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

HITNet	0.10 50	0.06 19	0.12 90	0.14 13	0.06 2	0.11 82	0.10 6	0.18 96	0.18 116	0.13 103	0.16 101	0.14 126	0.11 108	0.15 165	0.13 156	0.06 54	0.04 2	0.04 1	0.04 8	0.06 101	0.05 51
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
qqq1	0.13 156	0.07 69	0.17 245	0.14 13	0.08 47	0.16 198	0.17 190	0.26 214	0.27 230	0.19 223	0.20 158	0.18 191	0.15 205	0.15 165	0.11 85	0.08 189	0.05 106	0.05 2	0.05 31	0.06 101	0.06 98

fff1	0.13 156	0.07 69	0.17 245	0.14 13	0.08 47	0.16 198	0.17 190	0.26 214	0.27 230	0.19 223	0.20 158	0.18 191	0.15 205	0.15 165	0.11 85	0.08 189	0.05 106	0.05 2	0.05 31	0.06 101	0.06 98

MSKI-zero shot	0.09 11	0.05 6	0.09 28	0.15 38	0.07 18	0.10 56	0.13 43	0.14 15	0.13 41	0.09 15	0.09 23	0.09 37	0.06 6	0.12 100	0.10 49	0.06 54	0.04 2	0.05 2	0.04 8	0.04 1	0.04 7

MIF-Stereo	0.09 11	0.07 69	0.08 11	0.18 181	0.08 47	0.13 129	0.11 11	0.12 4	0.11 17	0.10 40	0.12 60	0.05 1	0.07 31	0.09 10	0.09 19	0.07 141	0.05 106	0.05 2	0.05 31	0.05 40	0.05 51

Any-RAFT	0.10 50	0.05 6	0.09 28	0.14 13	0.07 18	0.13 129	0.14 69	0.21 139	0.15 69	0.11 58	0.12 60	0.12 88	0.09 66	0.12 100	0.09 19	0.07 141	0.04 2	0.05 2	0.04 8	0.06 101	0.05 51

RAFT-Test	0.09 11	0.06 19	0.10 44	0.15 38	0.07 18	0.11 82	0.15 115	0.16 42	0.13 41	0.09 15	0.10 37	0.10 57	0.09 66	0.12 100	0.09 19	0.06 54	0.04 2	0.05 2	0.04 8	0.04 1	0.05 51

LoS_RVC	0.08 2	0.05 6	0.07 2	0.15 38	0.07 18	0.08 23	0.15 115	0.11 1	0.10 7	0.08 5	0.09 23	0.06 3	0.09 66	0.10 18	0.09 19	0.05 2	0.04 2	0.05 2	0.03 1	0.04 1	0.03 1

CAS	0.08 2	0.04 1	0.07 2	0.17 114	0.08 47	0.10 56	0.13 43	0.12 4	0.09 2	0.09 15	0.10 37	0.08 25	0.06 6	0.09 10	0.08 11	0.08 189	0.04 2	0.05 2	0.03 1	0.05 40	0.04 7

anonymousdsp2	0.11 79	0.07 69	0.10 44	0.16 68	0.09 130	0.13 129	0.14 69	0.18 96	0.22 172	0.13 103	0.14 79	0.12 88	0.09 66	0.14 147	0.11 85	0.05 2	0.04 2	0.05 2	0.04 8	0.06 101	0.05 51

LoS	0.09 11	0.05 6	0.11 70	0.13 6	0.07 18	0.14 153	0.11 11	0.15 26	0.15 69	0.09 15	0.09 23	0.12 88	0.09 66	0.15 165	0.10 49	0.07 141	0.05 106	0.05 2	0.03 1	0.05 40	0.05 51

CES	0.08 2	0.04 1	0.08 11	0.14 13	0.07 18	0.09 35	0.14 69	0.11 1	0.09 2	0.08 5	0.09 23	0.11 73	0.06 6	0.12 100	0.08 11	0.06 54	0.04 2	0.05 2	0.03 1	0.05 40	0.05 51

Selective-IGEV	0.07 1	0.06 19	0.08 11	0.17 114	0.06 2	0.08 23	0.12 21	0.13 9	0.07 1	0.08 5	0.07 14	0.06 3	0.04 1	0.10 18	0.09 19	0.05 2	0.04 2	0.05 2	0.04 8	0.04 1	0.03 1

DCANet-4	0.10 50	0.06 19	0.12 90	0.16 68	0.06 2	0.09 35	0.17 190	0.18 96	0.19 127	0.13 103	0.16 101	0.09 37	0.14 192	0.11 45	0.12 127	0.06 54	0.04 2	0.05 2	0.04 8	0.04 1	0.05 51

fff	0.10 50	0.06 19	0.12 90	0.15 38	0.07 18	0.09 35	0.17 190	0.16 42	0.20 148	0.13 103	0.16 101	0.10 57	0.11 108	0.11 45	0.12 127	0.06 54	0.04 2	0.05 2	0.04 8	0.04 1	0.05 51

ADStereo(finetuned)	0.10 50	0.06 19	0.12 90	0.16 68	0.06 2	0.09 35	0.17 190	0.15 26	0.19 127	0.13 103	0.17 119	0.10 57	0.12 137	0.11 45	0.12 127	0.06 54	0.04 2	0.05 2	0.04 8	0.05 40	0.04 7

CREStereo++_RVC	0.08 2	0.04 1	0.06 1	0.13 6	0.07 18	0.09 35	0.12 21	0.14 15	0.14 58	0.10 40	0.14 79	0.08 25	0.07 31	0.09 10	0.11 85	0.06 54	0.04 2	0.05 2	0.05 31	0.04 1	0.04 7
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	0.09 11	0.06 19	0.07 2	0.15 38	0.05 1	0.16 198	0.18 230	0.15 26	0.15 69	0.10 40	0.11 52	0.11 73	0.11 108	0.10 18	0.12 127	0.05 2	0.04 2	0.05 2	0.04 8	0.04 1	0.04 7

TANstereo	0.09 11	0.04 1	0.08 11	0.13 6	0.06 2	0.11 82	0.14 69	0.15 26	0.19 127	0.11 58	0.15 93	0.10 57	0.06 6	0.12 100	0.09 19	0.07 141	0.05 106	0.05 2	0.04 8	0.06 101	0.05 51

XX-TBD	0.09 11	0.06 19	0.07 2	0.14 13	0.07 18	0.12 104	0.16 170	0.14 15	0.13 41	0.11 58	0.12 60	0.09 37	0.08 49	0.10 18	0.10 49	0.06 54	0.04 2	0.05 2	0.03 1	0.06 101	0.05 51

DCANet	0.10 50	0.06 19	0.12 90	0.16 68	0.06 2	0.09 35	0.17 190	0.15 26	0.19 127	0.13 103	0.17 119	0.10 57	0.11 108	0.11 45	0.12 127	0.06 54	0.04 2	0.05 2	0.04 8	0.05 40	0.04 7

csc	0.10 50	0.06 19	0.12 90	0.15 38	0.07 18	0.09 35	0.17 190	0.16 42	0.20 148	0.13 103	0.16 101	0.10 57	0.11 108	0.11 45	0.12 127	0.06 54	0.04 2	0.05 2	0.04 8	0.04 1	0.05 51

cscssc	0.10 50	0.06 19	0.12 90	0.15 38	0.07 18	0.09 35	0.17 190	0.16 42	0.20 148	0.13 103	0.16 101	0.10 57	0.11 108	0.11 45	0.12 127	0.06 54	0.04 2	0.05 2	0.04 8	0.04 1	0.05 51

EAI-Stereo	0.09 11	0.07 69	0.11 70	0.15 38	0.06 2	0.10 56	0.15 115	0.16 42	0.09 2	0.08 5	0.09 23	0.08 25	0.07 31	0.09 10	0.11 85	0.05 2	0.04 2	0.05 2	0.05 31	0.05 40	0.04 7

CREStereo	0.09 11	0.04 1	0.08 11	0.11 1	0.06 2	0.13 129	0.14 69	0.14 15	0.10 7	0.08 5	0.13 70	0.09 37	0.08 49	0.11 45	0.10 49	0.08 189	0.04 2	0.05 2	0.03 1	0.06 101	0.06 98
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	0.09 11	0.05 6	0.09 28	0.12 3	0.06 2	0.12 104	0.14 69	0.15 26	0.11 17	0.09 15	0.13 70	0.10 57	0.07 31	0.13 132	0.10 49	0.15 344	0.04 2	0.05 2	0.03 1	0.07 155	0.06 98

BEATNet_4x	0.12 134	0.08 140	0.14 153	0.18 181	0.07 18	0.15 175	0.07 1	0.22 155	0.18 116	0.16 172	0.19 147	0.18 191	0.14 192	0.16 196	0.15 207	0.07 141	0.05 106	0.05 2	0.05 31	0.06 101	0.06 98

MLCV	0.12 134	0.07 69	0.16 220	0.18 181	0.06 2	0.15 175	0.17 190	0.19 115	0.21 161	0.18 210	0.25 224	0.17 180	0.13 169	0.14 147	0.13 156	0.05 2	0.04 2	0.05 2	0.04 8	0.05 40	0.04 7

iResNet_ROB	0.14 185	0.07 69	0.13 127	0.14 13	0.07 18	0.18 232	0.14 69	0.26 214	0.31 261	0.22 261	0.25 224	0.23 244	0.15 205	0.15 165	0.13 156	0.07 141	0.05 106	0.05 2	0.04 8	0.08 197	0.08 216

pmcnn	0.15 218	0.07 69	0.19 271	0.15 38	0.07 18	0.20 264	0.15 115	0.24 189	0.26 223	0.21 248	0.34 299	0.28 282	0.18 253	0.18 229	0.17 232	0.07 141	0.05 106	0.05 2	0.04 8	0.07 155	0.06 98

ACVNet-DCA	0.10 50	0.08 140	0.12 90	0.17 114	0.09 130	0.13 129	0.15 115	0.23 172	0.16 87	0.09 15	0.09 23	0.06 3	0.06 6	0.10 18	0.07 1	0.06 54	0.04 2	0.06 31	0.05 31	0.07 155	0.07 156

1test111	0.11 79	0.08 140	0.12 90	0.17 114	0.09 130	0.13 129	0.15 115	0.23 172	0.16 87	0.09 15	0.09 23	0.06 3	0.06 6	0.15 165	0.16 221	0.06 54	0.04 2	0.06 31	0.05 31	0.07 155	0.07 156

cc1	0.10 50	0.08 140	0.12 90	0.17 114	0.09 130	0.13 129	0.15 115	0.16 42	0.18 116	0.09 15	0.09 23	0.06 3	0.06 6	0.10 18	0.07 1	0.06 54	0.04 2	0.06 31	0.05 31	0.06 101	0.06 98

11t1	0.12 134	0.06 19	0.13 127	0.14 13	0.08 47	0.17 217	0.15 115	0.18 96	0.15 69	0.15 147	0.15 93	0.16 161	0.16 225	0.15 165	0.13 156	0.08 189	0.05 106	0.06 31	0.05 31	0.08 197	0.07 156

ff7	0.09 11	0.07 69	0.11 70	0.16 68	0.09 130	0.11 82	0.15 115	0.16 42	0.12 25	0.10 40	0.06 2	0.06 3	0.06 6	0.11 45	0.09 19	0.05 2	0.04 2	0.06 31	0.05 31	0.05 40	0.06 98

IGEVStereo-DCA	0.09 11	0.06 19	0.11 70	0.15 38	0.10 215	0.11 82	0.15 115	0.16 42	0.12 25	0.10 40	0.06 2	0.08 25	0.06 6	0.10 18	0.08 11	0.06 54	0.05 106	0.06 31	0.05 31	0.05 40	0.06 98

ffff	0.09 11	0.07 69	0.11 70	0.16 68	0.09 130	0.11 82	0.15 115	0.16 42	0.12 25	0.10 40	0.06 2	0.06 3	0.06 6	0.11 45	0.09 19	0.05 2	0.04 2	0.06 31	0.05 31	0.05 40	0.06 98

rrr	0.09 11	0.06 19	0.12 90	0.15 38	0.10 215	0.11 82	0.16 170	0.16 42	0.15 69	0.10 40	0.06 2	0.08 25	0.06 6	0.10 18	0.08 11	0.06 54	0.05 106	0.06 31	0.05 31	0.05 40	0.06 98

11t	0.09 11	0.07 69	0.11 70	0.16 68	0.09 130	0.11 82	0.15 115	0.16 42	0.12 25	0.10 40	0.06 2	0.06 3	0.06 6	0.11 45	0.09 19	0.05 2	0.04 2	0.06 31	0.05 31	0.05 40	0.06 98

tt1	0.10 50	0.08 140	0.12 90	0.17 114	0.09 130	0.12 104	0.16 170	0.15 26	0.19 127	0.09 15	0.08 17	0.06 3	0.06 6	0.10 18	0.07 1	0.06 54	0.04 2	0.06 31	0.05 31	0.06 101	0.06 98

IGEV_Zeroshot_test	0.09 11	0.05 6	0.12 90	0.13 6	0.08 47	0.12 104	0.13 43	0.17 72	0.11 17	0.10 40	0.06 2	0.09 37	0.06 6	0.11 45	0.09 19	0.06 54	0.04 2	0.06 31	0.06 86	0.05 40	0.05 51

DLNR_Zeroshot_test	10.40 422	1.82 417	19.49 432	120.77 438	13.11 428	0.06 2	0.13 43	0.23 172	0.10 7	0.07 2	0.10 37	0.09 37	0.06 6	0.10 18	0.09 19	0.13 330	0.04 2	0.06 31	0.04 8	51.54 437	0.04 7

AEACV	0.08 2	0.05 6	0.08 11	0.14 13	0.13 299	0.14 153	0.13 43	0.14 15	0.09 2	0.07 2	0.09 23	0.07 17	0.08 49	0.10 18	0.09 19	0.06 54	0.04 2	0.06 31	0.05 31	0.05 40	0.04 7

HH	0.09 11	0.06 19	0.13 127	0.17 114	0.08 47	0.10 56	0.16 170	0.14 15	0.10 7	0.08 5	0.09 23	0.08 25	0.07 31	0.10 18	0.09 19	0.06 54	0.04 2	0.06 31	0.05 31	0.05 40	0.04 7

HanStereo	0.09 11	0.06 19	0.13 127	0.17 114	0.08 47	0.10 56	0.16 170	0.14 15	0.10 7	0.08 5	0.09 23	0.08 25	0.07 31	0.10 18	0.09 19	0.06 54	0.04 2	0.06 31	0.05 31	0.05 40	0.04 7

anonymousdsp	0.09 11	0.07 69	0.11 70	0.16 68	0.09 130	0.11 82	0.15 115	0.16 42	0.12 25	0.09 15	0.06 2	0.06 3	0.06 6	0.11 45	0.09 19	0.05 2	0.04 2	0.06 31	0.05 31	0.05 40	0.06 98

CBFPSM	0.14 185	0.06 19	0.26 308	0.17 114	0.09 130	0.13 129	0.15 115	0.22 155	0.23 181	0.20 240	0.27 246	0.24 250	0.16 225	0.16 196	0.18 246	0.06 54	0.06 188	0.06 31	0.07 160	0.07 155	0.07 156

EGLCR-Stereo	0.08 2	0.05 6	0.08 11	0.14 13	0.06 2	0.10 56	0.12 21	0.11 1	0.16 87	0.06 1	0.05 1	0.07 17	0.05 2	0.10 18	0.11 85	0.06 54	0.04 2	0.06 31	0.05 31	0.04 1	0.04 7

DCRE	0.11 79	0.07 69	0.13 127	0.16 68	0.11 253	0.11 82	0.17 190	0.18 96	0.17 99	0.11 58	0.18 141	0.10 57	0.10 87	0.15 165	0.11 85	0.06 54	0.05 106	0.06 31	0.06 86	0.05 40	0.04 7

knoymous	0.11 79	0.05 6	0.12 90	0.13 6	0.07 18	0.15 175	0.14 69	0.19 115	0.13 41	0.11 58	0.17 119	0.13 111	0.09 66	0.13 132	0.11 85	0.08 189	0.05 106	0.06 31	0.05 31	0.08 197	0.07 156

Selective-RAFT	0.11 79	0.10 236	0.11 70	0.21 291	0.08 47	0.16 198	0.13 43	0.20 122	0.22 172	0.10 40	0.10 37	0.11 73	0.10 87	0.15 165	0.11 85	0.05 2	0.05 106	0.06 31	0.05 31	0.06 101	0.05 51

ProNet	0.09 11	0.07 69	0.10 44	0.17 114	0.08 47	0.10 56	0.15 115	0.15 26	0.12 25	0.09 15	0.06 2	0.07 17	0.06 6	0.11 45	0.09 19	0.05 2	0.04 2	0.06 31	0.05 31	0.04 1	0.06 98

MC-Stereo	0.08 2	0.06 19	0.09 28	0.17 114	0.06 2	0.10 56	0.14 69	0.12 4	0.10 7	0.09 15	0.12 60	0.09 37	0.06 6	0.11 45	0.10 49	0.06 54	0.04 2	0.06 31	0.05 31	0.04 1	0.04 7

RCA-Stereo	0.09 11	0.06 19	0.09 28	0.16 68	0.06 2	0.09 35	0.13 43	0.18 96	0.14 58	0.09 15	0.10 37	0.08 25	0.07 31	0.12 100	0.11 85	0.06 54	0.04 2	0.06 31	0.05 31	0.05 40	0.04 7

ccc-4	0.09 11	0.07 69	0.11 70	0.16 68	0.09 130	0.11 82	0.15 115	0.16 42	0.12 25	0.10 40	0.06 2	0.06 3	0.06 6	0.11 45	0.09 19	0.05 2	0.04 2	0.06 31	0.05 31	0.05 40	0.06 98

x	0.13 156	0.07 69	0.14 153	0.14 13	0.08 47	0.18 232	0.14 69	0.22 155	0.20 148	0.15 147	0.19 147	0.19 199	0.17 244	0.18 229	0.18 246	0.07 141	0.05 106	0.06 31	0.06 86	0.07 155	0.07 156

Wz-Net-LNSev-Ref	0.18 267	0.09 189	0.29 325	0.15 38	0.10 215	0.22 286	0.20 276	0.26 214	0.39 310	0.25 294	0.42 345	0.24 250	0.15 205	0.20 259	0.19 255	0.07 141	0.05 106	0.06 31	0.05 31	0.10 272	0.09 249

IGEV-Stereo	0.09 11	0.07 69	0.11 70	0.16 68	0.09 130	0.11 82	0.15 115	0.16 42	0.12 25	0.09 15	0.06 2	0.06 3	0.06 6	0.11 45	0.09 19	0.05 2	0.04 2	0.06 31	0.05 31	0.05 40	0.06 98
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
CIPLG	0.11 79	0.08 140	0.14 153	0.17 114	0.08 47	0.12 104	0.15 115	0.17 72	0.15 69	0.14 123	0.11 52	0.16 161	0.09 66	0.16 196	0.11 85	0.07 141	0.05 106	0.06 31	0.05 31	0.05 40	0.06 98

iRaft-Stereo_20w	0.09 11	0.05 6	0.13 127	0.14 13	0.08 47	0.12 104	0.15 115	0.18 96	0.10 7	0.11 58	0.08 17	0.08 25	0.05 2	0.10 18	0.09 19	0.06 54	0.04 2	0.06 31	0.05 31	0.06 101	0.05 51

DAS	0.15 218	0.08 140	0.18 262	0.19 226	0.10 215	0.19 252	0.17 190	0.27 232	0.29 248	0.18 210	0.25 224	0.21 215	0.15 205	0.16 196	0.12 127	0.08 189	0.06 188	0.06 31	0.06 86	0.07 155	0.07 156

SepStereo	0.15 218	0.08 140	0.18 262	0.19 226	0.10 215	0.19 252	0.17 190	0.27 232	0.29 248	0.18 210	0.25 224	0.21 215	0.15 205	0.25 310	0.12 127	0.08 189	0.06 188	0.06 31	0.06 86	0.07 155	0.07 156

IPLG	0.10 50	0.07 69	0.15 190	0.17 114	0.08 47	0.11 82	0.14 69	0.20 122	0.15 69	0.12 82	0.17 119	0.07 17	0.07 31	0.14 147	0.13 156	0.06 54	0.04 2	0.06 31	0.05 31	0.04 1	0.04 7

IPLGR_C	0.11 79	0.08 140	0.14 153	0.17 114	0.08 47	0.12 104	0.15 115	0.17 72	0.15 69	0.14 123	0.10 37	0.16 161	0.09 66	0.16 196	0.11 85	0.07 141	0.05 106	0.06 31	0.05 31	0.05 40	0.06 98

MIPNet	0.11 79	0.08 140	0.14 153	0.17 114	0.09 130	0.12 104	0.14 69	0.20 122	0.24 191	0.11 58	0.10 37	0.09 37	0.07 31	0.13 132	0.12 127	0.06 54	0.04 2	0.06 31	0.05 31	0.04 1	0.04 7

IPLGR	0.11 79	0.09 189	0.16 220	0.18 181	0.08 47	0.12 104	0.17 190	0.21 139	0.24 191	0.11 58	0.12 60	0.11 73	0.08 49	0.12 100	0.12 127	0.06 54	0.05 106	0.06 31	0.06 86	0.04 1	0.04 7

ACRE	0.11 79	0.08 140	0.14 153	0.17 114	0.08 47	0.12 104	0.15 115	0.17 72	0.14 58	0.14 123	0.10 37	0.16 161	0.09 66	0.16 196	0.11 85	0.07 141	0.05 106	0.06 31	0.05 31	0.05 40	0.06 98

GwcNet-ADL	0.13 156	0.08 140	0.14 153	0.20 267	0.09 130	0.11 82	0.20 276	0.30 270	0.24 191	0.13 103	0.14 79	0.18 191	0.14 192	0.13 132	0.14 184	0.07 141	0.05 106	0.06 31	0.05 31	0.07 155	0.06 98

GANet-ADL	0.13 156	0.07 69	0.15 190	0.17 114	0.10 215	0.18 232	0.15 115	0.30 270	0.20 148	0.13 103	0.18 141	0.19 199	0.12 137	0.16 196	0.13 156	0.08 189	0.06 188	0.06 31	0.05 31	0.07 155	0.08 216

STrans-v2	0.10 50	0.07 69	0.12 90	0.18 181	0.07 18	0.10 56	0.14 69	0.21 139	0.11 17	0.11 58	0.15 93	0.12 88	0.10 87	0.11 45	0.12 127	0.05 2	0.04 2	0.06 31	0.06 86	0.04 1	0.04 7

TransformOpticalFlow	0.10 50	0.08 140	0.13 127	0.18 181	0.07 18	0.09 35	0.15 115	0.19 115	0.15 69	0.12 82	0.17 119	0.11 73	0.11 108	0.11 45	0.10 49	0.05 2	0.04 2	0.06 31	0.06 86	0.05 40	0.05 51

ASMatch	0.11 79	0.06 19	0.13 127	0.16 68	0.10 215	0.07 16	0.14 69	0.17 72	0.17 99	0.12 82	0.16 101	0.16 161	0.10 87	0.13 132	0.10 49	0.05 2	0.04 2	0.06 31	0.05 31	0.04 1	0.08 216

CroCo-Stereo	0.09 11	0.08 140	0.08 11	0.22 304	0.09 130	0.09 35	0.19 261	0.15 26	0.12 25	0.07 2	0.07 14	0.08 25	0.06 6	0.08 6	0.07 1	0.07 141	0.05 106	0.06 31	0.04 8	0.05 40	0.04 7
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
cross-raft	0.10 50	0.09 189	0.09 28	0.19 226	0.07 18	0.11 82	0.25 334	0.13 9	0.15 69	0.08 5	0.11 52	0.12 88	0.10 87	0.09 10	0.11 85	0.05 2	0.04 2	0.06 31	0.05 31	0.04 1	0.04 7

test-1	0.10 50	0.07 69	0.16 220	0.19 226	0.08 47	0.11 82	0.24 320	0.14 15	0.18 116	0.09 15	0.07 14	0.09 37	0.08 49	0.07 1	0.09 19	0.06 54	0.04 2	0.06 31	0.05 31	0.04 1	0.04 7

raftrobust	0.09 11	0.06 19	0.10 44	0.17 114	0.08 47	0.09 35	0.10 6	0.18 96	0.16 87	0.10 40	0.09 23	0.12 88	0.07 31	0.12 100	0.10 49	0.08 189	0.05 106	0.06 31	0.05 31	0.05 40	0.05 51

RALCasStereoNet	0.10 50	0.06 19	0.09 28	0.16 68	0.08 47	0.12 104	0.14 69	0.17 72	0.11 17	0.12 82	0.17 119	0.14 126	0.10 87	0.12 100	0.11 85	0.07 141	0.06 188	0.06 31	0.05 31	0.08 197	0.07 156

XX-Stereo	0.09 11	0.05 6	0.08 11	0.17 114	0.09 130	0.15 175	0.12 21	0.20 122	0.10 7	0.10 40	0.14 79	0.07 17	0.06 6	0.12 100	0.08 11	0.06 54	0.05 106	0.06 31	0.06 86	0.04 1	0.04 7

111	0.10 50	0.06 19	0.12 90	0.15 38	0.07 18	0.10 56	0.14 69	0.21 139	0.23 181	0.11 58	0.12 60	0.14 126	0.11 108	0.13 132	0.10 49	0.06 54	0.04 2	0.06 31	0.04 8	0.05 40	0.05 51

test_xeample3	0.09 11	0.06 19	0.12 90	0.16 68	0.09 130	0.11 82	0.15 115	0.16 42	0.13 41	0.10 40	0.06 2	0.08 25	0.06 6	0.10 18	0.09 19	0.05 2	0.04 2	0.06 31	0.05 31	0.05 40	0.06 98

RAFT-Stereo + iAFF	0.09 11	0.06 19	0.10 44	0.17 114	0.06 2	0.10 56	0.16 170	0.17 72	0.14 58	0.09 15	0.10 37	0.08 25	0.09 66	0.11 45	0.09 19	0.05 2	0.04 2	0.06 31	0.06 86	0.04 1	0.03 1

GMStereo	0.13 156	0.14 303	0.14 153	0.18 181	0.09 130	0.15 175	0.16 170	0.20 122	0.24 191	0.16 172	0.17 119	0.10 57	0.10 87	0.16 196	0.13 156	0.07 141	0.06 188	0.06 31	0.06 86	0.07 155	0.06 98
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
CFNet-RSSM	0.09 11	0.07 69	0.09 28	0.16 68	0.07 18	0.09 35	0.15 115	0.16 42	0.17 99	0.08 5	0.12 60	0.10 57	0.09 66	0.11 45	0.09 19	0.06 54	0.04 2	0.06 31	0.04 8	0.04 1	0.04 7

Gwc-CoAtRS	0.09 11	0.06 19	0.10 44	0.16 68	0.07 18	0.10 56	0.14 69	0.17 72	0.17 99	0.08 5	0.10 37	0.12 88	0.09 66	0.12 100	0.09 19	0.06 54	0.04 2	0.06 31	0.04 8	0.04 1	0.04 7

ACVNet	0.15 218	0.09 189	0.15 190	0.13 6	0.12 282	0.14 153	0.20 276	0.22 155	0.33 273	0.17 184	0.26 239	0.21 215	0.16 225	0.17 218	0.21 280	0.07 141	0.06 188	0.06 31	0.06 86	0.08 197	0.06 98

acv_ft	0.15 218	0.09 189	0.15 190	0.19 226	0.10 215	0.16 198	0.17 190	0.25 202	0.33 273	0.19 223	0.26 239	0.21 215	0.17 244	0.17 218	0.18 246	0.07 141	0.06 188	0.06 31	0.06 86	0.08 197	0.06 98

cf-r	0.13 156	0.07 69	0.12 90	0.16 68	0.08 47	0.14 153	0.19 261	0.20 122	0.25 210	0.17 184	0.25 224	0.21 215	0.16 225	0.14 147	0.14 184	0.10 265	0.05 106	0.06 31	0.08 210	0.06 101	0.06 98

DIP-Stereo	0.11 79	0.07 69	0.14 153	0.17 114	0.09 130	0.13 129	0.09 3	0.16 42	0.16 87	0.11 58	0.16 101	0.14 126	0.12 137	0.15 165	0.13 156	0.06 54	0.05 106	0.06 31	0.05 31	0.05 40	0.06 98
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
SuperB	0.20 286	0.10 236	0.56 371	0.16 68	0.09 130	0.18 232	0.18 230	0.24 189	0.50 351	0.26 299	0.39 325	0.17 180	0.21 280	0.22 286	0.21 280	0.08 189	0.06 188	0.06 31	0.06 86	0.12 301	0.10 268

R-Stereo Train	0.10 50	0.06 19	0.10 44	0.17 114	0.08 47	0.11 82	0.14 69	0.23 172	0.11 17	0.12 82	0.19 147	0.11 73	0.08 49	0.09 10	0.11 85	0.07 141	0.05 106	0.06 31	0.05 31	0.05 40	0.05 51

RAFT-Stereo	0.10 50	0.06 19	0.10 44	0.17 114	0.08 47	0.11 82	0.14 69	0.23 172	0.11 17	0.12 82	0.19 147	0.11 73	0.08 49	0.09 10	0.11 85	0.07 141	0.05 106	0.06 31	0.05 31	0.05 40	0.05 51
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
RASNet	0.14 185	0.07 69	0.14 153	0.16 68	0.08 47	0.18 232	0.14 69	0.29 256	0.20 148	0.17 184	0.25 224	0.21 215	0.18 253	0.20 259	0.19 255	0.07 141	0.06 188	0.06 31	0.08 210	0.06 101	0.06 98

HSM-Net_RVC	0.14 185	0.08 140	0.11 70	0.15 38	0.08 47	0.15 175	0.15 115	0.27 232	0.29 248	0.19 223	0.21 172	0.29 289	0.14 192	0.17 218	0.13 156	0.06 54	0.06 188	0.06 31	0.06 86	0.07 155	0.06 98
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
AANet_RVC	0.16 236	0.10 236	0.10 44	0.18 181	0.09 130	0.18 232	0.19 261	0.26 214	0.31 261	0.22 261	0.35 303	0.21 215	0.21 280	0.22 286	0.16 221	0.06 54	0.05 106	0.06 31	0.06 86	0.07 155	0.06 98

iResNetv2_ROB	0.14 185	0.08 140	0.15 190	0.16 68	0.08 47	0.16 198	0.12 21	0.25 202	0.35 291	0.21 248	0.29 266	0.24 250	0.13 169	0.14 147	0.14 184	0.06 54	0.05 106	0.06 31	0.04 8	0.09 245	0.08 216

iResNet	0.13 156	0.10 236	0.18 262	0.19 226	0.08 47	0.13 129	0.18 230	0.20 122	0.26 223	0.15 147	0.23 187	0.15 150	0.13 169	0.14 147	0.14 184	0.06 54	0.04 2	0.06 31	0.05 31	0.06 101	0.05 51

LE_ROB	0.50 381	0.07 69	0.14 153	0.15 38	0.08 47	0.24 304	0.16 170	0.22 155	1.81 413	4.63 417	0.67 377	0.47 368	0.44 374	0.20 259	0.29 346	0.07 141	0.06 188	0.06 31	0.06 86	0.08 197	0.06 98

MyStereo8	0.12 134	0.07 69	0.15 190	0.15 38	0.09 130	0.18 232	0.14 69	0.19 115	0.22 172	0.12 82	0.18 141	0.11 73	0.10 87	0.16 196	0.18 246	0.07 141	0.05 106	0.07 98	0.05 31	0.08 197	0.09 249

SMFormer	0.14 185	0.07 69	0.17 245	0.14 13	0.08 47	0.16 198	0.17 190	0.26 214	0.27 230	0.19 223	0.20 158	0.18 191	0.15 205	0.15 165	0.17 232	0.08 189	0.05 106	0.07 98	0.06 86	0.07 155	0.06 98

tta	0.14 185	0.07 69	0.17 245	0.14 13	0.08 47	0.16 198	0.17 190	0.26 214	0.27 230	0.19 223	0.20 158	0.18 191	0.15 205	0.15 165	0.17 232	0.08 189	0.05 106	0.07 98	0.06 86	0.06 101	0.06 98

MyStereo06	0.10 50	0.07 69	0.12 90	0.17 114	0.09 130	0.13 129	0.18 230	0.19 115	0.12 25	0.12 82	0.08 17	0.07 17	0.07 31	0.11 45	0.09 19	0.06 54	0.05 106	0.07 98	0.07 160	0.06 101	0.06 98

MyStereo05	0.13 156	0.07 69	0.10 44	0.17 114	0.09 130	0.13 129	0.18 230	0.27 232	0.35 291	0.17 184	0.14 79	0.15 150	0.11 108	0.15 165	0.13 156	0.06 54	0.05 106	0.07 98	0.07 160	0.06 101	0.06 98

AE-Stereo	0.10 50	0.08 140	0.10 44	0.18 181	0.09 130	0.10 56	0.15 115	0.14 15	0.19 127	0.09 15	0.14 79	0.12 88	0.08 49	0.11 45	0.10 49	0.05 2	0.06 188	0.07 98	0.06 86	0.05 40	0.04 7

CoDeX	0.12 134	0.07 69	0.12 90	0.17 114	0.08 47	0.12 104	0.15 115	0.23 172	0.27 230	0.13 103	0.17 119	0.16 161	0.11 108	0.14 147	0.11 85	0.07 141	0.05 106	0.07 98	0.06 86	0.06 101	0.05 51

StereoIM	0.09 11	0.09 189	0.08 11	0.17 114	0.09 130	0.13 129	0.10 6	0.16 42	0.16 87	0.09 15	0.11 52	0.06 3	0.06 6	0.09 10	0.13 156	0.07 141	0.06 188	0.07 98	0.05 31	0.05 40	0.04 7

EKT-Stereo	0.11 79	0.07 69	0.14 153	0.15 38	0.10 215	0.13 129	0.14 69	0.18 96	0.21 161	0.11 58	0.08 17	0.12 88	0.09 66	0.11 45	0.12 127	0.08 189	0.06 188	0.07 98	0.06 86	0.08 197	0.07 156

MIM_Stereo	0.09 11	0.07 69	0.11 70	0.15 38	0.07 18	0.06 2	0.12 21	0.20 122	0.14 58	0.13 103	0.13 70	0.09 37	0.05 2	0.12 100	0.08 11	0.05 2	0.06 188	0.07 98	0.06 86	0.06 101	0.05 51

PCWNet_CMD	0.14 185	0.08 140	0.15 190	0.17 114	0.09 130	0.14 153	0.14 69	0.29 256	0.36 296	0.14 123	0.20 158	0.21 215	0.12 137	0.17 218	0.13 156	0.07 141	0.05 106	0.07 98	0.07 160	0.07 155	0.07 156

iinet-f	0.16 236	0.06 19	0.45 357	0.14 13	0.10 215	0.21 278	0.14 69	0.27 232	0.23 181	0.21 248	0.24 195	0.21 215	0.15 205	0.18 229	0.21 280	0.09 234	0.07 245	0.07 98	0.06 86	0.09 245	0.10 268

gwcnet-sp	0.14 185	0.07 69	0.12 90	0.18 181	0.09 130	0.16 198	0.17 190	0.24 189	0.24 191	0.18 210	0.24 195	0.15 150	0.16 225	0.15 165	0.15 207	0.08 189	0.06 188	0.07 98	0.08 210	0.08 197	0.07 156

scenet	0.14 185	0.07 69	0.12 90	0.18 181	0.09 130	0.16 198	0.17 190	0.24 189	0.24 191	0.18 210	0.24 195	0.15 150	0.16 225	0.15 165	0.15 207	0.08 189	0.06 188	0.07 98	0.08 210	0.08 197	0.07 156

anonymousa	0.13 156	0.07 69	0.13 127	0.18 181	0.09 130	0.13 129	0.17 190	0.19 115	0.29 248	0.15 147	0.24 195	0.15 150	0.14 192	0.14 147	0.14 184	0.07 141	0.05 106	0.07 98	0.09 249	0.05 40	0.06 98

riskmin	0.11 79	0.06 19	0.13 127	0.14 13	0.08 47	0.14 153	0.14 69	0.18 96	0.14 58	0.11 58	0.14 79	0.16 161	0.11 108	0.14 147	0.12 127	0.09 234	0.05 106	0.07 98	0.05 31	0.08 197	0.08 216

ssnet	0.14 185	0.07 69	0.12 90	0.18 181	0.09 130	0.16 198	0.17 190	0.24 189	0.24 191	0.18 210	0.24 195	0.15 150	0.16 225	0.15 165	0.15 207	0.08 189	0.06 188	0.07 98	0.08 210	0.08 197	0.07 156

CroCo-Stereo Lap2	0.09 11	0.09 189	0.08 11	0.22 304	0.09 130	0.09 35	0.19 261	0.16 42	0.12 25	0.09 15	0.10 37	0.05 1	0.05 2	0.08 6	0.08 11	0.06 54	0.06 188	0.07 98	0.05 31	0.05 40	0.05 51

DisPM	0.11 79	0.07 69	0.12 90	0.16 68	0.09 130	0.06 2	0.13 43	0.17 72	0.17 99	0.14 123	0.20 158	0.12 88	0.10 87	0.11 45	0.10 49	0.06 54	0.04 2	0.07 98	0.06 86	0.06 101	0.11 291

IER	0.14 185	0.07 69	0.13 127	0.17 114	0.09 130	0.14 153	0.16 170	0.25 202	0.26 223	0.18 210	0.25 224	0.17 180	0.20 276	0.16 196	0.14 184	0.08 189	0.05 106	0.07 98	0.06 86	0.08 197	0.07 156

raft_robust	0.13 156	0.10 236	0.07 2	0.18 181	0.08 47	0.13 129	0.24 320	0.28 246	0.33 273	0.20 240	0.19 147	0.14 126	0.10 87	0.11 45	0.12 127	0.05 2	0.05 106	0.07 98	0.07 160	0.05 40	0.04 7

CRFU-Net	0.16 236	0.08 140	0.14 153	0.17 114	0.09 130	0.19 252	0.14 69	0.26 214	0.20 148	0.28 316	0.27 246	0.29 289	0.17 244	0.19 240	0.17 232	0.09 234	0.09 290	0.07 98	0.07 160	0.08 197	0.08 216

RAFT+CT+SA	0.13 156	0.11 256	0.09 28	0.19 226	0.09 130	0.15 175	0.28 352	0.22 155	0.22 172	0.15 147	0.26 239	0.10 57	0.10 87	0.11 45	0.12 127	0.05 2	0.04 2	0.07 98	0.08 210	0.07 155	0.06 98

test_5	0.14 185	0.12 270	0.08 11	0.20 267	0.10 215	0.14 153	0.29 360	0.21 139	0.24 191	0.18 210	0.28 255	0.11 73	0.15 205	0.12 100	0.13 156	0.06 54	0.05 106	0.07 98	0.08 210	0.08 197	0.07 156

iRaft-Stereo_5w	0.12 134	0.09 189	0.12 90	0.19 226	0.08 47	0.09 35	0.12 21	0.21 139	0.21 161	0.19 223	0.14 79	0.11 73	0.09 66	0.20 259	0.16 221	0.05 2	0.05 106	0.07 98	0.06 86	0.05 40	0.06 98

CSP-Net	0.16 236	0.09 189	0.14 153	0.16 68	0.09 130	0.19 252	0.17 190	0.25 202	0.32 267	0.25 294	0.30 270	0.24 250	0.15 205	0.21 275	0.18 246	0.09 234	0.06 188	0.07 98	0.07 160	0.08 197	0.07 156

test-3	0.08 2	0.06 19	0.09 28	0.17 114	0.07 18	0.07 16	0.14 69	0.12 4	0.15 69	0.09 15	0.08 17	0.07 17	0.08 49	0.11 45	0.10 49	0.05 2	0.04 2	0.07 98	0.05 31	0.04 1	0.04 7

test_1	0.08 2	0.06 19	0.09 28	0.17 114	0.07 18	0.07 16	0.14 69	0.12 4	0.15 69	0.09 15	0.08 17	0.07 17	0.08 49	0.11 45	0.10 49	0.05 2	0.04 2	0.07 98	0.05 31	0.04 1	0.04 7

ADLNet2	0.16 236	0.09 189	0.13 127	0.16 68	0.09 130	0.20 264	0.16 170	0.31 276	0.39 310	0.16 172	0.20 158	0.20 209	0.18 253	0.21 275	0.22 289	0.08 189	0.06 188	0.07 98	0.07 160	0.09 245	0.07 156

CrosDoStereo	0.12 134	0.06 19	0.12 90	0.14 13	0.08 47	0.12 104	0.15 115	0.17 72	0.22 172	0.19 223	0.24 195	0.15 150	0.11 108	0.11 45	0.12 127	0.06 54	0.04 2	0.07 98	0.07 160	0.05 40	0.05 51

TRStereo	0.09 11	0.05 6	0.12 90	0.15 38	0.12 282	0.10 56	0.13 43	0.18 96	0.18 116	0.09 15	0.09 23	0.09 37	0.06 6	0.10 18	0.08 11	0.07 141	0.05 106	0.07 98	0.07 160	0.04 1	0.04 7

OMP-Stereo	0.11 79	0.06 19	0.14 153	0.18 181	0.08 47	0.09 35	0.12 21	0.21 139	0.21 161	0.13 103	0.14 79	0.11 73	0.12 137	0.11 45	0.13 156	0.06 54	0.04 2	0.07 98	0.06 86	0.05 40	0.04 7

IIG-Stereo	0.11 79	0.06 19	0.13 127	0.17 114	0.08 47	0.11 82	0.12 21	0.22 155	0.17 99	0.14 123	0.17 119	0.11 73	0.12 137	0.12 100	0.12 127	0.06 54	0.05 106	0.07 98	0.06 86	0.05 40	0.04 7

NF-Stereo	0.11 79	0.07 69	0.13 127	0.17 114	0.09 130	0.10 56	0.14 69	0.23 172	0.19 127	0.12 82	0.17 119	0.12 88	0.11 108	0.11 45	0.11 85	0.06 54	0.04 2	0.07 98	0.06 86	0.06 101	0.12 302

OCTAStereo	0.11 79	0.07 69	0.13 127	0.17 114	0.09 130	0.10 56	0.14 69	0.23 172	0.19 127	0.12 82	0.17 119	0.12 88	0.11 108	0.11 45	0.11 85	0.06 54	0.04 2	0.07 98	0.06 86	0.06 101	0.12 302

NRIStereo	0.11 79	0.08 140	0.14 153	0.18 181	0.08 47	0.10 56	0.14 69	0.16 42	0.15 69	0.12 82	0.14 79	0.13 111	0.12 137	0.13 132	0.10 49	0.06 54	0.04 2	0.07 98	0.06 86	0.06 101	0.07 156

FTStereo	0.12 134	0.06 19	0.14 153	0.18 181	0.09 130	0.07 16	0.15 115	0.21 139	0.18 116	0.12 82	0.24 195	0.12 88	0.12 137	0.13 132	0.13 156	0.05 2	0.05 106	0.07 98	0.06 86	0.06 101	0.10 268

DeepStereo_LL	0.12 134	0.06 19	0.12 90	0.14 13	0.08 47	0.12 104	0.15 115	0.17 72	0.22 172	0.19 223	0.24 195	0.15 150	0.11 108	0.11 45	0.12 127	0.06 54	0.04 2	0.07 98	0.07 160	0.05 40	0.05 51

DEmStereo	0.12 134	0.06 19	0.14 153	0.14 13	0.10 215	0.16 198	0.15 115	0.16 42	0.24 191	0.17 184	0.24 195	0.13 111	0.14 192	0.12 100	0.13 156	0.05 2	0.04 2	0.07 98	0.06 86	0.05 40	0.05 51

THIR-Stereo	0.12 134	0.07 69	0.11 70	0.15 38	0.08 47	0.14 153	0.16 170	0.17 72	0.25 210	0.16 172	0.24 195	0.14 126	0.12 137	0.12 100	0.14 184	0.06 54	0.04 2	0.07 98	0.07 160	0.05 40	0.05 51

DRaft	0.12 134	0.06 19	0.11 70	0.14 13	0.09 130	0.14 153	0.17 190	0.21 139	0.30 255	0.17 184	0.28 255	0.10 57	0.15 205	0.10 18	0.12 127	0.05 2	0.04 2	0.07 98	0.06 86	0.05 40	0.05 51

PFNet	0.12 134	0.06 19	0.17 245	0.17 114	0.08 47	0.09 35	0.15 115	0.26 214	0.20 148	0.16 172	0.16 101	0.14 126	0.11 108	0.12 100	0.11 85	0.06 54	0.04 2	0.07 98	0.06 86	0.05 40	0.05 51

GrayStereo	0.11 79	0.06 19	0.11 70	0.19 226	0.09 130	0.09 35	0.16 170	0.18 96	0.17 99	0.14 123	0.17 119	0.17 180	0.11 108	0.12 100	0.11 85	0.05 2	0.05 106	0.07 98	0.06 86	0.05 40	0.10 268

RE-Stereo	0.11 79	0.07 69	0.13 127	0.17 114	0.09 130	0.10 56	0.14 69	0.23 172	0.19 127	0.12 82	0.17 119	0.12 88	0.11 108	0.11 45	0.11 85	0.06 54	0.04 2	0.07 98	0.06 86	0.06 101	0.12 302

Pruner-Stereo	0.11 79	0.07 69	0.12 90	0.17 114	0.09 130	0.06 2	0.12 21	0.17 72	0.17 99	0.13 103	0.19 147	0.13 111	0.09 66	0.11 45	0.11 85	0.06 54	0.04 2	0.07 98	0.06 86	0.06 101	0.08 216

TVStereo	0.11 79	0.07 69	0.13 127	0.17 114	0.09 130	0.10 56	0.14 69	0.23 172	0.19 127	0.12 82	0.17 119	0.12 88	0.11 108	0.11 45	0.11 85	0.06 54	0.04 2	0.07 98	0.06 86	0.06 101	0.12 302

DeepStereo_RVC	0.11 79	0.08 140	0.16 220	0.18 181	0.08 47	0.08 23	0.12 21	0.17 72	0.12 25	0.13 103	0.14 79	0.12 88	0.12 137	0.12 100	0.11 85	0.06 54	0.04 2	0.07 98	0.06 86	0.07 155	0.08 216

RAFT-345	0.11 79	0.07 69	0.15 190	0.16 68	0.08 47	0.08 23	0.12 21	0.15 26	0.10 7	0.11 58	0.36 306	0.09 37	0.09 66	0.11 45	0.12 127	0.05 2	0.05 106	0.07 98	0.06 86	0.04 1	0.05 51

Prome-Stereo	0.11 79	0.06 19	0.10 44	0.18 181	0.08 47	0.12 104	0.15 115	0.22 155	0.13 41	0.12 82	0.17 119	0.13 111	0.08 49	0.12 100	0.10 49	0.05 2	0.04 2	0.07 98	0.06 86	0.06 101	0.09 249

raft+_RVC	0.11 79	0.07 69	0.09 28	0.16 68	0.07 18	0.10 56	0.11 11	0.24 189	0.20 148	0.12 82	0.15 93	0.12 88	0.08 49	0.12 100	0.13 156	0.07 141	0.04 2	0.07 98	0.06 86	0.05 40	0.05 51

RALAANet	0.11 79	0.08 140	0.10 44	0.17 114	0.09 130	0.14 153	0.10 6	0.20 122	0.15 69	0.14 123	0.13 70	0.16 161	0.09 66	0.12 100	0.11 85	0.06 54	0.05 106	0.07 98	0.06 86	0.05 40	0.04 7

GES	0.14 185	0.08 140	0.16 220	0.15 38	0.10 215	0.13 129	0.13 43	0.28 246	0.25 210	0.16 172	0.23 187	0.18 191	0.13 169	0.16 196	0.13 156	0.08 189	0.07 245	0.07 98	0.06 86	0.08 197	0.09 249

222	0.16 236	0.07 69	0.14 153	0.14 13	0.08 47	0.24 304	0.18 230	0.30 270	0.20 148	0.17 184	0.28 255	0.17 180	0.16 225	0.15 165	0.40 375	0.10 265	0.05 106	0.07 98	0.06 86	0.07 155	0.08 216

xxxx	0.15 218	0.07 69	0.14 153	0.14 13	0.08 47	0.23 299	0.18 230	0.31 276	0.19 127	0.14 123	0.28 255	0.22 232	0.14 192	0.15 165	0.26 328	0.09 234	0.05 106	0.07 98	0.07 160	0.08 197	0.07 156

test_xeample	0.15 218	0.06 19	0.13 127	0.14 13	0.08 47	0.21 278	0.20 276	0.28 246	0.20 148	0.16 172	0.29 266	0.19 199	0.16 225	0.15 165	0.26 328	0.09 234	0.05 106	0.07 98	0.07 160	0.07 155	0.07 156

AFF-stereo	0.09 11	0.06 19	0.10 44	0.17 114	0.07 18	0.10 56	0.16 170	0.17 72	0.09 2	0.10 40	0.12 60	0.09 37	0.09 66	0.12 100	0.09 19	0.05 2	0.04 2	0.07 98	0.07 160	0.04 1	0.03 1

SFCPSM	0.13 156	0.07 69	0.14 153	0.17 114	0.09 130	0.15 175	0.16 170	0.28 246	0.27 230	0.14 123	0.17 119	0.12 88	0.13 169	0.14 147	0.11 85	0.08 189	0.05 106	0.07 98	0.07 160	0.07 155	0.06 98

MMNet	0.17 255	0.09 189	0.16 220	0.20 267	0.11 253	0.27 329	0.20 276	0.25 202	0.41 319	0.22 261	0.30 270	0.21 215	0.20 276	0.17 218	0.20 261	0.06 54	0.06 188	0.07 98	0.07 160	0.08 197	0.07 156

HGLStereo	0.17 255	0.08 140	0.19 271	0.17 114	0.12 282	0.18 232	0.18 230	0.31 276	0.32 267	0.21 248	0.32 282	0.25 260	0.18 253	0.19 240	0.20 261	0.09 234	0.09 290	0.07 98	0.07 160	0.09 245	0.10 268

GANet-RSSM	0.14 185	0.07 69	0.13 127	0.13 6	0.08 47	0.14 153	0.17 190	0.22 155	0.21 161	0.17 184	0.24 195	0.23 244	0.15 205	0.16 196	0.15 207	0.10 265	0.06 188	0.07 98	0.08 210	0.08 197	0.07 156

GwcNet-RSSM	0.14 185	0.07 69	0.12 90	0.15 38	0.08 47	0.15 175	0.20 276	0.21 139	0.27 230	0.18 210	0.27 246	0.22 232	0.16 225	0.14 147	0.15 207	0.10 265	0.05 106	0.07 98	0.09 249	0.07 155	0.07 156

MSMDNet	0.14 185	0.08 140	0.15 190	0.17 114	0.09 130	0.14 153	0.14 69	0.29 256	0.36 296	0.14 123	0.21 172	0.21 215	0.12 137	0.17 218	0.14 184	0.07 141	0.05 106	0.07 98	0.07 160	0.07 155	0.07 156

HSM	0.15 218	0.08 140	0.14 153	0.16 68	0.09 130	0.16 198	0.14 69	0.28 246	0.25 210	0.19 223	0.23 187	0.37 335	0.16 225	0.20 259	0.15 207	0.07 141	0.05 106	0.07 98	0.06 86	0.07 155	0.06 98

DISCO	0.19 277	0.09 189	0.22 289	0.17 114	0.10 215	0.25 314	0.18 230	0.27 232	0.44 334	0.22 261	0.31 278	0.33 319	0.26 312	0.28 326	0.28 343	0.08 189	0.06 188	0.07 98	0.07 160	0.09 245	0.09 249

MyStereo07	0.10 50	0.07 69	0.10 44	0.17 114	0.09 130	0.14 153	0.18 230	0.15 26	0.15 69	0.09 15	0.06 2	0.06 3	0.07 31	0.12 100	0.09 19	0.06 54	0.05 106	0.08 162	0.07 160	0.06 101	0.06 98

MyStereo04	0.13 156	0.07 69	0.10 44	0.17 114	0.09 130	0.14 153	0.18 230	0.29 256	0.38 307	0.17 184	0.14 79	0.16 161	0.10 87	0.15 165	0.13 156	0.06 54	0.05 106	0.08 162	0.07 160	0.06 101	0.06 98

xx1	0.11 79	0.08 140	0.12 90	0.17 114	0.09 130	0.13 129	0.15 115	0.16 42	0.18 116	0.09 15	0.09 23	0.16 161	0.16 225	0.10 18	0.07 1	0.06 54	0.04 2	0.08 162	0.08 210	0.07 155	0.07 156

mmm	0.14 185	0.08 140	0.17 245	0.17 114	0.09 130	0.17 217	0.18 230	0.21 139	0.15 69	0.15 147	0.23 187	0.21 215	0.16 225	0.16 196	0.17 232	0.08 189	0.05 106	0.08 162	0.07 160	0.07 155	0.07 156

1111x	0.15 218	0.08 140	0.12 90	0.18 181	0.07 18	0.18 232	0.25 334	0.31 276	0.24 191	0.17 184	0.24 195	0.26 268	0.15 205	0.13 132	0.23 299	0.07 141	0.07 245	0.08 162	0.09 249	0.07 155	0.06 98

whm_eth	0.14 185	0.09 189	0.20 279	0.20 267	0.12 282	0.12 104	0.15 115	0.18 96	0.28 241	0.17 184	0.32 282	0.09 37	0.12 137	0.18 229	0.14 184	0.07 141	0.07 245	0.08 162	0.07 160	0.07 155	0.07 156

MIF-Stereo (partial)	0.11 79	0.06 19	0.10 44	0.19 226	0.10 215	0.10 56	0.11 11	0.17 72	0.18 116	0.14 123	0.16 101	0.09 37	0.11 108	0.12 100	0.12 127	0.08 189	0.05 106	0.08 162	0.07 160	0.06 101	0.07 156

CFNet_ucs	0.15 218	0.08 140	0.16 220	0.16 68	0.11 253	0.14 153	0.14 69	0.30 270	0.34 284	0.16 172	0.24 195	0.23 244	0.14 192	0.18 229	0.15 207	0.09 234	0.06 188	0.08 162	0.07 160	0.09 245	0.09 249

4D-IteraStereo	0.09 11	0.07 69	0.10 44	0.18 181	0.07 18	0.09 35	0.15 115	0.17 72	0.15 69	0.10 40	0.11 52	0.10 57	0.07 31	0.11 45	0.09 19	0.05 2	0.03 1	0.08 162	0.07 160	0.06 101	0.05 51

fast-acv-ft	0.18 267	0.11 256	0.19 271	0.19 226	0.12 282	0.24 304	0.21 292	0.25 202	0.34 284	0.22 261	0.34 299	0.27 275	0.20 276	0.21 275	0.23 299	0.09 234	0.09 290	0.08 162	0.10 281	0.08 197	0.07 156

TestStereo1	0.13 156	0.08 140	0.08 11	0.19 226	0.08 47	0.18 232	0.29 360	0.23 172	0.16 87	0.17 184	0.20 158	0.16 161	0.10 87	0.12 100	0.13 156	0.06 54	0.06 188	0.08 162	0.06 86	0.05 40	0.05 51

qqq	0.13 156	0.09 189	0.15 190	0.16 68	0.08 47	0.13 129	0.15 115	0.23 172	0.16 87	0.15 147	0.19 147	0.16 161	0.16 225	0.15 165	0.16 221	0.07 141	0.06 188	0.08 162	0.08 210	0.07 155	0.07 156

Wz-Net-LNSev	0.22 304	0.16 316	0.38 348	0.21 291	0.13 299	0.25 314	0.23 311	0.32 285	0.43 330	0.30 325	0.41 340	0.31 307	0.18 253	0.22 286	0.25 318	0.10 265	0.09 290	0.08 162	0.08 210	0.12 301	0.11 291

RAFT_CTSACE	0.12 134	0.09 189	0.10 44	0.22 304	0.08 47	0.12 104	0.24 320	0.18 96	0.16 87	0.20 240	0.27 246	0.13 111	0.07 31	0.13 132	0.09 19	0.05 2	0.06 188	0.08 162	0.07 160	0.04 1	0.04 7

SA-5K	0.13 156	0.08 140	0.08 11	0.19 226	0.08 47	0.18 232	0.29 360	0.23 172	0.16 87	0.17 184	0.20 158	0.16 161	0.10 87	0.12 100	0.13 156	0.06 54	0.06 188	0.08 162	0.06 86	0.05 40	0.05 51

test_4	0.10 50	0.10 236	0.08 11	0.19 226	0.09 130	0.08 23	0.22 301	0.15 26	0.17 99	0.12 82	0.18 141	0.12 88	0.09 66	0.08 6	0.11 85	0.04 1	0.04 2	0.08 162	0.08 210	0.04 1	0.03 1

psmg	0.14 185	0.09 189	0.14 153	0.17 114	0.10 215	0.15 175	0.17 190	0.29 256	0.19 127	0.17 184	0.21 172	0.25 260	0.16 225	0.15 165	0.14 184	0.08 189	0.06 188	0.08 162	0.08 210	0.07 155	0.06 98

dd	0.15 218	0.16 316	0.16 220	0.19 226	0.09 130	0.15 175	0.18 230	0.21 139	0.25 210	0.23 273	0.20 158	0.21 215	0.09 66	0.21 275	0.16 221	0.10 265	0.06 188	0.08 162	0.06 86	0.08 197	0.06 98

GLC_STEREO	0.11 79	0.07 69	0.11 70	0.17 114	0.07 18	0.09 35	0.13 43	0.15 26	0.24 191	0.12 82	0.13 70	0.12 88	0.08 49	0.18 229	0.11 85	0.06 54	0.08 267	0.08 162	0.06 86	0.05 40	0.05 51

AASNet	0.16 236	0.08 140	0.12 90	0.19 226	0.09 130	0.18 232	0.15 115	0.37 336	0.37 302	0.19 223	0.23 187	0.20 209	0.16 225	0.17 218	0.20 261	0.10 265	0.08 267	0.08 162	0.07 160	0.09 245	0.09 249

test_3	0.10 50	0.09 189	0.10 44	0.20 267	0.08 47	0.13 129	0.26 340	0.14 15	0.21 161	0.10 40	0.10 37	0.09 37	0.09 66	0.08 6	0.11 85	0.05 2	0.04 2	0.08 162	0.07 160	0.04 1	0.04 7

PSMNet-ADL	0.15 218	0.12 270	0.13 127	0.22 304	0.09 130	0.13 129	0.20 276	0.26 214	0.23 181	0.18 210	0.20 158	0.24 250	0.16 225	0.18 229	0.17 232	0.08 189	0.08 267	0.08 162	0.11 304	0.08 197	0.07 156

LCNet	0.11 79	0.07 69	0.09 28	0.19 226	0.09 130	0.08 23	0.15 115	0.21 139	0.15 69	0.11 58	0.15 93	0.16 161	0.11 108	0.12 100	0.11 85	0.05 2	0.04 2	0.08 162	0.07 160	0.06 101	0.15 341

HHNet	0.11 79	0.06 19	0.16 220	0.15 38	0.14 316	0.07 16	0.13 43	0.20 122	0.17 99	0.14 123	0.25 224	0.11 73	0.08 49	0.13 132	0.10 49	0.05 2	0.04 2	0.08 162	0.06 86	0.05 40	0.09 249

Patchmatch Stereo++	0.11 79	0.09 189	0.16 220	0.18 181	0.08 47	0.06 2	0.11 11	0.16 42	0.13 41	0.15 147	0.16 101	0.14 126	0.12 137	0.11 45	0.10 49	0.06 54	0.04 2	0.08 162	0.06 86	0.08 197	0.07 156
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-softLoss	0.12 134	0.07 69	0.15 190	0.17 114	0.09 130	0.08 23	0.13 43	0.24 189	0.17 99	0.14 123	0.19 147	0.13 111	0.11 108	0.11 45	0.11 85	0.07 141	0.05 106	0.08 162	0.07 160	0.06 101	0.12 302

KMStereo	0.12 134	0.07 69	0.15 190	0.17 114	0.09 130	0.08 23	0.13 43	0.24 189	0.17 99	0.14 123	0.19 147	0.13 111	0.11 108	0.11 45	0.11 85	0.07 141	0.05 106	0.08 162	0.07 160	0.06 101	0.12 302

PSM-adaLoss	0.11 79	0.09 189	0.16 220	0.18 181	0.08 47	0.06 2	0.12 21	0.16 42	0.13 41	0.15 147	0.16 101	0.14 126	0.12 137	0.11 45	0.10 49	0.06 54	0.04 2	0.08 162	0.06 86	0.08 197	0.07 156

ROB_FTStereo_v2	0.11 79	0.09 189	0.16 220	0.19 226	0.08 47	0.06 2	0.12 21	0.16 42	0.13 41	0.15 147	0.16 101	0.14 126	0.12 137	0.11 45	0.10 49	0.06 54	0.04 2	0.08 162	0.06 86	0.08 197	0.07 156

ROB_FTStereo	0.11 79	0.09 189	0.16 220	0.19 226	0.08 47	0.06 2	0.11 11	0.16 42	0.13 41	0.15 147	0.16 101	0.14 126	0.12 137	0.11 45	0.10 49	0.06 54	0.04 2	0.08 162	0.06 86	0.08 197	0.07 156

KYRaft	0.11 79	0.07 69	0.10 44	0.19 226	0.09 130	0.08 23	0.15 115	0.22 155	0.12 25	0.13 103	0.16 101	0.20 209	0.10 87	0.12 100	0.10 49	0.05 2	0.04 2	0.08 162	0.08 210	0.06 101	0.16 352

HUI-Stereo	0.11 79	0.09 189	0.16 220	0.18 181	0.08 47	0.06 2	0.12 21	0.16 42	0.13 41	0.15 147	0.16 101	0.14 126	0.12 137	0.11 45	0.10 49	0.06 54	0.04 2	0.08 162	0.06 86	0.08 197	0.07 156

iGMRVC	0.11 79	0.09 189	0.16 220	0.19 226	0.08 47	0.06 2	0.12 21	0.16 42	0.13 41	0.15 147	0.16 101	0.14 126	0.12 137	0.11 45	0.10 49	0.06 54	0.04 2	0.08 162	0.06 86	0.08 197	0.07 156

RAFT-RH_RVC	0.11 79	0.06 19	0.14 153	0.16 68	0.09 130	0.12 104	0.12 21	0.17 72	0.12 25	0.13 103	0.41 340	0.11 73	0.10 87	0.13 132	0.12 127	0.05 2	0.04 2	0.08 162	0.05 31	0.04 1	0.06 98

iRAFT	0.11 79	0.09 189	0.16 220	0.18 181	0.08 47	0.06 2	0.11 11	0.16 42	0.13 41	0.15 147	0.16 101	0.14 126	0.12 137	0.11 45	0.10 49	0.06 54	0.04 2	0.08 162	0.06 86	0.08 197	0.07 156

AnonymousM	0.09 11	0.05 6	0.10 44	0.14 13	0.06 2	0.09 35	0.13 43	0.19 115	0.14 58	0.13 103	0.11 52	0.09 37	0.08 49	0.13 132	0.10 49	0.08 189	0.05 106	0.08 162	0.05 31	0.05 40	0.05 51

CRE-IMP	0.11 79	0.09 189	0.16 220	0.19 226	0.08 47	0.10 56	0.12 21	0.18 96	0.10 7	0.14 123	0.13 70	0.13 111	0.12 137	0.12 100	0.11 85	0.07 141	0.04 2	0.08 162	0.06 86	0.08 197	0.08 216

GMM-Stereo	0.11 79	0.07 69	0.10 44	0.18 181	0.09 130	0.08 23	0.15 115	0.23 172	0.16 87	0.11 58	0.15 93	0.13 111	0.11 108	0.11 45	0.11 85	0.05 2	0.04 2	0.08 162	0.07 160	0.06 101	0.09 249

RAFT-IKP	0.11 79	0.09 189	0.16 220	0.19 226	0.08 47	0.06 2	0.12 21	0.16 42	0.13 41	0.15 147	0.16 101	0.14 126	0.12 137	0.11 45	0.10 49	0.06 54	0.04 2	0.08 162	0.06 86	0.08 197	0.07 156

LMCR-Stereo	0.15 218	0.08 140	0.13 127	0.21 291	0.09 130	0.17 217	0.20 276	0.27 232	0.19 127	0.24 281	0.24 195	0.23 244	0.17 244	0.20 259	0.17 232	0.07 141	0.06 188	0.08 162	0.06 86	0.10 272	0.08 216

ICVP	0.15 218	0.09 189	0.12 90	0.22 304	0.09 130	0.17 217	0.21 292	0.25 202	0.23 181	0.18 210	0.30 270	0.26 268	0.18 253	0.17 218	0.14 184	0.09 234	0.07 245	0.08 162	0.07 160	0.07 155	0.07 156
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
iRaftStereo_RVC	0.10 50	0.07 69	0.09 28	0.17 114	0.09 130	0.11 82	0.17 190	0.18 96	0.12 25	0.09 15	0.12 60	0.10 57	0.07 31	0.11 45	0.10 49	0.05 2	0.04 2	0.08 162	0.08 210	0.04 1	0.04 7

GEStereo_RVC	0.17 255	0.12 270	0.15 190	0.22 304	0.11 253	0.19 252	0.17 190	0.32 285	0.48 344	0.20 240	0.25 224	0.17 180	0.13 169	0.21 275	0.16 221	0.10 265	0.06 188	0.08 162	0.07 160	0.09 245	0.08 216

Anonymous3	0.16 236	0.13 291	0.33 335	0.26 344	0.14 316	0.27 329	0.17 190	0.28 246	0.28 241	0.15 147	0.17 119	0.14 126	0.10 87	0.15 165	0.12 127	0.08 189	0.08 267	0.08 162	0.08 210	0.08 197	0.11 291

TestStereo	0.13 156	0.14 303	0.11 70	0.23 323	0.08 47	0.15 175	0.21 292	0.20 122	0.23 181	0.14 123	0.24 195	0.16 161	0.12 137	0.16 196	0.14 184	0.05 2	0.06 188	0.08 162	0.06 86	0.09 245	0.05 51

sAnonymous2	0.13 156	0.12 270	0.24 301	0.20 267	0.12 282	0.17 217	0.13 43	0.26 214	0.21 161	0.11 58	0.11 52	0.13 111	0.08 49	0.10 18	0.10 49	0.09 234	0.05 106	0.08 162	0.06 86	0.15 341	0.10 268

CroCo_RVC	0.13 156	0.12 270	0.24 301	0.20 267	0.12 282	0.17 217	0.13 43	0.26 214	0.21 161	0.11 58	0.11 52	0.13 111	0.08 49	0.10 18	0.10 49	0.09 234	0.05 106	0.08 162	0.06 86	0.15 341	0.10 268

CFNet_pseudo	0.14 185	0.08 140	0.15 190	0.16 68	0.09 130	0.13 129	0.14 69	0.27 232	0.34 284	0.14 123	0.21 172	0.22 232	0.13 169	0.18 229	0.14 184	0.07 141	0.05 106	0.08 162	0.06 86	0.07 155	0.07 156

sCroCo_RVC	0.12 134	0.09 189	0.23 298	0.24 328	0.11 253	0.19 252	0.14 69	0.17 72	0.14 58	0.10 40	0.13 70	0.12 88	0.07 31	0.14 147	0.11 85	0.08 189	0.08 267	0.08 162	0.08 210	0.05 40	0.07 156

Anonymous	0.14 185	0.10 236	0.24 301	0.22 304	0.13 299	0.18 232	0.22 301	0.20 122	0.19 127	0.14 123	0.12 60	0.11 73	0.13 169	0.16 196	0.13 156	0.08 189	0.07 245	0.08 162	0.08 210	0.12 301	0.10 268

UNet	0.17 255	0.09 189	0.18 262	0.19 226	0.12 282	0.27 329	0.19 261	0.33 302	0.29 248	0.21 248	0.24 195	0.23 244	0.19 268	0.19 240	0.18 246	0.07 141	0.06 188	0.08 162	0.07 160	0.08 197	0.06 98

UPFNet	0.16 236	0.08 140	0.12 90	0.20 267	0.12 282	0.20 264	0.23 311	0.28 246	0.26 223	0.17 184	0.24 195	0.22 232	0.19 268	0.19 240	0.21 280	0.09 234	0.07 245	0.08 162	0.09 249	0.08 197	0.06 98

aanetorigin	0.22 304	0.17 327	0.56 371	0.17 114	0.10 215	0.15 175	0.19 261	0.20 122	0.33 273	0.49 372	0.48 355	0.29 289	0.27 320	0.20 259	0.23 299	0.08 189	0.07 245	0.08 162	0.07 160	0.10 272	0.09 249

EDNetEfficientorigin	7.91 418	0.31 375	153.02 437	0.19 226	0.09 130	0.21 278	0.16 170	0.22 155	0.59 369	0.72 387	0.67 377	0.42 353	0.50 379	0.24 305	0.39 373	0.08 189	0.07 245	0.08 162	0.07 160	0.12 301	0.10 268

EDNetEfficient	0.29 352	0.24 359	1.13 401	0.18 181	0.10 215	0.19 252	0.20 276	0.20 122	0.60 372	0.74 391	0.56 370	0.31 307	0.39 362	0.22 286	0.30 350	0.09 234	0.07 245	0.08 162	0.07 160	0.11 287	0.09 249

FENet	0.13 156	0.08 140	0.12 90	0.16 68	0.08 47	0.14 153	0.15 115	0.22 155	0.23 181	0.17 184	0.23 187	0.16 161	0.12 137	0.14 147	0.15 207	0.08 189	0.05 106	0.08 162	0.08 210	0.07 155	0.07 156

ac_64	0.16 236	0.08 140	0.15 190	0.18 181	0.10 215	0.22 286	0.18 230	0.24 189	0.21 161	0.18 210	0.24 195	0.29 289	0.18 253	0.19 240	0.22 289	0.09 234	0.07 245	0.08 162	0.09 249	0.07 155	0.06 98

CFNet-ft	0.14 185	0.07 69	0.15 190	0.12 3	0.09 130	0.16 198	0.18 230	0.22 155	0.24 191	0.17 184	0.26 239	0.24 250	0.14 192	0.16 196	0.14 184	0.11 286	0.06 188	0.08 162	0.09 249	0.09 245	0.08 216

DMCA	0.14 185	0.09 189	0.16 220	0.19 226	0.09 130	0.15 175	0.17 190	0.23 172	0.27 230	0.14 123	0.19 147	0.17 180	0.18 253	0.15 165	0.17 232	0.10 265	0.06 188	0.08 162	0.06 86	0.09 245	0.10 268

ADCP+	0.20 286	0.10 236	0.33 335	0.20 267	0.12 282	0.22 286	0.26 340	0.31 276	0.34 284	0.26 299	0.37 312	0.22 232	0.22 289	0.27 315	0.27 335	0.09 234	0.06 188	0.08 162	0.08 210	0.09 245	0.10 268

CFNet_RVC	0.14 185	0.07 69	0.15 190	0.12 3	0.09 130	0.16 198	0.18 230	0.22 155	0.24 191	0.17 184	0.26 239	0.24 250	0.14 192	0.16 196	0.14 184	0.11 286	0.06 188	0.08 162	0.09 249	0.09 245	0.08 216

NLCA_NET_v2_RVC	0.17 255	0.10 236	0.22 289	0.20 267	0.10 215	0.15 175	0.18 230	0.31 276	0.25 210	0.21 248	0.30 270	0.25 260	0.17 244	0.21 275	0.20 261	0.09 234	0.06 188	0.08 162	0.08 210	0.07 155	0.08 216
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
ccs_rob	0.14 185	0.08 140	0.15 190	0.16 68	0.09 130	0.12 104	0.14 69	0.27 232	0.34 284	0.14 123	0.21 172	0.22 232	0.13 169	0.18 229	0.14 184	0.07 141	0.05 106	0.08 162	0.07 160	0.07 155	0.07 156

DualNet	0.13 156	0.09 189	0.14 153	0.16 68	0.08 47	0.17 217	0.17 190	0.15 26	0.19 127	0.15 147	0.25 224	0.19 199	0.13 169	0.10 18	0.20 261	0.06 54	0.04 2	0.09 225	0.08 210	0.06 101	0.06 98

ffm	0.12 134	0.09 189	0.14 153	0.16 68	0.08 47	0.17 217	0.17 190	0.15 26	0.19 127	0.15 147	0.25 224	0.19 199	0.13 169	0.10 18	0.07 1	0.06 54	0.04 2	0.09 225	0.08 210	0.06 101	0.06 98

ff1	0.13 156	0.09 189	0.14 153	0.16 68	0.08 47	0.17 217	0.17 190	0.15 26	0.19 127	0.15 147	0.25 224	0.19 199	0.13 169	0.14 147	0.20 261	0.06 54	0.04 2	0.09 225	0.08 210	0.06 101	0.06 98

mmx	0.14 185	0.09 189	0.14 153	0.16 68	0.08 47	0.17 217	0.17 190	0.27 232	0.25 210	0.15 147	0.25 224	0.19 199	0.13 169	0.14 147	0.20 261	0.08 189	0.06 188	0.09 225	0.08 210	0.08 197	0.08 216

ttt	0.14 185	0.08 140	0.14 153	0.15 38	0.08 47	0.15 175	0.18 230	0.27 232	0.29 248	0.16 172	0.24 195	0.17 180	0.13 169	0.13 132	0.14 184	0.11 286	0.08 267	0.09 225	0.08 210	0.09 245	0.08 216

xxx	0.14 185	0.09 189	0.14 153	0.16 68	0.08 47	0.17 217	0.17 190	0.27 232	0.25 210	0.15 147	0.25 224	0.19 199	0.13 169	0.14 147	0.20 261	0.08 189	0.06 188	0.09 225	0.08 210	0.08 197	0.08 216

test croco	0.10 50	0.08 140	0.10 44	0.19 226	0.09 130	0.10 56	0.15 115	0.14 15	0.13 41	0.13 103	0.15 93	0.09 37	0.12 137	0.13 132	0.12 127	0.07 141	0.05 106	0.09 225	0.06 86	0.06 101	0.06 98

LL-Strereo	0.13 156	0.09 189	0.11 70	0.20 267	0.10 215	0.11 82	0.18 230	0.32 285	0.24 191	0.15 147	0.15 93	0.14 126	0.13 169	0.19 240	0.11 85	0.06 54	0.04 2	0.09 225	0.08 210	0.04 1	0.05 51

ToySt	0.17 255	0.11 256	0.18 262	0.17 114	0.11 253	0.16 198	0.25 334	0.24 189	0.33 273	0.19 223	0.24 195	0.26 268	0.24 301	0.19 240	0.20 261	0.07 141	0.08 267	0.09 225	0.10 281	0.09 245	0.08 216

ssnet_v2	0.17 255	0.10 236	0.17 245	0.17 114	0.11 253	0.21 278	0.21 292	0.33 302	0.25 210	0.22 261	0.22 181	0.27 275	0.18 253	0.22 286	0.20 261	0.11 286	0.09 290	0.09 225	0.09 249	0.08 197	0.08 216

Wz-Net-SNSev	0.25 336	0.17 327	0.44 356	0.25 339	0.14 316	0.26 322	0.23 311	0.38 343	0.56 363	0.30 325	0.55 365	0.39 347	0.26 312	0.23 297	0.30 350	0.10 265	0.09 290	0.09 225	0.10 281	0.11 287	0.11 291

Wz-Net-MNSev	0.22 304	0.13 291	0.31 330	0.20 267	0.14 316	0.36 362	0.24 320	0.33 302	0.44 334	0.28 316	0.40 330	0.38 339	0.19 268	0.24 305	0.25 318	0.09 234	0.07 245	0.09 225	0.09 249	0.12 301	0.10 268

Sa-1000	0.12 134	0.08 140	0.08 11	0.18 181	0.08 47	0.14 153	0.22 301	0.22 155	0.18 116	0.15 147	0.20 158	0.17 180	0.11 108	0.10 18	0.10 49	0.06 54	0.05 106	0.09 225	0.09 249	0.05 40	0.05 51

SA	0.12 134	0.09 189	0.08 11	0.18 181	0.08 47	0.12 104	0.24 320	0.23 172	0.18 116	0.17 184	0.27 246	0.14 126	0.11 108	0.11 45	0.11 85	0.05 2	0.05 106	0.09 225	0.08 210	0.05 40	0.04 7

WZ-Net	0.28 348	0.17 327	0.78 392	0.22 304	0.16 337	0.34 353	0.29 360	0.39 347	0.57 365	0.24 281	0.55 365	0.37 335	0.24 301	0.33 345	0.35 364	0.09 234	0.08 267	0.09 225	0.10 281	0.14 330	0.16 352

UDGNet	0.14 185	0.13 291	0.16 220	0.17 114	0.10 215	0.12 104	0.16 170	0.21 139	0.27 230	0.20 240	0.20 158	0.16 161	0.13 169	0.16 196	0.13 156	0.10 265	0.06 188	0.09 225	0.07 160	0.06 101	0.07 156

GMOStereo	0.11 79	0.09 189	0.07 2	0.19 226	0.08 47	0.12 104	0.28 352	0.13 9	0.17 99	0.11 58	0.17 119	0.14 126	0.12 137	0.07 1	0.07 1	0.05 2	0.05 106	0.09 225	0.07 160	0.04 1	0.04 7

error version	0.11 79	0.09 189	0.07 2	0.19 226	0.08 47	0.12 104	0.28 352	0.13 9	0.17 99	0.11 58	0.17 119	0.14 126	0.12 137	0.07 1	0.07 1	0.05 2	0.05 106	0.09 225	0.07 160	0.04 1	0.04 7

test-v	0.11 79	0.09 189	0.07 2	0.19 226	0.08 47	0.12 104	0.28 352	0.13 9	0.17 99	0.11 58	0.17 119	0.14 126	0.12 137	0.07 1	0.07 1	0.05 2	0.05 106	0.09 225	0.07 160	0.04 1	0.04 7

AACVNet	0.16 236	0.08 140	0.14 153	0.15 38	0.10 215	0.18 232	0.15 115	0.23 172	0.24 191	0.27 305	0.27 246	0.28 282	0.17 244	0.19 240	0.16 221	0.09 234	0.07 245	0.09 225	0.07 160	0.10 272	0.09 249

PFNet+	0.11 79	0.06 19	0.13 127	0.16 68	0.09 130	0.05 1	0.12 21	0.17 72	0.21 161	0.16 172	0.19 147	0.14 126	0.10 87	0.11 45	0.11 85	0.08 189	0.05 106	0.09 225	0.08 210	0.06 101	0.11 291

AAGNet	0.11 79	0.07 69	0.16 220	0.19 226	0.09 130	0.08 23	0.13 43	0.18 96	0.13 41	0.16 172	0.21 172	0.13 111	0.14 192	0.11 45	0.14 184	0.06 54	0.04 2	0.09 225	0.06 86	0.06 101	0.05 51

PSM-AAD	0.11 79	0.07 69	0.10 44	0.19 226	0.09 130	0.10 56	0.15 115	0.20 122	0.13 41	0.12 82	0.14 79	0.18 191	0.11 108	0.11 45	0.10 49	0.05 2	0.05 106	0.09 225	0.08 210	0.06 101	0.14 333

SST-Stereo	0.10 50	0.07 69	0.15 190	0.18 181	0.09 130	0.06 2	0.12 21	0.17 72	0.11 17	0.15 147	0.17 119	0.13 111	0.12 137	0.10 18	0.11 85	0.06 54	0.04 2	0.09 225	0.06 86	0.06 101	0.05 51

RAFT_R40	0.11 79	0.07 69	0.14 153	0.18 181	0.09 130	0.06 2	0.13 43	0.17 72	0.16 87	0.14 123	0.18 141	0.15 150	0.12 137	0.10 18	0.11 85	0.06 54	0.04 2	0.09 225	0.06 86	0.06 101	0.05 51

IRAFT_RVC	0.12 134	0.08 140	0.16 220	0.19 226	0.08 47	0.07 16	0.15 115	0.24 189	0.23 181	0.14 123	0.14 79	0.15 150	0.12 137	0.12 100	0.10 49	0.06 54	0.04 2	0.09 225	0.06 86	0.06 101	0.06 98

test-2	0.11 79	0.09 189	0.07 2	0.19 226	0.08 47	0.12 104	0.28 352	0.13 9	0.17 99	0.11 58	0.17 119	0.14 126	0.12 137	0.07 1	0.07 1	0.05 2	0.05 106	0.09 225	0.07 160	0.04 1	0.04 7

rafts_anoy	0.11 79	0.06 19	0.10 44	0.17 114	0.08 47	0.10 56	0.14 69	0.17 72	0.14 58	0.13 103	0.13 70	0.12 88	0.10 87	0.11 45	0.12 127	0.07 141	0.04 2	0.09 225	0.11 304	0.07 155	0.06 98

RAFT + AFF	0.13 156	0.07 69	0.20 279	0.20 267	0.10 215	0.14 153	0.24 320	0.26 214	0.20 148	0.11 58	0.10 37	0.12 88	0.10 87	0.15 165	0.12 127	0.07 141	0.06 188	0.09 225	0.08 210	0.06 101	0.08 216

delet	0.17 255	0.08 140	0.17 245	0.19 226	0.11 253	0.20 264	0.21 292	0.30 270	0.37 302	0.17 184	0.26 239	0.19 199	0.19 268	0.19 240	0.21 280	0.08 189	0.08 267	0.09 225	0.11 304	0.06 101	0.06 98

GwcNet	0.20 286	0.13 291	0.19 271	0.18 181	0.12 282	0.24 304	0.19 261	0.35 325	0.43 330	0.20 240	0.32 282	0.33 319	0.20 276	0.22 286	0.24 309	0.11 286	0.09 290	0.09 225	0.09 249	0.09 245	0.10 268

PSMNet-RSSM	0.14 185	0.07 69	0.13 127	0.15 38	0.08 47	0.13 129	0.16 170	0.24 189	0.24 191	0.16 172	0.28 255	0.22 232	0.14 192	0.15 165	0.13 156	0.11 286	0.06 188	0.09 225	0.12 322	0.08 197	0.07 156

DSFCA	0.16 236	0.09 189	0.14 153	0.16 68	0.10 215	0.20 264	0.19 261	0.28 246	0.31 261	0.23 273	0.24 195	0.22 232	0.15 205	0.19 240	0.20 261	0.10 265	0.07 245	0.09 225	0.09 249	0.08 197	0.08 216

RTSC	0.23 319	0.12 270	0.28 319	0.21 291	0.13 299	0.28 335	0.16 170	0.35 325	0.66 379	0.27 305	0.33 295	0.30 297	0.21 280	0.31 337	0.29 346	0.10 265	0.08 267	0.09 225	0.10 281	0.13 318	0.13 316

ADCL	0.24 327	0.11 256	0.47 361	0.22 304	0.12 282	0.34 353	0.29 360	0.29 256	0.56 363	0.24 281	0.46 352	0.30 297	0.30 340	0.29 333	0.29 346	0.08 189	0.07 245	0.09 225	0.09 249	0.10 272	0.10 268

ADCRef	0.19 277	0.12 270	0.41 354	0.20 267	0.12 282	0.22 286	0.18 230	0.32 285	0.36 296	0.26 299	0.32 282	0.17 180	0.23 295	0.24 305	0.24 309	0.07 141	0.06 188	0.09 225	0.09 249	0.08 197	0.08 216

RYNet	0.22 304	0.12 270	0.22 289	0.19 226	0.17 350	0.46 369	0.26 340	0.38 343	0.48 344	0.24 281	0.28 255	0.34 325	0.23 295	0.20 259	0.30 350	0.10 265	0.06 188	0.09 225	0.09 249	0.13 318	0.15 341

CFNet	0.15 218	0.10 236	0.17 245	0.17 114	0.08 47	0.18 232	0.09 3	0.28 246	0.25 210	0.19 223	0.24 195	0.24 250	0.17 244	0.17 218	0.14 184	0.08 189	0.06 188	0.09 225	0.10 281	0.07 155	0.06 98

DeepPruner_ROB	0.16 236	0.11 256	0.15 190	0.17 114	0.10 215	0.17 217	0.15 115	0.32 285	0.21 161	0.19 223	0.21 172	0.22 232	0.18 253	0.20 259	0.15 207	0.13 330	0.09 290	0.09 225	0.09 249	0.11 287	0.10 268

StereoDRNet-Refined	0.17 255	0.12 270	0.15 190	0.20 267	0.09 130	0.18 232	0.18 230	0.26 214	0.23 181	0.26 299	0.40 330	0.22 232	0.17 244	0.21 275	0.20 261	0.08 189	0.05 106	0.09 225	0.10 281	0.07 155	0.07 156
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DLCB_ROB	0.18 267	0.10 236	0.15 190	0.23 323	0.11 253	0.24 304	0.18 230	0.29 256	0.28 241	0.27 305	0.28 255	0.28 282	0.24 301	0.19 240	0.20 261	0.08 189	0.08 267	0.09 225	0.09 249	0.07 155	0.07 156

CASnet	0.09 11	0.09 189	0.09 28	0.19 226	0.06 2	0.07 16	0.11 11	0.18 96	0.14 58	0.11 58	0.10 37	0.09 37	0.07 31	0.10 18	0.10 49	0.06 54	0.04 2	0.10 266	0.08 210	0.05 40	0.03 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
LL-Strereo2	0.10 50	0.10 236	0.15 190	0.18 181	0.08 47	0.15 175	0.09 3	0.17 72	0.14 58	0.14 123	0.10 37	0.09 37	0.07 31	0.16 196	0.10 49	0.05 2	0.05 106	0.10 266	0.07 160	0.06 101	0.05 51

CASS	0.13 156	0.12 270	0.11 70	0.23 323	0.09 130	0.15 175	0.17 190	0.18 96	0.19 127	0.17 184	0.18 141	0.15 150	0.15 205	0.14 147	0.14 184	0.09 234	0.06 188	0.10 266	0.08 210	0.09 245	0.07 156
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
Wz-Net-TNSev	0.29 352	0.20 345	0.65 378	0.19 226	0.15 327	0.38 365	0.27 347	0.35 325	0.55 361	0.34 342	0.42 345	0.45 361	0.38 360	0.32 343	0.30 350	0.12 310	0.13 340	0.10 266	0.12 322	0.15 341	0.14 333

BUS	0.14 185	0.09 189	0.14 153	0.22 304	0.10 215	0.19 252	0.14 69	0.34 312	0.19 127	0.17 184	0.22 181	0.16 161	0.13 169	0.15 165	0.13 156	0.08 189	0.06 188	0.10 266	0.09 249	0.07 155	0.07 156

NINENet	0.16 236	0.10 236	0.15 190	0.17 114	0.11 253	0.19 252	0.14 69	0.40 351	0.36 296	0.18 210	0.21 172	0.16 161	0.13 169	0.15 165	0.13 156	0.08 189	0.08 267	0.10 266	0.07 160	0.10 272	0.09 249

BSDual-CNN	0.15 218	0.09 189	0.14 153	0.22 304	0.10 215	0.14 153	0.15 115	0.34 312	0.19 127	0.17 184	0.22 181	0.25 260	0.16 225	0.15 165	0.14 184	0.08 189	0.06 188	0.10 266	0.09 249	0.07 155	0.07 156

hknet	0.15 218	0.11 256	0.13 127	0.22 304	0.11 253	0.14 153	0.15 115	0.34 312	0.25 210	0.17 184	0.22 181	0.22 232	0.18 253	0.17 218	0.12 127	0.07 141	0.06 188	0.10 266	0.09 249	0.07 155	0.07 156

SACVNet	0.18 267	0.12 270	0.14 153	0.17 114	0.13 299	0.22 286	0.18 230	0.31 276	0.30 255	0.23 273	0.31 278	0.30 297	0.22 289	0.22 286	0.17 232	0.11 286	0.08 267	0.10 266	0.10 281	0.12 301	0.14 333

RAFT	0.13 156	0.09 189	0.11 70	0.18 181	0.08 47	0.15 175	0.24 320	0.20 122	0.19 127	0.21 248	0.21 172	0.17 180	0.12 137	0.16 196	0.09 19	0.06 54	0.07 245	0.10 266	0.09 249	0.05 40	0.05 51

pcwnet_v2	0.19 277	0.10 236	0.26 308	0.17 114	0.14 316	0.18 232	0.15 115	0.37 336	0.46 342	0.19 223	0.24 195	0.21 215	0.19 268	0.20 259	0.19 255	0.13 330	0.10 308	0.10 266	0.10 281	0.11 287	0.13 316

ADLNet	0.16 236	0.08 140	0.15 190	0.16 68	0.10 215	0.16 198	0.17 190	0.32 285	0.27 230	0.22 261	0.27 246	0.24 250	0.16 225	0.18 229	0.21 280	0.10 265	0.06 188	0.10 266	0.10 281	0.08 197	0.09 249

ARAFT	0.12 134	0.08 140	0.17 245	0.19 226	0.09 130	0.14 153	0.18 230	0.20 122	0.12 25	0.12 82	0.13 70	0.14 126	0.11 108	0.15 165	0.12 127	0.06 54	0.05 106	0.10 266	0.09 249	0.05 40	0.04 7

hitnet-ft	0.18 267	0.09 189	0.17 245	0.14 13	0.09 130	0.26 322	0.20 276	0.25 202	0.26 223	0.24 281	0.32 282	0.31 307	0.22 289	0.24 305	0.21 280	0.12 310	0.07 245	0.10 266	0.08 210	0.12 301	0.11 291

FAT-Stereo	0.20 286	0.12 270	0.22 289	0.21 291	0.12 282	0.17 217	0.18 230	0.34 312	0.39 310	0.27 305	0.37 312	0.34 325	0.32 348	0.21 275	0.20 261	0.09 234	0.11 318	0.10 266	0.09 249	0.11 287	0.14 333

S-Stereo	0.20 286	0.12 270	0.25 307	0.21 291	0.13 299	0.20 264	0.18 230	0.32 285	0.43 330	0.23 273	0.36 306	0.28 282	0.30 340	0.19 240	0.22 289	0.09 234	0.12 327	0.10 266	0.10 281	0.13 318	0.13 316

stereogan	0.22 304	0.11 256	0.21 284	0.20 267	0.12 282	0.31 343	0.19 261	0.35 325	0.44 334	0.22 261	0.39 325	0.35 329	0.27 320	0.33 345	0.22 289	0.10 265	0.12 327	0.10 266	0.10 281	0.14 330	0.13 316

GANet	0.21 295	0.12 270	0.21 284	0.24 328	0.13 299	0.22 286	0.22 301	0.41 356	0.26 223	0.31 331	0.42 345	0.37 335	0.28 328	0.23 297	0.22 289	0.10 265	0.12 327	0.10 266	0.09 249	0.10 272	0.08 216

TDLM	0.17 255	0.12 270	0.13 127	0.24 328	0.10 215	0.18 232	0.18 230	0.36 331	0.30 255	0.21 248	0.28 255	0.28 282	0.18 253	0.23 297	0.18 246	0.11 286	0.07 245	0.10 266	0.10 281	0.08 197	0.08 216

UCFNet_RVC	0.14 185	0.08 140	0.13 127	0.11 1	0.10 215	0.20 264	0.10 6	0.24 189	0.22 172	0.17 184	0.20 158	0.23 244	0.15 205	0.17 218	0.15 207	0.12 310	0.07 245	0.10 266	0.13 331	0.11 287	0.10 268

AdaStereo	0.15 218	0.11 256	0.15 190	0.18 181	0.09 130	0.20 264	0.11 11	0.32 285	0.28 241	0.20 240	0.23 187	0.20 209	0.13 169	0.19 240	0.14 184	0.12 310	0.05 106	0.10 266	0.07 160	0.09 245	0.07 156
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.
NVstereo2D	0.19 277	0.10 236	0.15 190	0.17 114	0.15 327	0.28 335	0.23 311	0.44 366	0.42 325	0.15 147	0.27 246	0.25 260	0.19 268	0.22 286	0.17 232	0.09 234	0.06 188	0.10 266	0.08 210	0.15 341	0.09 249

NaN_ROB	0.22 304	0.19 340	0.24 301	0.25 339	0.13 299	0.29 338	0.26 340	0.33 302	0.41 319	0.31 331	0.31 278	0.32 316	0.23 295	0.30 336	0.21 280	0.11 286	0.17 361	0.10 266	0.10 281	0.08 197	0.09 249

SANet	0.24 327	0.14 303	0.28 319	0.21 291	0.11 253	0.27 329	0.24 320	0.38 343	0.64 376	0.36 345	0.40 330	0.43 357	0.26 312	0.27 315	0.24 309	0.12 310	0.09 290	0.10 266	0.09 249	0.13 318	0.11 291

XPNet_ROB	0.22 304	0.11 256	0.19 271	0.22 304	0.13 299	0.22 286	0.19 261	0.34 312	0.40 316	0.30 325	0.39 325	0.39 347	0.26 312	0.26 312	0.28 343	0.15 344	0.10 308	0.10 266	0.10 281	0.13 318	0.12 302

DN-CSS_ROB	0.13 156	0.13 291	0.16 220	0.18 181	0.10 215	0.16 198	0.08 2	0.22 155	0.18 116	0.17 184	0.22 181	0.13 111	0.13 169	0.12 100	0.13 156	0.05 2	0.05 106	0.10 266	0.10 281	0.08 197	0.06 98

PWCDC_ROB	0.20 286	0.13 291	0.22 289	0.24 328	0.11 253	0.19 252	0.15 115	0.33 302	0.54 360	0.29 322	0.50 360	0.21 215	0.15 205	0.27 315	0.20 261	0.11 286	0.09 290	0.10 266	0.08 210	0.11 287	0.09 249

GMStereo_Zeroshot	0.16 236	0.13 291	0.24 301	0.20 267	0.10 215	0.17 217	0.13 43	0.29 256	0.25 210	0.23 273	0.32 282	0.25 260	0.11 108	0.19 240	0.14 184	0.09 234	0.06 188	0.11 293	0.06 86	0.12 301	0.08 216

dad	0.17 255	0.20 345	0.20 279	0.16 68	0.11 253	0.20 264	0.18 230	0.21 139	0.28 241	0.30 325	0.24 195	0.29 289	0.13 169	0.19 240	0.16 221	0.18 361	0.09 290	0.11 293	0.09 249	0.11 287	0.07 156

HCRNet	0.16 236	0.24 359	0.12 90	0.35 375	0.11 253	0.15 175	0.17 190	0.26 214	0.22 172	0.19 223	0.24 195	0.21 215	0.14 192	0.15 165	0.13 156	0.11 286	0.07 245	0.11 293	0.10 281	0.09 245	0.07 156

FINET	0.21 295	0.18 337	0.26 308	0.18 181	0.16 337	0.23 299	0.23 311	0.32 285	0.48 344	0.25 294	0.32 282	0.22 232	0.22 289	0.22 286	0.17 232	0.18 361	0.16 356	0.11 293	0.10 281	0.15 341	0.13 316

APVNet	0.22 304	0.12 270	0.19 271	0.18 181	0.14 316	0.32 344	0.31 373	0.39 347	0.32 267	0.27 305	0.40 330	0.30 297	0.29 336	0.26 312	0.25 318	0.11 286	0.12 327	0.11 293	0.14 335	0.12 301	0.12 302

psm_up	0.18 267	0.10 236	0.18 262	0.20 267	0.11 253	0.17 217	0.19 261	0.37 336	0.34 284	0.21 248	0.28 255	0.29 289	0.24 301	0.20 259	0.22 289	0.09 234	0.10 308	0.11 293	0.11 304	0.08 197	0.08 216

psmorigin	0.25 336	0.15 309	0.34 343	0.17 114	0.13 299	0.23 299	0.14 69	0.34 312	0.33 273	0.41 360	0.55 365	0.41 352	0.37 359	0.34 348	0.27 335	0.11 286	0.15 353	0.11 293	0.11 304	0.12 301	0.16 352

STTStereo	0.18 267	0.12 270	0.27 314	0.20 267	0.11 253	0.16 198	0.21 292	0.29 256	0.23 181	0.21 248	0.30 270	0.29 289	0.18 253	0.20 259	0.19 255	0.12 310	0.11 318	0.11 293	0.14 335	0.09 245	0.08 216

ADCMid	0.25 336	0.15 309	0.40 352	0.20 267	0.14 316	0.25 314	0.26 340	0.34 312	0.38 307	0.36 345	0.44 350	0.34 325	0.40 365	0.35 354	0.33 361	0.10 265	0.09 290	0.11 293	0.11 304	0.13 318	0.12 302

ADCPNet	0.25 336	0.16 316	0.61 375	0.21 291	0.15 327	0.35 361	0.25 334	0.32 285	0.35 291	0.30 325	0.40 330	0.36 331	0.28 328	0.28 326	0.32 358	0.12 310	0.10 308	0.11 293	0.12 322	0.14 330	0.13 316

DANet	0.21 295	0.15 309	0.28 319	0.25 339	0.13 299	0.22 286	0.19 261	0.27 232	0.27 230	0.28 316	0.32 282	0.35 329	0.31 344	0.31 337	0.23 299	0.11 286	0.09 290	0.11 293	0.10 281	0.13 318	0.11 291
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
DPSNet	0.28 348	0.16 316	0.31 330	0.18 181	0.13 299	0.54 377	0.42 386	0.51 378	0.67 380	0.29 322	0.38 317	0.38 339	0.29 336	0.31 337	0.23 299	0.11 286	0.10 308	0.11 293	0.08 210	0.20 363	0.16 352

DRN-Test	0.19 277	0.11 256	0.20 279	0.22 304	0.10 215	0.22 286	0.22 301	0.39 347	0.37 302	0.24 281	0.32 282	0.26 268	0.21 280	0.22 286	0.24 309	0.11 286	0.07 245	0.11 293	0.10 281	0.09 245	0.07 156

StereoDRNet	0.18 267	0.11 256	0.17 245	0.22 304	0.11 253	0.21 278	0.22 301	0.37 336	0.33 273	0.24 281	0.28 255	0.30 297	0.19 268	0.20 259	0.20 261	0.09 234	0.08 267	0.11 293	0.09 249	0.09 245	0.07 156

PWC_ROB	0.21 295	0.16 316	0.26 308	0.18 181	0.11 253	0.22 286	0.13 43	0.32 285	0.49 349	0.30 325	0.40 330	0.32 316	0.24 301	0.31 337	0.22 289	0.10 265	0.07 245	0.11 293	0.08 210	0.11 287	0.10 268

StereoVision	0.13 156	0.12 270	0.09 28	0.24 328	0.10 215	0.15 175	0.21 292	0.21 139	0.20 148	0.12 82	0.24 195	0.10 57	0.10 87	0.16 196	0.10 49	0.09 234	0.11 318	0.12 308	0.12 322	0.06 101	0.05 51

coex-ft	3.30 412	0.34 378	59.09 436	0.18 181	0.13 299	0.26 322	0.22 301	0.27 232	0.72 384	1.90 414	0.70 381	0.44 359	0.45 375	0.29 333	0.41 378	0.09 234	0.09 290	0.12 308	0.09 249	0.14 330	0.13 316

GASNet	0.22 304	0.23 356	0.33 335	0.26 344	0.17 350	0.26 322	0.16 170	0.44 366	0.42 325	0.27 305	0.24 195	0.30 297	0.15 205	0.27 315	0.18 246	0.12 310	0.08 267	0.12 308	0.11 304	0.16 348	0.07 156

FADNet-RVC-Resample	0.16 236	0.11 256	0.31 330	0.22 304	0.11 253	0.19 252	0.14 69	0.25 202	0.24 191	0.24 281	0.27 246	0.20 209	0.15 205	0.16 196	0.15 207	0.07 141	0.08 267	0.12 308	0.10 281	0.09 245	0.10 268

FADNet_RVC	0.16 236	0.14 303	0.40 352	0.20 267	0.11 253	0.13 129	0.13 43	0.26 214	0.22 172	0.21 248	0.23 187	0.20 209	0.17 244	0.14 147	0.16 221	0.08 189	0.08 267	0.12 308	0.09 249	0.11 287	0.10 268

FADNet-RVC	0.20 286	0.20 345	0.38 348	0.21 291	0.16 337	0.20 264	0.15 115	0.26 214	0.26 223	0.26 299	0.32 282	0.26 268	0.21 280	0.22 286	0.19 255	0.12 310	0.13 340	0.12 308	0.14 335	0.13 318	0.18 361

FADNet	0.21 295	0.22 355	0.36 344	0.18 181	0.17 350	0.24 304	0.13 43	0.31 276	0.31 261	0.23 273	0.25 224	0.27 275	0.21 280	0.19 240	0.15 207	0.13 330	0.15 353	0.12 308	0.15 346	0.16 348	0.18 361

G-Net	0.24 327	0.16 316	0.36 344	0.22 304	0.16 337	0.51 375	0.23 311	0.29 256	0.34 284	0.36 345	0.38 317	0.31 307	0.29 336	0.27 315	0.26 328	0.11 286	0.09 290	0.12 308	0.09 249	0.16 348	0.13 316

AnyNet_C32	0.26 343	0.16 316	0.36 344	0.20 267	0.16 337	0.25 314	0.30 367	0.32 285	0.44 334	0.31 331	0.49 356	0.30 297	0.33 349	0.40 371	0.33 361	0.12 310	0.12 327	0.12 308	0.14 335	0.14 330	0.15 341

CVANet_RVC	0.18 267	0.10 236	0.14 153	0.21 291	0.10 215	0.18 232	0.17 190	0.34 312	0.33 273	0.22 261	0.31 278	0.28 282	0.18 253	0.23 297	0.17 232	0.12 310	0.08 267	0.12 308	0.11 304	0.09 245	0.07 156

Anonymous Stereo	0.23 319	0.19 340	0.50 363	0.24 328	0.17 350	0.21 278	0.21 292	0.33 302	0.44 334	0.25 294	0.34 299	0.26 268	0.18 253	0.31 337	0.27 335	0.13 330	0.12 327	0.12 308	0.13 331	0.11 287	0.14 333

ETE_ROB	0.23 319	0.17 327	0.22 289	0.25 339	0.13 299	0.26 322	0.29 360	0.31 276	0.36 296	0.28 316	0.36 306	0.45 361	0.26 312	0.27 315	0.26 328	0.11 286	0.08 267	0.12 308	0.09 249	0.14 330	0.13 316

LALA_ROB	0.25 336	0.16 316	0.22 289	0.26 344	0.17 350	0.27 329	0.27 347	0.42 361	0.37 302	0.33 341	0.38 317	0.51 371	0.26 312	0.28 326	0.27 335	0.16 355	0.09 290	0.12 308	0.11 304	0.13 318	0.12 302

WCMA_ROB	0.24 327	0.11 256	0.22 289	0.17 114	0.14 316	0.32 344	0.15 115	0.32 285	0.32 267	0.38 351	0.53 362	0.40 350	0.34 353	0.34 348	0.25 318	0.11 286	0.12 327	0.12 308	0.10 281	0.14 330	0.14 333

UDG	0.21 295	0.17 327	0.19 271	0.23 323	0.15 327	0.30 341	0.20 276	0.33 302	0.35 291	0.23 273	0.28 255	0.31 307	0.27 320	0.20 259	0.22 289	0.15 344	0.12 327	0.13 322	0.09 249	0.14 330	0.14 333

DMCA-RVC	0.17 255	0.10 236	0.15 190	0.24 328	0.11 253	0.18 232	0.18 230	0.25 202	0.24 191	0.21 248	0.26 239	0.25 260	0.27 320	0.18 229	0.20 261	0.12 310	0.08 267	0.13 322	0.10 281	0.10 272	0.08 216

RP	0.21 295	0.13 291	0.21 284	0.23 323	0.11 253	0.21 278	0.20 276	0.25 202	0.44 334	0.21 248	0.38 317	0.36 331	0.24 301	0.27 315	0.25 318	0.11 286	0.12 327	0.13 322	0.12 322	0.12 301	0.14 333

RTS	0.45 377	0.19 340	3.26 411	0.24 328	0.15 327	0.74 392	0.20 276	0.36 331	0.76 389	0.42 363	0.43 348	0.31 307	0.41 369	0.53 383	0.35 364	0.10 265	0.08 267	0.13 322	0.12 322	0.15 341	0.15 341

RTSA	0.45 377	0.19 340	3.26 411	0.24 328	0.15 327	0.74 392	0.20 276	0.36 331	0.76 389	0.42 363	0.43 348	0.31 307	0.41 369	0.53 383	0.35 364	0.10 265	0.08 267	0.13 322	0.12 322	0.15 341	0.15 341

ADCS	0.29 352	0.18 337	0.45 357	0.21 291	0.17 350	0.28 335	0.23 311	0.41 356	0.63 375	0.40 356	0.49 356	0.40 350	0.36 357	0.39 367	0.40 375	0.13 330	0.12 327	0.13 322	0.14 335	0.16 348	0.16 352

AnyNet_C01	0.36 366	0.25 364	1.37 404	0.22 304	0.17 350	0.48 373	0.27 347	0.35 325	0.39 310	0.39 353	0.74 385	0.46 365	0.38 360	0.45 375	0.47 384	0.13 330	0.13 340	0.13 322	0.14 335	0.14 330	0.15 341

PSMNet_ROB	0.21 295	0.11 256	0.15 190	0.27 355	0.15 327	0.24 304	0.35 377	0.43 364	0.37 302	0.27 305	0.32 282	0.32 316	0.22 289	0.21 275	0.26 328	0.12 310	0.08 267	0.13 322	0.11 304	0.09 245	0.09 249

SGM_RVC	0.23 319	0.12 270	0.15 190	0.15 38	0.09 130	0.33 350	0.18 230	0.34 312	0.31 261	0.44 368	0.37 312	0.53 374	0.35 355	0.35 354	0.24 309	0.13 330	0.13 340	0.13 322	0.13 331	0.10 272	0.11 291
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
MeshStereo	0.27 345	0.13 291	0.18 262	0.15 38	0.11 253	0.32 344	0.24 320	0.40 351	0.36 296	0.52 374	0.57 371	0.67 385	0.40 365	0.35 354	0.26 328	0.14 341	0.13 340	0.13 322	0.11 304	0.11 287	0.10 268
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
SDNR	0.19 277	0.08 140	0.19 271	0.16 68	0.12 282	0.77 398	0.14 69	0.25 202	0.32 267	0.19 223	0.24 195	0.19 199	0.13 169	0.19 240	0.15 207	0.16 355	0.18 363	0.14 332	0.11 304	0.08 197	0.11 291

DGSMNet	0.24 327	0.19 340	0.33 335	0.21 291	0.24 369	0.24 304	0.20 276	0.35 325	0.41 319	0.24 281	0.32 282	0.38 339	0.21 280	0.29 333	0.23 299	0.12 310	0.11 318	0.14 332	0.16 348	0.23 367	0.23 373

Syn2CoEx	0.21 295	0.16 316	0.27 314	0.29 365	0.14 316	0.26 322	0.20 276	0.33 302	0.31 261	0.28 316	0.36 306	0.27 275	0.25 309	0.19 240	0.24 309	0.16 355	0.12 327	0.14 332	0.11 304	0.09 245	0.08 216

edge stereo	0.22 304	0.13 291	0.20 279	0.21 291	0.13 299	0.23 299	0.16 170	0.32 285	0.42 325	0.32 337	0.40 330	0.38 339	0.35 355	0.25 310	0.24 309	0.13 330	0.11 318	0.14 332	0.11 304	0.12 301	0.13 316

SHD	0.26 343	0.15 309	0.30 328	0.24 328	0.18 357	0.22 286	0.15 115	0.38 343	0.71 383	0.32 337	0.41 340	0.36 331	0.28 328	0.32 343	0.29 346	0.12 310	0.11 318	0.14 332	0.13 331	0.16 348	0.20 367

LSM	0.33 363	0.20 345	0.58 373	0.26 344	0.60 399	0.34 353	0.25 334	0.42 361	0.48 344	0.45 369	0.58 373	0.42 353	0.36 357	0.35 354	0.25 318	0.12 310	0.20 369	0.14 332	0.16 348	0.19 362	0.33 387

MDST_ROB	0.22 304	0.10 236	0.17 245	0.18 181	0.11 253	0.37 363	0.19 261	0.43 364	0.41 319	0.39 353	0.39 325	0.29 289	0.21 280	0.26 312	0.18 246	0.11 286	0.10 308	0.14 332	0.11 304	0.10 272	0.08 216

FBW_ROB	0.24 327	0.17 327	0.22 289	0.26 344	0.14 316	0.25 314	0.22 301	0.41 356	0.41 319	0.41 360	0.41 340	0.42 353	0.27 320	0.31 337	0.23 299	0.09 234	0.14 347	0.14 332	0.12 322	0.11 287	0.09 249

NCC-stereo	0.24 327	0.15 309	0.31 330	0.26 344	0.16 337	0.20 264	0.30 367	0.40 351	0.40 316	0.24 281	0.38 317	0.33 319	0.28 328	0.36 359	0.27 335	0.12 310	0.11 318	0.15 340	0.22 366	0.13 318	0.13 316

Abc-Net	0.24 327	0.15 309	0.31 330	0.26 344	0.16 337	0.20 264	0.30 367	0.40 351	0.40 316	0.24 281	0.38 317	0.33 319	0.28 328	0.36 359	0.27 335	0.12 310	0.11 318	0.15 340	0.22 366	0.13 318	0.13 316
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
SAMSARA	0.40 370	0.28 370	0.33 335	0.55 390	0.39 384	0.82 399	1.23 413	0.47 372	0.51 358	0.36 345	0.35 303	0.55 376	0.39 362	0.38 364	0.39 373	0.15 344	0.20 369	0.15 340	0.14 335	0.23 367	0.20 367

XQC	0.28 348	0.23 356	0.51 364	0.28 358	0.19 359	0.34 353	0.27 347	0.36 331	0.57 365	0.31 331	0.30 270	0.37 335	0.30 340	0.38 364	0.38 371	0.13 330	0.09 290	0.15 340	0.12 322	0.17 355	0.18 361

PA-Net	0.23 319	0.18 337	0.33 335	0.28 358	0.22 366	0.21 278	0.38 382	0.29 256	0.39 310	0.22 261	0.32 282	0.25 260	0.26 312	0.20 259	0.25 318	0.09 234	0.23 379	0.15 340	0.22 366	0.09 245	0.13 316
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
SGM-Forest	0.20 286	0.14 303	0.18 262	0.19 226	0.13 299	0.20 264	0.22 301	0.33 302	0.30 255	0.24 281	0.29 266	0.28 282	0.19 268	0.23 297	0.17 232	0.15 344	0.16 356	0.15 340	0.14 335	0.12 301	0.12 302
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
AF-Net	0.22 304	0.17 327	0.17 245	0.26 344	0.13 299	0.25 314	0.24 320	0.32 285	0.50 351	0.25 294	0.33 295	0.38 339	0.26 312	0.28 326	0.25 318	0.11 286	0.10 308	0.16 346	0.11 304	0.11 287	0.10 268

STTRV1_RVC	0.25 336	0.26 365	0.39 350	0.19 226	0.26 376	0.30 341	0.24 320	0.34 312	0.35 291	0.36 345	0.34 299	0.31 307	0.31 344	0.28 326	0.25 318	0.17 359	0.10 308	0.16 346	0.14 335	0.17 355	0.12 302

SGM-ForestM	0.32 360	0.12 270	0.16 220	0.16 68	0.11 253	0.39 366	0.19 261	0.41 356	0.50 351	0.52 374	0.54 364	1.32 404	0.42 372	0.40 371	0.27 335	0.14 341	0.16 356	0.16 346	0.16 348	0.12 301	0.12 302

Anonymous_2	0.22 304	0.17 327	0.28 319	0.15 38	0.16 337	0.32 344	0.22 301	0.22 155	0.17 99	0.23 273	0.24 195	0.26 268	0.27 320	0.27 315	0.23 299	0.22 373	0.25 381	0.17 349	0.17 355	0.17 355	0.17 359

DDUNet	0.22 304	0.17 327	0.21 284	0.22 304	0.15 327	0.25 314	0.24 320	0.29 256	0.30 255	0.31 331	0.36 306	0.33 319	0.25 309	0.24 305	0.20 261	0.18 361	0.13 340	0.17 349	0.11 304	0.16 348	0.16 352

RGC	0.25 336	0.20 345	0.29 325	0.28 358	0.16 337	0.22 286	0.23 311	0.32 285	0.44 334	0.27 305	0.40 330	0.38 339	0.27 320	0.36 359	0.22 289	0.11 286	0.13 340	0.17 349	0.17 355	0.14 330	0.16 352

Nwc_Net	0.23 319	0.16 316	0.21 284	0.25 339	0.14 316	0.24 304	0.26 340	0.37 336	0.38 307	0.22 261	0.41 340	0.30 297	0.28 328	0.28 326	0.25 318	0.11 286	0.10 308	0.17 349	0.20 361	0.10 272	0.10 268

PVD	0.39 367	0.20 345	0.39 350	0.31 371	0.22 366	0.29 338	0.43 388	0.52 379	0.96 396	0.55 377	0.79 389	0.53 374	0.59 386	0.52 381	0.38 371	0.19 365	0.14 347	0.17 349	0.14 335	0.24 374	0.31 385

PS-NSSS	0.20 286	0.21 351	0.23 298	0.20 267	0.10 215	0.19 252	0.17 190	0.36 331	0.25 210	0.27 305	0.33 295	0.27 275	0.24 301	0.20 259	0.20 261	0.15 344	0.12 327	0.17 349	0.14 335	0.10 272	0.08 216

PDISCO_ROB	0.27 345	0.16 316	0.26 308	0.28 358	0.20 362	0.32 344	0.26 340	0.44 366	0.57 365	0.28 316	0.40 330	0.45 361	0.29 336	0.33 345	0.34 363	0.12 310	0.09 290	0.17 349	0.16 348	0.17 355	0.13 316

CBMV	0.19 277	0.14 303	0.17 245	0.18 181	0.10 215	0.20 264	0.11 11	0.29 256	0.30 255	0.29 322	0.30 270	0.30 297	0.23 295	0.27 315	0.19 255	0.13 330	0.15 353	0.17 349	0.16 348	0.10 272	0.10 268
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
MFN_U_SF_RVC	0.32 360	0.21 351	0.55 369	0.30 367	0.15 327	0.34 353	0.17 190	0.52 379	0.46 342	0.46 371	0.55 365	0.59 377	0.39 362	0.35 354	0.37 369	0.15 344	0.14 347	0.18 357	0.21 363	0.16 348	0.15 341

NCCL2	0.23 319	0.15 309	0.17 245	0.34 373	0.18 357	0.24 304	0.23 311	0.34 312	0.28 241	0.31 331	0.38 317	0.38 339	0.28 328	0.23 297	0.24 309	0.15 344	0.12 327	0.18 357	0.21 363	0.13 318	0.13 316

CSAN	0.29 352	0.24 359	0.27 314	0.34 373	0.19 359	0.33 350	0.42 386	0.37 336	0.50 351	0.38 351	0.40 330	0.44 359	0.33 349	0.28 326	0.30 350	0.20 367	0.16 356	0.19 359	0.19 360	0.14 330	0.15 341

DispFullNet	0.27 345	0.21 351	0.65 378	0.28 358	0.16 337	0.26 322	0.17 190	0.33 302	0.58 368	0.27 305	0.38 317	0.43 357	0.23 295	0.38 364	0.23 299	0.12 310	0.06 188	0.19 359	0.11 304	0.21 364	0.15 341

DeepPrunerF	0.24 327	0.17 327	0.42 355	0.26 344	0.16 337	0.22 286	0.28 352	0.37 336	0.50 351	0.26 299	0.29 266	0.24 250	0.28 328	0.21 275	0.22 289	0.15 344	0.11 318	0.20 361	0.18 359	0.12 301	0.13 316

SQANet	0.23 319	0.23 356	0.30 328	0.30 367	0.19 359	0.27 329	0.13 43	0.29 256	0.33 273	0.24 281	0.37 312	0.31 307	0.22 289	0.27 315	0.23 299	0.15 344	0.10 308	0.21 362	0.16 348	0.21 364	0.15 341

HBP-ISP	0.18 267	0.13 291	0.16 220	0.15 38	0.11 253	0.08 23	0.13 43	0.28 246	0.29 248	0.22 261	0.33 295	0.21 215	0.25 309	0.23 297	0.17 232	0.14 341	0.16 356	0.21 362	0.17 355	0.10 272	0.08 216

ccnet	0.29 352	0.28 370	0.23 298	0.20 267	0.28 378	0.41 368	0.21 292	0.45 369	0.33 273	0.36 345	0.46 352	0.36 331	0.30 340	0.39 367	0.42 379	0.23 377	0.14 347	0.21 362	0.17 355	0.23 367	0.18 361

MaskLacGwcNet_RVC	0.22 304	0.21 351	0.24 301	0.26 344	0.11 253	0.23 299	0.14 69	0.39 347	0.24 191	0.32 337	0.36 306	0.30 297	0.21 280	0.19 240	0.21 280	0.17 359	0.14 347	0.21 362	0.16 348	0.12 301	0.12 302

CBMV_ROB	0.19 277	0.13 291	0.17 245	0.16 68	0.11 253	0.15 175	0.13 43	0.26 214	0.28 241	0.27 305	0.30 270	0.27 275	0.24 301	0.23 297	0.16 221	0.15 344	0.17 361	0.22 366	0.20 361	0.10 272	0.11 291

BEATNet-Init1	0.52 382	0.27 367	0.62 376	0.30 367	0.21 364	0.76 396	0.29 360	0.54 382	0.65 378	0.86 396	0.95 396	2.07 414	0.62 389	0.56 387	0.42 379	0.18 361	0.18 363	0.23 367	0.22 366	0.22 366	0.21 369

NOSS_ROB	0.19 277	0.12 270	0.18 262	0.16 68	0.12 282	0.15 175	0.12 21	0.30 270	0.32 267	0.20 240	0.22 181	0.27 275	0.23 295	0.21 275	0.16 221	0.16 355	0.18 363	0.23 367	0.21 363	0.12 301	0.13 316

MFN_U_SF_DS_RVC	0.30 357	0.24 359	0.29 325	0.36 377	0.16 337	0.34 353	0.30 367	0.32 285	0.42 325	0.40 356	0.46 352	0.38 339	0.31 344	0.34 348	0.28 343	0.19 365	0.20 369	0.26 369	0.29 378	0.18 359	0.19 366

PASM	0.32 360	0.24 359	0.48 362	0.28 358	0.27 377	0.29 338	0.30 367	0.34 312	0.49 349	0.35 343	0.39 325	0.46 365	0.34 353	0.34 348	0.35 364	0.23 377	0.25 381	0.26 369	0.28 377	0.23 367	0.21 369

MSMD_ROB	0.31 358	0.26 365	0.26 308	0.24 328	0.21 364	0.34 353	0.25 334	0.34 312	0.39 310	0.40 356	0.69 379	0.45 361	0.40 365	0.34 348	0.27 335	0.20 367	0.19 366	0.26 369	0.25 372	0.23 367	0.22 371

FCDSN-DC	0.33 363	0.28 370	0.28 319	0.30 367	0.24 369	0.39 366	0.28 352	0.42 361	0.42 325	0.43 366	0.53 362	0.51 371	0.41 369	0.36 359	0.30 350	0.21 370	0.20 369	0.27 372	0.26 373	0.25 375	0.24 374
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
MANE	0.45 377	0.27 367	0.27 314	0.27 355	0.24 369	0.47 371	0.31 373	0.55 383	0.59 369	0.72 387	1.13 405	1.15 398	0.61 387	0.52 381	0.37 369	0.21 370	0.20 369	0.27 372	0.31 382	0.25 375	0.24 374

FC-DCNN	0.33 363	0.27 367	0.28 319	0.26 344	0.23 368	0.37 363	0.28 352	0.40 351	0.43 330	0.45 369	0.55 365	0.51 371	0.40 365	0.37 363	0.30 350	0.21 370	0.20 369	0.27 372	0.26 373	0.25 375	0.24 374

ELAS_RVC	0.41 372	0.29 373	0.33 335	0.28 358	0.24 369	0.54 377	0.36 378	0.49 375	0.59 369	0.72 387	0.74 385	0.65 383	0.54 380	0.54 385	0.40 375	0.22 373	0.20 369	0.27 372	0.26 373	0.26 378	0.25 378
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.41 372	0.29 373	0.33 335	0.27 355	0.24 369	0.60 382	0.36 378	0.50 377	0.50 351	0.71 385	0.79 389	0.67 385	0.54 380	0.51 379	0.42 379	0.22 373	0.20 369	0.27 372	0.26 373	0.26 378	0.25 378
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
MADNet+	0.75 394	0.71 397	3.70 414	0.66 393	0.41 385	0.98 404	0.97 411	0.69 392	0.73 387	0.52 374	0.57 371	0.64 381	0.68 392	0.86 402	1.01 409	0.34 386	0.36 388	0.28 377	0.23 370	0.36 386	0.31 385

MSC_U_SF_DS_RVC	0.43 374	0.39 382	0.54 367	0.40 379	0.20 362	0.64 384	0.32 375	0.53 381	0.72 384	0.71 385	0.72 382	0.61 379	0.54 380	0.51 379	0.46 383	0.20 367	0.19 366	0.29 378	0.30 380	0.23 367	0.18 361

GANetREF_RVC	0.31 358	0.34 378	0.27 314	0.35 375	0.16 337	0.32 344	0.41 383	0.48 373	0.51 358	0.35 343	0.35 303	0.34 325	0.33 349	0.39 367	0.32 358	0.27 381	0.20 369	0.29 378	0.15 346	0.18 359	0.17 359
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
CC-Net-ROB	0.28 348	0.31 375	0.36 344	0.29 365	0.15 327	0.25 314	0.19 261	0.45 369	0.33 273	0.39 353	0.37 312	0.39 347	0.31 344	0.27 315	0.26 328	0.24 379	0.19 366	0.30 380	0.23 370	0.18 359	0.15 341

JetBlue	0.71 391	0.45 385	1.14 402	0.51 388	0.47 389	2.02 413	0.64 400	0.75 393	0.70 382	0.69 384	0.77 388	1.22 400	0.83 397	1.03 410	1.01 409	0.40 388	0.28 383	0.33 381	0.33 383	0.30 381	0.34 388

NVStereoNet_ROB	0.46 380	0.36 380	0.46 360	0.41 381	0.28 378	0.34 353	0.34 376	0.48 373	0.60 372	0.72 387	0.93 394	0.70 388	0.66 390	0.47 376	0.60 393	0.22 373	0.33 386	0.34 382	0.34 385	0.30 381	0.30 384
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
Ntro	0.40 370	0.40 383	0.53 366	0.46 387	0.30 382	0.65 385	0.24 320	0.46 371	0.68 381	0.41 360	0.49 356	0.48 369	0.42 372	0.39 367	0.31 357	0.32 384	0.28 383	0.37 383	0.30 380	0.32 385	0.29 382

otaku	0.39 367	0.37 381	0.52 365	0.44 383	0.28 378	0.58 379	0.24 320	0.41 356	0.62 374	0.40 356	0.49 356	0.46 365	0.33 349	0.40 371	0.32 358	0.30 382	0.30 385	0.39 384	0.33 383	0.29 380	0.28 381

ACVNet_1	0.44 375	0.49 386	0.60 374	0.45 384	0.28 378	0.49 374	0.27 347	0.57 386	0.72 384	0.62 380	0.58 373	0.74 389	0.49 378	0.50 378	0.35 364	0.26 380	0.24 380	0.39 384	0.29 378	0.31 384	0.24 374

FADE		0.33 377		0.33 372	0.25 375			0.64 390	1.07 397	0.43 366		0.42 353		0.70 393		0.30 382	0.21 378	0.41 386	0.38 386	0.23 367	0.22 371

Consistency-Raft	0.44 375	0.40 383	0.45 357	0.37 378	0.43 387	0.46 369	0.41 383	0.57 386	0.55 361	0.32 337	0.73 383	0.33 319	0.48 377	0.42 374	0.49 386	0.39 387	0.35 387	0.45 387	0.51 395	0.42 387	0.29 382

ACVNet-4b	0.39 367	0.53 387	0.55 369	0.45 384	0.24 369	0.47 371	0.18 230	0.49 375	0.64 376	0.42 363	0.45 351	0.60 378	0.27 320	0.34 348	0.24 309	0.33 385	0.14 347	0.48 388	0.42 388	0.30 381	0.26 380

SGM+DAISY	0.56 385	0.57 388	0.65 378	0.40 379	0.54 392	0.66 387	0.49 390	0.56 384	0.45 341	0.66 381	0.69 379	0.67 385	0.56 384	0.63 390	0.56 391	0.59 399	0.48 395	0.50 389	0.50 394	0.52 390	0.58 397

anonymity	0.53 383	0.58 389	0.65 378	0.41 381	0.61 400	0.53 376	0.41 383	0.56 384	0.41 319	0.55 377	0.50 360	0.49 370	0.55 383	0.58 388	0.50 389	0.58 398	0.50 399	0.51 390	0.51 395	0.51 389	0.57 396

SPS-STEREO	0.57 386	0.58 389	0.65 378	0.45 384	0.55 394	0.62 383	0.44 389	0.62 389	0.50 351	0.68 383	0.64 375	0.66 384	0.57 385	0.61 389	0.60 393	0.62 401	0.47 394	0.51 390	0.49 392	0.55 394	0.58 397
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
RainbowNet	0.54 384	0.61 391	0.70 390	0.57 391	0.43 387	0.65 385	0.37 381	0.60 388	0.87 393	0.50 373	0.66 376	0.64 381	0.47 376	0.49 377	0.43 382	0.47 393	0.48 395	0.52 392	0.41 387	0.52 390	0.40 392

ACVNet_2	0.66 390	0.66 395	0.68 386	0.63 392	0.41 385	0.71 390	0.49 390	0.96 402	1.39 406	0.89 397	1.09 401	1.04 394	0.73 393	0.54 385	0.47 384	0.43 391	0.40 389	0.53 393	0.44 389	0.47 388	0.35 389

MFMNet_re	0.64 387	0.66 395	0.65 378	0.51 388	0.69 404	0.69 388	0.57 396	0.64 390	0.73 387	0.60 379	0.73 383	0.62 380	0.67 391	0.65 391	0.60 393	0.66 402	0.58 408	0.63 394	0.59 398	0.68 400	0.69 406

WAO-7	0.79 396	0.78 400	0.54 367	0.85 402	0.67 403	0.74 392	0.68 404	1.05 407	1.32 404	0.90 398	1.20 408	1.04 394	0.92 401	0.69 392	0.66 396	0.60 400	0.62 409	0.67 395	0.68 403	0.64 396	0.58 397

IMH-64-1	0.65 388	0.61 391	0.68 386	0.71 394	0.51 390	0.59 380	0.49 390	0.91 398	0.85 391	0.74 391	1.02 398	0.81 390	0.78 395	0.79 395	0.49 386	0.42 389	0.46 390	0.71 396	0.47 390	0.52 390	0.39 390

IMH-64	0.65 388	0.61 391	0.68 386	0.71 394	0.51 390	0.59 380	0.49 390	0.91 398	0.85 391	0.74 391	1.02 398	0.81 390	0.78 395	0.79 395	0.49 386	0.42 389	0.46 390	0.71 396	0.47 390	0.52 390	0.39 390

TorneroNet-64	0.76 395	0.72 398	0.74 391	0.78 398	0.58 398	0.91 403	0.56 395	0.84 396	1.29 403	0.66 381	0.90 392	1.40 406	0.75 394	0.85 401	0.67 399	0.49 394	0.46 390	0.72 398	0.59 398	0.67 399	0.53 395

IMH	0.71 391	0.64 394	0.68 386	0.76 396	0.54 392	0.69 388	0.54 394	0.98 404	1.10 399	0.82 395	1.09 401	0.89 392	0.88 400	0.87 403	0.52 390	0.44 392	0.50 399	0.75 399	0.51 395	0.56 395	0.41 393

PWCK	0.71 391	0.94 407	0.95 399	0.76 396	0.31 383	0.74 392	0.36 378	0.90 397	0.90 394	0.96 400	0.75 387	0.95 393	0.61 387	0.87 403	0.66 396	0.72 403	0.46 390	0.75 399	0.49 392	0.69 402	0.44 394

LVE	0.83 399	0.85 404	0.85 397	0.80 399	0.56 395	1.04 409	0.65 401	1.05 407	1.47 409	0.96 400	1.22 409	1.10 397	0.85 398	0.83 398	0.71 401	0.49 394	0.55 405	0.76 401	0.60 400	0.65 397	0.59 402

Dean	0.87 400	0.86 405	0.79 394	0.81 400	0.56 395	0.90 400	0.63 398	1.15 412	1.73 412	1.15 407	1.15 406	1.31 403	0.99 404	0.81 397	0.81 405	0.57 397	0.56 406	0.77 402	0.64 401	0.66 398	0.58 397

TorneroNet	0.82 398	0.74 399	0.81 396	0.84 401	0.63 401	0.99 405	0.63 398	0.96 402	1.16 400	0.80 394	1.11 403	1.36 405	0.86 399	0.93 406	0.80 404	0.56 396	0.49 397	0.78 403	0.66 402	0.73 405	0.63 405

WAO-8	0.91 401	0.81 402	0.65 378	0.94 406	0.69 404	0.90 400	0.67 402	1.07 409	1.83 414	1.06 405	1.45 411	1.30 401	1.07 406	0.84 399	0.78 402	0.74 405	0.53 402	0.86 404	0.75 405	0.69 402	0.62 403

Venus	0.91 401	0.81 402	0.65 378	0.94 406	0.69 404	0.90 400	0.67 402	1.07 409	1.83 414	1.06 405	1.45 411	1.30 401	1.07 406	0.84 399	0.78 402	0.74 405	0.53 402	0.86 404	0.75 405	0.69 402	0.62 403

WAO-6	0.81 397	0.80 401	0.62 376	0.86 403	0.63 401	0.76 396	0.58 397	0.98 404	1.54 411	0.90 398	0.96 397	1.07 396	1.03 405	0.70 393	0.66 396	0.72 403	0.49 397	0.90 406	0.71 404	0.68 400	0.58 397

JetRed	1.62 410	1.46 415	2.98 410	0.92 405	1.21 414	4.99 415	1.53 415	1.27 414	1.39 406	1.83 413	1.74 414	1.60 412	0.95 402	1.41 413	2.45 415	0.90 411	1.60 416	0.93 407	0.90 411	1.35 414	0.99 414

UNDER WATER	0.97 404	0.97 409	1.42 405	0.99 408	0.70 407	1.12 411	0.84 407	0.80 395	1.08 398	1.01 402	0.90 392	1.55 410	1.22 412	1.03 410	1.00 408	0.78 407	0.53 402	1.02 408	0.87 409	0.80 408	0.74 408

UNDER WATER-64	0.95 403	0.94 407	1.43 406	0.87 404	0.56 395	1.18 412	0.87 408	0.77 394	0.94 395	1.04 403	0.85 391	1.58 411	1.21 411	0.94 407	0.96 407	0.87 409	0.57 407	1.03 409	0.88 410	0.78 407	0.73 407

ASD4	3.54 413	3.38 418	2.05 409	1.72 415	2.51 418	9.03 419	17.71 420	2.25 415	5.51 418	2.46 415	2.81 416	2.03 413	3.36 415	2.73 416	5.06 416	1.22 413	1.34 415	1.13 410	1.33 415	1.68 415	1.49 417

notaker	0.97 404	1.11 410	0.98 400	1.13 410	0.81 408	0.73 391	0.68 404	0.93 400	1.16 400	1.18 409	1.18 407	1.41 407	1.16 410	1.08 412	0.69 400	0.81 408	0.64 410	1.17 411	0.79 407	0.98 410	0.80 411

KSHMR	1.09 407	1.17 411	0.88 398	1.25 414	1.00 413	0.99 405	0.96 410	1.13 411	1.37 405	1.16 408	1.29 410	1.41 407	0.96 403	1.01 409	0.92 406	1.03 412	1.08 414	1.20 412	1.03 413	1.01 411	0.97 413

DPSimNet_ROB	1.11 408	1.23 413	0.78 392	1.13 410	0.88 411	1.10 410	1.13 412	1.16 413	1.23 402	1.43 411	1.02 398	1.41 407	1.10 409	0.90 405	1.60 411	1.46 416	0.51 401	1.21 413	1.03 413	0.90 409	1.01 415

HanzoNet	1.29 409	1.26 414	1.19 403	1.12 409	0.85 409	1.02 408	0.83 406	1.03 406	1.48 410	1.64 412	1.61 413	2.50 416	1.72 413	1.61 414	1.61 412	1.26 414	0.80 413	1.31 414	1.01 412	1.02 412	0.86 412

ktn	1.01 406	1.21 412	0.80 395	1.23 413	0.86 410	1.01 407	0.87 408	0.94 401	1.39 406	1.04 403	1.12 404	1.15 398	1.07 406	0.94 407	0.59 392	1.28 415	0.71 412	1.38 415	0.83 408	1.02 412	0.75 409

MADNet++	1.95 411	1.75 416	1.59 408	1.82 416	1.69 416	2.33 414	1.40 414	2.35 416	2.09 416	2.57 416	2.36 415	2.24 415	2.17 414	2.28 415	2.34 414	1.87 417	1.66 417	1.54 416	1.34 416	1.92 416	1.77 418

SPstereo	13.84 427	0.93 406	1.50 407	1.22 412	0.88 411	28.82 430	48.26 430	26.77 438	29.54 437	22.37 436	22.60 434	23.23 436	24.68 435	24.53 436	15.06 427	0.88 410	0.69 411	1.83 417	1.60 417	0.74 406	0.77 410

tt	4.67 414	0.06 19	3.55 413	2.02 417	1.55 415	10.25 420	16.71 419	8.91 424	5.03 417	1.31 410	0.94 395	4.71 417	4.76 416	3.33 417	5.87 418	6.06 424	10.30 428	1.88 418	2.11 419	2.75 417	1.21 416

DPSMNet_ROB	8.06 419	4.48 419	8.63 423	5.37 423	10.74 425	8.32 417	22.98 425	5.46 418	13.36 425	5.12 418	9.92 420	5.08 418	10.40 422	5.53 420	12.58 422	3.80 422	8.00 423	3.50 419	7.02 422	3.83 421	7.14 424

DGTPSM_ROB	8.06 419	4.48 419	8.63 423	5.35 421	10.72 424	8.32 417	22.97 424	5.46 418	13.35 424	5.12 418	9.92 420	5.08 418	10.40 422	5.52 419	12.58 422	3.79 421	8.00 423	3.50 419	7.02 422	3.83 421	7.14 424

xxxxx1	7.79 415	5.02 421	7.31 417	3.12 418	3.85 419	16.35 423	22.88 421	5.86 421	8.69 420	7.97 420	8.54 417	9.12 422	8.27 419	10.18 422	10.92 419	2.42 418	2.45 419	3.56 421	12.37 425	3.77 418	3.06 420

tt_ll	7.79 415	5.02 421	7.31 417	3.12 418	3.85 419	16.35 423	22.88 421	5.86 421	8.69 420	7.97 420	8.54 417	9.12 422	8.27 419	10.18 422	10.92 419	2.42 418	2.45 419	3.56 421	12.37 425	3.77 418	3.06 420

ff	7.79 415	5.02 421	7.31 417	3.12 418	3.85 419	16.35 423	22.88 421	5.86 421	8.69 420	7.97 420	8.54 417	9.12 422	8.27 419	10.18 422	10.92 419	2.42 418	2.45 419	3.56 421	12.37 425	3.77 418	3.06 420

Anonymous_1	10.96 424	7.92 424	7.46 420	10.33 424	10.06 423	18.65 427	26.34 427	11.06 425	13.44 426	9.40 423	10.05 422	9.67 425	11.23 424	10.73 425	12.72 424	6.42 425	8.38 425	5.77 424	10.61 424	12.12 426	6.77 423

DPSM_ROB	11.15 425	8.58 425	8.00 421	10.88 425	11.58 426	19.10 428	26.71 428	12.05 426	14.07 427	10.36 424	10.84 423	10.33 426	11.86 425	11.70 426	13.54 425	6.99 426	8.79 426	5.89 425	6.95 420	7.29 423	7.42 426

DPSM	11.15 425	8.58 425	8.00 421	10.88 425	11.58 426	19.10 428	26.71 428	12.05 426	14.07 427	10.36 424	10.84 423	10.33 426	11.86 425	11.70 426	13.54 425	6.99 426	8.79 426	5.89 425	6.95 420	7.29 423	7.42 426

PML	8.91 421	9.34 427	6.13 415	5.35 421	6.41 422	14.99 422	23.38 426	5.27 417	6.83 419	18.04 428	28.19 436	7.67 420	6.83 418	7.85 421	5.75 417	5.35 423	1.83 418	5.95 427	1.93 418	8.64 425	2.52 419

MyStereo03	22.45 431	17.33 430	16.21 427	21.95 430	23.27 431	38.32 431	53.79 432	24.21 432	28.46 433	20.87 433	21.85 431	20.80 430	23.87 429	23.46 431	27.40 433	14.08 429	17.71 433	11.82 428	14.03 430	14.65 427	14.89 428

MyStereo02	22.45 431	17.33 430	16.21 427	21.95 430	23.27 431	38.32 431	53.79 432	24.21 432	28.46 433	20.87 433	21.85 431	20.80 430	23.87 429	23.46 431	27.40 433	14.08 429	17.71 433	11.82 428	14.03 430	14.65 427	14.89 428

MyStereo	22.45 431	17.33 430	16.21 427	21.95 430	23.27 431	38.32 431	53.79 432	24.21 432	28.46 433	20.87 433	21.85 431	20.80 430	23.87 429	23.46 431	27.40 433	14.08 429	17.71 433	11.82 428	14.03 430	14.65 427	14.89 428

Selective-RAFT-Error	22.47 434	17.37 434	16.09 426	22.06 434	23.34 435	38.39 435	53.83 436	24.29 436	28.47 436	20.74 431	21.83 430	20.81 433	23.90 432	23.54 435	27.53 436	14.08 429	17.69 431	11.82 428	14.00 428	14.69 431	15.00 433

CasAABBNet	22.42 430	17.33 430	16.01 425	22.01 433	23.28 434	38.32 431	53.80 435	24.14 431	28.41 432	20.60 430	21.77 429	20.89 434	23.91 433	23.43 430	27.36 431	14.07 428	17.69 431	11.83 432	14.01 429	14.67 430	14.95 432

LSM0	22.87 435	17.28 429	18.96 430	22.19 435	29.04 437	38.42 436	53.71 431	24.28 435	28.31 431	20.78 432	21.00 428	21.43 435	24.16 434	23.50 434	27.39 432	14.09 433	17.38 430	11.84 433	14.04 433	14.73 432	14.89 428

HaxPig	15.71 428	18.52 435	19.18 431	16.89 427	15.89 429	7.73 416	7.60 416	13.31 428	10.82 423	15.42 427	14.91 425	15.98 428	14.92 427	15.58 428	15.98 428	18.95 434	16.73 429	19.46 434	18.08 434	19.26 434	19.05 435

MEDIAN_ROB	20.38 429	24.04 436	23.31 433	21.23 429	21.71 430	10.40 421	7.92 417	17.64 429	15.50 429	20.12 429	19.70 427	20.34 429	20.32 428	21.19 429	21.13 429	23.81 436	21.81 436	24.98 435	23.76 435	24.71 435	23.93 436

LRCNet_RVC	10.62 423	13.42 428	7.30 416	18.92 428	2.07 417	0.33 350	0.30 367	5.59 420	0.48 344	13.03 426	17.94 426	8.87 421	5.65 417	4.79 418	1.89 413	23.51 435	2.73 422	27.55 436	25.71 436	16.07 433	16.33 434

AVERAGE_ROB	24.90 436	29.20 437	28.14 434	24.89 436	24.64 436	17.75 426	11.12 418	21.45 430	19.93 430	25.12 437	24.46 435	25.12 437	25.46 436	24.69 437	22.83 430	29.76 437	27.13 437	28.97 437	27.95 437	29.91 436	29.47 437

test_example2	98.32 437	94.13 438	45.89 435	96.35 437	109.85 438	88.61 437	95.45 437	25.75 437	94.37 438	130.00 438	126.06 437	58.17 438	74.63 437	88.51 438	79.96 437	150.23 438	221.02 438	77.62 438	99.10 438	113.75 438	96.94 438

Low-res two-view benchmark