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

Selective-IGEV	0.39 5	0.24 19	0.50 18	0.44 23	0.25 18	0.46 18	0.33 33	1.25 151	0.40 1	0.35 1	0.45 3	0.52 37	0.30 4	1.07 109	0.30 1	0.14 4	0.12 9	0.17 14	0.13 11	0.16 13	0.13 3

StereoIM	0.36 1	0.25 35	0.58 48	0.44 23	0.34 137	0.30 3	0.30 22	0.72 5	0.50 6	0.37 2	0.36 1	0.58 47	0.49 55	0.52 4	0.36 33	0.19 92	0.16 156	0.19 49	0.15 30	0.18 41	0.14 11

CroCo-Stereo Lap2	0.44 21	0.34 206	0.77 159	0.61 218	0.79 336	0.28 2	0.35 46	0.75 8	0.71 51	0.38 3	0.50 9	0.72 80	0.55 74	0.57 12	0.47 110	0.17 32	0.18 195	0.19 49	0.16 58	0.21 131	0.20 134

AEACV	0.37 3	0.24 19	0.52 26	0.47 41	0.51 244	0.37 8	0.38 69	0.65 3	0.53 16	0.42 4	0.56 18	0.46 16	0.60 97	0.53 5	0.30 1	0.16 11	0.13 42	0.18 36	0.15 30	0.17 24	0.14 11

EGLCR-Stereo	0.37 3	0.22 9	0.51 24	0.43 8	0.26 20	0.44 16	0.22 2	0.99 64	0.48 4	0.42 4	0.42 2	0.67 67	0.29 3	0.86 69	0.33 16	0.17 32	0.12 9	0.19 49	0.17 74	0.17 24	0.15 27

CroCo-Stereo	0.40 8	0.31 157	0.73 130	0.58 182	0.27 33	0.26 1	0.33 33	0.95 52	0.81 69	0.42 4	0.47 5	0.65 63	0.47 39	0.39 1	0.34 24	0.18 60	0.15 125	0.16 9	0.14 22	0.19 71	0.16 41
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
test croco	0.46 24	0.27 67	1.01 240	0.50 72	0.40 183	0.35 5	0.37 65	0.87 25	0.56 17	0.43 7	0.76 42	0.42 5	0.40 17	1.13 118	0.45 92	0.21 144	0.15 125	0.24 170	0.19 108	0.24 191	0.16 41

LoS_RVC	0.42 11	0.26 46	0.40 8	0.44 23	0.82 345	0.51 49	0.44 124	0.64 2	0.41 2	0.44 8	0.78 45	0.44 9	0.47 39	0.56 10	0.36 33	0.13 1	0.12 9	0.14 1	0.10 2	0.13 1	0.84 370

CES	0.48 32	0.20 2	0.37 2	0.39 4	1.39 382	0.55 65	0.35 46	0.98 62	0.66 40	0.44 8	0.66 23	0.35 1	0.27 2	0.56 10	0.33 16	0.15 6	0.13 42	0.15 3	0.10 2	0.19 71	1.46 387

ProNet	0.43 13	0.28 83	0.58 48	0.43 8	0.30 79	0.56 68	0.52 179	1.00 68	0.58 18	0.44 8	0.49 8	0.43 7	0.43 23	1.28 132	0.36 33	0.15 6	0.13 42	0.19 49	0.16 58	0.17 24	0.16 41

sCroCo_RVC	0.49 35	0.40 249	1.02 246	0.65 258	0.60 285	0.52 51	0.40 83	0.83 22	0.61 22	0.44 8	0.74 38	0.49 29	0.50 56	0.63 25	0.48 115	0.26 243	0.27 291	0.23 150	0.22 197	0.29 240	0.25 206

MIF-Stereo (partial)	0.45 23	0.25 35	0.70 103	0.50 72	0.52 252	0.35 5	0.26 9	0.91 40	0.59 21	0.45 12	0.71 33	0.51 32	0.51 58	1.11 115	0.45 92	0.20 117	0.16 156	0.23 150	0.20 136	0.24 191	0.18 78

AE-Stereo	0.49 35	0.27 67	0.67 85	0.60 206	0.39 178	0.67 121	0.46 142	1.18 129	1.09 168	0.47 13	0.75 40	0.69 74	0.47 39	0.59 14	0.40 58	0.16 11	0.15 125	0.21 96	0.20 136	0.19 71	0.15 27

IGEVStereo-DCA	0.46 24	0.28 83	0.56 37	0.43 8	0.33 122	0.49 30	0.42 96	0.87 25	0.50 6	0.47 13	0.48 6	0.48 22	0.46 33	2.03 251	0.30 1	0.19 92	0.14 75	0.19 49	0.15 30	0.16 13	0.18 78

rrr	0.46 24	0.28 83	0.73 130	0.43 8	0.33 122	0.49 30	0.38 69	0.76 10	0.50 6	0.47 13	0.48 6	0.48 22	0.46 33	2.03 251	0.30 1	0.19 92	0.14 75	0.19 49	0.15 30	0.16 13	0.16 41

Anonymous	0.53 48	0.38 240	0.91 211	0.66 263	0.73 319	0.65 108	0.59 228	0.95 52	0.73 55	0.47 13	0.58 19	0.42 5	0.60 97	0.80 55	0.53 145	0.24 205	0.23 263	0.21 96	0.21 172	0.41 299	0.29 244

MyStereo07	0.48 32	0.29 110	0.50 18	0.55 153	0.45 210	0.59 78	0.79 273	1.05 87	0.51 13	0.48 17	0.53 10	0.43 7	0.55 74	1.30 136	0.34 24	0.17 32	0.16 156	0.24 170	0.20 136	0.23 177	0.20 134

CAS	0.63 116	0.18 1	0.37 2	2.27 390	0.84 347	0.57 73	0.54 189	0.79 13	0.62 23	0.48 17	0.70 31	0.36 2	0.26 1	0.45 2	0.35 27	2.24 391	0.10 1	0.14 1	0.09 1	0.15 5	1.06 381

LoS	0.40 8	0.21 4	0.44 11	0.37 2	0.22 4	0.50 39	0.40 83	1.00 68	0.94 106	0.48 17	0.66 23	0.48 22	0.40 17	0.60 23	0.37 38	0.18 60	0.14 75	0.16 9	0.11 6	0.14 2	0.14 11

ff7	0.43 13	0.27 67	0.56 37	0.44 23	0.33 122	0.50 39	0.42 96	0.87 25	0.50 6	0.49 20	0.53 10	0.44 9	0.48 47	1.38 153	0.33 16	0.17 32	0.12 9	0.21 96	0.15 30	0.18 41	0.18 78

ffff	0.43 13	0.27 67	0.56 37	0.44 23	0.33 122	0.50 39	0.42 96	0.87 25	0.50 6	0.49 20	0.53 10	0.44 9	0.48 47	1.38 153	0.33 16	0.17 32	0.12 9	0.21 96	0.15 30	0.18 41	0.18 78

11t	0.43 13	0.27 67	0.56 37	0.44 23	0.33 122	0.50 39	0.42 96	0.87 25	0.50 6	0.49 20	0.53 10	0.44 9	0.48 47	1.38 153	0.33 16	0.17 32	0.12 9	0.21 96	0.15 30	0.18 41	0.18 78

anonymousdsp	0.43 13	0.27 67	0.53 28	0.44 23	0.32 106	0.50 39	0.42 96	0.89 33	0.51 13	0.49 20	0.53 10	0.47 19	0.47 39	1.33 141	0.33 16	0.17 32	0.12 9	0.21 96	0.15 30	0.18 41	0.18 78

ccc-4	0.43 13	0.27 67	0.56 37	0.44 23	0.33 122	0.50 39	0.42 96	0.87 25	0.50 6	0.49 20	0.53 10	0.44 9	0.48 47	1.38 153	0.33 16	0.17 32	0.12 9	0.21 96	0.15 30	0.18 41	0.18 78

IGEV-Stereo	0.43 13	0.27 67	0.54 32	0.45 32	0.32 106	0.50 39	0.42 96	0.90 39	0.51 13	0.49 20	0.53 10	0.47 19	0.47 39	1.32 139	0.33 16	0.17 32	0.12 9	0.21 96	0.15 30	0.18 41	0.18 78
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
sAnonymous2	0.55 77	0.56 304	1.46 317	0.60 206	0.51 244	0.48 20	0.52 179	0.79 13	0.68 44	0.50 26	0.67 25	0.46 16	0.62 111	0.59 14	0.40 58	0.22 167	0.17 180	0.22 122	0.21 172	0.86 368	0.56 341

CroCo_RVC	0.55 77	0.56 304	1.46 317	0.60 206	0.51 244	0.48 20	0.52 179	0.79 13	0.68 44	0.50 26	0.67 25	0.46 16	0.62 111	0.59 14	0.40 58	0.22 167	0.17 180	0.22 122	0.21 172	0.86 368	0.56 341

GLC_STEREO	0.39 5	0.25 35	0.41 9	0.54 134	0.23 6	0.48 20	0.30 22	0.73 6	0.58 18	0.52 28	0.73 36	0.51 32	0.31 6	0.64 26	0.42 73	0.17 32	0.20 225	0.23 150	0.19 108	0.21 131	0.17 60

test_xeample3	0.42 11	0.28 83	0.69 97	0.43 8	0.33 122	0.56 68	0.38 69	0.79 13	0.45 3	0.53 29	0.46 4	0.44 9	0.44 27	1.38 153	0.31 5	0.18 60	0.14 75	0.19 49	0.15 30	0.17 24	0.16 41

MIF-Stereo	0.36 1	0.23 13	0.59 52	0.48 52	0.36 145	0.40 10	0.32 30	0.53 1	0.49 5	0.54 30	0.55 17	0.36 2	0.31 6	0.58 13	0.51 131	0.20 117	0.15 125	0.17 14	0.15 30	0.19 71	0.15 27

tt1	0.62 110	0.32 171	0.51 24	0.54 134	0.26 20	1.16 261	0.48 156	0.95 52	2.47 371	0.57 31	0.77 43	0.49 29	0.81 167	1.55 187	0.32 7	0.20 117	0.12 9	0.24 170	0.15 30	0.19 71	0.20 134

ACVNet-DCA	0.56 86	0.31 157	0.50 18	0.54 134	0.26 20	1.18 264	0.51 170	1.42 178	0.78 63	0.58 32	0.79 48	0.48 22	0.88 200	1.46 170	0.32 7	0.20 117	0.12 9	0.25 206	0.15 30	0.22 152	0.21 150

xx1	0.67 148	0.31 157	0.50 18	0.54 134	0.26 20	1.18 264	0.51 170	0.93 45	3.05 383	0.58 32	0.79 48	0.95 154	0.77 152	1.46 170	0.32 7	0.20 117	0.12 9	0.24 170	0.23 217	0.22 152	0.21 150

1test111	0.54 62	0.31 157	0.50 18	0.54 134	0.26 20	1.18 264	0.51 170	1.42 178	0.78 63	0.58 32	0.79 48	0.48 22	0.88 200	0.88 71	0.59 164	0.20 117	0.12 9	0.25 206	0.15 30	0.22 152	0.21 150

cc1	0.64 126	0.31 157	0.50 18	0.54 134	0.26 20	1.18 264	0.51 170	0.93 45	3.05 383	0.58 32	0.79 48	0.48 22	0.88 200	1.46 170	0.32 7	0.20 117	0.12 9	0.25 206	0.15 30	0.19 71	0.19 111

Selective-RAFT	0.52 39	0.28 83	0.79 169	0.55 153	0.27 33	0.91 205	0.33 33	0.80 18	0.88 85	0.58 32	0.63 21	0.81 98	0.77 152	1.29 135	0.48 115	0.19 92	0.14 75	0.17 14	0.15 30	0.19 71	0.17 60

CREStereo	0.39 5	0.21 4	0.38 4	0.34 1	0.22 4	0.53 56	0.29 19	0.77 11	1.11 174	0.58 32	0.71 33	0.51 32	0.41 19	0.54 7	0.34 24	0.18 60	0.13 42	0.15 3	0.10 2	0.14 2	0.14 11
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
MC-Stereo	0.43 13	0.23 13	0.48 15	0.51 95	0.28 52	0.39 9	0.32 30	0.88 32	0.68 44	0.60 38	0.84 55	0.56 41	0.61 106	1.03 98	0.31 5	0.17 32	0.11 3	0.17 14	0.15 30	0.16 13	0.13 3

Former-RAFT_DAM_RVC	0.46 24	0.36 229	0.71 114	0.47 41	0.36 145	0.67 121	0.35 46	0.78 12	1.12 178	0.61 39	0.62 20	0.39 4	0.39 14	0.71 37	0.39 54	0.20 117	0.17 180	0.22 122	0.18 88	0.23 177	0.19 111

PMTNet	0.46 24	0.21 4	0.38 4	0.37 2	0.23 6	0.71 142	0.27 14	0.74 7	1.04 146	0.64 40	0.70 31	0.55 39	0.47 39	0.86 69	0.35 27	1.00 376	0.13 42	0.15 3	0.10 2	0.15 5	0.13 3

XX-Stereo	0.63 116	0.26 46	1.90 348	0.81 328	0.67 303	0.43 14	0.23 3	1.03 77	0.58 18	0.65 41	1.56 274	1.41 267	0.39 14	1.28 132	0.35 27	0.20 117	0.14 75	0.20 73	0.19 108	0.18 41	0.14 11

DLNR_Zeroshot_test	23.17 421	48.52 438	43.29 428	176.68 438	78.69 434	0.35 5	0.21 1	23.41 421	0.75 56	0.66 42	0.86 57	0.59 51	0.30 4	1.56 190	0.44 84	9.57 419	0.12 9	0.18 36	0.14 22	76.92 437	0.16 41

RCA-Stereo	0.50 37	0.23 13	0.58 48	0.48 52	0.33 122	0.55 65	0.45 135	0.97 60	1.38 295	0.68 43	1.05 111	0.63 57	0.80 164	0.59 14	0.32 7	0.17 32	0.12 9	0.17 14	0.14 22	0.16 13	0.14 11

HH	0.63 116	0.30 126	0.77 159	0.50 72	0.32 106	0.49 30	0.46 142	1.65 233	0.64 27	0.69 44	1.09 124	1.63 304	0.85 185	1.90 238	0.37 38	0.18 60	0.13 42	0.19 49	0.17 74	0.19 71	0.16 41

HanStereo	0.63 116	0.30 126	0.77 159	0.50 72	0.32 106	0.49 30	0.46 142	1.65 233	0.64 27	0.69 44	1.09 124	1.63 304	0.85 185	1.90 238	0.37 38	0.18 60	0.13 42	0.19 49	0.17 74	0.19 71	0.16 41

RAFT+CT+SA	0.58 95	0.29 110	0.60 56	0.66 263	0.37 153	0.42 13	0.55 202	1.27 153	1.03 142	0.70 46	1.22 171	0.60 52	0.70 133	1.64 200	0.41 65	0.18 60	0.13 42	0.22 122	0.22 197	0.21 131	0.18 78

RALCasStereoNet	0.54 62	0.30 126	0.66 82	0.59 195	0.51 244	0.61 87	0.52 179	0.94 49	0.93 103	0.70 46	1.01 92	0.78 90	0.44 27	1.33 141	0.47 110	0.20 117	0.16 156	0.18 36	0.16 58	0.20 97	0.19 111

StereoVision	0.65 131	0.34 206	0.86 187	0.59 195	0.40 183	0.50 39	0.41 94	1.09 107	0.93 103	0.71 48	2.50 360	0.82 103	0.57 86	1.03 98	0.49 122	0.25 229	0.28 297	0.29 254	0.28 277	0.36 276	0.20 134

EKT-Stereo	0.53 48	0.30 126	0.73 130	0.58 182	0.60 285	0.51 49	0.48 156	0.94 49	0.90 92	0.71 48	0.88 62	0.77 87	0.43 23	1.07 109	0.40 58	0.22 167	0.16 156	0.21 96	0.18 88	0.20 97	0.22 165

EAI-Stereo	0.65 131	0.28 83	0.69 97	0.53 119	0.27 33	0.60 84	0.40 83	2.28 361	0.64 27	0.71 48	3.18 371	0.57 43	0.43 23	1.06 105	0.41 65	0.18 60	0.13 42	0.17 14	0.17 74	0.17 24	0.17 60

Anonymous3	0.61 107	0.44 264	1.11 270	0.59 195	0.49 228	0.93 214	0.65 240	0.93 45	0.81 69	0.72 51	0.88 62	0.65 63	0.69 130	1.06 105	0.53 145	0.35 306	0.30 309	0.26 225	0.26 252	0.31 256	0.27 230

riskmin	0.56 86	0.27 67	0.60 56	0.43 8	0.31 91	0.83 189	0.42 96	1.14 119	1.04 146	0.73 52	0.75 40	1.11 205	1.01 252	0.81 59	0.51 131	0.20 117	0.14 75	0.24 170	0.15 30	0.24 191	0.25 206

test_5	0.65 131	0.30 126	0.75 146	0.67 273	0.50 234	0.92 211	0.52 179	1.39 174	1.12 178	0.76 53	1.11 133	1.00 169	0.90 207	1.53 183	0.45 92	0.18 60	0.13 42	0.23 150	0.22 197	0.21 131	0.19 111

raft+_RVC	0.53 48	0.26 46	0.54 32	0.60 206	0.47 224	0.54 59	0.54 189	1.27 153	0.99 129	0.76 53	1.03 107	0.70 77	0.56 78	0.93 82	0.47 110	0.18 60	0.14 75	0.19 49	0.18 88	0.18 41	0.15 27

XX-TBD	0.46 24	0.70 338	0.35 1	0.79 322	0.25 18	0.58 74	0.26 9	0.69 4	1.27 246	0.76 53	1.00 87	0.45 15	0.33 10	0.47 3	0.37 38	0.19 92	0.15 125	0.15 3	0.11 6	0.17 24	0.14 11

anonymousdsp2	0.53 48	0.27 67	0.74 144	0.48 52	0.29 63	0.76 160	0.47 148	1.61 226	0.82 74	0.77 56	0.77 43	0.75 83	0.47 39	1.03 98	0.40 58	0.18 60	0.13 42	0.18 36	0.13 11	0.19 71	0.18 78

DCRE	0.82 212	0.26 46	0.70 103	0.58 182	0.44 203	0.54 59	0.48 156	0.95 52	0.78 63	0.78 57	7.33 401	0.86 123	0.52 60	0.76 48	0.41 65	0.16 11	0.16 156	0.19 49	0.17 74	0.18 41	0.17 60

dd	0.59 98	0.48 281	0.97 228	0.55 153	0.32 106	0.64 96	0.47 148	1.02 74	1.34 276	0.78 57	0.86 57	0.58 47	0.54 68	1.01 95	0.86 241	0.28 262	0.18 195	0.26 225	0.19 108	0.32 261	0.24 194

test-1	0.52 39	0.26 46	1.04 253	0.56 165	0.32 106	0.61 87	0.38 69	1.10 109	0.91 97	0.78 57	1.01 92	0.77 87	0.52 60	0.60 23	0.42 73	0.17 32	0.14 75	0.20 73	0.17 74	0.20 97	0.23 182

iRaft-Stereo_5w	0.85 225	0.29 110	0.91 211	0.53 119	0.43 197	0.49 30	0.68 250	0.99 64	0.87 81	0.79 60	1.34 215	1.46 277	0.91 209	5.11 342	1.11 273	0.17 32	0.14 75	0.22 122	0.18 88	0.20 97	0.20 134

TRStereo	0.60 101	0.60 321	0.97 228	0.74 310	0.67 303	0.46 18	0.38 69	1.85 280	0.89 88	0.79 60	0.80 52	0.88 130	0.39 14	1.10 112	0.41 65	0.23 190	0.15 125	0.23 150	0.24 228	0.17 24	0.15 27

qqq	0.57 90	0.34 206	0.71 114	0.47 41	0.27 33	0.64 96	0.62 235	1.42 178	0.78 63	0.80 62	0.92 68	0.95 154	0.77 152	0.88 71	0.59 164	0.21 144	0.20 225	0.24 170	0.23 217	0.22 152	0.21 150

CREStereo++_RVC	0.47 30	0.21 4	0.38 4	0.45 32	0.38 170	0.45 17	0.25 4	0.75 8	1.29 255	0.80 62	1.21 169	0.47 19	0.37 12	0.53 5	0.44 84	0.16 11	0.11 3	0.15 3	0.80 378	0.18 41	0.11 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
TestStereo	0.64 126	0.39 245	0.71 114	0.51 95	0.27 33	0.56 68	0.42 96	1.03 77	0.91 97	0.80 62	1.00 87	0.68 69	0.52 60	3.25 309	0.45 92	0.22 167	0.15 125	0.24 170	0.18 88	0.27 221	0.16 41

111	0.60 101	0.23 13	0.70 103	0.43 8	0.24 9	0.72 144	0.42 96	1.18 129	1.41 307	0.80 62	1.38 228	1.10 201	0.79 159	0.96 83	0.58 162	0.18 60	0.13 42	0.17 14	0.15 30	0.17 24	0.19 111

x	0.54 62	0.31 157	0.61 59	0.47 41	0.30 79	0.67 121	0.47 148	1.53 210	0.79 67	0.81 66	0.83 53	0.78 90	0.70 133	0.70 33	0.62 176	0.21 144	0.19 208	0.22 122	0.19 108	0.21 131	0.20 134

UDGNet	0.72 161	1.17 376	0.80 174	0.77 319	0.41 189	0.77 166	0.38 69	0.97 60	1.34 276	0.81 66	0.88 62	0.71 79	0.60 97	1.21 125	0.54 151	0.52 353	0.19 208	1.02 380	0.26 252	0.71 363	0.31 266

s12784h	0.52 39	0.20 2	0.38 4	0.41 5	0.19 1	0.96 224	0.34 43	1.17 124	1.25 234	0.81 66	0.90 65	0.63 57	0.50 56	1.45 168	0.42 73	0.14 4	0.12 9	0.17 14	0.11 6	0.18 41	0.11 1

GMStereo	0.55 77	0.45 270	0.94 219	0.50 72	0.32 106	0.64 96	0.43 112	1.00 68	1.40 304	0.82 69	0.73 36	0.51 32	0.45 30	0.85 66	0.55 155	0.24 205	0.15 125	0.20 73	0.21 172	0.31 256	0.24 194
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
CASnet	0.41 10	0.25 35	0.48 15	0.50 72	0.20 2	0.50 39	0.36 56	0.81 21	0.80 68	0.83 70	0.68 27	0.48 22	0.31 6	0.54 7	0.32 7	0.18 60	0.12 9	0.27 236	0.22 197	0.23 177	0.14 11
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
PSMNet-ADL	0.72 161	0.35 222	0.62 63	0.69 286	0.46 220	1.14 254	0.44 124	1.37 168	1.01 136	0.83 70	1.17 159	1.33 255	0.96 233	1.43 165	0.95 250	0.33 291	0.22 255	0.21 96	0.23 217	0.27 221	0.29 244

11t1	0.52 39	0.28 83	0.68 88	0.51 95	0.28 52	0.83 189	0.39 80	1.22 143	0.63 25	0.84 72	0.74 38	0.68 69	0.68 127	0.91 76	0.57 159	0.21 144	0.18 195	0.19 49	0.16 58	0.20 97	0.21 150

ToySt	0.66 139	0.33 187	1.23 285	0.51 95	0.33 122	0.86 198	0.68 250	1.10 109	0.97 117	0.84 72	1.08 119	1.25 235	0.94 223	1.01 95	0.74 203	0.19 92	0.19 208	0.24 170	0.24 228	0.27 221	0.23 182

rafts_anoy	0.52 39	0.29 110	0.59 52	0.59 195	0.50 234	0.53 56	0.40 83	1.11 115	1.03 142	0.84 72	0.83 53	0.68 69	0.54 68	0.72 40	0.51 131	0.19 92	0.14 75	0.24 170	0.26 252	0.21 131	0.18 78

iRaftStereo_RVC	0.47 30	0.26 46	0.64 72	0.50 72	0.29 63	0.53 56	0.33 33	1.05 87	0.77 61	0.84 72	1.00 87	0.55 39	0.37 12	0.81 59	0.40 58	0.17 32	0.12 9	0.22 122	0.20 136	0.19 71	0.15 27

Any-RAFT	0.53 48	0.24 19	0.47 13	0.47 41	0.27 33	1.00 234	0.25 4	1.58 219	1.05 150	0.85 76	0.99 84	1.06 186	0.47 39	0.70 33	0.32 7	0.18 60	0.13 42	0.16 9	0.13 11	0.16 13	0.16 41

FADNet_RVC	0.83 217	0.51 291	1.83 346	0.54 134	0.42 192	1.19 268	0.46 142	1.51 201	1.09 168	0.89 77	1.24 177	0.91 136	0.87 196	2.11 258	1.11 273	0.27 252	0.22 255	0.31 267	0.28 277	0.43 309	0.38 295

ICVP	0.63 116	0.33 187	0.57 45	0.61 218	0.40 183	0.80 180	0.58 221	1.61 226	0.89 88	0.90 78	1.24 177	0.88 130	0.73 136	0.72 40	0.88 242	0.29 270	0.21 241	0.22 122	0.21 172	0.24 191	0.27 230
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
FADNet-RVC	0.88 235	0.67 331	1.93 350	0.60 206	0.48 225	0.91 205	0.60 232	1.71 245	1.18 209	0.90 78	0.96 74	1.36 260	0.92 212	2.25 270	1.17 280	0.30 274	0.29 305	0.32 280	0.32 306	0.41 299	0.35 283

MyStereo04	0.67 148	0.29 110	1.07 261	0.55 153	0.45 210	0.59 78	0.79 273	1.50 196	1.40 304	0.91 80	0.91 66	0.74 81	0.86 193	1.52 179	0.62 176	0.17 32	0.16 156	0.24 170	0.20 136	0.23 177	0.20 134

MSKI-zero shot	0.55 77	0.26 46	0.57 45	0.51 95	0.26 20	0.69 132	0.28 17	1.18 129	0.64 27	0.91 80	1.32 208	0.82 103	0.33 10	1.92 240	0.32 7	0.17 32	0.12 9	0.17 14	0.13 11	0.16 13	0.16 41

test_4	0.53 48	0.22 9	0.56 37	0.54 134	0.32 106	0.64 96	0.39 80	0.80 18	0.62 23	0.92 82	1.87 323	0.68 69	0.42 21	1.16 122	0.37 38	0.15 6	0.13 42	0.20 73	0.22 197	0.20 97	0.15 27

TANstereo	0.44 21	0.21 4	0.44 11	0.41 5	0.21 3	0.65 108	0.26 9	0.79 13	0.83 75	0.93 83	0.98 82	0.51 32	0.46 33	0.54 7	0.35 27	0.18 60	0.24 272	0.16 9	0.13 11	0.16 13	0.26 224

ACVNet	0.63 116	0.31 157	0.54 32	0.54 134	0.36 145	0.80 180	0.46 142	1.37 168	1.07 158	0.93 83	1.30 198	1.08 193	0.85 185	0.80 55	0.94 248	0.21 144	0.19 208	0.21 96	0.18 88	0.22 152	0.18 78

CFNet-ft	0.72 161	0.32 171	0.54 32	0.66 263	0.54 258	0.83 189	0.55 202	1.37 168	1.15 199	0.93 83	1.28 194	1.57 294	0.97 236	1.35 145	0.81 226	0.26 243	0.20 225	0.33 287	0.25 239	0.30 249	0.23 182

FADNet	0.92 245	0.61 322	1.81 343	0.62 229	0.55 264	0.96 224	0.57 218	1.78 266	1.33 273	0.93 83	1.01 92	1.36 260	1.01 252	2.71 291	0.75 206	0.33 291	0.34 325	0.31 267	0.34 317	0.59 347	0.40 299

CFNet_RVC	0.72 161	0.32 171	0.54 32	0.66 263	0.54 258	0.83 189	0.55 202	1.37 168	1.15 199	0.93 83	1.28 194	1.57 294	0.97 236	1.35 145	0.81 226	0.26 243	0.20 225	0.33 287	0.25 239	0.30 249	0.23 182

LL-Strereo2	0.52 39	0.33 187	0.69 97	0.52 111	0.37 153	0.70 139	0.30 22	1.13 118	0.67 41	0.94 88	0.78 45	0.91 136	0.42 21	1.05 104	0.42 73	0.17 32	0.16 156	0.29 254	0.25 239	0.21 131	0.16 41

GANet-ADL	0.60 101	0.35 222	0.72 118	0.64 246	0.40 183	0.68 128	0.51 170	1.49 192	1.12 178	0.95 89	1.08 119	0.91 136	0.57 86	0.76 48	0.55 155	0.26 243	0.18 195	0.18 36	0.16 58	0.23 177	0.25 206

RAFT-Test	0.54 62	0.25 35	0.64 72	0.47 41	0.30 79	0.97 228	0.27 14	1.24 149	0.81 69	0.96 90	1.12 139	1.28 246	0.48 47	0.71 37	0.36 33	0.17 32	0.13 42	0.17 14	0.14 22	0.16 13	0.16 41

Anonymous_2	1.30 314	0.55 301	0.82 177	0.52 111	0.58 275	1.01 235	0.64 238	1.25 151	0.97 117	0.96 90	0.78 45	1.33 255	1.29 307	1.03 98	0.74 203	0.62 365	0.64 382	1.06 381	9.63 418	1.16 379	0.49 329

SA	0.66 139	0.30 126	0.82 177	0.61 218	0.30 79	0.58 74	0.38 69	1.44 185	1.30 261	0.96 90	1.36 222	0.66 65	0.95 228	1.85 234	0.42 73	0.19 92	0.15 125	0.25 206	0.23 217	0.21 131	0.17 60

TestStereo1	0.63 116	0.28 83	0.75 146	0.76 316	0.31 91	0.48 20	0.43 112	1.30 157	1.21 222	0.97 93	1.31 203	0.64 60	0.77 152	1.75 219	0.42 73	0.20 117	0.15 125	0.22 122	0.18 88	0.21 131	0.17 60

RAFT_CTSACE	0.63 116	0.26 46	0.88 200	0.55 153	0.51 244	0.71 142	0.44 124	0.80 18	0.97 117	0.97 93	1.84 318	1.18 219	0.68 127	1.47 174	0.36 33	0.16 11	0.15 125	0.21 96	0.20 136	0.20 97	0.14 11

SA-5K	0.63 116	0.28 83	0.75 146	0.76 316	0.31 91	0.48 20	0.43 112	1.30 157	1.21 222	0.97 93	1.31 203	0.64 60	0.77 152	1.75 219	0.42 73	0.20 117	0.15 125	0.22 122	0.18 88	0.21 131	0.17 60

UCFNet_RVC	0.69 153	0.35 222	0.49 17	0.64 246	0.39 178	0.85 197	0.58 221	1.75 253	1.14 190	0.97 93	1.19 164	1.17 216	0.93 218	0.99 91	0.62 176	0.28 262	0.20 225	0.34 297	0.31 300	0.32 261	0.27 230

knoymous	0.51 38	0.29 110	0.47 13	0.43 8	0.30 79	0.55 65	0.55 202	1.02 74	0.77 61	0.98 97	0.85 56	0.94 148	0.56 78	0.85 66	0.45 92	0.20 117	0.14 75	0.26 225	0.14 22	0.23 177	0.23 182

AnonymousM	0.59 98	1.11 371	0.41 9	0.44 23	0.32 106	0.43 14	0.47 148	1.05 87	0.64 27	0.98 97	0.63 21	0.67 67	0.43 23	0.59 14	0.41 65	0.20 117	0.15 125	1.84 388	0.84 380	0.14 2	0.13 3

CFNet	0.96 253	0.36 229	1.01 240	0.62 229	0.42 192	0.99 232	0.47 148	1.90 291	1.32 270	0.99 99	1.39 232	1.10 201	0.86 193	5.58 355	0.79 222	0.23 190	0.17 180	0.28 246	0.27 260	0.26 209	0.21 150

NVstereo2D	0.92 245	0.41 255	1.48 322	0.72 301	0.72 316	1.20 270	0.87 293	1.75 253	1.38 295	0.99 99	1.13 144	1.26 239	0.98 240	2.21 267	0.89 243	0.43 334	0.20 225	0.38 317	0.24 228	0.57 343	0.63 354

IGEV_Zeroshot_test	0.53 48	0.30 126	0.99 231	0.56 165	0.35 140	0.41 12	0.32 30	1.37 168	0.63 25	1.00 101	1.09 124	0.95 154	0.41 19	0.83 62	0.39 54	0.18 60	0.12 9	0.19 49	0.18 88	0.19 71	0.17 60

MIM_Stereo	0.57 90	0.24 19	0.92 215	0.46 35	0.30 79	0.54 59	0.28 17	1.27 153	0.75 56	1.00 101	1.16 156	0.93 145	0.53 65	1.45 168	0.61 173	0.16 11	0.16 156	0.20 73	0.19 108	0.17 24	0.14 11

FENet	0.60 101	0.28 83	0.63 66	0.54 134	0.33 122	0.83 189	0.38 69	1.27 153	1.07 158	1.00 101	0.86 57	0.99 168	0.85 185	0.96 83	0.68 189	0.22 167	0.15 125	0.23 150	0.20 136	0.22 152	0.23 182

cross-raft	0.54 62	0.25 35	0.61 59	0.52 111	0.29 63	0.68 128	0.37 65	1.46 188	0.76 59	1.01 104	1.06 113	1.28 246	0.46 33	0.71 37	0.35 27	0.15 6	0.12 9	0.18 36	0.16 58	0.19 71	0.14 11

Gwc-CoAtRS	0.52 39	0.24 19	0.68 88	0.48 52	0.29 63	0.64 96	0.25 4	1.16 122	1.08 162	1.01 104	1.00 87	1.12 206	0.56 78	0.69 31	0.37 38	0.16 11	0.13 42	0.17 14	0.15 30	0.15 5	0.15 27

NOSS_ROB	1.26 310	0.46 272	0.62 63	0.56 165	0.38 170	1.06 243	0.78 270	1.73 247	1.40 304	1.01 104	1.43 241	1.10 201	0.75 140	10.62 412	0.65 184	0.45 340	0.43 354	0.48 344	0.45 345	0.44 316	0.41 303

whm_eth	0.65 131	0.47 276	1.05 254	0.55 153	0.64 296	0.69 132	0.45 135	1.34 163	1.26 239	1.02 107	1.92 328	0.49 29	0.48 47	0.70 33	0.52 137	0.23 190	0.20 225	0.25 206	0.24 228	0.24 191	0.31 266

GES	0.66 139	0.34 206	0.90 208	0.59 195	0.38 170	0.94 216	0.57 218	2.11 333	0.86 77	1.02 107	1.11 133	0.66 65	0.79 159	0.99 91	0.61 173	0.27 252	0.19 208	0.20 73	0.20 136	0.21 131	0.30 256

HCRNet	0.70 155	0.39 245	0.73 130	0.60 206	0.59 282	0.76 160	0.35 46	1.22 143	1.13 188	1.02 107	0.99 84	1.02 178	0.76 148	2.19 265	0.70 191	0.28 262	0.19 208	0.28 246	0.23 217	0.25 201	0.23 182

RASNet	1.12 293	0.30 126	0.91 211	0.66 263	0.77 331	0.97 228	0.57 218	1.37 168	1.35 284	1.02 107	1.34 215	2.11 348	1.43 320	7.09 381	1.39 308	0.19 92	0.17 180	0.17 14	0.19 108	0.18 41	0.16 41

MyStereo06	0.61 107	0.28 83	0.95 222	0.56 165	0.46 220	0.61 87	0.73 260	1.78 266	0.67 41	1.03 111	1.12 139	1.13 211	0.56 78	0.78 51	0.41 65	0.17 32	0.16 156	0.23 150	0.20 136	0.22 152	0.20 134

4D-IteraStereo	0.48 32	0.24 19	0.76 155	0.50 72	0.44 203	0.66 117	0.31 27	0.87 25	1.02 139	1.03 111	0.72 35	0.78 90	0.32 9	0.64 26	0.37 38	0.17 32	0.11 3	0.23 150	0.19 108	0.19 71	0.13 3

DN-CSS_ROB	0.64 126	0.32 171	1.05 254	0.55 153	0.40 183	0.54 59	0.45 135	1.21 136	0.93 103	1.03 111	1.47 253	0.69 74	0.63 116	1.76 224	0.49 122	0.18 60	0.14 75	0.25 206	0.22 197	0.22 152	0.20 134

GANet-RSSM	0.72 161	0.28 83	0.63 66	0.64 246	0.58 275	0.80 180	0.58 221	1.89 288	1.08 162	1.04 114	1.25 181	1.15 214	1.04 260	1.49 176	0.62 176	0.25 229	0.19 208	0.22 122	0.22 197	0.22 152	0.21 150

MIPNet	0.56 86	0.28 83	0.94 219	0.49 65	0.33 122	0.66 117	0.38 69	1.35 165	1.08 162	1.06 115	0.92 68	0.60 52	0.79 159	0.73 43	0.52 137	0.17 32	0.14 75	0.19 49	0.16 58	0.18 41	0.17 60

CFNet-RSSM	0.54 62	0.24 19	0.70 103	0.48 52	0.28 52	0.60 84	0.27 14	1.49 192	1.14 190	1.06 115	0.93 70	1.08 193	0.54 68	0.70 33	0.35 27	0.16 11	0.12 9	0.17 14	0.15 30	0.16 13	0.14 11

mmm	0.63 116	0.35 222	0.72 118	0.51 95	0.30 79	0.86 198	0.54 189	1.59 220	0.86 77	1.07 117	1.38 228	0.79 93	0.75 140	0.91 76	0.58 162	0.22 167	0.18 195	0.29 254	0.25 239	0.25 201	0.23 182

AACVNet	0.86 230	0.35 222	0.79 169	0.82 333	0.39 178	0.76 160	0.49 163	1.61 226	0.81 69	1.08 118	1.33 210	1.30 250	0.93 218	4.34 330	0.74 203	0.25 229	0.21 241	0.28 246	0.22 197	0.29 240	0.25 206

GwcNet-ADL	0.64 126	0.31 157	0.79 169	0.56 165	0.41 189	0.60 84	0.58 221	1.41 176	1.26 239	1.08 118	1.13 144	0.91 136	0.60 97	1.04 103	0.78 216	0.27 252	0.18 195	0.18 36	0.18 88	0.25 201	0.29 244

RAFT	0.64 126	0.30 126	0.73 130	0.59 195	0.33 122	0.68 128	0.58 221	1.04 81	0.76 59	1.08 118	1.19 164	1.65 309	0.93 218	1.06 105	0.56 157	0.21 144	0.18 195	0.27 236	0.24 228	0.22 152	0.17 60

APVNet	1.06 278	0.53 297	1.42 310	0.84 337	0.79 336	1.92 343	0.82 283	1.90 291	1.08 162	1.08 118	1.43 241	1.56 293	1.13 281	3.07 302	1.58 328	0.31 281	0.34 325	0.42 332	0.36 325	0.36 276	0.37 289

FADNet-RVC-Resample	0.84 221	0.47 276	2.10 355	0.61 218	0.45 210	1.07 245	0.61 233	1.59 220	1.20 217	1.08 118	0.98 82	1.03 181	0.98 240	2.17 261	0.72 199	0.23 190	0.22 255	0.30 263	0.32 306	0.35 270	0.34 278

CBFPSM	0.92 245	0.33 187	1.86 347	0.49 65	0.38 170	1.75 327	0.84 285	1.39 174	1.12 178	1.09 123	0.99 84	2.37 358	1.66 345	1.32 139	1.42 317	0.19 92	0.18 195	0.20 73	0.20 136	0.21 131	0.33 276

TransformOpticalFlow	0.96 253	0.28 83	0.89 205	0.52 111	0.31 91	0.66 117	0.54 189	1.75 253	1.12 178	1.09 123	1.44 244	1.37 263	1.01 252	6.70 376	0.42 73	0.19 92	0.12 9	0.20 73	0.19 108	0.18 41	0.19 111

CRE-IMP	0.55 77	0.30 126	0.74 144	0.52 111	0.29 63	0.79 175	0.25 4	1.04 81	0.72 52	1.09 123	0.95 72	0.81 98	0.57 86	1.10 112	0.50 128	0.21 144	0.14 75	0.23 150	0.19 108	0.28 235	0.22 165

RALAANet	0.60 101	0.33 187	0.87 197	0.62 229	0.50 234	0.69 132	0.31 27	1.21 136	1.06 153	1.09 123	1.16 156	0.88 130	0.46 33	1.22 126	0.42 73	0.19 92	0.15 125	0.21 96	0.17 74	0.27 221	0.17 60

xxxx	1.51 333	0.28 83	0.68 88	0.54 134	0.28 52	1.16 261	0.44 124	2.19 351	1.29 255	1.09 123	1.36 222	1.22 224	0.85 185	1.79 227	15.70 413	0.24 205	0.21 241	0.21 96	0.20 136	0.22 152	0.23 182

PSMNet-RSSM	0.72 161	0.30 126	0.61 59	0.63 237	0.42 192	0.73 147	0.56 208	1.92 298	1.10 172	1.09 123	1.37 224	1.22 224	0.98 240	1.28 132	0.72 199	0.27 252	0.19 208	0.27 236	0.29 288	0.24 191	0.24 194

GwcNet-RSSM	0.77 192	0.32 171	1.01 240	0.62 229	0.54 258	0.78 171	0.51 170	1.73 247	1.20 217	1.09 123	1.37 224	1.46 277	0.85 185	1.53 183	1.09 268	0.25 229	0.18 195	0.23 150	0.24 228	0.20 97	0.19 111

PSMNet_ROB	0.90 240	0.52 294	1.17 279	0.72 301	0.61 288	1.27 278	1.12 333	1.76 259	1.12 178	1.09 123	1.28 194	1.45 275	0.89 206	1.65 201	1.42 317	0.33 291	0.25 279	0.37 314	0.39 331	0.35 270	0.29 244

DCANet-4	0.54 62	0.26 46	1.07 261	0.42 7	0.24 9	0.48 20	0.36 56	0.99 64	1.30 261	1.10 131	1.02 99	0.56 41	0.75 140	0.73 43	0.52 137	0.16 11	0.13 42	0.17 14	0.13 11	0.15 5	0.19 111

fff	0.53 48	0.24 19	0.70 103	0.43 8	0.24 9	0.48 20	0.36 56	1.07 102	1.25 234	1.10 131	1.02 99	0.57 43	1.06 267	0.73 43	0.52 137	0.16 11	0.13 42	0.17 14	0.13 11	0.15 5	0.19 111

ASMatch	0.88 235	0.26 46	0.69 97	0.51 95	0.35 140	0.48 20	0.37 65	1.12 117	0.92 101	1.10 131	3.28 372	0.96 160	0.98 240	4.90 339	0.49 122	0.19 92	0.16 156	0.22 122	0.19 108	0.19 71	0.27 230

csc	0.53 48	0.24 19	0.70 103	0.43 8	0.24 9	0.48 20	0.36 56	1.07 102	1.25 234	1.10 131	1.02 99	0.57 43	1.06 267	0.73 43	0.52 137	0.16 11	0.13 42	0.17 14	0.13 11	0.15 5	0.19 111

cscssc	0.53 48	0.24 19	0.70 103	0.43 8	0.24 9	0.48 20	0.36 56	1.07 102	1.25 234	1.10 131	1.02 99	0.57 43	1.06 267	0.73 43	0.52 137	0.16 11	0.13 42	0.17 14	0.13 11	0.15 5	0.19 111

CC-Net-ROB	1.49 330	1.26 378	1.27 294	0.88 350	0.79 336	1.76 329	1.00 320	1.79 268	1.26 239	1.10 131	1.61 286	1.21 222	0.99 248	8.13 395	0.84 236	1.09 383	0.41 351	2.20 389	0.46 348	1.20 381	0.48 325

GMStereo_Zeroshot	0.67 148	0.61 322	1.01 240	0.64 246	0.37 153	0.84 196	0.35 46	1.05 87	1.12 178	1.12 137	1.06 113	1.27 243	0.54 68	1.19 123	0.59 164	0.32 286	0.17 180	0.31 267	0.18 88	0.52 335	0.22 165

ADStereo(finetuned)	0.57 90	0.24 19	1.06 257	0.43 8	0.24 9	0.49 30	0.35 46	1.05 87	1.30 261	1.12 137	1.03 107	0.58 47	1.20 293	0.84 64	0.51 131	0.16 11	0.13 42	0.17 14	0.13 11	0.18 41	0.19 111

Patchmatch Stereo++	0.55 77	0.30 126	0.73 130	0.50 72	0.27 33	0.65 108	0.29 19	1.05 87	0.64 27	1.12 137	0.96 74	0.83 110	0.60 97	1.37 149	0.45 92	0.22 167	0.14 75	0.24 170	0.20 136	0.26 209	0.18 78
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
STrans-v2	1.04 277	0.28 83	0.96 226	0.49 65	0.32 106	0.68 128	0.79 273	2.47 374	1.12 178	1.12 137	1.46 252	1.40 264	1.46 324	6.70 376	0.43 82	0.18 60	0.13 42	0.20 73	0.18 88	0.18 41	0.18 78

PSM-adaLoss	0.54 62	0.30 126	0.73 130	0.50 72	0.27 33	0.65 108	0.41 94	1.04 81	0.64 27	1.12 137	0.96 74	0.82 103	0.61 106	1.06 105	0.45 92	0.22 167	0.14 75	0.24 170	0.20 136	0.26 209	0.18 78

ROB_FTStereo_v2	0.54 62	0.30 126	0.73 130	0.50 72	0.27 33	0.64 96	0.42 96	1.05 87	0.64 27	1.12 137	0.96 74	0.83 110	0.60 97	1.12 117	0.46 105	0.22 167	0.14 75	0.24 170	0.20 136	0.26 209	0.18 78

ROB_FTStereo	0.54 62	0.30 126	0.73 130	0.50 72	0.27 33	0.64 96	0.25 4	1.05 87	0.64 27	1.12 137	0.95 72	0.82 103	0.61 106	1.15 120	0.45 92	0.22 167	0.14 75	0.24 170	0.20 136	0.26 209	0.18 78

HUI-Stereo	0.52 39	0.30 126	0.73 130	0.50 72	0.27 33	0.65 108	0.30 22	1.04 81	0.64 27	1.12 137	0.96 74	0.83 110	0.60 97	0.79 54	0.45 92	0.22 167	0.14 75	0.24 170	0.20 136	0.26 209	0.18 78

iGMRVC	0.56 86	0.30 126	0.73 130	0.50 72	0.27 33	0.65 108	0.38 69	1.05 87	0.64 27	1.12 137	0.96 74	0.83 110	0.60 97	1.52 179	0.46 105	0.22 167	0.14 75	0.24 170	0.20 136	0.26 209	0.18 78

iRAFT	0.55 77	0.30 126	0.73 130	0.50 72	0.27 33	0.65 108	0.29 19	1.05 87	0.64 27	1.12 137	0.96 74	0.83 110	0.60 97	1.37 149	0.45 92	0.22 167	0.14 75	0.24 170	0.20 136	0.26 209	0.18 78

RAFT-IKP	0.54 62	0.30 126	0.73 130	0.50 72	0.27 33	0.59 78	0.36 56	1.04 81	0.64 27	1.12 137	0.96 74	0.83 110	0.61 106	1.22 126	0.45 92	0.22 167	0.14 75	0.24 170	0.20 136	0.26 209	0.18 78

DCANet	0.54 62	0.24 19	0.70 103	0.43 8	0.24 9	0.49 30	0.36 56	1.05 87	1.30 261	1.12 137	1.03 107	0.58 47	0.92 212	0.81 59	0.52 137	0.16 11	0.13 42	0.17 14	0.13 11	0.18 41	0.19 111

TDLM	1.06 278	0.44 264	0.79 169	0.63 237	0.50 234	0.89 201	1.44 356	1.48 191	1.26 239	1.12 137	1.40 234	1.08 193	0.98 240	6.65 372	0.78 216	0.33 291	0.21 241	0.33 287	0.26 252	0.37 280	0.24 194

AdaStereo	0.70 155	0.43 261	0.75 146	0.73 308	0.37 153	0.92 211	0.53 185	1.85 280	1.18 209	1.12 137	1.23 175	1.07 192	0.65 124	0.96 83	0.63 180	0.31 281	0.15 125	0.32 280	0.21 172	0.29 240	0.22 165
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.
1111x	1.70 350	0.29 110	0.86 187	0.51 95	0.27 33	1.01 235	0.68 250	2.22 355	1.28 251	1.13 151	1.40 234	1.21 222	1.10 275	5.53 352	15.20 411	0.22 167	0.21 241	0.22 122	0.22 197	0.24 191	0.22 165

cf-r	0.73 175	0.30 126	0.77 159	0.55 153	0.63 294	0.78 171	0.48 156	1.79 268	1.15 199	1.13 151	1.26 187	1.43 269	0.87 196	1.40 163	0.85 239	0.25 229	0.18 195	0.22 122	0.23 217	0.19 71	0.19 111

NINENet	0.77 192	0.37 235	0.78 167	0.62 229	0.51 244	2.34 364	0.42 96	1.83 278	1.04 146	1.14 153	1.23 175	1.03 181	0.62 111	1.24 129	0.70 191	0.28 262	0.23 263	0.31 267	0.21 172	0.26 209	0.25 206

NRIStereo	0.60 101	0.29 110	0.69 97	0.53 119	0.28 52	0.63 94	0.33 33	1.08 106	0.87 81	1.14 153	0.87 60	0.91 136	0.59 95	2.24 268	0.49 122	0.20 117	0.14 75	0.21 96	0.19 108	0.21 131	0.17 60

PS-NSSS	0.99 264	0.58 311	0.93 217	0.58 182	0.57 267	0.91 205	0.80 279	1.81 273	1.14 190	1.14 153	1.67 299	1.00 169	0.83 180	4.62 334	0.78 216	0.37 313	0.31 315	0.52 349	0.32 306	0.45 319	0.38 295

MyStereo05	0.66 139	0.28 83	1.07 261	0.56 165	0.46 220	0.61 87	0.73 260	1.34 163	1.41 307	1.15 156	0.91 66	0.77 87	0.80 164	1.41 164	0.63 180	0.17 32	0.16 156	0.23 150	0.20 136	0.22 152	0.20 134

DualNet	1.09 285	0.33 187	0.85 181	0.53 119	0.37 153	0.74 150	0.56 208	0.95 52	2.47 371	1.15 156	1.45 246	1.06 186	0.82 171	1.55 187	7.61 391	0.20 117	0.12 9	0.31 267	0.27 260	0.19 71	0.20 134

ffm	0.72 161	0.33 187	0.85 181	0.53 119	0.37 153	0.74 150	0.56 208	0.95 52	2.47 371	1.15 156	1.45 246	1.06 186	0.82 171	1.55 187	0.32 7	0.20 117	0.12 9	0.31 267	0.27 260	0.19 71	0.20 134

ff1	1.37 322	0.33 187	0.85 181	0.53 119	0.37 153	0.74 150	0.56 208	0.95 52	2.47 371	1.15 156	1.45 246	1.06 186	0.82 171	7.22 382	7.61 391	0.20 117	0.12 9	0.31 267	0.27 260	0.19 71	0.20 134

mmx	1.39 324	0.33 187	0.85 181	0.53 119	0.37 153	0.74 150	0.56 208	2.13 334	1.37 291	1.15 156	1.45 246	1.06 186	0.82 171	7.22 382	7.61 391	0.24 205	0.19 208	0.31 267	0.27 260	0.30 249	0.25 206

xxx	1.39 324	0.33 187	0.85 181	0.53 119	0.37 153	0.74 150	0.56 208	2.13 334	1.37 291	1.15 156	1.45 246	1.06 186	0.82 171	7.22 382	7.61 391	0.24 205	0.19 208	0.31 267	0.27 260	0.30 249	0.25 206

iRaft-Stereo_20w	0.65 131	0.31 157	1.00 236	0.47 41	0.34 137	0.73 147	0.30 22	2.96 382	0.70 47	1.15 156	1.14 147	0.76 86	0.65 124	1.11 115	0.38 48	0.17 32	0.13 42	0.18 36	0.16 58	0.19 71	0.18 78

FINET	0.97 259	0.54 298	1.60 330	0.63 237	0.79 336	1.08 246	1.07 328	1.56 217	2.20 365	1.15 156	1.49 259	0.94 148	0.88 200	2.32 273	1.05 261	0.42 329	0.35 333	0.32 280	0.28 277	0.43 309	0.38 295

MaskLacGwcNet_RVC	1.10 288	1.02 364	1.00 236	0.82 333	0.67 303	1.93 344	0.93 308	1.62 229	1.11 174	1.15 156	1.25 181	1.50 285	0.79 159	1.96 246	0.76 208	1.89 387	0.34 325	0.79 372	0.36 325	1.25 382	0.83 369

MSMDNet	0.66 139	0.32 171	0.87 197	0.49 65	0.37 153	0.79 175	0.40 83	1.43 184	1.31 265	1.15 156	1.31 203	1.24 231	0.63 116	0.88 71	0.57 159	0.21 144	0.16 156	0.26 225	0.19 108	0.39 292	0.24 194

DISCO	1.03 274	0.34 206	1.11 270	0.69 286	0.45 210	2.07 353	0.84 285	2.13 334	1.50 320	1.15 156	1.33 210	2.40 360	1.07 270	2.60 287	1.51 326	0.23 190	0.18 195	0.22 122	0.20 136	0.31 256	0.27 230

MyStereo8	0.65 131	0.29 110	1.00 236	0.58 182	0.49 228	0.91 205	0.35 46	1.18 129	1.31 265	1.16 167	1.27 190	0.90 135	0.64 119	0.72 40	0.95 250	0.18 60	0.14 75	0.20 73	0.18 88	0.22 152	0.26 224

CoDeX	0.73 175	0.29 110	0.93 217	0.54 134	0.36 145	1.14 254	0.61 233	2.34 366	1.17 205	1.16 167	1.25 181	0.91 136	0.87 196	1.33 141	0.64 183	0.20 117	0.16 156	0.21 96	0.18 88	0.20 97	0.18 78

PCWNet_CMD	0.66 139	0.32 171	0.88 200	0.49 65	0.37 153	0.78 171	0.40 83	1.42 178	1.31 265	1.16 167	1.31 203	1.25 235	0.62 111	0.89 74	0.57 159	0.20 117	0.16 156	0.27 236	0.19 108	0.40 296	0.25 206

raft_robust	0.68 152	0.30 126	0.64 72	0.52 111	0.26 20	0.54 59	0.35 46	1.33 159	1.24 231	1.16 167	1.07 116	0.60 52	0.54 68	3.58 319	0.37 38	0.18 60	0.14 75	0.20 73	0.22 197	0.20 97	0.16 41

DeepStereo_RVC	0.55 77	0.29 110	0.72 118	0.51 95	0.30 79	0.59 78	0.33 33	1.03 77	0.70 47	1.16 167	0.93 70	0.83 110	0.94 223	0.96 83	0.54 151	0.21 144	0.14 75	0.21 96	0.19 108	0.24 191	0.24 194

GEStereo_RVC	0.90 240	0.37 235	0.99 231	0.64 246	0.50 234	0.95 220	0.79 273	2.42 371	1.17 205	1.16 167	1.11 133	1.26 239	0.92 212	3.24 308	0.90 245	0.29 270	0.19 208	0.23 150	0.20 136	0.27 221	0.29 244

CFNet_pseudo	0.66 139	0.32 171	0.86 187	0.48 52	0.39 178	0.70 139	0.40 83	1.33 159	1.22 224	1.16 167	1.34 215	1.24 231	0.64 119	0.98 89	0.59 164	0.21 144	0.16 156	0.33 287	0.19 108	0.36 276	0.25 206

PA-Net	1.01 271	0.57 308	1.29 296	0.64 246	0.74 321	1.19 268	0.84 285	1.69 241	1.43 312	1.16 167	1.19 164	1.32 254	1.19 290	3.42 314	1.25 287	0.29 270	0.45 361	0.33 287	0.49 355	0.32 261	0.47 322
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
ccs_rob	0.66 139	0.33 187	0.86 187	0.48 52	0.39 178	0.70 139	0.40 83	1.33 159	1.22 224	1.16 167	1.34 215	1.23 229	0.64 119	0.98 89	0.59 164	0.21 144	0.16 156	0.35 304	0.20 136	0.37 280	0.25 206

AFF-stereo	0.58 95	0.25 35	0.64 72	0.46 35	0.29 63	0.34 4	0.38 69	1.15 121	1.14 190	1.17 176	1.60 282	1.10 201	0.71 135	0.97 88	0.43 82	0.13 1	0.11 3	0.19 49	0.19 108	0.17 24	0.14 11

SFCPSM	0.70 155	0.28 83	1.02 246	0.51 95	0.38 170	1.37 290	0.66 245	2.00 314	1.03 142	1.17 176	1.21 169	0.82 103	0.78 157	1.03 98	0.53 145	0.21 144	0.17 180	0.22 122	0.24 228	0.21 131	0.19 111

DMCA	0.67 148	0.34 206	0.90 208	0.51 95	0.44 203	0.86 198	0.47 148	1.42 178	1.02 139	1.17 176	1.12 139	1.23 229	0.75 140	0.78 51	0.95 250	0.25 229	0.19 208	0.27 236	0.19 108	0.24 191	0.27 230

DeepPrunerF	1.60 340	0.73 340	5.81 392	0.88 350	1.19 377	0.91 205	0.95 312	2.19 351	5.24 401	1.17 176	1.30 198	1.19 220	1.30 311	4.90 339	1.66 333	0.42 329	0.34 325	0.52 349	0.47 350	0.41 299	0.40 299

iinet-f	0.99 264	0.45 270	3.71 383	0.55 153	0.43 197	1.81 335	0.68 250	1.14 119	1.14 190	1.18 180	1.42 237	1.58 297	1.44 321	1.34 144	1.59 330	0.24 205	0.23 263	0.20 73	0.19 108	0.26 209	0.25 206

IPLGR	0.58 95	0.27 67	1.14 275	0.48 52	0.28 52	0.65 108	0.33 33	1.22 143	1.13 188	1.18 180	1.05 111	0.69 74	0.66 126	0.96 83	0.52 137	0.17 32	0.15 125	0.20 73	0.17 74	0.20 97	0.18 78

ac_64	0.82 212	0.29 110	0.81 175	0.71 298	0.60 285	1.05 240	0.54 189	1.99 313	0.92 101	1.18 180	1.06 113	1.99 339	1.08 271	1.94 244	0.97 255	0.27 252	0.22 255	0.24 170	0.23 217	0.22 152	0.19 111

HITNet	0.65 131	0.40 249	0.77 159	0.48 52	0.24 9	1.05 240	0.49 163	1.76 259	1.02 139	1.18 180	1.18 161	0.89 134	0.80 164	0.85 66	0.79 222	0.17 32	0.12 9	0.21 96	0.17 74	0.29 240	0.15 27
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
test_3	0.55 77	0.23 13	0.71 114	0.53 119	0.28 52	0.61 87	0.40 83	0.92 41	1.05 150	1.19 184	0.68 27	0.93 145	0.44 27	1.67 206	0.39 54	0.15 6	0.12 9	0.22 122	0.19 108	0.21 131	0.14 11

LCNet	0.72 161	0.28 83	0.52 26	0.55 153	0.31 91	0.69 132	0.54 189	1.00 68	0.88 85	1.19 184	1.34 215	0.97 162	1.34 315	2.56 285	0.45 92	0.18 60	0.13 42	0.21 96	0.25 239	0.27 221	0.73 365

HGLStereo	0.85 225	0.38 240	0.94 219	0.80 325	1.03 363	1.17 263	0.58 221	1.52 204	1.20 217	1.19 184	1.62 289	1.13 211	1.20 293	1.80 228	1.06 263	0.24 205	0.24 272	0.24 170	0.21 172	0.23 177	0.27 230

hitnet-ft	0.79 201	0.35 222	0.57 45	0.58 182	0.42 192	0.96 224	0.46 142	1.47 190	1.33 273	1.19 184	1.22 171	1.81 323	0.98 240	1.66 205	0.94 248	0.33 291	0.28 297	0.34 297	0.27 260	0.35 270	0.31 266

BUS	0.74 178	0.32 171	0.68 88	0.54 134	0.44 203	2.34 364	0.42 96	2.16 343	0.98 122	1.20 188	1.11 133	1.03 181	0.62 111	0.91 76	0.70 191	0.24 205	0.17 180	0.25 206	0.22 197	0.22 152	0.22 165

BSDual-CNN	0.71 160	0.32 171	0.68 88	0.54 134	0.44 203	1.27 278	0.65 240	2.16 343	0.98 122	1.20 188	1.11 133	1.12 206	0.74 138	0.91 76	0.66 185	0.24 205	0.17 180	0.25 206	0.22 197	0.22 152	0.22 165

hknet	0.77 192	0.32 171	0.95 222	0.54 134	0.38 170	1.27 278	0.65 240	2.16 343	1.07 158	1.20 188	1.11 133	1.59 298	0.81 167	1.37 149	0.66 185	0.22 167	0.17 180	0.25 206	0.22 197	0.22 152	0.22 165

Ntro	1.64 344	1.15 374	1.23 285	2.48 394	1.83 387	2.09 354	1.16 338	1.96 307	1.38 295	1.21 191	1.62 289	1.62 302	1.29 307	1.87 237	1.11 273	3.04 397	0.56 377	1.82 387	0.64 372	2.80 394	2.05 394

psmg	0.72 161	0.32 171	0.68 88	0.50 72	0.44 203	1.48 303	0.75 262	1.94 304	0.98 122	1.21 191	1.33 210	1.12 206	0.74 138	0.91 76	0.66 185	0.24 205	0.19 208	0.25 206	0.25 239	0.23 177	0.22 165

ADLNet2	0.88 235	0.34 206	1.17 279	0.77 319	0.64 296	1.12 252	0.76 265	1.74 251	1.24 231	1.21 191	1.65 295	1.71 315	1.05 264	1.67 206	1.17 280	0.24 205	0.21 241	0.21 96	0.22 197	0.26 209	0.29 244

UNet	0.83 217	0.34 206	1.31 298	0.58 182	0.74 321	1.58 313	0.49 163	1.41 176	1.04 146	1.21 191	1.08 119	1.54 290	1.12 279	1.65 201	1.09 268	0.23 190	0.17 180	0.25 206	0.20 136	0.25 201	0.22 165

BEATNet_4x	0.73 175	0.49 284	1.17 279	0.53 119	0.26 20	1.03 237	0.55 202	1.82 274	1.06 153	1.21 191	1.22 171	0.96 160	0.91 209	1.01 95	1.06 263	0.21 144	0.14 75	0.24 170	0.19 108	0.37 280	0.21 150

CFNet_ucs	0.70 155	0.33 187	0.88 200	0.50 72	0.43 197	0.74 150	0.44 124	1.60 223	1.29 255	1.22 196	1.54 268	1.09 199	0.63 116	0.99 91	0.59 164	0.25 229	0.20 225	0.37 314	0.21 172	0.40 296	0.28 241

AASNet	0.76 191	0.35 222	0.91 211	0.79 322	0.81 343	1.14 254	0.56 208	2.02 321	1.08 162	1.22 196	1.24 177	0.93 145	0.76 148	0.77 50	1.16 278	0.27 252	0.23 263	0.24 170	0.20 136	0.28 235	0.24 194

IRAFT_RVC	0.88 235	0.28 83	0.76 155	0.63 237	0.31 91	0.65 108	1.02 323	1.22 143	0.94 106	1.22 196	1.04 110	1.01 176	0.98 240	5.82 359	0.53 145	0.22 167	0.12 9	0.25 206	0.20 136	0.20 97	0.19 111

SMFormer	0.75 185	0.30 126	0.86 187	0.46 35	0.26 20	0.82 185	0.43 112	2.05 323	1.39 299	1.23 199	1.47 253	0.98 163	0.95 228	1.71 214	0.82 231	0.24 205	0.20 225	0.22 122	0.21 172	0.23 177	0.24 194

tta	0.75 185	0.30 126	0.86 187	0.46 35	0.26 20	0.82 185	0.43 112	2.05 323	1.39 299	1.23 199	1.47 253	0.98 163	0.95 228	1.71 214	0.82 231	0.24 205	0.20 225	0.22 122	0.21 172	0.18 41	0.18 78

qqq1	0.72 161	0.30 126	0.86 187	0.46 35	0.26 20	0.82 185	0.43 112	2.05 323	1.39 299	1.23 199	1.47 253	0.98 163	0.95 228	1.71 214	0.44 84	0.24 205	0.20 225	0.18 36	0.15 30	0.18 41	0.18 78

fff1	0.72 161	0.30 126	0.86 187	0.46 35	0.26 20	0.82 185	0.43 112	2.05 323	1.39 299	1.23 199	1.47 253	0.98 163	0.95 228	1.71 214	0.44 84	0.24 205	0.20 225	0.18 36	0.15 30	0.18 41	0.18 78

ttt	0.94 249	0.34 206	0.59 52	0.61 218	0.37 153	0.94 216	0.50 169	2.17 349	1.34 276	1.23 199	1.61 286	0.91 136	0.76 148	1.85 234	3.97 376	0.30 274	0.26 283	0.26 225	0.24 228	0.29 240	0.29 244

IER	0.70 155	0.31 157	1.02 246	0.48 52	0.52 252	1.34 287	0.51 170	1.17 124	0.99 129	1.23 199	1.34 215	1.12 206	1.11 276	0.99 91	0.71 196	0.20 117	0.16 156	0.21 96	0.21 172	0.20 97	0.19 111

UDG	1.41 327	2.65 407	0.99 231	1.44 383	1.64 386	1.34 287	0.80 279	1.60 223	1.23 227	1.23 199	1.71 302	2.01 341	1.34 315	1.47 174	1.41 313	0.90 374	0.54 376	2.29 391	0.75 375	1.84 385	1.04 378

iResNetv2_ROB	0.80 204	0.37 235	1.71 336	0.56 165	0.37 153	0.94 216	0.64 238	1.73 247	1.34 276	1.23 199	1.42 237	1.26 239	0.92 212	1.85 234	0.56 157	0.23 190	0.15 125	0.19 49	0.14 22	0.24 191	0.19 111

PSM-softLoss	0.78 198	0.31 157	0.77 159	0.58 182	0.32 106	0.56 68	0.40 83	1.18 129	0.70 47	1.24 207	1.07 116	0.83 110	0.52 60	5.36 346	0.53 145	0.24 205	0.15 125	0.25 206	0.22 197	0.20 97	0.25 206

KMStereo	0.78 198	0.31 157	0.77 159	0.58 182	0.32 106	0.56 68	0.40 83	1.18 129	0.70 47	1.24 207	1.07 116	0.83 110	0.52 60	5.36 346	0.53 145	0.24 205	0.15 125	0.25 206	0.22 197	0.20 97	0.25 206

test_xeample	1.45 329	0.28 83	0.65 76	0.51 95	0.28 52	0.94 216	0.59 228	2.14 338	1.29 255	1.24 207	1.51 264	0.88 130	0.86 193	1.46 170	15.10 410	0.22 167	0.20 225	0.22 122	0.20 136	0.22 152	0.22 165

acv_ft	0.75 185	0.31 157	0.95 222	0.70 291	0.86 350	1.24 274	0.53 185	1.44 185	1.07 158	1.24 207	1.30 198	1.08 193	0.92 212	0.80 55	1.34 300	0.21 144	0.19 208	0.21 96	0.18 88	0.21 131	0.18 78

CSP-Net	0.97 259	0.38 240	0.83 179	0.53 119	0.41 189	1.63 317	0.77 268	2.00 314	1.05 150	1.25 211	1.20 167	1.33 255	0.83 180	4.93 341	0.85 239	0.32 286	0.22 255	0.20 73	0.20 136	0.23 177	0.25 206

HHNet	0.62 110	0.26 46	0.63 66	0.43 8	0.45 210	0.50 39	0.58 221	1.07 102	1.01 136	1.25 211	2.23 348	0.70 77	0.61 106	1.07 109	0.47 110	0.20 117	0.13 42	0.23 150	0.19 108	0.19 71	0.30 256

Syn2CoEx	1.14 298	0.69 335	1.66 333	0.80 325	0.67 303	1.40 295	0.88 294	2.06 328	1.54 326	1.25 211	1.58 280	1.42 268	1.50 330	4.09 324	1.40 309	0.36 309	0.32 322	0.34 297	0.29 288	0.29 240	0.34 278

DIP-Stereo	0.62 110	0.30 126	0.83 179	0.48 52	0.36 145	0.95 220	0.33 33	2.37 368	0.67 41	1.25 211	1.00 87	0.68 69	0.51 58	0.91 76	0.61 173	0.18 60	0.15 125	0.21 96	0.17 74	0.19 71	0.19 111
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
ACVNet-4b	2.15 368	1.41 382	1.64 331	2.80 396	2.31 397	2.31 363	1.24 344	2.32 363	2.14 363	1.26 215	2.39 355	2.66 368	1.48 327	5.95 363	1.06 263	3.20 401	0.45 361	2.37 393	0.89 382	2.83 397	2.37 398

DGSMNet	1.14 298	0.76 347	2.49 370	0.81 328	0.86 350	1.39 294	1.39 353	2.13 334	1.35 284	1.26 215	1.63 292	1.48 283	0.98 240	1.75 219	1.10 271	0.45 340	0.43 354	0.55 360	0.49 355	0.75 366	0.70 362

psm_up	0.77 192	0.34 206	0.70 103	0.66 263	0.58 275	1.05 240	0.92 304	1.52 204	1.12 178	1.26 215	1.16 156	1.31 253	1.23 299	1.20 124	0.81 226	0.25 229	0.29 305	0.31 267	0.27 260	0.27 221	0.25 206

GANetREF_RVC	1.07 280	0.86 354	1.31 298	0.82 333	0.53 255	1.41 299	1.31 350	1.76 259	1.52 323	1.27 218	1.31 203	1.46 277	1.24 301	2.03 251	0.96 254	0.56 360	0.45 361	0.67 368	0.50 358	0.88 370	0.59 348
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
iResNet_ROB	0.77 192	0.30 126	0.99 231	0.57 176	0.36 145	0.83 189	0.36 56	2.33 364	1.58 329	1.27 218	1.30 198	1.25 235	0.84 182	1.65 201	0.79 222	0.20 117	0.14 75	0.17 14	0.12 9	0.18 41	0.27 230

anonymousa	0.72 161	0.27 67	0.75 146	0.47 41	0.63 294	1.43 300	0.45 135	1.24 149	0.89 88	1.28 220	1.75 308	1.62 302	1.13 281	0.69 31	0.59 164	0.19 92	0.16 156	0.23 150	0.25 239	0.20 97	0.18 78

Wz-Net-LNSev	1.03 274	0.67 331	2.71 375	0.64 246	0.84 347	1.75 327	1.00 320	1.80 270	1.32 270	1.28 220	1.25 181	1.65 309	1.22 297	1.39 158	1.40 309	0.28 262	0.26 283	0.24 170	0.23 217	0.33 267	0.32 272

Sa-1000	0.72 161	0.29 110	0.76 155	0.59 195	0.30 79	0.73 147	0.37 65	1.62 229	1.33 273	1.28 220	2.04 338	0.86 123	0.75 140	1.84 231	0.38 48	0.19 92	0.14 75	0.25 206	0.23 217	0.20 97	0.16 41

test_1	0.54 62	0.22 9	0.68 88	0.47 41	0.27 33	0.58 74	0.35 46	0.92 41	1.00 134	1.28 220	0.68 27	0.87 127	0.45 30	1.67 206	0.37 38	0.16 11	0.11 3	0.20 73	0.16 58	0.17 24	0.13 3

iResNet	0.75 185	0.40 249	1.36 306	0.67 273	0.29 63	0.92 211	0.59 228	1.52 204	1.25 234	1.28 220	1.48 258	0.94 148	0.76 148	1.62 198	0.78 216	0.18 60	0.14 75	0.18 36	0.15 30	0.22 152	0.23 182

fast-acv-ft	0.94 249	0.44 264	1.40 308	0.58 182	0.51 244	1.77 332	0.69 254	1.36 167	1.42 310	1.29 225	1.86 321	1.74 319	1.25 302	1.52 179	1.38 305	0.26 243	0.28 297	0.28 246	0.28 277	0.27 221	0.26 224

anonymity	1.12 293	0.97 360	1.21 282	1.07 372	1.12 370	1.08 246	0.89 296	1.95 306	1.16 203	1.29 225	1.26 187	1.22 224	1.09 274	1.15 120	1.01 259	1.02 379	1.00 400	0.97 377	0.97 387	0.98 372	0.99 375

NF-Stereo	0.80 204	0.30 126	0.75 146	0.60 206	0.31 91	0.64 96	0.44 124	1.21 136	0.90 92	1.29 225	1.02 99	0.82 103	0.57 86	5.40 350	0.48 115	0.23 190	0.14 75	0.24 170	0.20 136	0.20 97	0.30 256

OCTAStereo	0.80 204	0.30 126	0.75 146	0.60 206	0.31 91	0.64 96	0.44 124	1.21 136	0.90 92	1.29 225	1.01 92	0.82 103	0.57 86	5.35 345	0.48 115	0.24 205	0.14 75	0.24 170	0.20 136	0.20 97	0.30 256

RE-Stereo	0.80 204	0.30 126	0.75 146	0.60 206	0.31 91	0.64 96	0.44 124	1.21 136	0.90 92	1.29 225	1.01 92	0.81 98	0.57 86	5.37 348	0.48 115	0.24 205	0.14 75	0.24 170	0.20 136	0.20 97	0.30 256

TVStereo	0.80 204	0.30 126	0.75 146	0.60 206	0.31 91	0.64 96	0.44 124	1.21 136	0.90 92	1.29 225	1.01 92	0.81 98	0.57 86	5.37 348	0.48 115	0.24 205	0.14 75	0.24 170	0.20 136	0.20 97	0.30 256

STTRV1_RVC	1.58 337	0.68 334	1.96 352	0.88 350	1.12 370	1.57 312	0.90 301	2.25 358	1.75 343	1.29 225	2.02 336	1.40 264	1.22 297	9.77 408	1.31 296	0.81 372	0.33 324	0.54 355	0.49 355	0.73 365	0.52 335

PWCDC_ROB	1.29 312	0.75 345	1.33 303	1.05 369	0.88 353	1.73 326	0.52 179	1.89 288	3.28 385	1.29 225	4.88 391	1.22 224	1.46 324	1.77 226	1.45 321	0.60 363	0.26 283	0.29 254	0.25 239	0.52 335	0.37 289

gwcnet-sp	0.74 178	0.33 187	1.44 311	0.57 176	0.45 210	1.40 295	0.54 189	1.50 196	1.14 190	1.30 233	1.02 99	0.94 148	0.82 171	1.39 158	0.76 208	0.21 144	0.21 241	0.22 122	0.21 172	0.22 152	0.22 165

scenet	0.74 178	0.33 187	1.44 311	0.57 176	0.45 210	1.40 295	0.54 189	1.50 196	1.14 190	1.30 233	1.02 99	0.94 148	0.82 171	1.39 158	0.76 208	0.21 144	0.21 241	0.22 122	0.21 172	0.22 152	0.22 165

CASS	0.65 131	0.34 206	0.72 118	0.56 165	0.27 33	0.78 171	0.42 96	1.59 220	0.86 77	1.30 233	1.25 181	0.87 127	0.84 182	0.84 64	0.54 151	0.35 306	0.19 208	0.26 225	0.21 172	0.28 235	0.42 307
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
ssnet	0.74 178	0.33 187	1.44 311	0.57 176	0.45 210	1.40 295	0.54 189	1.50 196	1.14 190	1.30 233	1.02 99	0.94 148	0.82 171	1.39 158	0.76 208	0.21 144	0.21 241	0.22 122	0.21 172	0.22 152	0.22 165

HBP-ISP	0.96 253	0.58 311	0.72 118	0.61 218	0.46 220	1.64 319	0.76 265	1.86 283	1.28 251	1.30 233	1.53 266	0.86 123	0.94 223	3.27 310	0.69 190	0.45 340	0.44 357	0.54 355	0.48 352	0.47 322	0.40 299

IPLG	0.69 153	0.27 67	0.97 228	0.51 95	0.43 197	0.79 175	0.33 33	1.21 136	1.06 153	1.30 233	1.10 128	0.52 37	0.55 74	3.16 307	0.63 180	0.16 11	0.14 75	0.19 49	0.16 58	0.18 41	0.17 60

raftrobust	0.52 39	0.25 35	0.56 37	0.65 258	0.52 252	0.49 30	0.34 43	0.98 62	0.91 97	1.30 233	0.87 60	0.63 57	0.81 167	0.78 51	0.41 65	0.19 92	0.15 125	0.16 9	0.14 22	0.15 5	0.16 41

RAFT + AFF	1.00 268	0.42 258	1.09 265	0.67 273	0.50 234	1.22 272	1.24 344	2.24 357	1.19 212	1.30 233	1.56 274	1.17 216	1.49 329	3.44 316	0.83 233	0.21 144	0.25 279	0.30 263	0.26 252	0.27 221	0.27 230

UPFNet	0.80 204	0.32 171	0.90 208	0.59 195	0.74 321	1.26 277	0.80 279	1.52 204	1.10 172	1.30 233	1.12 139	1.30 250	0.84 182	1.67 206	1.09 268	0.24 205	0.24 272	0.24 170	0.23 217	0.25 201	0.18 78

HSM	1.19 305	0.32 171	0.65 76	0.57 176	0.38 170	1.23 273	0.59 228	2.25 358	1.19 212	1.30 233	1.25 181	1.94 334	1.03 259	9.32 402	0.71 196	0.22 167	0.16 156	0.20 73	0.16 58	0.21 131	0.21 150

GASNet	0.99 264	0.97 360	1.72 337	0.98 364	0.68 309	0.83 189	0.67 248	1.60 223	1.28 251	1.31 243	1.22 171	1.22 224	1.21 296	2.41 280	1.41 313	0.43 334	0.26 283	0.36 312	0.34 317	0.55 340	0.31 266

222	1.61 342	0.29 110	0.67 85	0.56 165	0.29 63	1.06 243	0.42 96	2.17 349	1.31 265	1.31 243	1.52 265	0.92 144	0.94 223	1.76 224	17.65 414	0.24 205	0.20 225	0.21 96	0.19 108	0.22 152	0.23 182

SQANet	1.31 315	0.88 357	1.08 264	1.83 386	1.44 383	1.44 301	0.75 262	1.74 251	1.09 168	1.32 245	1.26 187	1.28 246	1.01 252	1.50 178	0.83 233	2.50 392	0.34 325	1.47 384	0.55 364	2.32 388	1.57 388

test-3	0.54 62	0.22 9	0.68 88	0.47 41	0.27 33	0.58 74	0.35 46	0.92 41	1.00 134	1.32 245	0.69 30	0.87 127	0.45 30	1.68 211	0.37 38	0.16 11	0.11 3	0.20 73	0.16 58	0.17 24	0.13 3

RAFT-345	0.84 221	0.25 35	0.66 82	0.50 72	0.27 33	0.54 59	0.42 96	0.83 22	1.11 174	1.32 245	2.34 353	0.86 123	0.54 68	5.72 357	0.47 110	0.18 60	0.13 42	0.22 122	0.17 74	0.17 24	0.16 41

RAFT-Stereo + iAFF	0.54 62	0.25 35	0.68 88	0.43 8	0.24 9	0.40 10	0.34 43	1.04 81	1.09 168	1.32 245	1.60 282	0.80 95	0.68 127	0.67 30	0.39 54	0.13 1	0.10 1	0.18 36	0.17 74	0.17 24	0.13 3

delet	0.85 225	0.32 171	0.95 222	0.65 258	0.66 301	1.64 319	0.84 285	1.75 253	1.35 284	1.32 245	1.30 198	1.30 250	0.88 200	1.68 211	1.10 271	0.21 144	0.21 241	0.24 170	0.24 228	0.21 131	0.21 150

NCC-stereo	1.10 288	0.54 298	1.24 288	0.84 337	0.94 358	1.29 281	0.89 296	2.01 318	1.34 276	1.32 245	1.74 305	1.88 324	1.74 348	2.35 275	1.25 287	0.45 340	0.37 340	0.45 338	0.58 367	0.42 304	0.42 307

Nwc_Net	1.09 285	0.49 284	1.33 303	0.89 354	0.80 341	1.49 305	0.66 245	2.19 351	1.27 246	1.32 245	2.26 349	1.96 336	1.54 331	1.92 240	1.34 300	0.40 322	0.30 309	0.43 334	0.45 345	0.38 288	0.37 289

Abc-Net	1.10 288	0.54 298	1.24 288	0.84 337	0.94 358	1.29 281	0.89 296	2.01 318	1.34 276	1.32 245	1.74 305	1.88 324	1.74 348	2.35 275	1.25 287	0.45 340	0.37 340	0.45 338	0.58 367	0.42 304	0.42 307
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
SDNR	1.62 343	0.51 291	2.17 359	0.53 119	0.56 265	3.80 393	0.45 135	1.54 212	1.29 255	1.33 253	2.41 357	1.08 193	0.96 233	11.18 413	1.16 278	0.66 369	0.63 381	0.43 334	0.32 306	0.64 354	0.67 359

PFNet+	0.59 98	0.28 83	0.77 159	0.53 119	0.30 79	0.59 78	0.31 27	0.92 41	1.14 190	1.33 253	1.10 128	0.79 93	0.57 86	1.31 137	0.49 122	0.25 229	0.17 180	0.28 246	0.26 252	0.21 131	0.25 206

CVANet_RVC	1.07 280	0.43 261	0.76 155	0.60 206	0.50 234	0.90 203	0.97 314	1.52 204	1.26 239	1.33 253	1.38 228	1.24 231	1.18 287	6.75 378	0.75 206	0.34 299	0.23 263	0.34 297	0.29 288	0.42 304	0.27 230

SACVNet	0.85 225	0.46 272	0.85 181	0.81 328	0.56 265	0.80 180	0.79 273	1.68 239	1.12 178	1.34 256	1.33 210	1.25 235	0.94 223	2.39 279	0.76 208	0.34 299	0.26 283	0.31 267	0.29 288	0.35 270	0.44 313

CrosDoStereo	1.58 337	0.24 19	0.72 118	0.48 52	0.29 63	0.67 121	12.49 414	1.10 109	0.98 122	1.34 256	1.75 308	1.00 169	1.89 358	6.65 372	0.81 226	0.19 92	0.15 125	0.20 73	0.22 197	0.18 41	0.19 111

DeepStereo_LL	1.58 337	0.24 19	0.72 118	0.48 52	0.29 63	0.67 121	12.49 414	1.10 109	0.98 122	1.34 256	1.75 308	1.00 169	1.89 358	6.65 372	0.81 226	0.19 92	0.15 125	0.20 73	0.22 197	0.18 41	0.19 111

THIR-Stereo	1.02 273	0.27 67	0.69 97	0.49 65	0.28 52	0.95 220	1.34 351	1.03 77	0.97 117	1.34 256	1.90 326	1.17 216	1.58 334	6.44 369	0.78 216	0.19 92	0.14 75	0.21 96	0.22 197	0.19 71	0.20 134

AANet_RVC	1.16 303	0.52 294	1.49 324	0.65 258	0.45 210	0.75 156	0.69 254	1.42 178	1.55 328	1.34 256	1.87 323	1.53 289	0.78 157	7.43 387	1.38 305	0.25 229	0.17 180	0.19 49	0.16 58	0.22 152	0.26 224

Consistency-Raft	1.25 309	0.99 362	1.93 350	1.02 368	1.21 378	0.96 224	1.01 322	1.75 253	1.92 354	1.36 261	2.12 342	1.44 273	1.01 252	1.14 119	1.40 309	0.72 370	0.82 387	0.89 375	0.98 389	1.31 383	0.95 373

GMM-Stereo	0.74 178	0.25 35	0.59 52	0.54 134	0.34 137	0.72 144	0.99 318	1.01 73	0.87 81	1.36 261	1.78 311	1.12 206	0.81 167	2.09 256	0.46 105	0.18 60	0.12 9	0.25 206	0.25 239	0.20 97	0.85 371

ssnet_v2	0.88 235	0.36 229	1.02 246	0.62 229	0.38 170	1.32 284	0.97 314	2.07 329	1.34 276	1.37 263	1.18 161	1.54 290	0.92 212	1.10 112	1.65 331	0.30 274	0.27 291	0.30 263	0.28 277	0.27 221	0.26 224

ACRE	0.61 107	0.33 187	1.01 240	0.58 182	0.49 228	0.75 156	0.47 148	1.06 100	0.95 108	1.37 263	1.55 270	0.62 55	0.46 33	0.83 62	0.70 191	0.23 190	0.15 125	0.19 49	0.16 58	0.18 41	0.21 150

MMNet	0.84 221	0.32 171	1.09 265	0.60 206	0.59 282	1.85 340	0.49 163	1.51 201	1.27 246	1.37 263	1.15 153	1.26 239	1.18 287	1.67 206	1.22 284	0.19 92	0.18 195	0.23 150	0.22 197	0.25 201	0.21 150

NLCA_NET_v2_RVC	0.79 201	0.43 261	1.05 254	0.64 246	0.58 275	0.95 220	0.53 185	1.53 210	1.18 209	1.37 263	1.15 153	1.43 269	0.88 200	1.61 197	0.84 236	0.25 229	0.22 255	0.27 236	0.27 260	0.29 240	0.29 244
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
PDISCO_ROB	1.32 317	0.65 329	1.44 311	1.36 378	1.46 384	2.55 370	0.92 304	2.45 373	2.07 362	1.37 263	1.49 259	1.65 309	1.00 250	2.82 293	1.35 303	1.01 377	0.27 291	0.54 355	0.47 350	0.71 363	0.73 365

CRFU-Net	0.86 230	0.39 245	1.00 236	0.65 258	0.57 267	1.78 334	0.86 291	2.15 340	0.81 69	1.38 268	1.18 161	1.64 307	1.19 290	1.35 145	0.90 245	0.26 243	0.22 255	0.21 96	0.19 108	0.23 177	0.24 194

DDUNet	1.50 332	2.69 408	1.12 272	1.77 385	1.88 388	1.84 339	0.92 304	1.70 244	1.16 203	1.38 268	1.79 312	1.60 300	1.12 279	1.37 149	1.08 266	1.10 384	0.76 385	2.37 393	0.94 385	2.00 386	1.37 386

STTStereo	0.78 198	0.50 288	1.22 284	0.64 246	0.54 258	0.89 201	0.54 189	1.44 185	1.11 174	1.38 268	1.09 124	1.27 243	0.85 185	1.43 165	0.83 233	0.29 270	0.27 291	0.33 287	0.39 331	0.32 261	0.30 256

RYNet	1.17 304	0.49 284	1.24 288	0.70 291	0.97 362	1.71 323	0.92 304	1.91 295	1.46 315	1.38 268	1.14 147	1.88 324	1.30 311	4.24 326	1.87 339	0.26 243	0.21 241	0.35 304	0.27 260	0.55 340	0.54 337

DeepPruner_ROB	0.74 178	0.48 281	0.87 197	0.57 176	0.44 203	0.79 175	0.54 189	1.73 247	0.96 110	1.38 268	1.27 190	1.24 231	0.73 136	1.43 165	0.73 202	0.34 299	0.28 297	0.27 236	0.26 252	0.31 256	0.31 266

DEmStereo	0.97 259	0.23 13	0.79 169	0.47 41	0.32 106	1.04 239	0.56 208	0.93 45	0.89 88	1.39 273	2.14 344	1.02 178	2.07 369	5.64 356	0.77 214	0.17 32	0.15 125	0.20 73	0.20 136	0.18 41	0.20 134

CIPLG	0.62 110	0.33 187	0.96 226	0.58 182	0.50 234	0.75 156	0.48 156	1.05 87	0.96 110	1.40 274	1.57 278	0.64 60	0.48 47	0.89 74	0.70 191	0.23 190	0.15 125	0.19 49	0.16 58	0.19 71	0.21 150

IPLGR_C	0.62 110	0.33 187	0.99 231	0.58 182	0.49 228	0.76 160	0.48 156	1.10 109	0.96 110	1.40 274	1.56 274	0.62 55	0.48 47	0.80 55	0.71 196	0.23 190	0.15 125	0.19 49	0.16 58	0.19 71	0.21 150

GMOStereo	0.53 48	0.26 46	0.65 76	0.50 72	0.29 63	0.52 51	0.43 112	0.89 33	0.96 110	1.41 276	1.14 147	0.85 119	0.56 78	0.59 14	0.38 48	0.16 11	0.14 75	0.24 170	0.21 172	0.20 97	0.15 27

error version	0.53 48	0.26 46	0.65 76	0.50 72	0.29 63	0.52 51	0.43 112	0.89 33	0.96 110	1.41 276	1.14 147	0.85 119	0.56 78	0.59 14	0.38 48	0.16 11	0.14 75	0.24 170	0.21 172	0.20 97	0.15 27

test-v	0.53 48	0.26 46	0.65 76	0.50 72	0.29 63	0.52 51	0.43 112	0.89 33	0.96 110	1.41 276	1.14 147	0.85 119	0.56 78	0.59 14	0.38 48	0.16 11	0.14 75	0.24 170	0.21 172	0.20 97	0.15 27

test-2	0.53 48	0.26 46	0.65 76	0.50 72	0.29 63	0.52 51	0.43 112	0.89 33	0.96 110	1.41 276	1.14 147	0.85 119	0.56 78	0.59 14	0.38 48	0.16 11	0.14 75	0.24 170	0.21 172	0.20 97	0.15 27

GwcNet	1.08 283	0.51 291	2.33 364	0.79 322	1.18 376	1.76 329	0.70 256	1.68 239	1.47 316	1.41 276	1.64 293	1.74 319	1.04 260	2.20 266	1.41 313	0.30 274	0.29 305	0.29 254	0.27 260	0.30 249	0.35 283

CBMV_ROB	0.90 240	0.44 264	0.63 66	0.51 95	0.37 153	1.25 276	0.49 163	1.77 262	1.27 246	1.41 276	2.00 333	1.33 255	1.08 271	2.17 261	0.76 208	0.43 334	0.42 353	0.47 343	0.44 343	0.41 299	0.36 287

pcwnet_v2	0.97 259	0.37 235	4.33 384	0.62 229	0.54 258	0.79 175	0.45 135	2.02 321	1.58 329	1.42 282	1.64 293	1.09 199	0.79 159	1.24 129	0.67 188	0.32 286	0.25 279	0.29 254	0.27 260	0.37 280	0.35 283

otaku	1.60 340	1.11 371	1.21 282	2.20 389	1.56 385	1.97 347	1.24 344	2.07 329	1.36 287	1.44 283	1.62 289	1.73 317	1.19 290	1.73 218	0.98 257	2.89 396	0.57 378	1.74 385	0.60 371	2.78 393	1.94 393

dad	0.86 230	0.66 330	1.06 257	0.56 165	0.37 153	0.76 160	0.44 124	1.17 124	1.50 320	1.44 283	1.27 190	1.34 259	0.75 140	2.52 284	0.84 236	0.42 329	0.27 291	0.83 373	0.26 252	0.41 299	0.29 244

Prome-Stereo	0.75 185	0.27 67	0.53 28	0.55 153	0.32 106	0.59 78	0.97 314	0.89 33	0.88 85	1.45 285	2.46 359	0.91 136	1.41 318	1.58 193	0.44 84	0.18 60	0.13 42	0.19 49	0.17 74	0.20 97	0.92 372

StereoDRNet-Refined	0.80 204	0.41 255	0.88 200	0.62 229	0.42 192	1.33 285	0.48 156	1.52 204	1.17 205	1.45 285	1.44 244	1.44 273	0.90 207	1.26 131	1.24 286	0.20 117	0.16 156	0.27 236	0.24 228	0.25 201	0.28 241
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
MLCV	0.72 161	0.34 206	1.10 268	0.51 95	0.23 6	0.91 205	0.39 80	1.33 159	1.23 227	1.46 287	1.55 270	1.01 176	0.64 119	1.95 245	0.80 225	0.18 60	0.12 9	0.18 36	0.14 22	0.19 71	0.17 60

AAGNet	1.83 355	0.28 83	0.72 118	0.61 218	0.32 106	0.67 121	0.51 170	0.96 59	0.98 122	1.47 288	1.20 167	1.00 169	1.18 287	2.83 294	22.77 420	0.22 167	0.13 42	0.22 122	0.19 108	0.23 177	0.15 27

SST-Stereo	0.83 217	0.28 83	0.72 118	0.59 195	0.31 91	0.72 144	0.26 9	1.09 107	0.86 77	1.47 288	1.10 128	1.00 169	0.87 196	5.73 358	0.45 92	0.22 167	0.13 42	0.23 150	0.19 108	0.23 177	0.18 78

RAFT_R40	0.83 217	0.28 83	0.73 130	0.59 195	0.31 91	0.69 132	0.44 124	1.10 109	0.95 108	1.47 288	1.10 128	1.00 169	0.85 185	5.53 352	0.46 105	0.22 167	0.13 42	0.23 150	0.20 136	0.23 177	0.18 78

PFNet	0.91 243	0.26 46	1.10 268	0.63 237	0.32 106	0.64 96	0.56 208	1.17 124	0.99 129	1.47 288	1.08 119	0.98 163	0.69 130	6.62 371	0.54 151	0.20 117	0.12 9	0.24 170	0.19 108	0.20 97	0.17 60

ccnet	1.12 293	0.67 331	1.01 240	0.78 321	0.73 319	1.72 325	0.99 318	1.84 279	1.26 239	1.47 288	1.85 320	1.75 322	1.29 307	1.75 219	1.88 341	0.57 361	0.53 373	0.57 365	0.55 364	0.59 347	0.54 337

S-Stereo	1.15 301	0.46 272	2.17 359	0.81 328	0.80 341	1.21 271	1.19 341	1.93 302	2.02 359	1.47 288	2.11 341	1.57 294	1.17 284	2.05 254	1.41 313	0.40 322	0.40 349	0.35 304	0.31 300	0.44 316	0.70 362

Wz-Net-SNSev	1.49 330	1.23 377	6.27 394	0.68 283	0.67 303	1.37 290	1.41 354	2.00 314	1.39 299	1.48 294	1.61 286	2.29 353	1.32 313	3.93 321	2.14 352	0.31 281	0.28 297	0.31 267	0.33 312	0.42 304	0.36 287

DPSNet	1.69 349	0.59 314	4.33 384	0.70 291	0.57 267	2.02 351	1.62 366	3.35 388	1.78 344	1.48 294	1.38 228	2.17 349	2.84 384	4.77 336	3.66 372	0.48 348	0.31 315	0.29 254	0.25 239	0.64 354	0.48 325

GANet	1.36 321	0.47 276	0.86 187	0.67 273	0.45 210	1.34 287	1.73 369	1.64 232	1.24 231	1.49 296	2.38 354	1.55 292	1.20 293	9.30 401	0.93 247	0.30 274	0.31 315	0.33 287	0.28 277	0.39 292	0.30 256

RainbowNet	1.97 364	1.76 389	1.57 328	2.81 397	2.21 393	1.98 349	1.81 373	2.54 376	1.89 351	1.50 297	1.84 318	1.96 336	1.65 341	2.14 260	1.25 287	3.33 403	0.85 392	2.39 396	0.98 389	2.82 396	2.22 395

SuperB	2.53 381	0.59 314	18.45 411	0.69 286	0.50 234	1.87 342	0.88 294	1.67 238	2.39 368	1.50 297	1.42 237	1.14 213	1.15 283	4.28 329	5.07 380	0.24 205	0.19 208	0.22 122	0.19 108	7.86 419	0.34 278

NCCL2	1.00 268	0.56 304	1.06 257	0.75 314	0.57 267	1.31 283	1.72 368	1.77 262	1.36 287	1.50 297	1.17 159	1.91 329	1.17 284	1.54 185	1.29 294	0.35 306	0.31 315	0.45 338	0.44 343	0.40 296	0.40 299

ADLNet	0.85 225	0.36 229	0.89 205	0.85 342	0.72 316	1.24 274	0.76 265	1.82 274	1.36 287	1.52 300	1.35 221	1.27 243	0.99 248	1.23 128	1.15 277	0.27 252	0.20 225	0.26 225	0.25 239	0.28 235	0.30 256

Pruner-Stereo	0.62 110	0.29 110	0.70 103	0.61 218	0.31 91	0.63 94	0.43 112	1.17 124	0.99 129	1.53 301	1.08 119	0.95 154	0.55 74	1.35 145	0.51 131	0.23 190	0.14 75	0.24 170	0.21 172	0.21 131	0.23 182

LMCR-Stereo	0.82 212	0.46 272	0.88 200	0.75 314	0.43 197	1.33 285	0.56 208	2.43 372	0.98 122	1.53 301	1.49 259	0.74 81	1.00 250	1.63 199	0.89 243	0.28 262	0.17 180	0.22 122	0.17 74	0.29 240	0.20 134

DMCA-RVC	0.74 178	0.40 249	1.27 294	0.66 263	0.49 228	0.77 166	0.47 148	1.35 165	1.01 136	1.53 301	1.01 92	1.29 249	0.82 171	1.31 137	0.78 216	0.27 252	0.21 241	0.35 304	0.27 260	0.32 261	0.24 194

HSM-Net_RVC	0.87 234	0.29 110	0.53 28	0.53 119	0.30 79	1.15 259	0.55 202	3.57 389	1.28 251	1.53 301	1.74 305	1.68 312	0.93 218	1.49 176	0.77 214	0.22 167	0.17 180	0.19 49	0.18 88	0.20 97	0.19 111
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
Wz-Net-LNSev-Ref	0.99 264	0.40 249	1.82 344	0.66 263	0.62 293	2.05 352	0.78 270	1.91 295	1.29 255	1.54 305	1.42 237	1.51 287	1.23 299	1.99 248	1.33 298	0.23 190	0.14 75	0.20 73	0.15 30	0.27 221	0.26 224

RGC	1.14 298	0.79 349	1.26 291	0.91 358	0.96 361	1.52 307	0.77 268	1.92 298	1.26 239	1.54 305	1.93 329	2.02 343	1.54 331	2.25 270	1.31 296	0.44 339	0.35 333	0.58 366	0.48 352	0.47 322	0.46 319

ADCP+	1.99 365	0.48 281	7.73 396	0.66 263	0.91 354	2.30 362	1.05 326	1.82 274	1.34 276	1.54 305	1.32 208	1.74 319	1.61 338	2.17 261	13.37 406	0.24 205	0.21 241	0.32 280	0.28 277	0.37 280	0.29 244

RP	1.09 285	0.50 288	1.12 272	0.90 355	1.04 364	1.11 249	0.84 285	1.80 270	1.62 331	1.55 308	2.00 333	1.90 328	1.78 351	1.84 231	1.25 287	0.52 353	0.36 338	0.48 344	0.36 325	0.45 319	0.43 311

LL-Strereo	1.33 318	0.39 245	1.38 307	0.61 218	0.61 288	0.75 156	0.66 245	1.63 231	1.17 205	1.56 309	1.60 282	2.03 344	2.12 370	9.72 407	0.97 255	0.21 144	0.18 195	0.27 236	0.23 217	0.22 152	0.25 206

DisPM	0.66 139	0.28 83	0.72 118	0.61 218	0.35 140	0.62 93	0.45 135	1.02 74	0.99 129	1.56 309	1.10 128	0.80 95	0.59 95	2.37 277	0.41 65	0.23 190	0.14 75	0.23 150	0.21 172	0.20 97	0.25 206

DSFCA	0.93 248	0.34 206	1.06 257	0.52 111	0.65 299	1.55 310	0.93 308	1.49 192	1.19 212	1.56 309	1.15 153	1.50 285	0.96 233	3.07 302	1.02 260	0.30 274	0.26 283	0.25 206	0.25 239	0.28 235	0.24 194

AF-Net	1.13 296	0.52 294	1.33 303	0.86 344	0.91 354	1.38 293	0.71 258	2.16 343	1.62 331	1.56 309	2.40 356	1.99 339	1.65 341	1.81 230	1.48 324	0.48 348	0.28 297	0.49 346	0.33 312	0.39 292	0.32 272

Wz-Net-TNSev	1.88 358	2.08 401	7.66 395	0.67 273	0.64 296	2.42 367	1.83 375	2.33 364	1.74 342	1.57 313	1.56 274	2.58 365	1.90 360	4.86 337	3.12 365	0.39 320	0.37 340	0.33 287	0.37 328	0.53 337	0.58 346

ADCRef	1.35 320	0.55 301	2.37 366	0.72 301	0.77 331	1.94 345	0.78 270	1.91 295	1.27 246	1.57 313	1.59 281	1.36 260	1.41 318	1.54 185	7.53 390	0.23 190	0.20 225	0.32 280	0.30 296	0.29 240	0.29 244

OMP-Stereo	0.94 249	0.33 187	0.72 118	0.90 355	0.31 91	0.49 30	0.36 56	1.16 122	1.06 153	1.58 315	1.12 139	1.46 277	0.69 130	6.94 379	0.49 122	0.19 92	0.14 75	0.24 170	0.18 88	0.20 97	0.14 11

R-Stereo Train	0.57 90	0.26 46	0.63 66	0.54 134	0.36 145	0.69 132	0.54 189	1.22 143	0.72 52	1.61 316	1.50 262	0.75 83	0.53 65	0.64 26	0.44 84	0.18 60	0.15 125	0.17 14	0.15 30	0.17 24	0.17 60

RAFT-Stereo	0.57 90	0.26 46	0.63 66	0.54 134	0.36 145	0.69 132	0.54 189	1.22 143	0.72 52	1.61 316	1.50 262	0.75 83	0.53 65	0.64 26	0.44 84	0.18 60	0.15 125	0.17 14	0.15 30	0.17 24	0.17 60
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
StereoDRNet	0.98 263	0.47 276	1.70 335	0.76 316	0.94 358	1.51 306	0.91 302	1.92 298	1.32 270	1.61 316	1.13 144	1.47 282	0.97 236	1.75 219	1.46 322	0.28 262	0.23 263	0.29 254	0.27 260	0.35 270	0.27 230

KYRaft	0.75 185	0.28 83	0.62 63	0.56 165	0.29 63	0.67 121	0.86 291	0.94 49	0.84 76	1.62 319	2.21 347	1.16 215	1.02 257	1.57 191	0.40 58	0.20 117	0.13 42	0.22 122	0.28 277	0.20 97	1.02 376

ARAFT	0.77 192	0.36 229	1.49 324	0.51 95	0.31 91	0.90 203	0.82 283	1.90 291	1.06 153	1.62 319	1.24 177	1.02 178	0.64 119	1.84 231	0.50 128	0.18 60	0.14 75	0.28 246	0.27 260	0.17 24	0.16 41

DLCB_ROB	0.86 230	0.40 249	0.78 167	0.68 283	0.54 258	1.11 249	0.84 285	1.49 192	1.23 227	1.64 321	1.65 295	1.70 314	0.91 209	1.70 213	1.05 261	0.25 229	0.24 272	0.26 225	0.27 260	0.27 221	0.24 194

PSM-AAD	0.79 201	0.27 67	0.53 28	0.55 153	0.28 52	0.77 166	1.24 344	0.99 64	0.91 97	1.66 322	1.57 278	0.81 98	2.19 372	1.65 201	0.44 84	0.19 92	0.14 75	0.38 317	0.32 306	0.21 131	0.70 362

Anonymous Stereo	1.28 311	0.75 345	2.45 368	0.74 310	0.77 331	0.93 214	1.77 370	1.51 201	1.31 265	1.67 323	1.29 197	1.20 221	0.75 140	6.29 367	1.68 334	0.37 313	0.36 338	0.38 317	0.40 335	0.43 309	0.45 315

MADNet+	2.69 385	3.22 411	11.53 406	1.44 383	1.12 370	3.19 384	1.81 373	2.85 380	2.37 367	1.68 324	2.07 340	2.85 373	2.18 371	7.41 386	5.23 381	0.79 371	0.76 385	0.69 371	0.65 373	0.98 372	0.95 373

IIG-Stereo	0.96 253	0.31 157	0.72 118	0.88 350	0.33 122	0.61 87	0.26 9	1.19 135	1.03 142	1.69 325	1.37 224	1.46 277	0.75 140	6.96 380	0.51 131	0.19 92	0.14 75	0.23 150	0.18 88	0.20 97	0.14 11

edge stereo	1.11 291	0.50 288	1.30 297	0.71 298	0.65 299	1.14 254	0.75 262	1.93 302	1.37 291	1.71 326	1.83 316	2.54 364	1.44 321	2.43 281	1.23 285	0.42 329	0.41 351	0.54 355	0.35 321	0.42 304	0.46 319

stereogan	1.15 301	0.42 258	1.40 308	0.86 344	0.84 347	2.38 366	0.71 258	1.88 286	1.73 340	1.72 327	1.94 331	2.31 355	1.29 307	2.07 255	1.08 266	0.36 309	0.35 333	0.39 323	0.31 300	0.51 333	0.46 319

MFN_U_SF_DS_RVC	1.74 354	0.87 355	3.56 380	0.80 325	0.75 327	3.72 390	2.44 400	1.82 274	1.82 348	1.74 328	1.91 327	1.92 332	1.26 304	7.69 391	1.28 293	0.45 340	0.47 365	0.52 349	0.77 376	0.50 329	0.50 330

FTStereo	0.91 243	0.26 46	0.56 37	0.54 134	0.33 122	0.66 117	1.87 378	1.00 68	0.75 56	1.75 329	4.15 382	1.04 184	1.65 341	1.57 191	0.46 105	0.19 92	0.16 156	0.23 150	0.21 172	0.18 41	0.63 354

FAT-Stereo	1.07 280	0.41 255	1.32 301	0.72 301	0.58 275	1.08 246	0.89 296	1.96 307	1.65 333	1.75 329	1.98 332	2.03 344	1.48 327	2.02 250	1.18 283	0.42 329	0.35 333	0.34 297	0.29 288	0.35 270	0.53 336

FBW_ROB	1.71 352	0.62 325	1.45 315	0.67 273	0.61 288	1.81 335	1.08 329	2.52 375	1.70 337	1.77 331	1.73 304	1.98 338	1.25 302	12.57 415	1.84 338	0.34 299	0.37 340	0.56 363	0.38 330	0.45 319	0.43 311

DRaft	0.80 204	0.24 19	0.70 103	0.45 32	0.30 79	0.97 228	0.53 185	1.05 87	0.97 117	1.78 332	2.02 336	0.80 95	1.74 348	2.73 292	0.72 199	0.17 32	0.14 75	0.20 73	0.20 136	0.18 41	0.21 150

DANet	1.08 283	0.61 322	1.32 301	0.85 342	0.72 316	1.37 290	0.51 170	1.54 212	1.15 199	1.78 332	1.54 268	2.01 341	1.11 276	2.90 297	2.00 347	0.33 291	0.30 309	0.40 328	0.30 296	0.44 316	0.45 315
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
DRN-Test	1.00 268	0.44 264	1.13 274	0.70 291	0.81 343	1.62 316	0.79 273	2.14 338	1.44 313	1.78 332	1.33 210	1.43 269	1.05 264	2.18 264	1.53 327	0.27 252	0.21 241	0.31 267	0.30 296	0.32 261	0.28 241

Wz-Net-MNSev	1.11 291	0.58 311	2.23 362	0.66 263	0.71 314	1.95 346	1.46 357	1.98 312	1.45 314	1.79 335	1.43 241	1.49 284	1.33 314	1.97 247	1.42 317	0.27 252	0.23 263	0.28 246	0.28 277	0.34 269	0.31 266

DAS	0.84 221	0.34 206	1.03 250	0.64 246	0.69 311	0.77 166	0.63 236	1.54 212	1.20 217	1.79 335	1.55 270	0.95 154	1.04 260	2.83 294	0.60 171	0.21 144	0.16 156	0.25 206	0.18 88	0.27 221	0.22 165

SepStereo	0.82 212	0.34 206	1.03 250	0.64 246	0.69 311	0.77 166	0.63 236	1.54 212	1.20 217	1.79 335	1.55 270	0.95 154	1.04 260	2.30 272	0.60 171	0.21 144	0.16 156	0.25 206	0.18 88	0.27 221	0.22 165

LALA_ROB	1.01 271	0.59 314	1.16 277	0.67 273	0.51 244	1.63 317	1.26 348	1.69 241	1.38 295	1.81 338	1.37 224	1.94 334	1.02 257	1.58 193	1.38 305	0.37 313	0.27 291	0.43 334	0.37 328	0.43 309	0.37 289

ACVNet_1	2.18 369	1.45 384	1.72 337	2.85 398	2.33 398	2.28 361	1.46 357	3.08 384	2.22 366	1.82 339	2.05 339	3.56 379	1.98 364	3.09 305	1.40 309	3.17 398	0.60 380	2.40 397	0.92 384	2.91 400	2.37 398

PASM	1.34 319	0.92 358	2.62 373	0.86 344	0.87 352	1.03 237	1.08 329	1.50 196	1.51 322	1.82 339	1.41 236	1.68 312	1.26 304	4.87 338	1.34 300	0.61 364	0.65 384	0.68 369	0.78 377	0.69 361	0.68 361

XPNet_ROB	0.96 253	0.49 284	1.09 265	0.72 301	0.57 267	1.11 249	1.14 335	1.66 237	1.23 227	1.85 341	1.39 232	1.64 307	1.11 276	1.80 228	1.42 317	0.38 317	0.30 309	0.33 287	0.29 288	0.37 280	0.34 278

XQC	1.37 322	0.87 355	2.56 371	0.84 337	0.69 311	1.83 338	0.89 296	2.07 329	1.88 350	1.88 342	1.53 266	1.91 329	1.55 333	2.85 296	3.05 363	0.48 348	0.29 305	0.44 337	0.39 331	0.69 361	0.60 351

ADCPNet	1.85 357	0.69 335	8.07 397	0.71 298	0.58 275	2.79 377	1.22 343	1.94 304	1.54 326	1.88 342	1.69 300	2.46 363	2.04 366	2.37 277	6.48 385	0.38 317	0.37 340	0.38 317	0.43 341	0.47 322	0.45 315

MSC_U_SF_DS_RVC	2.12 367	1.15 374	3.10 378	1.05 369	0.76 330	5.03 404	2.40 399	2.16 343	2.62 377	1.89 344	2.28 350	2.69 369	1.65 341	9.35 403	2.04 348	0.64 368	0.51 371	0.68 369	0.71 374	1.09 378	0.67 359

ADCL	1.72 353	0.57 308	3.66 381	0.67 273	0.61 288	2.61 373	1.85 376	1.96 307	1.67 335	1.90 345	1.83 316	2.06 347	1.90 360	2.13 259	9.15 399	0.26 243	0.24 272	0.34 297	0.32 306	0.38 288	0.35 283

ETE_ROB	0.96 253	0.64 328	1.16 277	0.69 286	0.48 225	1.14 254	1.13 334	1.77 262	1.19 212	1.91 346	1.45 246	1.73 317	1.05 264	1.60 196	1.14 276	0.32 286	0.26 283	0.38 317	0.34 317	0.39 292	0.41 303

NVStereoNet_ROB	1.88 358	1.07 366	1.45 315	1.07 372	1.17 374	1.47 302	1.48 359	1.89 288	1.93 356	1.94 347	4.67 389	3.08 376	1.80 353	6.51 370	1.65 331	1.06 382	0.86 394	1.08 382	1.32 394	0.93 371	1.26 385
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
MFN_U_SF_RVC	1.52 334	0.84 351	3.42 379	0.87 349	0.66 301	2.56 371	0.95 312	2.36 367	1.70 337	1.98 348	1.86 321	2.45 362	1.79 352	2.95 298	2.58 357	0.52 353	0.48 366	0.55 360	0.59 370	0.59 347	0.61 352

GrayStereo	0.82 212	0.26 46	0.58 48	0.63 237	0.37 153	0.76 160	1.86 377	1.11 115	0.87 81	1.99 349	1.89 325	1.08 193	1.82 356	1.39 158	0.48 115	0.19 92	0.14 75	0.19 49	0.21 172	0.18 41	0.39 298

psmorigin	1.52 334	0.69 335	10.52 404	0.68 283	0.59 282	1.13 253	0.70 256	1.57 218	1.19 212	1.99 349	1.79 312	2.26 352	1.47 326	2.09 256	1.36 304	0.39 320	0.40 349	0.34 297	0.33 312	0.43 309	0.56 341

CBMV	0.95 252	0.44 264	0.66 82	0.53 119	0.35 140	1.53 308	1.63 367	1.69 241	1.42 310	2.00 351	1.60 282	1.43 269	1.17 284	1.59 195	0.99 258	0.34 299	0.34 325	0.39 323	0.33 312	0.33 267	0.32 272
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
RAFT-RH_RVC	1.03 274	0.24 19	0.67 85	0.49 65	0.28 52	0.81 184	0.33 33	0.83 22	1.08 162	2.05 352	4.65 388	1.04 184	0.57 86	5.98 364	0.50 128	0.18 60	0.13 42	0.26 225	0.20 136	0.16 13	0.17 60

WZ-Net	1.95 362	0.95 359	10.10 401	0.86 344	0.78 334	1.69 322	1.60 365	2.20 354	1.98 357	2.08 353	1.93 329	2.30 354	1.97 363	5.30 344	3.17 368	0.34 299	0.26 283	0.29 254	0.31 300	0.51 333	0.47 322

NaN_ROB	1.13 296	0.55 301	1.15 276	0.64 246	0.48 225	1.61 315	2.03 387	1.72 246	1.48 317	2.09 354	1.27 190	1.40 264	1.08 271	3.94 322	1.30 295	0.28 262	0.34 325	0.28 246	0.28 277	0.30 249	0.33 276

SGM-Forest	1.24 307	0.38 240	0.60 56	0.52 111	0.37 153	1.56 311	1.30 349	1.65 233	1.36 287	2.11 355	1.79 312	1.63 304	0.93 218	7.48 389	0.95 250	0.36 309	0.37 340	0.39 323	0.34 317	0.37 280	0.32 272
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
ACVNet_2	2.43 379	1.41 382	2.04 353	2.62 395	2.24 394	2.63 374	1.88 379	3.31 386	3.01 382	2.19 356	3.45 375	4.62 387	2.04 366	4.50 332	1.47 323	2.55 393	0.64 382	2.22 390	0.84 380	2.69 392	2.29 397

RTSC	1.29 312	0.73 340	2.44 367	0.83 336	0.57 267	1.85 340	0.65 240	1.88 286	2.00 358	2.20 357	1.66 297	1.60 300	1.26 304	2.33 274	3.92 374	0.32 286	0.23 263	0.27 236	0.29 288	0.37 280	0.37 289

MFMNet_re	1.40 326	1.14 373	1.68 334	1.39 380	1.07 365	1.48 303	1.43 355	1.87 284	1.82 348	2.26 358	2.19 346	1.51 287	1.86 357	1.52 179	1.25 287	0.93 375	0.83 388	0.84 374	0.80 378	0.99 374	1.05 380

PWC_ROB	1.24 307	0.76 347	2.46 369	0.72 301	0.78 334	1.15 259	0.49 163	1.75 253	1.92 354	2.31 359	3.07 369	1.59 298	1.40 317	2.46 282	2.10 351	0.33 291	0.22 255	0.35 304	0.24 228	0.38 288	0.41 303

IMH-64-1	2.70 386	1.79 391	1.46 317	3.26 405	2.66 401	3.23 386	2.10 388	4.08 392	2.75 380	2.34 360	3.81 379	3.06 374	2.22 373	4.25 327	2.59 358	3.75 407	0.84 389	2.75 403	1.35 395	3.15 402	2.60 404

IMH-64	2.70 386	1.79 391	1.46 317	3.26 405	2.66 401	3.23 386	2.10 388	4.08 392	2.75 380	2.34 360	3.81 379	3.06 374	2.22 373	4.25 327	2.59 358	3.75 407	0.84 389	2.75 403	1.35 395	3.15 402	2.60 404

LVE	3.31 393	1.67 388	1.64 331	2.85 398	2.42 399	3.20 385	2.26 395	4.78 400	5.05 400	2.35 362	6.91 397	6.02 397	2.37 376	9.15 399	2.17 353	3.19 400	1.08 405	2.38 395	1.47 401	2.81 395	2.40 400

CSAN	1.41 327	0.59 314	1.26 291	0.70 291	0.50 234	1.76 329	1.78 371	1.77 262	1.90 353	2.35 362	2.32 351	1.92 332	1.94 362	5.56 354	1.49 325	0.43 334	0.35 333	0.40 328	0.41 337	0.43 309	0.41 303

WAO-6	2.81 389	1.60 387	1.46 317	2.36 393	2.28 396	3.55 388	2.29 396	4.21 395	4.56 398	2.36 364	4.51 384	4.88 391	2.66 382	4.60 333	4.07 377	1.72 386	1.15 406	2.31 392	1.46 400	2.31 387	1.85 391

SANet	1.88 358	0.57 308	2.18 361	0.63 237	0.40 183	2.80 378	1.57 364	2.39 370	5.88 403	2.36 364	3.57 376	3.72 382	2.97 386	4.74 335	1.76 335	0.34 299	0.30 309	0.32 280	0.29 288	0.48 325	0.37 289

SHD	1.31 315	0.71 339	2.34 365	0.86 344	0.75 327	1.77 332	0.65 240	2.22 355	2.50 375	2.40 366	1.71 302	1.91 329	1.60 337	1.93 243	2.37 355	0.38 317	0.31 315	0.38 317	0.40 335	0.48 325	0.50 330

AnyNet_C32	1.96 363	1.10 368	5.17 388	0.90 355	1.11 368	2.12 356	2.37 398	1.85 280	1.48 317	2.45 367	1.70 301	2.05 346	1.64 340	2.50 283	10.28 402	0.37 313	0.34 325	0.35 304	0.41 337	0.49 328	0.54 337

DispFullNet	2.34 374	2.85 409	3.66 381	3.08 403	2.27 395	1.97 347	0.67 248	2.00 314	1.70 337	2.52 368	2.00 333	2.23 350	5.86 403	3.44 316	1.58 328	1.01 377	0.32 322	2.64 402	1.94 407	2.85 398	2.24 396

AnyNet_C01	2.26 371	1.78 390	10.22 403	0.93 361	0.74 321	2.92 381	2.20 393	2.29 362	1.80 346	2.53 369	2.41 357	2.71 370	1.73 347	3.41 313	6.72 387	0.41 326	0.39 347	0.40 328	0.42 339	0.67 359	0.63 354

RTS	2.67 383	1.38 379	15.28 409	0.99 365	1.26 380	3.78 391	1.96 383	2.15 340	2.62 377	2.61 370	2.85 367	2.60 366	1.59 335	6.27 365	5.71 383	0.40 322	0.28 297	0.35 304	0.35 321	0.50 329	0.48 325

RTSA	2.67 383	1.38 379	15.28 409	0.99 365	1.26 380	3.78 391	1.96 383	2.15 340	2.62 377	2.61 370	2.85 367	2.60 366	1.59 335	6.27 365	5.71 383	0.40 322	0.28 297	0.35 304	0.35 321	0.50 329	0.48 325

pmcnn	2.37 375	0.42 258	2.71 375	0.63 237	0.43 197	1.54 309	1.19 341	2.01 318	1.53 325	2.64 372	7.60 402	18.07 417	1.45 323	3.44 316	2.78 361	0.18 60	0.15 125	0.15 3	0.12 9	0.20 97	0.18 78

IMH	3.21 392	1.85 395	1.48 322	3.25 404	2.69 403	4.07 397	2.02 386	4.41 397	3.80 391	2.72 373	7.11 400	4.75 390	2.92 385	5.92 361	2.55 356	3.85 410	0.88 395	2.78 405	1.36 397	3.19 404	2.59 403

JetBlue	3.97 394	2.01 396	10.19 402	1.38 379	2.84 405	10.53 412	9.54 412	3.60 390	2.41 369	2.73 374	3.39 374	4.54 386	4.31 398	7.85 394	6.84 388	0.88 373	0.93 398	0.89 375	0.91 383	1.74 384	1.91 392

SAMSARA	1.55 336	0.84 351	2.61 372	1.22 377	1.07 365	2.50 369	1.93 381	2.05 323	1.89 351	2.75 375	1.66 297	2.81 371	1.69 346	3.08 304	1.97 346	0.46 346	0.51 371	0.42 332	0.46 348	0.58 345	0.59 348

Dean	2.91 391	1.53 386	2.07 354	2.96 402	2.51 400	3.15 383	2.14 391	4.75 399	4.41 397	2.76 376	6.10 395	5.53 395	2.37 376	2.97 300	1.92 343	3.18 399	0.85 392	2.51 400	1.04 392	2.88 399	2.47 401

G-Net	1.66 345	0.63 326	1.56 327	1.11 374	0.74 321	2.98 382	0.91 302	1.55 216	1.22 224	2.76 376	8.18 407	2.32 356	2.53 381	1.92 240	1.87 339	0.48 348	0.44 357	0.45 338	0.31 300	0.60 351	0.57 345

ADCS	2.25 370	0.99 362	5.55 389	0.81 328	0.74 321	2.19 358	1.80 372	2.27 360	2.14 363	2.80 378	2.13 343	2.40 360	2.03 365	2.64 289	13.69 407	0.41 326	0.39 347	0.40 328	0.45 345	0.58 345	0.56 341

ADCMid	1.89 361	0.73 340	5.06 387	0.72 301	0.67 303	2.00 350	1.14 335	1.97 311	1.48 317	2.86 379	1.81 315	2.37 358	2.05 368	2.24 268	10.39 403	0.33 291	0.31 315	0.39 323	0.43 341	0.50 329	0.44 313

WAO-7	2.66 382	1.40 381	1.73 339	1.39 380	1.17 374	3.93 394	1.94 382	4.11 394	3.88 392	2.92 380	5.50 393	4.18 385	3.00 388	7.63 390	3.71 373	1.13 385	1.00 400	1.17 383	1.13 393	1.18 380	1.09 382

FADE	26.59 423	4.78 413	20.96 413	1.89 387	1.92 389	2.91 379	2.00 385	5.58 403	5.04 399	2.92 380	2.16 345	4.13 384	14.18 414	10.23 411	8.46 396	188.09 438	2.77 412	123.78 435	127.92 435	1.06 377	1.10 383

tt	6.58 406	0.26 46	6.10 393	3.77 411	2.16 390	11.55 413	19.63 417	13.33 418	5.74 402	2.96 382	2.65 363	4.97 393	6.33 407	3.81 320	7.24 389	9.15 418	11.32 425	5.89 418	6.24 417	6.03 415	2.55 402

LSM	6.33 404	1.10 368	13.19 407	1.41 382	68.17 433	1.64 319	1.90 380	1.92 298	2.46 370	2.99 383	3.11 370	1.88 324	1.80 353	2.61 288	2.06 350	0.41 326	0.58 379	0.50 347	0.57 366	0.64 354	17.66 425

KSHMR	8.75 410	2.06 400	2.11 356	3.53 409	3.11 407	4.13 398	2.69 401	5.60 404	61.37 437	3.00 384	55.83 437	4.98 394	2.45 379	4.49 331	2.61 360	3.46 404	1.55 410	3.14 409	1.94 407	3.72 407	3.18 409

PVD	1.70 350	0.84 351	2.26 363	0.94 363	0.83 346	2.48 368	0.97 314	2.59 377	3.35 386	3.01 385	2.77 365	2.34 357	2.47 380	2.67 290	3.14 366	0.47 347	0.45 361	0.59 367	0.48 352	0.59 347	0.75 367

PWCK	2.88 390	2.05 399	5.72 391	2.08 388	1.11 368	3.55 388	3.90 408	2.86 381	3.54 390	3.03 386	3.63 377	3.10 377	2.31 375	8.15 397	3.09 364	2.12 390	0.91 397	1.75 386	0.98 389	2.57 391	1.18 384

SPS-STEREO	1.67 346	1.04 365	1.23 285	1.21 376	1.13 373	1.82 337	1.11 331	2.16 343	1.52 323	3.07 387	2.32 351	2.82 372	1.80 353	4.11 325	2.04 348	1.03 380	0.99 399	0.97 377	0.94 385	1.03 376	1.02 376
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
aanetorigin	1.23 306	0.79 349	2.78 377	0.70 291	0.79 336	0.99 232	1.06 327	1.06 100	1.37 291	3.52 388	2.61 362	1.72 316	1.63 339	1.99 248	1.78 336	0.25 229	0.24 272	0.26 225	0.25 239	0.38 288	0.45 315

SGM_RVC	1.68 348	0.36 229	0.61 59	0.59 195	0.29 63	2.25 360	1.18 340	2.38 369	1.68 336	3.60 389	2.67 364	3.69 381	2.42 378	8.13 395	1.90 342	0.31 281	0.31 315	0.30 263	0.28 277	0.30 249	0.29 244
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
UNDER WATER	5.08 400	2.33 404	5.55 389	3.94 414	3.51 411	5.20 405	2.72 403	5.61 405	16.52 416	3.84 390	4.60 386	9.21 407	5.89 404	5.90 360	8.66 398	3.75 407	1.34 407	3.18 410	1.88 405	4.33 413	3.61 412

WAO-8	4.40 396	1.82 393	1.79 341	2.34 391	2.20 391	9.19 409	1.53 360	6.09 407	16.46 414	3.94 391	7.84 405	7.32 399	3.72 395	9.41 405	3.31 369	2.00 388	1.07 403	2.44 398	1.37 398	2.50 389	1.68 389

Venus	4.40 396	1.82 393	1.79 341	2.34 391	2.20 391	9.19 409	1.53 360	6.09 407	16.46 414	3.94 391	7.84 405	7.32 399	3.72 395	9.41 405	3.31 369	2.00 388	1.07 403	2.44 398	1.37 398	2.50 389	1.68 389

UNDER WATER-64	5.27 401	2.32 403	8.78 400	3.93 413	3.54 412	7.61 407	3.03 407	5.84 406	14.19 410	4.04 393	4.04 381	9.39 408	6.26 406	5.93 362	8.48 397	3.60 406	1.51 409	3.13 408	1.88 405	4.29 412	3.61 412

WCMA_ROB	1.84 356	0.47 276	1.31 298	0.69 286	0.57 267	2.11 355	1.14 335	1.87 284	1.73 340	4.04 393	6.43 396	5.62 396	3.61 392	2.59 286	1.94 344	0.52 353	0.44 357	0.39 323	0.42 339	0.48 325	0.47 322

ktn	4.70 398	2.38 405	2.12 357	3.76 410	3.24 408	4.85 402	2.95 406	5.52 402	7.37 406	4.07 395	19.32 420	7.46 401	3.47 390	7.39 385	2.95 362	4.04 411	1.85 411	3.26 411	2.22 410	3.08 401	2.65 406

notaker	3.98 395	2.40 406	2.68 374	3.82 412	3.27 410	3.97 396	2.14 391	4.78 400	3.45 389	4.12 396	6.94 398	7.65 403	3.26 389	7.82 393	5.30 382	4.04 411	1.41 408	3.36 412	2.10 409	3.88 408	3.31 410

MSMD_ROB	1.99 365	0.59 314	0.89 205	0.70 291	0.61 288	3.95 395	0.94 310	1.80 270	1.79 345	4.41 397	4.43 383	8.17 405	3.66 393	3.40 312	1.33 298	0.52 353	0.48 366	0.54 355	0.58 367	0.53 337	0.50 330

JetRed	6.91 407	8.80 418	25.96 421	2.85 398	3.25 409	13.98 418	11.87 413	6.25 409	4.28 396	4.45 398	4.56 385	6.69 398	5.46 402	7.46 388	14.05 408	2.59 394	3.31 413	2.59 401	2.29 411	4.20 411	3.36 411

MDST_ROB	1.67 346	0.34 206	1.58 329	0.92 360	0.58 275	4.26 399	1.11 331	2.83 379	1.41 307	4.49 399	2.55 361	1.45 275	0.97 236	7.79 392	1.17 280	0.31 281	0.25 279	0.37 314	0.33 312	0.31 256	0.30 256

ELAS_RVC	2.48 380	0.74 343	1.90 348	1.05 369	0.92 356	2.76 375	4.01 409	2.76 378	4.11 394	4.69 400	4.63 387	4.62 387	5.96 405	3.97 323	3.96 375	0.63 367	0.53 373	0.56 363	0.52 361	0.64 354	0.63 354
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
EDNetEfficientorigin	10.57 411	1.47 385	177.42 438	0.67 273	0.53 255	1.58 313	1.16 338	1.90 291	3.37 387	4.71 401	3.38 373	3.10 377	2.69 383	3.13 306	3.58 371	0.25 229	0.23 263	0.33 287	0.27 260	0.83 367	0.81 368

EDNetEfficient	2.37 375	1.10 368	8.08 398	0.74 310	0.71 314	0.98 231	1.56 362	1.46 188	4.06 393	4.90 402	2.82 366	2.25 351	3.48 391	2.95 298	9.97 400	0.26 243	0.24 272	0.26 225	0.30 296	0.68 360	0.61 352

MADNet++	5.01 399	3.14 410	4.91 386	4.55 416	3.94 414	5.20 405	4.41 410	4.40 396	4.13 395	4.95 403	6.08 394	4.74 389	5.37 401	9.40 404	10.67 404	4.65 413	4.15 416	3.97 414	3.34 413	4.09 410	4.08 415

TorneroNet-64	5.30 402	2.03 397	1.74 340	3.43 407	2.81 404	10.09 411	2.12 390	9.10 414	17.12 419	4.96 404	9.27 410	10.72 413	3.70 394	9.20 400	4.55 379	3.31 402	0.84 389	2.88 406	1.55 402	3.49 405	3.04 407

ELAS	2.37 375	0.74 343	1.54 326	0.99 365	0.92 356	4.78 401	2.33 397	3.33 387	3.37 387	5.05 405	4.77 390	3.67 380	4.53 400	3.42 314	4.50 378	0.62 365	0.53 373	0.55 360	0.53 362	0.63 352	0.64 358
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
FCDSN-DC	2.32 373	0.63 326	0.81 175	0.84 337	0.75 327	2.23 359	0.94 310	2.09 332	1.80 346	5.45 406	7.72 404	7.77 404	6.93 409	3.39 311	1.80 337	0.52 353	0.48 366	0.52 349	0.51 360	0.57 343	0.58 346
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
SGM+DAISY	2.41 378	1.07 366	2.14 358	1.18 375	1.10 367	2.14 357	1.36 352	1.96 307	1.66 334	5.46 407	7.07 399	4.95 392	4.32 399	5.50 351	2.26 354	1.04 381	1.02 402	0.99 379	0.97 387	1.02 375	1.04 378

FC-DCNN	2.72 388	0.59 314	0.86 187	0.73 308	0.57 267	2.91 379	1.04 325	3.01 383	2.60 376	6.83 408	7.64 403	9.92 409	6.33 407	5.21 343	3.14 366	0.53 359	0.48 366	0.51 348	0.50 358	0.53 337	0.51 334

DGTPSM_ROB	13.01 415	8.23 416	21.87 414	9.51 419	18.10 418	11.56 414	32.01 423	10.63 415	16.20 412	7.03 409	19.48 421	10.15 410	16.66 416	9.83 409	22.42 418	4.75 414	8.68 419	5.37 415	10.25 419	6.16 416	11.36 419

DPSMNet_ROB	13.02 416	8.23 416	21.91 415	9.53 420	18.11 419	11.56 414	32.02 424	10.64 416	16.23 413	7.05 410	19.49 422	10.16 411	16.66 416	9.85 410	22.43 419	4.77 415	8.68 419	5.38 416	10.26 420	6.17 417	11.36 419

TorneroNet	10.70 412	2.03 397	1.82 344	3.43 407	3.01 406	43.83 429	2.22 394	8.87 413	67.47 438	7.17 411	27.36 423	10.68 412	3.85 397	8.67 398	7.65 395	3.59 405	0.88 395	3.04 407	1.57 403	3.71 406	3.17 408

MeshStereo	2.26 371	0.56 304	0.92 215	0.61 218	0.49 228	2.60 372	1.02 323	3.18 385	2.05 361	7.40 412	4.98 392	7.58 402	2.98 387	6.37 368	1.96 345	0.43 334	0.43 354	0.45 338	0.39 331	0.43 309	0.42 307
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
MANE	6.19 403	0.59 314	1.03 250	0.93 361	1.22 379	13.38 416	2.69 401	12.81 417	17.94 420	8.21 413	10.82 412	14.72 415	11.68 411	11.39 414	11.90 405	0.59 362	0.50 370	0.52 349	1.76 404	0.55 340	0.54 337

ASD4	15.85 417	10.99 419	19.63 412	10.21 421	11.70 417	19.24 419	31.10 422	19.35 419	10.68 408	11.14 414	10.18 411	12.59 414	12.64 412	14.74 417	24.83 421	12.93 423	9.94 424	26.83 429	19.40 423	16.23 422	12.70 424

SGM-ForestM	6.52 405	0.38 240	1.26 291	0.63 237	0.35 140	13.59 417	5.32 411	6.32 410	6.70 405	11.14 414	9.18 409	22.51 425	13.93 413	16.89 418	20.07 416	0.36 309	0.37 340	0.36 312	0.35 321	0.36 276	0.34 278

DPSM_ROB	19.08 418	19.14 422	25.17 419	22.15 423	20.85 421	28.17 421	37.82 426	26.56 422	16.85 417	14.14 416	14.84 415	21.70 419	18.75 419	21.87 421	26.55 423	10.16 421	9.30 422	10.47 420	10.42 421	14.03 420	12.61 422

DPSM	19.08 418	19.14 422	25.17 419	22.15 423	20.85 421	28.17 421	37.82 426	26.56 422	16.85 417	14.14 416	14.84 415	21.70 419	18.75 419	21.87 421	26.55 423	10.16 421	9.30 422	10.47 420	10.42 421	14.03 420	12.61 422

Anonymous_1	43.04 434	18.73 421	24.79 418	21.81 422	46.26 432	27.80 420	37.60 425	28.08 424	16.14 411	14.66 418	14.30 414	20.65 418	17.88 418	21.56 420	25.94 422	117.93 437	8.92 421	100.65 434	126.50 434	158.64 438	12.08 421

DPSimNet_ROB	11.20 414	4.98 414	35.43 425	2.90 401	4.52 415	7.89 408	17.09 416	4.66 398	6.06 404	14.89 419	10.93 413	17.29 416	36.81 428	13.18 416	15.68 412	2.86 395	6.29 418	5.75 417	5.09 415	3.91 409	7.70 418

xxxxx1	54.10 436	25.67 424	27.13 422	113.43 435	96.96 435	30.69 425	47.44 428	32.38 426	25.60 421	17.75 420	17.27 417	21.81 421	21.02 421	24.43 424	33.82 425	33.37 431	40.54 433	157.71 436	175.86 436	66.16 434	72.93 436

tt_ll	54.10 436	25.67 424	27.13 422	113.43 435	96.96 435	30.69 425	47.44 428	32.38 426	25.60 421	17.75 420	17.27 417	21.81 421	21.02 421	24.43 424	33.82 425	33.37 431	40.54 433	157.71 436	175.86 436	66.16 434	72.93 436

ff	54.10 436	25.67 424	27.13 422	113.43 435	96.96 435	30.69 425	47.44 428	32.38 426	25.60 421	17.75 420	17.27 417	21.81 421	21.02 421	24.43 424	33.82 425	33.37 431	40.54 433	157.71 436	175.86 436	66.16 434	72.93 436

coex-ft	8.13 409	2.13 402	98.04 437	0.67 273	0.53 255	1.71 323	1.56 362	1.65 233	11.11 409	18.17 423	3.75 378	3.88 383	7.61 410	2.98 301	6.49 386	0.30 274	0.30 309	0.32 280	0.31 300	0.66 358	0.50 330

LE_ROB	8.05 408	0.37 235	23.53 417	0.74 310	0.33 122	2.77 376	2.87 405	3.71 391	27.24 424	25.39 424	8.87 408	8.46 406	26.71 424	6.65 372	21.99 417	0.21 144	0.19 208	0.20 73	0.21 172	0.25 201	0.22 165

LRCNet_RVC	22.74 420	32.10 427	21.97 416	29.84 425	26.23 423	4.42 400	0.81 282	22.66 420	2.02 359	26.93 425	29.26 426	23.06 426	15.59 415	23.84 423	18.88 415	31.75 430	19.90 432	34.65 430	32.13 430	30.54 430	28.32 431

CasAABBNet	38.33 425	38.46 429	50.35 430	44.75 433	41.84 427	56.68 434	76.37 432	53.22 435	33.83 428	28.31 426	29.54 427	43.62 434	37.71 434	43.84 434	53.41 433	20.30 424	18.70 427	21.07 426	21.07 425	28.24 427	25.34 426

Selective-RAFT-Error	38.39 429	38.47 430	50.44 434	44.73 429	41.97 431	56.68 434	76.38 433	53.24 436	33.92 429	28.34 427	29.85 428	43.60 433	38.20 435	43.75 430	53.34 432	20.38 428	18.70 427	21.09 427	21.05 424	28.30 428	25.43 430

MyStereo03	38.34 426	38.50 431	50.41 431	44.74 430	41.86 428	56.65 431	76.38 433	52.99 432	33.93 430	28.39 428	29.99 429	43.54 430	37.42 430	43.82 431	53.53 434	20.31 425	18.71 429	21.06 423	21.08 426	28.23 424	25.35 427

MyStereo02	38.34 426	38.50 431	50.41 431	44.74 430	41.86 428	56.65 431	76.38 433	52.99 432	33.93 430	28.39 428	29.99 429	43.54 430	37.42 430	43.82 431	53.53 434	20.31 425	18.71 429	21.06 423	21.08 426	28.23 424	25.35 427

MyStereo	38.34 426	38.50 431	50.41 431	44.74 430	41.86 428	56.65 431	76.38 433	52.99 432	33.93 430	28.39 428	29.99 429	43.54 430	37.42 430	43.82 431	53.53 434	20.31 425	18.71 429	21.06 423	21.08 426	28.23 424	25.35 427

SPstereo	26.54 422	6.08 415	10.71 405	5.55 417	5.68 416	48.14 430	80.43 437	67.31 438	34.39 433	28.70 431	27.52 424	43.76 435	37.60 433	45.04 437	54.41 438	4.92 416	4.89 417	10.74 422	5.88 416	4.46 414	4.57 416

LSM0	42.82 433	38.75 434	50.81 435	47.07 434	109.38 438	57.00 436	76.02 431	53.74 437	33.71 427	29.02 432	30.41 432	43.87 436	37.22 429	43.91 435	53.54 437	20.52 429	18.62 426	21.10 428	21.11 429	28.41 429	42.22 432

HanzoNet	11.04 413	3.62 412	8.10 399	4.08 415	3.55 413	4.90 403	2.73 404	7.19 411	10.10 407	31.86 433	28.92 425	21.96 424	36.36 426	18.08 419	10.17 401	7.94 417	3.32 414	3.47 413	3.31 412	7.06 418	4.04 414

HaxPig	38.92 430	41.40 435	41.64 426	29.95 426	32.27 424	28.90 423	27.60 419	29.73 425	37.71 434	43.82 434	43.87 433	33.17 427	35.56 425	41.53 428	40.37 430	43.94 434	47.51 437	45.82 431	47.08 432	42.38 431	44.15 434

AVERAGE_ROB	40.43 431	42.37 436	42.73 427	36.96 428	35.58 426	30.50 424	27.61 420	36.71 431	38.39 435	44.91 435	44.36 434	37.45 429	36.70 427	41.88 429	40.35 429	45.43 435	46.81 436	47.11 432	46.35 431	42.51 432	43.87 433

MEDIAN_ROB	42.00 432	44.40 437	44.29 429	35.15 427	34.95 425	31.28 428	29.60 421	35.88 430	40.02 436	47.20 436	46.64 435	37.37 428	38.48 436	44.35 436	42.45 431	48.03 436	49.39 438	49.71 433	49.03 433	45.14 433	46.65 435

BEATNet-Init1	26.87 424	13.43 420	70.68 436	0.91 358	0.68 309	57.02 437	21.06 418	32.82 429	32.67 426	52.12 437	53.61 436	66.05 437	49.56 437	48.79 438	34.71 428	0.49 352	0.44 357	0.53 354	0.53 362	0.63 352	0.59 348

PML	51.67 435	36.25 428	13.28 408	7.46 418	20.81 420	108.69 438	232.22 439	8.72 412	27.82 425	87.01 438	269.67 439	69.67 438	61.95 438	24.76 427	14.20 409	9.74 420	3.40 415	9.62 419	4.70 414	18.74 423	4.72 417

test_example2	192.40 439	210.76 439	206.48 439	199.83 439	204.73 439	172.94 439	183.52 438	133.93 439	133.41 439	191.38 439	196.19 438	187.13 439	178.77 439	205.33 439	208.00 439	222.09 439	238.72 439	186.54 439	190.54 439	227.34 439	170.31 439

Low-res two-view benchmark