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

MIF-Stereo	0.82 5	0.47 4	2.63 100	0.96 99	1.19 251	0.78 3	0.39 6	1.12 1	1.54 74	1.19 42	1.26 42	0.51 1	0.64 8	1.13 14	1.03 98	0.30 110	0.20 55	0.24 16	0.21 28	0.40 174	0.25 26

Former-RAFT_DAM_RVC	0.92 9	0.73 165	1.42 12	0.92 81	1.08 230	2.97 71	0.53 23	1.77 18	1.39 20	1.16 41	1.54 88	0.58 2	0.65 10	1.03 8	0.84 48	0.25 19	0.23 126	0.30 99	0.24 78	0.43 218	0.29 74

CAS	1.26 68	0.40 1	1.46 14	2.97 383	1.61 328	4.13 252	0.73 87	1.78 19	1.49 46	0.83 21	1.10 23	0.59 3	0.53 2	1.26 32	0.80 40	2.99 387	0.13 1	0.21 2	0.13 1	0.31 73	1.72 370

CES	1.01 23	0.55 33	1.74 31	0.92 81	2.15 371	2.15 41	0.50 17	2.01 26	1.45 25	0.76 13	1.02 9	0.61 4	0.47 1	1.29 38	0.79 39	0.22 4	0.17 9	0.24 16	0.14 2	0.63 288	2.29 379

LoS	0.94 11	0.52 15	1.88 39	0.86 59	0.36 5	4.15 256	0.51 21	2.18 34	1.45 25	0.97 28	0.88 7	0.62 5	0.79 32	1.59 68	0.86 55	0.26 27	0.19 38	0.24 16	0.16 7	0.21 2	0.20 6

test_xeample3	2.12 183	0.63 97	21.55 393	0.91 78	0.47 62	1.85 25	0.94 197	7.96 397	1.23 4	0.75 6	0.76 3	0.64 6	0.70 13	1.77 92	0.83 46	0.30 110	0.21 80	0.27 51	0.21 28	0.27 23	0.24 20

CASnet	0.78 2	0.51 10	1.29 7	0.81 29	0.29 1	1.28 10	0.74 96	1.51 4	1.89 158	1.64 77	1.09 22	0.65 7	0.64 8	0.91 2	0.76 34	0.29 76	0.17 9	0.41 246	0.31 201	0.32 96	0.19 3
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
MyStereo07	1.01 23	0.80 199	1.26 4	1.00 121	1.04 222	3.95 214	0.95 200	2.07 30	1.42 22	0.75 6	1.22 34	0.68 8	0.91 46	1.63 79	0.67 12	0.24 10	0.24 154	0.34 180	0.26 100	0.41 195	0.37 158

GLC_STEREO	0.76 1	0.52 15	1.12 3	0.83 43	0.33 2	1.86 26	0.82 134	1.46 2	1.38 19	0.95 27	1.04 16	0.68 8	0.72 17	0.97 3	0.80 40	0.23 7	0.25 171	0.32 133	0.25 87	0.32 96	0.30 96

XX-TBD	1.03 28	0.95 239	1.94 44	1.30 244	0.43 37	3.97 222	0.33 3	1.74 14	1.73 134	1.59 66	2.02 216	0.69 10	0.60 3	1.16 17	0.66 10	0.30 110	0.25 171	0.23 5	0.15 4	0.31 73	0.22 9

ff7	0.98 15	0.69 134	2.05 54	0.84 49	0.52 83	4.55 335	0.86 149	1.62 6	1.24 5	0.75 6	1.03 12	0.70 11	0.77 24	1.84 98	0.68 14	0.27 34	0.17 9	0.29 80	0.21 28	0.31 73	0.27 54

ffff	0.98 15	0.69 134	2.05 54	0.84 49	0.52 83	4.55 335	0.86 149	1.62 6	1.24 5	0.75 6	1.03 12	0.70 11	0.77 24	1.84 98	0.68 14	0.27 34	0.17 9	0.29 80	0.21 28	0.31 73	0.27 54

11t	0.98 15	0.69 134	2.05 54	0.84 49	0.52 83	4.55 335	0.86 149	1.62 6	1.24 5	0.75 6	1.03 12	0.70 11	0.77 24	1.84 98	0.68 14	0.27 34	0.17 9	0.29 80	0.21 28	0.31 73	0.27 54

ccc-4	0.98 15	0.69 134	2.05 54	0.84 49	0.52 83	4.55 335	0.86 149	1.62 6	1.24 5	0.75 6	1.03 12	0.70 11	0.77 24	1.84 98	0.68 14	0.27 34	0.17 9	0.29 80	0.21 28	0.31 73	0.27 54

Anonymous	1.04 29	0.76 185	2.42 92	1.06 147	1.27 270	1.67 20	0.86 149	2.51 53	1.49 46	0.92 25	1.14 27	0.70 11	1.10 87	1.26 32	0.98 89	0.47 274	0.33 235	0.30 99	0.30 185	0.66 302	0.51 255

Selective-IGEV	0.80 4	0.52 15	1.05 2	0.75 11	0.61 116	1.31 11	0.82 134	2.60 71	1.41 21	0.82 20	1.64 112	0.71 16	0.62 6	1.22 28	0.64 4	0.22 4	0.19 38	0.24 16	0.18 9	0.25 11	0.20 6

ACVNet-DCA	1.85 138	0.74 173	13.77 235	1.78 337	0.36 5	4.48 318	0.74 96	3.98 229	1.53 67	1.01 30	1.81 168	0.72 17	1.62 193	2.13 122	0.64 4	0.29 76	0.17 9	0.32 133	0.21 28	0.33 111	0.32 110

1test111	1.99 165	0.74 173	13.77 235	1.78 337	0.36 5	4.48 318	0.74 96	3.98 229	1.53 67	1.01 30	1.81 168	0.72 17	1.62 193	4.66 203	0.98 89	0.29 76	0.17 9	0.32 133	0.21 28	0.33 111	0.32 110

cc1	1.98 162	0.74 173	13.77 235	1.78 337	0.36 5	4.48 318	0.74 96	4.23 295	3.95 373	1.01 30	1.81 168	0.72 17	1.62 193	2.13 122	0.64 4	0.29 76	0.17 9	0.32 133	0.21 28	0.31 73	0.29 74

sAnonymous2	1.37 84	1.22 291	9.79 199	0.92 81	0.88 180	1.23 7	0.61 45	2.56 66	1.69 127	0.85 22	1.02 9	0.73 20	1.23 115	0.98 4	0.78 37	0.29 76	0.25 171	0.31 118	0.30 185	1.06 348	0.71 305

CroCo_RVC	1.37 84	1.22 291	9.79 199	0.92 81	0.88 180	1.23 7	0.61 45	2.56 66	1.69 127	0.85 22	1.02 9	0.73 20	1.23 115	0.98 4	0.78 37	0.29 76	0.25 171	0.31 118	0.30 185	1.06 348	0.71 305

IGEVStereo-DCA	0.86 8	0.65 109	2.05 54	0.90 74	0.46 52	1.57 16	0.86 149	1.62 6	1.24 5	0.65 1	0.77 4	0.74 22	0.72 17	2.59 158	0.86 55	0.28 59	0.21 80	0.28 65	0.21 28	0.29 42	0.27 54

rrr	2.27 201	0.65 109	23.82 409	0.90 74	0.46 52	1.57 16	0.96 205	7.98 398	1.19 3	0.65 1	0.77 4	0.74 22	0.72 17	2.59 158	0.86 55	0.28 59	0.21 80	0.28 65	0.21 28	0.29 42	0.25 26

tt1	1.79 133	0.73 165	10.41 209	1.75 334	0.36 5	4.55 335	0.79 121	4.22 290	3.37 356	1.08 36	1.80 156	0.74 22	1.48 161	2.21 131	0.65 8	0.29 76	0.16 4	0.31 118	0.22 49	0.30 57	0.29 74

whm_eth	2.04 173	1.24 296	18.44 308	0.89 69	1.37 286	2.59 54	0.73 87	3.56 146	2.56 274	1.53 62	2.06 229	0.78 25	0.71 15	1.02 7	0.98 89	0.36 186	0.29 206	0.34 180	0.32 208	0.41 195	0.54 268

anonymousdsp	0.95 13	0.69 134	1.27 5	0.83 43	0.52 83	4.54 332	0.84 141	1.76 16	1.24 5	0.76 13	1.06 18	0.78 25	0.77 24	1.67 86	0.69 18	0.27 34	0.17 9	0.29 80	0.21 28	0.31 73	0.26 42

ProNet	0.82 5	0.71 154	1.50 16	0.86 59	0.45 46	1.78 21	0.83 138	1.75 15	1.28 14	0.66 3	1.13 26	0.78 25	0.76 23	1.66 83	0.71 25	0.24 10	0.20 55	0.25 26	0.23 57	0.29 42	0.25 26

PMTNet	0.99 21	0.48 5	1.73 28	0.62 2	0.56 97	4.20 282	0.43 11	1.88 21	1.58 92	1.00 29	1.05 17	0.78 25	0.98 59	1.50 57	0.85 51	1.21 368	0.20 55	0.23 5	0.15 4	0.22 3	0.19 3

IGEV-Stereo	0.95 13	0.69 134	1.27 5	0.84 49	0.52 83	4.54 332	0.84 141	1.76 16	1.24 5	0.75 6	1.06 18	0.79 29	0.77 24	1.68 87	0.69 18	0.27 34	0.17 9	0.29 80	0.21 28	0.31 73	0.26 42
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
test croco	1.55 98	0.69 134	13.59 232	0.65 4	0.73 146	1.66 19	0.57 30	3.17 108	1.94 163	0.77 16	1.24 37	0.80 30	0.86 38	1.60 70	0.96 86	0.33 153	0.21 80	0.32 133	0.25 87	0.42 210	0.28 67

MIF-Stereo (partial)	0.98 15	0.55 33	2.83 108	0.71 8	1.03 219	1.08 5	0.49 16	2.55 64	1.66 120	0.79 17	1.20 32	0.80 30	0.90 44	1.61 75	1.56 191	0.36 186	0.24 154	0.33 164	0.25 87	0.40 174	0.28 67

AEACV	0.79 3	0.54 29	1.35 10	0.97 106	0.63 120	1.13 6	0.92 193	2.02 27	0.91 1	0.76 13	0.79 6	0.80 30	1.61 190	1.28 36	0.61 1	0.22 4	0.18 24	0.26 36	0.23 57	0.27 23	0.23 14

sCroCo_RVC	1.06 30	0.82 210	5.05 153	1.02 134	1.05 224	0.98 4	0.61 45	2.06 28	1.29 15	0.69 5	1.26 42	0.82 33	1.10 87	1.20 25	0.90 66	0.42 244	0.40 286	0.33 164	0.30 185	0.46 237	0.38 171

LoS_RVC	0.94 11	1.30 302	1.31 8	0.84 49	1.63 331	2.02 31	0.59 39	1.51 4	1.36 18	0.81 18	1.33 54	0.84 34	0.88 41	1.36 44	0.73 29	0.21 1	0.17 9	0.20 1	0.14 2	0.20 1	1.45 363

CREStereo++_RVC	1.02 27	0.49 7	1.54 19	0.83 43	0.55 94	4.01 228	0.31 2	1.63 11	1.99 169	1.63 75	2.13 241	0.84 34	0.65 10	0.88 1	0.70 22	0.27 34	0.15 2	0.23 5	1.22 377	0.24 5	0.17 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
TANstereo	1.01 23	0.55 33	1.73 28	0.76 24	0.36 5	4.04 232	0.38 5	1.48 3	1.62 113	2.03 169	2.10 233	0.84 34	0.93 50	0.98 4	0.62 2	0.28 59	0.36 255	0.23 5	0.20 22	0.25 11	0.46 229

GMStereo	1.01 23	1.00 248	2.86 110	0.83 43	0.45 46	1.47 13	0.57 30	1.89 22	2.11 197	1.52 60	1.24 37	0.87 37	0.74 21	1.58 65	0.94 83	0.40 224	0.21 80	0.30 99	0.30 185	0.47 239	0.36 144
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
CREStereo	0.92 9	0.53 24	1.45 13	0.61 1	0.34 3	4.42 312	0.40 7	2.21 35	1.54 74	0.94 26	1.12 25	0.87 37	0.87 40	1.12 11	0.72 28	0.28 59	0.19 38	0.22 4	0.15 4	0.22 3	0.19 3
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
StereoIM	0.82 5	0.66 119	1.53 17	0.65 4	1.87 359	1.24 9	0.36 4	2.13 31	1.27 13	0.67 4	0.75 2	0.88 39	0.70 13	1.15 16	1.07 103	0.29 76	0.23 126	0.26 36	0.20 22	0.31 73	0.22 9

MC-Stereo	1.06 30	0.48 5	1.55 20	1.15 192	0.41 31	4.56 340	0.61 45	2.06 28	1.46 32	1.90 122	1.61 107	0.89 40	1.12 92	1.35 43	0.73 29	0.25 19	0.18 24	0.26 36	0.22 49	0.25 11	0.24 20

s12784h	1.31 79	0.45 2	2.41 90	0.71 8	0.35 4	4.42 312	0.50 17	4.22 290	2.73 291	2.01 161	2.48 291	0.91 41	0.96 54	2.01 113	0.70 22	0.29 76	0.18 24	0.24 16	0.16 7	0.27 23	0.18 2

DIP-Stereo	1.24 58	0.69 134	1.77 33	0.65 4	0.61 116	4.29 295	0.58 38	4.44 350	2.53 270	1.98 142	1.33 54	0.91 41	0.86 38	1.25 31	1.25 139	0.36 186	0.23 126	0.32 133	0.23 57	0.32 96	0.29 74
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
DLNR_Zeroshot_test	28.62 418	55.50 432	49.94 426	183.62 435	115.05 433	3.43 113	0.28 1	29.49 420	1.49 46	1.01 30	1.26 42	0.93 43	0.63 7	3.92 193	1.51 185	29.81 426	0.41 292	0.26 36	0.23 57	93.28 432	0.32 110

RCA-Stereo	1.21 50	0.52 15	1.58 22	0.90 74	0.46 52	4.68 356	0.79 121	4.13 269	1.74 140	1.92 128	1.80 156	0.94 44	1.48 161	1.14 15	0.70 22	0.27 34	0.18 24	0.25 26	0.19 18	0.25 11	0.23 14

HHNet	2.48 240	0.71 154	20.52 365	0.64 3	0.64 122	4.07 240	0.93 194	3.76 175	1.56 84	2.15 198	4.92 365	0.98 45	3.37 329	1.66 83	1.79 226	0.32 142	0.20 55	0.31 118	0.27 123	0.36 153	0.42 201

UDGNet	1.40 87	1.52 324	2.22 74	1.38 276	0.62 119	4.39 305	0.68 69	1.80 20	2.18 206	1.34 46	1.18 30	0.99 46	1.00 62	2.16 126	1.19 125	1.09 363	0.34 247	1.30 376	0.98 365	1.10 354	0.58 281

CroCo-Stereo	0.98 15	0.87 224	3.44 128	0.87 62	0.53 91	0.49 1	0.50 17	3.99 233	1.49 46	0.81 18	1.25 41	1.00 47	0.75 22	1.10 9	1.09 108	0.24 10	0.21 80	0.24 16	0.19 18	0.35 142	0.27 54
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
AE-Stereo	1.18 41	0.60 72	2.05 54	1.10 165	0.60 113	4.39 305	0.72 83	3.74 172	1.62 113	1.10 37	1.90 200	1.01 48	0.92 48	1.45 54	0.82 43	0.28 59	0.22 102	0.28 65	0.28 148	0.26 17	0.22 9

11t1	1.11 34	0.53 24	1.80 36	1.55 311	0.65 127	2.20 45	0.60 42	3.66 157	1.49 46	1.60 67	1.26 42	1.03 49	1.35 133	1.72 89	0.97 87	0.28 59	0.31 223	0.29 80	0.23 57	0.30 57	0.34 130

DCANet-4	1.96 158	0.51 10	14.31 249	0.82 36	0.40 28	4.16 266	0.57 30	4.29 316	2.98 324	2.30 241	1.80 156	1.03 49	1.54 181	1.44 50	1.44 168	0.29 76	0.23 126	0.23 5	0.18 9	0.24 5	0.42 201

raft+_RVC	1.21 50	0.83 213	2.61 97	1.35 260	0.97 202	3.60 148	0.76 104	3.23 114	1.51 55	1.33 45	1.67 118	1.03 49	1.10 87	1.87 102	0.92 75	0.24 10	0.22 102	0.25 26	0.24 78	0.26 17	0.25 26

CroCo-Stereo Lap2	0.99 21	0.89 226	2.55 95	0.99 114	1.80 356	0.54 2	0.46 12	3.10 102	1.24 5	1.07 35	1.21 33	1.05 52	0.78 30	1.26 32	1.08 105	0.27 34	0.23 126	0.27 51	0.21 28	0.43 218	0.34 130

EGLCR-Stereo	1.06 30	0.51 10	1.56 21	1.02 134	0.39 26	4.27 293	0.42 8	4.08 258	1.48 40	0.90 24	0.68 1	1.09 53	0.66 12	1.81 95	0.62 2	0.27 34	0.19 38	0.29 80	0.23 57	0.37 159	0.25 26

EAI-Stereo	2.35 222	0.63 97	2.97 112	0.95 95	0.65 127	3.84 189	14.27 407	5.04 382	2.19 207	2.06 176	7.25 371	1.10 54	0.94 51	1.65 82	1.37 160	0.31 127	0.22 102	0.27 51	0.60 334	0.27 23	0.32 110

Anonymous3	1.72 122	0.76 185	11.61 218	0.83 43	0.84 170	4.46 316	0.84 141	3.57 147	1.16 2	1.34 46	1.37 63	1.11 55	1.03 66	1.58 65	1.13 114	0.70 339	0.58 337	0.33 164	0.35 237	0.47 239	0.42 201

LMCR-Stereo	2.40 228	1.31 304	18.61 310	1.59 316	0.86 175	3.87 199	1.15 240	4.32 330	1.60 107	2.25 232	2.27 260	1.13 56	2.43 286	2.48 145	1.60 197	0.88 355	0.24 154	0.29 80	0.24 78	0.56 269	0.30 96

R-Stereo Train	1.20 47	0.58 57	1.81 37	0.99 114	0.67 133	3.78 176	0.90 175	4.09 260	1.51 55	2.16 203	1.71 129	1.13 56	0.94 51	1.40 45	0.91 72	0.30 110	0.24 154	0.26 36	0.21 28	0.26 17	0.25 26

RAFT-Stereo	1.20 47	0.58 57	1.81 37	0.99 114	0.67 133	3.78 176	0.90 175	4.09 260	1.51 55	2.16 203	1.71 129	1.13 56	0.94 51	1.40 45	0.91 72	0.30 110	0.24 154	0.26 36	0.21 28	0.26 17	0.25 26
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
AnonymousM	1.22 52	1.32 306	0.97 1	0.88 66	0.56 97	4.03 231	0.69 74	2.41 43	1.68 122	1.48 57	1.31 53	1.15 59	1.00 62	1.18 23	0.73 29	0.32 142	0.40 286	2.07 383	1.70 385	0.24 5	0.22 9

IPLGR_C	2.28 206	1.31 304	19.46 324	0.92 81	1.32 278	3.93 207	0.89 171	4.20 283	1.82 146	2.30 241	2.63 307	1.16 60	1.07 81	1.41 48	1.29 148	0.37 193	0.23 126	0.27 51	0.22 49	0.31 73	0.45 219

CIPLG	2.27 201	1.18 280	19.24 318	0.92 81	1.34 282	3.95 214	0.89 171	4.23 295	1.82 146	2.31 246	2.67 309	1.17 61	1.06 79	1.53 62	1.32 152	0.37 193	0.23 126	0.27 51	0.22 49	0.31 73	0.45 219

ACRE	2.27 201	1.11 269	19.45 323	0.91 78	1.30 272	3.94 209	0.87 165	4.21 287	1.80 145	2.28 235	2.62 305	1.17 61	1.04 70	1.52 60	1.30 149	0.37 193	0.23 126	0.27 51	0.22 49	0.31 73	0.46 229

raftrobust	1.19 42	0.72 157	2.30 82	1.26 230	1.31 274	3.55 139	0.68 69	2.75 79	1.47 35	2.21 223	1.38 65	1.17 61	1.22 112	1.20 25	1.11 110	0.28 59	0.24 154	0.21 2	0.19 18	0.25 11	0.28 67

ADStereo(finetuned)	2.04 173	0.73 165	13.28 228	0.82 36	0.40 28	4.16 266	0.59 39	4.25 303	2.97 321	2.35 258	1.84 180	1.18 64	3.40 330	1.52 60	1.54 189	0.29 76	0.24 154	0.23 5	0.18 9	0.30 57	0.51 255

RALCasStereoNet	1.19 42	1.02 250	2.06 63	1.12 171	1.14 238	3.08 79	0.70 79	2.99 94	1.73 134	1.34 46	1.68 120	1.18 64	0.91 46	2.16 126	1.00 96	0.30 110	0.26 182	0.24 16	0.21 28	0.29 42	0.30 96

DCANet	1.74 125	0.73 165	9.08 189	0.82 36	0.40 28	4.18 273	0.59 39	4.25 303	2.97 321	2.35 258	1.84 180	1.18 64	1.63 205	1.51 59	1.55 190	0.29 76	0.24 154	0.23 5	0.18 9	0.30 57	0.53 262

fff	1.74 125	0.70 144	9.08 189	0.81 29	0.36 5	4.15 256	0.57 30	4.23 295	2.09 187	2.30 241	1.80 156	1.19 67	3.02 313	1.44 50	1.46 172	0.29 76	0.23 126	0.23 5	0.18 9	0.24 5	0.42 201

dd	1.26 68	1.15 275	2.47 93	0.92 81	0.49 72	4.35 301	0.75 103	1.92 23	2.11 197	1.44 55	1.24 37	1.19 67	1.05 72	1.78 93	1.70 213	0.57 313	0.34 247	0.35 195	0.33 216	0.60 280	0.46 229

rafts_anoy	1.24 58	0.80 199	3.61 136	1.17 198	1.20 256	3.00 72	0.61 45	3.17 108	1.58 92	1.37 49	1.26 42	1.19 67	1.12 92	1.78 93	1.25 139	0.32 142	0.23 126	0.32 133	0.32 208	0.31 73	0.30 96

csc	1.74 125	0.70 144	9.08 189	0.81 29	0.36 5	4.15 256	0.57 30	4.23 295	2.09 187	2.30 241	1.80 156	1.19 67	3.02 313	1.44 50	1.46 172	0.29 76	0.23 126	0.23 5	0.18 9	0.24 5	0.42 201

cscssc	1.74 125	0.70 144	9.08 189	0.81 29	0.36 5	4.15 256	0.57 30	4.23 295	2.09 187	2.30 241	1.80 156	1.19 67	3.02 313	1.44 50	1.46 172	0.29 76	0.23 126	0.23 5	0.18 9	0.24 5	0.42 201

iRaft-Stereo_20w	1.88 143	0.62 93	10.58 211	0.90 74	0.83 167	2.96 70	0.78 116	4.90 380	1.58 92	2.29 237	1.60 103	1.25 72	4.51 354	2.28 138	0.90 66	0.29 76	0.21 80	0.26 36	0.24 78	0.41 195	0.31 103

PSM-AAD	2.43 231	0.54 29	1.32 9	0.92 81	0.54 92	4.48 318	7.47 396	2.96 92	1.55 80	2.31 246	2.56 301	1.26 73	16.23 403	2.46 143	0.89 64	0.28 59	0.21 80	0.58 321	0.41 285	0.34 127	1.32 358

TestStereo	2.00 166	1.02 250	12.25 221	0.70 7	0.61 116	1.88 27	0.55 27	2.31 39	1.52 62	1.41 53	1.33 54	1.27 74	0.90 44	11.62 357	0.81 42	0.34 164	0.19 38	0.33 164	0.24 78	0.44 223	0.24 20

mmm	1.27 72	0.58 57	2.20 72	1.41 281	0.68 138	2.39 48	0.85 147	3.90 206	1.63 116	2.20 215	1.84 180	1.28 75	1.50 168	1.91 105	0.89 64	0.31 127	0.27 190	0.45 265	0.37 256	0.38 163	0.34 130

GES	1.38 86	0.64 102	2.61 97	1.09 157	0.57 106	4.30 297	1.02 215	3.86 195	1.51 55	1.72 91	1.74 136	1.28 75	1.77 225	1.62 76	1.61 200	0.39 218	0.27 190	0.33 164	0.30 185	0.41 195	0.47 234

RALAANet	1.28 73	1.08 262	3.21 120	1.25 224	0.94 196	1.44 12	0.69 74	3.15 105	2.57 275	2.01 161	1.80 156	1.29 77	1.05 72	2.00 110	1.48 176	0.27 34	0.20 55	0.27 51	0.24 78	0.40 174	0.27 54

IPLG	2.48 240	0.65 109	19.63 328	0.91 78	0.79 155	4.60 345	0.56 29	4.31 326	1.84 150	1.91 127	2.00 214	1.31 78	1.38 135	6.61 239	1.53 188	0.27 34	0.20 55	0.27 51	0.23 57	0.31 73	0.36 144

RAFT+CT+SA	1.62 113	0.72 157	7.42 174	0.97 106	1.42 300	4.04 232	0.94 197	3.90 206	1.61 110	1.61 72	1.63 110	1.33 79	1.18 106	2.73 168	1.10 109	0.27 34	0.19 38	0.31 118	0.34 223	0.33 111	0.33 120

PFNet+	1.46 93	0.57 45	2.84 109	0.92 81	0.47 62	4.64 350	0.84 141	2.46 49	1.99 169	2.14 193	1.64 112	1.34 80	1.03 66	4.68 205	1.23 138	0.45 262	0.33 235	0.37 218	0.39 271	0.32 96	0.49 242

ICVP	2.26 199	0.66 119	21.18 385	0.99 114	0.88 180	4.28 294	0.95 200	3.32 125	1.60 107	1.66 81	1.76 143	1.34 80	1.14 100	1.62 76	1.32 152	0.53 306	0.35 251	0.33 164	0.29 171	0.40 174	0.51 255
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
iResNet	2.52 248	0.94 238	21.17 384	1.84 346	0.72 142	3.75 171	0.81 131	4.14 275	2.55 273	2.33 256	2.03 217	1.35 82	1.44 150	3.27 176	2.16 268	0.35 181	0.23 126	0.28 65	0.22 49	0.44 223	0.45 219

NF-Stereo	1.58 105	0.61 86	2.66 102	2.26 367	0.47 62	4.68 356	0.67 65	3.31 121	1.48 40	2.11 187	1.59 99	1.36 83	1.09 83	6.08 233	1.20 128	0.40 224	0.20 55	0.36 206	0.34 223	0.31 73	0.36 144

OCTAStereo	1.58 105	0.61 86	2.72 103	2.27 370	0.46 52	4.68 356	0.67 65	3.30 120	1.48 40	2.11 187	1.59 99	1.36 83	1.09 83	6.02 230	1.21 132	0.41 234	0.20 55	0.36 206	0.34 223	0.31 73	0.37 158

RE-Stereo	1.58 105	0.61 86	2.72 103	2.26 367	0.46 52	4.68 356	0.68 69	3.31 121	1.48 40	2.11 187	1.59 99	1.36 83	1.09 83	6.01 228	1.22 135	0.41 234	0.20 55	0.36 206	0.34 223	0.31 73	0.37 158

TVStereo	1.58 105	0.61 86	2.72 103	2.26 367	0.46 52	4.68 356	0.68 69	3.31 121	1.48 40	2.11 187	1.59 99	1.36 83	1.09 83	6.01 228	1.22 135	0.41 234	0.20 55	0.36 206	0.34 223	0.31 73	0.37 158

CASS	1.29 75	0.66 119	2.62 99	0.95 95	0.66 130	2.84 58	0.69 74	3.00 95	1.79 144	2.57 289	1.95 204	1.39 87	1.55 183	1.59 68	1.06 101	0.50 292	0.28 198	0.34 180	0.28 148	0.46 237	0.63 292
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
TestStereo1	1.56 102	0.81 203	2.32 83	1.61 321	0.64 122	4.13 252	1.36 266	3.79 181	3.20 345	1.60 67	2.57 303	1.39 87	2.15 266	2.51 149	1.30 149	0.29 76	0.20 55	0.34 180	0.25 87	0.40 174	0.36 144

SA-5K	1.56 102	0.81 203	2.32 83	1.61 321	0.64 122	4.13 252	1.36 266	3.79 181	3.20 345	1.60 67	2.57 303	1.39 87	2.15 266	2.51 149	1.30 149	0.29 76	0.20 55	0.34 180	0.25 87	0.40 174	0.36 144

test_xeample	2.67 267	0.56 40	2.05 54	1.09 157	0.81 158	3.24 88	0.80 126	4.55 366	2.70 288	2.42 273	2.27 260	1.39 87	1.40 139	10.75 328	17.51 395	0.30 110	0.30 215	0.32 133	0.28 148	0.34 127	0.33 120

DN-CSS_ROB	1.91 148	1.55 326	11.13 216	1.82 344	0.88 180	3.99 225	0.61 45	4.01 236	1.67 121	1.64 77	1.89 196	1.39 87	1.06 79	3.23 175	1.50 180	0.31 127	0.19 38	0.44 259	0.29 171	0.37 159	0.31 103

222	2.68 270	0.57 45	2.03 51	1.11 169	0.81 158	3.23 85	0.65 62	4.52 364	2.45 256	2.34 257	2.29 265	1.41 92	1.44 150	10.50 321	18.47 400	0.32 142	0.30 215	0.32 133	0.27 123	0.32 96	0.34 130

PSM-softLoss	1.66 118	0.59 63	5.15 155	2.25 365	0.48 68	4.68 356	0.69 74	2.57 68	1.52 62	2.14 193	1.45 68	1.42 93	0.99 60	6.04 231	1.20 128	0.41 234	0.23 126	0.37 218	0.39 271	0.32 96	0.31 103

KMStereo	1.66 118	0.59 63	5.15 155	2.25 365	0.48 68	4.68 356	0.69 74	2.57 68	1.52 62	2.14 193	1.45 68	1.42 93	0.99 60	6.04 231	1.20 128	0.41 234	0.23 126	0.37 218	0.39 271	0.32 96	0.31 103

LCNet	1.55 98	0.54 29	1.88 39	0.99 114	0.55 94	3.60 148	1.21 252	2.86 88	1.53 67	2.18 209	1.74 136	1.43 95	4.17 347	3.62 183	0.87 60	0.29 76	0.20 55	0.28 65	0.77 352	0.47 239	1.85 373

Selective-RAFT	1.15 39	0.46 3	1.64 24	0.99 114	0.45 46	4.17 271	0.51 21	3.21 111	1.69 127	1.12 40	1.34 59	1.45 96	1.40 139	2.08 117	0.94 83	0.41 234	0.20 55	0.24 16	0.23 57	0.27 23	0.25 26

DisPM	1.36 83	0.55 33	2.39 89	1.54 306	0.51 76	4.59 343	0.79 121	2.50 51	1.88 154	2.50 280	1.83 175	1.45 96	1.01 64	2.71 166	0.93 82	0.46 266	0.20 55	0.32 133	0.31 201	0.31 73	0.44 214

MIPNet	2.33 218	0.71 154	19.82 333	0.89 69	0.56 97	4.76 373	0.61 45	4.32 330	2.37 241	1.83 108	1.48 80	1.48 98	1.98 253	2.63 160	1.44 168	0.29 76	0.20 55	0.26 36	0.23 57	0.30 57	0.39 176

Pruner-Stereo	1.32 81	0.59 63	2.11 67	1.79 342	0.47 62	4.73 368	0.79 121	2.53 54	1.72 132	2.47 277	1.58 96	1.48 98	1.03 66	1.66 83	1.47 175	0.44 256	0.21 80	0.34 180	0.30 185	0.30 57	0.39 176

GMOStereo	1.13 35	0.70 144	2.26 77	0.75 11	0.44 42	3.05 75	0.91 183	2.78 80	1.45 25	2.37 264	1.52 82	1.53 100	1.05 72	1.17 19	0.92 75	0.25 19	0.19 38	0.35 195	0.28 148	0.34 127	0.26 42

error version	1.13 35	0.70 144	2.26 77	0.75 11	0.44 42	3.05 75	0.91 183	2.78 80	1.45 25	2.37 264	1.52 82	1.53 100	1.05 72	1.17 19	0.92 75	0.25 19	0.19 38	0.35 195	0.28 148	0.34 127	0.26 42

test-v	1.13 35	0.70 144	2.26 77	0.75 11	0.44 42	3.05 75	0.91 183	2.78 80	1.45 25	2.37 264	1.52 82	1.53 100	1.05 72	1.17 19	0.92 75	0.25 19	0.19 38	0.35 195	0.28 148	0.34 127	0.26 42

test-2	1.13 35	0.70 144	2.26 77	0.75 11	0.44 42	3.05 75	0.91 183	2.78 80	1.45 25	2.37 264	1.52 82	1.53 100	1.05 72	1.17 19	0.92 75	0.25 19	0.19 38	0.35 195	0.28 148	0.34 127	0.26 42

DeepStereo_RVC	1.55 98	0.63 97	3.32 125	0.77 25	0.42 34	4.49 323	0.72 83	2.50 51	1.58 92	2.02 165	1.81 168	1.54 104	6.38 378	1.73 90	1.19 125	0.46 266	0.22 102	0.29 80	0.28 148	0.35 142	0.38 171

x	1.15 39	0.57 45	1.53 17	1.44 286	0.67 133	1.94 28	0.97 207	3.87 197	1.57 90	1.61 72	1.28 49	1.58 105	1.22 112	1.93 106	1.04 99	0.28 59	0.30 215	0.34 180	0.29 171	0.32 96	0.31 103

HCRNet	1.60 111	0.56 40	2.47 93	0.78 26	1.36 285	4.11 247	0.71 81	3.57 147	2.79 299	1.75 96	1.61 107	1.58 105	1.41 143	5.79 225	1.56 191	0.34 164	0.28 198	0.36 206	0.29 171	0.33 111	0.37 158

DRaft	2.28 206	0.56 40	2.64 101	0.74 10	0.46 52	3.94 209	1.23 253	2.32 40	1.55 80	2.64 302	2.80 319	1.60 107	5.34 364	6.96 251	10.99 369	0.34 164	0.22 102	0.27 51	0.27 123	0.29 42	0.37 158

FADNet_RVC	2.65 263	2.28 356	16.51 275	0.98 109	0.92 190	4.09 242	0.83 138	4.26 310	1.73 134	1.46 56	1.78 150	1.60 107	1.50 168	8.88 278	2.39 281	0.47 274	0.38 273	0.44 259	0.58 331	0.89 336	0.97 340

RAFT-Stereo + iAFF	1.25 61	0.72 157	1.74 31	1.05 143	0.36 5	4.13 252	0.42 8	2.95 91	2.84 313	2.02 165	2.40 286	1.61 109	1.11 91	1.26 32	0.97 87	0.21 1	0.15 2	0.26 36	0.23 57	0.29 42	0.23 14

dad	1.65 116	1.19 282	3.04 116	0.98 109	0.56 97	4.22 283	0.84 141	1.99 25	2.48 260	2.14 193	1.68 120	1.62 110	1.13 94	3.85 188	2.04 253	1.03 362	0.40 286	2.04 382	0.48 306	0.75 322	0.53 262

HITNet	2.07 179	0.82 210	14.77 251	1.34 256	0.56 97	3.47 121	0.80 126	4.07 254	2.35 233	2.16 203	1.61 107	1.64 111	1.44 150	2.09 120	2.56 296	0.26 27	0.18 24	0.41 246	0.26 100	0.45 230	0.25 26
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
FINET	2.96 291	1.07 260	23.18 407	1.29 239	1.86 358	2.03 32	1.52 289	4.30 323	4.71 380	2.23 228	2.34 283	1.65 112	1.48 161	5.89 227	2.81 306	0.51 298	0.47 317	0.49 293	0.40 281	0.59 276	0.49 242

SFCPSM	2.18 189	0.63 97	17.03 284	0.88 66	0.98 206	3.74 170	1.28 258	4.09 260	2.16 202	1.85 109	1.83 175	1.65 112	1.39 138	2.50 146	1.50 180	0.33 153	0.27 190	0.39 233	0.36 245	0.34 127	0.37 158

test_5	1.87 139	0.75 182	10.23 206	1.14 179	1.40 293	3.85 195	1.27 257	3.91 210	1.93 162	1.69 85	1.78 150	1.67 114	1.79 228	2.99 174	1.17 122	0.30 110	0.18 24	0.35 195	0.33 216	0.34 127	0.33 120

SA	1.62 113	0.75 182	3.78 140	1.07 149	0.43 37	4.26 288	1.36 266	4.45 353	3.12 334	1.63 75	1.97 210	1.68 115	2.26 275	2.55 154	1.27 143	0.27 34	0.22 102	0.37 218	0.37 256	0.35 142	0.30 96

IPLGR	2.53 249	0.58 57	20.46 364	0.82 36	0.52 83	4.56 340	0.50 17	4.30 323	2.38 243	1.87 114	1.53 87	1.68 115	1.72 221	6.95 250	1.15 116	0.28 59	0.21 80	0.27 51	0.23 57	0.33 111	0.32 110

GMM-Stereo	2.45 233	0.52 15	20.38 359	0.89 69	0.82 166	4.18 273	1.91 322	2.45 48	1.48 40	2.48 278	2.30 269	1.69 117	1.86 243	2.93 171	1.08 105	0.28 59	0.18 24	0.33 164	0.48 306	0.35 142	2.41 382

GrayStereo	2.58 259	0.53 24	1.63 23	1.58 315	0.89 185	4.17 271	8.17 400	3.03 97	1.52 62	2.80 316	2.50 293	1.70 118	17.10 404	2.83 169	1.15 116	0.33 153	0.21 80	0.27 51	0.32 208	0.28 34	0.53 262

ARAFT	2.56 256	1.13 271	19.50 326	0.89 69	0.48 68	4.15 256	1.40 275	4.36 338	2.82 311	2.36 263	1.88 191	1.70 118	1.04 70	6.45 236	1.22 135	0.29 76	0.18 24	0.37 218	0.35 237	0.35 142	0.25 26

anonymity	1.76 129	1.26 299	2.73 106	1.66 325	1.32 278	1.84 24	1.07 224	3.49 135	2.30 226	2.11 187	2.11 237	1.71 120	3.90 342	1.82 97	1.48 176	1.10 364	1.09 370	1.08 371	1.08 370	1.05 347	1.09 347

Prome-Stereo	1.61 112	0.55 33	1.71 27	0.98 109	0.60 113	4.41 310	1.82 317	3.03 97	1.53 67	2.18 209	3.45 346	1.72 121	3.49 335	2.23 135	1.08 105	0.29 76	0.20 55	0.26 36	0.25 87	0.34 127	2.16 378

DCRE	1.44 90	0.74 173	3.50 131	1.13 178	0.72 142	1.78 21	0.67 65	2.14 32	1.56 84	1.99 147	8.09 378	1.73 122	1.07 81	1.24 30	0.83 46	0.23 7	0.25 171	0.26 36	0.26 100	0.28 34	0.30 96

TRStereo	2.31 213	1.87 342	19.74 331	1.53 304	1.16 244	4.26 288	1.08 227	4.73 376	1.45 25	1.55 63	1.28 49	1.75 123	0.85 37	1.81 95	1.20 128	0.36 186	0.26 182	0.32 133	0.36 245	0.34 127	0.33 120

NRIStereo	1.28 73	0.61 86	1.67 25	1.15 192	0.38 25	4.73 368	0.90 175	2.42 44	1.50 51	1.93 132	1.33 54	1.75 123	1.22 112	2.96 173	1.33 156	0.46 266	0.22 102	0.29 80	0.26 100	0.30 57	0.28 67

PS-NSSS	2.22 191	1.33 309	2.90 111	0.97 106	1.53 312	4.11 247	1.08 227	4.55 366	2.65 282	2.10 183	2.32 281	1.77 125	1.40 139	11.79 370	1.61 200	0.68 335	0.45 306	0.96 365	0.43 291	0.95 340	0.92 337

Patchmatch Stereo++	1.25 61	0.65 109	2.06 63	0.75 11	0.37 17	4.68 356	0.76 104	2.53 54	1.58 92	1.99 147	1.47 74	1.78 126	1.14 100	2.44 141	0.90 66	0.48 279	0.23 126	0.32 133	0.27 123	0.40 174	0.29 74
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	1.24 58	0.65 109	2.03 51	0.75 11	0.37 17	4.68 356	0.73 87	2.53 54	1.58 92	1.99 147	1.47 74	1.78 126	1.13 94	2.18 129	0.87 60	0.48 279	0.23 126	0.32 133	0.27 123	0.40 174	0.29 74

ROB_FTStereo_v2	1.23 53	0.66 119	2.02 50	0.75 11	0.37 17	4.67 355	0.76 104	2.53 54	1.58 92	1.99 147	1.46 70	1.78 126	1.14 100	2.08 117	0.88 62	0.48 279	0.22 102	0.32 133	0.27 123	0.40 174	0.29 74

ROB_FTStereo	1.25 61	0.66 119	2.14 68	0.75 11	0.37 17	4.65 352	0.77 114	2.53 54	1.58 92	1.99 147	1.47 74	1.78 126	1.13 94	2.26 137	0.86 55	0.47 274	0.22 102	0.32 133	0.27 123	0.40 174	0.29 74

iGMRVC	1.26 68	0.66 119	2.14 68	0.75 11	0.37 17	4.66 353	0.74 96	2.53 54	1.58 92	1.99 147	1.46 70	1.78 126	1.14 100	2.46 143	0.92 75	0.48 279	0.23 126	0.32 133	0.27 123	0.40 174	0.29 74

iRAFT	1.25 61	0.65 109	2.06 63	0.75 11	0.37 17	4.68 356	0.76 104	2.53 54	1.58 92	1.99 147	1.47 74	1.78 126	1.14 100	2.44 141	0.90 66	0.48 279	0.23 126	0.32 133	0.27 123	0.40 174	0.29 74

RAFT-IKP	1.25 61	0.66 119	2.23 76	0.75 11	0.37 17	4.64 350	0.74 96	2.53 54	1.58 92	1.99 147	1.47 74	1.78 126	1.13 94	2.22 134	0.92 75	0.48 279	0.22 102	0.32 133	0.27 123	0.40 174	0.29 74

xx1	2.03 171	0.74 173	13.77 235	1.78 337	0.36 5	4.48 318	0.74 96	4.23 295	3.95 373	1.01 30	1.81 168	1.79 133	1.34 131	2.13 122	0.64 4	0.29 76	0.17 9	0.33 164	0.33 216	0.33 111	0.32 110

qqq	1.30 76	0.57 45	1.67 25	1.15 192	0.51 76	2.18 43	0.91 183	3.98 229	1.53 67	1.50 59	1.24 37	1.79 133	1.34 131	4.66 203	0.98 89	0.28 59	0.31 223	0.33 164	0.33 216	0.33 111	0.32 110

HUI-Stereo	1.25 61	0.66 119	2.33 85	0.75 11	0.37 17	4.68 356	0.78 116	2.53 54	1.58 92	1.99 147	1.46 70	1.79 133	1.13 94	2.17 128	0.85 51	0.48 279	0.23 126	0.32 133	0.27 123	0.40 174	0.29 74

gwcnet-sp	2.31 213	1.21 285	17.34 286	1.08 153	0.92 190	3.56 141	1.04 218	3.69 164	2.09 187	2.55 285	1.60 103	1.80 136	1.62 193	3.87 189	1.95 243	0.29 76	0.29 206	0.30 99	0.28 148	0.38 163	0.39 176

scenet	2.31 213	1.21 285	17.34 286	1.08 153	0.92 190	3.56 141	1.04 218	3.69 164	2.09 187	2.55 285	1.60 103	1.80 136	1.62 193	3.87 189	1.95 243	0.29 76	0.29 206	0.30 99	0.28 148	0.38 163	0.39 176

ssnet	2.31 213	1.21 285	17.34 286	1.08 153	0.92 190	3.56 141	1.04 218	3.69 164	2.09 187	2.55 285	1.60 103	1.80 136	1.62 193	3.87 189	1.95 243	0.29 76	0.29 206	0.30 99	0.28 148	0.38 163	0.39 176

iRaftStereo_RVC	1.09 33	0.70 144	1.39 11	0.95 95	0.45 46	3.83 184	0.42 8	2.37 42	1.58 92	1.69 85	1.76 143	1.80 136	0.83 36	1.50 57	0.98 89	0.28 59	0.18 24	0.29 80	0.26 100	0.30 57	0.31 103

MIM_Stereo	1.20 47	0.78 193	3.30 124	1.05 143	0.43 37	3.04 73	0.60 42	2.46 49	1.51 55	1.60 67	1.58 96	1.82 140	1.29 124	2.00 110	1.07 103	0.24 10	0.24 154	0.28 65	0.25 87	0.27 23	0.27 54

LL-Strereo2	1.23 53	0.85 221	2.38 88	0.93 92	0.68 138	3.72 167	1.37 270	2.54 63	1.99 169	1.75 96	1.40 66	1.82 140	0.73 20	1.40 45	0.99 94	0.31 127	0.23 126	0.55 315	0.35 237	0.29 42	0.24 20

Consistency-Raft	2.86 279	1.66 333	19.61 327	1.40 280	1.75 348	3.84 189	1.32 261	4.07 254	2.25 215	1.78 100	2.67 309	1.82 140	4.41 351	1.94 108	2.06 256	0.83 352	0.94 367	1.03 367	1.12 371	1.70 375	1.09 347

anonymousdsp2	1.26 68	0.60 72	3.74 139	1.02 134	0.41 31	3.60 148	0.72 83	3.68 159	1.47 35	1.37 49	1.56 93	1.83 143	1.01 64	2.00 110	0.66 10	0.29 76	0.20 55	0.28 65	0.20 22	0.32 96	0.29 74

PFNet	2.47 238	0.60 72	16.95 283	2.15 364	0.81 158	4.63 349	0.91 183	2.55 64	1.52 62	2.40 271	2.79 317	1.83 143	1.42 146	7.54 259	1.34 158	0.33 153	0.21 80	0.36 206	0.27 123	0.32 96	0.39 176

test-1	1.23 53	0.65 109	1.88 39	0.96 99	0.52 83	3.84 189	0.62 54	4.01 236	1.47 35	1.93 132	1.78 150	1.83 143	0.92 48	1.19 24	1.28 146	0.26 27	0.29 206	0.31 118	0.24 78	0.29 42	0.36 144

Sa-1000	1.63 115	0.79 196	3.56 132	1.11 169	0.48 68	4.06 235	1.41 278	4.49 359	2.75 294	2.00 159	2.80 319	1.84 146	1.43 148	2.64 162	1.50 180	0.27 34	0.19 38	0.36 206	0.33 216	0.36 153	0.30 96

test_4	1.30 76	0.50 8	6.16 165	0.84 49	0.45 46	1.61 18	1.12 234	2.14 32	1.42 22	1.52 60	2.31 276	1.84 146	0.79 32	2.52 153	1.19 125	0.27 34	0.17 9	0.29 80	0.29 171	0.29 42	0.25 26

StereoVision	1.65 116	0.75 182	7.47 175	1.01 125	1.80 356	2.61 55	0.61 45	3.06 101	1.96 164	1.25 43	3.46 347	1.85 148	0.88 41	2.07 115	1.93 239	0.43 249	0.36 255	0.37 218	0.36 245	0.48 242	0.33 120

FADNet-RVC	2.51 245	2.27 354	14.03 243	1.09 157	0.81 158	3.54 138	1.10 231	4.13 269	2.48 260	1.39 51	1.22 34	1.85 148	1.77 225	9.78 299	2.06 256	0.38 207	0.37 267	0.40 239	0.40 281	0.67 305	0.48 238

CRE-IMP	1.23 53	0.61 86	2.14 68	0.82 36	0.39 26	4.54 332	0.83 138	2.63 73	1.55 80	1.95 136	1.46 70	1.87 150	0.96 54	1.48 56	1.33 156	0.45 262	0.21 80	0.31 118	0.26 100	0.41 195	0.31 103

HBP-ISP	3.25 322	1.10 266	20.86 373	1.54 306	1.15 240	4.50 326	2.89 358	4.43 349	2.38 243	4.14 366	1.96 205	1.90 151	2.04 256	11.08 344	1.32 152	0.66 330	0.57 333	0.66 341	0.61 337	0.64 294	0.61 287

FTStereo	3.71 339	0.53 24	20.37 358	0.96 99	0.65 127	4.34 300	11.29 403	2.62 72	1.50 51	2.58 291	5.04 366	1.90 151	13.84 402	3.71 186	1.25 139	0.38 207	0.24 154	0.31 118	0.32 208	0.30 57	2.10 377

MSKI-zero shot	2.22 191	0.64 102	20.09 346	0.96 99	0.56 97	4.04 232	0.70 79	3.91 210	1.50 51	1.92 128	2.28 263	1.92 153	0.71 15	2.93 171	0.67 12	0.26 27	0.23 126	0.26 36	0.21 28	0.28 34	0.26 42

4D-IteraStereo	1.97 160	0.84 217	20.43 363	0.78 26	1.56 320	2.09 39	1.05 221	2.43 46	1.56 84	1.41 53	1.00 8	1.94 154	0.61 5	1.22 28	1.06 101	0.27 34	0.18 24	0.31 118	0.26 100	0.27 23	0.23 14

ASMatch	2.62 260	0.60 72	20.65 370	1.37 274	0.64 122	4.39 305	0.78 116	1.97 24	1.58 92	1.70 87	3.89 356	1.94 154	3.79 339	5.46 216	1.64 206	0.31 127	0.24 154	0.34 180	0.28 148	0.33 111	0.50 249

SMFormer	2.00 166	0.57 45	4.46 144	1.36 266	0.57 106	2.03 32	0.73 87	4.25 303	2.80 303	2.32 250	2.31 276	1.95 156	1.52 173	10.99 339	2.13 265	0.34 164	0.32 229	0.36 206	0.31 201	0.38 163	0.36 144

tta	2.00 166	0.57 45	4.46 144	1.36 266	0.57 106	2.03 32	0.73 87	4.25 303	2.80 303	2.32 250	2.31 276	1.95 156	1.52 173	10.99 339	2.13 265	0.34 164	0.32 229	0.36 206	0.31 201	0.29 42	0.29 74

qqq1	1.92 151	0.57 45	4.46 144	1.36 266	0.57 106	2.03 32	0.73 87	4.25 303	2.80 303	2.32 250	2.31 276	1.95 156	1.52 173	10.99 339	0.71 25	0.34 164	0.32 229	0.30 99	0.23 57	0.29 42	0.29 74

fff1	1.92 151	0.57 45	4.46 144	1.36 266	0.57 106	2.03 32	0.73 87	4.25 303	2.80 303	2.32 250	2.31 276	1.95 156	1.52 173	10.99 339	0.71 25	0.34 164	0.32 229	0.30 99	0.23 57	0.29 42	0.29 74

1111x	3.13 313	0.57 45	8.38 182	1.20 208	0.76 151	3.80 180	0.88 169	4.61 371	2.63 280	2.31 246	2.16 245	1.95 156	1.81 236	11.54 353	18.13 398	0.32 142	0.31 223	0.32 133	0.30 185	0.35 142	0.34 130

AASNet	2.44 232	0.92 232	19.79 332	1.35 260	1.49 307	3.81 182	1.07 224	3.85 192	2.93 319	1.95 136	2.29 265	1.96 161	1.29 124	1.73 90	1.93 239	0.39 218	0.33 235	0.45 265	0.30 185	0.55 263	0.45 219

CrosDoStereo	5.24 370	0.60 72	20.23 350	0.82 36	0.51 76	3.39 108	18.11 411	3.82 185	2.27 220	1.98 142	8.74 383	1.96 161	6.96 382	7.35 255	26.35 413	0.30 110	0.22 102	0.30 99	0.28 148	0.33 111	0.38 171

DeepStereo_LL	5.24 370	0.60 72	20.23 350	0.82 36	0.51 76	3.39 108	18.11 411	3.82 185	2.27 220	1.98 142	8.74 383	1.96 161	6.96 382	7.35 255	26.35 413	0.30 110	0.22 102	0.30 99	0.28 148	0.33 111	0.38 171

RAFT-345	2.46 235	0.55 33	19.69 330	1.02 134	0.49 72	4.43 314	0.78 116	1.64 12	2.34 231	2.09 180	3.12 335	1.96 161	1.31 127	6.65 241	1.43 166	0.36 186	0.23 126	0.32 133	0.25 87	0.28 34	0.25 26

EKT-Stereo	6.79 389	0.64 102	4.24 142	1.77 336	106.39 432	4.51 330	0.61 45	3.16 106	1.53 67	1.88 116	1.22 34	1.98 165	1.36 134	3.81 187	0.84 48	0.35 181	0.24 154	0.29 80	0.26 100	0.34 127	0.48 238

iResNet_ROB	1.89 144	1.02 250	8.60 185	1.39 278	0.98 206	3.72 167	0.66 64	3.84 189	2.65 282	1.88 116	2.05 225	1.98 165	1.27 119	4.52 201	1.67 210	0.30 110	0.20 55	0.28 65	0.18 9	0.31 73	0.40 193

CC-Net-ROB	3.35 327	1.76 339	13.89 241	2.33 373	1.65 336	4.49 323	1.62 300	4.73 376	2.90 316	1.92 128	2.05 225	1.99 167	1.61 190	12.57 388	1.60 197	2.46 383	2.18 390	2.68 393	1.04 369	2.11 378	1.38 361

KYRaft	1.59 110	0.52 15	1.73 28	0.95 95	0.49 72	4.38 303	1.79 313	2.43 46	1.51 55	2.49 279	2.98 327	2.00 168	3.41 331	2.14 125	0.82 43	0.30 110	0.21 80	0.33 164	0.46 299	0.35 142	2.45 384

DMCA-RVC	2.45 233	1.22 291	18.29 302	1.23 220	1.14 238	2.49 50	0.85 147	3.29 119	1.68 122	3.02 330	1.41 67	2.00 168	1.53 180	6.39 235	2.00 249	0.38 207	0.30 215	0.44 259	0.35 237	0.45 230	0.44 214

MLCV	1.87 139	0.91 230	8.59 184	1.10 165	0.57 106	3.59 146	0.53 23	3.70 168	2.20 208	2.80 316	2.25 259	2.00 168	1.42 146	4.13 197	1.86 233	0.30 110	0.20 55	0.32 133	0.21 28	0.33 111	0.36 144

iResNetv2_ROB	2.65 263	5.00 378	19.28 322	2.06 361	1.09 233	3.83 184	1.13 237	4.14 275	2.09 187	1.85 109	2.03 217	2.01 171	1.51 171	3.58 181	1.58 193	0.34 164	0.21 80	0.32 133	0.21 28	0.44 223	0.29 74

test_3	1.19 42	0.51 10	2.08 66	0.99 114	0.41 31	2.05 37	0.87 165	4.40 344	1.42 22	1.99 147	1.18 30	2.03 172	0.79 32	2.70 165	0.75 32	0.27 34	0.17 9	0.29 80	0.29 171	0.30 57	0.27 54

DEmStereo	2.97 295	0.58 57	13.42 230	0.79 28	0.51 76	3.84 189	1.84 320	2.42 44	1.60 107	2.25 232	2.74 313	2.03 172	6.04 371	6.79 249	12.80 375	0.35 181	0.26 182	0.26 36	0.27 123	0.27 23	0.37 158

RAFT-RH_RVC	2.63 261	0.55 33	19.97 339	1.26 230	0.47 62	4.46 316	0.57 30	1.71 13	1.64 117	3.06 334	5.51 368	2.03 172	1.28 122	6.70 243	1.52 187	0.42 244	0.22 102	0.37 218	0.34 223	0.28 34	0.29 74

FADNet-RVC-Resample	2.83 277	2.02 349	21.07 379	1.12 171	0.91 189	3.53 134	1.37 270	4.08 258	2.09 187	1.68 84	1.33 54	2.03 172	1.51 171	9.54 294	1.69 212	0.38 207	0.37 267	0.42 252	0.44 293	0.56 269	0.56 273

CoDeX	2.40 228	0.78 193	13.21 227	1.00 121	1.18 245	3.24 88	1.32 261	4.14 275	2.41 248	1.74 94	1.84 180	2.05 176	1.47 159	10.03 310	1.60 197	0.34 164	0.28 198	0.32 133	0.27 123	0.32 96	0.39 176

xxxx	2.67 267	0.54 29	2.03 51	1.22 216	0.81 158	3.49 125	0.63 55	4.49 359	2.49 264	2.22 224	2.23 256	2.05 176	1.38 135	10.05 311	17.91 396	0.32 142	0.32 229	0.30 99	0.27 123	0.33 111	0.34 130

test-3	1.19 42	0.52 15	2.00 48	1.01 125	0.42 34	1.95 29	0.91 183	4.35 336	1.47 35	2.24 230	1.16 28	2.06 178	0.79 32	2.68 163	0.76 34	0.27 34	0.18 24	0.28 65	0.26 100	0.26 17	0.25 26

test_1	1.19 42	0.52 15	2.00 48	1.01 125	0.42 34	1.95 29	0.90 175	4.36 338	1.47 35	2.17 207	1.16 28	2.06 178	0.78 30	2.68 163	0.76 34	0.27 34	0.18 24	0.28 65	0.26 100	0.26 17	0.25 26

TDLM	2.29 209	1.08 262	4.61 150	1.29 239	1.01 217	4.26 288	2.17 336	3.75 173	2.79 299	2.31 246	1.98 211	2.06 178	1.59 185	12.45 385	1.72 215	0.51 298	0.28 198	0.52 305	0.35 237	0.56 269	0.50 249

ToySt	1.35 82	0.72 157	3.65 138	1.01 125	0.50 75	3.31 102	1.01 212	3.46 131	1.73 134	1.30 44	1.55 90	2.07 181	1.47 159	1.88 103	1.40 162	0.27 34	0.27 190	0.30 99	0.32 208	0.42 210	0.39 176

IRAFT_RVC	1.87 139	0.60 72	4.33 143	2.40 374	0.66 130	4.59 343	1.59 298	2.96 92	1.51 55	2.23 228	1.75 140	2.09 182	2.63 297	6.70 243	1.50 180	0.33 153	0.21 80	0.33 164	0.29 171	0.32 96	0.32 110

GANet-ADL	2.20 190	0.73 165	20.11 347	1.25 224	0.69 140	3.83 184	0.76 104	3.49 135	1.71 131	1.65 80	1.99 213	2.10 183	1.10 87	1.42 49	1.26 142	0.38 207	0.33 235	0.25 26	0.22 49	0.42 210	0.36 144

BEATNet_4x	1.92 151	1.36 311	8.75 187	1.20 208	0.56 97	3.46 119	1.03 216	4.00 235	2.43 252	2.25 232	1.70 125	2.10 183	1.59 185	2.57 157	3.05 313	0.37 193	0.22 102	0.47 272	0.29 171	0.60 280	0.40 193

AFF-stereo	1.31 79	0.77 188	1.46 14	1.10 165	0.45 46	3.93 207	0.48 15	2.92 90	2.92 318	1.90 122	2.21 254	2.11 185	1.52 173	1.93 106	1.12 113	0.21 1	0.16 4	0.25 26	0.25 87	0.29 42	0.20 6

MMNet	2.02 170	0.81 203	10.76 212	1.12 171	1.23 261	3.53 134	0.89 171	3.79 181	2.08 184	2.15 198	1.76 143	2.15 186	2.12 263	3.69 185	2.32 278	0.31 127	0.29 206	0.34 180	0.27 123	0.38 163	0.42 201

raft_robust	1.92 151	1.15 275	3.34 127	1.02 134	0.43 37	3.84 189	0.46 12	4.42 346	2.52 269	1.67 83	1.36 62	2.17 187	6.37 377	6.78 247	1.04 99	0.28 59	0.24 154	0.30 99	0.35 237	0.31 73	0.32 110

iRaft-Stereo_5w	2.10 182	0.83 213	8.57 183	0.81 29	0.76 151	3.21 82	0.84 141	3.71 169	1.65 118	1.56 65	2.50 293	2.20 188	2.23 274	9.13 285	2.01 251	0.38 207	0.19 38	0.35 195	0.27 123	0.45 230	0.39 176

RAFT + AFF	2.51 245	2.66 364	4.48 148	1.15 192	1.95 363	4.15 256	2.01 328	4.46 354	3.30 354	2.19 213	2.51 295	2.22 189	4.87 358	8.91 280	2.06 256	0.30 110	0.60 342	0.48 280	0.38 267	0.77 324	0.69 303

MFMNet_re	2.91 285	1.91 343	18.25 301	3.06 384	1.89 360	3.13 80	1.67 308	3.52 141	2.97 321	3.14 338	2.87 324	2.26 190	2.41 284	2.42 140	2.00 249	1.10 364	1.05 369	0.94 364	0.90 361	1.28 366	1.46 365

CFNet	2.34 220	1.10 266	8.96 188	1.34 256	1.24 263	4.09 242	0.73 87	4.04 246	2.77 296	1.62 74	1.87 190	2.27 191	1.45 154	11.41 349	1.82 228	0.31 127	0.24 154	0.43 256	0.36 245	0.43 218	0.33 120

MyStereo8	2.33 218	1.13 271	19.26 320	1.22 216	1.62 329	4.16 266	0.57 30	3.50 137	2.36 235	2.15 198	1.75 140	2.28 192	1.14 100	1.46 55	2.20 270	0.24 10	0.21 80	0.32 133	0.27 123	0.36 153	0.43 209

MyStereo05	2.37 226	0.72 157	19.94 337	1.02 134	0.99 209	4.26 288	0.86 149	4.01 236	2.62 279	2.14 193	1.26 42	2.28 192	1.63 205	2.07 115	1.68 211	0.24 10	0.23 126	0.34 180	0.26 100	0.42 210	0.36 144

Wz-Net-LNSev-Ref	2.42 230	1.47 321	14.14 245	1.30 244	1.35 283	3.51 130	1.64 303	4.04 246	2.10 195	2.46 275	1.88 191	2.28 192	2.51 291	4.73 206	3.17 315	0.38 207	0.19 38	0.35 195	0.20 22	0.40 174	0.36 144

IER	1.69 120	0.65 109	7.19 173	0.94 94	1.15 240	3.28 97	0.89 171	3.48 132	1.97 166	2.10 183	1.98 211	2.28 192	2.12 263	2.25 136	1.75 222	0.29 76	0.23 126	0.36 206	0.30 185	0.32 96	0.34 130

AACVNet	1.83 136	1.02 250	2.41 90	1.45 289	0.87 177	3.21 82	0.73 87	3.16 106	1.61 110	2.01 161	1.82 174	2.28 192	1.33 130	10.98 338	1.49 179	0.39 218	0.32 229	0.38 230	0.32 208	0.43 218	0.44 214

Wz-Net-MNSev	2.71 273	2.54 362	13.91 242	1.52 301	1.37 286	3.28 97	2.47 343	4.03 242	2.32 229	2.57 289	2.07 231	2.29 197	3.01 312	7.55 260	2.74 302	0.38 207	0.36 255	0.36 206	0.37 256	0.57 273	0.47 234

111	1.83 136	0.92 232	9.08 189	0.81 29	0.36 5	4.25 287	0.91 183	4.44 350	2.70 288	2.39 269	1.96 205	2.30 198	1.64 208	1.28 36	1.82 228	0.28 59	0.22 102	0.24 16	0.20 22	0.31 73	0.54 268

MyStereo04	2.29 209	0.80 199	18.77 312	1.00 121	1.04 222	3.95 214	0.95 200	3.91 210	2.54 272	1.99 147	1.27 48	2.31 199	1.65 210	2.02 114	1.77 223	0.24 10	0.24 154	0.34 180	0.26 100	0.41 195	0.37 158

XPNet_ROB	2.27 201	1.11 269	4.10 141	1.36 266	0.97 202	3.94 209	1.63 301	4.07 254	2.14 199	2.82 318	2.00 214	2.32 200	1.73 223	10.81 331	3.39 317	0.51 298	0.47 317	0.48 280	0.40 281	0.51 249	0.56 273

GEStereo_RVC	1.91 148	0.80 199	6.57 166	1.20 208	1.06 226	4.02 230	1.43 282	4.13 269	1.89 158	2.03 169	1.80 156	2.34 201	1.86 243	4.94 207	1.77 223	0.48 279	0.38 273	0.32 133	0.28 148	0.42 210	0.50 249

GANet-RSSM	1.98 162	0.62 93	3.49 129	1.69 328	1.23 261	4.22 283	0.91 183	3.31 121	1.86 152	1.81 105	1.74 136	2.34 201	1.82 238	10.92 336	1.73 219	0.34 164	0.29 206	0.31 118	0.28 148	0.39 171	0.40 193

DMCA	1.72 122	0.74 173	6.63 167	1.14 179	0.96 199	3.98 224	0.90 175	3.75 173	2.76 295	2.83 319	1.58 96	2.35 203	1.18 106	1.58 65	1.98 248	0.40 224	0.27 190	0.42 252	0.26 100	0.36 153	0.38 171

ETE_ROB	2.07 179	1.40 316	3.01 115	1.09 157	0.92 190	3.94 209	1.53 291	4.25 303	2.23 211	3.31 345	2.06 229	2.35 203	1.52 173	8.74 276	2.07 259	0.44 256	0.36 255	0.51 299	0.48 306	0.54 261	0.62 289

Any-RAFT	1.40 87	0.53 24	2.78 107	1.09 157	0.64 122	4.41 310	0.81 131	3.97 227	2.78 297	1.99 147	1.34 59	2.36 205	1.56 184	1.56 64	0.75 32	0.27 34	0.20 55	0.25 26	0.18 9	0.25 11	0.28 67

UCFNet_RVC	1.57 104	0.84 217	3.25 121	1.36 266	1.40 293	4.07 240	1.01 212	2.68 75	1.50 51	2.11 187	1.88 191	2.37 206	1.50 168	3.41 178	1.42 165	0.36 186	0.28 198	0.52 305	0.40 281	0.53 258	0.43 209

CSP-Net	1.78 132	1.32 306	1.92 43	1.16 197	1.03 219	3.38 107	1.31 260	3.52 141	1.75 141	1.96 139	1.93 203	2.40 207	1.48 161	8.58 274	1.58 193	0.46 266	0.34 247	0.27 51	0.26 100	0.41 195	0.50 249

ADCRef	3.30 323	1.23 295	14.90 255	1.17 198	1.41 299	3.95 214	1.64 303	3.88 200	2.36 235	3.05 333	2.21 254	2.40 207	2.81 304	5.04 208	16.63 390	0.46 266	0.34 247	0.63 335	0.62 338	0.54 261	0.67 299

AAGNet	2.86 279	0.60 72	1.77 33	2.05 360	0.46 52	4.76 373	1.09 229	2.27 38	1.56 84	2.17 207	1.84 180	2.41 209	4.00 343	6.23 234	24.22 411	0.46 266	0.19 38	0.30 99	0.29 171	0.32 96	0.24 20

UPFNet	1.81 135	0.63 97	6.71 168	1.25 224	1.44 301	3.50 128	1.35 264	4.02 240	1.85 151	2.40 271	1.52 82	2.41 209	1.40 139	3.62 183	1.88 235	0.34 164	0.33 235	0.37 218	0.31 201	0.41 195	0.39 176

NCCL2	2.53 249	1.35 310	10.90 214	1.15 192	0.97 202	3.53 134	2.56 348	3.65 154	2.23 211	2.76 312	1.80 156	2.41 209	1.66 212	10.35 317	2.07 259	0.44 256	0.40 286	0.57 319	0.53 322	0.59 276	0.65 296

GMStereo_Zeroshot	1.41 89	1.21 285	3.33 126	1.29 239	0.72 142	3.35 105	0.53 23	2.58 70	1.68 122	2.35 258	1.56 93	2.42 212	0.96 54	2.50 146	1.16 119	0.45 262	0.23 126	0.40 239	0.24 78	0.79 328	0.33 120

SST-Stereo	1.76 129	0.58 57	3.10 117	1.44 286	0.46 52	4.71 367	0.76 104	2.22 36	2.79 299	2.07 179	2.18 248	2.43 213	3.22 324	6.66 242	0.84 48	0.42 244	0.19 38	0.30 99	0.27 123	0.35 142	0.26 42

FENet	2.25 197	0.50 8	20.29 356	1.35 260	0.67 133	4.01 228	0.60 42	3.95 221	1.99 169	1.96 139	1.11 24	2.43 213	1.43 148	1.60 70	1.39 161	0.32 142	0.22 102	0.33 164	0.26 100	0.29 42	0.39 176

psm_up	2.28 206	0.81 203	5.45 162	1.26 230	1.50 309	3.84 189	1.23 253	4.23 295	2.03 176	2.55 285	1.80 156	2.44 215	1.65 210	12.90 389	1.58 193	0.37 193	0.38 273	0.41 246	0.34 223	0.43 218	0.39 176

ttt	2.76 274	0.56 40	2.28 81	1.41 281	1.21 260	3.67 161	0.77 114	4.59 369	2.94 320	2.35 258	2.30 269	2.45 216	1.54 181	11.25 346	15.56 382	0.43 249	0.36 255	0.37 218	0.33 216	0.40 174	0.40 193

DAS	2.31 213	0.67 127	4.79 151	1.14 179	1.64 333	2.93 66	2.13 334	4.09 260	2.74 292	4.17 367	2.52 296	2.46 217	1.79 228	11.55 354	1.63 204	0.37 193	0.22 102	0.39 233	0.25 87	0.41 195	0.34 130

SepStereo	2.15 186	0.67 127	4.79 151	1.14 179	1.64 333	2.93 66	2.13 334	4.09 260	2.74 292	4.17 367	2.52 296	2.46 217	1.79 228	8.36 269	1.63 204	0.37 193	0.22 102	0.39 233	0.25 87	0.41 195	0.34 130

GANetREF_RVC	3.20 319	1.93 344	18.84 313	1.51 300	0.80 156	4.12 249	1.82 317	4.16 279	2.91 317	1.87 114	1.74 136	2.48 219	1.84 240	13.18 390	1.74 220	0.80 347	0.57 333	0.79 356	0.74 348	1.20 364	0.86 331
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
AdaStereo	1.45 92	0.83 213	2.34 86	1.28 236	0.81 158	3.21 82	1.14 239	4.20 283	2.46 259	2.05 173	1.77 148	2.48 219	1.18 106	1.71 88	1.44 168	0.43 249	0.25 171	0.43 256	0.28 148	0.44 223	0.34 130
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.
STTStereo	2.34 220	0.95 239	14.93 257	1.43 284	1.54 313	3.86 197	0.86 149	3.65 154	2.44 255	2.15 198	1.55 90	2.49 221	1.59 185	5.14 210	1.44 168	0.38 207	0.39 281	0.47 272	0.51 315	0.52 252	0.51 255

RAFT_CTSACE	1.80 134	1.06 259	10.00 202	1.71 330	1.39 291	3.49 125	1.06 222	3.05 99	1.62 113	1.70 87	2.04 220	2.51 222	1.80 233	1.98 109	0.94 83	0.25 19	0.22 102	0.28 65	0.30 185	0.30 57	0.26 42

FADNet	2.49 242	1.76 339	13.17 226	1.17 198	0.95 198	3.27 94	0.88 169	3.94 219	2.27 220	1.40 52	1.29 51	2.51 222	2.06 258	9.93 305	1.94 241	0.43 249	0.45 306	0.40 239	0.43 291	1.06 348	0.53 262

HSM-Net_RVC	2.87 282	0.57 45	17.46 293	0.92 81	0.90 188	3.70 164	1.20 249	5.64 394	2.51 268	3.22 343	2.43 287	2.54 224	1.59 185	11.41 349	1.65 208	0.34 164	0.25 171	0.26 36	0.23 57	0.30 57	0.29 74
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
GwcNet-ADL	2.47 238	0.67 127	21.48 392	0.96 99	0.72 142	4.61 346	0.95 200	4.42 346	2.36 235	1.98 142	1.80 156	2.55 225	1.24 117	1.90 104	1.41 163	0.40 224	0.46 313	0.24 16	0.27 123	0.41 195	0.49 242

SACVNet	2.46 235	1.14 274	9.47 196	1.44 286	1.18 245	4.06 235	1.49 288	3.84 189	2.24 213	2.62 298	1.89 196	2.57 226	1.28 122	11.35 348	1.64 206	0.50 292	0.39 281	0.48 280	0.41 285	0.55 263	0.75 316

CFNet-RSSM	2.08 181	0.52 15	20.06 342	1.01 125	0.56 97	3.39 108	0.64 56	3.67 158	1.55 80	1.72 91	1.37 63	2.57 226	1.19 110	1.11 10	0.86 55	0.27 34	0.20 55	0.25 26	0.23 57	0.27 23	0.23 14

Anonymous Stereo	3.09 308	3.14 367	16.69 278	1.52 301	1.25 266	3.33 103	2.95 359	4.02 240	2.42 251	2.35 258	2.04 220	2.57 226	1.27 119	11.88 374	2.92 308	0.49 289	0.49 324	0.57 319	0.56 327	0.70 311	0.65 296

DRN-Test	3.03 303	0.99 247	18.18 300	1.35 260	1.60 326	3.59 146	1.48 284	4.13 269	2.45 256	3.47 352	1.92 202	2.58 229	2.53 292	10.88 333	2.80 305	0.39 218	0.36 255	0.44 259	0.41 285	0.55 263	0.57 277

BSDual-CNN	1.46 93	0.59 63	1.94 44	0.87 62	0.85 171	4.16 266	1.16 241	4.48 356	1.88 154	2.93 323	1.83 175	2.60 230	1.31 127	1.60 70	1.21 132	0.34 164	0.25 171	0.31 118	0.28 148	0.35 142	0.33 120

psmg	1.47 96	0.59 63	1.94 44	0.92 81	0.85 171	4.30 297	1.42 280	4.10 267	1.88 154	2.64 302	2.09 232	2.60 230	1.31 127	1.60 70	1.21 132	0.34 164	0.27 190	0.33 164	0.34 223	0.36 153	0.34 130

PSMNet-RSSM	1.96 158	0.77 188	3.26 122	1.29 239	1.31 274	4.19 277	0.96 205	3.68 159	1.89 158	2.05 173	1.80 156	2.60 230	1.70 217	9.84 300	1.81 227	0.35 181	0.29 206	0.35 195	0.37 256	0.42 210	0.35 141

CVANet_RVC	2.55 255	1.10 266	9.13 194	1.46 291	1.15 240	3.96 219	1.53 291	3.91 210	2.50 265	3.04 331	2.04 220	2.60 230	1.72 221	12.46 386	1.50 180	0.49 289	0.30 215	0.51 299	0.41 285	0.63 288	0.50 249

delet	1.92 151	0.76 185	5.14 154	1.01 125	1.65 336	3.44 114	2.03 329	3.76 175	2.48 260	2.01 161	2.05 225	2.63 234	1.90 248	5.34 213	2.12 262	0.28 59	0.29 206	0.40 239	0.31 201	0.41 195	0.45 219

STTRV1_RVC	3.52 331	1.03 255	20.87 374	1.47 294	1.47 305	3.23 85	1.55 295	4.06 252	3.22 347	1.95 136	3.50 348	2.63 234	2.07 260	11.96 378	2.21 271	1.86 379	4.03 411	0.81 359	0.73 347	1.06 348	0.70 304

THIR-Stereo	4.14 352	0.82 210	10.85 213	0.86 59	0.43 37	2.16 42	16.77 409	3.22 113	1.54 74	2.04 172	12.05 399	2.68 236	7.53 387	7.30 253	12.62 374	0.30 110	0.21 80	0.29 80	0.28 148	0.33 111	0.41 198

SQANet	3.70 337	9.34 400	18.41 306	2.75 378	2.74 381	3.40 111	1.47 283	3.50 137	1.68 122	2.60 295	1.75 140	2.69 237	1.91 249	6.72 246	1.74 220	2.96 386	1.41 380	1.85 381	1.12 371	3.17 383	2.70 389

fast-acv-ft	2.54 251	1.19 282	20.08 345	1.41 281	1.40 293	3.18 81	1.17 244	3.37 128	2.28 223	1.90 122	2.15 244	2.69 237	2.17 270	2.91 170	2.31 277	0.37 193	0.39 281	0.45 265	0.39 271	0.57 273	0.45 219

RAFT_R40	1.70 121	0.59 63	2.99 113	1.46 291	0.46 52	4.74 371	0.98 210	2.23 37	1.56 84	2.02 165	2.35 284	2.71 239	2.56 294	6.71 245	0.90 66	0.40 224	0.19 38	0.30 99	0.27 123	0.33 111	0.26 42

PWC_ROB	2.69 271	2.01 348	8.36 181	1.33 252	1.90 361	3.23 85	1.18 245	4.33 332	3.25 349	3.11 336	3.41 345	2.71 239	2.18 272	9.15 286	4.48 328	0.56 311	0.31 223	0.61 331	0.36 245	0.69 310	0.74 313

Gwc-CoAtRS	1.58 105	0.57 45	11.69 219	1.01 125	0.60 113	2.53 51	0.64 56	2.36 41	1.56 84	1.80 104	1.47 74	2.74 241	1.18 106	1.12 11	0.90 66	0.27 34	0.21 80	0.25 26	0.22 49	0.27 23	0.23 14

DeepPrunerF	3.70 337	1.72 336	14.87 253	1.33 252	1.74 347	3.70 164	1.55 295	4.20 283	14.00 404	2.02 165	1.77 148	2.74 241	2.30 276	10.88 333	6.88 349	0.68 335	0.60 342	0.78 355	0.78 355	0.81 330	0.71 305

UNet	2.51 245	0.74 173	20.17 348	1.14 179	1.44 301	3.48 123	0.76 104	3.77 177	1.87 153	2.05 173	1.57 95	2.75 243	2.39 283	3.51 180	2.51 290	0.32 142	0.26 182	0.41 246	0.26 100	0.38 163	0.39 176

CFNet-ft	1.90 146	0.95 239	3.56 132	1.07 149	1.54 313	4.09 242	0.90 175	2.85 85	1.82 146	1.78 100	1.70 125	2.75 243	1.48 161	9.33 289	1.72 215	0.33 153	0.30 215	0.61 331	0.36 245	0.52 252	0.39 176

SuperB	4.79 364	4.41 376	21.08 380	1.45 289	1.08 230	3.91 202	3.08 367	4.18 280	3.01 327	2.50 280	2.10 233	2.75 243	3.49 335	8.80 277	19.60 405	0.44 256	0.33 235	0.53 307	0.39 271	12.01 417	0.64 294

CFNet_RVC	1.90 146	0.95 239	3.56 132	1.07 149	1.54 313	4.09 242	0.90 175	2.85 85	1.82 146	1.78 100	1.70 125	2.75 243	1.48 161	9.33 289	1.72 215	0.33 153	0.30 215	0.61 331	0.36 245	0.52 252	0.39 176

PWCDC_ROB	2.95 288	3.26 369	14.06 244	1.59 316	1.56 320	4.19 277	0.86 149	4.30 323	4.08 375	2.06 176	7.37 372	2.75 243	2.42 285	3.59 182	2.67 300	1.34 377	0.36 255	0.39 233	0.34 223	1.13 356	0.62 289

PSMNet_ROB	2.95 288	1.38 313	18.46 309	1.19 205	1.20 256	3.80 180	1.65 306	3.54 143	2.35 233	1.98 142	1.71 129	2.75 243	1.79 228	11.43 351	2.78 304	0.42 244	0.36 255	0.50 296	0.60 334	0.59 276	0.49 242

LALA_ROB	1.95 156	1.48 322	3.11 118	1.05 143	0.98 206	3.99 225	1.82 317	4.44 350	2.28 223	3.31 345	1.85 187	2.76 249	1.67 214	4.04 196	3.23 316	0.46 266	0.41 292	0.55 315	0.52 318	0.60 280	0.57 277

knoymous	1.30 76	0.60 72	5.57 163	0.88 66	0.75 148	3.04 73	0.90 175	2.68 75	1.33 16	1.48 57	1.07 20	2.78 250	0.88 41	1.29 38	0.85 51	0.31 127	0.22 102	0.35 195	0.20 22	0.45 230	0.37 158

DeepPruner_ROB	2.05 176	1.09 265	10.50 210	1.01 125	1.20 256	4.39 305	0.91 183	3.14 104	1.72 132	2.60 295	1.54 88	2.78 250	1.27 119	4.52 201	1.72 215	0.51 298	0.40 286	0.37 218	0.34 223	0.48 242	0.52 260

StereoDRNet	2.84 278	1.49 323	14.48 250	1.33 252	1.57 324	3.44 114	2.06 330	3.69 164	2.36 235	3.26 344	1.84 180	2.79 252	1.80 233	10.88 333	3.16 314	0.41 234	0.33 235	0.39 233	0.36 245	0.59 276	0.58 281

aanetorigin	3.30 323	1.66 333	17.52 295	1.18 203	1.58 325	2.57 53	3.80 384	2.65 74	2.03 176	6.12 387	4.30 360	2.82 253	5.70 367	5.47 217	4.67 330	0.50 292	0.44 302	0.43 256	0.47 302	1.17 361	0.92 337

NLCA_NET_v2_RVC	2.54 251	1.04 256	16.73 279	1.53 304	2.00 365	3.96 219	0.87 165	3.87 197	2.31 228	2.54 284	1.67 118	2.85 254	1.63 205	5.55 219	1.62 202	0.46 266	0.33 235	0.38 230	0.38 267	0.53 258	0.62 289
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
NVstereo2D	2.54 251	0.90 228	11.10 215	1.32 248	1.47 305	3.58 145	1.38 272	4.13 269	2.45 256	1.90 122	1.71 129	2.86 255	1.76 224	10.86 332	1.66 209	0.60 317	0.43 299	0.53 307	0.41 285	0.78 326	0.94 339

ccnet	2.66 265	0.97 246	8.01 178	1.54 306	1.24 263	3.75 171	2.18 337	4.07 254	2.41 248	2.66 305	3.25 340	2.87 256	2.31 279	9.89 302	3.50 318	0.78 344	0.75 361	0.71 347	0.67 340	0.76 323	0.81 325

Syn2CoEx	3.08 307	2.55 363	19.88 335	1.34 256	1.18 245	2.43 49	1.65 306	3.91 210	2.40 246	2.39 269	2.27 260	2.90 257	3.17 322	9.57 295	2.54 294	0.50 292	0.45 306	0.53 307	0.39 271	0.74 320	0.72 311

PASM	2.67 267	2.05 351	9.71 197	1.73 333	1.37 286	2.53 51	1.52 289	3.10 102	2.17 204	2.79 315	1.84 180	2.90 257	1.85 242	11.89 375	2.19 269	0.81 349	0.85 364	0.87 362	1.01 366	1.14 357	1.05 344

PSMNet-ADL	1.91 148	0.72 157	1.78 35	1.09 157	0.86 175	4.18 273	0.78 116	3.77 177	2.10 195	1.72 91	1.85 187	2.91 259	1.82 238	10.38 320	1.91 238	0.48 279	0.46 313	0.28 65	0.29 171	0.38 163	0.51 255

DSFCA	1.89 144	0.69 134	3.14 119	1.10 165	1.18 245	3.99 225	1.79 313	3.50 137	2.16 202	3.10 335	1.64 112	2.91 259	2.50 290	5.38 214	2.26 274	0.43 249	0.38 273	0.37 218	0.36 245	0.50 248	0.42 201

NaN_ROB	4.06 350	1.13 271	16.64 276	1.12 171	1.25 266	3.50 128	3.05 365	4.29 316	3.26 350	3.64 353	2.56 301	2.97 261	4.79 356	13.33 392	16.91 391	0.37 193	0.41 292	0.38 230	0.39 271	0.48 242	0.81 325

StereoDRNet-Refined	1.77 131	0.81 203	2.22 74	1.21 213	0.76 151	3.26 92	0.71 81	3.82 185	2.05 181	2.29 237	2.05 225	2.98 262	1.44 150	7.15 252	2.27 275	0.30 110	0.23 126	0.42 252	0.33 216	0.45 230	0.64 294
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
iinet-f	2.26 199	1.18 280	13.71 233	1.14 179	1.11 235	3.77 174	1.10 231	4.14 275	2.17 204	2.06 176	1.76 143	2.99 263	2.99 310	2.50 146	2.49 288	0.35 181	0.39 281	0.27 51	0.28 148	0.45 230	0.39 176

GASNet	3.24 320	5.55 382	20.58 368	1.56 313	1.25 266	2.32 46	1.12 234	4.04 246	2.67 285	1.88 116	2.10 233	3.00 264	2.16 268	10.59 323	2.43 284	0.65 328	0.37 267	0.61 331	0.45 297	0.87 335	0.58 281

pcwnet_v2	2.70 272	0.65 109	22.48 402	1.08 153	1.03 219	3.56 141	0.81 131	4.29 316	3.14 337	2.29 237	2.29 265	3.01 265	1.71 219	3.32 177	1.43 166	0.43 249	0.50 326	0.41 246	0.34 223	0.61 285	0.56 273

PA-Net	3.09 308	1.24 296	18.84 313	1.38 276	1.19 251	3.42 112	1.75 311	3.89 201	3.27 353	1.88 116	2.10 233	3.03 266	1.88 247	11.60 355	2.88 307	0.40 224	0.54 328	0.44 259	0.62 338	0.52 252	1.02 342
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
RAFT	1.23 53	0.84 217	2.05 54	0.96 99	0.47 62	1.80 23	0.94 197	3.18 110	1.46 32	1.60 67	1.71 129	3.04 267	1.59 185	1.64 80	1.32 152	0.38 207	0.24 154	0.40 239	0.32 208	0.40 174	0.35 141

MaskLacGwcNet_RVC	3.13 313	1.43 318	9.93 201	2.50 375	1.62 329	4.29 295	1.68 310	3.95 221	2.43 252	1.66 81	1.91 201	3.04 267	1.41 143	13.26 391	1.58 193	3.82 398	1.59 382	1.12 373	0.46 299	2.21 379	2.74 390

RTSC	2.95 288	2.51 358	15.49 266	1.54 306	1.30 272	3.51 130	0.86 149	3.89 201	2.48 260	3.64 353	3.12 335	3.04 267	2.30 276	5.70 224	6.67 343	0.55 309	0.35 251	0.37 218	0.39 271	0.70 311	0.60 285

APVNet	3.13 313	1.25 298	21.14 381	1.31 246	1.52 311	3.94 209	1.13 237	3.32 125	2.14 199	2.20 215	2.03 217	3.05 270	1.96 252	11.79 370	2.53 292	0.42 244	0.45 306	0.64 338	0.46 299	0.67 305	0.57 277

ACVNet	1.46 93	0.64 102	3.56 132	0.93 92	0.85 171	4.22 283	0.80 126	2.85 85	2.08 184	1.78 100	1.88 191	3.10 271	1.46 157	1.33 41	1.89 236	0.29 76	0.26 182	0.30 99	0.26 100	0.39 171	0.27 54

acv_ft	1.55 98	0.64 102	3.29 123	1.14 179	2.01 366	2.93 66	0.97 207	3.81 184	2.08 184	2.22 224	1.88 191	3.10 271	1.66 212	1.33 41	2.22 272	0.29 76	0.26 182	0.30 99	0.26 100	0.39 171	0.27 54

AnyNet_C32	4.17 353	5.75 383	12.62 223	1.60 318	1.54 313	5.51 385	4.09 388	3.90 206	3.23 348	4.22 371	3.03 330	3.10 271	3.41 331	8.01 267	18.85 402	0.53 306	0.58 337	0.53 307	0.74 348	1.19 363	0.97 340

HGLStereo	2.03 171	0.74 173	7.50 176	1.23 220	1.56 320	3.62 152	0.95 200	3.78 180	1.89 158	2.03 169	2.20 252	3.12 274	2.14 265	5.68 223	2.04 253	0.37 193	0.31 223	0.32 133	0.29 171	0.40 174	0.45 219

GwcNet-RSSM	2.66 265	1.05 257	15.91 267	1.22 216	1.19 251	4.12 249	1.12 234	3.84 189	2.02 174	1.93 132	1.79 153	3.12 274	1.46 157	10.37 318	2.05 255	0.33 153	0.27 190	0.35 195	0.30 185	0.40 174	0.36 144

RAFT-Test	1.44 90	0.59 63	6.10 164	1.01 125	0.69 140	2.90 62	0.80 126	3.68 159	1.70 130	1.85 109	1.68 120	3.15 276	1.03 66	1.20 25	0.99 94	0.27 34	0.22 102	0.25 26	0.23 57	0.27 23	0.25 26

cross-raft	2.01 169	0.57 45	19.01 316	1.03 141	0.56 97	2.11 40	0.72 83	3.63 152	1.57 90	1.77 98	1.51 81	3.17 277	1.13 94	1.16 17	0.85 51	0.23 7	0.21 80	0.26 36	0.23 57	0.28 34	0.25 26

GANet	2.93 287	1.05 257	11.29 217	1.64 323	0.96 199	3.91 202	2.52 346	3.72 170	2.41 248	2.95 328	3.00 328	3.21 278	2.03 254	12.42 384	4.72 332	0.51 298	0.41 292	0.46 269	0.39 271	0.60 280	0.50 249

PCWNet_CMD	2.23 193	0.65 109	17.36 289	0.83 43	0.76 151	3.51 130	0.64 56	3.60 150	1.97 166	1.70 87	1.63 110	3.22 279	3.05 316	2.09 120	1.11 110	0.31 127	0.36 255	0.47 272	0.26 100	0.64 294	0.47 234

MSMDNet	2.23 193	0.64 102	17.32 285	0.84 49	0.75 148	3.53 134	0.64 56	3.61 151	1.98 168	1.71 90	1.64 112	3.22 279	2.99 310	2.08 117	1.11 110	0.31 127	0.37 267	0.45 265	0.26 100	0.62 287	0.45 219

anonymousa	2.16 187	0.67 127	19.19 317	1.04 142	1.67 340	2.06 38	0.79 121	2.86 88	1.96 164	1.85 109	2.14 242	3.23 281	1.81 236	1.12 11	1.15 116	0.26 27	0.26 182	0.34 180	0.32 208	0.30 57	0.28 67

OMP-Stereo	1.97 160	0.93 235	1.88 39	2.76 379	0.67 133	4.58 342	1.48 284	4.31 326	1.54 74	3.15 340	2.76 316	3.25 282	1.38 135	7.66 264	1.35 159	0.40 224	0.20 55	0.33 164	0.26 100	0.33 111	0.24 20

ccs_rob	2.13 185	0.67 127	15.11 261	0.84 49	0.75 148	3.96 219	0.65 62	3.95 221	1.78 142	1.88 116	1.79 153	3.26 283	1.64 208	2.51 149	1.16 119	0.31 127	0.36 255	0.54 314	0.27 123	0.65 297	0.45 219

CFNet_pseudo	2.12 183	0.67 127	15.14 262	0.85 58	0.74 147	3.95 214	0.64 56	3.95 221	1.78 142	1.90 122	1.79 153	3.27 284	1.62 193	2.51 149	1.16 119	0.31 127	0.36 255	0.53 307	0.27 123	0.63 288	0.44 214

LL-Strereo	3.01 301	1.81 341	17.59 296	1.12 171	2.10 370	2.90 62	1.09 229	4.33 332	2.00 173	3.12 337	2.24 257	3.29 285	3.15 319	11.31 347	1.84 231	0.30 110	0.28 198	0.46 269	0.34 223	0.49 247	0.45 219

Wz-Net-LNSev	2.30 212	1.67 335	14.88 254	1.18 203	1.65 336	3.49 125	1.54 294	3.63 152	2.03 176	1.88 116	1.64 112	3.29 285	2.06 258	2.71 166	2.02 252	0.40 224	0.33 235	0.32 133	0.31 201	0.53 258	0.49 242

CFNet_ucs	2.36 225	0.68 133	18.42 307	0.89 69	0.81 158	3.85 195	0.68 69	4.29 316	2.37 241	2.09 180	2.04 220	3.31 287	1.24 117	2.63 160	1.14 115	0.36 186	0.45 306	0.56 317	0.29 171	0.66 302	0.49 242

DLCB_ROB	2.05 176	0.95 239	2.37 87	1.24 222	1.02 218	2.92 65	1.30 259	3.68 159	2.30 226	2.91 321	2.17 247	3.32 288	1.52 173	10.37 318	2.50 289	0.40 224	0.33 235	0.40 239	0.36 245	0.41 195	0.47 234

CRFU-Net	2.49 242	0.78 193	10.36 207	2.30 371	1.08 230	3.91 202	1.41 278	3.85 192	1.65 118	2.15 198	1.76 143	3.34 289	7.95 390	5.56 220	1.48 176	0.47 274	0.35 251	0.30 99	0.28 148	0.37 159	0.43 209

Ntro	4.21 354	8.94 396	19.89 336	3.22 386	2.96 385	4.15 256	1.89 321	3.92 215	2.36 235	1.77 98	2.14 242	3.35 290	2.17 270	9.48 293	2.24 273	3.52 394	1.76 385	2.13 384	1.31 378	3.83 392	3.09 391

IIG-Stereo	1.95 156	0.79 196	2.14 68	2.78 380	0.66 130	4.62 347	0.76 104	4.27 311	1.53 67	2.63 301	3.14 337	3.35 290	1.61 190	7.65 263	1.41 163	0.39 218	0.20 55	0.31 118	0.25 87	0.33 111	0.22 9

SHD	2.82 276	2.04 350	13.80 239	1.69 328	1.79 353	2.73 57	1.07 224	3.85 192	3.18 341	4.63 375	2.74 313	3.38 292	2.77 301	5.48 218	3.66 321	0.62 321	0.47 317	0.51 299	0.55 325	0.65 297	0.74 313

DGSMNet	7.55 394	1.62 327	17.42 291	1.92 352	12.73 412	7.45 398	42.99 424	4.13 269	2.07 183	2.10 183	3.16 338	3.42 293	1.70 217	9.24 288	2.30 276	3.70 397	10.89 420	11.80 420	5.54 411	4.24 395	2.66 385

cf-r	2.57 258	0.79 196	16.09 269	1.48 296	1.35 283	4.19 277	0.93 194	3.68 159	2.36 235	1.97 141	1.81 168	3.42 293	1.45 154	8.24 268	1.83 230	0.32 142	0.26 182	0.33 164	0.30 185	0.34 127	0.37 158

PVD	3.12 312	1.97 347	12.80 225	1.79 342	1.63 331	3.83 184	1.34 263	3.48 132	3.88 370	5.77 382	3.56 349	3.45 295	3.29 326	5.58 222	5.30 340	0.71 341	0.69 356	0.74 354	0.77 352	0.79 328	1.13 349

DualNet	2.49 242	0.60 72	5.21 157	1.14 179	0.99 209	3.62 152	0.86 149	4.22 290	3.37 356	2.20 215	2.30 269	3.48 296	1.62 193	2.21 131	16.09 384	0.29 76	0.16 4	0.48 280	0.37 256	0.30 57	0.29 74

ffm	1.72 122	0.60 72	5.21 157	1.14 179	0.99 209	3.62 152	0.86 149	4.22 290	3.37 356	2.20 215	2.30 269	3.48 296	1.62 193	2.21 131	0.65 8	0.29 76	0.16 4	0.48 280	0.37 256	0.30 57	0.29 74

ff1	2.96 291	0.60 72	5.21 157	1.14 179	0.99 209	3.62 152	0.86 149	4.22 290	3.37 356	2.20 215	2.30 269	3.48 296	1.62 193	11.62 357	16.09 384	0.29 76	0.16 4	0.48 280	0.37 256	0.30 57	0.29 74

mmx	2.98 297	0.60 72	5.21 157	1.14 179	0.99 209	3.62 152	0.86 149	4.49 359	3.05 330	2.20 215	2.30 269	3.48 296	1.62 193	11.62 357	16.09 384	0.33 153	0.28 198	0.48 280	0.37 256	0.44 223	0.37 158

xxx	2.98 297	0.60 72	5.21 157	1.14 179	0.99 209	3.62 152	0.86 149	4.49 359	3.05 330	2.20 215	2.30 269	3.48 296	1.62 193	11.62 357	16.09 384	0.33 153	0.28 198	0.48 280	0.37 256	0.44 223	0.37 158

Wz-Net-SNSev	2.98 297	4.36 375	15.98 268	1.57 314	1.19 251	3.28 97	1.80 315	3.96 226	2.40 246	2.32 250	2.28 263	3.48 296	2.05 257	7.84 265	3.82 323	0.47 274	0.39 281	0.53 307	0.49 309	0.71 316	0.60 285

hknet	1.98 162	0.64 102	8.70 186	0.87 62	1.07 228	4.16 266	1.16 241	4.48 356	1.73 134	2.93 323	1.83 175	3.48 296	1.30 126	3.91 192	1.51 185	0.31 127	0.25 171	0.31 118	0.28 148	0.35 142	0.33 120

NCC-stereo	3.16 317	1.28 300	18.31 304	1.25 224	1.75 348	4.06 235	1.40 275	3.89 201	2.22 209	2.72 309	2.55 299	3.49 303	2.65 298	9.91 303	2.99 310	1.29 373	0.65 349	0.64 338	0.86 359	0.65 297	0.71 305

Abc-Net	3.16 317	1.28 300	18.31 304	1.25 224	1.75 348	4.06 235	1.40 275	3.89 201	2.22 209	2.72 309	2.55 299	3.49 303	2.65 298	9.91 303	2.99 310	1.29 373	0.65 349	0.64 338	0.86 359	0.65 297	0.71 305
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
FAT-Stereo	3.34 326	0.81 203	20.05 341	1.25 224	1.20 256	3.44 114	1.99 327	4.23 295	2.67 285	3.14 338	3.82 354	3.51 305	3.32 328	11.68 365	1.94 241	0.64 325	0.67 352	0.48 280	0.52 318	0.61 285	0.81 325

DPSNet	3.43 329	1.37 312	12.19 220	1.39 278	1.24 263	4.15 256	2.06 330	4.51 363	3.34 355	2.69 307	1.96 205	3.52 306	5.56 366	10.68 326	9.68 364	0.93 356	0.73 359	0.40 239	0.37 256	1.06 348	0.86 331

XQC	2.96 291	2.42 357	14.85 252	1.36 266	1.32 278	3.29 101	1.53 291	4.28 315	2.78 297	3.21 342	2.46 288	3.53 307	2.92 308	6.58 238	4.67 330	0.70 339	0.41 292	0.59 323	0.56 327	0.96 344	0.83 330

LSM	12.71 407	3.52 372	20.79 371	55.63 431	84.76 430	3.63 158	6.30 394	3.73 171	4.93 384	5.55 381	13.92 404	3.53 307	3.25 325	9.72 296	4.12 325	0.64 325	0.85 364	0.71 347	0.81 357	1.03 346	26.84 421

PDISCO_ROB	2.86 279	1.53 325	14.27 248	1.98 357	2.19 372	4.52 331	1.35 264	4.65 372	3.19 342	2.09 180	2.16 245	3.53 307	2.45 288	5.32 212	2.12 262	1.30 375	0.78 362	0.72 351	0.59 333	1.24 365	1.28 354

CSAN	4.71 363	1.39 315	20.23 350	1.19 205	0.87 177	3.65 159	3.50 376	4.57 368	3.87 369	3.89 359	7.82 375	3.54 310	6.16 375	23.47 414	6.82 347	0.52 304	0.45 306	0.49 293	0.52 318	0.63 288	0.66 298

riskmin	1.25 61	0.56 40	2.05 54	1.05 143	0.93 195	2.86 60	0.55 27	3.23 114	1.34 17	1.55 63	1.07 20	3.56 311	2.03 254	1.29 38	1.00 96	0.28 59	0.27 190	0.34 180	0.21 28	0.41 195	0.43 209

GwcNet	3.00 300	1.63 329	19.83 334	1.32 248	2.04 369	3.27 94	1.55 295	3.65 154	2.33 230	2.00 159	2.12 240	3.56 311	1.68 215	9.47 292	2.45 285	0.44 256	0.45 306	0.46 269	0.38 267	0.60 280	0.76 318

BUS	1.49 97	0.59 63	1.94 44	0.87 62	0.85 171	4.50 326	0.76 104	4.48 356	1.88 154	2.93 323	1.83 175	3.63 313	0.97 57	1.60 70	1.17 122	0.34 164	0.25 171	0.31 118	0.28 148	0.35 142	0.33 120

NINENet	1.87 139	0.74 173	2.60 96	1.12 171	1.06 226	4.50 326	0.76 104	4.41 345	2.24 213	2.16 203	1.86 189	3.63 313	0.97 57	8.00 266	1.17 122	0.41 234	0.30 215	0.41 246	0.30 185	0.41 195	0.36 144

hitnet-ft	2.37 226	0.73 165	8.34 180	0.96 99	0.89 185	3.77 174	0.80 126	3.55 144	2.58 276	2.24 230	2.04 220	3.65 315	1.49 167	11.71 367	1.89 236	0.44 256	0.53 327	0.44 259	0.35 237	0.52 252	0.48 238

S-Stereo	3.48 330	0.91 230	22.06 401	1.36 266	1.50 309	3.55 139	2.53 347	4.21 287	2.81 309	2.37 264	3.81 353	3.75 316	1.84 240	11.90 376	2.51 290	0.63 322	0.71 357	0.48 280	0.76 350	0.67 305	1.19 352

IGEV_Zeroshot_test	2.16 187	0.69 134	20.60 369	1.22 216	0.54 92	2.18 43	0.53 23	3.38 129	1.61 110	1.93 132	1.55 90	3.76 317	1.05 72	1.55 63	0.91 72	0.29 76	0.20 55	0.27 51	0.29 171	0.40 174	0.32 110

ssnet_v2	2.04 173	0.88 225	7.87 177	1.20 208	0.87 177	3.86 197	1.64 303	4.01 236	2.60 278	2.61 297	1.96 205	3.79 318	1.71 219	2.20 130	2.96 309	0.41 234	0.35 251	0.42 252	0.37 256	0.55 263	0.52 260

RYNet	2.97 295	0.93 235	15.09 260	1.12 171	1.38 290	3.66 160	1.42 280	4.03 242	2.29 225	2.10 183	1.70 125	3.79 318	2.16 268	13.64 398	3.02 312	0.37 193	0.41 292	0.48 280	0.34 223	0.81 330	0.75 316

Nwc_Net	2.88 284	1.16 278	18.30 303	1.35 260	1.68 341	3.52 133	1.18 245	3.90 206	2.06 182	2.52 283	2.82 322	3.82 320	2.34 280	6.78 247	2.55 295	0.86 354	0.40 286	0.59 323	0.67 340	0.57 273	0.55 271

ADCMid	3.96 346	3.27 370	15.48 265	1.26 230	1.40 293	4.66 353	2.28 339	4.06 252	3.54 362	3.94 360	3.02 329	3.85 321	3.67 338	4.03 195	18.65 401	0.68 335	0.61 344	1.09 372	1.18 375	1.38 369	1.08 346

NOSS_ROB	2.27 201	0.73 165	3.00 114	1.71 330	1.00 216	3.90 201	0.97 207	4.29 316	2.81 309	2.94 327	2.19 250	3.88 322	1.19 110	11.77 369	1.62 202	0.59 316	0.54 328	0.56 317	0.52 318	0.56 269	0.54 268

ac_64	2.35 222	0.62 93	9.77 198	1.32 248	1.71 344	3.27 94	0.93 194	3.48 132	2.50 265	1.74 94	1.73 134	3.91 323	1.77 225	10.21 314	1.86 233	0.40 224	0.31 223	0.33 164	0.30 185	0.34 127	0.39 176

EDNetEfficient	5.61 376	2.14 352	16.75 280	1.67 326	3.64 395	4.12 249	7.51 397	3.05 99	5.63 391	11.57 410	4.83 364	3.95 324	12.72 399	8.44 272	20.78 407	0.41 234	0.43 299	0.47 272	1.01 366	1.66 374	1.39 362

ADCP+	3.74 340	1.96 346	16.90 282	1.09 157	1.55 317	4.35 301	3.65 382	3.93 216	2.98 324	2.22 224	1.66 117	3.95 324	4.83 357	3.41 178	18.87 403	0.38 207	0.41 292	0.63 335	0.53 322	0.64 294	0.81 325

AANet_RVC	3.03 303	1.72 336	12.78 224	1.17 198	1.12 236	3.79 179	1.10 231	3.86 195	3.13 335	2.62 298	4.26 359	3.96 326	1.41 143	11.43 351	5.23 339	0.94 357	0.47 317	0.34 180	0.23 57	0.40 174	0.55 271

RP	2.79 275	1.20 284	10.36 207	1.54 306	1.93 362	3.44 114	1.97 325	4.05 250	2.34 231	2.66 305	2.79 317	3.98 327	2.58 295	10.21 314	2.61 297	0.95 358	0.47 317	0.71 347	0.57 330	0.71 316	0.68 301

RGC	3.10 311	1.45 320	14.90 255	1.46 291	1.79 353	3.33 103	1.39 273	4.04 246	2.26 218	2.77 313	3.26 341	4.00 328	2.71 300	11.63 362	2.62 299	0.82 350	0.46 313	0.79 356	0.79 356	0.71 316	0.78 322

MyStereo06	2.46 235	0.72 157	19.97 339	1.02 134	0.99 209	4.26 288	0.86 149	3.51 140	1.68 122	1.92 128	1.73 134	4.01 329	4.22 348	1.62 76	0.88 62	0.24 10	0.23 126	0.34 180	0.26 100	0.42 210	0.36 144

ADLNet	2.29 209	0.83 213	3.62 137	1.35 260	1.60 326	3.67 161	1.24 255	3.95 221	2.98 324	2.58 291	2.29 265	4.01 329	1.79 228	11.23 345	2.09 261	0.37 193	0.38 273	0.36 206	0.34 223	0.45 230	0.71 305

DispFullNet	4.64 362	3.48 371	23.95 410	3.99 396	3.03 386	3.35 105	1.06 222	4.18 280	2.80 303	6.33 388	2.94 325	4.04 331	7.81 389	3.92 193	5.16 338	2.75 384	1.61 383	3.10 400	2.68 404	3.32 384	3.31 398

WZ-Net	3.62 334	4.87 377	16.77 281	1.43 284	1.40 293	3.75 171	2.29 340	4.12 268	2.50 265	2.74 311	2.19 250	4.06 332	5.29 363	10.19 313	7.36 353	0.54 308	0.37 267	0.47 272	0.49 309	0.77 324	0.73 312

otaku	4.58 361	8.93 395	19.95 338	3.11 385	2.67 379	3.91 202	2.57 349	3.82 185	2.25 215	2.22 224	9.72 390	4.08 333	2.35 281	8.57 273	2.13 265	3.51 393	1.65 384	2.15 385	1.17 374	3.69 389	3.15 393

DANet	2.63 261	1.07 260	8.10 179	1.83 345	1.70 343	3.25 91	1.16 241	4.31 326	2.38 243	3.40 350	2.18 248	4.08 333	1.80 233	9.77 297	3.89 324	0.52 304	0.55 330	0.59 323	0.44 293	0.63 288	0.86 331
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
Anonymous_2	3.01 301	0.89 226	4.53 149	1.06 147	1.18 245	2.93 66	0.87 165	3.24 116	1.46 32	1.86 113	1.35 61	4.11 335	2.35 281	1.64 80	1.28 146	0.82 350	0.90 366	8.71 416	15.84 420	4.44 399	0.74 313

STrans-v2	3.03 303	0.77 188	20.91 375	0.81 29	0.63 120	3.89 200	1.01 212	4.27 311	2.64 281	2.28 235	3.70 351	4.13 336	5.20 361	7.33 254	1.27 143	0.31 127	0.18 24	0.29 80	0.25 87	0.29 42	0.41 198

MDST_ROB	5.53 375	0.59 63	23.11 405	2.55 376	2.69 380	21.20 415	1.98 326	4.77 378	2.65 282	9.36 401	4.25 358	4.14 337	4.45 352	22.57 409	3.68 322	0.48 279	0.33 235	0.47 272	0.44 293	0.44 223	0.44 214

AnyNet_C01	4.37 357	7.80 388	16.40 272	1.98 357	1.40 293	6.37 390	6.47 395	4.09 260	5.03 385	4.06 365	3.78 352	4.16 338	3.31 327	6.62 240	10.00 365	0.61 319	0.67 352	0.63 335	0.67 340	2.01 376	1.31 356

DDUNet	2.91 285	2.78 365	6.94 172	3.53 390	2.26 376	3.28 97	1.36 266	3.77 177	2.04 179	2.62 298	2.49 292	4.18 339	1.69 216	5.38 214	1.85 232	2.21 382	1.77 386	2.61 391	2.43 399	2.60 380	2.34 381

EDNetEfficientorigin	12.35 406	2.51 358	179.47 438	1.19 205	0.96 199	2.91 64	1.81 316	3.00 95	5.35 387	8.91 399	4.79 363	4.18 339	4.64 355	9.98 307	11.30 370	0.37 193	0.38 273	0.60 328	0.85 358	1.32 368	2.43 383

CBMV_ROB	3.62 334	0.70 144	21.42 391	1.21 213	0.89 185	4.43 314	1.76 312	4.39 342	2.79 299	5.88 384	3.38 344	4.18 339	5.12 360	10.75 328	2.32 278	0.56 311	0.55 330	0.53 307	0.51 315	0.55 263	0.46 229

FBW_ROB	3.24 320	1.02 250	9.21 195	1.49 298	1.07 228	3.78 176	1.48 284	4.31 326	3.08 332	2.46 275	2.32 281	4.20 342	2.08 261	15.19 404	7.16 352	0.84 353	0.62 345	1.33 377	0.92 362	0.99 345	1.31 356

Wz-Net-TNSev	3.67 336	8.83 392	13.47 231	1.48 296	1.18 245	3.60 148	2.49 345	4.27 311	3.13 335	2.18 209	1.89 196	4.21 343	2.80 303	12.10 379	7.58 355	0.57 313	0.55 330	0.47 272	0.54 324	0.91 339	1.05 344

RainbowNet	4.56 359	8.28 389	20.07 344	3.64 394	3.23 393	4.15 256	2.99 363	4.18 280	3.03 329	2.20 215	2.65 308	4.26 344	2.90 307	9.77 297	2.12 262	3.88 399	2.27 393	2.71 395	1.72 387	3.78 391	3.31 398

ADCPNet	3.89 342	1.63 329	20.25 354	1.28 236	1.27 270	6.43 391	2.65 351	3.93 216	2.70 288	2.78 314	2.20 252	4.28 345	6.16 375	5.56 220	10.27 367	0.65 328	1.18 373	0.71 347	1.70 385	0.84 334	1.37 359

ADCL	4.35 356	1.63 329	14.21 247	1.29 239	1.26 269	5.56 386	11.16 402	3.97 227	3.37 356	6.07 385	4.67 362	4.30 346	5.72 368	5.08 209	14.51 379	0.50 292	0.48 322	0.89 363	0.77 352	0.78 326	0.76 318

TransformOpticalFlow	3.03 303	0.77 188	20.99 378	1.00 121	0.55 94	4.18 273	0.64 56	4.33 332	3.02 328	2.18 209	3.09 334	4.35 347	5.07 359	7.36 257	1.27 143	0.32 142	0.18 24	0.32 133	0.26 100	0.28 34	0.46 229

edge stereo	3.37 328	1.01 249	21.99 400	1.28 236	1.37 286	2.67 56	1.39 273	3.98 229	2.87 314	2.93 323	3.27 342	4.35 347	2.43 286	11.62 357	2.39 281	0.60 317	0.63 347	0.79 356	0.55 325	0.68 308	0.67 299

MFN_U_SF_RVC	3.81 341	10.78 405	15.01 258	1.84 346	1.39 291	3.73 169	1.63 301	4.05 250	3.26 350	2.91 321	2.38 285	4.36 349	3.65 337	8.43 271	4.91 336	1.11 366	1.04 368	0.99 366	1.31 378	1.58 372	1.75 372

CBMV	3.32 325	0.96 245	21.16 383	1.32 248	0.83 167	3.81 182	3.91 387	4.47 355	2.53 270	3.34 347	2.24 257	4.45 350	2.58 295	10.07 312	1.96 246	0.45 262	0.43 299	0.48 280	0.38 267	0.52 252	0.53 262
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
ADCS	4.22 355	5.33 379	16.32 271	1.64 323	1.31 274	3.91 202	3.64 381	4.21 287	2.89 315	5.11 379	2.81 321	4.46 351	3.06 318	5.21 211	19.50 404	0.63 322	0.64 348	0.69 344	0.69 345	1.12 355	1.26 353

UDG	3.55 332	2.81 366	17.45 292	2.69 377	1.98 364	3.97 222	1.19 248	4.35 336	2.02 174	2.42 273	2.53 298	4.50 352	2.46 289	6.53 237	2.41 283	2.12 381	1.77 386	2.63 392	2.57 401	2.64 381	1.95 375

AF-Net	2.87 282	1.30 302	16.24 270	1.33 252	1.75 348	3.26 92	1.59 298	4.09 260	2.43 252	2.69 307	2.94 325	4.51 353	3.20 323	5.84 226	2.75 303	0.76 343	0.36 255	0.72 351	0.49 309	0.70 311	0.56 273

DISCO	2.25 197	0.73 165	10.06 203	1.76 335	1.12 236	3.47 121	1.25 256	3.24 116	2.26 218	2.65 304	1.96 205	4.53 354	1.92 250	4.17 199	3.61 320	0.32 142	0.25 171	0.31 118	0.29 171	0.66 302	0.41 198

MADNet+	3.97 347	9.54 401	13.83 240	1.87 350	1.69 342	4.19 277	2.87 357	4.80 379	4.10 376	2.51 282	2.67 309	4.55 355	3.41 331	8.72 275	6.92 350	1.25 370	1.27 377	1.04 368	0.93 363	1.39 370	1.85 373

CBFPSM	2.05 176	0.95 239	10.12 205	1.07 149	1.05 224	2.84 58	1.20 249	3.28 118	1.73 134	1.82 107	1.30 52	4.56 356	4.06 344	2.34 139	2.34 280	0.25 19	0.38 273	0.32 133	0.27 123	0.37 159	0.79 324

RASNet	2.56 256	0.70 144	10.06 203	1.60 318	2.25 375	3.67 161	1.00 211	3.38 129	3.14 337	1.81 105	2.11 237	4.60 357	2.30 276	10.25 316	2.61 297	0.37 193	0.24 154	0.25 26	0.24 78	0.28 34	0.26 42

HH	2.23 193	0.86 222	21.59 394	0.98 109	0.51 76	1.49 14	0.82 134	2.74 77	1.54 74	1.10 37	1.69 123	4.62 358	1.86 243	2.55 154	0.69 18	0.26 27	0.22 102	0.29 80	0.23 57	0.34 127	0.27 54

HanStereo	2.23 193	0.86 222	21.59 394	0.98 109	0.51 76	1.49 14	0.82 134	2.74 77	1.54 74	1.10 37	1.69 123	4.62 358	1.86 243	2.55 154	0.69 18	0.26 27	0.22 102	0.29 80	0.23 57	0.34 127	0.27 54

XX-Stereo	2.54 251	0.61 86	20.21 349	1.78 337	1.19 251	4.30 297	0.46 12	4.39 342	1.58 92	2.32 250	1.89 196	4.64 360	0.60 3	4.16 198	0.82 43	0.31 127	0.21 80	0.28 65	0.27 123	0.51 249	0.26 42

ADLNet2	3.15 316	0.92 232	20.06 342	1.20 208	1.79 353	3.83 184	1.48 284	3.94 219	3.59 363	2.19 213	2.47 290	4.65 361	1.93 251	10.69 327	1.96 246	0.39 218	0.37 267	0.28 65	0.30 185	0.48 242	0.43 209

SGM-Forest	2.96 291	0.62 93	3.49 129	1.09 157	0.80 156	4.06 235	3.30 370	4.37 340	3.09 333	4.18 370	3.27 342	4.67 362	3.86 341	11.69 366	7.91 356	0.51 298	0.46 313	0.49 293	0.39 271	0.48 242	0.49 242
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
MSC_U_SF_DS_RVC	4.48 358	10.62 404	15.18 263	1.55 311	1.45 304	6.16 388	3.54 379	5.41 392	3.68 367	2.59 294	2.74 313	4.81 363	2.20 273	13.79 399	4.40 327	2.04 380	3.36 409	1.05 369	1.20 376	2.09 377	1.72 370

NVStereoNet_ROB	4.91 367	1.40 316	16.46 274	1.47 294	1.72 346	3.46 119	1.96 324	3.89 201	3.61 364	2.90 320	24.61 414	4.81 363	4.49 353	13.57 396	4.87 335	1.33 376	1.29 378	1.70 380	1.68 383	1.41 371	1.66 367
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
RTS	3.90 343	7.04 386	17.94 298	1.92 352	2.19 372	5.00 379	2.96 361	4.29 316	3.19 342	4.05 363	3.08 332	4.94 365	3.16 320	7.64 261	6.72 344	0.66 330	0.44 302	0.51 299	0.47 302	0.95 340	0.76 318

RTSA	3.90 343	7.04 386	17.94 298	1.92 352	2.19 372	5.00 379	2.96 361	4.29 316	3.19 342	4.05 363	3.08 332	4.94 365	3.16 320	7.64 261	6.72 344	0.66 330	0.44 302	0.51 299	0.47 302	0.95 340	0.76 318

MFN_U_SF_DS_RVC	3.94 345	10.88 406	12.30 222	1.26 230	1.55 317	5.19 382	3.33 372	4.42 346	2.82 311	2.58 291	2.62 305	5.00 367	2.11 262	14.03 402	2.73 301	1.28 372	2.34 396	0.67 343	1.83 390	0.81 330	1.03 343

SDNR	3.97 347	1.93 344	20.28 355	1.31 246	0.94 196	5.16 381	0.67 65	4.33 332	2.58 276	4.82 378	5.94 370	5.01 368	1.45 154	17.52 406	2.53 292	0.79 345	0.72 358	0.59 323	0.45 297	1.15 359	1.17 350

stereogan	3.09 308	0.93 235	16.43 273	1.37 274	1.66 339	3.70 164	1.67 308	3.87 197	3.15 339	3.04 331	2.70 312	5.04 369	2.79 302	9.96 306	1.78 225	0.63 322	0.49 324	0.69 344	0.47 302	0.83 333	0.68 301

IMH-64-1	4.84 365	2.53 360	6.83 169	4.30 401	3.74 396	4.81 375	6.05 392	5.30 387	3.92 371	3.95 361	8.33 379	5.08 370	6.06 372	8.96 281	6.30 341	4.57 407	2.96 403	3.04 397	2.12 396	4.28 396	3.62 401

IMH-64	4.84 365	2.53 360	6.83 169	4.30 401	3.74 396	4.81 375	6.05 392	5.30 387	3.92 371	3.95 361	8.33 379	5.08 370	6.06 372	8.96 281	6.30 341	4.57 407	2.96 403	3.04 397	2.12 396	4.28 396	3.62 401

psmorigin	6.59 386	1.15 275	88.11 433	1.52 301	0.97 202	2.88 61	1.20 249	3.21 111	2.04 179	3.73 356	2.46 288	5.15 372	2.55 293	10.60 324	2.47 287	0.55 309	0.68 355	0.48 280	0.51 315	0.70 311	0.88 335

SAMSARA	3.55 332	2.16 353	14.18 246	1.86 349	1.49 307	4.62 347	2.65 351	3.58 149	2.80 303	7.05 391	3.05 331	5.16 373	4.07 345	9.18 287	4.80 334	0.64 325	0.67 352	0.59 323	0.68 343	0.89 336	0.91 336

tt	7.19 392	0.51 10	6.83 169	4.03 397	2.30 377	12.05 406	20.19 415	15.46 413	6.58 396	3.42 351	3.22 339	5.37 374	6.39 379	4.20 200	7.46 354	9.81 415	11.53 421	7.05 413	7.46 414	6.31 405	3.71 403

SPS-STEREO	3.97 347	1.44 319	20.85 372	1.72 332	1.71 344	3.24 88	2.30 341	3.55 144	2.68 287	4.79 377	3.66 350	5.44 375	2.97 309	9.11 284	9.35 363	1.15 367	1.10 371	1.06 370	1.02 368	1.16 360	1.18 351
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
ACVNet-4b	6.73 388	13.67 413	21.87 399	3.54 391	3.07 387	4.19 277	2.25 338	4.03 242	3.65 365	1.64 77	3.98 357	5.88 376	2.89 306	10.01 309	16.98 392	23.29 425	2.24 392	2.53 388	1.78 388	3.87 393	3.21 396

coex-ft	18.59 412	6.62 385	113.53 435	1.17 198	1.31 274	2.33 47	1.93 323	2.81 84	14.00 404	124.82 437	8.45 381	5.90 377	51.74 430	9.99 308	22.69 408	0.57 313	0.62 345	0.50 296	0.49 309	1.08 353	1.28 354

MADNet++	7.57 395	5.80 384	13.28 228	6.38 411	5.26 409	7.18 394	7.77 399	5.32 389	5.62 390	6.11 386	7.78 374	6.02 378	8.01 391	11.74 368	16.36 389	9.36 414	4.95 413	8.57 415	5.66 412	4.83 401	5.34 411

WAO-7	5.16 369	3.21 368	18.98 315	1.88 351	1.44 301	5.34 383	3.09 368	4.91 381	5.81 392	4.35 372	8.92 387	6.55 379	6.06 372	13.40 394	10.81 368	1.34 377	1.20 376	1.48 379	1.35 381	1.60 373	1.45 363

ELAS	5.99 382	1.62 327	20.29 356	1.96 356	2.01 366	15.09 411	8.38 401	5.23 385	5.54 389	9.02 400	8.61 382	6.74 380	9.75 397	7.48 258	11.40 372	0.96 359	1.18 373	0.72 351	0.93 363	1.30 367	1.67 368
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
WAO-6	5.87 381	2.27 354	15.05 259	2.96 382	2.77 382	12.01 405	3.58 380	5.37 391	11.91 403	3.34 347	9.69 389	6.78 381	5.84 369	11.82 372	8.89 362	2.87 385	2.35 397	2.50 387	1.84 391	2.85 382	2.67 386

G-Net	4.11 351	1.21 285	19.47 325	2.31 372	2.94 384	4.74 371	2.95 359	3.33 127	2.14 199	4.44 373	9.43 388	6.93 382	3.84 340	9.01 283	4.92 337	0.79 345	0.80 363	0.70 346	0.50 313	0.95 340	0.87 334

SANet	5.65 378	1.72 336	20.94 376	1.26 230	0.88 180	7.20 395	3.81 385	4.60 370	11.23 399	4.56 374	8.78 385	7.49 383	6.95 381	11.85 373	18.11 397	0.49 289	0.44 302	0.50 296	0.42 290	0.90 338	0.82 329

SGM_RVC	4.57 360	0.72 157	17.46 293	1.84 346	0.58 112	4.23 286	3.45 374	4.66 373	3.66 366	7.99 396	8.82 386	7.56 384	8.74 395	12.30 381	6.84 348	0.43 249	0.38 273	0.39 233	0.35 237	0.51 249	0.48 238
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
ACVNet_2	5.41 373	12.60 409	20.42 362	3.27 387	3.15 391	4.50 326	3.02 364	4.66 373	3.73 368	3.35 349	5.36 367	7.86 385	2.88 305	12.33 383	4.76 333	3.12 389	2.22 391	2.70 394	1.69 384	3.49 385	3.10 392

HSM	2.35 222	0.81 203	2.21 73	1.14 179	1.55 317	3.44 114	1.03 216	3.99 233	2.25 215	2.29 237	2.11 237	8.04 386	3.05 316	11.60 355	1.71 214	0.33 153	0.22 102	0.28 65	0.23 57	0.32 96	0.35 141

PWCK	5.85 380	9.95 402	15.22 264	2.90 381	1.56 320	5.66 387	7.69 398	5.27 386	4.74 382	3.88 358	7.51 373	8.04 386	5.28 362	15.18 403	8.40 359	3.08 388	1.51 381	2.24 386	1.37 382	5.55 403	1.96 376

ELAS_RVC	5.72 379	1.64 332	20.40 360	2.09 362	2.01 366	4.95 378	11.47 404	4.66 373	6.31 395	8.09 397	8.01 376	8.06 388	11.65 398	8.36 269	10.22 366	0.99 361	1.17 372	0.81 359	0.76 350	1.14 357	1.58 366
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
IMH	6.81 390	13.66 412	20.41 361	4.33 403	3.74 396	5.50 384	3.06 366	5.49 393	6.22 393	4.64 376	10.35 392	9.30 389	8.03 392	13.61 397	6.81 346	4.80 410	2.99 406	3.09 399	2.12 396	4.36 398	3.61 400

JetBlue	6.27 385	9.15 398	13.76 234	1.94 355	4.60 407	11.91 404	12.00 405	5.12 383	3.45 361	3.79 357	4.52 361	9.54 390	6.56 380	9.40 291	13.48 377	1.26 371	1.37 379	1.17 375	1.34 380	7.06 410	3.95 405

JetRed	10.48 400	27.10 420	35.70 417	4.27 399	4.09 403	15.55 414	12.83 406	12.16 403	5.50 388	5.83 383	5.56 369	10.14 391	7.43 386	8.88 278	26.39 415	3.32 390	3.81 410	3.51 404	2.96 409	7.85 412	6.69 415

MeshStereo	5.35 372	1.32 306	21.34 388	1.34 256	1.15 240	4.40 309	3.90 386	5.18 384	4.55 378	10.14 406	11.82 398	11.47 392	5.84 369	13.84 400	7.03 351	0.61 319	0.58 337	0.60 328	0.58 331	0.72 319	0.59 284
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
WAO-8	11.95 404	13.02 410	20.56 366	3.50 388	3.08 388	15.11 412	2.80 354	12.91 406	19.11 413	7.69 393	13.12 400	11.62 393	7.01 384	84.40 435	7.91 356	3.42 391	1.92 388	3.54 406	1.93 394	3.68 387	2.69 387

Venus	11.95 404	13.02 410	20.56 366	3.50 388	3.08 388	15.11 412	2.80 354	12.91 406	19.11 413	7.69 393	13.12 400	11.62 393	7.01 384	84.40 435	7.91 356	3.42 391	1.92 388	3.54 406	1.93 394	3.68 387	2.69 387

SGM+DAISY	8.36 396	3.82 373	24.83 411	2.02 359	1.75 348	14.80 410	17.22 410	4.27 311	11.79 402	13.88 411	14.38 405	11.74 395	13.83 401	10.56 322	15.12 380	1.21 368	1.19 375	1.14 374	1.13 373	1.17 361	1.37 359

FADE	78.44 433	13.79 414	36.09 418	10.71 418	13.34 413	4.15 256	4.14 389	28.60 419	8.36 397	5.15 380	3.88 355	11.85 396	36.55 417	44.37 423	28.26 419	474.90 439	161.58 438	347.36 439	322.13 439	7.29 411	6.23 414

WCMA_ROB	5.12 368	0.90 228	21.33 387	1.50 299	1.33 281	4.09 242	3.49 375	4.03 242	4.59 379	6.57 389	10.95 394	12.92 397	8.41 394	9.86 301	8.78 361	0.75 342	0.58 337	0.51 299	0.50 313	0.68 308	0.57 277

TorneroNet-64	10.12 398	8.74 391	20.95 377	4.27 399	3.76 399	13.86 409	2.85 356	15.05 411	23.15 416	10.07 405	23.84 413	13.47 398	8.24 393	13.96 401	17.21 394	3.96 400	2.72 398	3.23 401	2.48 400	6.29 404	4.27 408

DGTPSM_ROB	15.31 408	8.85 393	28.14 415	9.90 416	18.89 414	12.44 407	33.21 418	13.48 408	17.86 411	9.50 402	22.89 411	13.78 399	19.67 409	21.26 407	23.68 409	5.08 411	8.84 414	5.62 411	11.50 416	6.72 407	14.87 417

DPSMNet_ROB	15.52 409	8.89 394	31.44 416	10.07 417	18.91 415	12.44 407	33.22 419	13.51 409	17.94 412	9.58 403	22.91 412	13.79 400	19.67 409	21.43 408	23.73 410	5.17 412	8.84 414	5.63 412	11.52 419	6.79 408	14.90 418

notaker	10.50 401	8.60 390	20.23 350	4.54 406	3.95 400	6.27 389	3.44 373	8.07 399	4.75 383	8.73 398	46.45 424	13.86 401	27.86 415	13.49 395	13.61 378	4.56 406	3.18 407	3.52 405	2.68 404	8.13 415	4.05 406

UNDER WATER-64	9.33 397	5.37 380	22.60 403	5.22 410	4.86 408	10.75 403	4.61 391	11.45 402	17.30 408	7.59 392	9.80 391	15.99 402	17.90 407	10.63 325	15.72 383	4.36 402	2.87 400	4.39 410	2.86 407	7.01 409	5.36 412

LVE	6.88 391	9.31 399	21.14 381	3.61 393	3.18 392	4.49 323	2.79 353	10.21 401	11.69 401	3.16 341	11.53 397	18.33 403	4.31 349	11.66 363	3.52 319	4.45 405	2.93 401	2.56 389	1.91 393	3.62 386	3.16 394

FCDSN-DC	6.04 383	0.84 217	19.25 319	1.24 222	1.09 233	4.38 303	2.62 350	4.38 341	4.71 380	9.59 404	11.22 395	19.19 404	17.40 405	12.30 381	8.55 360	0.69 338	0.57 333	0.60 328	0.60 334	0.70 311	0.78 322
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
FC-DCNN	6.64 387	0.77 188	19.26 320	1.68 327	1.64 333	8.27 400	2.35 342	6.35 395	9.23 398	10.85 408	11.27 396	19.89 405	13.33 400	12.51 387	11.79 373	0.66 330	0.57 333	0.58 321	0.56 327	0.63 288	0.61 287

MANE	11.39 402	1.38 313	23.16 406	4.82 408	2.79 383	22.02 416	14.51 408	25.81 416	26.28 417	10.93 409	13.17 403	19.90 406	18.03 408	15.69 405	20.41 406	0.96 359	0.74 360	1.42 378	3.24 410	0.74 320	1.71 369

pmcnn	5.45 374	1.22 291	17.40 290	1.60 318	2.41 378	3.48 123	2.12 333	4.52 364	3.26 350	3.67 355	13.15 402	22.10 407	3.46 334	11.92 377	17.16 393	0.34 164	0.21 80	0.23 5	0.19 18	0.36 153	0.28 67

MSMD_ROB	5.61 376	1.08 262	16.68 277	1.21 213	0.83 167	10.14 402	2.07 332	3.93 216	6.22 393	10.37 407	8.03 377	22.22 408	9.45 396	11.66 363	4.52 329	0.66 330	0.58 337	0.66 341	0.68 343	0.65 297	0.63 292

ACVNet_1	6.04 383	13.97 415	21.36 389	3.58 392	3.14 390	4.73 368	2.48 344	4.20 283	3.17 340	2.98 329	2.83 323	23.31 409	4.34 350	11.06 343	2.45 285	3.68 395	2.33 395	2.60 390	1.79 389	3.69 389	3.19 395

Anonymous_1	57.11 431	19.68 417	26.15 412	23.10 419	142.31 435	30.84 418	39.75 421	33.86 423	16.98 407	70.53 432	15.42 407	23.46 410	19.75 411	23.04 410	27.23 416	164.73 437	9.02 417	130.38 433	137.40 434	161.27 438	27.24 422

UNDER WATER	10.47 399	3.95 374	22.62 404	5.07 409	4.51 406	7.78 399	3.77 383	12.56 405	21.72 415	7.84 395	10.78 393	23.96 411	31.66 416	10.78 330	16.19 388	4.44 404	2.93 401	4.24 409	2.86 407	6.33 406	5.47 413

DPSM_ROB	20.78 413	20.03 418	26.57 413	23.62 420	22.46 416	31.10 419	39.97 422	33.52 421	17.41 409	15.25 412	15.80 408	24.06 412	20.71 412	23.30 412	27.62 417	10.78 416	9.41 418	11.69 418	11.50 416	14.49 418	16.36 419

DPSM	20.78 413	20.03 418	26.57 413	23.62 420	22.46 416	31.10 419	39.97 422	33.52 421	17.41 409	15.25 412	15.80 408	24.06 412	20.71 412	23.30 412	27.62 417	10.78 416	9.41 418	11.69 418	11.50 416	14.49 418	16.36 419

LRCNet_RVC	25.52 416	33.45 421	23.21 408	31.79 422	32.78 419	6.74 393	1.18 245	25.88 417	4.46 377	28.94 415	30.89 417	24.91 414	17.57 406	27.66 416	24.34 412	35.26 427	25.60 428	35.91 428	33.81 427	31.90 428	34.10 429

Dean	7.52 393	9.08 397	21.41 390	3.74 395	3.53 394	4.81 375	3.53 377	5.33 390	5.25 386	4.17 367	26.53 415	25.62 415	4.09 346	10.97 337	4.32 326	3.69 396	2.30 394	2.91 396	1.87 392	4.03 394	3.24 397

SGM-ForestM	11.55 403	1.16 278	21.62 396	2.14 363	0.81 158	22.25 417	19.08 413	16.50 415	11.34 400	15.94 414	14.44 406	27.12 416	22.61 414	24.76 415	28.39 420	0.50 292	0.48 322	0.47 272	0.44 293	0.55 263	0.53 262

LE_ROB	18.58 411	1.21 285	48.38 424	8.60 415	23.00 418	7.32 397	19.74 414	9.94 400	38.69 425	43.53 423	21.91 410	28.40 417	40.92 420	23.18 411	54.71 425	0.34 164	0.33 235	0.32 133	0.36 245	0.42 210	0.40 193

HaxPig	43.25 426	43.65 428	45.00 422	33.85 423	35.61 421	32.69 421	30.52 416	45.09 424	42.97 426	48.77 424	48.17 426	43.00 418	40.26 419	44.58 424	43.61 422	47.18 428	49.30 429	51.54 430	50.25 429	43.73 429	45.29 430

HanzoNet	31.60 420	17.23 416	21.22 386	7.32 412	5.84 410	7.25 396	3.53 377	13.82 410	14.20 406	50.38 426	47.01 425	44.45 419	56.61 431	36.61 422	32.00 421	63.89 431	56.57 432	7.97 414	89.20 432	28.69 420	28.25 423

AVERAGE_ROB	44.46 427	45.91 429	46.59 423	40.59 425	38.66 422	32.99 422	30.52 416	46.19 425	43.26 427	49.59 425	48.97 427	44.62 420	39.89 418	45.04 425	43.94 423	48.74 429	50.69 430	50.80 429	49.79 428	45.54 430	46.97 431

MEDIAN_ROB	47.37 428	49.08 430	49.92 425	40.32 424	39.97 423	34.95 423	33.43 420	49.17 426	46.39 429	53.06 427	52.65 428	47.65 421	42.23 428	48.35 433	47.29 424	52.10 430	54.04 431	54.28 431	53.48 430	48.76 431	50.33 432

Selective-RAFT-Error	41.77 421	40.16 426	53.34 427	47.73 426	45.25 428	62.51 432	80.64 430	67.22 430	34.93 419	30.64 420	31.81 421	48.11 422	42.11 427	46.57 426	54.95 426	21.61 423	18.87 422	23.48 425	23.15 422	29.16 425	33.08 425

CasAABBNet	41.80 425	40.20 427	53.41 428	47.73 426	45.18 427	62.51 432	80.71 431	67.26 431	34.80 418	30.49 416	31.88 422	48.24 423	41.81 426	46.63 428	55.64 428	21.60 422	18.88 423	23.48 425	23.22 426	29.19 426	33.05 424

MyStereo03	41.77 421	40.13 423	53.46 429	47.73 426	45.04 424	62.50 429	80.72 432	66.91 427	34.93 419	30.53 417	31.77 418	48.26 424	41.67 423	46.68 429	55.85 429	21.53 419	18.88 423	23.46 422	23.21 423	29.14 422	33.09 426

MyStereo02	41.77 421	40.13 423	53.46 429	47.73 426	45.04 424	62.50 429	80.72 432	66.91 427	34.93 419	30.53 417	31.77 418	48.26 424	41.67 423	46.68 429	55.85 429	21.53 419	18.88 423	23.46 422	23.21 423	29.14 422	33.09 426

MyStereo	41.77 421	40.13 423	53.46 429	47.73 426	45.04 424	62.50 429	80.72 432	66.91 427	34.93 419	30.53 417	31.77 418	48.26 424	41.67 423	46.68 429	55.85 429	21.53 419	18.88 423	23.46 422	23.21 423	29.14 422	33.09 426

LSM0	49.58 429	40.04 422	53.62 432	97.15 432	128.68 434	62.75 434	79.89 429	67.63 432	35.11 423	33.02 422	32.61 423	48.43 427	41.60 422	46.60 427	55.43 427	21.63 424	18.99 427	23.62 427	23.13 421	29.47 427	52.26 433

SPstereo	30.42 419	11.55 408	18.72 311	8.51 414	9.93 411	50.05 427	82.85 435	71.73 433	35.92 424	30.73 421	29.66 416	48.61 428	42.30 429	47.77 432	58.10 432	7.32 413	8.89 416	20.37 421	10.07 415	7.98 414	7.43 416

KSHMR	16.96 410	5.37 380	21.64 398	4.46 404	4.50 405	8.30 401	3.32 371	15.58 414	76.24 431	6.62 390	61.47 429	56.53 429	5.43 365	35.17 421	11.37 371	4.39 403	2.97 405	3.63 408	2.74 406	5.10 402	4.34 409

ktn	21.74 415	10.34 403	19.68 329	4.53 405	4.00 401	6.53 392	4.51 390	6.79 396	78.82 433	84.69 433	100.86 437	58.49 430	7.57 388	12.11 380	13.35 376	4.58 409	3.24 408	3.49 403	2.62 402	4.65 400	3.84 404

xxxxx1	112.33 436	88.53 434	37.76 419	227.84 437	157.23 436	39.05 424	61.41 426	93.76 435	79.29 434	62.45 429	74.79 431	78.32 431	70.96 433	33.47 418	70.69 433	114.00 434	130.36 435	259.31 436	274.34 436	145.54 435	147.50 436

tt_ll	112.33 436	88.53 434	37.76 419	227.84 437	157.23 436	39.05 424	61.41 426	93.76 435	79.29 434	62.45 429	74.79 431	78.32 431	70.96 433	33.47 418	70.69 433	114.00 434	130.36 435	259.31 436	274.34 436	145.54 435	147.50 436

ff	112.33 436	88.53 434	37.76 419	227.84 437	157.23 436	39.05 424	61.41 426	93.76 435	79.29 434	62.45 429	74.79 431	78.32 431	70.96 433	33.47 418	70.69 433	114.00 434	130.36 435	259.31 436	274.34 436	145.54 435	147.50 436

TorneroNet	25.88 417	11.28 407	21.62 396	4.20 398	4.07 402	55.25 428	3.15 369	15.16 412	76.94 432	58.09 428	82.72 434	86.88 434	41.15 421	13.35 393	18.13 398	4.32 401	2.85 399	3.45 402	2.62 402	8.33 416	4.14 407

BEATNet-Init1	49.72 430	64.32 433	97.77 434	4.68 407	4.28 404	84.75 435	60.42 425	73.38 434	68.59 430	88.29 434	88.51 436	91.94 435	97.99 436	85.26 437	70.96 436	0.80 347	0.65 349	0.85 361	0.70 346	7.96 413	2.33 380

ASD4	103.30 435	113.98 437	120.24 436	106.67 433	79.75 429	115.36 436	120.35 436	119.13 438	79.65 437	120.04 436	74.64 430	101.45 436	65.48 432	109.11 438	84.31 438	104.31 432	90.04 434	133.15 434	103.58 433	130.15 434	94.66 435

PML	64.32 432	53.22 431	17.88 297	8.10 413	32.94 420	148.46 438	247.79 439	12.18 404	45.42 428	111.41 435	288.92 439	101.47 437	101.31 437	31.67 417	15.55 381	14.03 418	4.83 412	10.98 417	6.18 413	28.82 421	5.17 410

DPSimNet_ROB	102.30 434	119.72 438	143.59 437	109.42 434	94.10 431	127.22 437	127.15 437	26.62 418	102.36 438	149.58 438	83.99 435	139.34 438	137.54 438	64.62 434	82.36 437	105.18 433	66.15 433	120.15 432	69.61 431	99.58 433	77.72 434

test_example2	212.63 439	219.92 439	221.87 439	213.67 436	221.17 439	199.47 439	200.74 438	185.30 439	141.66 439	209.52 439	213.45 438	210.82 439	205.48 439	221.27 439	216.64 439	236.83 438	242.07 439	213.93 435	217.01 435	235.69 439	226.10 439

Low-res two-view benchmark