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

ACVNet-DCA	0.18 53	0.14 164	0.38 127	0.23 171	0.11 42	0.31 219	0.19 123	0.41 163	0.27 74	0.17 28	0.19 25	0.13 11	0.18 108	0.28 120	0.11 1	0.08 99	0.05 6	0.08 65	0.06 23	0.09 142	0.09 161

xx1	0.20 102	0.14 164	0.38 127	0.23 171	0.11 42	0.31 219	0.19 123	0.35 104	0.47 271	0.17 28	0.19 25	0.28 153	0.24 169	0.28 120	0.11 1	0.08 99	0.05 6	0.10 182	0.09 183	0.09 142	0.09 161

cc1	0.18 53	0.14 164	0.38 127	0.23 171	0.11 42	0.31 219	0.19 123	0.35 104	0.47 271	0.17 28	0.19 25	0.13 11	0.18 108	0.28 120	0.11 1	0.08 99	0.05 6	0.08 65	0.06 23	0.08 81	0.08 111

ffm	0.22 142	0.12 81	0.42 172	0.20 57	0.13 131	0.28 172	0.20 161	0.35 104	0.44 240	0.30 151	0.42 218	0.34 199	0.23 154	0.27 108	0.11 1	0.08 99	0.05 6	0.11 229	0.10 215	0.08 81	0.08 111

tt1	0.18 53	0.14 164	0.35 86	0.23 171	0.11 42	0.30 208	0.19 123	0.35 104	0.44 240	0.17 28	0.19 25	0.13 11	0.16 63	0.27 108	0.11 1	0.08 99	0.05 6	0.08 65	0.06 23	0.08 81	0.08 111

ff7	0.14 6	0.12 81	0.27 21	0.19 26	0.12 77	0.21 73	0.18 86	0.27 21	0.20 16	0.15 11	0.13 6	0.12 3	0.12 14	0.24 57	0.12 6	0.07 16	0.05 6	0.08 65	0.07 50	0.07 37	0.07 65

ffff	0.14 6	0.12 81	0.27 21	0.19 26	0.12 77	0.21 73	0.18 86	0.27 21	0.20 16	0.15 11	0.13 6	0.12 3	0.12 14	0.24 57	0.12 6	0.07 16	0.05 6	0.08 65	0.07 50	0.07 37	0.07 65

11t	0.14 6	0.12 81	0.27 21	0.19 26	0.12 77	0.21 73	0.18 86	0.27 21	0.20 16	0.15 11	0.13 6	0.12 3	0.12 14	0.24 57	0.12 6	0.07 16	0.05 6	0.08 65	0.07 50	0.07 37	0.07 65

AEACV	0.13 2	0.09 9	0.23 8	0.18 8	0.19 281	0.19 34	0.16 38	0.23 6	0.14 1	0.13 2	0.17 19	0.13 11	0.16 63	0.16 7	0.12 6	0.07 16	0.05 6	0.07 14	0.08 109	0.07 37	0.06 18

Any-RAFT	0.17 36	0.08 2	0.31 54	0.19 26	0.10 20	0.29 191	0.16 38	0.42 175	0.30 114	0.24 70	0.27 75	0.27 138	0.16 63	0.21 39	0.12 6	0.08 99	0.05 6	0.06 1	0.05 9	0.07 37	0.06 18

HH	0.18 53	0.12 81	0.55 256	0.22 129	0.12 77	0.18 13	0.18 86	0.34 87	0.19 7	0.20 41	0.24 59	0.34 199	0.18 108	0.29 133	0.12 6	0.07 16	0.05 6	0.07 14	0.07 50	0.07 37	0.06 18

HanStereo	0.18 53	0.12 81	0.55 256	0.22 129	0.12 77	0.18 13	0.18 86	0.34 87	0.19 7	0.20 41	0.24 59	0.34 199	0.18 108	0.29 133	0.12 6	0.07 16	0.05 6	0.07 14	0.07 50	0.07 37	0.06 18

anonymousdsp	0.14 6	0.12 81	0.27 21	0.19 26	0.12 77	0.21 73	0.18 86	0.28 33	0.20 16	0.15 11	0.13 6	0.12 3	0.12 14	0.24 57	0.12 6	0.07 16	0.05 6	0.08 65	0.07 50	0.08 81	0.07 65

CES	0.14 6	0.08 2	0.19 1	0.17 5	0.22 318	0.18 13	0.16 38	0.23 6	0.19 7	0.14 8	0.17 19	0.14 21	0.10 4	0.18 19	0.12 6	0.07 16	0.05 6	0.06 1	0.04 1	0.08 81	0.18 320

Selective-IGEV	0.12 1	0.09 9	0.22 6	0.19 26	0.10 20	0.15 4	0.14 13	0.27 21	0.15 2	0.13 2	0.14 14	0.13 11	0.08 1	0.21 39	0.12 6	0.06 1	0.05 6	0.07 14	0.06 23	0.06 6	0.05 1

ProNet	0.14 6	0.12 81	0.25 13	0.19 26	0.11 42	0.19 34	0.19 123	0.27 21	0.20 16	0.14 8	0.13 6	0.13 11	0.12 14	0.24 57	0.12 6	0.06 1	0.05 6	0.07 14	0.06 23	0.07 37	0.07 65

ccc-4	0.14 6	0.12 81	0.27 21	0.19 26	0.12 77	0.21 73	0.18 86	0.27 21	0.20 16	0.15 11	0.13 6	0.12 3	0.12 14	0.24 57	0.12 6	0.07 16	0.05 6	0.08 65	0.07 50	0.07 37	0.07 65

IGEV-Stereo	0.14 6	0.12 81	0.27 21	0.19 26	0.12 77	0.21 73	0.18 86	0.28 33	0.20 16	0.15 11	0.13 6	0.12 3	0.12 14	0.24 57	0.12 6	0.07 16	0.05 6	0.08 65	0.07 50	0.08 81	0.07 65
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
GMOStereo	0.18 53	0.14 164	0.30 42	0.22 129	0.12 77	0.20 55	0.27 272	0.26 14	0.28 87	0.31 168	0.32 116	0.26 130	0.17 86	0.15 3	0.12 6	0.07 16	0.07 158	0.10 182	0.08 109	0.08 81	0.05 1

error version	0.18 53	0.14 164	0.30 42	0.22 129	0.12 77	0.20 55	0.27 272	0.26 14	0.28 87	0.31 168	0.32 116	0.26 130	0.17 86	0.15 3	0.12 6	0.07 16	0.07 158	0.10 182	0.08 109	0.08 81	0.05 1

test-v	0.18 53	0.14 164	0.30 42	0.22 129	0.12 77	0.20 55	0.27 272	0.26 14	0.28 87	0.31 168	0.32 116	0.26 130	0.17 86	0.15 3	0.12 6	0.07 16	0.07 158	0.10 182	0.08 109	0.08 81	0.05 1

test-2	0.18 53	0.14 164	0.30 42	0.22 129	0.12 77	0.20 55	0.27 272	0.26 14	0.28 87	0.31 168	0.32 116	0.26 130	0.17 86	0.15 3	0.12 6	0.07 16	0.07 158	0.10 182	0.08 109	0.08 81	0.05 1

XX-Stereo	0.21 116	0.10 24	0.83 331	0.26 273	0.17 244	0.23 110	0.13 3	0.40 153	0.18 5	0.20 41	0.41 204	0.31 178	0.10 4	0.32 156	0.12 6	0.08 99	0.06 72	0.08 65	0.08 109	0.07 37	0.05 1

MyStereo07	0.16 28	0.12 81	0.26 16	0.22 129	0.14 164	0.25 135	0.23 220	0.29 40	0.21 26	0.15 11	0.13 6	0.12 3	0.13 32	0.25 80	0.13 24	0.07 16	0.07 158	0.09 120	0.08 109	0.08 81	0.08 111

MSKI-zero shot	0.17 36	0.09 9	0.43 182	0.20 57	0.11 42	0.21 73	0.15 26	0.32 67	0.21 26	0.23 57	0.24 59	0.23 93	0.10 4	0.31 150	0.13 24	0.07 16	0.06 72	0.07 14	0.06 23	0.06 6	0.06 18

CASnet	0.14 6	0.12 81	0.22 6	0.22 129	0.08 2	0.16 6	0.15 26	0.27 21	0.25 58	0.22 54	0.20 35	0.15 27	0.11 8	0.17 11	0.13 24	0.07 16	0.05 6	0.11 229	0.09 183	0.08 81	0.05 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
LoS_RVC	0.13 2	0.10 24	0.19 1	0.18 8	0.16 228	0.20 55	0.18 86	0.20 2	0.17 3	0.13 2	0.19 25	0.12 3	0.15 49	0.17 11	0.13 24	0.06 1	0.05 6	0.06 1	0.04 1	0.05 1	0.12 253

CAS	0.15 21	0.07 1	0.21 4	0.41 366	0.16 228	0.20 55	0.18 86	0.22 3	0.19 7	0.15 11	0.19 25	0.11 2	0.09 2	0.14 1	0.13 24	0.29 370	0.04 1	0.06 1	0.04 1	0.06 6	0.14 282

EGLCR-Stereo	0.13 2	0.08 2	0.20 3	0.18 8	0.09 7	0.21 73	0.13 3	0.27 21	0.21 26	0.13 2	0.10 1	0.15 27	0.09 2	0.20 28	0.13 24	0.07 16	0.05 6	0.07 14	0.07 50	0.06 6	0.06 18

MC-Stereo	0.14 6	0.09 9	0.25 13	0.21 86	0.09 7	0.18 13	0.16 38	0.23 6	0.19 7	0.18 39	0.23 49	0.16 34	0.13 32	0.22 44	0.13 24	0.07 16	0.05 6	0.07 14	0.07 50	0.06 6	0.05 1

RAFT_CTSACE	0.21 116	0.16 207	0.41 165	0.25 245	0.15 205	0.22 93	0.24 242	0.32 67	0.28 87	0.33 195	0.51 283	0.29 160	0.17 86	0.32 156	0.13 24	0.06 1	0.07 158	0.09 120	0.08 109	0.08 81	0.06 18

TRStereo	0.19 89	0.17 223	0.47 211	0.23 171	0.19 281	0.19 34	0.16 38	0.52 261	0.28 87	0.20 41	0.19 25	0.21 67	0.13 32	0.24 57	0.13 24	0.09 164	0.06 72	0.09 120	0.11 248	0.06 6	0.06 18

CroCo-Stereo	0.14 6	0.13 136	0.24 10	0.25 245	0.11 42	0.11 1	0.18 86	0.32 67	0.23 44	0.12 1	0.12 2	0.18 46	0.12 14	0.14 1	0.13 24	0.08 99	0.06 72	0.07 14	0.05 9	0.07 37	0.06 18
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
TANstereo	0.15 21	0.09 9	0.28 29	0.16 3	0.08 2	0.25 135	0.14 13	0.23 6	0.28 87	0.24 70	0.30 99	0.16 34	0.12 14	0.17 11	0.13 24	0.08 99	0.07 158	0.06 1	0.05 9	0.06 6	0.07 65

XX-TBD	0.15 21	0.18 235	0.28 29	0.22 129	0.10 20	0.22 93	0.15 26	0.22 3	0.27 74	0.22 54	0.26 70	0.14 21	0.12 14	0.16 7	0.13 24	0.08 99	0.05 6	0.06 1	0.04 1	0.07 37	0.06 18

CFNet-RSSM	0.17 36	0.10 24	0.40 143	0.20 57	0.11 42	0.20 55	0.15 26	0.36 123	0.30 114	0.23 57	0.21 43	0.26 130	0.15 49	0.20 28	0.13 24	0.07 16	0.05 6	0.07 14	0.07 50	0.06 6	0.05 1

Gwc-CoAtRS	0.17 36	0.10 24	0.37 108	0.20 57	0.12 77	0.19 34	0.15 26	0.32 67	0.28 87	0.23 57	0.23 49	0.27 138	0.15 49	0.20 28	0.13 24	0.07 16	0.05 6	0.07 14	0.07 50	0.06 6	0.06 18

CREStereo	0.13 2	0.08 2	0.21 4	0.14 1	0.08 2	0.22 93	0.15 26	0.25 11	0.24 54	0.16 24	0.21 43	0.14 21	0.13 32	0.18 19	0.13 24	0.09 164	0.05 6	0.06 1	0.04 1	0.07 37	0.06 18
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
PMTNet	0.15 21	0.08 2	0.23 8	0.15 2	0.09 7	0.23 110	0.16 38	0.25 11	0.23 44	0.17 28	0.21 43	0.16 34	0.14 42	0.22 44	0.13 24	0.29 370	0.05 6	0.06 1	0.04 1	0.07 37	0.06 18

AE-Stereo	0.17 36	0.11 63	0.31 54	0.24 208	0.14 164	0.23 110	0.18 86	0.34 87	0.29 105	0.15 11	0.25 64	0.21 67	0.13 32	0.20 28	0.14 40	0.07 16	0.08 223	0.09 120	0.10 215	0.07 37	0.06 18

IGEVStereo-DCA	0.14 6	0.11 63	0.27 21	0.19 26	0.12 77	0.20 55	0.18 86	0.27 21	0.20 16	0.15 11	0.12 2	0.14 21	0.12 14	0.28 120	0.14 40	0.07 16	0.06 72	0.08 65	0.07 50	0.07 37	0.07 65

rrr	0.17 36	0.11 63	0.57 264	0.19 26	0.12 77	0.20 55	0.18 86	0.35 104	0.22 33	0.15 11	0.12 2	0.14 21	0.12 14	0.28 120	0.14 40	0.07 16	0.06 72	0.08 65	0.07 50	0.07 37	0.07 65

RAFT-Test	0.17 36	0.10 24	0.38 127	0.19 26	0.12 77	0.25 135	0.17 59	0.33 81	0.23 44	0.23 57	0.29 88	0.27 138	0.14 42	0.20 28	0.14 40	0.07 16	0.06 72	0.07 14	0.07 50	0.06 6	0.06 18

4D-IteraStereo	0.17 36	0.16 207	0.50 235	0.21 86	0.14 164	0.19 34	0.17 59	0.28 33	0.28 87	0.23 57	0.20 35	0.20 59	0.11 8	0.19 25	0.14 40	0.06 1	0.04 1	0.10 182	0.08 109	0.08 81	0.06 18

LoS	0.14 6	0.08 2	0.27 21	0.16 3	0.09 7	0.22 93	0.14 13	0.26 14	0.26 65	0.15 11	0.18 22	0.18 46	0.13 32	0.22 44	0.14 40	0.08 99	0.06 72	0.06 1	0.04 1	0.06 6	0.06 18

RCA-Stereo	0.16 28	0.09 9	0.25 13	0.20 57	0.10 20	0.19 34	0.17 59	0.36 123	0.35 156	0.20 41	0.25 64	0.17 39	0.17 86	0.18 19	0.14 40	0.07 16	0.05 6	0.07 14	0.06 23	0.06 6	0.05 1

CroCo-Stereo Lap2	0.15 21	0.15 189	0.28 29	0.25 245	0.18 263	0.11 1	0.19 123	0.28 33	0.21 26	0.13 2	0.16 16	0.15 27	0.12 14	0.17 11	0.14 40	0.07 16	0.07 158	0.08 65	0.06 23	0.08 81	0.07 65

AnonymousM	0.17 36	0.19 250	0.24 10	0.18 8	0.10 20	0.18 13	0.17 59	0.30 54	0.23 44	0.26 85	0.20 35	0.18 46	0.14 42	0.19 25	0.14 40	0.09 164	0.06 72	0.38 373	0.15 317	0.06 6	0.05 1

sAnonymous2	0.20 102	0.21 271	0.58 268	0.24 208	0.17 244	0.22 93	0.19 123	0.34 87	0.28 87	0.17 28	0.19 25	0.17 39	0.16 63	0.17 11	0.14 40	0.10 206	0.07 158	0.09 120	0.08 109	0.23 346	0.17 306

CroCo_RVC	0.20 102	0.21 271	0.58 268	0.24 208	0.17 244	0.22 93	0.19 123	0.34 87	0.28 87	0.17 28	0.19 25	0.17 39	0.16 63	0.17 11	0.14 40	0.10 206	0.07 158	0.09 120	0.08 109	0.23 346	0.17 306

DLNR_Zeroshot_test	10.44 418	12.10 426	19.93 426	106.08 438	23.66 435	0.14 3	0.13 3	3.22 414	0.17 3	0.16 24	0.23 49	0.16 34	0.10 4	0.31 150	0.15 51	2.36 413	0.06 72	0.07 14	0.07 50	39.70 436	0.06 18

LL-Strereo2	0.18 53	0.18 235	0.39 138	0.22 129	0.12 77	0.24 125	0.13 3	0.31 59	0.23 44	0.24 70	0.20 35	0.24 104	0.12 14	0.26 93	0.15 51	0.06 1	0.06 72	0.12 262	0.09 183	0.08 81	0.07 65

anonymousdsp2	0.17 36	0.10 24	0.28 29	0.20 57	0.11 42	0.25 135	0.17 59	0.41 163	0.31 124	0.23 57	0.23 49	0.22 74	0.15 49	0.25 80	0.15 51	0.07 16	0.05 6	0.07 14	0.05 9	0.08 81	0.07 65

DCRE	0.20 102	0.13 136	0.40 143	0.21 86	0.15 205	0.20 55	0.19 123	0.30 54	0.27 74	0.22 54	0.80 356	0.23 93	0.16 63	0.23 51	0.15 51	0.07 16	0.07 158	0.07 14	0.08 109	0.07 37	0.06 18

raft_robust	0.22 142	0.17 223	0.30 42	0.22 129	0.12 77	0.23 110	0.22 200	0.49 230	0.48 280	0.32 186	0.32 116	0.26 130	0.23 154	0.53 234	0.15 51	0.07 16	0.06 72	0.08 65	0.10 215	0.08 81	0.06 18

KYRaft	0.22 142	0.10 24	0.30 42	0.23 171	0.12 77	0.23 110	0.23 220	0.35 104	0.24 54	0.35 227	0.54 299	0.34 199	0.26 193	0.29 133	0.15 51	0.07 16	0.05 6	0.09 120	0.10 215	0.08 81	0.31 368

cross-raft	0.17 36	0.12 81	0.41 165	0.23 171	0.10 20	0.20 55	0.24 242	0.33 81	0.23 44	0.23 57	0.28 79	0.29 160	0.15 49	0.17 11	0.15 51	0.06 1	0.05 6	0.07 14	0.07 50	0.06 6	0.05 1

iRaftStereo_RVC	0.16 28	0.12 81	0.26 16	0.21 86	0.11 42	0.20 55	0.17 59	0.32 67	0.23 44	0.20 41	0.25 64	0.18 46	0.12 14	0.20 28	0.15 51	0.07 16	0.05 6	0.09 120	0.09 183	0.08 81	0.07 65

CREStereo++_RVC	0.15 21	0.08 2	0.26 16	0.17 5	0.11 42	0.18 13	0.13 3	0.22 3	0.30 114	0.21 50	0.30 99	0.13 11	0.11 8	0.16 7	0.15 51	0.07 16	0.04 1	0.06 1	0.15 317	0.06 6	0.05 1
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
raftrobust	0.16 28	0.13 136	0.29 36	0.22 129	0.15 205	0.19 34	0.13 3	0.32 67	0.26 65	0.26 85	0.20 35	0.19 57	0.17 86	0.21 39	0.15 51	0.08 99	0.06 72	0.07 14	0.06 23	0.06 6	0.07 65

sCroCo_RVC	0.18 53	0.14 164	0.49 225	0.27 296	0.18 263	0.22 93	0.17 59	0.27 21	0.23 44	0.14 8	0.22 47	0.17 39	0.14 42	0.21 39	0.15 51	0.10 206	0.11 286	0.09 120	0.09 183	0.09 142	0.09 161

test_xeample3	0.16 28	0.11 63	0.56 260	0.19 26	0.12 77	0.20 55	0.18 86	0.35 104	0.20 16	0.16 24	0.12 2	0.13 11	0.12 14	0.24 57	0.15 51	0.07 16	0.06 72	0.07 14	0.08 109	0.07 37	0.07 65

RAFT-Stereo + iAFF	0.17 36	0.14 164	0.32 60	0.20 57	0.09 7	0.19 34	0.17 59	0.32 67	0.30 114	0.25 76	0.33 135	0.20 59	0.17 86	0.19 25	0.15 51	0.06 1	0.05 6	0.07 14	0.07 50	0.07 37	0.05 1

AFF-stereo	0.18 53	0.15 189	0.32 60	0.21 86	0.10 20	0.18 13	0.18 86	0.33 81	0.27 74	0.25 76	0.37 167	0.25 111	0.17 86	0.24 57	0.15 51	0.06 1	0.05 6	0.08 65	0.08 109	0.07 37	0.05 1

R-Stereo Train	0.18 53	0.09 9	0.32 60	0.22 129	0.12 77	0.22 93	0.19 123	0.42 175	0.19 7	0.31 168	0.45 251	0.20 59	0.14 42	0.18 19	0.15 51	0.08 99	0.06 72	0.07 14	0.06 23	0.06 6	0.06 18

RAFT-Stereo	0.18 53	0.09 9	0.32 60	0.22 129	0.12 77	0.22 93	0.19 123	0.42 175	0.19 7	0.31 168	0.45 251	0.20 59	0.14 42	0.18 19	0.15 51	0.08 99	0.06 72	0.07 14	0.06 23	0.06 6	0.06 18
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
qqq1	0.24 182	0.12 81	0.40 143	0.19 26	0.10 20	0.27 159	0.19 123	0.51 251	0.45 252	0.34 211	0.41 204	0.31 178	0.26 193	0.58 255	0.16 67	0.10 206	0.07 158	0.07 14	0.06 23	0.08 81	0.07 65

fff1	0.24 182	0.12 81	0.40 143	0.19 26	0.10 20	0.27 159	0.19 123	0.51 251	0.45 252	0.34 211	0.41 204	0.31 178	0.26 193	0.58 255	0.16 67	0.10 206	0.07 158	0.07 14	0.06 23	0.08 81	0.07 65

test croco	0.17 36	0.13 136	0.43 182	0.21 86	0.13 131	0.16 6	0.17 59	0.27 21	0.22 33	0.16 24	0.26 70	0.13 11	0.16 63	0.27 108	0.16 67	0.08 99	0.06 72	0.10 182	0.07 50	0.10 189	0.07 65

MIF-Stereo	0.14 6	0.10 24	0.30 42	0.21 86	0.13 131	0.17 9	0.13 3	0.19 1	0.18 5	0.15 11	0.20 35	0.10 1	0.11 8	0.18 19	0.16 67	0.08 99	0.06 72	0.07 14	0.06 23	0.08 81	0.06 18

EKT-Stereo	0.38 308	0.12 81	0.38 127	0.42 367	3.88 415	0.21 73	0.17 59	0.35 104	0.28 87	0.20 41	0.20 35	0.23 93	0.15 49	0.28 120	0.16 67	0.09 164	0.07 158	0.09 120	0.07 50	0.09 142	0.09 161

MIM_Stereo	0.18 53	0.12 81	0.38 127	0.20 57	0.11 42	0.17 9	0.14 13	0.35 104	0.25 58	0.27 89	0.35 148	0.23 93	0.13 32	0.27 108	0.16 67	0.06 1	0.07 158	0.08 65	0.08 109	0.08 81	0.06 18

knoymous	0.17 36	0.09 9	0.32 60	0.17 5	0.11 42	0.21 73	0.17 59	0.32 67	0.23 44	0.23 57	0.28 79	0.27 138	0.16 63	0.23 51	0.16 67	0.09 164	0.06 72	0.09 120	0.06 23	0.09 142	0.09 161

DisPM	0.19 89	0.10 24	0.35 86	0.23 171	0.13 131	0.18 13	0.20 161	0.29 40	0.29 105	0.33 195	0.34 141	0.23 93	0.16 63	0.33 162	0.16 67	0.09 164	0.06 72	0.09 120	0.08 109	0.07 37	0.11 231

RAFT+CT+SA	0.21 116	0.18 235	0.33 73	0.25 245	0.18 263	0.23 110	0.29 289	0.40 153	0.36 166	0.24 70	0.38 177	0.18 46	0.16 63	0.32 156	0.16 67	0.07 16	0.05 6	0.09 120	0.12 280	0.09 142	0.09 161

Sa-1000	0.22 142	0.15 189	0.35 86	0.23 171	0.13 131	0.28 172	0.23 220	0.47 213	0.39 193	0.30 151	0.50 277	0.26 130	0.19 121	0.33 162	0.16 67	0.07 16	0.06 72	0.10 182	0.11 248	0.08 81	0.06 18

test_4	0.18 53	0.12 81	0.34 78	0.23 171	0.12 77	0.18 13	0.22 200	0.26 14	0.24 54	0.24 70	0.47 268	0.22 74	0.13 32	0.24 57	0.16 67	0.06 1	0.05 6	0.09 120	0.09 183	0.07 37	0.05 1

GLC_STEREO	0.15 21	0.10 24	0.24 10	0.21 86	0.09 7	0.17 9	0.15 26	0.23 6	0.27 74	0.17 28	0.20 35	0.17 39	0.11 8	0.23 51	0.16 67	0.07 16	0.09 251	0.09 120	0.08 109	0.07 37	0.06 18

Patchmatch Stereo++	0.18 53	0.12 81	0.37 108	0.22 129	0.10 20	0.18 13	0.14 13	0.29 40	0.22 33	0.28 98	0.29 88	0.25 111	0.17 86	0.26 93	0.16 67	0.08 99	0.06 72	0.10 182	0.08 109	0.10 189	0.08 111
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
PSM-adaLoss	0.18 53	0.12 81	0.37 108	0.22 129	0.10 20	0.18 13	0.16 38	0.29 40	0.22 33	0.28 98	0.29 88	0.25 111	0.18 108	0.24 57	0.16 67	0.08 99	0.06 72	0.10 182	0.08 109	0.10 189	0.08 111

PSM-AAD	0.25 204	0.10 24	0.30 42	0.24 208	0.12 77	0.26 152	0.38 336	0.34 87	0.28 87	0.35 227	0.39 189	0.28 153	0.79 371	0.30 145	0.16 67	0.07 16	0.06 72	0.12 262	0.11 248	0.08 81	0.21 344

ROB_FTStereo_v2	0.18 53	0.12 81	0.37 108	0.22 129	0.10 20	0.18 13	0.16 38	0.29 40	0.22 33	0.28 98	0.29 88	0.25 111	0.17 86	0.24 57	0.16 67	0.08 99	0.06 72	0.10 182	0.08 109	0.10 189	0.08 111

ROB_FTStereo	0.18 53	0.12 81	0.37 108	0.22 129	0.10 20	0.18 13	0.14 13	0.29 40	0.22 33	0.28 98	0.28 79	0.25 111	0.17 86	0.24 57	0.16 67	0.08 99	0.06 72	0.10 182	0.08 109	0.10 189	0.08 111

HUI-Stereo	0.18 53	0.12 81	0.37 108	0.22 129	0.10 20	0.18 13	0.14 13	0.29 40	0.22 33	0.28 98	0.28 79	0.25 111	0.17 86	0.22 44	0.16 67	0.08 99	0.06 72	0.10 182	0.08 109	0.10 189	0.08 111

GrayStereo	0.25 204	0.09 9	0.32 60	0.26 273	0.13 131	0.23 110	0.47 361	0.34 87	0.30 114	0.39 270	0.47 268	0.30 170	0.79 371	0.29 133	0.16 67	0.07 16	0.06 72	0.08 65	0.09 183	0.07 37	0.13 265

iRAFT	0.18 53	0.12 81	0.37 108	0.22 129	0.10 20	0.18 13	0.14 13	0.29 40	0.22 33	0.28 98	0.29 88	0.25 111	0.17 86	0.26 93	0.16 67	0.08 99	0.06 72	0.10 182	0.08 109	0.10 189	0.08 111

RAFT-IKP	0.18 53	0.12 81	0.37 108	0.22 129	0.10 20	0.18 13	0.15 26	0.29 40	0.22 33	0.28 98	0.29 88	0.25 111	0.18 108	0.25 80	0.16 67	0.08 99	0.06 72	0.10 182	0.08 109	0.10 189	0.08 111

Prome-Stereo	0.21 116	0.10 24	0.30 42	0.24 208	0.12 77	0.23 110	0.23 220	0.36 123	0.25 58	0.33 195	0.59 314	0.24 104	0.28 223	0.29 133	0.16 67	0.07 16	0.05 6	0.08 65	0.07 50	0.08 81	0.20 337

s12784h	0.17 36	0.09 9	0.26 16	0.18 8	0.07 1	0.32 227	0.19 123	0.37 129	0.32 132	0.23 57	0.25 64	0.18 46	0.17 86	0.25 80	0.16 67	0.07 16	0.05 6	0.07 14	0.05 9	0.06 6	0.05 1

StereoIM	0.14 6	0.13 136	0.26 16	0.19 26	0.14 164	0.16 6	0.13 3	0.25 11	0.21 26	0.13 2	0.14 14	0.14 21	0.11 8	0.17 11	0.17 90	0.08 99	0.07 158	0.08 65	0.06 23	0.07 37	0.06 18

MIF-Stereo (partial)	0.16 28	0.10 24	0.34 78	0.21 86	0.15 205	0.15 4	0.13 3	0.28 33	0.25 58	0.17 28	0.26 70	0.15 27	0.16 63	0.25 80	0.17 90	0.09 164	0.06 72	0.10 182	0.08 109	0.09 142	0.08 111

riskmin	0.18 53	0.09 9	0.34 78	0.18 8	0.12 77	0.24 125	0.16 38	0.34 87	0.28 87	0.21 50	0.23 49	0.33 193	0.24 169	0.23 51	0.17 90	0.09 164	0.06 72	0.09 120	0.06 23	0.10 189	0.10 206

Selective-RAFT	0.17 36	0.12 81	0.30 42	0.24 208	0.10 20	0.29 191	0.15 26	0.32 67	0.31 124	0.17 28	0.17 19	0.21 67	0.18 108	0.28 120	0.17 90	0.07 16	0.06 72	0.07 14	0.07 50	0.08 81	0.06 18

TestStereo1	0.21 116	0.16 207	0.32 60	0.26 273	0.13 131	0.26 152	0.27 272	0.40 153	0.36 166	0.29 123	0.39 189	0.22 74	0.21 134	0.33 162	0.17 90	0.07 16	0.06 72	0.09 120	0.08 109	0.08 81	0.07 65

SA-5K	0.21 116	0.16 207	0.32 60	0.26 273	0.13 131	0.26 152	0.27 272	0.40 153	0.36 166	0.29 123	0.39 189	0.22 74	0.21 134	0.33 162	0.17 90	0.07 16	0.06 72	0.09 120	0.08 109	0.08 81	0.07 65

SA	0.22 142	0.16 207	0.36 103	0.23 171	0.13 131	0.24 125	0.23 220	0.45 197	0.40 206	0.27 89	0.44 239	0.23 93	0.23 154	0.33 162	0.17 90	0.07 16	0.06 72	0.10 182	0.11 248	0.08 81	0.06 18

PFNet+	0.20 102	0.10 24	0.37 108	0.21 86	0.12 77	0.17 9	0.19 123	0.29 40	0.34 150	0.33 195	0.32 116	0.24 104	0.16 63	0.32 156	0.17 90	0.10 206	0.07 158	0.11 229	0.10 215	0.08 81	0.12 253

LCNet	0.21 116	0.11 63	0.29 36	0.25 245	0.12 77	0.23 110	0.19 123	0.34 87	0.26 65	0.28 98	0.35 148	0.26 130	0.30 245	0.35 177	0.17 90	0.07 16	0.05 6	0.09 120	0.10 215	0.13 264	0.22 349

SST-Stereo	0.21 116	0.10 24	0.37 108	0.24 208	0.13 131	0.19 34	0.17 59	0.31 59	0.24 54	0.34 211	0.33 135	0.29 160	0.25 184	0.56 247	0.17 90	0.08 99	0.05 6	0.10 182	0.08 109	0.09 142	0.07 65

iGMRVC	0.18 53	0.12 81	0.37 108	0.22 129	0.10 20	0.18 13	0.15 26	0.29 40	0.22 33	0.28 98	0.29 88	0.25 111	0.17 86	0.27 108	0.17 90	0.08 99	0.06 72	0.10 182	0.08 109	0.10 189	0.08 111

RAFT	0.21 116	0.17 223	0.32 60	0.24 208	0.12 77	0.25 135	0.27 272	0.35 104	0.28 87	0.33 195	0.33 135	0.38 227	0.22 145	0.29 133	0.17 90	0.08 99	0.08 223	0.11 229	0.10 215	0.10 189	0.06 18

GMM-Stereo	0.21 116	0.10 24	0.43 182	0.23 171	0.13 131	0.24 125	0.25 256	0.37 129	0.27 74	0.30 151	0.45 251	0.27 138	0.21 134	0.31 150	0.17 90	0.07 16	0.05 6	0.10 182	0.09 183	0.08 81	0.19 327

RALCasStereoNet	0.18 53	0.15 189	0.33 73	0.21 86	0.14 164	0.21 73	0.18 86	0.31 59	0.25 58	0.21 50	0.29 88	0.22 74	0.15 49	0.27 108	0.17 90	0.08 99	0.10 269	0.07 14	0.06 23	0.09 142	0.09 161

MyStereo06	0.20 102	0.12 81	0.57 264	0.21 86	0.14 164	0.25 135	0.23 220	0.40 153	0.21 26	0.30 151	0.24 59	0.31 178	0.18 108	0.22 44	0.18 104	0.07 16	0.07 158	0.09 120	0.08 109	0.08 81	0.08 111

11t1	0.18 53	0.10 24	0.30 42	0.20 57	0.11 42	0.27 159	0.17 59	0.35 104	0.23 44	0.25 76	0.23 49	0.23 93	0.23 154	0.25 80	0.18 104	0.09 164	0.07 158	0.07 14	0.06 23	0.09 142	0.09 161

IGEV_Zeroshot_test	0.18 53	0.10 24	0.65 293	0.20 57	0.12 77	0.19 34	0.15 26	0.34 87	0.19 7	0.28 98	0.22 47	0.27 138	0.13 32	0.23 51	0.18 104	0.07 16	0.06 72	0.08 65	0.08 109	0.07 37	0.06 18

StereoVision	0.22 142	0.18 235	0.37 108	0.27 296	0.17 244	0.23 110	0.22 200	0.38 135	0.31 124	0.20 41	0.51 283	0.22 74	0.16 63	0.28 120	0.18 104	0.11 233	0.12 303	0.13 281	0.13 298	0.10 189	0.07 65

DCANet-4	0.19 89	0.10 24	0.52 245	0.19 26	0.09 7	0.19 34	0.18 86	0.36 123	0.39 193	0.29 123	0.30 99	0.17 39	0.22 145	0.20 28	0.18 104	0.07 16	0.05 6	0.07 14	0.05 9	0.05 1	0.07 65

fff	0.19 89	0.13 136	0.40 143	0.18 8	0.09 7	0.19 34	0.18 86	0.35 104	0.43 226	0.29 123	0.30 99	0.18 46	0.28 223	0.20 28	0.18 104	0.07 16	0.05 6	0.07 14	0.05 9	0.05 1	0.07 65

test_5	0.23 159	0.19 250	0.38 127	0.26 273	0.18 263	0.25 135	0.29 289	0.40 153	0.37 175	0.29 123	0.40 196	0.25 111	0.22 145	0.34 168	0.18 104	0.07 16	0.05 6	0.09 120	0.09 183	0.10 189	0.10 206

iRaft-Stereo_20w	0.19 89	0.10 24	0.46 204	0.19 26	0.13 131	0.25 135	0.19 123	0.52 261	0.19 7	0.29 123	0.21 43	0.22 74	0.20 129	0.28 120	0.18 104	0.07 16	0.06 72	0.07 14	0.08 109	0.08 81	0.08 111

IPLGR	0.21 116	0.13 136	0.61 277	0.21 86	0.11 42	0.25 135	0.18 86	0.41 163	0.37 175	0.28 98	0.27 75	0.21 67	0.19 121	0.37 183	0.18 104	0.07 16	0.06 72	0.08 65	0.07 50	0.07 37	0.06 18

test-3	0.16 28	0.09 9	0.31 54	0.21 86	0.11 42	0.18 13	0.16 38	0.30 54	0.27 74	0.26 85	0.16 16	0.22 74	0.12 14	0.26 93	0.18 104	0.06 1	0.04 1	0.08 65	0.08 109	0.06 6	0.06 18

test_1	0.16 28	0.09 9	0.31 54	0.21 86	0.11 42	0.18 13	0.16 38	0.30 54	0.27 74	0.25 76	0.16 16	0.22 74	0.12 14	0.26 93	0.18 104	0.06 1	0.04 1	0.08 65	0.08 109	0.06 6	0.06 18

NRIStereo	0.18 53	0.11 63	0.35 86	0.23 171	0.11 42	0.24 125	0.20 161	0.29 40	0.26 65	0.26 85	0.25 64	0.25 111	0.18 108	0.34 168	0.18 104	0.07 16	0.06 72	0.09 120	0.07 50	0.09 142	0.08 111

FTStereo	0.28 238	0.10 24	0.43 182	0.23 171	0.13 131	0.21 73	0.53 371	0.34 87	0.26 65	0.38 255	0.95 368	0.30 170	0.56 348	0.32 156	0.18 104	0.08 99	0.06 72	0.09 120	0.08 109	0.07 37	0.19 327

RAFT_R40	0.21 116	0.10 24	0.37 108	0.24 208	0.13 131	0.18 13	0.18 86	0.31 59	0.29 105	0.33 195	0.33 135	0.30 170	0.24 169	0.55 239	0.18 104	0.08 99	0.05 6	0.10 182	0.08 109	0.08 81	0.07 65

DeepStereo_RVC	0.18 53	0.11 63	0.40 143	0.21 86	0.11 42	0.19 34	0.16 38	0.28 33	0.22 33	0.27 89	0.27 75	0.23 93	0.28 223	0.24 57	0.18 104	0.08 99	0.06 72	0.09 120	0.07 50	0.09 142	0.10 206

CRE-IMP	0.18 53	0.12 81	0.37 108	0.22 129	0.11 42	0.24 125	0.17 59	0.29 40	0.21 26	0.27 89	0.26 70	0.24 104	0.17 86	0.23 51	0.18 104	0.08 99	0.05 6	0.10 182	0.07 50	0.10 189	0.10 206

Anonymous3	0.23 159	0.18 235	0.63 287	0.27 296	0.18 263	0.41 290	0.23 220	0.43 185	0.35 156	0.23 57	0.27 75	0.20 59	0.18 108	0.27 108	0.18 104	0.12 260	0.11 286	0.10 182	0.10 215	0.11 225	0.12 253

TestStereo	0.21 116	0.19 250	0.40 143	0.25 245	0.10 20	0.22 93	0.21 184	0.31 59	0.31 124	0.23 57	0.34 141	0.22 74	0.18 108	0.62 275	0.18 104	0.08 99	0.06 72	0.10 182	0.07 50	0.11 225	0.06 18

RALAANet	0.19 89	0.18 235	0.37 108	0.23 171	0.14 164	0.23 110	0.13 3	0.37 129	0.29 105	0.28 98	0.26 70	0.25 111	0.15 49	0.26 93	0.18 104	0.08 99	0.06 72	0.09 120	0.08 109	0.09 142	0.06 18

Anonymous	0.20 102	0.14 164	0.47 211	0.27 296	0.20 295	0.25 135	0.25 256	0.32 67	0.26 65	0.18 39	0.18 22	0.15 27	0.19 121	0.24 57	0.18 104	0.10 206	0.09 251	0.09 120	0.09 183	0.15 288	0.13 265

csc	0.19 89	0.13 136	0.40 143	0.18 8	0.09 7	0.19 34	0.18 86	0.35 104	0.43 226	0.29 123	0.30 99	0.18 46	0.28 223	0.20 28	0.18 104	0.07 16	0.05 6	0.07 14	0.05 9	0.05 1	0.07 65

cscssc	0.19 89	0.13 136	0.40 143	0.18 8	0.09 7	0.19 34	0.18 86	0.35 104	0.43 226	0.29 123	0.30 99	0.18 46	0.28 223	0.20 28	0.18 104	0.07 16	0.05 6	0.07 14	0.05 9	0.05 1	0.07 65

111	0.20 102	0.17 223	0.40 143	0.18 8	0.09 7	0.24 125	0.17 59	0.41 163	0.45 252	0.23 57	0.29 88	0.29 160	0.21 134	0.24 57	0.18 104	0.07 16	0.05 6	0.07 14	0.06 23	0.07 37	0.08 111

ARAFT	0.24 182	0.21 271	0.78 317	0.22 129	0.12 77	0.29 191	0.24 242	0.43 185	0.32 132	0.33 195	0.28 79	0.28 153	0.19 121	0.49 216	0.18 104	0.07 16	0.06 72	0.12 262	0.11 248	0.09 142	0.06 18

CoDeX	0.23 159	0.12 81	0.46 204	0.21 86	0.14 164	0.29 191	0.21 184	0.53 272	0.41 217	0.29 123	0.35 148	0.29 160	0.22 145	0.48 211	0.19 128	0.09 164	0.06 72	0.08 65	0.07 50	0.08 81	0.07 65

whm_eth	0.23 159	0.18 235	0.56 260	0.24 208	0.19 281	0.21 73	0.18 86	0.37 129	0.40 206	0.31 168	0.60 319	0.15 27	0.17 86	0.26 93	0.19 128	0.09 164	0.08 223	0.10 182	0.09 183	0.09 142	0.11 231

ADStereo(finetuned)	0.19 89	0.13 136	0.49 225	0.19 26	0.09 7	0.19 34	0.18 86	0.34 87	0.39 193	0.29 123	0.31 113	0.18 46	0.31 256	0.21 39	0.19 128	0.07 16	0.05 6	0.07 14	0.05 9	0.06 6	0.07 65

MIPNet	0.21 116	0.15 189	0.52 245	0.21 86	0.12 77	0.27 159	0.20 161	0.45 197	0.37 175	0.30 151	0.23 49	0.19 57	0.24 169	0.27 108	0.19 128	0.07 16	0.05 6	0.08 65	0.07 50	0.07 37	0.06 18

test_3	0.18 53	0.11 63	0.32 60	0.24 208	0.11 42	0.22 93	0.25 256	0.31 59	0.31 124	0.25 76	0.18 22	0.23 93	0.13 32	0.25 80	0.19 128	0.06 1	0.05 6	0.09 120	0.10 215	0.07 37	0.06 18

rafts_anoy	0.18 53	0.15 189	0.35 86	0.22 129	0.14 164	0.19 34	0.17 59	0.32 67	0.30 114	0.23 57	0.25 64	0.20 59	0.16 63	0.22 44	0.19 128	0.08 99	0.07 158	0.10 182	0.12 280	0.09 142	0.08 111

raft+_RVC	0.18 53	0.14 164	0.32 60	0.21 86	0.15 205	0.21 73	0.16 38	0.38 135	0.34 150	0.21 50	0.28 79	0.20 59	0.15 49	0.24 57	0.19 128	0.08 99	0.06 72	0.08 65	0.07 50	0.07 37	0.08 111

DCANet	0.18 53	0.13 136	0.40 143	0.19 26	0.09 7	0.19 34	0.18 86	0.34 87	0.39 193	0.29 123	0.31 113	0.18 46	0.23 154	0.20 28	0.19 128	0.07 16	0.05 6	0.07 14	0.05 9	0.06 6	0.07 65

GMStereo	0.19 89	0.25 297	0.40 143	0.21 86	0.12 77	0.22 93	0.19 123	0.29 40	0.40 206	0.25 76	0.23 49	0.16 34	0.15 49	0.25 80	0.19 128	0.09 164	0.06 72	0.08 65	0.08 109	0.10 189	0.08 111
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
SFCPSM	0.22 142	0.10 24	0.51 241	0.21 86	0.14 164	0.34 249	0.22 200	0.55 289	0.39 193	0.29 123	0.32 116	0.23 93	0.21 134	0.27 108	0.19 128	0.09 164	0.07 158	0.09 120	0.09 183	0.09 142	0.08 111

DN-CSS_ROB	0.22 142	0.25 297	0.47 211	0.24 208	0.14 164	0.25 135	0.12 1	0.40 153	0.33 143	0.29 123	0.42 218	0.22 74	0.20 129	0.33 162	0.19 128	0.07 16	0.06 72	0.11 229	0.11 248	0.11 225	0.07 65

GMStereo_Zeroshot	0.24 182	0.21 271	0.45 198	0.26 273	0.13 131	0.28 172	0.15 26	0.39 146	0.35 156	0.37 247	0.43 230	0.40 251	0.17 86	0.34 168	0.20 139	0.12 260	0.07 158	0.13 281	0.07 50	0.16 296	0.09 161

PCWNet_CMD	0.23 159	0.13 136	0.48 220	0.20 57	0.13 131	0.28 172	0.16 38	0.46 206	0.46 266	0.29 123	0.36 158	0.37 222	0.24 169	0.28 120	0.20 139	0.09 164	0.06 72	0.10 182	0.08 109	0.11 225	0.09 161

CASS	0.21 116	0.15 189	0.32 60	0.26 273	0.11 42	0.28 172	0.19 123	0.39 146	0.30 114	0.32 186	0.34 141	0.25 111	0.24 169	0.25 80	0.20 139	0.13 276	0.08 223	0.11 229	0.09 183	0.11 225	0.11 231
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
anonymousa	0.23 159	0.11 63	0.50 235	0.21 86	0.16 228	0.31 219	0.20 161	0.36 123	0.35 156	0.32 186	0.50 277	0.39 238	0.26 193	0.22 44	0.20 139	0.08 99	0.06 72	0.09 120	0.11 248	0.07 37	0.08 111

CIPLG	0.21 116	0.21 271	0.55 256	0.23 171	0.15 205	0.25 135	0.20 161	0.35 104	0.29 105	0.31 168	0.33 135	0.22 74	0.15 49	0.26 93	0.20 139	0.08 99	0.07 158	0.07 14	0.07 50	0.08 81	0.08 111

UDGNet	0.23 159	0.31 336	0.38 127	0.24 208	0.14 164	0.24 125	0.18 86	0.32 67	0.43 226	0.29 123	0.28 79	0.24 104	0.19 121	0.29 133	0.20 139	0.15 310	0.07 158	0.21 347	0.11 248	0.14 276	0.10 206

IPLGR_C	0.21 116	0.22 283	0.60 274	0.23 171	0.15 205	0.24 125	0.20 161	0.35 104	0.29 105	0.31 168	0.32 116	0.22 74	0.15 49	0.25 80	0.20 139	0.08 99	0.07 158	0.07 14	0.07 50	0.08 81	0.08 111

ACRE	0.21 116	0.20 258	0.62 285	0.23 171	0.15 205	0.24 125	0.20 161	0.35 104	0.28 87	0.31 168	0.32 116	0.22 74	0.15 49	0.25 80	0.20 139	0.08 99	0.07 158	0.07 14	0.07 50	0.08 81	0.08 111

GANet-ADL	0.21 116	0.12 81	0.45 198	0.23 171	0.14 164	0.29 191	0.19 123	0.46 206	0.35 156	0.25 76	0.32 116	0.32 186	0.19 121	0.24 57	0.20 139	0.10 206	0.07 158	0.07 14	0.06 23	0.09 142	0.10 206

TransformOpticalFlow	0.24 182	0.13 136	0.56 260	0.23 171	0.11 42	0.21 73	0.19 123	0.40 153	0.32 132	0.30 151	0.43 230	0.36 218	0.31 256	0.61 267	0.20 139	0.07 16	0.05 6	0.08 65	0.07 50	0.06 6	0.07 65

NF-Stereo	0.20 102	0.10 24	0.35 86	0.24 208	0.12 77	0.21 73	0.18 86	0.38 135	0.32 132	0.28 98	0.30 99	0.22 74	0.16 63	0.51 223	0.20 139	0.08 99	0.06 72	0.09 120	0.08 109	0.08 81	0.13 265

OCTAStereo	0.20 102	0.10 24	0.35 86	0.24 208	0.12 77	0.21 73	0.18 86	0.38 135	0.32 132	0.28 98	0.30 99	0.22 74	0.16 63	0.51 223	0.20 139	0.08 99	0.06 72	0.09 120	0.08 109	0.08 81	0.13 265

PSM-softLoss	0.21 116	0.10 24	0.39 138	0.24 208	0.12 77	0.20 55	0.18 86	0.38 135	0.26 65	0.29 123	0.32 116	0.24 104	0.16 63	0.52 229	0.20 139	0.09 164	0.06 72	0.10 182	0.09 183	0.08 81	0.12 253

KMStereo	0.21 116	0.10 24	0.39 138	0.24 208	0.12 77	0.20 55	0.18 86	0.38 135	0.26 65	0.29 123	0.32 116	0.24 104	0.16 63	0.52 229	0.20 139	0.09 164	0.06 72	0.10 182	0.09 183	0.08 81	0.12 253

RE-Stereo	0.20 102	0.10 24	0.35 86	0.24 208	0.12 77	0.21 73	0.18 86	0.38 135	0.32 132	0.28 98	0.30 99	0.22 74	0.16 63	0.51 223	0.20 139	0.08 99	0.06 72	0.09 120	0.08 109	0.08 81	0.13 265

TVStereo	0.20 102	0.10 24	0.35 86	0.24 208	0.12 77	0.21 73	0.18 86	0.38 135	0.32 132	0.28 98	0.30 99	0.22 74	0.16 63	0.51 223	0.20 139	0.08 99	0.06 72	0.09 120	0.08 109	0.08 81	0.13 265

test-1	0.17 36	0.11 63	0.40 143	0.23 171	0.13 131	0.22 93	0.23 220	0.34 87	0.26 65	0.20 41	0.24 59	0.22 74	0.14 42	0.16 7	0.20 139	0.07 16	0.06 72	0.08 65	0.07 50	0.06 6	0.08 111

HCRNet	0.24 182	0.25 297	0.33 73	0.34 344	0.16 228	0.27 159	0.18 86	0.43 185	0.35 156	0.30 151	0.35 148	0.32 186	0.22 145	0.44 202	0.20 139	0.13 276	0.08 223	0.13 281	0.11 248	0.10 189	0.09 161

DIP-Stereo	0.18 53	0.12 81	0.33 73	0.20 57	0.13 131	0.28 172	0.12 1	0.42 175	0.25 58	0.27 89	0.32 116	0.21 67	0.17 86	0.25 80	0.20 139	0.07 16	0.06 72	0.08 65	0.06 23	0.07 37	0.08 111
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
MSMDNet	0.23 159	0.13 136	0.48 220	0.20 57	0.13 131	0.28 172	0.16 38	0.46 206	0.46 266	0.29 123	0.36 158	0.37 222	0.24 169	0.28 120	0.20 139	0.09 164	0.06 72	0.09 120	0.08 109	0.11 225	0.09 161

iResNetv2_ROB	0.27 221	0.26 308	0.72 311	0.23 171	0.13 131	0.29 191	0.18 86	0.52 261	0.49 289	0.37 247	0.45 251	0.39 238	0.25 184	0.34 168	0.20 139	0.08 99	0.06 72	0.07 14	0.05 9	0.12 251	0.09 161

MyStereo05	0.23 159	0.12 81	0.57 264	0.21 86	0.14 164	0.25 135	0.23 220	0.48 224	0.52 306	0.31 168	0.23 49	0.25 111	0.22 145	0.30 145	0.21 160	0.07 16	0.07 158	0.09 120	0.08 109	0.08 81	0.08 111

CFNet_ucs	0.24 182	0.13 136	0.50 235	0.20 57	0.15 205	0.28 172	0.17 59	0.49 230	0.45 252	0.32 186	0.42 218	0.39 238	0.22 145	0.31 150	0.21 160	0.11 233	0.08 223	0.12 262	0.09 183	0.12 251	0.11 231

BUS	0.23 159	0.12 81	0.28 29	0.25 245	0.14 164	0.43 305	0.17 59	0.56 303	0.34 150	0.34 211	0.35 148	0.32 186	0.20 129	0.26 93	0.21 160	0.10 206	0.07 158	0.11 229	0.10 215	0.09 142	0.09 161

NINENet	0.25 204	0.15 189	0.37 108	0.23 171	0.16 228	0.43 305	0.17 59	0.60 330	0.46 266	0.32 186	0.37 167	0.32 186	0.20 129	0.42 196	0.21 160	0.10 206	0.10 269	0.12 262	0.08 109	0.11 225	0.10 206

BSDual-CNN	0.23 159	0.12 81	0.28 29	0.25 245	0.14 164	0.35 258	0.21 184	0.56 303	0.34 150	0.34 211	0.35 148	0.38 227	0.24 169	0.26 93	0.21 160	0.10 206	0.07 158	0.11 229	0.10 215	0.09 142	0.09 161

hknet	0.25 204	0.14 164	0.40 143	0.25 245	0.15 205	0.35 258	0.21 184	0.56 303	0.37 175	0.34 211	0.35 148	0.43 264	0.27 210	0.37 183	0.21 160	0.09 164	0.07 158	0.11 229	0.10 215	0.09 142	0.09 161

psmg	0.23 159	0.12 81	0.28 29	0.21 86	0.14 164	0.35 258	0.23 220	0.51 251	0.34 150	0.35 227	0.38 177	0.38 227	0.24 169	0.26 93	0.21 160	0.10 206	0.08 223	0.10 182	0.10 215	0.09 142	0.08 111

DAS	0.27 221	0.12 81	0.42 172	0.24 208	0.18 263	0.29 191	0.24 242	0.45 197	0.45 252	0.41 287	0.44 239	0.34 199	0.29 236	0.75 318	0.21 160	0.09 164	0.07 158	0.09 120	0.07 50	0.09 142	0.09 161

SepStereo	0.26 214	0.12 81	0.42 172	0.24 208	0.18 263	0.29 191	0.24 242	0.45 197	0.45 252	0.41 287	0.44 239	0.34 199	0.29 236	0.64 282	0.21 160	0.09 164	0.07 158	0.09 120	0.07 50	0.09 142	0.09 161

IPLG	0.21 116	0.15 189	0.53 248	0.21 86	0.12 77	0.28 172	0.17 59	0.42 175	0.30 114	0.33 195	0.32 116	0.15 27	0.17 86	0.50 218	0.21 160	0.07 16	0.05 6	0.08 65	0.07 50	0.07 37	0.06 18

Pruner-Stereo	0.19 89	0.11 63	0.34 78	0.29 316	0.12 77	0.19 34	0.17 59	0.31 59	0.29 105	0.33 195	0.32 116	0.25 111	0.15 49	0.24 57	0.21 160	0.09 164	0.06 72	0.09 120	0.08 109	0.08 81	0.09 161

RAFT-345	0.21 116	0.10 24	0.46 204	0.22 129	0.11 42	0.20 55	0.16 38	0.26 14	0.25 58	0.27 89	0.66 335	0.21 67	0.16 63	0.55 239	0.21 160	0.07 16	0.06 72	0.08 65	0.07 50	0.06 6	0.06 18

CFNet_pseudo	0.23 159	0.13 136	0.47 211	0.19 26	0.13 131	0.26 152	0.16 38	0.44 189	0.44 240	0.29 123	0.37 167	0.38 227	0.23 154	0.29 133	0.21 160	0.09 164	0.06 72	0.11 229	0.08 109	0.11 225	0.09 161

ccs_rob	0.23 159	0.13 136	0.47 211	0.20 57	0.13 131	0.26 152	0.17 59	0.44 189	0.44 240	0.29 123	0.37 167	0.38 227	0.23 154	0.29 133	0.21 160	0.09 164	0.06 72	0.11 229	0.08 109	0.11 225	0.09 161

MyStereo04	0.23 159	0.12 81	0.55 256	0.22 129	0.14 164	0.25 135	0.23 220	0.49 230	0.52 306	0.28 98	0.23 49	0.27 138	0.23 154	0.30 145	0.22 174	0.07 16	0.07 158	0.09 120	0.08 109	0.08 81	0.08 111

1test111	0.19 89	0.14 164	0.38 127	0.23 171	0.11 42	0.31 219	0.19 123	0.41 163	0.27 74	0.17 28	0.19 25	0.13 11	0.18 108	0.34 168	0.22 174	0.08 99	0.05 6	0.08 65	0.06 23	0.09 142	0.09 161

mmm	0.21 116	0.12 81	0.31 54	0.22 129	0.12 77	0.28 172	0.21 184	0.41 163	0.27 74	0.29 123	0.38 177	0.29 160	0.24 169	0.29 133	0.22 174	0.09 164	0.07 158	0.11 229	0.09 183	0.10 189	0.09 161

qqq	0.20 102	0.12 81	0.31 54	0.20 57	0.11 42	0.23 110	0.19 123	0.41 163	0.27 74	0.24 70	0.28 79	0.28 153	0.24 169	0.34 168	0.22 174	0.08 99	0.07 158	0.10 182	0.09 183	0.09 142	0.09 161

IER	0.23 159	0.12 81	0.39 138	0.20 57	0.14 164	0.31 219	0.19 123	0.42 175	0.36 166	0.33 195	0.40 196	0.32 186	0.33 266	0.29 133	0.22 174	0.09 164	0.07 158	0.08 65	0.08 109	0.09 142	0.08 111

ASMatch	0.23 159	0.11 63	0.51 241	0.24 208	0.14 164	0.19 34	0.17 59	0.31 59	0.28 87	0.28 98	0.68 339	0.27 138	0.26 193	0.50 218	0.22 174	0.07 16	0.06 72	0.08 65	0.07 50	0.06 6	0.11 231

PFNet	0.23 159	0.10 24	0.57 264	0.24 208	0.14 164	0.22 93	0.19 123	0.39 146	0.33 143	0.35 227	0.32 116	0.27 138	0.19 121	0.64 282	0.22 174	0.09 164	0.05 6	0.09 120	0.07 50	0.08 81	0.07 65

IRAFT_RVC	0.22 142	0.12 81	0.39 138	0.26 273	0.11 42	0.18 13	0.24 242	0.40 153	0.37 175	0.31 168	0.30 99	0.29 160	0.24 169	0.55 239	0.22 174	0.08 99	0.06 72	0.10 182	0.08 109	0.08 81	0.07 65

GES	0.22 142	0.12 81	0.42 172	0.20 57	0.14 164	0.27 159	0.19 123	0.49 230	0.33 143	0.30 151	0.36 158	0.25 111	0.23 154	0.29 133	0.22 174	0.10 206	0.08 223	0.08 65	0.07 50	0.10 189	0.11 231

PSMNet-RSSM	0.24 182	0.15 189	0.36 103	0.21 86	0.14 164	0.25 135	0.20 161	0.48 224	0.37 175	0.30 151	0.44 239	0.38 227	0.26 193	0.52 229	0.22 174	0.12 260	0.07 158	0.11 229	0.13 298	0.10 189	0.09 161

HSM-Net_RVC	0.27 221	0.11 63	0.42 172	0.19 26	0.11 42	0.34 249	0.20 161	0.62 343	0.43 226	0.40 278	0.43 230	0.50 302	0.26 193	0.76 323	0.22 174	0.08 99	0.07 158	0.07 14	0.07 50	0.08 81	0.08 111
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
UCFNet_RVC	0.24 182	0.16 207	0.34 78	0.18 8	0.15 205	0.33 236	0.16 38	0.46 206	0.35 156	0.29 123	0.35 148	0.39 238	0.25 184	0.34 168	0.22 174	0.13 276	0.08 223	0.13 281	0.14 309	0.13 264	0.12 253

AdaStereo	0.24 182	0.16 207	0.37 108	0.24 208	0.12 77	0.32 227	0.17 59	0.54 279	0.42 221	0.33 195	0.38 177	0.35 213	0.21 134	0.30 145	0.22 174	0.14 299	0.06 72	0.13 281	0.08 109	0.11 225	0.08 111
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.
iResNet_ROB	0.25 204	0.19 250	0.40 143	0.20 57	0.12 77	0.30 208	0.16 38	0.55 289	0.53 310	0.38 255	0.43 230	0.37 222	0.26 193	0.38 187	0.22 174	0.08 99	0.06 72	0.06 1	0.04 1	0.09 142	0.09 161

LL-Strereo	0.29 248	0.25 297	0.58 268	0.25 245	0.21 303	0.23 110	0.24 242	0.55 289	0.42 221	0.34 211	0.32 116	0.41 254	0.40 301	0.94 361	0.23 188	0.08 99	0.07 158	0.11 229	0.09 183	0.09 142	0.09 161

x	0.19 89	0.11 63	0.29 36	0.20 57	0.11 42	0.26 152	0.18 86	0.41 163	0.29 105	0.25 76	0.29 88	0.28 153	0.24 169	0.26 93	0.23 188	0.09 164	0.07 158	0.08 65	0.07 50	0.09 142	0.08 111

GwcNet-ADL	0.22 142	0.14 164	0.58 268	0.24 208	0.13 131	0.22 93	0.23 220	0.49 230	0.40 206	0.27 89	0.29 88	0.30 170	0.20 129	0.26 93	0.23 188	0.09 164	0.07 158	0.07 14	0.07 50	0.09 142	0.09 161

STrans-v2	0.24 182	0.13 136	0.54 251	0.21 86	0.12 77	0.23 110	0.21 184	0.47 213	0.28 87	0.31 168	0.42 218	0.36 218	0.35 277	0.62 275	0.23 188	0.07 16	0.05 6	0.08 65	0.07 50	0.06 6	0.06 18

ICVP	0.23 159	0.13 136	0.44 188	0.26 273	0.14 164	0.29 191	0.25 256	0.45 197	0.33 143	0.29 123	0.43 230	0.35 213	0.25 184	0.26 93	0.23 188	0.12 260	0.09 251	0.09 120	0.08 109	0.09 142	0.10 206
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
EAI-Stereo	0.21 116	0.10 24	0.33 73	0.21 86	0.12 77	0.30 208	0.46 357	0.46 206	0.20 16	0.25 76	0.50 277	0.17 39	0.16 63	0.24 57	0.23 188	0.07 16	0.06 72	0.07 14	0.10 215	0.06 6	0.07 65

FENet	0.21 116	0.11 63	0.45 198	0.21 86	0.12 77	0.26 152	0.17 59	0.41 163	0.35 156	0.30 151	0.31 113	0.29 160	0.23 154	0.26 93	0.23 188	0.09 164	0.06 72	0.09 120	0.09 183	0.09 142	0.09 161

GANet-RSSM	0.24 182	0.14 164	0.36 103	0.21 86	0.14 164	0.27 159	0.21 184	0.45 197	0.33 143	0.29 123	0.39 189	0.39 238	0.28 223	0.58 255	0.23 188	0.11 233	0.07 158	0.09 120	0.09 183	0.10 189	0.09 161

HSM	0.28 238	0.16 207	0.35 86	0.20 57	0.15 205	0.33 236	0.19 123	0.53 272	0.37 175	0.36 242	0.38 177	0.67 353	0.31 256	0.89 352	0.23 188	0.08 99	0.06 72	0.08 65	0.07 50	0.08 81	0.08 111

OMP-Stereo	0.23 159	0.14 164	0.35 86	0.29 316	0.13 131	0.21 73	0.16 38	0.37 129	0.33 143	0.34 211	0.30 99	0.34 199	0.19 121	0.70 300	0.24 197	0.07 16	0.06 72	0.09 120	0.07 50	0.07 37	0.06 18

RAFT-RH_RVC	0.25 204	0.11 63	0.45 198	0.21 86	0.12 77	0.25 135	0.14 13	0.27 21	0.27 74	0.38 255	1.15 377	0.23 93	0.17 86	0.57 250	0.24 197	0.07 16	0.05 6	0.10 182	0.07 50	0.06 6	0.07 65

RAFT + AFF	0.27 221	0.23 290	0.50 235	0.25 245	0.17 244	0.30 208	0.33 318	0.52 261	0.40 206	0.28 98	0.30 99	0.30 170	0.31 256	0.62 275	0.24 197	0.09 164	0.10 269	0.11 229	0.10 215	0.11 225	0.11 231

CFNet-ft	0.24 182	0.15 189	0.35 86	0.18 8	0.15 205	0.30 208	0.21 184	0.39 146	0.36 166	0.28 98	0.40 196	0.43 264	0.25 184	0.47 209	0.24 197	0.12 260	0.07 158	0.12 262	0.11 248	0.12 251	0.09 161

FADNet-RVC-Resample	0.29 248	0.25 297	0.93 351	0.26 273	0.16 228	0.32 227	0.21 184	0.47 213	0.39 193	0.35 227	0.38 177	0.33 193	0.27 210	0.53 234	0.24 197	0.10 206	0.10 269	0.14 300	0.13 298	0.13 264	0.16 298

CFNet_RVC	0.24 182	0.15 189	0.35 86	0.18 8	0.15 205	0.30 208	0.21 184	0.39 146	0.36 166	0.28 98	0.40 196	0.43 264	0.25 184	0.47 209	0.24 197	0.12 260	0.07 158	0.12 262	0.11 248	0.12 251	0.09 161

DeepPruner_ROB	0.26 214	0.19 250	0.44 188	0.21 86	0.16 228	0.30 208	0.21 184	0.52 261	0.32 132	0.35 227	0.38 177	0.39 238	0.26 193	0.42 196	0.24 197	0.15 310	0.11 286	0.11 229	0.11 248	0.14 276	0.13 265

MLCV	0.22 142	0.16 207	0.44 188	0.21 86	0.08 2	0.29 191	0.19 123	0.38 135	0.37 175	0.38 255	0.44 239	0.31 178	0.21 134	0.41 194	0.24 197	0.07 16	0.05 6	0.06 1	0.05 9	0.07 37	0.06 18

NOSS_ROB	0.31 262	0.20 258	0.35 86	0.24 208	0.16 228	0.32 227	0.19 123	0.52 261	0.48 280	0.33 195	0.36 158	0.42 261	0.28 223	0.93 358	0.24 197	0.19 347	0.20 358	0.24 356	0.22 358	0.17 311	0.17 306

gwcnet-sp	0.24 182	0.13 136	0.63 287	0.22 129	0.14 164	0.34 249	0.22 200	0.44 189	0.39 193	0.35 227	0.34 141	0.27 138	0.27 210	0.35 177	0.25 206	0.09 164	0.08 223	0.09 120	0.09 183	0.09 142	0.09 161

scenet	0.24 182	0.13 136	0.63 287	0.22 129	0.14 164	0.34 249	0.22 200	0.44 189	0.39 193	0.35 227	0.34 141	0.27 138	0.27 210	0.35 177	0.25 206	0.09 164	0.08 223	0.09 120	0.09 183	0.09 142	0.09 161

ssnet	0.24 182	0.13 136	0.63 287	0.22 129	0.14 164	0.34 249	0.22 200	0.44 189	0.39 193	0.35 227	0.34 141	0.27 138	0.27 210	0.35 177	0.25 206	0.09 164	0.08 223	0.09 120	0.09 183	0.09 142	0.09 161

HBP-ISP	0.33 277	0.30 331	0.72 311	0.22 129	0.16 228	0.32 227	0.22 200	0.54 279	0.44 240	0.41 287	0.49 275	0.33 193	0.38 293	0.73 310	0.25 206	0.18 342	0.19 353	0.24 356	0.20 348	0.16 296	0.13 265

dd	0.22 142	0.26 308	0.40 143	0.22 129	0.12 77	0.25 135	0.21 184	0.32 67	0.44 240	0.29 123	0.28 79	0.25 111	0.16 63	0.30 145	0.25 206	0.12 260	0.07 158	0.10 182	0.08 109	0.11 225	0.09 161

SACVNet	0.30 255	0.20 258	0.41 165	0.25 245	0.18 263	0.34 249	0.25 256	0.52 261	0.40 206	0.41 287	0.44 239	0.46 284	0.32 263	0.71 303	0.25 206	0.13 276	0.10 269	0.12 262	0.12 280	0.16 296	0.17 306

AACVNet	0.26 214	0.16 207	0.37 108	0.22 129	0.14 164	0.29 191	0.19 123	0.41 163	0.31 124	0.38 255	0.42 218	0.43 264	0.28 223	0.73 310	0.25 206	0.11 233	0.08 223	0.11 229	0.09 183	0.13 264	0.11 231

pcwnet_v2	0.32 271	0.15 189	1.26 379	0.23 171	0.18 263	0.32 227	0.18 86	0.59 322	0.60 332	0.36 242	0.45 251	0.35 213	0.29 236	0.36 181	0.25 206	0.14 299	0.11 286	0.12 262	0.11 248	0.14 276	0.15 291

cf-r	0.24 182	0.15 189	0.44 188	0.21 86	0.14 164	0.27 159	0.22 200	0.42 175	0.40 206	0.30 151	0.42 218	0.42 261	0.26 193	0.43 198	0.25 206	0.11 233	0.06 72	0.08 65	0.10 215	0.08 81	0.08 111

FADNet	0.32 271	0.36 350	0.74 315	0.23 171	0.22 318	0.37 268	0.19 123	0.53 272	0.48 280	0.32 186	0.36 158	0.43 264	0.32 263	0.64 282	0.25 206	0.16 322	0.16 338	0.14 300	0.16 328	0.24 349	0.19 327

CFNet	0.27 221	0.20 258	0.44 188	0.22 129	0.14 164	0.33 236	0.14 13	0.51 251	0.45 252	0.30 151	0.40 196	0.38 227	0.27 210	0.76 323	0.25 206	0.09 164	0.07 158	0.11 229	0.11 248	0.11 225	0.08 111

HITNet	0.20 102	0.17 223	0.43 182	0.19 26	0.08 2	0.27 159	0.14 13	0.42 175	0.30 114	0.29 123	0.32 116	0.27 138	0.21 134	0.28 120	0.25 206	0.07 16	0.05 6	0.07 14	0.06 23	0.09 142	0.06 18
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
dad	0.28 238	0.31 336	0.44 188	0.21 86	0.14 164	0.30 208	0.20 161	0.33 81	0.49 289	0.44 306	0.44 239	0.45 278	0.21 134	0.41 194	0.26 218	0.20 350	0.11 286	0.20 344	0.11 248	0.14 276	0.10 206

IIG-Stereo	0.23 159	0.13 136	0.35 86	0.29 316	0.12 77	0.23 110	0.14 13	0.38 135	0.31 124	0.34 211	0.37 167	0.33 193	0.21 134	0.70 300	0.26 218	0.08 99	0.06 72	0.09 120	0.07 50	0.07 37	0.06 18

CVANet_RVC	0.30 255	0.19 250	0.41 165	0.26 273	0.16 228	0.33 236	0.26 267	0.52 261	0.47 271	0.40 278	0.46 261	0.43 264	0.31 256	0.89 352	0.26 218	0.14 299	0.09 251	0.14 300	0.13 298	0.14 276	0.10 206

iResNet	0.24 182	0.18 235	0.61 277	0.25 245	0.11 42	0.29 191	0.21 184	0.42 175	0.43 226	0.33 195	0.43 230	0.27 138	0.22 145	0.34 168	0.26 218	0.07 16	0.05 6	0.07 14	0.06 23	0.08 81	0.07 65

iRaft-Stereo_5w	0.23 159	0.18 235	0.44 188	0.22 129	0.13 131	0.19 34	0.19 123	0.37 129	0.32 132	0.28 98	0.37 167	0.34 199	0.23 154	0.65 288	0.27 222	0.06 1	0.06 72	0.08 65	0.07 50	0.09 142	0.08 111

LMCR-Stereo	0.26 214	0.18 235	0.49 225	0.28 313	0.14 164	0.36 263	0.23 220	0.54 279	0.34 150	0.39 270	0.40 196	0.29 160	0.29 236	0.37 183	0.27 222	0.11 233	0.07 158	0.09 120	0.07 50	0.13 264	0.09 161

MyStereo8	0.22 142	0.15 189	0.63 287	0.21 86	0.17 244	0.31 219	0.16 38	0.36 123	0.32 132	0.28 98	0.36 158	0.25 111	0.18 108	0.25 80	0.28 224	0.08 99	0.07 158	0.08 65	0.07 50	0.10 189	0.12 253

SMFormer	0.25 204	0.12 81	0.40 143	0.19 26	0.10 20	0.27 159	0.19 123	0.51 251	0.45 252	0.34 211	0.41 204	0.31 178	0.26 193	0.58 255	0.28 224	0.10 206	0.07 158	0.08 65	0.08 109	0.09 142	0.09 161

tta	0.24 182	0.12 81	0.40 143	0.19 26	0.10 20	0.27 159	0.19 123	0.51 251	0.45 252	0.34 211	0.41 204	0.31 178	0.26 193	0.58 255	0.28 224	0.10 206	0.07 158	0.08 65	0.08 109	0.08 81	0.07 65

CSP-Net	0.27 221	0.15 189	0.30 42	0.21 86	0.14 164	0.44 307	0.24 242	0.50 238	0.40 206	0.41 287	0.43 230	0.42 261	0.26 193	0.66 292	0.28 224	0.12 260	0.08 223	0.08 65	0.08 109	0.10 189	0.09 161

GEStereo_RVC	0.27 221	0.20 258	0.44 188	0.27 296	0.16 228	0.33 236	0.25 256	0.56 303	0.54 314	0.34 211	0.38 177	0.34 199	0.25 184	0.51 223	0.28 224	0.12 260	0.08 223	0.09 120	0.08 109	0.11 225	0.11 231

GwcNet-RSSM	0.26 214	0.17 223	0.46 204	0.21 86	0.13 131	0.28 172	0.23 220	0.44 189	0.42 221	0.31 168	0.45 251	0.40 251	0.26 193	0.55 239	0.28 224	0.11 233	0.07 158	0.09 120	0.10 215	0.09 142	0.08 111

DMCA	0.22 142	0.14 164	0.36 103	0.22 129	0.14 164	0.27 159	0.20 161	0.43 185	0.38 187	0.31 168	0.32 116	0.33 193	0.24 169	0.24 57	0.28 224	0.11 233	0.08 223	0.10 182	0.08 109	0.10 189	0.11 231

STTStereo	0.28 238	0.20 258	0.61 277	0.25 245	0.17 244	0.29 191	0.24 242	0.47 213	0.39 193	0.39 270	0.41 204	0.44 274	0.28 223	0.40 192	0.28 224	0.13 276	0.12 303	0.13 281	0.16 328	0.12 251	0.11 231

TDLM	0.30 255	0.21 271	0.38 127	0.28 313	0.15 205	0.33 236	0.32 308	0.52 261	0.47 271	0.38 255	0.43 230	0.39 238	0.29 236	0.91 356	0.28 224	0.14 299	0.08 223	0.13 281	0.11 248	0.12 251	0.10 206

NVstereo2D	0.31 262	0.16 207	0.54 251	0.24 208	0.22 318	0.42 297	0.28 285	0.58 317	0.56 323	0.28 98	0.38 177	0.40 251	0.30 245	0.71 303	0.28 224	0.13 276	0.08 223	0.13 281	0.10 215	0.19 326	0.16 298

ToySt	0.24 182	0.16 207	0.48 220	0.21 86	0.13 131	0.29 191	0.29 289	0.39 146	0.39 193	0.27 89	0.35 148	0.39 238	0.31 256	0.31 150	0.29 234	0.08 99	0.09 251	0.10 182	0.11 248	0.11 225	0.10 206

Anonymous_2	0.37 302	0.21 271	0.47 211	0.20 57	0.21 303	0.42 297	0.26 267	0.38 135	0.29 105	0.33 195	0.30 99	0.44 274	0.38 293	0.36 181	0.29 234	0.26 359	0.29 377	0.44 377	1.41 411	0.34 370	0.21 344

CRFU-Net	0.28 238	0.14 164	0.45 198	0.25 245	0.15 205	0.45 312	0.23 220	0.50 238	0.30 114	0.43 301	0.41 204	0.48 292	0.46 327	0.43 198	0.29 234	0.11 233	0.10 269	0.09 120	0.08 109	0.10 189	0.10 206

PSMNet-ADL	0.25 204	0.15 189	0.32 60	0.26 273	0.14 164	0.31 219	0.22 200	0.44 189	0.36 166	0.27 89	0.33 135	0.41 254	0.28 223	0.61 267	0.29 234	0.11 233	0.09 251	0.09 120	0.11 248	0.10 189	0.10 206

BEATNet_4x	0.22 142	0.18 235	0.47 211	0.22 129	0.10 20	0.28 172	0.14 13	0.46 206	0.32 132	0.31 168	0.34 141	0.31 178	0.25 184	0.31 150	0.29 234	0.08 99	0.06 72	0.08 65	0.06 23	0.10 189	0.08 111

NLCA_NET_v2_RVC	0.27 221	0.21 271	0.59 272	0.25 245	0.18 263	0.29 191	0.22 200	0.50 238	0.40 206	0.38 255	0.41 204	0.43 264	0.27 210	0.43 198	0.29 234	0.11 233	0.08 223	0.10 182	0.10 215	0.10 189	0.11 231
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	0.29 248	0.16 207	0.41 165	0.26 273	0.17 244	0.32 227	0.26 267	0.55 289	0.43 226	0.36 242	0.40 196	0.45 278	0.37 289	0.58 255	0.30 240	0.11 233	0.12 303	0.13 281	0.12 280	0.10 189	0.10 206

DMCA-RVC	0.27 221	0.21 271	0.61 277	0.28 313	0.17 244	0.29 191	0.21 184	0.42 175	0.35 156	0.40 278	0.37 167	0.39 238	0.36 281	0.43 198	0.30 240	0.13 276	0.10 269	0.15 312	0.11 248	0.13 264	0.10 206

MaskLacGwcNet_RVC	0.36 293	0.36 350	0.53 248	0.34 344	0.19 281	0.51 332	0.24 242	0.55 289	0.38 187	0.41 287	0.47 268	0.47 286	0.27 210	0.73 310	0.30 240	0.36 376	0.19 353	0.27 359	0.17 337	0.26 357	0.23 355

PS-NSSS	0.32 271	0.30 331	0.46 204	0.23 171	0.17 244	0.33 236	0.24 242	0.57 310	0.41 217	0.37 247	0.52 291	0.35 213	0.30 245	0.80 336	0.30 240	0.17 332	0.14 317	0.21 347	0.15 317	0.15 288	0.13 265

HHNet	0.22 142	0.12 81	0.52 245	0.18 8	0.18 263	0.20 55	0.20 161	0.34 87	0.31 124	0.32 186	0.59 314	0.20 59	0.21 134	0.24 57	0.31 244	0.08 99	0.05 6	0.09 120	0.07 50	0.08 81	0.11 231

UNet	0.28 238	0.14 164	0.69 302	0.23 171	0.20 295	0.44 307	0.22 200	0.50 238	0.40 206	0.34 211	0.39 189	0.43 264	0.33 266	0.40 192	0.31 244	0.09 164	0.07 158	0.10 182	0.08 109	0.10 189	0.08 111

FADNet_RVC	0.30 255	0.28 318	0.83 331	0.23 171	0.15 205	0.30 208	0.17 59	0.49 230	0.37 175	0.30 151	0.38 177	0.30 170	0.27 210	0.52 229	0.31 244	0.14 299	0.14 317	0.14 300	0.16 328	0.21 337	0.23 355

FADNet-RVC	0.31 262	0.35 347	0.78 317	0.25 245	0.20 295	0.33 236	0.20 161	0.49 230	0.40 206	0.34 211	0.39 189	0.41 254	0.29 236	0.63 280	0.31 244	0.13 276	0.14 317	0.14 300	0.15 317	0.19 326	0.19 327

CBMV	0.33 277	0.21 271	0.54 251	0.23 171	0.13 131	0.42 297	0.33 318	0.53 272	0.48 280	0.52 336	0.49 275	0.50 302	0.41 305	0.56 247	0.31 244	0.15 310	0.16 338	0.18 334	0.16 328	0.13 264	0.13 265
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
SQANet	0.40 320	0.48 367	0.67 297	0.48 374	0.39 369	0.48 324	0.22 200	0.51 251	0.43 226	0.40 278	0.47 268	0.47 286	0.33 266	0.54 238	0.32 249	0.36 376	0.15 331	0.40 375	0.21 351	0.45 376	0.31 368

FINET	0.34 284	0.27 315	0.80 325	0.24 208	0.24 334	0.36 263	0.34 320	0.54 279	0.72 356	0.39 270	0.47 268	0.32 186	0.30 245	0.51 223	0.32 249	0.19 347	0.17 343	0.13 281	0.12 280	0.18 322	0.16 298

ac_64	0.27 221	0.13 136	0.41 165	0.24 208	0.17 244	0.36 263	0.22 200	0.46 206	0.33 143	0.35 227	0.36 158	0.52 309	0.30 245	0.62 275	0.32 249	0.11 233	0.09 251	0.10 182	0.10 215	0.09 142	0.08 111

ACVNet	0.23 159	0.13 136	0.35 86	0.18 8	0.15 205	0.27 159	0.23 220	0.39 146	0.44 240	0.28 98	0.41 204	0.38 227	0.26 193	0.27 108	0.32 249	0.08 99	0.07 158	0.08 65	0.07 50	0.10 189	0.07 65

hitnet-ft	0.29 248	0.17 223	0.40 143	0.19 26	0.14 164	0.39 282	0.23 220	0.44 189	0.41 217	0.36 242	0.46 261	0.53 313	0.34 273	0.76 323	0.32 249	0.14 299	0.10 269	0.13 281	0.10 215	0.15 288	0.13 265

DSFCA	0.27 221	0.13 136	0.36 103	0.20 57	0.17 244	0.38 275	0.31 303	0.47 213	0.43 226	0.43 301	0.37 167	0.39 238	0.29 236	0.52 229	0.32 249	0.12 260	0.10 269	0.10 182	0.11 248	0.11 225	0.10 206

CBMV_ROB	0.33 277	0.18 235	0.53 248	0.21 86	0.14 164	0.33 236	0.20 161	0.51 251	0.45 252	0.51 330	0.55 303	0.45 278	0.42 313	0.71 303	0.32 249	0.18 342	0.19 353	0.23 354	0.21 351	0.14 276	0.15 291

DDUNet	0.41 322	0.50 372	0.48 220	0.44 370	0.39 369	0.46 314	0.32 308	0.50 238	0.43 226	0.45 310	0.52 291	0.57 323	0.36 281	0.48 211	0.33 256	0.33 374	0.21 359	0.55 383	0.25 362	0.37 373	0.32 371

UPFNet	0.25 204	0.12 81	0.38 127	0.24 208	0.19 281	0.37 268	0.28 285	0.48 224	0.38 187	0.34 211	0.37 167	0.37 222	0.28 223	0.39 189	0.33 256	0.10 206	0.09 251	0.10 182	0.10 215	0.10 189	0.08 111

HGLStereo	0.27 221	0.14 164	0.46 204	0.24 208	0.21 303	0.33 236	0.23 220	0.50 238	0.42 221	0.35 227	0.48 274	0.41 254	0.33 266	0.45 204	0.33 256	0.11 233	0.10 269	0.09 120	0.09 183	0.10 189	0.12 253

DLCB_ROB	0.28 238	0.16 207	0.34 78	0.27 296	0.16 228	0.38 275	0.25 256	0.48 224	0.43 226	0.46 313	0.46 261	0.51 306	0.33 266	0.53 234	0.33 256	0.10 206	0.10 269	0.11 229	0.11 248	0.10 189	0.09 161

AASNet	0.27 221	0.19 250	0.49 225	0.26 273	0.17 244	0.34 249	0.20 161	0.62 343	0.48 280	0.35 227	0.40 196	0.32 186	0.25 184	0.28 120	0.34 260	0.11 233	0.09 251	0.10 182	0.08 109	0.13 264	0.11 231

MMNet	0.27 221	0.14 164	0.49 225	0.24 208	0.17 244	0.47 320	0.22 200	0.45 197	0.51 300	0.39 270	0.41 204	0.36 218	0.33 266	0.39 189	0.34 260	0.08 99	0.07 158	0.09 120	0.09 183	0.10 189	0.08 111

delet	0.27 221	0.14 164	0.40 143	0.23 171	0.19 281	0.41 290	0.29 289	0.49 230	0.48 280	0.33 195	0.41 204	0.37 222	0.30 245	0.48 211	0.34 260	0.09 164	0.09 251	0.11 229	0.12 280	0.08 81	0.08 111

FAT-Stereo	0.36 293	0.18 235	0.73 314	0.26 273	0.18 263	0.33 236	0.29 289	0.60 330	0.59 329	0.46 313	0.60 319	0.60 331	0.50 338	0.61 267	0.34 260	0.13 276	0.14 317	0.13 281	0.12 280	0.14 276	0.18 320

GASNet	0.36 293	0.46 363	0.88 342	0.34 344	0.23 329	0.35 258	0.22 200	0.60 330	0.53 310	0.40 278	0.37 167	0.45 278	0.30 245	0.79 332	0.35 264	0.15 310	0.10 269	0.14 300	0.14 309	0.22 343	0.12 253

ADLNet2	0.30 255	0.17 223	0.72 311	0.23 171	0.17 244	0.36 263	0.24 242	0.52 261	0.51 300	0.32 186	0.38 177	0.45 278	0.30 245	0.69 297	0.35 264	0.10 206	0.08 223	0.09 120	0.09 183	0.12 251	0.10 206

ADLNet	0.28 238	0.15 189	0.42 172	0.23 171	0.19 281	0.34 249	0.23 220	0.53 272	0.43 226	0.42 295	0.41 204	0.44 274	0.27 210	0.55 239	0.35 264	0.11 233	0.08 223	0.11 229	0.11 248	0.11 225	0.12 253

acv_ft	0.25 204	0.13 136	0.40 143	0.23 171	0.19 281	0.34 249	0.21 184	0.45 197	0.44 240	0.38 255	0.41 204	0.38 227	0.27 210	0.27 108	0.35 264	0.08 99	0.07 158	0.08 65	0.07 50	0.11 225	0.07 65

stereogan	0.37 302	0.17 223	0.65 293	0.27 296	0.22 318	0.62 354	0.26 267	0.59 322	0.63 340	0.43 301	0.60 319	0.67 353	0.42 313	0.68 295	0.35 264	0.13 276	0.14 317	0.14 300	0.12 280	0.19 326	0.17 306

CC-Net-ROB	0.43 329	0.47 365	0.65 293	0.37 359	0.23 329	0.51 332	0.29 289	0.66 357	0.49 289	0.46 313	0.51 283	0.48 292	0.38 293	0.96 364	0.35 264	0.34 375	0.23 367	0.55 383	0.25 362	0.31 367	0.20 337

RASNet	0.28 238	0.14 164	0.44 188	0.22 129	0.18 263	0.32 227	0.19 123	0.48 224	0.38 187	0.29 123	0.43 230	0.47 286	0.37 289	0.79 332	0.36 270	0.09 164	0.07 158	0.07 14	0.09 183	0.07 37	0.07 65

StereoDRNet-Refined	0.27 221	0.17 223	0.35 86	0.25 245	0.14 164	0.37 268	0.21 184	0.47 213	0.41 217	0.44 306	0.51 283	0.41 254	0.28 223	0.45 204	0.37 271	0.09 164	0.06 72	0.11 229	0.11 248	0.10 189	0.10 206
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
NCCL2	0.35 289	0.26 308	0.49 225	0.36 354	0.22 318	0.41 290	0.41 345	0.53 272	0.42 221	0.47 321	0.46 261	0.61 335	0.39 298	0.55 239	0.37 271	0.16 322	0.13 313	0.21 347	0.21 351	0.16 296	0.16 298

SDNR	0.42 325	0.21 271	0.82 330	0.21 86	0.18 263	1.27 394	0.17 59	0.50 238	0.49 289	0.42 295	0.81 357	0.38 227	0.27 210	1.19 379	0.38 273	0.23 354	0.24 369	0.17 327	0.13 298	0.17 311	0.20 337

fast-acv-ft	0.31 262	0.20 258	0.81 327	0.24 208	0.18 263	0.46 314	0.27 272	0.41 163	0.49 289	0.39 270	0.55 303	0.49 296	0.35 277	0.37 183	0.38 273	0.11 233	0.11 286	0.11 229	0.12 280	0.12 251	0.09 161

CBFPSM	0.27 221	0.16 207	0.67 297	0.20 57	0.14 164	0.38 275	0.25 256	0.40 153	0.36 166	0.33 195	0.36 158	0.56 319	0.38 293	0.32 156	0.38 273	0.08 99	0.08 223	0.07 14	0.08 109	0.09 142	0.11 231

Wz-Net-LNSev-Ref	0.30 255	0.20 258	0.70 308	0.21 86	0.17 244	0.46 314	0.27 272	0.50 238	0.49 289	0.42 295	0.55 303	0.43 264	0.30 245	0.46 206	0.38 273	0.09 164	0.06 72	0.07 14	0.06 23	0.11 225	0.10 206

Syn2CoEx	0.36 293	0.31 336	0.78 317	0.34 344	0.21 303	0.41 290	0.28 285	0.61 334	0.49 289	0.42 295	0.56 308	0.45 278	0.44 318	0.69 297	0.38 273	0.17 332	0.14 317	0.15 312	0.12 280	0.13 264	0.12 253

MDST_ROB	0.48 341	0.14 164	0.95 354	0.30 324	0.21 303	1.33 397	0.32 308	0.77 374	0.56 323	1.06 384	0.71 344	0.49 296	0.35 277	1.26 385	0.38 273	0.13 276	0.11 286	0.16 321	0.13 298	0.12 251	0.12 253

ETE_ROB	0.34 284	0.26 308	0.45 198	0.29 316	0.18 263	0.40 287	0.37 330	0.57 310	0.47 271	0.50 325	0.50 277	0.62 337	0.36 281	0.55 239	0.38 273	0.13 276	0.10 269	0.14 300	0.12 280	0.16 296	0.16 298

PWCDC_ROB	0.38 308	0.30 331	0.60 274	0.33 342	0.20 295	0.42 297	0.19 123	0.58 317	0.89 373	0.42 295	1.26 381	0.36 218	0.34 273	0.50 218	0.38 273	0.18 342	0.11 286	0.11 229	0.09 183	0.19 326	0.13 265

ssnet_v2	0.28 238	0.16 207	0.44 188	0.22 129	0.15 205	0.40 287	0.30 299	0.57 310	0.46 266	0.38 255	0.36 158	0.47 286	0.29 236	0.38 187	0.39 281	0.13 276	0.11 286	0.11 229	0.11 248	0.11 225	0.11 231

Wz-Net-LNSev	0.34 284	0.29 325	0.91 347	0.26 273	0.21 303	0.47 320	0.31 303	0.54 279	0.54 314	0.44 306	0.52 291	0.50 302	0.35 277	0.39 189	0.39 281	0.11 233	0.11 286	0.10 182	0.09 183	0.14 276	0.13 265

UDG	0.40 320	0.46 363	0.49 225	0.40 365	0.35 366	0.47 320	0.27 272	0.54 279	0.47 271	0.39 270	0.45 251	0.59 328	0.44 318	0.46 206	0.39 281	0.26 359	0.19 353	0.48 379	0.22 358	0.34 370	0.26 361

RP	0.35 289	0.22 283	0.51 241	0.31 331	0.24 334	0.37 268	0.28 285	0.50 238	0.58 328	0.40 278	0.63 331	0.61 335	0.47 330	0.61 267	0.39 281	0.16 322	0.15 331	0.17 327	0.15 317	0.17 311	0.17 306

RGC	0.39 314	0.32 341	0.64 292	0.34 344	0.27 348	0.40 287	0.29 289	0.57 310	0.53 310	0.45 310	0.64 332	0.62 337	0.45 321	0.72 308	0.39 281	0.15 310	0.15 331	0.21 347	0.20 348	0.18 322	0.19 327

STTRV1_RVC	0.42 325	0.32 341	0.89 345	0.29 316	0.36 367	0.49 327	0.31 303	0.61 334	0.53 310	0.46 313	0.56 308	0.47 286	0.43 316	1.00 368	0.39 281	0.27 364	0.21 359	0.20 344	0.18 342	0.25 350	0.17 306

GANetREF_RVC	0.43 329	0.47 365	0.69 302	0.38 361	0.20 295	0.51 332	0.48 365	0.66 357	0.66 343	0.46 313	0.46 261	0.50 302	0.44 318	0.90 355	0.39 281	0.27 364	0.21 359	0.32 369	0.18 342	0.27 360	0.22 349
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
iinet-f	0.30 255	0.18 235	1.03 365	0.20 57	0.15 205	0.44 307	0.22 200	0.45 197	0.37 175	0.35 227	0.44 239	0.41 254	0.34 273	0.34 168	0.40 288	0.10 206	0.09 251	0.08 65	0.08 109	0.13 264	0.11 231

S-Stereo	0.38 308	0.20 258	1.05 366	0.27 296	0.22 318	0.38 275	0.32 308	0.55 289	0.66 343	0.39 270	0.59 314	0.49 296	0.41 305	0.75 318	0.40 288	0.12 260	0.15 331	0.13 281	0.13 298	0.16 296	0.21 344

edge stereo	0.39 314	0.22 283	0.81 327	0.27 296	0.22 318	0.37 268	0.24 242	0.56 303	0.54 314	0.53 341	0.60 319	0.71 361	0.50 338	0.78 330	0.40 288	0.16 322	0.14 317	0.19 341	0.14 309	0.16 296	0.17 306

Nwc_Net	0.37 302	0.25 297	0.68 301	0.31 331	0.24 334	0.44 307	0.30 299	0.65 351	0.50 297	0.37 247	0.69 343	0.58 326	0.45 321	0.60 262	0.40 288	0.15 310	0.12 303	0.19 341	0.21 351	0.14 276	0.13 265

AANet_RVC	0.31 262	0.22 283	0.50 235	0.23 171	0.14 164	0.30 208	0.24 242	0.47 213	0.54 314	0.38 255	0.60 319	0.43 264	0.29 236	0.87 348	0.40 288	0.11 233	0.07 158	0.07 14	0.07 50	0.09 142	0.09 161

StereoDRNet	0.32 271	0.22 283	0.61 277	0.27 296	0.21 303	0.42 297	0.30 299	0.61 334	0.48 280	0.46 313	0.39 189	0.48 292	0.30 245	0.57 250	0.40 288	0.11 233	0.09 251	0.12 262	0.11 248	0.12 251	0.10 206

GwcNet	0.35 289	0.23 290	0.88 342	0.25 245	0.24 334	0.48 324	0.27 272	0.55 289	0.57 326	0.38 255	0.52 291	0.51 306	0.32 263	0.60 262	0.41 294	0.13 276	0.11 286	0.12 262	0.11 248	0.13 264	0.14 282

GANet	0.36 293	0.22 283	0.49 225	0.29 316	0.17 244	0.41 290	0.38 336	0.57 310	0.45 252	0.46 313	0.75 350	0.55 317	0.40 301	0.94 361	0.41 294	0.13 276	0.13 313	0.13 281	0.11 248	0.14 276	0.11 231

DRN-Test	0.33 277	0.17 223	0.61 277	0.27 296	0.19 281	0.46 314	0.29 289	0.65 351	0.51 300	0.47 321	0.46 261	0.44 274	0.34 273	0.62 275	0.41 294	0.12 260	0.08 223	0.13 281	0.12 280	0.12 251	0.10 206

DRaft	0.24 182	0.10 24	0.34 78	0.18 8	0.12 77	0.28 172	0.23 220	0.33 81	0.39 193	0.38 255	0.61 326	0.21 67	0.41 305	0.48 211	0.42 297	0.07 16	0.06 72	0.08 65	0.08 109	0.07 37	0.08 111

DGSMNet	0.61 365	0.29 325	0.91 347	0.51 377	0.70 389	0.62 354	1.38 410	0.59 322	0.55 320	0.37 247	0.61 326	0.52 309	0.33 266	0.65 288	0.43 298	0.53 382	0.60 400	0.67 388	0.61 396	0.63 385	0.61 395

MFN_U_SF_DS_RVC	0.51 349	0.50 372	0.86 339	0.39 363	0.24 334	0.84 375	0.55 372	0.56 303	0.62 337	0.60 349	0.68 339	0.62 337	0.42 313	1.13 377	0.43 298	0.23 354	0.27 373	0.27 359	0.35 375	0.25 350	0.29 365

LALA_ROB	0.36 293	0.25 297	0.46 204	0.30 324	0.21 303	0.47 320	0.39 341	0.61 334	0.51 300	0.52 336	0.51 283	0.69 358	0.36 281	0.50 218	0.43 298	0.17 332	0.11 286	0.16 321	0.14 309	0.17 311	0.15 291

PSMNet_ROB	0.33 277	0.24 293	0.54 251	0.31 331	0.21 303	0.42 297	0.43 350	0.59 322	0.47 271	0.37 247	0.44 239	0.49 296	0.31 256	0.64 282	0.43 298	0.14 299	0.10 269	0.15 312	0.14 309	0.13 264	0.11 231

Wz-Net-MNSev	0.36 293	0.26 308	0.79 323	0.26 273	0.21 303	0.59 349	0.38 336	0.55 289	0.56 323	0.48 324	0.54 299	0.53 313	0.36 281	0.60 262	0.44 302	0.11 233	0.09 251	0.11 229	0.11 248	0.15 288	0.13 265

DEmStereo	0.26 214	0.09 9	0.47 211	0.19 26	0.12 77	0.30 208	0.25 256	0.28 33	0.36 166	0.36 242	0.58 312	0.25 111	0.48 336	0.53 234	0.44 302	0.07 16	0.06 72	0.08 65	0.08 109	0.06 6	0.07 65

AF-Net	0.37 302	0.26 308	0.56 260	0.32 337	0.23 329	0.41 290	0.29 289	0.61 334	0.64 341	0.42 295	0.68 339	0.65 348	0.49 337	0.57 250	0.44 302	0.15 310	0.11 286	0.19 341	0.14 309	0.15 288	0.13 265

Ntro	0.58 360	0.64 381	0.92 349	0.66 385	0.50 378	0.77 368	0.36 326	0.66 357	0.70 353	0.50 325	0.59 314	0.65 348	0.51 341	0.75 318	0.45 305	0.56 386	0.32 381	0.56 386	0.34 374	0.63 385	0.46 384

THIR-Stereo	0.29 248	0.12 81	0.41 165	0.19 26	0.11 42	0.28 172	0.72 384	0.32 67	0.35 156	0.37 247	0.65 333	0.34 199	0.50 338	0.57 250	0.45 305	0.07 16	0.06 72	0.08 65	0.09 183	0.07 37	0.07 65

psmorigin	0.50 345	0.25 297	3.03 406	0.24 208	0.19 281	0.38 275	0.22 200	0.50 238	0.44 240	0.64 354	0.68 339	0.71 361	0.51 341	0.85 345	0.45 305	0.14 299	0.17 343	0.13 281	0.14 309	0.16 296	0.21 344

NCC-stereo	0.39 314	0.25 297	0.69 302	0.32 337	0.28 351	0.46 314	0.36 326	0.65 351	0.52 306	0.40 278	0.57 310	0.56 319	0.47 330	0.73 310	0.45 305	0.17 332	0.14 317	0.18 334	0.25 362	0.16 296	0.16 298

Abc-Net	0.39 314	0.25 297	0.69 302	0.32 337	0.28 351	0.46 314	0.36 326	0.65 351	0.52 306	0.40 278	0.57 310	0.56 319	0.47 330	0.73 310	0.45 305	0.17 332	0.14 317	0.18 334	0.25 362	0.16 296	0.16 298
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
XPNet_ROB	0.33 277	0.20 258	0.43 182	0.27 296	0.18 263	0.37 268	0.31 303	0.55 289	0.50 297	0.51 330	0.53 296	0.58 326	0.37 289	0.63 280	0.45 305	0.17 332	0.12 303	0.13 281	0.12 280	0.15 288	0.14 282

otaku	0.57 359	0.62 380	0.87 341	0.63 384	0.44 374	0.73 364	0.37 330	0.65 351	0.66 343	0.51 330	0.75 350	0.66 352	0.45 321	0.69 297	0.46 311	0.53 382	0.34 382	0.55 383	0.35 375	0.60 384	0.45 381

APVNet	0.36 293	0.20 258	0.70 308	0.26 273	0.22 318	0.52 341	0.35 323	0.61 334	0.44 240	0.38 255	0.52 291	0.48 292	0.38 293	0.84 344	0.46 311	0.13 276	0.14 317	0.15 312	0.16 328	0.16 296	0.15 291

PDISCO_ROB	0.43 329	0.30 331	0.67 297	0.43 368	0.36 367	0.67 359	0.32 308	0.72 370	0.76 361	0.43 301	0.53 296	0.63 345	0.40 301	0.66 292	0.47 313	0.21 351	0.12 303	0.21 347	0.19 347	0.25 350	0.20 337

Anonymous Stereo	0.38 308	0.34 344	1.00 359	0.30 324	0.25 341	0.33 236	0.44 353	0.50 238	0.54 314	0.41 287	0.45 251	0.39 238	0.26 193	0.93 358	0.48 314	0.15 310	0.14 317	0.15 312	0.16 328	0.16 296	0.17 306

PASM	0.45 336	0.35 347	0.90 346	0.35 353	0.33 363	0.39 282	0.38 336	0.50 238	0.61 335	0.52 336	0.51 283	0.62 337	0.45 321	0.93 358	0.48 314	0.26 359	0.29 377	0.29 365	0.33 373	0.29 365	0.26 361

DispFullNet	0.66 369	0.89 392	1.59 389	0.77 390	1.21 407	0.51 332	0.23 220	0.59 322	0.72 356	0.69 360	0.61 326	0.69 358	0.91 381	0.79 332	0.48 314	0.27 364	0.12 303	0.73 391	0.30 372	0.65 388	0.40 377

PA-Net	0.37 302	0.28 318	0.83 331	0.31 331	0.28 351	0.39 282	0.42 348	0.51 251	0.55 320	0.34 211	0.42 218	0.41 254	0.36 281	0.79 332	0.49 317	0.12 260	0.23 367	0.16 321	0.23 360	0.12 251	0.18 320
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
DANet	0.35 289	0.23 290	0.60 274	0.36 354	0.22 318	0.39 282	0.25 256	0.48 224	0.43 226	0.52 336	0.50 277	0.59 328	0.41 305	0.76 323	0.49 317	0.13 276	0.11 286	0.14 300	0.12 280	0.17 311	0.15 291
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
LSM	1.64 402	0.40 359	2.56 402	2.02 413	17.61 425	0.51 332	0.52 369	0.61 334	0.76 361	0.82 370	1.11 375	0.63 345	0.54 344	0.75 318	0.49 317	0.16 322	0.24 369	0.18 334	0.21 351	0.25 350	2.42 416

DISCO	0.32 271	0.13 136	0.51 241	0.25 245	0.16 228	0.48 324	0.25 256	0.50 238	0.57 326	0.37 247	0.45 251	0.62 337	0.36 281	0.64 282	0.49 317	0.09 164	0.07 158	0.09 120	0.08 109	0.12 251	0.11 231

MSMD_ROB	0.60 364	0.33 343	0.61 277	0.30 324	0.25 341	0.86 376	0.35 323	0.55 289	0.67 346	1.10 386	1.49 390	1.76 394	0.97 385	0.88 351	0.49 317	0.23 354	0.21 359	0.27 359	0.27 368	0.25 350	0.24 359

aanetorigin	0.39 314	0.29 325	1.09 368	0.24 208	0.19 281	0.28 172	0.37 330	0.33 81	0.47 271	0.94 376	0.82 358	0.52 309	0.54 344	0.49 216	0.50 322	0.11 233	0.09 251	0.10 182	0.10 215	0.16 296	0.15 291

SGM-Forest	0.36 293	0.17 223	0.47 211	0.23 171	0.16 228	0.45 312	0.41 345	0.55 289	0.48 280	0.52 336	0.60 319	0.52 309	0.41 305	0.85 345	0.50 322	0.17 332	0.17 343	0.17 327	0.15 317	0.15 288	0.15 291
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
FBW_ROB	0.43 329	0.26 308	0.54 251	0.31 331	0.20 295	0.51 332	0.32 308	0.70 367	0.60 332	0.59 348	0.55 303	0.65 348	0.41 305	1.40 390	0.51 324	0.13 276	0.17 343	0.21 347	0.16 328	0.17 311	0.18 320

DeepPrunerF	0.44 335	0.29 325	1.29 382	0.33 342	0.30 359	0.35 258	0.36 326	0.62 343	1.15 389	0.40 278	0.44 239	0.39 238	0.41 305	0.80 336	0.52 325	0.18 342	0.14 317	0.23 354	0.21 351	0.17 311	0.17 306

PWC_ROB	0.38 308	0.29 325	0.69 302	0.25 245	0.20 295	0.38 275	0.19 123	0.58 317	0.67 346	0.57 347	0.85 361	0.51 306	0.40 301	0.71 303	0.52 325	0.13 276	0.09 251	0.14 300	0.10 215	0.17 311	0.14 282

RYNet	0.37 302	0.18 235	0.59 272	0.25 245	0.28 351	0.61 353	0.32 308	0.59 322	0.59 329	0.41 287	0.38 177	0.57 323	0.39 298	0.87 348	0.53 327	0.11 233	0.08 223	0.12 262	0.11 248	0.18 322	0.18 320

ACVNet_1	0.72 374	0.81 387	1.37 386	0.72 388	0.53 381	0.77 368	0.42 348	0.85 385	0.90 375	0.74 365	0.75 350	1.32 386	0.72 368	1.02 371	0.55 328	0.54 384	0.31 380	0.71 390	0.35 375	0.64 387	0.45 381

RainbowNet	0.72 374	0.89 392	1.02 363	0.82 391	0.63 387	0.78 371	0.52 369	0.81 381	0.93 379	0.60 349	0.79 355	0.80 366	0.60 353	0.80 336	0.57 329	0.78 395	0.55 396	0.78 393	0.49 385	0.76 393	0.58 390

anonymity	0.56 356	0.54 376	0.70 308	0.47 373	0.61 385	0.56 344	0.43 350	0.69 366	0.49 289	0.63 352	0.55 303	0.54 315	0.60 353	0.61 267	0.57 329	0.55 385	0.53 393	0.50 380	0.54 391	0.51 378	0.56 388

CrosDoStereo	0.31 262	0.10 24	0.49 225	0.18 8	0.12 77	0.22 93	1.11 406	0.34 87	0.37 175	0.38 255	0.61 326	0.28 153	0.46 327	0.61 267	0.57 329	0.07 16	0.06 72	0.08 65	0.08 109	0.07 37	0.07 65

DeepStereo_LL	0.31 262	0.10 24	0.49 225	0.18 8	0.12 77	0.22 93	1.11 406	0.34 87	0.37 175	0.38 255	0.61 326	0.28 153	0.46 327	0.61 267	0.57 329	0.07 16	0.06 72	0.08 65	0.08 109	0.07 37	0.07 65

G-Net	0.46 338	0.25 297	0.86 339	0.34 344	0.28 351	0.90 379	0.35 323	0.47 213	0.45 252	0.68 358	1.22 379	0.64 347	0.60 353	0.61 267	0.57 329	0.16 322	0.14 317	0.17 327	0.13 298	0.22 343	0.19 327

SHD	0.42 325	0.27 315	0.81 327	0.31 331	0.25 341	0.42 297	0.22 200	0.66 357	0.94 380	0.63 352	0.60 319	0.59 328	0.47 330	0.59 261	0.58 334	0.15 310	0.13 313	0.16 321	0.16 328	0.20 334	0.22 349

Wz-Net-SNSev	0.43 329	0.41 362	1.27 380	0.30 324	0.21 303	0.44 307	0.41 345	0.61 334	0.65 342	0.46 313	0.65 333	0.62 337	0.39 298	0.74 317	0.59 335	0.12 260	0.11 286	0.12 262	0.13 298	0.16 296	0.14 282

MeshStereo	0.58 360	0.27 315	0.67 297	0.22 129	0.17 244	0.66 358	0.37 330	0.78 375	0.61 335	1.47 404	1.30 382	1.65 391	0.79 371	1.12 376	0.59 335	0.17 332	0.17 343	0.17 327	0.14 309	0.17 311	0.14 282
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	0.50 345	0.19 250	0.50 235	0.25 245	0.15 205	0.69 360	0.39 341	0.68 365	0.82 367	0.95 378	0.84 360	1.13 377	0.76 369	1.16 378	0.60 337	0.16 322	0.16 338	0.16 321	0.16 328	0.16 296	0.17 306
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
ccnet	0.42 325	0.31 336	0.48 220	0.27 296	0.32 362	0.60 352	0.32 308	0.65 351	0.46 266	0.53 341	0.66 335	0.56 319	0.45 321	0.72 308	0.61 338	0.26 359	0.19 353	0.24 356	0.21 351	0.26 357	0.22 349

MFMNet_re	0.72 374	0.76 385	0.99 358	0.62 383	0.70 389	0.77 368	0.67 380	0.75 372	0.83 370	0.78 369	0.86 362	0.69 358	0.78 370	0.71 303	0.61 338	0.66 391	0.59 399	0.61 387	0.58 395	0.68 391	0.71 399

SAMSARA	0.56 356	0.39 358	0.80 325	0.60 382	0.46 375	1.00 383	1.23 409	0.67 362	0.68 349	0.71 361	0.54 299	0.89 371	0.57 350	0.81 339	0.62 340	0.19 347	0.22 364	0.18 334	0.18 342	0.27 360	0.25 360

CSAN	0.50 345	0.35 347	0.78 317	0.36 354	0.23 329	0.56 344	0.59 376	0.61 334	0.70 353	0.64 354	0.78 354	0.65 348	0.60 353	1.38 389	0.62 340	0.21 351	0.17 343	0.20 344	0.20 348	0.18 322	0.18 320

WCMA_ROB	0.51 349	0.21 271	0.65 293	0.25 245	0.21 303	0.58 348	0.32 308	0.54 279	0.55 320	0.95 378	1.40 385	1.28 384	0.81 374	0.73 310	0.62 340	0.18 342	0.15 331	0.15 312	0.15 317	0.19 326	0.19 327

Consistency-Raft	0.55 355	0.48 367	1.02 363	0.45 371	0.49 377	0.49 327	0.47 361	0.72 370	0.72 356	0.45 310	0.82 358	0.47 286	0.60 353	0.50 218	0.63 343	0.39 380	0.39 385	0.44 377	0.51 388	0.52 379	0.37 374

FCDSN-DC	0.63 366	0.31 336	0.61 277	0.36 354	0.30 359	0.65 356	0.37 330	0.66 357	0.68 349	1.14 388	1.54 393	1.71 393	1.26 394	0.92 357	0.64 344	0.24 357	0.22 364	0.27 359	0.26 366	0.27 360	0.27 364
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
NaN_ROB	0.41 322	0.28 318	0.62 285	0.30 324	0.19 281	0.51 332	0.47 361	0.58 317	0.59 329	0.56 345	0.47 268	0.49 296	0.41 305	1.21 382	0.64 344	0.12 260	0.18 349	0.12 262	0.13 298	0.11 225	0.14 282

ACVNet_2	0.89 383	0.87 391	1.25 378	0.82 391	0.62 386	0.97 382	0.62 378	1.14 390	1.42 393	1.00 381	1.40 385	1.47 389	0.84 377	1.11 374	0.66 346	0.61 389	0.43 387	0.78 393	0.49 385	0.75 392	0.52 386

MSC_U_SF_DS_RVC	0.68 371	0.64 381	1.06 367	0.45 371	0.27 348	1.40 400	0.58 374	0.78 375	0.92 377	0.84 371	0.86 362	0.88 370	0.68 364	1.33 388	0.68 347	0.37 378	0.29 377	0.34 371	0.36 378	0.43 374	0.37 374

DPSNet	0.47 339	0.24 293	0.93 351	0.27 296	0.20 295	0.75 367	0.57 373	0.84 383	0.79 365	0.47 321	0.51 283	0.60 331	0.69 365	0.87 348	0.71 348	0.16 322	0.13 313	0.12 262	0.10 215	0.25 350	0.21 344

XQC	0.43 329	0.37 355	0.96 355	0.34 344	0.25 341	0.53 342	0.34 320	0.60 330	0.73 359	0.51 330	0.46 261	0.57 323	0.47 330	0.70 300	0.72 349	0.17 332	0.12 303	0.18 334	0.15 317	0.25 350	0.23 355

MFN_U_SF_RVC	0.56 356	0.51 374	1.19 374	0.38 361	0.22 318	0.69 360	0.27 272	0.80 379	0.67 346	0.73 362	0.74 349	0.87 368	0.61 362	0.81 339	0.76 350	0.29 370	0.27 373	0.32 369	0.37 379	0.32 369	0.31 368

PVD	0.58 360	0.34 344	0.84 335	0.39 363	0.31 361	0.59 349	0.47 361	0.80 379	1.25 390	0.92 375	1.09 373	0.79 365	0.82 375	0.85 345	0.76 350	0.21 351	0.18 349	0.22 353	0.18 342	0.27 360	0.35 373

SANet	0.53 354	0.28 318	0.96 355	0.26 273	0.15 205	0.69 360	0.44 353	0.67 362	1.34 391	0.67 357	0.98 370	0.94 372	0.71 367	0.89 352	0.76 350	0.14 299	0.12 303	0.12 262	0.11 248	0.17 311	0.16 298

Wz-Net-TNSev	0.51 349	0.58 377	1.61 392	0.25 245	0.21 303	0.65 356	0.45 355	0.63 349	0.69 351	0.51 330	0.54 299	0.71 361	0.60 353	1.00 368	0.77 353	0.15 310	0.15 331	0.13 281	0.15 317	0.21 337	0.20 337

FC-DCNN	0.70 373	0.30 331	0.69 302	0.32 337	0.27 348	0.81 374	0.39 341	0.79 378	0.82 367	1.41 397	1.58 395	1.98 396	1.26 394	1.02 371	0.77 353	0.24 357	0.22 364	0.27 359	0.26 366	0.26 357	0.26 361

NVStereoNet_ROB	0.67 370	0.49 371	0.83 331	0.48 374	0.40 371	0.51 332	0.46 357	0.70 367	0.77 363	0.84 371	1.72 396	1.02 376	0.83 376	1.23 383	0.79 355	0.32 373	0.38 384	0.40 375	0.46 383	0.36 372	0.41 378
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
RTSC	0.39 314	0.28 318	0.78 317	0.27 296	0.18 263	0.49 327	0.22 200	0.59 322	0.84 372	0.55 344	0.53 296	0.49 296	0.36 281	0.67 294	0.82 356	0.13 276	0.10 269	0.11 229	0.12 280	0.17 311	0.17 306

IMH-64-1	0.91 384	0.86 389	0.84 335	0.97 396	0.75 391	0.92 380	0.71 382	1.27 391	1.10 386	0.89 373	1.45 387	1.14 378	0.96 383	1.19 379	0.84 357	0.74 392	0.51 390	0.97 397	0.55 392	0.84 395	0.60 392

IMH-64	0.91 384	0.86 389	0.84 335	0.97 396	0.75 391	0.92 380	0.71 382	1.27 391	1.10 386	0.89 373	1.45 387	1.14 378	0.96 383	1.19 379	0.84 357	0.74 392	0.51 390	0.97 397	0.55 392	0.84 395	0.60 392

WZ-Net	0.52 353	0.38 357	1.90 394	0.30 324	0.24 334	0.57 347	0.48 365	0.62 343	0.78 364	0.50 325	0.71 344	0.68 356	0.54 344	0.98 367	0.84 357	0.13 276	0.10 269	0.11 229	0.12 280	0.19 326	0.20 337

ttt	0.29 248	0.12 81	0.34 78	0.21 86	0.13 131	0.29 191	0.20 161	0.56 303	0.47 271	0.31 168	0.44 239	0.30 170	0.22 145	0.65 288	0.85 360	0.13 276	0.10 269	0.10 182	0.10 215	0.11 225	0.11 231

SPS-STEREO	0.69 372	0.61 379	0.98 357	0.52 379	0.57 383	0.74 365	0.50 368	0.78 375	0.62 337	0.95 378	0.86 362	0.94 372	0.70 366	1.01 370	0.87 361	0.58 388	0.51 390	0.50 380	0.50 387	0.55 381	0.58 390
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
IMH	1.05 389	0.95 396	1.00 359	1.01 398	0.78 395	1.11 386	0.68 381	1.38 394	1.43 394	1.00 381	1.72 396	1.43 387	1.14 387	1.73 398	0.89 362	1.09 405	0.55 396	0.99 399	0.57 394	0.87 397	0.62 397

LVE	1.13 391	1.02 397	1.28 381	1.01 398	0.80 398	1.29 396	0.81 393	1.47 398	1.96 399	1.07 385	1.90 399	1.90 395	1.01 386	1.48 391	0.91 363	0.93 402	0.61 402	0.94 396	0.69 399	0.87 397	0.75 403

ELAS_RVC	0.74 378	0.36 350	1.00 359	0.37 359	0.33 363	0.88 377	0.93 398	0.83 382	1.08 385	1.35 393	1.33 384	1.24 382	1.33 397	1.06 373	0.95 364	0.27 364	0.25 371	0.29 365	0.27 368	0.30 366	0.30 366
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
pmcnn	0.50 345	0.20 258	0.78 317	0.24 208	0.26 346	0.39 282	0.30 299	0.51 251	0.50 297	0.54 343	1.23 380	2.52 404	0.37 289	0.77 329	0.95 364	0.08 99	0.06 72	0.06 1	0.05 9	0.10 189	0.08 111

EDNetEfficientorigin	7.51 415	0.52 375	140.47 437	0.25 245	0.17 244	0.42 297	0.29 289	0.47 213	1.03 381	1.28 391	1.02 371	0.83 367	0.84 377	0.75 318	0.99 366	0.10 206	0.09 251	0.12 262	0.10 215	0.21 337	0.22 349

Dean	1.17 393	1.04 399	1.49 388	1.03 400	0.78 395	1.20 392	0.77 389	1.48 399	1.96 399	1.28 391	1.99 401	2.15 398	1.14 387	1.25 384	1.00 367	0.81 397	0.60 400	1.01 400	0.69 399	0.92 401	0.74 402

ELAS	0.74 378	0.36 350	0.85 338	0.36 354	0.33 363	1.36 398	0.77 389	0.93 386	0.92 377	1.41 397	1.53 392	1.16 380	1.17 390	0.95 363	1.03 368	0.26 359	0.25 371	0.28 364	0.28 371	0.31 367	0.30 366
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
PWCK	1.00 386	1.17 405	1.70 393	0.91 394	0.41 372	1.19 391	0.92 397	1.10 388	1.14 388	1.16 389	1.14 376	1.25 383	0.88 380	1.75 399	1.04 369	0.87 399	0.50 388	0.87 395	0.53 390	0.96 402	0.52 386

DualNet	0.26 214	0.12 81	0.42 172	0.20 57	0.13 131	0.28 172	0.20 161	0.35 104	0.44 240	0.30 151	0.42 218	0.34 199	0.23 154	0.27 108	1.08 370	0.08 99	0.05 6	0.11 229	0.10 215	0.08 81	0.08 111

ff1	0.29 248	0.12 81	0.42 172	0.20 57	0.13 131	0.28 172	0.20 161	0.35 104	0.44 240	0.30 151	0.42 218	0.34 199	0.23 154	0.81 339	1.08 370	0.08 99	0.05 6	0.11 229	0.10 215	0.08 81	0.08 111

mmx	0.31 262	0.12 81	0.42 172	0.20 57	0.13 131	0.28 172	0.20 161	0.55 289	0.45 252	0.30 151	0.42 218	0.34 199	0.23 154	0.81 339	1.08 370	0.10 206	0.07 158	0.11 229	0.10 215	0.11 225	0.10 206

xxx	0.31 262	0.12 81	0.42 172	0.20 57	0.13 131	0.28 172	0.20 161	0.55 289	0.45 252	0.30 151	0.42 218	0.34 199	0.23 154	0.81 339	1.08 370	0.10 206	0.07 158	0.11 229	0.10 215	0.11 225	0.10 206

SuperB	0.49 343	0.28 318	2.23 396	0.23 171	0.15 205	0.41 290	0.32 308	0.47 213	0.82 367	0.43 301	0.50 277	0.33 193	0.45 321	0.68 295	1.08 370	0.10 206	0.07 158	0.09 120	0.08 109	0.98 403	0.14 282

SGM+DAISY	0.87 382	0.66 383	1.30 383	0.51 377	0.60 384	1.03 384	0.84 395	0.76 373	0.73 359	1.39 395	1.51 391	1.31 385	1.22 392	1.11 374	1.08 370	0.57 387	0.53 393	0.51 382	0.51 388	0.54 380	0.61 395

WAO-7	1.01 387	0.89 392	0.93 351	0.83 393	0.66 388	1.18 389	0.81 393	1.40 395	1.57 397	1.11 387	1.76 398	1.45 388	1.19 391	1.50 392	1.14 376	0.61 389	0.62 403	0.70 389	0.68 398	0.66 390	0.60 392

WAO-6	1.07 390	0.93 395	0.92 349	0.96 395	0.78 395	1.28 395	0.75 386	1.34 393	2.00 401	1.02 383	1.54 393	1.59 390	1.22 392	1.31 387	1.14 376	0.78 395	0.55 396	1.02 401	0.75 402	0.83 394	0.69 398

ADCPNet	0.48 341	0.29 325	1.60 390	0.27 296	0.23 329	0.70 363	0.38 336	0.53 272	0.51 300	0.51 330	0.59 314	0.67 353	0.56 348	0.60 262	1.14 376	0.15 310	0.18 349	0.14 300	0.23 360	0.19 326	0.19 327

RTS	0.78 380	0.48 367	4.68 408	0.34 344	0.28 351	1.12 387	0.46 357	0.62 343	1.03 381	0.73 362	0.89 366	0.60 331	0.59 351	1.61 393	1.16 379	0.14 299	0.11 286	0.15 312	0.15 317	0.21 337	0.19 327

RTSA	0.78 380	0.48 367	4.68 408	0.34 344	0.28 351	1.12 387	0.46 357	0.62 343	1.03 381	0.73 362	0.89 366	0.60 331	0.59 351	1.61 393	1.16 379	0.14 299	0.11 286	0.15 312	0.15 317	0.21 337	0.19 327

WAO-8	1.46 398	1.10 402	1.09 368	1.10 401	0.84 399	2.06 404	0.75 386	1.84 404	3.83 409	1.44 401	2.21 404	2.15 398	1.43 399	3.17 410	1.19 381	0.91 400	0.65 405	1.09 402	0.79 403	0.90 399	0.71 399

Venus	1.46 398	1.10 402	1.09 368	1.10 401	0.84 399	2.06 404	0.75 386	1.84 404	3.83 409	1.44 401	2.21 404	2.15 398	1.43 399	3.17 410	1.19 381	0.91 400	0.65 405	1.09 402	0.79 403	0.90 399	0.71 399

KSHMR	1.89 405	1.36 409	1.60 390	1.47 410	1.22 408	1.38 399	1.06 403	1.79 403	5.97 415	1.42 399	5.65 415	2.98 408	1.14 387	2.23 406	1.20 383	1.27 409	1.12 410	1.46 411	1.10 410	1.32 410	1.15 410

ACVNet-4b	0.72 374	0.81 387	1.33 384	0.72 388	0.50 378	0.80 373	0.31 303	0.71 369	0.80 366	0.50 325	0.72 348	0.95 374	0.43 316	0.96 364	1.20 383	1.13 408	0.21 359	0.76 392	0.45 382	0.65 388	0.46 384

ktn	1.77 404	1.36 409	1.22 376	1.43 409	1.14 406	1.52 401	1.08 404	1.51 401	3.96 412	2.77 411	4.69 411	3.35 409	1.46 401	1.69 397	1.25 385	1.43 410	0.77 409	1.45 410	0.99 408	1.32 410	0.96 406

ADCRef	0.38 308	0.24 293	0.88 342	0.26 273	0.21 303	0.49 327	0.27 272	0.52 261	0.48 280	0.50 325	0.58 312	0.35 213	0.47 330	0.48 211	1.29 386	0.09 164	0.08 223	0.12 262	0.12 280	0.11 225	0.11 231

1111x	0.32 271	0.11 63	0.40 143	0.22 129	0.11 42	0.32 227	0.26 267	0.59 322	0.43 226	0.31 168	0.41 204	0.39 238	0.28 223	0.76 323	1.37 387	0.09 164	0.08 223	0.09 120	0.10 215	0.09 142	0.08 111

TorneroNet-64	1.43 396	1.03 398	1.20 375	1.10 401	0.86 401	2.26 408	0.73 385	1.84 404	3.84 411	1.25 390	2.25 406	2.69 406	1.42 398	1.76 400	1.43 388	0.76 394	0.50 388	1.09 402	0.66 397	1.23 406	0.76 404

ADCL	0.47 339	0.22 283	1.00 359	0.27 296	0.19 281	0.74 365	0.64 379	0.54 279	0.69 351	0.56 345	0.71 344	0.55 317	0.60 353	0.60 262	1.43 388	0.11 233	0.09 251	0.13 281	0.13 298	0.14 276	0.14 282

AnyNet_C01	0.65 368	0.58 377	2.60 403	0.32 337	0.26 346	0.88 377	0.61 377	0.63 349	0.62 337	0.68 358	0.96 369	0.76 364	0.60 353	0.96 364	1.43 388	0.16 322	0.16 338	0.17 327	0.17 337	0.23 346	0.23 355

notaker	1.45 397	1.34 408	1.48 387	1.40 408	1.07 405	1.18 389	0.85 396	1.48 399	1.40 392	1.51 405	3.46 409	2.40 403	1.81 403	1.76 400	1.45 391	1.11 406	0.69 408	1.38 409	0.87 405	1.31 408	0.97 407

EDNetEfficient	0.63 366	0.37 355	2.40 400	0.26 273	0.25 341	0.38 275	0.49 367	0.41 163	1.06 384	1.38 394	0.87 365	0.62 337	0.95 382	0.65 288	1.65 392	0.11 233	0.09 251	0.10 182	0.11 248	0.19 326	0.17 306

ADCMid	0.49 343	0.34 344	1.13 372	0.26 273	0.21 303	0.51 332	0.37 330	0.57 310	0.54 314	0.75 366	0.66 335	0.62 337	0.64 363	0.64 282	1.68 393	0.13 276	0.12 303	0.17 327	0.17 337	0.20 334	0.17 306

MADNet+	1.01 387	1.16 404	4.72 410	0.70 386	0.47 376	1.24 393	0.96 399	0.97 387	0.89 373	0.65 356	0.77 353	0.87 368	0.85 379	2.09 403	1.68 393	0.38 379	0.39 385	0.31 368	0.27 368	0.43 374	0.39 376

JetBlue	1.14 392	0.76 385	2.36 398	0.59 381	0.75 391	3.04 411	1.78 411	1.11 389	0.90 375	0.94 376	1.10 374	1.66 392	1.28 396	2.09 403	1.72 395	0.43 381	0.36 383	0.38 373	0.38 381	0.58 383	0.56 388

AnyNet_C32	0.51 349	0.40 359	1.10 371	0.29 316	0.28 351	0.59 349	0.58 374	0.54 279	0.60 332	0.62 351	0.66 335	0.54 315	0.54 344	0.78 330	1.74 396	0.15 310	0.14 317	0.15 312	0.17 337	0.20 334	0.20 337

UNDER WATER-64	1.55 400	1.19 406	2.52 401	1.31 406	0.95 403	2.12 406	1.21 408	1.45 397	3.19 405	1.43 400	1.32 383	2.64 405	2.04 405	1.63 395	1.83 397	1.11 406	0.67 407	1.28 407	0.92 406	1.19 404	1.02 408

TorneroNet	2.22 406	1.08 401	1.24 377	1.14 405	0.90 402	5.58 413	0.80 391	2.12 410	8.69 418	2.58 409	5.42 413	3.88 411	1.97 404	1.78 402	1.87 398	0.86 398	0.54 395	1.15 406	0.74 401	1.23 406	0.85 405

ADCP+	0.45 336	0.24 293	1.15 373	0.25 245	0.22 318	0.56 344	0.39 341	0.54 279	0.51 300	0.44 306	0.51 283	0.46 284	0.52 343	0.56 247	1.89 399	0.10 206	0.08 223	0.11 229	0.10 215	0.14 276	0.13 265

coex-ft	3.44 410	0.73 384	48.55 435	0.24 208	0.19 281	0.50 331	0.43 350	0.47 213	2.40 403	7.03 417	1.20 378	0.97 375	2.23 406	0.73 310	1.92 400	0.12 260	0.15 331	0.14 300	0.12 280	0.21 337	0.43 379

UNDER WATER	1.59 401	1.22 407	2.36 398	1.38 407	1.03 404	1.67 403	1.10 405	1.54 402	3.63 407	1.44 401	1.47 389	2.85 407	2.25 407	1.67 396	1.94 401	1.06 404	0.62 403	1.31 408	0.93 407	1.21 405	1.02 408

MANE	1.41 395	0.36 350	0.74 315	0.43 368	0.41 372	2.16 407	0.80 391	2.39 412	3.38 406	2.22 407	3.06 408	3.54 410	2.73 410	2.15 405	1.94 401	0.28 368	0.27 373	0.30 367	0.46 383	0.28 364	0.34 372

xxxx	0.34 284	0.10 24	0.29 36	0.19 26	0.11 42	0.37 268	0.20 161	0.58 317	0.38 187	0.29 123	0.42 218	0.38 227	0.24 169	0.46 206	2.20 403	0.11 233	0.07 158	0.09 120	0.08 109	0.09 142	0.09 161

ADCS	0.58 360	0.40 359	1.35 385	0.29 316	0.24 334	0.55 343	0.45 355	0.67 362	0.83 370	0.76 368	0.71 344	0.68 356	0.60 353	0.76 323	2.23 404	0.16 322	0.16 338	0.16 321	0.17 337	0.22 343	0.22 349

test_xeample	0.34 284	0.10 24	0.29 36	0.19 26	0.11 42	0.33 236	0.23 220	0.55 289	0.38 187	0.32 186	0.45 251	0.29 160	0.26 193	0.57 250	2.24 405	0.10 206	0.07 158	0.09 120	0.08 109	0.09 142	0.09 161

SGM-ForestM	1.36 394	0.28 318	0.79 323	0.26 273	0.16 228	2.26 408	1.00 401	1.42 396	1.46 395	2.38 408	2.05 402	5.95 417	2.66 409	2.95 409	2.46 406	0.17 332	0.18 349	0.18 334	0.18 342	0.15 288	0.18 320

AAGNet	0.33 277	0.11 63	0.37 108	0.25 245	0.16 228	0.20 55	0.19 123	0.30 54	0.27 74	0.35 227	0.35 148	0.27 138	0.30 245	0.44 202	2.66 407	0.08 99	0.05 6	0.10 182	0.07 50	0.08 81	0.06 18

MADNet++	2.26 407	1.80 413	2.06 395	2.13 415	1.97 413	2.61 410	1.79 412	2.38 411	2.16 402	2.75 410	2.65 407	2.38 402	2.43 408	3.17 410	3.21 408	2.17 412	1.95 413	1.94 413	1.63 412	2.06 413	2.01 415

HanzoNet	2.97 409	1.69 411	2.29 397	1.74 411	1.33 409	1.53 402	1.03 402	1.99 408	2.64 404	5.51 414	5.16 412	5.90 416	6.82 416	4.32 415	3.29 409	3.16 414	2.02 415	1.92 412	2.87 416	2.24 414	1.89 414

222	0.41 322	0.10 24	0.29 36	0.19 26	0.11 42	0.36 263	0.20 161	0.57 310	0.39 193	0.35 227	0.44 239	0.30 170	0.27 210	0.55 239	3.56 410	0.11 233	0.07 158	0.08 65	0.08 109	0.09 142	0.09 161

LE_ROB	1.76 403	0.20 258	2.68 404	0.48 374	0.52 380	0.78 371	0.96 399	0.84 383	6.61 416	7.40 418	2.08 403	2.08 397	4.83 411	1.27 386	3.79 411	0.10 206	0.08 223	0.12 262	0.11 248	0.11 225	0.10 206

JetRed	2.30 408	2.64 415	6.12 411	1.12 404	1.38 410	5.85 414	3.29 413	1.99 408	1.67 398	1.98 406	1.95 400	2.16 401	1.60 402	2.48 407	4.10 412	1.05 403	1.60 412	1.09 402	1.01 409	1.67 412	1.28 411

DPSimNet_ROB	4.34 411	4.23 416	6.89 413	3.67 416	3.68 414	4.75 412	5.21 415	2.67 413	3.68 408	5.82 415	3.95 410	5.57 413	6.72 415	3.46 414	4.48 413	4.05 417	2.88 416	4.68 418	3.12 417	3.69 416	3.62 418

BEATNet-Init1	4.73 413	2.61 414	13.29 424	0.58 380	0.53 381	10.12 418	3.33 414	4.83 415	5.01 414	8.75 419	8.51 416	14.08 426	7.60 417	7.70 419	5.34 414	0.28 368	0.28 376	0.34 371	0.37 379	0.57 382	0.45 381

tt	4.71 412	0.10 24	3.94 407	2.06 414	1.53 411	10.14 419	16.88 419	9.27 421	4.98 413	1.39 395	1.02 371	4.68 412	4.90 412	3.35 413	5.86 415	5.76 419	9.15 425	2.24 414	2.53 415	3.10 415	1.32 412

LRCNet_RVC	10.90 419	14.34 428	9.35 415	15.35 424	8.04 418	1.08 385	0.34 320	8.78 420	0.70 353	12.63 426	16.05 425	9.85 419	6.54 414	8.57 420	6.34 416	20.27 433	5.40 419	23.70 432	21.88 431	14.87 426	13.83 428

PML	16.10 426	12.82 427	6.78 412	5.23 417	7.76 417	33.92 430	66.56 436	5.30 416	10.28 419	26.12 436	68.59 436	20.51 428	13.49 426	10.06 421	6.78 417	5.96 420	2.00 414	6.04 421	2.18 414	8.96 422	2.60 417

ASD4	7.23 414	6.65 419	7.69 414	5.24 418	5.62 416	11.85 420	20.36 420	7.57 419	7.14 417	6.55 416	5.47 414	5.99 418	5.78 413	7.22 418	9.24 418	4.85 418	4.44 417	6.40 422	5.19 418	6.53 419	4.89 419

DGTPSM_ROB	8.34 416	5.10 417	10.37 422	5.31 419	10.18 419	8.33 415	23.60 424	6.06 417	13.41 424	4.90 412	10.87 421	5.65 414	10.44 418	6.17 416	12.59 419	3.74 415	7.55 420	3.69 416	7.26 421	4.14 417	7.46 420

DPSMNet_ROB	8.40 417	5.11 418	10.49 423	5.58 420	10.25 420	8.34 416	23.62 425	6.07 418	13.45 425	4.93 413	10.88 422	5.66 415	10.44 418	6.24 417	12.64 420	3.98 416	7.61 421	3.76 417	7.30 422	4.20 418	7.51 421

Anonymous_1	16.62 427	9.35 420	9.84 416	10.66 421	14.64 423	18.66 426	27.12 426	12.64 425	13.51 426	10.76 425	10.30 420	10.13 420	10.60 420	11.06 425	12.74 421	15.87 432	7.74 422	16.92 429	43.48 434	58.66 437	7.68 422

DPSM_ROB	11.49 420	9.87 424	10.35 420	11.13 422	11.31 421	19.11 427	27.51 427	13.37 426	14.21 427	10.31 423	11.06 423	10.96 424	11.27 424	11.96 426	13.59 422	6.78 421	8.19 423	6.03 419	7.09 419	7.93 420	7.73 423

DPSM	11.49 420	9.87 424	10.35 420	11.13 422	11.31 421	19.11 427	27.51 427	13.37 426	14.21 427	10.31 423	11.06 423	10.96 424	11.27 424	11.96 426	13.59 422	6.78 421	8.19 423	6.03 419	7.09 419	7.93 420	7.73 423

xxxxx1	15.27 423	9.54 421	10.31 417	20.13 427	18.88 426	17.08 422	23.03 421	10.36 422	10.99 420	9.21 420	9.62 417	10.74 421	10.61 421	10.72 422	13.89 424	7.97 423	9.20 426	31.85 435	44.72 435	12.84 423	13.69 425

tt_ll	15.27 423	9.54 421	10.31 417	20.13 427	18.88 426	17.08 422	23.03 421	10.36 422	10.99 420	9.21 420	9.62 417	10.74 421	10.61 421	10.72 422	13.89 424	7.97 423	9.20 426	31.85 435	44.72 435	12.84 423	13.69 425

ff	15.27 423	9.54 421	10.31 417	20.13 427	18.88 426	17.08 422	23.03 421	10.36 422	10.99 420	9.21 420	9.62 417	10.74 421	10.61 421	10.72 422	13.89 424	7.97 423	9.20 426	31.85 435	44.72 435	12.84 423	13.69 425

HaxPig	17.72 428	20.22 435	19.73 425	16.53 425	16.51 424	9.27 417	9.33 416	14.34 428	13.27 423	18.65 427	18.70 426	17.35 427	16.77 427	17.04 428	16.45 427	22.05 434	20.89 435	22.27 431	21.53 430	21.29 433	22.13 435

SPstereo	14.25 422	1.73 412	2.83 405	1.84 412	1.57 412	23.16 429	43.27 429	35.72 437	29.56 437	20.86 434	20.62 427	26.34 437	21.82 429	25.23 437	19.62 428	1.56 411	1.42 411	2.96 415	2.17 413	1.31 408	1.33 413

MEDIAN_ROB	21.21 429	24.62 436	23.47 433	19.58 426	19.65 429	13.22 421	10.96 417	17.88 429	17.00 429	22.14 435	22.02 429	20.86 429	20.36 428	21.06 429	19.71 429	25.63 436	24.13 436	26.21 433	25.20 432	25.17 434	25.38 436

AVERAGE_ROB	25.43 436	29.06 437	27.24 434	24.63 436	24.20 436	17.73 425	12.61 418	22.29 430	21.39 430	26.79 437	26.16 435	25.20 436	24.64 436	25.07 436	23.53 430	29.96 437	28.40 437	30.60 434	29.58 433	29.72 435	29.84 437

LSM0	24.24 435	19.98 434	22.32 432	24.22 435	40.14 437	38.48 435	55.20 430	26.95 435	28.57 431	20.49 428	21.83 428	22.26 435	22.75 433	24.22 435	27.30 431	13.66 431	16.32 429	12.19 428	14.15 423	16.10 432	17.66 434

Selective-RAFT-Error	23.16 434	19.93 433	20.87 431	22.54 434	22.81 434	38.52 436	55.47 431	27.01 436	28.83 436	20.66 430	22.25 431	22.09 434	22.80 435	24.09 434	27.36 432	13.61 427	16.48 430	12.15 424	14.28 425	15.99 431	15.57 433

CasAABBNet	23.10 430	19.86 429	20.64 427	22.47 430	22.73 433	38.41 431	55.50 432	26.89 434	28.70 432	20.61 429	22.15 430	22.08 433	22.75 433	23.99 433	27.36 432	13.59 426	16.48 430	12.14 423	14.27 424	15.95 427	15.53 429

MyStereo03	23.12 431	19.90 430	20.85 428	22.49 431	22.71 430	38.42 432	55.53 433	26.80 431	28.72 433	20.77 431	22.25 431	22.03 430	22.69 430	23.90 430	27.38 434	13.62 428	16.50 432	12.15 424	14.28 425	15.95 427	15.53 429

MyStereo02	23.12 431	19.90 430	20.85 428	22.49 431	22.71 430	38.42 432	55.53 433	26.80 431	28.72 433	20.77 431	22.25 431	22.03 430	22.69 430	23.90 430	27.38 434	13.62 428	16.50 432	12.15 424	14.28 425	15.95 427	15.53 429

MyStereo	23.12 431	19.90 430	20.85 428	22.49 431	22.71 430	38.42 432	55.53 433	26.80 431	28.72 433	20.77 431	22.25 431	22.03 430	22.69 430	23.90 430	27.38 434	13.62 428	16.50 432	12.15 424	14.28 425	15.95 427	15.53 429

test_example2	101.33 437	108.28 438	68.15 436	98.43 437	106.93 438	89.75 437	102.43 437	36.80 438	97.65 438	129.04 438	130.15 437	65.26 438	66.62 437	92.11 438	80.24 437	144.10 438	199.48 438	81.81 438	103.01 438	125.01 438	101.27 438

FADE		1.06 400		0.71 387	0.76 394			1.85 407	1.52 396	0.75 366		1.17 381		2.83 408		24.23 435	4.70 418	17.35 430	17.61 429	0.49 377	0.44 380

Low-res two-view benchmark