNet	0.48 181	0.77 363	0.50 193	0.48 255	0.31 240	0.41 115	0.34 117	0.70 122	0.92 232	0.65 105	0.60 59	0.58 108	0.43 122	0.63 148	0.41 160	0.32 326	0.15 201	0.66 374	0.19 208	0.36 322	0.21 236

GANet-ADL	0.42 136	0.25 198	0.45 130	0.43 186	0.29 213	0.54 158	0.35 134	0.89 192	0.86 198	0.63 89	0.72 84	0.68 166	0.42 115	0.52 60	0.41 160	0.21 234	0.14 178	0.15 42	0.13 50	0.18 157	0.19 203

GMStereo	0.39 107	0.37 285	0.54 214	0.40 107	0.26 147	0.42 120	0.36 152	0.59 36	1.04 285	0.55 65	0.51 37	0.37 32	0.35 76	0.54 68	0.41 160	0.19 199	0.13 152	0.16 60	0.17 162	0.24 256	0.18 175
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
MyStereo05	0.44 148	0.21 101	0.45 130	0.41 131	0.28 190	0.41 115	0.50 261	0.93 203	1.09 308	0.76 171	0.61 62	0.51 80	0.57 184	0.73 206	0.42 164	0.14 32	0.13 152	0.18 119	0.17 162	0.17 139	0.15 106

IER	0.46 164	0.23 145	0.50 193	0.38 65	0.28 190	0.69 237	0.35 134	0.80 165	0.66 113	0.83 212	0.94 182	0.75 201	0.77 281	0.60 125	0.42 164	0.17 142	0.14 178	0.17 85	0.17 162	0.17 139	0.15 106

DEmStereo	0.48 181	0.17 19	0.50 193	0.38 65	0.25 112	0.59 193	0.34 117	0.63 60	0.74 142	0.89 244	1.66 344	0.58 108	1.06 337	0.60 125	0.42 164	0.14 32	0.11 57	0.16 60	0.16 122	0.14 45	0.15 106

THIR-Stereo	0.50 210	0.18 34	0.45 130	0.38 65	0.23 69	0.75 252	0.67 316	0.66 80	0.87 207	1.02 300	1.40 318	0.72 186	0.76 277	0.62 138	0.42 164	0.15 79	0.11 57	0.17 85	0.18 184	0.14 45	0.15 106

DIP-Stereo	0.39 107	0.21 101	0.50 193	0.41 131	0.28 190	0.62 206	0.27 43	0.77 154	0.40 39	0.64 98	0.86 154	0.52 82	0.33 68	0.66 167	0.42 164	0.15 79	0.13 152	0.17 85	0.14 72	0.15 77	0.15 106
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
GMStereo_Zeroshot	0.49 197	0.44 313	0.74 293	0.49 270	0.27 171	0.56 178	0.29 57	0.73 138	0.76 150	0.86 225	0.94 182	0.91 255	0.36 85	0.74 212	0.43 169	0.26 286	0.14 178	0.26 282	0.15 94	0.36 322	0.18 175

PCWNet_CMD	0.48 181	0.24 180	0.52 205	0.39 84	0.27 171	0.63 215	0.30 70	0.95 213	0.96 250	0.86 225	1.07 247	0.79 215	0.44 130	0.57 88	0.43 169	0.17 142	0.12 98	0.21 217	0.16 122	0.24 256	0.19 203

CFNet_ucs	0.50 210	0.24 180	0.55 219	0.38 65	0.31 240	0.58 184	0.33 110	0.98 222	0.93 237	0.88 240	1.19 285	0.80 223	0.49 147	0.63 148	0.43 169	0.21 234	0.15 201	0.26 282	0.18 184	0.26 268	0.22 249

anonymousa	0.49 197	0.20 70	0.42 100	0.38 65	0.23 69	0.91 290	0.35 134	0.75 146	0.62 88	0.85 220	1.54 337	1.06 290	0.66 238	0.51 55	0.43 169	0.16 110	0.13 152	0.19 154	0.21 247	0.16 108	0.14 87

BSDual-CNN	0.46 164	0.25 198	0.43 109	0.45 222	0.28 190	0.77 255	0.40 209	0.94 207	0.76 150	0.75 166	0.80 123	0.76 207	0.54 176	0.64 155	0.43 169	0.20 220	0.14 178	0.22 229	0.19 208	0.18 157	0.18 175

psmg	0.49 197	0.25 198	0.43 109	0.41 131	0.28 190	0.85 284	0.43 229	0.99 224	0.76 150	0.91 256	0.94 182	0.76 207	0.54 176	0.64 155	0.43 169	0.20 220	0.15 201	0.20 178	0.20 230	0.18 157	0.18 175

DAS	0.51 217	0.25 198	0.60 238	0.48 255	0.31 240	0.58 184	0.41 221	0.83 170	0.97 253	0.89 244	1.12 259	0.70 172	0.75 274	0.82 239	0.43 169	0.17 142	0.13 152	0.18 119	0.15 94	0.20 203	0.18 175

SepStereo	0.51 217	0.25 198	0.60 238	0.48 255	0.31 240	0.58 184	0.41 221	0.83 170	0.97 253	0.89 244	1.12 259	0.70 172	0.75 274	0.93 286	0.43 169	0.17 142	0.13 152	0.18 119	0.15 94	0.20 203	0.18 175

GES	0.44 148	0.23 145	0.57 228	0.40 107	0.30 223	0.59 193	0.36 152	0.96 215	0.68 116	0.74 164	0.83 138	0.47 68	0.48 144	0.67 177	0.43 169	0.22 252	0.16 228	0.17 85	0.16 122	0.18 157	0.23 256

MSMDNet	0.48 181	0.24 180	0.52 205	0.39 84	0.27 171	0.63 215	0.30 70	0.96 215	0.96 250	0.86 225	1.07 247	0.79 215	0.44 130	0.57 88	0.43 169	0.17 142	0.12 98	0.20 178	0.16 122	0.23 246	0.19 203

HITNet	0.41 130	0.26 212	0.45 130	0.33 10	0.17 3	0.63 215	0.30 70	0.93 203	0.64 105	0.71 140	0.82 133	0.64 145	0.52 162	0.59 119	0.43 169	0.14 32	0.10 9	0.15 42	0.13 50	0.19 190	0.12 33
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
iResNet_ROB	0.52 226	0.21 101	0.53 211	0.37 44	0.21 29	0.61 199	0.29 57	1.51 365	1.32 343	0.90 251	1.02 226	0.80 223	0.62 211	0.76 219	0.43 169	0.16 110	0.12 98	0.13 9	0.09 6	0.15 77	0.18 175

MyStereo04	0.44 148	0.22 128	0.44 119	0.42 168	0.28 190	0.40 102	0.50 261	1.00 227	1.08 306	0.62 82	0.58 57	0.55 93	0.57 184	0.71 196	0.44 181	0.14 32	0.13 152	0.18 119	0.17 162	0.17 139	0.16 144

CIPLG	0.41 130	0.21 101	0.63 251	0.45 222	0.33 261	0.52 148	0.33 110	0.65 71	0.60 86	0.82 200	0.96 193	0.46 66	0.32 60	0.55 70	0.44 181	0.16 110	0.12 98	0.15 42	0.14 72	0.13 20	0.14 87

CFNet_pseudo	0.46 164	0.24 180	0.52 205	0.37 44	0.27 171	0.58 184	0.30 70	0.86 179	0.88 211	0.82 200	1.03 230	0.75 201	0.47 140	0.58 105	0.44 181	0.17 142	0.12 98	0.24 257	0.16 122	0.24 256	0.19 203

FENet	0.42 136	0.22 128	0.38 53	0.39 84	0.24 86	0.55 163	0.32 101	0.79 161	0.70 121	0.71 140	0.72 84	0.63 138	0.57 184	0.62 138	0.44 181	0.19 199	0.13 152	0.19 154	0.17 162	0.18 157	0.19 203

GANet-RSSM	0.47 174	0.21 101	0.37 44	0.38 65	0.25 112	0.58 184	0.36 152	1.07 253	0.78 163	0.68 123	1.01 218	0.86 235	0.67 241	0.62 138	0.44 181	0.21 234	0.15 201	0.18 119	0.18 184	0.18 157	0.17 161

ccs_rob	0.46 164	0.24 180	0.52 205	0.37 44	0.27 171	0.58 184	0.31 85	0.86 179	0.88 211	0.82 200	1.02 226	0.75 201	0.47 140	0.58 105	0.44 181	0.17 142	0.12 98	0.24 257	0.16 122	0.24 256	0.19 203

1test111	0.36 64	0.23 145	0.33 20	0.41 131	0.22 42	0.55 163	0.38 184	0.85 176	0.54 73	0.41 32	0.50 32	0.34 20	0.49 147	0.55 70	0.45 187	0.16 110	0.10 9	0.19 154	0.13 50	0.18 157	0.17 161

mmm	0.44 148	0.27 226	0.46 145	0.38 65	0.24 86	0.61 199	0.35 134	0.94 207	0.53 69	0.72 151	1.05 238	0.63 138	0.50 157	0.57 88	0.45 187	0.18 170	0.15 201	0.23 243	0.20 230	0.20 203	0.18 175

qqq	0.40 119	0.26 212	0.44 119	0.36 37	0.22 42	0.46 133	0.36 152	0.85 176	0.54 73	0.56 67	0.69 80	0.65 155	0.53 165	0.55 70	0.45 187	0.17 142	0.16 228	0.20 178	0.19 208	0.18 157	0.17 161

hknet	0.49 197	0.25 198	0.51 200	0.45 222	0.29 213	0.77 255	0.40 209	0.94 207	0.83 183	0.75 166	0.80 123	0.97 266	0.61 206	0.73 206	0.45 187	0.18 170	0.14 178	0.22 229	0.19 208	0.18 157	0.18 175

IPLG	0.39 107	0.20 70	0.59 233	0.40 107	0.24 86	0.54 158	0.27 43	0.75 146	0.63 98	0.84 219	0.81 130	0.32 9	0.32 60	0.60 125	0.45 187	0.13 12	0.11 57	0.16 60	0.13 50	0.13 20	0.12 33

ACRE	0.40 119	0.21 101	0.65 261	0.45 222	0.33 261	0.51 145	0.33 110	0.66 80	0.63 98	0.80 183	0.92 178	0.45 60	0.32 60	0.52 60	0.45 187	0.16 110	0.12 98	0.15 42	0.14 72	0.13 20	0.14 87

CrosDoStereo	0.50 210	0.18 34	0.45 130	0.38 65	0.24 86	0.40 102	1.18 373	0.67 90	0.86 198	0.94 268	1.37 312	0.63 138	0.77 281	0.65 162	0.45 187	0.15 79	0.12 98	0.17 85	0.18 184	0.14 45	0.14 87

DeepStereo_LL	0.50 210	0.18 34	0.45 130	0.38 65	0.24 86	0.40 102	1.18 373	0.67 90	0.86 198	0.94 268	1.37 312	0.63 138	0.77 281	0.65 162	0.45 187	0.15 79	0.12 98	0.17 85	0.18 184	0.14 45	0.14 87

FADNet-RVC-Resample	0.56 251	0.33 268	1.16 341	0.49 270	0.34 268	0.71 244	0.43 229	1.01 234	0.93 237	0.82 200	0.87 158	0.74 200	0.67 241	0.73 206	0.45 187	0.18 170	0.18 253	0.26 282	0.27 310	0.26 268	0.27 279

UCFNet_RVC	0.49 197	0.26 212	0.35 29	0.39 84	0.26 147	0.64 221	0.36 152	1.15 281	0.84 186	0.67 117	0.88 165	0.88 245	0.59 197	0.58 105	0.45 187	0.24 266	0.17 242	0.27 294	0.27 310	0.25 264	0.23 256

x	0.39 107	0.24 180	0.41 81	0.34 11	0.23 69	0.52 148	0.32 101	0.86 179	0.52 66	0.57 69	0.70 82	0.59 122	0.50 157	0.49 50	0.46 197	0.17 142	0.15 201	0.17 85	0.15 94	0.17 139	0.16 144

IPLGR_C	0.40 119	0.21 101	0.64 256	0.45 222	0.33 261	0.52 148	0.34 117	0.66 80	0.62 88	0.82 200	0.92 178	0.45 60	0.32 60	0.52 60	0.46 197	0.17 142	0.12 98	0.15 42	0.14 72	0.13 20	0.14 87

AdaStereo	0.50 210	0.32 260	0.47 155	0.48 255	0.25 112	0.67 233	0.32 101	1.17 289	0.88 211	0.75 166	0.99 213	0.75 201	0.49 147	0.67 177	0.46 197	0.27 293	0.12 98	0.28 301	0.18 184	0.23 246	0.18 175
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.
HSM	0.51 217	0.24 180	0.41 81	0.39 84	0.24 86	0.75 252	0.40 209	1.22 308	0.75 144	0.81 191	0.91 174	1.21 313	0.69 251	0.87 261	0.46 197	0.17 142	0.13 152	0.17 85	0.14 72	0.17 139	0.17 161

RAFT + AFF	0.53 229	0.29 247	0.75 296	0.51 296	0.32 252	0.63 215	0.60 302	1.00 227	0.91 227	0.78 179	0.87 158	0.83 227	0.58 191	0.80 234	0.47 201	0.17 142	0.20 275	0.23 243	0.22 262	0.18 157	0.18 175

PSMNet-RSSM	0.48 181	0.22 128	0.38 53	0.42 168	0.25 112	0.50 141	0.37 164	1.10 262	0.77 157	0.70 134	1.06 244	0.84 231	0.64 227	0.62 138	0.47 201	0.23 257	0.15 201	0.23 243	0.25 295	0.20 203	0.19 203

NOSS_ROB	0.57 256	0.39 298	0.39 70	0.44 201	0.30 223	0.73 248	0.54 285	1.03 241	1.08 306	0.67 117	0.87 158	0.76 207	0.57 184	0.77 226	0.47 201	0.38 349	0.38 361	0.44 352	0.42 359	0.37 324	0.34 317

pcwnet_v2	0.58 262	0.28 239	0.84 310	0.45 222	0.35 274	0.61 199	0.35 134	1.27 325	1.21 326	0.99 288	1.27 296	0.72 186	0.58 191	0.67 177	0.48 204	0.27 293	0.21 282	0.24 257	0.23 273	0.29 283	0.29 292

HSM-Net_RVC	0.53 229	0.22 128	0.35 29	0.37 44	0.21 29	0.85 284	0.37 164	1.23 312	0.93 237	0.90 251	1.15 272	1.26 317	0.63 217	0.72 201	0.48 204	0.17 142	0.13 152	0.16 60	0.15 94	0.17 139	0.15 106
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
LL-Strereo	0.57 256	0.27 226	0.68 273	0.48 255	0.34 268	0.39 101	0.48 251	0.94 207	0.97 253	0.83 212	0.78 112	1.10 301	1.18 349	1.33 344	0.49 206	0.17 142	0.14 178	0.22 229	0.19 208	0.16 108	0.17 161

gwcnet-sp	0.48 181	0.23 145	0.70 283	0.40 107	0.26 147	0.81 270	0.41 221	0.89 192	0.84 186	0.91 256	0.76 100	0.66 160	0.61 206	0.66 167	0.50 207	0.18 170	0.17 242	0.18 119	0.18 184	0.18 157	0.18 175

scenet	0.48 181	0.23 145	0.70 283	0.40 107	0.26 147	0.81 270	0.41 221	0.89 192	0.84 186	0.91 256	0.76 100	0.66 160	0.61 206	0.66 167	0.50 207	0.18 170	0.17 242	0.18 119	0.18 184	0.18 157	0.18 175

ssnet	0.48 181	0.23 145	0.70 283	0.40 107	0.26 147	0.81 270	0.41 221	0.89 192	0.84 186	0.91 256	0.76 100	0.66 160	0.61 206	0.66 167	0.50 207	0.18 170	0.17 242	0.18 119	0.18 184	0.18 157	0.18 175

dd	0.43 142	0.38 294	0.55 219	0.44 201	0.25 112	0.47 135	0.38 184	0.70 122	1.05 290	0.59 72	0.65 69	0.42 48	0.39 103	0.66 167	0.50 207	0.24 266	0.15 201	0.21 217	0.15 94	0.22 237	0.18 175

dad	0.58 262	0.50 327	0.64 256	0.43 186	0.30 223	0.59 193	0.36 152	0.78 159	1.25 335	1.01 298	1.17 279	1.15 311	0.53 165	0.68 185	0.50 207	0.35 342	0.23 298	0.37 338	0.21 247	0.29 283	0.20 223

GwcNet-ADL	0.44 148	0.22 128	0.48 171	0.45 222	0.30 223	0.40 102	0.37 164	0.92 201	0.97 253	0.71 140	0.78 112	0.61 131	0.42 115	0.62 138	0.50 207	0.19 199	0.14 178	0.15 42	0.14 72	0.18 157	0.18 175

FADNet	0.61 274	0.51 330	1.10 335	0.45 222	0.44 324	0.65 226	0.41 221	1.19 294	1.05 290	0.70 134	0.84 143	0.98 269	0.66 238	0.82 239	0.50 207	0.29 305	0.30 333	0.27 294	0.30 321	0.46 349	0.35 322

CBMV_ROB	0.59 269	0.37 285	0.38 53	0.39 84	0.28 190	0.74 249	0.28 50	1.00 227	0.98 257	0.94 268	1.25 294	0.81 225	0.78 286	0.87 261	0.50 207	0.36 345	0.37 359	0.43 349	0.40 353	0.33 307	0.30 299

MyStereo8	0.40 119	0.20 70	0.54 214	0.41 131	0.29 213	0.53 154	0.29 57	0.65 71	0.49 61	0.71 140	0.98 208	0.58 108	0.43 122	0.50 51	0.51 215	0.15 79	0.12 98	0.16 60	0.14 72	0.19 190	0.19 203

BUS	0.45 158	0.25 198	0.43 109	0.45 222	0.28 190	0.70 239	0.34 117	0.94 207	0.76 150	0.75 166	0.80 123	0.65 155	0.49 147	0.64 155	0.51 215	0.20 220	0.14 178	0.22 229	0.19 208	0.18 157	0.18 175

NINENet	0.50 210	0.29 247	0.51 200	0.45 222	0.32 252	0.70 239	0.34 117	1.10 262	0.88 211	0.80 183	0.94 182	0.65 155	0.49 147	0.73 206	0.51 215	0.22 252	0.20 275	0.25 268	0.18 184	0.22 237	0.21 236

SACVNet	0.58 262	0.34 273	0.55 219	0.55 321	0.36 276	0.63 215	0.48 251	1.13 272	0.77 157	1.02 300	1.06 244	1.02 281	0.74 272	0.90 271	0.51 215	0.27 293	0.21 282	0.25 268	0.24 286	0.29 283	0.36 324

DeepPruner_ROB	0.53 229	0.34 273	0.59 233	0.41 131	0.30 223	0.50 141	0.43 229	1.19 294	0.70 121	0.85 220	1.05 238	0.86 235	0.55 178	0.84 251	0.51 215	0.29 305	0.23 298	0.22 229	0.22 262	0.26 268	0.25 268

MLCV	0.47 174	0.24 180	0.61 240	0.37 44	0.17 3	0.61 199	0.33 110	0.80 165	0.87 207	0.94 268	1.13 265	0.72 186	0.43 122	0.89 269	0.51 215	0.13 12	0.10 9	0.13 9	0.11 15	0.14 45	0.12 33

iResNet	0.49 197	0.29 247	0.79 306	0.42 168	0.21 29	0.61 199	0.40 209	0.82 169	0.99 262	0.87 232	1.12 259	0.69 170	0.53 165	0.78 230	0.51 215	0.15 79	0.11 57	0.14 16	0.12 29	0.17 139	0.15 106

HBP-ISP	0.59 269	0.45 317	0.43 109	0.45 222	0.33 261	0.70 239	0.28 50	1.11 267	1.00 269	0.83 212	1.18 281	0.65 155	0.68 247	0.88 264	0.52 222	0.35 342	0.38 361	0.47 357	0.41 358	0.38 328	0.31 305

CFNet	0.51 217	0.29 247	0.46 145	0.41 131	0.27 171	0.70 239	0.32 101	1.13 272	1.00 269	0.72 151	1.07 247	0.85 233	0.60 201	0.76 219	0.52 222	0.19 199	0.14 178	0.23 243	0.23 273	0.21 221	0.16 144

CVANet_RVC	0.57 256	0.33 268	0.44 119	0.47 250	0.32 252	0.67 233	0.61 307	1.05 249	0.93 237	0.85 220	1.04 234	1.01 276	0.73 270	0.83 246	0.52 222	0.29 305	0.19 267	0.27 294	0.25 295	0.31 297	0.21 236

CFNet-ft	0.48 181	0.23 145	0.36 34	0.40 107	0.26 147	0.64 221	0.37 164	0.87 186	0.85 193	0.64 98	1.00 215	1.01 276	0.64 227	0.61 132	0.53 225	0.23 257	0.15 201	0.24 257	0.21 247	0.23 246	0.18 175

BEATNet_4x	0.46 164	0.32 260	0.56 225	0.37 44	0.19 9	0.63 215	0.35 134	1.01 234	0.72 132	0.77 176	0.83 138	0.70 172	0.59 197	0.68 185	0.53 225	0.16 110	0.12 98	0.16 60	0.14 72	0.24 256	0.16 144

CFNet_RVC	0.48 181	0.23 145	0.36 34	0.40 107	0.26 147	0.64 221	0.37 164	0.87 186	0.85 193	0.64 98	1.00 215	1.01 276	0.64 227	0.61 132	0.53 225	0.23 257	0.15 201	0.24 257	0.21 247	0.23 246	0.18 175

AACVNet	0.50 210	0.23 145	0.49 181	0.46 241	0.29 213	0.52 148	0.38 184	0.90 196	0.55 77	0.81 191	1.03 230	1.00 273	0.70 261	0.83 246	0.54 228	0.21 234	0.18 253	0.24 257	0.18 184	0.23 246	0.20 223

ICVP	0.46 164	0.25 198	0.38 53	0.48 255	0.28 190	0.58 184	0.43 229	1.00 227	0.70 121	0.67 117	0.95 189	0.75 201	0.55 178	0.53 65	0.54 228	0.23 257	0.17 242	0.19 154	0.17 162	0.19 190	0.20 223
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
cf-r	0.47 174	0.23 145	0.41 81	0.39 84	0.23 69	0.59 193	0.37 164	0.88 190	0.85 193	0.72 151	1.05 238	0.94 260	0.62 211	0.56 78	0.54 228	0.21 234	0.14 178	0.17 85	0.19 208	0.15 77	0.15 106

DMCA	0.45 158	0.26 212	0.50 193	0.38 65	0.28 190	0.51 145	0.34 117	0.93 203	0.68 116	0.75 166	0.83 138	0.79 215	0.53 165	0.51 55	0.54 228	0.21 234	0.16 228	0.21 217	0.16 122	0.19 190	0.21 236

SMFormer	0.51 217	0.23 145	0.62 243	0.34 11	0.20 20	0.62 206	0.34 117	1.21 300	1.02 276	0.81 191	1.01 218	0.71 176	0.65 233	0.84 251	0.55 232	0.19 199	0.15 201	0.18 119	0.16 122	0.18 157	0.18 175

tta	0.51 217	0.23 145	0.62 243	0.34 11	0.20 20	0.62 206	0.34 117	1.21 300	1.02 276	0.81 191	1.01 218	0.71 176	0.65 233	0.84 251	0.55 232	0.19 199	0.15 201	0.18 119	0.16 122	0.15 77	0.14 87

ToySt	0.49 197	0.27 226	0.75 296	0.40 107	0.27 171	0.64 221	0.49 257	0.84 173	0.77 157	0.60 76	0.83 138	0.88 245	0.66 238	0.70 191	0.56 234	0.16 110	0.17 242	0.21 217	0.20 230	0.21 221	0.19 203

Anonymous_2	0.82 315	0.44 313	0.63 251	0.40 107	0.43 317	0.80 265	0.52 278	0.72 131	0.77 157	0.71 140	0.60 59	0.87 240	0.76 277	0.75 216	0.58 235	0.52 368	0.54 381	0.54 368	4.82 417	0.56 365	0.40 341

DSFCA	0.55 240	0.25 198	0.62 243	0.40 107	0.36 276	0.74 249	0.52 278	1.04 244	0.82 178	1.06 314	0.84 143	0.89 249	0.63 217	0.99 296	0.58 235	0.25 276	0.21 282	0.21 217	0.21 247	0.21 221	0.19 203

MaskLacGwcNet_RVC	0.67 282	0.81 366	0.73 289	0.53 312	0.37 281	1.40 352	0.53 281	1.04 244	0.79 170	0.88 240	0.94 182	0.95 262	0.53 165	0.93 286	0.58 235	0.39 351	0.30 333	0.57 370	0.31 328	0.53 361	0.30 299

TDLM	0.57 256	0.33 268	0.49 181	0.51 296	0.30 223	0.66 229	0.73 336	1.03 241	1.01 273	0.82 200	1.10 256	0.84 231	0.70 261	0.86 260	0.58 235	0.28 299	0.17 242	0.25 268	0.22 262	0.26 268	0.19 203

ttt	0.51 217	0.25 198	0.43 109	0.38 65	0.24 86	0.65 226	0.38 184	1.18 292	1.05 290	0.72 151	1.08 250	0.63 138	0.49 147	0.84 251	0.59 239	0.24 266	0.21 282	0.22 229	0.20 230	0.24 256	0.24 262

DMCA-RVC	0.51 217	0.30 253	0.59 233	0.50 284	0.32 252	0.54 158	0.38 184	0.86 179	0.68 116	0.94 268	0.86 154	0.91 255	0.68 247	0.70 191	0.59 239	0.23 257	0.18 253	0.31 317	0.23 273	0.26 268	0.19 203

PS-NSSS	0.58 262	0.44 313	0.62 243	0.42 168	0.33 261	0.66 229	0.58 298	1.02 237	0.86 198	0.77 176	1.28 298	0.72 186	0.64 227	0.82 239	0.59 239	0.31 314	0.26 319	0.40 346	0.27 310	0.33 307	0.26 272

NLCA_NET_v2_RVC	0.53 229	0.32 260	0.64 256	0.44 201	0.30 223	0.66 229	0.44 235	1.04 244	0.88 211	0.91 256	0.91 174	0.99 270	0.60 201	0.68 185	0.60 242	0.21 234	0.17 242	0.22 229	0.22 262	0.21 221	0.21 236
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
psm_up	0.55 240	0.26 212	0.47 155	0.49 270	0.32 252	0.65 226	0.56 294	1.04 244	0.82 178	0.82 200	0.88 165	1.01 276	0.94 323	0.74 212	0.61 243	0.21 234	0.25 313	0.26 282	0.23 273	0.21 221	0.20 223

STTStereo	0.55 240	0.37 285	0.76 301	0.44 201	0.31 240	0.60 198	0.44 235	0.96 215	0.86 198	0.99 288	0.90 172	0.96 264	0.58 191	0.71 196	0.61 243	0.25 276	0.23 298	0.26 282	0.32 334	0.24 256	0.23 256

CSP-Net	0.56 251	0.27 226	0.49 181	0.41 131	0.28 190	1.22 341	0.50 261	1.23 312	0.72 132	0.95 275	0.95 189	0.89 249	0.62 211	0.83 246	0.62 245	0.26 286	0.17 242	0.17 85	0.17 162	0.18 157	0.17 161

UNet	0.54 239	0.26 212	0.66 266	0.44 201	0.40 299	0.99 307	0.41 221	0.98 222	0.75 144	0.83 212	0.89 169	1.04 285	0.72 269	0.73 206	0.62 245	0.19 199	0.14 178	0.20 178	0.17 162	0.20 203	0.17 161

SGM-Forest	0.62 275	0.32 260	0.39 70	0.43 186	0.30 223	1.02 311	0.55 289	1.09 261	1.05 290	1.06 314	1.18 281	1.10 301	0.67 241	0.88 264	0.62 245	0.31 314	0.33 352	0.33 327	0.30 321	0.30 292	0.28 286
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
PSMNet-ADL	0.48 181	0.27 226	0.40 77	0.48 255	0.30 223	0.68 235	0.37 164	0.90 196	0.80 171	0.61 81	0.80 123	0.92 257	0.62 211	0.72 201	0.63 248	0.23 257	0.18 253	0.18 119	0.20 230	0.22 237	0.20 223

CBMV	0.64 277	0.35 277	0.41 81	0.42 168	0.25 112	1.01 309	0.77 340	1.13 272	1.09 308	1.17 331	1.22 287	1.04 285	0.75 274	0.88 264	0.63 248	0.28 299	0.30 333	0.34 329	0.30 321	0.26 268	0.26 272
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
SQANet	0.82 315	0.74 361	0.67 270	1.13 382	0.98 380	1.11 326	0.47 245	1.07 253	0.83 183	0.91 256	1.05 238	1.03 283	0.74 272	1.01 299	0.64 250	0.61 375	0.24 305	1.03 382	0.35 341	1.18 386	0.58 373

GEStereo_RVC	0.55 240	0.29 247	0.63 251	0.49 270	0.31 240	0.70 239	0.54 285	1.22 308	0.92 232	0.82 200	0.85 151	0.85 233	0.63 217	0.90 271	0.65 251	0.24 266	0.16 228	0.19 154	0.16 122	0.21 221	0.22 249

NVstereo2D	0.60 272	0.30 253	0.75 296	0.48 255	0.43 317	0.89 289	0.48 251	1.05 249	1.15 317	0.66 116	0.86 154	0.88 245	0.70 261	0.99 296	0.65 251	0.32 326	0.15 201	0.28 301	0.20 230	0.40 331	0.36 324

iRaft-Stereo_5w	0.45 158	0.21 101	0.48 171	0.42 168	0.28 190	0.31 53	0.54 285	0.63 60	0.62 88	0.62 82	0.89 169	1.01 276	0.69 251	0.75 216	0.66 253	0.13 12	0.12 98	0.17 85	0.15 94	0.14 45	0.15 106

GwcNet-RSSM	0.49 197	0.24 180	0.42 100	0.40 107	0.23 69	0.55 163	0.38 184	0.93 203	0.93 237	0.71 140	1.16 277	0.86 235	0.60 201	0.62 138	0.66 253	0.21 234	0.14 178	0.19 154	0.20 230	0.16 108	0.15 106

GANet	0.70 289	0.37 285	0.55 219	0.51 296	0.34 268	0.94 295	0.96 360	1.08 257	0.94 244	1.04 309	1.98 361	1.13 308	0.88 311	1.12 320	0.66 253	0.25 276	0.26 319	0.27 294	0.22 262	0.31 297	0.22 249

LMCR-Stereo	0.53 229	0.30 253	0.53 211	0.58 331	0.30 223	0.83 280	0.36 152	1.19 294	0.76 150	0.88 240	1.04 234	0.56 95	0.62 211	0.82 239	0.67 256	0.19 199	0.15 201	0.19 154	0.14 72	0.23 246	0.17 161

ACVNet	0.46 164	0.23 145	0.36 34	0.39 84	0.28 190	0.58 184	0.40 209	0.87 186	0.80 171	0.64 98	0.96 193	0.79 215	0.60 201	0.63 148	0.67 256	0.17 142	0.15 201	0.16 60	0.15 94	0.18 157	0.15 106

hitnet-ft	0.55 240	0.27 226	0.39 70	0.41 131	0.28 190	0.78 259	0.40 209	0.92 201	0.90 223	0.82 200	1.01 218	1.13 308	0.70 261	0.78 230	0.67 256	0.28 299	0.20 275	0.28 301	0.22 262	0.29 283	0.26 272

NaN_ROB	0.69 287	0.44 313	0.69 279	0.51 296	0.33 261	0.97 302	1.06 367	1.22 308	1.19 323	1.24 341	0.96 193	1.08 297	0.78 286	1.20 328	0.67 256	0.24 266	0.30 333	0.23 243	0.24 286	0.23 246	0.25 268

FADNet-RVC	0.60 272	0.53 339	1.14 340	0.46 241	0.39 294	0.61 199	0.39 203	1.12 271	0.87 207	0.70 134	0.84 143	1.04 285	0.55 178	0.94 293	0.69 260	0.26 286	0.25 313	0.28 301	0.28 315	0.31 297	0.31 305

CC-Net-ROB	0.82 315	0.96 377	0.85 311	0.58 331	0.45 328	1.27 346	0.70 330	1.17 289	1.02 276	0.83 212	1.23 291	0.90 253	0.77 281	1.06 309	0.69 260	0.46 359	0.34 354	1.71 388	0.38 346	0.59 371	0.36 324

DLCB_ROB	0.58 262	0.28 239	0.47 155	0.49 270	0.32 252	0.77 255	0.50 261	0.99 224	0.92 232	1.04 309	1.14 267	1.21 313	0.69 251	0.88 264	0.69 260	0.20 220	0.20 275	0.22 229	0.22 262	0.21 221	0.18 175

SDNR	0.86 323	0.37 285	1.47 371	0.40 107	0.38 289	3.38 400	0.33 110	0.90 196	0.98 257	0.99 288	2.09 365	0.59 122	0.71 265	1.29 340	0.70 263	0.51 367	0.56 382	0.36 334	0.26 305	0.43 341	0.46 357

FINET	0.67 282	0.42 307	1.00 328	0.46 241	0.43 317	0.83 280	0.89 354	1.08 257	1.50 358	0.87 232	1.14 267	0.71 176	0.68 247	0.92 281	0.70 263	0.36 345	0.30 333	0.26 282	0.24 286	0.35 318	0.33 313

ac_64	0.52 226	0.22 128	0.50 193	0.45 222	0.28 190	0.80 265	0.45 237	1.02 237	0.61 87	0.91 256	0.83 138	1.07 295	0.68 247	0.74 212	0.70 263	0.21 234	0.18 253	0.20 178	0.19 208	0.18 157	0.15 106

FADNet_RVC	0.55 240	0.37 285	1.17 346	0.44 201	0.31 240	0.56 178	0.34 117	1.06 252	0.88 211	0.67 117	0.90 172	0.61 131	0.65 233	0.93 286	0.70 263	0.21 234	0.18 253	0.26 282	0.23 273	0.31 297	0.28 286

CRFU-Net	0.57 256	0.27 226	0.57 228	0.46 241	0.30 223	1.20 340	0.52 278	1.10 262	0.56 81	1.00 293	0.98 208	1.06 290	0.79 288	0.81 237	0.71 267	0.21 234	0.19 267	0.18 119	0.16 122	0.18 157	0.19 203

UPFNet	0.53 229	0.24 180	0.51 200	0.45 222	0.38 289	0.84 283	0.49 257	0.99 224	0.75 144	0.87 232	0.88 165	0.86 235	0.64 227	0.80 234	0.71 267	0.20 220	0.20 275	0.20 178	0.20 230	0.19 190	0.15 106

DDUNet	1.06 348	2.56 412	0.68 273	1.21 384	1.26 388	1.03 314	0.69 325	1.11 267	0.94 244	0.96 276	1.22 287	1.27 318	0.82 296	0.93 286	0.72 269	0.84 383	0.38 361	1.99 392	0.60 378	1.10 385	0.85 383

ADLNet2	0.55 240	0.25 198	0.65 261	0.47 250	0.30 223	0.83 280	0.50 261	1.05 249	0.95 249	0.80 183	0.98 208	0.99 270	0.69 251	0.77 226	0.73 270	0.20 220	0.16 228	0.17 85	0.18 184	0.21 221	0.21 236

HGLStereo	0.56 251	0.28 239	0.57 228	0.50 284	0.37 281	0.80 265	0.45 237	1.02 237	0.78 163	0.86 225	1.14 267	0.89 249	0.82 296	0.76 219	0.73 270	0.21 234	0.20 275	0.19 154	0.18 184	0.19 190	0.21 236

MDST_ROB	0.91 332	0.27 226	0.85 311	0.63 345	0.41 306	2.53 384	0.71 334	1.60 372	1.13 314	2.83 394	1.73 348	0.97 266	0.69 251	1.61 362	0.73 270	0.25 276	0.22 288	0.32 322	0.28 315	0.25 264	0.24 262

delet	0.55 240	0.24 180	0.55 219	0.44 201	0.33 261	1.07 320	0.50 261	1.00 227	0.86 198	0.85 220	0.96 193	0.90 253	0.63 217	0.83 246	0.74 273	0.18 170	0.18 253	0.20 178	0.21 247	0.16 108	0.15 106

AANet_RVC	0.57 256	0.32 260	0.54 214	0.45 222	0.27 171	0.57 182	0.48 251	1.00 227	1.28 339	0.86 225	1.33 306	0.87 240	0.58 191	1.07 312	0.75 274	0.18 170	0.12 98	0.15 42	0.13 50	0.18 157	0.18 175

otaku	1.04 345	0.93 374	0.88 318	1.33 388	1.05 385	1.66 369	0.70 330	1.40 351	1.18 321	1.08 320	1.32 305	1.33 331	0.91 314	1.23 332	0.76 275	0.72 379	0.46 378	1.24 384	0.50 371	1.40 387	0.75 377

CBFPSM	0.59 269	0.22 128	1.31 358	0.38 65	0.27 171	1.12 329	0.65 313	0.79 161	0.82 178	0.80 183	0.81 130	1.35 337	0.87 308	0.67 177	0.76 275	0.16 110	0.15 201	0.15 42	0.16 122	0.17 139	0.22 249

MMNet	0.55 240	0.25 198	0.61 240	0.43 186	0.34 268	1.07 320	0.39 203	0.87 186	0.91 227	0.91 256	0.93 181	0.86 235	0.76 277	0.81 237	0.76 275	0.15 79	0.14 178	0.18 119	0.19 208	0.20 203	0.16 144

GANetREF_RVC	0.80 311	0.75 362	0.86 316	0.66 354	0.42 312	1.15 333	0.98 361	1.14 278	1.19 323	1.01 298	1.02 226	1.10 301	0.90 313	1.15 322	0.76 275	0.48 362	0.39 365	0.57 370	0.38 346	0.63 373	0.46 357
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
ACVNet-4b	1.35 368	1.31 388	1.10 335	1.90 396	1.59 391	1.92 376	0.77 340	1.52 368	1.62 368	1.05 311	1.60 341	2.11 372	0.94 323	1.64 366	0.77 279	1.30 394	0.35 356	2.03 396	0.67 381	1.88 396	0.84 382

AASNet	0.53 229	0.25 198	0.52 205	0.49 270	0.32 252	0.74 249	0.40 209	1.50 362	0.86 198	0.86 225	0.92 178	0.64 145	0.59 197	0.59 119	0.79 280	0.23 257	0.19 267	0.20 178	0.16 122	0.21 221	0.19 203

NCCL2	0.72 297	0.41 305	0.65 261	0.64 346	0.44 324	0.98 306	1.20 375	1.11 267	1.00 269	0.98 285	0.96 193	1.49 350	0.87 308	0.90 271	0.79 280	0.31 314	0.26 319	0.39 343	0.39 350	0.32 302	0.32 309

GASNet	0.67 282	0.72 359	0.96 324	0.70 364	0.48 336	0.62 206	0.47 245	1.08 257	1.03 281	0.94 268	0.82 133	0.93 259	0.83 300	1.33 344	0.80 282	0.31 314	0.22 288	0.29 309	0.28 315	0.44 342	0.24 262

Syn2CoEx	0.71 293	0.51 330	0.95 322	0.64 346	0.45 328	0.91 290	0.53 281	1.48 359	1.13 314	0.93 265	1.35 308	1.02 281	0.99 331	0.92 281	0.80 282	0.30 311	0.27 323	0.28 301	0.24 286	0.23 246	0.24 262

ETE_ROB	0.70 289	0.49 323	0.73 289	0.56 324	0.36 276	0.79 262	0.87 353	1.14 278	0.93 237	1.19 333	1.18 281	1.39 340	0.82 296	0.99 296	0.80 282	0.26 286	0.21 282	0.31 317	0.26 305	0.33 307	0.34 317

fast-acv-ft	0.64 277	0.30 253	0.73 289	0.45 222	0.34 268	1.17 336	0.49 257	0.86 179	0.98 257	1.02 300	1.36 309	1.29 321	0.85 303	0.76 219	0.81 285	0.21 234	0.23 298	0.23 243	0.23 273	0.21 221	0.20 223

ADLNet	0.55 240	0.27 226	0.51 200	0.44 201	0.35 274	0.78 259	0.46 240	1.08 257	0.86 198	0.99 288	0.98 208	0.92 257	0.63 217	0.69 188	0.81 285	0.22 252	0.16 228	0.22 229	0.22 262	0.21 221	0.21 236

DGSMNet	0.76 303	0.55 342	1.29 357	0.58 331	0.62 362	0.94 295	0.70 330	1.26 323	1.11 310	0.83 212	1.24 292	1.00 273	0.71 265	1.03 306	0.81 285	0.34 338	0.29 330	0.41 347	0.40 353	0.57 367	0.55 372

MSMD_ROB	1.21 361	0.49 323	0.62 243	0.59 334	0.50 339	1.62 368	0.67 316	1.23 312	1.24 331	2.45 388	3.77 394	3.09 388	2.98 400	1.32 343	0.81 285	0.45 358	0.41 368	0.49 363	0.51 373	0.47 351	0.44 352

Ntro	1.09 352	0.97 380	0.91 320	1.44 389	1.19 387	1.69 372	0.80 344	1.35 341	1.25 335	1.00 293	1.29 301	1.31 324	0.97 329	1.26 335	0.84 289	0.84 383	0.43 373	1.36 385	0.50 371	1.56 388	0.78 379

UDG	0.88 326	0.82 369	0.67 270	1.00 378	0.96 377	1.02 311	0.57 297	1.13 272	0.99 262	0.90 251	0.97 207	1.31 324	0.99 331	0.85 258	0.84 289	0.54 372	0.32 346	1.77 389	0.40 353	0.94 379	0.66 376

RP	0.76 303	0.36 282	0.63 251	0.66 354	0.58 359	0.80 265	0.55 289	1.14 278	1.22 328	0.97 281	1.65 342	1.43 344	1.32 359	1.01 299	0.84 289	0.33 332	0.30 333	0.36 334	0.30 321	0.34 314	0.34 317

stereogan	0.80 311	0.31 258	0.71 286	0.59 334	0.50 339	1.72 373	0.48 251	1.35 341	1.37 346	1.00 293	1.46 331	1.56 357	0.95 326	1.29 340	0.84 289	0.28 299	0.29 330	0.29 309	0.25 295	0.38 328	0.38 336

edge stereo	0.76 303	0.38 294	0.74 293	0.52 307	0.43 317	0.80 265	0.53 281	1.28 327	1.06 297	1.28 343	1.38 317	1.81 364	1.11 342	1.08 314	0.85 293	0.33 332	0.32 346	0.41 347	0.28 315	0.32 302	0.36 324

FAT-Stereo	0.73 299	0.33 268	0.75 296	0.49 270	0.37 281	0.71 244	0.59 300	1.36 344	1.30 341	1.03 308	1.40 318	1.59 360	1.15 345	0.87 261	0.86 294	0.28 299	0.28 325	0.28 301	0.23 273	0.28 280	0.38 336

RASNet	0.53 229	0.22 128	0.52 205	0.38 65	0.22 42	0.68 235	0.38 184	0.97 219	0.88 211	0.73 158	1.04 234	1.03 283	0.92 317	0.90 271	0.86 294	0.16 110	0.14 178	0.14 16	0.17 162	0.15 77	0.13 58

CSAN	0.83 321	0.49 323	0.77 305	0.60 339	0.41 306	1.14 331	1.06 367	1.19 294	1.46 356	1.32 345	1.43 324	1.37 338	1.19 351	1.27 338	0.86 294	0.39 351	0.31 343	0.36 334	0.37 343	0.35 318	0.34 317

LALA_ROB	0.74 300	0.43 309	0.69 279	0.54 318	0.40 299	1.01 309	0.95 359	1.21 300	1.07 303	1.22 338	1.12 259	1.56 357	0.79 288	1.04 308	0.86 294	0.33 332	0.22 288	0.35 331	0.30 321	0.35 318	0.31 305

acv_ft	0.51 217	0.23 145	0.56 225	0.44 201	0.28 190	0.86 287	0.39 203	0.91 200	0.80 171	0.97 281	0.96 193	0.79 215	0.59 197	0.63 148	0.87 298	0.17 142	0.15 201	0.16 60	0.15 94	0.17 139	0.15 106

Nwc_Net	0.78 307	0.38 294	0.73 289	0.60 339	0.55 350	1.05 319	0.55 289	1.67 377	1.05 290	0.88 240	1.86 357	1.40 342	1.09 340	1.10 317	0.87 298	0.30 311	0.25 313	0.36 334	0.38 346	0.29 283	0.29 292

STTRV1_RVC	0.82 315	0.59 347	1.16 341	0.67 357	0.81 370	1.11 326	0.63 309	1.30 331	1.11 310	0.98 285	1.33 306	1.08 297	0.95 326	1.26 335	0.87 298	0.55 373	0.25 313	0.43 349	0.39 350	0.58 370	0.40 341

DualNet	0.47 174	0.26 212	0.49 181	0.37 44	0.25 112	0.55 163	0.37 164	0.68 99	1.04 285	0.73 158	0.96 193	0.71 176	0.53 165	0.57 88	0.88 301	0.16 110	0.10 9	0.25 268	0.21 247	0.16 108	0.16 144

ff1	0.49 197	0.26 212	0.49 181	0.37 44	0.25 112	0.55 163	0.37 164	0.68 99	1.04 285	0.73 158	0.96 193	0.71 176	0.53 165	1.01 299	0.88 301	0.16 110	0.10 9	0.25 268	0.21 247	0.16 108	0.16 144

mmx	0.53 229	0.26 212	0.49 181	0.37 44	0.25 112	0.55 163	0.37 164	1.16 284	1.03 281	0.73 158	0.96 193	0.71 176	0.53 165	1.01 299	0.88 301	0.20 220	0.15 201	0.25 268	0.21 247	0.22 237	0.20 223

xxx	0.53 229	0.26 212	0.49 181	0.37 44	0.25 112	0.55 163	0.37 164	1.16 284	1.03 281	0.73 158	0.96 193	0.71 176	0.53 165	1.01 299	0.88 301	0.20 220	0.15 201	0.25 268	0.21 247	0.22 237	0.20 223

MFN_U_SF_DS_RVC	1.02 343	0.57 345	1.51 373	0.67 357	0.50 339	2.57 385	1.66 397	1.20 298	1.43 352	1.38 349	1.57 339	1.33 331	0.92 317	1.64 366	0.88 301	0.37 348	0.39 365	0.46 356	0.60 378	0.41 337	0.40 341

RGC	0.79 310	0.59 347	0.71 286	0.65 351	0.65 364	0.92 294	0.58 298	1.29 328	1.05 290	1.07 317	1.45 329	1.47 348	1.03 335	1.21 330	0.88 301	0.32 326	0.30 333	0.48 360	0.40 353	0.37 324	0.37 330

NCC-stereo	0.78 307	0.40 302	0.76 301	0.61 341	0.67 365	0.81 270	0.69 325	1.54 369	1.11 310	0.90 251	1.36 309	1.33 331	1.16 346	1.19 326	0.88 301	0.31 314	0.30 333	0.37 338	0.48 366	0.33 307	0.33 313

Abc-Net	0.78 307	0.40 302	0.76 301	0.61 341	0.67 365	0.81 270	0.69 325	1.54 369	1.11 310	0.90 251	1.36 309	1.33 331	1.16 346	1.19 326	0.88 301	0.31 314	0.30 333	0.37 338	0.48 366	0.33 307	0.33 313
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
PA-Net	0.67 282	0.43 309	0.83 309	0.50 284	0.53 346	0.94 295	0.68 321	1.10 262	1.14 316	0.80 183	0.88 165	0.87 240	0.77 281	1.02 304	0.88 301	0.24 266	0.41 368	0.29 309	0.44 360	0.26 268	0.34 317
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
StereoDRNet	0.64 277	0.33 268	0.68 273	0.51 296	0.43 317	1.03 314	0.53 281	1.47 358	0.99 262	1.10 324	0.87 158	1.07 295	0.71 265	0.82 239	0.88 301	0.23 257	0.19 267	0.25 268	0.23 273	0.27 278	0.19 203

pmcnn	1.23 362	0.29 247	0.96 324	0.40 107	0.23 69	0.95 298	0.69 325	1.16 284	1.28 339	1.67 365	2.33 367	11.15 416	0.86 305	0.93 286	0.88 301	0.15 79	0.12 98	0.12 2	0.10 10	0.15 77	0.15 106

Wz-Net-LNSev	0.71 293	0.51 330	1.36 366	0.50 284	0.41 306	1.15 333	0.69 325	1.21 300	1.07 303	1.02 300	1.12 259	1.08 297	0.87 308	0.89 269	0.89 312	0.24 266	0.22 288	0.21 217	0.19 208	0.26 268	0.26 272

StereoDRNet-Refined	0.58 262	0.32 260	0.54 214	0.46 241	0.30 223	0.96 301	0.40 209	1.00 227	0.94 244	1.12 326	1.08 250	0.96 264	0.67 241	0.90 271	0.89 312	0.17 142	0.13 152	0.22 229	0.21 247	0.20 203	0.19 203
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
XPNet_ROB	0.70 289	0.35 277	0.68 273	0.52 307	0.40 299	0.79 262	0.85 352	1.16 284	0.94 244	1.33 347	1.15 272	1.38 339	0.83 300	1.03 306	0.90 314	0.32 326	0.25 313	0.26 282	0.24 286	0.31 297	0.28 286

PWCDC_ROB	0.89 328	0.49 323	0.80 308	0.74 368	0.40 299	1.03 314	0.39 203	1.33 336	2.35 385	1.02 300	3.77 394	0.81 225	0.92 317	1.20 328	0.90 314	0.34 338	0.22 288	0.24 257	0.20 230	0.34 314	0.29 292

PSMNet_ROB	0.64 277	0.37 285	0.65 261	0.56 324	0.42 312	0.97 302	0.83 346	1.21 300	0.92 232	0.79 181	1.02 226	1.08 297	0.63 217	0.82 239	0.91 316	0.29 305	0.20 275	0.31 317	0.31 328	0.26 268	0.23 256

anonymity	0.97 337	0.89 372	1.05 331	0.92 374	1.03 383	0.97 302	0.81 345	1.29 328	0.91 227	1.07 317	0.98 208	1.00 273	0.95 326	1.02 304	0.92 317	0.96 386	0.95 404	0.90 379	0.91 392	0.92 378	0.94 386

ssnet_v2	0.58 262	0.28 239	0.56 225	0.43 186	0.29 213	0.95 298	0.59 300	1.13 272	0.99 262	0.93 265	0.80 123	0.99 270	0.64 227	0.82 239	0.94 318	0.25 276	0.22 288	0.23 243	0.24 286	0.20 203	0.19 203

GwcNet	0.69 287	0.36 282	1.10 335	0.51 296	0.42 312	1.08 324	0.50 261	1.21 300	1.16 318	1.00 293	1.37 312	1.06 290	0.79 288	0.92 281	0.94 318	0.25 276	0.24 305	0.24 257	0.22 262	0.23 246	0.26 272

DRN-Test	0.66 281	0.32 260	0.66 266	0.50 284	0.39 294	1.15 333	0.61 307	1.49 361	1.01 273	1.12 326	1.08 250	1.06 290	0.69 251	0.77 226	0.94 318	0.23 257	0.17 242	0.26 282	0.25 295	0.25 264	0.21 236

Wz-Net-LNSev-Ref	0.63 276	0.28 239	0.99 327	0.40 107	0.30 223	1.03 314	0.56 294	1.10 262	0.99 262	0.97 281	1.22 287	1.06 290	0.69 251	1.07 312	0.95 321	0.19 199	0.11 57	0.16 60	0.13 50	0.22 237	0.21 236

DeepPrunerF	0.89 328	0.52 336	3.43 394	0.68 361	0.81 370	0.72 247	0.72 335	1.22 308	1.99 377	0.93 265	1.01 218	0.87 240	0.86 305	1.08 314	0.95 321	0.34 338	0.28 325	0.43 349	0.39 350	0.30 292	0.32 309

G-Net	0.95 336	0.46 319	1.04 330	0.64 346	0.48 336	2.12 380	0.64 312	1.01 234	0.87 207	1.75 367	2.82 384	1.30 323	1.64 375	1.06 309	0.96 323	0.36 345	0.29 330	0.35 331	0.25 295	0.45 346	0.42 346

RainbowNet	1.35 368	1.49 392	1.19 348	1.88 395	1.45 389	1.48 359	1.07 369	1.61 373	1.55 362	1.20 336	1.59 340	1.54 355	1.13 343	1.34 346	0.97 324	1.36 397	0.70 386	1.82 390	0.79 386	1.71 390	1.07 394

psmorigin	0.82 315	0.51 330	2.09 384	0.49 270	0.41 306	0.85 284	0.50 261	1.04 244	0.88 211	1.45 351	1.43 324	1.50 351	1.06 337	1.22 331	0.97 324	0.31 314	0.32 346	0.27 294	0.27 310	0.33 307	0.42 346

PDISCO_ROB	0.91 332	0.48 320	1.06 332	0.99 376	0.97 378	1.67 371	0.63 309	1.64 375	1.59 364	1.06 314	1.18 281	1.31 324	0.79 288	1.55 357	0.97 324	0.49 364	0.22 288	0.45 353	0.40 353	0.45 346	0.37 330

FBW_ROB	0.88 326	0.50 327	0.85 311	0.55 321	0.40 299	1.17 336	0.78 342	1.50 362	1.37 346	1.33 347	1.27 296	1.48 349	1.00 333	2.57 393	0.98 327	0.25 276	0.32 346	0.45 353	0.30 321	0.34 314	0.28 286

AF-Net	0.81 314	0.39 298	0.68 273	0.64 346	0.54 348	0.91 290	0.51 275	1.61 373	1.31 342	0.96 276	2.02 362	1.46 345	1.26 357	1.11 319	0.99 328	0.32 326	0.24 305	0.39 343	0.27 310	0.30 292	0.25 268

MFMNet_re	1.14 354	0.97 380	1.19 348	0.99 376	0.95 376	1.25 345	1.22 378	1.39 348	1.55 362	1.69 366	1.67 346	1.21 313	1.53 367	1.12 320	0.99 328	0.87 385	0.75 393	0.79 377	0.75 384	0.90 377	0.94 386

WCMA_ROB	1.14 354	0.36 282	0.76 301	0.49 270	0.44 324	1.23 343	0.67 316	1.11 267	1.23 329	2.84 395	3.95 400	3.28 391	1.83 381	1.25 334	0.99 328	0.44 357	0.34 354	0.34 329	0.37 343	0.41 337	0.40 341

Wz-Net-MNSev	0.76 303	0.40 302	1.34 361	0.50 284	0.40 299	1.44 357	0.83 346	1.15 281	1.16 318	1.25 342	1.20 286	1.13 308	0.81 292	1.16 323	1.00 331	0.22 252	0.19 267	0.24 257	0.23 273	0.28 280	0.26 272

FCDSN-DC	1.39 371	0.56 343	0.65 261	0.74 368	0.59 360	1.38 351	0.63 309	1.35 341	1.39 349	3.26 402	4.50 405	4.61 397	2.63 395	1.58 361	1.03 332	0.46 359	0.42 370	0.48 360	0.47 364	0.50 355	0.50 367
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
PASM	0.90 331	0.64 355	1.69 375	0.69 363	0.69 368	0.78 259	0.84 349	1.03 241	1.26 338	1.19 333	1.15 272	1.31 324	0.98 330	1.24 333	1.03 332	0.52 368	0.56 382	0.59 373	0.66 380	0.56 365	0.54 371

DISCO	0.70 289	0.26 212	0.68 273	0.44 201	0.31 240	1.14 331	0.51 275	1.23 312	1.23 329	0.81 191	1.05 238	1.50 351	0.85 303	1.82 374	1.03 332	0.19 199	0.15 201	0.18 119	0.16 122	0.24 256	0.23 256

S-Stereo	0.74 300	0.35 277	0.96 324	0.56 324	0.45 328	0.82 278	0.60 302	1.24 319	1.60 367	0.96 276	1.41 320	1.12 305	0.94 323	0.80 234	1.04 335	0.26 286	0.31 343	0.28 301	0.25 295	0.32 302	0.47 361

DispFullNet	1.60 378	2.63 413	2.75 390	2.56 406	1.79 398	1.24 344	0.47 245	1.37 346	1.45 355	1.87 371	1.50 333	1.55 356	2.46 391	2.04 382	1.04 335	0.59 374	0.18 253	2.32 401	0.68 382	2.29 402	1.14 395

SANet	1.07 350	0.41 305	1.06 332	0.48 255	0.30 223	1.41 354	0.94 358	1.42 353	3.36 397	1.58 356	2.43 371	2.33 377	1.70 376	1.34 346	1.07 337	0.28 299	0.24 305	0.26 282	0.23 273	0.34 314	0.30 299

1111x	0.55 240	0.22 128	0.46 145	0.38 65	0.20 20	0.66 229	0.43 229	1.23 312	0.99 262	0.71 140	0.99 213	0.95 262	0.69 251	0.90 271	1.08 338	0.18 170	0.17 242	0.18 119	0.19 208	0.20 203	0.18 175

LSM	4.74 408	0.77 363	10.16 408	0.70 364	56.56 432	1.02 311	1.00 365	1.24 319	1.62 368	2.04 377	2.34 368	1.33 331	1.17 348	1.38 353	1.09 339	0.33 332	0.49 379	0.39 343	0.46 361	0.51 356	10.09 419

ACVNet_1	1.46 373	1.33 389	1.12 338	1.91 397	1.62 392	1.83 375	0.98 361	2.00 384	1.85 374	1.39 350	1.53 336	2.32 376	1.53 367	1.34 346	1.11 340	1.30 394	0.50 380	2.06 398	0.58 377	1.93 398	0.95 388

Consistency-Raft	1.01 340	0.81 366	1.24 353	0.84 371	0.97 378	0.81 270	0.84 349	1.30 331	1.59 364	1.05 311	1.68 347	1.12 305	0.91 314	0.92 281	1.11 340	0.65 376	0.74 389	0.79 377	0.90 389	1.06 384	0.79 381

FC-DCNN	1.59 377	0.51 330	0.66 266	0.61 341	0.49 338	1.56 364	0.70 330	1.66 376	1.53 360	4.64 409	4.62 406	5.85 406	3.34 403	1.84 375	1.11 340	0.46 359	0.42 370	0.47 357	0.46 361	0.48 352	0.46 357

ACVNet_2	1.65 381	1.27 387	1.41 369	1.75 392	1.62 392	2.22 381	1.20 375	2.30 388	2.62 387	1.78 369	2.56 374	3.03 385	1.61 372	1.54 356	1.12 343	1.06 390	0.58 384	1.82 390	0.70 383	1.82 392	0.96 389

aanetorigin	0.83 321	0.56 343	1.87 381	0.49 270	0.38 289	0.56 178	0.66 314	0.70 122	1.00 269	2.42 387	2.02 362	1.31 324	1.18 349	0.93 286	1.13 344	0.20 220	0.18 253	0.20 178	0.19 208	0.27 278	0.30 299

APVNet	0.71 293	0.37 285	0.89 319	0.56 324	0.45 328	1.18 338	0.68 321	1.41 352	0.85 193	0.81 191	1.15 272	1.04 285	0.81 292	1.10 317	1.17 345	0.26 286	0.28 325	0.32 322	0.31 328	0.29 283	0.30 299

MeshStereo	1.34 366	0.43 309	0.54 214	0.44 201	0.34 268	1.66 369	0.60 302	1.94 381	1.37 346	4.47 408	3.25 386	4.71 399	1.94 384	1.92 377	1.17 345	0.35 342	0.35 356	0.37 338	0.31 328	0.32 302	0.32 309
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
SGM_RVC	0.97 337	0.28 239	0.41 81	0.39 84	0.22 42	1.55 363	0.73 336	1.51 365	1.25 335	2.25 384	1.92 358	2.58 381	1.56 370	2.02 381	1.19 347	0.27 293	0.27 323	0.27 294	0.25 295	0.25 264	0.25 268
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
iinet-f	0.67 282	0.26 212	2.15 386	0.39 84	0.31 240	1.19 339	0.56 294	0.84 173	0.84 186	0.80 183	1.17 279	1.05 289	0.84 302	0.71 196	1.21 348	0.20 220	0.18 253	0.17 85	0.15 94	0.20 203	0.20 223

Anonymous Stereo	0.75 302	0.54 341	1.78 379	0.57 329	0.56 353	0.62 206	1.25 381	0.96 215	0.99 262	0.96 276	0.95 189	0.83 227	0.58 191	1.27 338	1.21 348	0.31 314	0.30 333	0.31 317	0.33 337	0.33 307	0.36 324

ccnet	0.82 315	0.57 345	0.75 296	0.54 318	0.59 360	1.09 325	0.66 314	1.38 347	0.94 244	1.12 326	1.44 326	1.29 321	0.92 317	0.95 295	1.24 350	0.49 364	0.42 370	0.50 365	0.47 364	0.51 356	0.46 357

DANet	0.71 293	0.45 317	0.91 320	0.59 334	0.40 299	0.81 270	0.40 209	0.97 219	0.84 186	1.20 336	1.22 287	1.33 331	0.88 311	1.16 323	1.24 350	0.27 293	0.23 298	0.31 317	0.25 295	0.35 318	0.32 309
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
DPSNet	0.99 339	0.42 307	1.88 382	0.53 312	0.41 306	1.59 366	1.26 382	2.21 387	1.43 352	1.10 324	1.11 257	1.46 345	1.95 385	1.34 346	1.26 352	0.34 338	0.25 313	0.25 268	0.21 247	0.46 349	0.37 330

SGM+DAISY	1.35 368	0.94 376	1.25 354	0.96 375	1.00 382	1.52 362	1.02 366	1.34 338	1.21 326	2.64 390	2.65 379	2.44 378	1.56 370	1.64 366	1.26 352	0.97 387	0.95 404	0.90 379	0.90 389	0.94 379	0.96 389

RYNet	0.72 297	0.35 277	0.64 256	0.53 312	0.67 365	1.31 348	0.67 316	1.20 298	1.18 321	1.05 311	0.87 158	1.27 318	0.93 322	0.93 286	1.27 354	0.22 252	0.16 228	0.26 282	0.23 273	0.40 331	0.39 338

NVStereoNet_ROB	1.24 363	0.90 373	1.13 339	0.86 372	0.88 372	1.11 326	0.99 363	1.42 353	1.53 360	1.59 358	2.48 372	2.24 374	1.53 367	1.96 380	1.30 355	0.76 381	0.70 386	0.78 376	1.00 394	0.71 375	0.88 384
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
SAMSARA	1.07 350	0.65 356	1.19 348	1.06 381	0.90 373	1.76 374	1.76 401	1.46 357	1.44 354	1.51 353	1.16 277	2.00 371	1.14 344	1.48 355	1.31 356	0.39 351	0.44 375	0.35 331	0.38 346	0.49 353	0.49 366

MSC_U_SF_DS_RVC	1.34 366	0.87 371	1.76 378	0.86 372	0.56 353	4.29 404	1.79 402	1.50 362	1.98 376	1.61 359	1.85 356	1.84 365	1.41 363	1.89 376	1.36 357	0.48 362	0.40 367	0.56 369	0.57 376	0.69 374	0.48 363

SPS-STEREO	1.25 364	0.93 374	1.06 332	1.04 380	1.03 383	1.41 354	0.91 357	1.51 365	1.19 323	2.09 379	1.83 354	1.94 369	1.39 362	1.62 363	1.39 358	0.97 387	0.94 403	0.90 379	0.89 388	0.96 381	0.96 389
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
PWC_ROB	0.87 324	0.52 336	1.28 355	0.50 284	0.32 252	0.91 290	0.37 164	1.36 344	1.46 356	1.61 359	2.59 377	1.16 312	1.01 334	1.34 346	1.40 359	0.25 276	0.18 253	0.28 301	0.20 230	0.29 283	0.28 286

Wz-Net-SNSev	0.91 332	0.73 360	2.13 385	0.56 324	0.45 328	0.95 298	1.13 372	1.34 338	1.24 331	1.02 300	1.30 302	1.46 345	0.86 305	1.81 373	1.50 360	0.25 276	0.23 298	0.25 268	0.26 305	0.32 302	0.29 292

SHD	0.93 335	0.50 327	1.18 347	0.59 334	0.46 335	0.97 302	0.48 251	1.70 378	2.15 379	1.58 356	1.37 312	1.42 343	1.19 351	1.31 342	1.60 361	0.31 314	0.26 319	0.32 322	0.33 337	0.40 331	0.42 346

Dean	1.98 386	1.36 390	1.36 366	2.12 399	1.81 399	2.74 387	1.36 388	3.37 401	3.80 401	2.08 378	3.32 390	3.21 390	1.82 379	1.71 370	1.67 362	1.27 391	0.77 395	1.99 392	0.90 389	1.86 393	1.03 393

Wz-Net-TNSev	1.14 354	1.06 383	4.32 400	0.49 270	0.42 312	1.51 361	1.11 371	1.48 359	1.40 351	1.22 338	1.26 295	1.58 359	1.43 365	1.76 371	1.70 363	0.32 326	0.31 343	0.26 282	0.30 321	0.41 337	0.41 345

MFN_U_SF_RVC	1.09 352	0.59 347	1.97 383	0.67 357	0.44 324	1.93 377	0.60 302	1.85 380	1.36 344	1.61 359	1.54 337	1.95 370	1.37 361	1.64 366	1.73 364	0.40 355	0.37 359	0.45 353	0.48 366	0.44 342	0.44 352

LVE	2.12 391	1.44 391	1.36 366	1.99 398	1.78 397	2.75 388	1.79 402	2.82 391	3.95 402	1.90 374	4.33 404	3.52 394	1.81 378	2.24 386	1.74 365	1.74 402	0.87 398	2.06 398	1.13 400	1.91 397	1.35 403

SuperB	1.04 345	0.37 285	4.81 401	0.43 186	0.31 240	0.99 307	0.46 240	1.02 237	2.09 378	1.09 322	1.09 254	0.75 201	0.81 292	1.06 309	1.76 366	0.19 199	0.15 201	0.17 85	0.15 94	2.82 409	0.26 272

XQC	0.89 328	0.65 356	1.31 358	0.67 357	0.52 345	1.22 341	0.68 321	1.26 323	1.52 359	1.14 329	1.11 257	1.28 320	1.04 336	1.40 354	1.77 367	0.38 349	0.24 305	0.37 338	0.31 328	0.53 361	0.47 361

IMH-64-1	1.86 382	1.62 397	1.16 341	2.20 400	1.89 400	2.33 382	1.30 383	2.89 392	2.29 382	1.66 363	2.80 382	2.49 379	1.61 372	2.10 383	1.78 368	1.60 398	0.74 389	2.43 402	1.02 395	2.12 399	1.17 398

IMH-64	1.86 382	1.62 397	1.16 341	2.20 400	1.89 400	2.33 382	1.30 383	2.89 392	2.29 382	1.66 363	2.80 382	2.49 379	1.61 372	2.10 383	1.78 368	1.60 398	0.74 389	2.43 402	1.02 395	2.12 399	1.17 398

IMH	2.04 389	1.62 397	1.20 351	2.20 400	1.89 400	2.91 397	1.30 383	3.11 395	3.03 393	1.81 370	3.35 392	3.03 385	1.90 382	2.48 390	1.80 370	1.66 401	0.77 395	2.45 404	1.04 398	2.15 401	1.19 401

KSHMR	2.57 393	1.93 403	1.69 375	2.63 408	2.42 407	2.86 394	2.07 405	3.27 399	6.50 406	2.49 389	3.36 393	3.41 393	1.92 383	2.49 391	1.94 371	2.13 407	1.40 409	2.79 411	1.50 407	2.73 407	1.77 406

PVD	1.28 365	0.67 358	1.28 355	0.74 368	0.62 362	1.50 360	0.84 349	1.99 383	2.96 391	2.18 382	2.36 370	1.85 367	1.95 385	1.92 377	1.94 371	0.39 351	0.36 358	0.49 363	0.37 343	0.51 356	0.64 374

WZ-Net	1.19 360	0.59 347	4.07 398	0.62 344	0.51 342	1.34 349	1.31 386	1.32 334	1.74 371	1.53 355	1.65 342	1.74 363	1.28 358	2.25 387	2.01 373	0.27 293	0.21 282	0.23 243	0.25 295	0.40 331	0.39 338

PWCK	1.92 385	1.66 400	3.12 392	1.65 390	0.91 374	2.84 392	2.26 407	2.10 385	2.41 386	2.36 386	2.31 366	2.22 373	1.82 379	3.43 397	2.03 374	1.61 400	0.71 388	1.51 386	0.82 387	1.69 389	0.91 385

ELAS_RVC	1.60 378	0.61 351	1.01 329	0.70 364	0.56 353	2.00 379	1.89 404	1.96 382	2.65 388	3.33 403	3.26 387	3.03 385	3.41 404	2.49 391	2.09 375	0.52 368	0.45 376	0.50 365	0.48 366	0.54 363	0.52 369
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
RTSC	0.87 324	0.48 320	1.23 352	0.52 307	0.37 281	1.13 330	0.50 261	1.34 338	1.79 372	1.51 353	1.24 292	1.12 305	0.81 292	1.62 363	2.16 376	0.25 276	0.19 267	0.23 243	0.24 286	0.30 292	0.31 305

WAO-7	1.90 384	1.20 385	1.35 362	1.27 386	1.06 386	2.84 392	1.56 396	3.23 397	3.06 395	2.23 383	3.33 391	3.17 389	2.28 390	3.12 394	2.21 377	1.02 389	0.91 399	1.06 383	1.03 397	1.04 383	0.97 392

EDNetEfficientorigin	9.93 413	1.15 384	175.16 436	0.48 255	0.36 276	1.04 318	0.68 321	1.24 319	2.69 389	3.17 401	2.50 373	2.30 375	2.07 388	1.76 371	2.21 377	0.20 220	0.18 253	0.24 257	0.19 208	0.51 356	0.50 367

WAO-6	2.04 389	1.50 393	1.16 341	1.70 391	1.67 396	2.69 386	1.44 393	3.06 394	3.63 400	1.98 376	3.27 388	3.54 395	2.07 388	2.36 388	2.22 379	1.31 396	0.91 399	2.04 397	1.22 404	1.73 391	1.27 402

WAO-8	2.92 396	1.55 395	1.35 362	1.79 393	1.63 394	5.23 406	1.22 378	4.58 408	12.56 413	2.84 395	4.07 402	4.83 400	2.72 397	3.49 398	2.25 380	1.27 391	0.91 399	1.99 392	1.15 402	1.86 393	1.15 396

Venus	2.92 396	1.55 395	1.35 362	1.79 393	1.63 394	5.23 406	1.22 378	4.58 408	12.56 413	2.84 395	4.06 401	4.83 400	2.72 397	3.49 398	2.25 380	1.27 391	0.91 399	1.99 392	1.15 402	1.86 393	1.15 396

ELAS	1.63 380	0.61 351	0.95 322	0.68 361	0.55 350	3.01 398	1.55 395	2.39 389	2.33 384	3.64 405	3.89 398	2.75 383	2.90 399	2.15 385	2.27 382	0.52 368	0.45 376	0.50 365	0.48 366	0.54 363	0.52 369
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ktn	2.98 398	2.25 407	1.73 377	2.84 409	2.53 410	3.76 403	2.15 406	3.70 403	5.47 405	2.75 392	5.17 409	5.94 407	2.48 392	3.23 395	2.46 383	2.34 411	1.44 410	2.78 410	2.03 410	2.45 405	2.01 409

TorneroNet-64	3.44 399	1.86 401	1.42 370	2.58 407	2.28 405	6.87 409	1.68 398	4.70 410	12.03 410	2.31 385	5.59 410	8.25 411	2.55 394	3.97 403	2.73 384	1.81 403	0.74 389	2.57 406	1.07 399	2.35 403	1.44 404

notaker	2.76 394	2.29 408	1.80 380	2.96 410	2.58 411	2.90 396	1.75 400	3.24 398	3.05 394	2.78 393	4.24 403	6.15 409	2.51 393	3.34 396	2.75 385	2.31 409	1.18 407	3.00 412	1.65 408	2.84 410	1.97 407

coex-ft	6.43 411	1.51 394	87.33 435	0.49 270	0.38 289	1.34 349	1.21 377	1.16 284	8.09 408	12.12 416	2.79 381	2.77 384	3.31 402	1.16 323	3.15 386	0.24 266	0.23 298	0.27 294	0.24 286	0.45 346	0.37 330

ADCRef	0.80 311	0.43 309	1.32 360	0.50 284	0.45 328	1.07 320	0.51 275	1.07 253	0.98 257	1.17 331	1.42 321	0.87 240	0.91 314	0.85 258	3.19 387	0.18 170	0.16 228	0.23 243	0.23 273	0.22 237	0.21 236

UNDER WATER-64	3.53 401	2.01 404	3.94 397	3.22 413	2.49 409	5.41 408	2.60 410	3.43 402	12.41 412	3.03 400	2.68 380	6.07 408	4.04 406	3.79 402	3.33 388	2.02 405	1.24 408	2.63 407	1.46 406	2.78 408	2.08 410

JetBlue	2.78 395	1.26 386	7.04 405	1.16 383	1.48 390	8.00 412	6.02 413	2.60 390	1.92 375	2.12 380	2.64 378	3.34 392	3.05 401	6.49 410	3.39 389	0.78 382	0.76 394	0.75 375	0.76 385	0.97 382	1.18 400

TorneroNet	4.53 407	1.89 402	1.48 372	2.55 405	2.27 404	13.78 417	1.69 399	4.84 412	23.73 427	2.89 398	7.70 413	7.06 410	2.69 396	4.26 405	3.42 390	1.84 404	0.77 395	2.68 408	1.13 400	2.42 404	1.47 405

ADCPNet	1.03 344	0.48 320	2.70 389	0.54 318	0.42 312	1.40 352	0.75 338	1.13 272	1.07 303	1.22 338	1.42 321	1.68 362	1.09 340	1.36 351	3.45 391	0.30 311	0.28 325	0.29 309	0.32 334	0.37 324	0.35 322

UNDER WATER	3.46 400	2.07 406	3.64 396	3.09 411	2.48 408	3.75 402	2.42 409	3.31 400	13.77 415	2.90 399	2.95 385	5.84 405	3.69 405	3.69 400	3.48 392	2.07 406	1.11 406	2.70 409	1.40 405	2.84 410	1.98 408

AnyNet_C01	1.56 376	1.05 382	7.45 406	0.64 346	0.54 348	1.99 378	1.38 389	1.43 355	1.36 344	1.63 362	1.92 358	1.84 365	1.33 360	2.40 389	4.03 393	0.33 332	0.32 346	0.32 322	0.34 339	0.44 342	0.45 356

RTS	1.98 386	0.96 377	11.36 410	0.65 351	0.57 357	2.77 390	1.40 390	1.39 348	2.26 380	1.89 372	2.56 374	1.32 329	1.25 355	5.20 406	4.05 394	0.31 314	0.22 288	0.29 309	0.29 319	0.40 331	0.37 330

RTSA	1.98 386	0.96 377	11.36 410	0.65 351	0.57 357	2.77 390	1.40 390	1.39 348	2.26 380	1.89 372	2.56 374	1.32 329	1.25 355	5.20 406	4.05 394	0.31 314	0.22 288	0.29 309	0.29 319	0.40 331	0.37 330

EDNetEfficient	1.46 373	0.80 365	6.12 403	0.47 250	0.39 294	0.69 237	0.83 346	0.90 196	2.77 390	3.50 404	1.96 360	1.66 361	2.03 387	1.26 335	4.18 396	0.21 234	0.18 253	0.21 217	0.20 230	0.41 337	0.39 338

MADNet+	2.23 392	2.43 409	10.85 409	1.22 385	0.91 374	2.76 389	1.40 390	2.12 386	1.67 370	1.32 345	1.74 350	1.86 368	1.74 377	6.25 409	4.41 397	0.65 376	0.64 385	0.58 372	0.54 375	0.80 376	0.76 378

AnyNet_C32	1.16 358	0.62 354	2.40 388	0.57 329	0.55 350	1.41 354	1.34 387	1.18 292	1.24 331	1.49 352	1.42 321	1.39 340	1.20 353	1.55 357	4.82 398	0.29 305	0.28 325	0.29 309	0.34 339	0.38 328	0.42 346

ADCL	1.04 345	0.38 294	1.35 362	0.50 284	0.39 294	1.61 367	0.89 354	1.29 328	1.39 349	1.29 344	1.50 333	1.24 316	1.24 354	1.37 352	4.87 399	0.21 234	0.19 267	0.25 268	0.25 295	0.29 283	0.27 279

ADCMid	1.14 354	0.52 336	2.23 387	0.53 312	0.43 317	1.07 320	0.75 338	1.23 312	1.05 290	2.15 381	1.44 326	1.50 351	1.43 365	1.56 359	5.01 400	0.26 286	0.24 305	0.29 309	0.31 328	0.37 324	0.33 313

DPSimNet_ROB	3.58 402	2.45 410	8.57 407	2.53 404	2.37 406	2.88 395	3.77 412	3.14 396	3.23 396	4.71 410	3.86 397	4.68 398	4.87 409	4.07 404	5.62 401	2.33 410	2.33 413	2.47 405	2.52 411	2.51 406	2.64 412

MADNet++	4.03 403	2.70 414	3.44 395	3.72 415	3.44 414	4.44 405	3.52 411	3.95 406	3.61 399	4.46 407	4.98 408	4.10 396	4.58 408	7.00 412	5.89 402	3.74 412	3.67 416	3.27 414	2.71 413	3.70 415	3.66 416

HanzoNet	6.76 412	2.45 410	4.22 399	3.19 412	2.94 413	3.62 401	2.28 408	4.79 411	7.20 407	14.00 420	13.19 418	17.49 420	22.30 424	13.25 418	6.19 403	4.20 415	1.93 412	3.10 413	2.56 412	3.35 413	2.88 414

MANE	4.13 405	0.51 330	0.64 256	0.66 354	0.56 353	6.89 410	0.99 363	7.55 413	12.04 411	6.68 413	8.57 414	10.69 415	9.45 412	7.59 413	6.39 404	0.49 364	0.43 373	0.48 360	0.98 393	0.49 353	0.48 363

SGM-ForestM	4.04 404	0.32 260	0.46 145	0.43 186	0.27 171	7.50 411	1.45 394	3.84 404	4.24 403	8.19 415	6.76 411	19.00 422	9.08 411	10.74 416	6.62 405	0.31 314	0.33 352	0.32 322	0.32 334	0.29 283	0.29 292

ADCP+	1.06 348	0.35 277	1.51 373	0.49 270	0.51 342	1.45 358	0.55 289	1.25 322	1.03 281	1.16 330	1.15 272	1.10 301	1.07 339	1.56 359	6.75 406	0.19 199	0.16 228	0.23 243	0.21 247	0.28 280	0.21 236

tt	6.20 410	0.20 70	5.89 402	3.55 414	2.07 403	11.26 415	19.21 416	11.74 418	5.46 404	2.69 391	2.04 364	4.87 403	6.25 410	3.70 401	7.09 407	8.32 419	11.17 424	4.93 415	5.41 418	5.74 417	2.37 411

ADCS	1.51 375	0.61 351	3.42 393	0.59 334	0.51 342	1.27 346	1.08 370	1.59 371	1.81 373	1.91 375	1.66 344	1.51 354	1.42 364	1.94 379	8.60 408	0.33 332	0.32 346	0.33 327	0.36 342	0.44 342	0.42 346

xxxx	1.01 340	0.22 128	0.43 109	0.36 37	0.21 29	0.82 278	0.36 152	1.32 334	0.88 211	0.71 140	0.94 182	0.97 266	0.63 217	0.64 155	10.58 409	0.20 220	0.16 228	0.18 119	0.17 162	0.19 190	0.19 203

test_xeample	1.01 340	0.21 101	0.42 100	0.35 29	0.21 29	0.71 244	0.39 203	1.23 312	0.86 198	0.81 191	1.04 234	0.69 170	0.61 206	0.69 188	10.93 410	0.19 199	0.15 201	0.18 119	0.17 162	0.18 157	0.17 161

JetRed	5.27 409	5.84 416	12.81 413	2.36 403	2.83 412	12.23 416	10.50 415	4.46 407	3.60 398	3.86 406	3.83 396	4.85 402	4.18 407	6.78 411	11.96 411	2.17 408	2.96 415	2.18 400	1.97 409	3.38 414	2.68 413

PML	40.80 436	29.24 426	11.87 412	7.20 418	14.47 417	92.13 436	213.69 437	7.63 414	23.35 426	74.72 437	190.14 437	50.17 437	26.15 426	21.39 422	12.70 412	8.76 420	2.92 414	8.45 420	3.25 414	13.26 420	4.42 417

222	1.18 359	0.22 128	0.44 119	0.37 44	0.22 42	0.79 262	0.37 164	1.31 333	0.89 221	0.92 264	1.08 250	0.72 186	0.71 265	0.66 167	13.89 413	0.20 220	0.15 201	0.17 85	0.16 122	0.18 157	0.19 203

LE_ROB	4.42 406	0.24 180	2.75 390	0.42 168	0.23 69	1.57 365	0.90 356	1.71 379	17.88 422	16.56 424	4.88 407	5.17 404	18.85 423	1.63 365	14.62 414	0.17 142	0.14 178	0.16 60	0.16 122	0.19 190	0.17 161

LRCNet_RVC	21.24 421	31.15 427	21.41 417	28.98 425	23.82 423	3.13 399	0.60 302	20.96 425	1.59 364	25.58 425	28.15 427	21.99 425	14.79 414	21.94 426	16.41 415	28.89 434	14.87 425	33.53 430	31.28 430	29.51 432	26.16 430

BEATNet-Init1	15.13 417	0.82 369	50.86 434	0.72 367	0.53 346	38.10 428	7.03 414	11.83 419	14.25 416	29.78 433	30.17 432	48.21 436	22.64 425	26.78 427	18.11 416	0.42 356	0.38 361	0.47 357	0.46 361	0.51 356	0.48 363

ASD4	9.96 414	8.86 419	17.78 414	7.17 417	9.80 416	16.08 418	28.92 420	9.77 417	8.20 409	7.02 414	7.08 412	8.47 412	9.57 413	11.17 417	20.26 417	4.12 414	4.14 418	5.57 418	4.74 416	5.53 416	4.90 418

AAGNet	1.43 372	0.20 70	0.48 171	0.44 201	0.25 112	0.29 36	0.31 85	0.65 71	0.68 116	0.97 281	0.86 154	0.67 165	0.62 211	0.64 155	20.63 418	0.16 110	0.11 57	0.19 154	0.15 94	0.19 190	0.12 33

DPSMNet_ROB	12.08 416	8.00 417	21.00 416	8.97 420	16.79 419	10.67 413	30.89 422	9.02 416	15.17 418	6.51 412	15.41 422	9.04 413	14.85 415	9.27 415	21.67 419	4.58 417	8.57 419	5.09 417	9.29 420	5.90 418	10.95 420

DGTPSM_ROB	12.07 415	8.00 417	20.99 415	8.93 419	16.78 418	10.67 413	30.87 421	9.01 415	15.16 417	6.50 411	15.41 422	9.04 413	14.85 415	9.25 414	21.67 419	4.57 416	8.57 419	5.08 416	9.28 419	5.90 418	10.95 420

Anonymous_1	33.25 424	18.26 420	23.92 418	20.54 421	21.28 422	25.59 420	35.94 423	22.01 428	15.57 419	13.33 417	13.49 419	18.08 421	15.29 417	20.36 419	24.60 421	16.28 427	8.84 421	66.59 434	118.00 434	155.73 437	11.23 422

DPSM_ROB	17.78 418	18.63 421	24.31 422	20.90 422	19.47 420	25.97 421	36.21 424	21.23 426	16.24 420	13.38 418	14.06 420	19.18 423	16.30 418	20.78 420	25.67 422	9.38 421	9.23 422	9.49 421	9.82 421	13.51 421	11.91 423

DPSM	17.78 418	18.63 421	24.31 422	20.90 422	19.47 420	25.97 421	36.21 424	21.23 426	16.24 420	13.38 418	14.06 420	19.18 423	16.30 418	20.78 420	25.67 422	9.38 421	9.23 422	9.49 421	9.82 421	13.51 421	11.91 423

xxxxx1	36.64 430	19.51 423	24.21 419	61.66 434	64.63 434	27.28 424	40.10 426	20.25 421	18.63 423	14.07 421	12.97 415	17.26 417	17.36 420	21.70 423	27.93 424	13.18 424	18.50 427	111.26 435	133.37 435	29.24 429	39.73 432

tt_ll	36.64 430	19.51 423	24.21 419	61.66 434	64.63 434	27.28 424	40.10 426	20.25 421	18.63 423	14.07 421	12.97 415	17.26 417	17.36 420	21.70 423	27.93 424	13.18 424	18.50 427	111.26 435	133.37 435	29.24 429	39.73 432

ff	36.64 430	19.51 423	24.21 419	61.66 434	64.63 434	27.28 424	40.10 426	20.25 421	18.63 423	14.07 421	12.97 415	17.26 417	17.36 420	21.70 423	27.93 424	13.18 424	18.50 427	111.26 435	133.37 435	29.24 429	39.73 432

HaxPig	31.96 423	37.24 429	34.27 424	24.37 424	24.88 424	18.26 419	19.86 417	20.64 424	28.52 428	35.97 434	38.75 433	25.57 426	28.72 427	33.88 428	34.39 427	35.94 435	38.87 435	37.80 431	40.48 431	39.68 433	41.15 435

MEDIAN_ROB	37.38 433	40.85 437	40.60 427	32.31 426	31.85 425	27.20 423	24.55 418	29.10 429	33.19 435	42.09 436	41.76 435	33.35 427	34.39 435	39.78 430	37.07 428	43.64 437	44.10 437	44.12 433	43.40 433	41.51 435	42.76 437

AVERAGE_ROB	37.58 434	40.13 436	40.15 426	34.81 427	33.82 426	28.55 427	25.10 419	32.02 430	34.06 437	41.28 435	40.66 434	34.46 428	34.81 436	39.18 429	37.57 429	42.78 436	43.44 436	43.82 432	43.03 432	40.47 434	41.51 436

SPstereo	24.26 422	4.19 415	6.66 404	4.29 416	3.79 415	45.68 429	78.09 435	63.52 437	33.36 436	27.50 432	26.65 424	39.53 435	33.55 434	42.77 437	51.02 430	3.90 413	3.72 417	5.95 419	4.66 415	3.15 412	3.30 415

Selective-RAFT-Error	35.84 429	37.49 431	48.83 433	42.26 432	39.24 431	52.30 434	73.09 430	42.66 435	32.61 429	26.80 427	28.30 428	38.84 434	33.51 433	41.68 435	51.59 431	18.82 432	18.58 431	19.17 428	19.80 426	27.28 427	24.05 429

MyStereo03	35.77 426	37.55 432	48.75 430	42.19 428	39.18 427	52.27 431	73.13 432	42.32 431	32.61 429	27.03 429	28.40 429	38.50 429	32.89 429	41.62 431	51.63 432	18.78 429	18.59 432	19.11 423	19.80 426	27.18 423	23.95 425

MyStereo02	35.77 426	37.55 432	48.75 430	42.19 428	39.18 427	52.27 431	73.13 432	42.32 431	32.61 429	27.03 429	28.40 429	38.50 429	32.89 429	41.62 431	51.63 432	18.78 429	18.59 432	19.11 423	19.80 426	27.18 423	23.95 425

MyStereo	35.77 426	37.55 432	48.75 430	42.19 428	39.18 427	52.27 431	73.13 432	42.32 431	32.61 429	27.03 429	28.40 429	38.50 429	32.89 429	41.62 431	51.63 432	18.78 429	18.59 432	19.11 423	19.80 426	27.18 423	23.95 425

CasAABBNet	35.74 425	37.43 430	48.72 429	42.22 431	39.20 430	52.24 430	73.12 431	42.61 434	32.62 433	26.78 426	27.95 425	38.58 432	32.60 428	41.67 434	51.65 435	18.74 428	18.57 430	19.15 427	19.77 425	27.20 426	23.98 428

LSM0	38.95 435	37.60 435	48.58 428	43.57 433	91.06 437	52.57 435	72.57 429	43.17 436	32.63 434	26.97 428	27.97 426	38.65 433	32.94 432	41.86 436	51.78 436	18.89 433	18.41 426	19.13 426	19.63 424	27.29 428	33.77 431

test_example2	176.61 437	205.14 438	198.86 437	188.60 438	190.98 438	152.67 437	170.61 436	94.86 438	123.55 438	178.88 438	179.48 436	158.94 438	141.34 437	192.61 438	198.96 437	203.76 438	236.37 438	164.13 438	173.55 438	218.58 438	160.41 438

FADE		2.05 405		1.03 379	0.99 381			3.91 405	3.00 392	1.76 368		2.73 382		5.95 408		11.57 423	1.70 411	23.09 429	15.86 423	0.62 372	0.65 375

Low-res two-view benchmark