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

StereoIM	0.38 1	0.27 35	0.72 57	0.45 8	0.35 137	0.30 3	0.31 25	0.81 6	0.54 3	0.38 2	0.38 1	0.58 43	0.49 53	0.53 4	0.39 31	0.20 99	0.16 139	0.19 47	0.15 30	0.19 59	0.15 3

MIF-Stereo	0.38 1	0.24 9	0.67 47	0.49 34	0.36 139	0.40 9	0.32 29	0.55 1	0.55 4	0.55 30	0.55 17	0.36 2	0.31 6	0.59 11	0.52 108	0.21 120	0.15 112	0.17 13	0.15 30	0.19 59	0.17 23

CREStereo	0.40 3	0.24 9	0.40 2	0.37 1	0.22 4	0.52 47	0.29 21	0.81 6	1.15 171	0.59 31	0.72 33	0.51 32	0.42 19	0.57 8	0.37 25	0.19 65	0.13 17	0.15 3	0.10 1	0.14 1	0.15 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
AEACV	0.41 4	0.25 16	0.60 24	0.55 110	0.52 237	0.43 13	0.38 68	0.98 30	0.63 17	0.44 5	0.56 18	0.46 15	0.59 95	0.56 6	0.31 1	0.17 18	0.13 17	0.18 33	0.16 54	0.17 20	0.17 23

LoS	0.41 4	0.23 6	0.46 8	0.39 2	0.23 5	0.48 23	0.40 79	1.12 72	0.94 88	0.50 19	0.66 21	0.49 28	0.42 19	0.63 23	0.39 31	0.19 65	0.14 58	0.16 8	0.11 6	0.14 1	0.15 3

EGLCR-Stereo	0.41 4	0.24 9	0.59 22	0.45 8	0.27 19	0.54 60	0.22 2	1.23 113	0.56 6	0.44 5	0.43 2	0.68 65	0.29 3	0.89 65	0.34 4	0.17 18	0.12 5	0.20 70	0.17 70	0.17 20	0.18 32

GLC_STEREO	0.41 4	0.27 35	0.43 5	0.55 110	0.24 6	0.47 18	0.30 23	0.81 6	0.64 19	0.53 28	0.74 35	0.50 31	0.31 6	0.65 25	0.45 72	0.18 40	0.20 208	0.23 146	0.19 102	0.21 121	0.21 87

CASnet	0.42 8	0.26 19	0.52 15	0.52 69	0.21 2	0.49 28	0.35 49	0.85 14	0.85 61	0.84 65	0.69 27	0.48 24	0.31 6	0.57 8	0.34 4	0.19 65	0.12 5	0.27 233	0.22 186	0.23 158	0.15 3
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
Selective-IGEV	0.42 8	0.26 19	0.56 16	0.48 29	0.27 19	0.45 16	0.33 33	1.56 167	0.61 15	0.36 1	0.47 4	0.52 35	0.30 4	1.08 99	0.33 3	0.15 4	0.13 17	0.17 13	0.13 11	0.16 11	0.15 3

CroCo-Stereo	0.42 8	0.33 135	0.83 115	0.59 162	0.28 40	0.26 1	0.33 33	1.22 109	0.85 61	0.43 4	0.49 7	0.65 59	0.46 35	0.40 1	0.36 16	0.19 65	0.15 112	0.16 8	0.14 22	0.20 86	0.17 23
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
ff7	0.45 11	0.30 79	0.64 37	0.47 24	0.33 110	0.49 28	0.42 91	0.93 20	0.59 7	0.50 19	0.53 9	0.44 7	0.48 43	1.41 143	0.36 16	0.18 40	0.13 17	0.21 93	0.15 30	0.18 34	0.21 87

ffff	0.45 11	0.30 79	0.64 37	0.47 24	0.33 110	0.49 28	0.42 91	0.93 20	0.59 7	0.50 19	0.53 9	0.44 7	0.48 43	1.41 143	0.36 16	0.18 40	0.13 17	0.21 93	0.15 30	0.18 34	0.21 87

11t	0.45 11	0.30 79	0.64 37	0.47 24	0.33 110	0.49 28	0.42 91	0.93 20	0.59 7	0.50 19	0.53 9	0.44 7	0.48 43	1.41 143	0.36 16	0.18 40	0.13 17	0.21 93	0.15 30	0.18 34	0.21 87

LoS_RVC	0.45 11	0.29 61	0.48 10	0.49 34	0.83 337	0.51 43	0.43 107	0.65 2	0.44 1	0.47 11	0.78 41	0.44 7	0.60 99	0.59 11	0.37 25	0.14 1	0.12 5	0.14 1	0.10 1	0.14 1	1.08 375

anonymousdsp	0.45 11	0.30 79	0.60 24	0.48 29	0.34 122	0.49 28	0.42 91	0.97 26	0.60 12	0.51 26	0.53 9	0.46 15	0.47 41	1.36 134	0.35 6	0.18 40	0.13 17	0.21 93	0.15 30	0.18 34	0.21 87

ccc-4	0.45 11	0.30 79	0.64 37	0.47 24	0.33 110	0.49 28	0.42 91	0.93 20	0.59 7	0.50 19	0.53 9	0.44 7	0.48 43	1.41 143	0.36 16	0.18 40	0.13 17	0.21 93	0.15 30	0.18 34	0.21 87

IGEV-Stereo	0.45 11	0.30 79	0.60 24	0.48 29	0.34 122	0.49 28	0.42 91	0.98 30	0.60 12	0.51 26	0.53 9	0.46 15	0.47 41	1.36 134	0.35 6	0.18 40	0.13 17	0.21 93	0.15 30	0.18 34	0.21 87
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
TANstereo	0.45 11	0.23 6	0.50 13	0.43 5	0.21 2	0.65 109	0.26 10	0.83 10	0.88 65	0.95 83	0.99 82	0.51 32	0.45 28	0.56 6	0.36 16	0.19 65	0.24 261	0.16 8	0.13 11	0.17 20	0.27 193

ProNet	0.46 19	0.30 79	0.69 53	0.46 14	0.32 97	0.57 69	0.52 173	1.15 89	0.67 22	0.44 5	0.50 8	0.44 7	0.43 22	1.31 127	0.38 28	0.16 7	0.15 112	0.19 47	0.16 54	0.18 34	0.18 32

MC-Stereo	0.46 19	0.24 9	0.58 18	0.63 200	0.30 63	0.38 7	0.32 29	0.98 30	0.74 36	0.66 39	0.85 54	0.56 40	0.60 99	1.07 97	0.32 2	0.17 18	0.12 5	0.17 13	0.15 30	0.16 11	0.16 13

CroCo-Stereo Lap2	0.46 19	0.37 204	0.87 137	0.62 190	0.79 328	0.28 2	0.35 49	0.81 6	0.73 29	0.39 3	0.54 15	0.71 78	0.54 68	0.60 13	0.48 88	0.18 40	0.18 184	0.19 47	0.16 54	0.21 121	0.21 87

XX-TBD	0.47 22	0.71 327	0.39 1	0.81 315	0.25 8	0.57 69	0.26 10	0.73 3	1.30 235	0.78 52	1.01 88	0.45 14	0.33 10	0.49 3	0.39 31	0.20 99	0.15 112	0.15 3	0.11 6	0.17 20	0.15 3

PMTNet	0.47 22	0.22 3	0.43 5	0.39 2	0.24 6	0.71 136	0.26 10	0.78 5	1.03 123	0.65 38	0.69 27	0.55 38	0.48 43	0.90 68	0.36 16	0.99 375	0.13 17	0.15 3	0.10 1	0.15 4	0.15 3

MIF-Stereo (partial)	0.48 24	0.28 43	0.83 115	0.51 57	0.53 242	0.39 8	0.27 14	1.03 43	0.64 19	0.47 11	0.71 32	0.51 32	0.51 55	1.13 110	0.47 84	0.20 99	0.16 139	0.23 146	0.20 128	0.24 187	0.20 70

IGEVStereo-DCA	0.49 25	0.33 135	0.64 37	0.46 14	0.34 122	0.50 38	0.42 91	0.93 20	0.59 7	0.48 13	0.48 5	0.48 24	0.45 28	2.28 263	0.44 61	0.19 65	0.14 58	0.19 47	0.15 30	0.17 20	0.21 87

test croco	0.49 25	0.29 61	1.23 238	0.51 57	0.40 170	0.35 5	0.37 61	1.04 45	0.62 16	0.44 5	0.76 36	0.42 4	0.41 16	1.17 117	0.46 76	0.23 169	0.15 112	0.24 167	0.19 102	0.25 196	0.18 32

iRaftStereo_RVC	0.49 25	0.28 43	0.72 57	0.53 89	0.29 51	0.52 47	0.33 33	1.14 78	0.84 58	0.85 67	0.99 82	0.55 38	0.36 12	0.83 53	0.40 44	0.18 40	0.13 17	0.22 120	0.20 128	0.20 86	0.18 32

CREStereo++_RVC	0.49 25	0.22 3	0.46 8	0.48 29	0.38 154	0.45 16	0.25 4	0.77 4	1.30 235	0.82 61	1.23 169	0.47 20	0.37 13	0.55 5	0.44 61	0.16 7	0.11 2	0.16 8	0.80 377	0.18 34	0.12 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
MyStereo07	0.50 29	0.30 79	0.58 18	0.58 150	0.48 215	0.59 79	0.78 264	1.19 99	0.60 12	0.49 16	0.54 15	0.43 6	0.55 70	1.32 130	0.36 16	0.18 40	0.18 184	0.24 167	0.21 164	0.23 158	0.23 122

4D-IteraStereo	0.50 29	0.26 19	0.84 124	0.51 57	0.49 221	0.64 105	0.31 25	0.91 19	1.02 120	1.05 105	0.72 33	0.76 82	0.32 9	0.69 29	0.40 44	0.18 40	0.11 2	0.23 146	0.20 128	0.19 59	0.16 13

CES	0.51 31	0.21 2	0.40 2	0.42 4	1.40 378	0.53 51	0.34 40	1.04 45	0.68 23	0.45 9	0.67 23	0.35 1	0.28 2	0.58 10	0.35 6	0.16 7	0.13 17	0.15 3	0.10 1	0.19 59	1.69 386

sCroCo_RVC	0.51 31	0.43 245	1.15 212	0.66 230	0.60 273	0.52 47	0.40 79	0.93 20	0.64 19	0.45 9	0.76 36	0.49 28	0.49 53	0.65 25	0.49 97	0.27 241	0.28 291	0.23 146	0.22 186	0.29 233	0.28 204

RCA-Stereo	0.52 33	0.26 19	0.66 44	0.49 34	0.33 110	0.54 60	0.44 124	1.20 103	1.41 279	0.69 42	1.06 106	0.63 56	0.79 154	0.62 18	0.35 6	0.17 18	0.12 5	0.17 13	0.14 22	0.16 11	0.16 13

knoymous	0.53 34	0.32 118	0.51 14	0.46 14	0.30 63	0.57 69	0.54 188	1.10 68	0.78 42	0.99 86	0.84 52	0.95 152	0.57 77	0.89 65	0.51 102	0.21 120	0.14 58	0.26 224	0.14 22	0.23 158	0.25 160

HUI-Stereo	0.54 35	0.33 135	0.81 98	0.52 69	0.27 19	0.62 89	0.29 21	1.14 78	0.74 36	1.13 126	0.96 71	0.82 103	0.60 99	0.83 53	0.52 108	0.23 169	0.14 58	0.24 167	0.20 128	0.27 208	0.20 70

Any-RAFT	0.55 36	0.27 35	0.49 11	0.50 46	0.27 19	0.98 226	0.25 4	1.71 203	1.08 137	0.90 75	0.99 82	1.13 207	0.46 35	0.74 34	0.35 6	0.19 65	0.13 17	0.17 13	0.13 11	0.16 11	0.19 51

Selective-RAFT	0.55 36	0.29 61	0.85 130	0.58 150	0.28 40	0.91 201	0.34 40	1.00 36	0.96 96	0.59 31	0.64 20	0.80 91	0.76 140	1.34 132	0.51 102	0.21 120	0.15 112	0.17 13	0.15 30	0.19 59	0.19 51

test_4	0.55 36	0.23 6	0.67 47	0.56 122	0.32 97	0.71 136	0.39 77	0.83 10	0.72 28	0.93 80	1.87 321	0.70 72	0.41 16	1.21 121	0.39 31	0.16 7	0.13 17	0.21 93	0.23 213	0.20 86	0.18 32

GMOStereo	0.55 36	0.28 43	0.72 57	0.52 69	0.30 63	0.53 51	0.43 107	1.02 37	0.98 103	1.44 271	1.14 144	0.88 126	0.57 77	0.62 18	0.39 31	0.16 7	0.14 58	0.24 167	0.22 186	0.20 86	0.18 32

error version	0.55 36	0.28 43	0.72 57	0.52 69	0.30 63	0.53 51	0.43 107	1.02 37	0.98 103	1.44 271	1.14 144	0.88 126	0.57 77	0.62 18	0.39 31	0.16 7	0.14 58	0.24 167	0.22 186	0.20 86	0.18 32

test-v	0.55 36	0.28 43	0.72 57	0.52 69	0.30 63	0.53 51	0.43 107	1.02 37	0.98 103	1.44 271	1.14 144	0.88 126	0.57 77	0.62 18	0.39 31	0.16 7	0.14 58	0.24 167	0.22 186	0.20 86	0.18 32

test-2	0.55 36	0.28 43	0.72 57	0.52 69	0.30 63	0.53 51	0.43 107	1.02 37	0.98 103	1.44 271	1.14 144	0.88 126	0.57 77	0.62 18	0.39 31	0.16 7	0.14 58	0.24 167	0.22 186	0.20 86	0.18 32

rafts_anoy	0.55 36	0.32 118	0.66 44	0.72 279	0.61 278	0.53 51	0.40 79	1.24 114	1.06 133	0.85 67	0.83 51	0.67 63	0.53 61	0.77 40	0.55 127	0.20 99	0.15 112	0.25 203	0.26 244	0.22 140	0.21 87

s12784h	0.55 36	0.22 3	0.49 11	0.43 5	0.19 1	1.00 228	0.34 40	1.40 138	1.30 235	0.84 65	0.93 66	0.63 56	0.52 59	1.48 159	0.47 84	0.15 4	0.12 5	0.17 13	0.11 6	0.19 59	0.13 2

raftrobust	0.55 36	0.27 35	0.63 32	0.68 252	0.69 302	0.50 38	0.34 40	1.08 55	0.97 100	1.32 223	0.88 60	0.62 52	0.80 160	0.82 50	0.44 61	0.20 99	0.16 139	0.16 8	0.14 22	0.15 4	0.18 32

Gwc-CoAtRS	0.55 36	0.27 35	0.73 67	0.49 34	0.30 63	0.63 97	0.25 4	1.38 136	1.12 156	1.05 105	1.02 90	1.10 198	0.55 70	0.72 32	0.44 61	0.17 18	0.14 58	0.17 13	0.15 30	0.16 11	0.17 23

MSKI-zero shot	0.56 47	0.30 79	0.61 28	0.55 110	0.28 40	0.68 123	0.28 17	1.25 116	0.68 23	0.92 77	1.33 204	0.81 97	0.33 10	1.94 227	0.36 16	0.18 40	0.13 17	0.17 13	0.13 11	0.16 11	0.19 51

EKT-Stereo	0.56 47	0.33 135	0.84 124	0.61 182	0.64 285	0.51 43	0.48 151	1.14 78	0.95 92	0.74 48	0.89 62	0.77 86	0.42 19	1.18 118	0.42 54	0.23 169	0.17 161	0.21 93	0.18 84	0.20 86	0.26 177

LL-Strereo2	0.56 47	0.36 188	0.77 82	0.56 122	0.40 170	0.68 123	0.37 61	1.21 107	0.83 56	0.96 84	0.79 43	0.91 137	0.41 16	1.08 99	0.48 88	0.18 40	0.17 161	0.29 253	0.25 233	0.22 140	0.19 51

test-3	0.56 47	0.24 9	0.82 107	0.50 46	0.29 51	0.57 69	0.34 40	1.09 62	1.03 123	1.33 228	0.69 27	0.87 120	0.45 28	1.68 191	0.39 31	0.17 18	0.12 5	0.20 70	0.17 70	0.17 20	0.16 13

test_1	0.56 47	0.24 9	0.82 107	0.50 46	0.29 51	0.57 69	0.34 40	1.09 62	1.03 123	1.28 208	0.69 27	0.87 120	0.45 28	1.67 189	0.39 31	0.17 18	0.12 5	0.20 70	0.17 70	0.17 20	0.16 13

PSM-adaLoss	0.56 47	0.33 135	0.81 98	0.52 69	0.27 19	0.63 97	0.41 87	1.14 78	0.73 29	1.13 126	0.96 71	0.82 103	0.60 99	1.09 103	0.52 108	0.23 169	0.14 58	0.24 167	0.20 128	0.27 208	0.20 70

ROB_FTStereo	0.56 47	0.33 135	0.82 107	0.52 69	0.27 19	0.62 89	0.25 4	1.14 78	0.74 36	1.13 126	0.96 71	0.82 103	0.60 99	1.18 118	0.52 108	0.23 169	0.14 58	0.24 167	0.20 128	0.27 208	0.20 70

cross-raft	0.56 47	0.26 19	0.65 42	0.55 110	0.31 77	0.66 115	0.37 61	1.68 190	0.82 53	1.06 109	1.07 108	1.25 230	0.45 28	0.74 34	0.39 31	0.15 4	0.13 17	0.19 47	0.16 54	0.19 59	0.17 23

test-1	0.56 47	0.28 43	1.13 207	0.58 150	0.34 122	0.60 83	0.38 68	1.56 167	0.98 103	0.80 55	1.02 90	0.83 111	0.52 59	0.64 24	0.46 76	0.17 18	0.16 139	0.20 70	0.17 70	0.20 86	0.26 177

raft+_RVC	0.56 47	0.29 61	0.61 28	0.65 217	0.56 257	0.53 51	0.53 179	1.40 138	1.02 120	0.78 52	1.04 101	0.70 72	0.55 70	1.00 82	0.49 97	0.18 40	0.16 139	0.19 47	0.19 102	0.18 34	0.17 23

Anonymous	0.56 47	0.41 239	1.05 188	0.67 243	0.73 309	0.65 109	0.68 241	1.12 72	0.79 48	0.48 13	0.60 19	0.42 4	0.60 99	0.81 48	0.55 127	0.26 224	0.24 261	0.21 93	0.21 164	0.41 294	0.30 229

RAFT-Stereo + iAFF	0.56 47	0.28 43	0.81 98	0.45 8	0.25 8	0.40 9	0.34 40	1.12 72	1.13 161	1.35 239	1.58 276	0.80 91	0.67 122	0.71 30	0.43 57	0.14 1	0.11 2	0.18 33	0.17 70	0.18 34	0.16 13

11t1	0.57 59	0.30 79	0.84 124	0.54 100	0.30 63	0.83 180	0.41 87	1.34 130	0.79 48	0.88 73	0.82 50	0.70 72	0.70 130	0.96 78	0.67 170	0.21 120	0.21 221	0.20 70	0.16 54	0.21 121	0.26 177

rrr	0.57 59	0.33 135	2.43 332	0.46 14	0.34 122	0.50 38	0.38 68	0.84 13	0.55 4	0.48 13	0.48 5	0.48 24	0.45 28	2.28 263	0.44 61	0.19 65	0.14 58	0.19 47	0.15 30	0.17 20	0.18 32

test_3	0.57 59	0.24 9	0.87 137	0.55 110	0.30 63	0.60 83	0.40 79	1.07 50	1.08 137	1.20 169	0.68 24	0.92 142	0.43 22	1.68 191	0.40 44	0.16 7	0.13 17	0.22 120	0.19 102	0.21 121	0.17 23

Patchmatch Stereo++	0.57 59	0.33 135	0.82 107	0.52 69	0.27 19	0.63 97	0.28 17	1.14 78	0.73 29	1.13 126	0.96 71	0.82 103	0.60 99	1.40 141	0.52 108	0.23 169	0.14 58	0.24 167	0.20 128	0.27 208	0.20 70
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
ROB_FTStereo_v2	0.57 59	0.33 135	0.81 98	0.52 69	0.27 19	0.62 89	0.42 91	1.14 78	0.73 29	1.13 126	0.97 78	0.82 103	0.60 99	1.15 112	0.53 117	0.23 169	0.14 58	0.24 167	0.20 128	0.27 208	0.20 70

DeepStereo_RVC	0.57 59	0.31 104	0.78 88	0.53 89	0.30 63	0.57 69	0.32 29	1.11 70	0.80 52	1.17 147	0.94 68	0.83 111	0.93 211	1.01 84	0.61 153	0.23 169	0.14 58	0.21 93	0.19 102	0.24 187	0.26 177

iRAFT	0.57 59	0.33 135	0.82 107	0.52 69	0.27 19	0.63 97	0.28 17	1.14 78	0.73 29	1.13 126	0.96 71	0.82 103	0.60 99	1.40 141	0.52 108	0.23 169	0.14 58	0.24 167	0.20 128	0.27 208	0.20 70

CRE-IMP	0.57 59	0.32 118	0.82 107	0.54 100	0.29 51	0.77 160	0.25 4	1.19 99	0.79 48	1.09 112	0.95 69	0.81 97	0.57 77	1.11 108	0.57 137	0.22 149	0.14 58	0.23 146	0.19 102	0.28 223	0.24 141

RAFT-IKP	0.57 59	0.33 135	0.82 107	0.52 69	0.27 19	0.57 69	0.35 49	1.14 78	0.73 29	1.13 126	0.96 71	0.83 111	0.61 109	1.26 124	0.53 117	0.23 169	0.14 58	0.24 167	0.20 128	0.27 208	0.20 70

test_xeample3	0.57 59	0.33 135	3.11 349	0.46 14	0.34 122	0.55 64	0.38 68	0.86 17	0.49 2	0.54 29	0.46 3	0.44 7	0.44 26	1.49 165	0.45 72	0.18 40	0.14 58	0.19 47	0.15 30	0.17 20	0.18 32

CFNet-RSSM	0.57 59	0.25 16	0.76 79	0.49 34	0.28 40	0.59 79	0.27 14	1.89 245	1.17 180	1.09 112	0.95 69	1.06 183	0.53 61	0.74 34	0.41 49	0.17 18	0.13 17	0.17 13	0.15 30	0.16 11	0.16 13

AE-Stereo	0.58 70	0.29 61	0.81 98	0.62 190	0.41 180	0.69 131	0.46 138	2.49 352	1.25 211	0.49 16	0.77 39	0.69 69	0.46 35	0.61 14	0.42 54	0.17 18	0.16 139	0.21 93	0.20 128	0.19 59	0.18 32

1test111	0.58 70	0.34 162	0.63 32	0.60 169	0.27 19	1.16 257	0.51 165	1.58 172	0.91 71	0.60 34	0.80 46	0.47 20	0.87 188	0.99 80	0.67 170	0.21 120	0.13 17	0.25 203	0.15 30	0.23 158	0.25 160

RAFT-Test	0.58 70	0.27 35	0.81 98	0.50 46	0.33 110	0.95 219	0.27 14	1.40 138	0.89 66	1.00 90	1.12 129	1.39 263	0.48 43	0.74 34	0.41 49	0.17 18	0.14 58	0.17 13	0.14 22	0.16 11	0.18 32

anonymousdsp2	0.58 70	0.29 61	0.93 153	0.51 57	0.30 63	0.75 146	0.46 138	1.95 258	0.87 64	0.81 59	0.78 41	0.76 82	0.48 43	1.10 105	0.45 72	0.19 65	0.14 58	0.18 33	0.13 11	0.20 86	0.22 108

fff	0.58 70	0.26 19	1.15 212	0.46 14	0.25 8	0.48 23	0.36 55	1.20 103	1.28 225	1.13 126	1.03 97	0.59 45	1.04 255	0.77 40	0.58 142	0.17 18	0.14 58	0.17 13	0.13 11	0.15 4	0.24 141

iGMRVC	0.58 70	0.33 135	0.81 98	0.52 69	0.27 19	0.62 89	0.38 68	1.14 78	0.73 29	1.13 126	0.97 78	0.82 103	0.59 95	1.54 168	0.53 117	0.23 169	0.14 58	0.24 167	0.20 128	0.27 208	0.20 70

RALCasStereoNet	0.58 70	0.34 162	0.77 82	0.65 217	0.64 285	0.64 105	0.51 165	1.06 49	0.99 110	0.71 43	1.06 106	0.77 86	0.44 26	1.38 138	0.52 108	0.20 99	0.18 184	0.18 33	0.16 54	0.20 86	0.22 108

DCANet	0.58 70	0.26 19	1.15 212	0.45 8	0.25 8	0.49 28	0.36 55	1.18 95	1.35 251	1.15 141	1.04 101	0.60 48	0.91 202	0.84 56	0.58 142	0.17 18	0.14 58	0.17 13	0.13 11	0.19 59	0.25 160

csc	0.58 70	0.26 19	1.15 212	0.46 14	0.25 8	0.48 23	0.36 55	1.20 103	1.28 225	1.13 126	1.03 97	0.59 45	1.04 255	0.77 40	0.58 142	0.17 18	0.14 58	0.17 13	0.13 11	0.15 4	0.24 141

cscssc	0.58 70	0.26 19	1.15 212	0.46 14	0.25 8	0.48 23	0.36 55	1.20 103	1.28 225	1.13 126	1.03 97	0.59 45	1.04 255	0.77 40	0.58 142	0.17 18	0.14 58	0.17 13	0.13 11	0.15 4	0.24 141

GMStereo	0.58 70	0.50 270	1.09 198	0.52 69	0.32 97	0.80 166	0.43 107	1.02 37	1.41 279	0.89 74	0.77 39	0.52 35	0.46 35	0.89 65	0.56 134	0.25 207	0.16 139	0.20 70	0.22 186	0.31 248	0.27 193
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
ACVNet-DCA	0.59 81	0.34 162	0.63 32	0.60 169	0.27 19	1.16 257	0.51 165	1.58 172	0.91 71	0.60 34	0.80 46	0.47 20	0.87 188	1.48 159	0.35 6	0.21 120	0.13 17	0.25 203	0.15 30	0.23 158	0.25 160

IGEV_Zeroshot_test	0.59 81	0.33 135	1.11 203	0.63 200	0.37 144	0.41 12	0.33 33	1.80 221	0.79 48	1.04 103	1.10 119	1.06 183	0.43 22	0.87 61	0.48 88	0.18 40	0.13 17	0.19 47	0.18 84	0.20 86	0.23 122

DCANet-4	0.59 81	0.28 43	1.65 287	0.44 7	0.25 8	0.48 23	0.36 55	1.15 89	1.36 258	1.13 126	1.03 97	0.56 40	0.74 134	0.77 40	0.58 142	0.17 18	0.14 58	0.17 13	0.13 11	0.15 4	0.24 141

x	0.59 81	0.34 162	0.79 92	0.51 57	0.32 97	0.69 131	0.46 138	1.64 185	0.97 100	0.86 71	0.86 55	0.83 111	0.74 134	0.75 38	0.70 178	0.21 120	0.22 231	0.22 120	0.20 128	0.21 121	0.24 141

sAnonymous2	0.59 81	0.61 301	1.82 296	0.61 182	0.52 237	0.51 43	0.54 188	0.97 26	0.70 26	0.50 19	0.68 24	0.46 15	0.63 110	0.61 14	0.41 49	0.22 149	0.17 161	0.23 146	0.21 164	0.85 366	0.56 332

CroCo_RVC	0.59 81	0.61 301	1.82 296	0.61 182	0.52 237	0.51 43	0.54 188	0.97 26	0.70 26	0.50 19	0.68 24	0.46 15	0.63 110	0.61 14	0.41 49	0.22 149	0.17 161	0.23 146	0.21 164	0.85 366	0.56 332

MIM_Stereo	0.60 87	0.26 19	1.02 182	0.49 34	0.32 97	0.52 47	0.28 17	1.41 142	0.82 53	1.02 97	1.16 150	0.93 144	0.53 61	1.48 159	0.63 158	0.17 18	0.17 161	0.20 70	0.19 102	0.17 20	0.18 32

MIPNet	0.60 87	0.31 104	1.07 195	0.51 57	0.34 122	0.68 123	0.40 79	1.67 189	1.14 167	1.11 115	0.93 66	0.60 48	0.78 149	0.77 40	0.58 142	0.18 40	0.14 58	0.19 47	0.16 54	0.18 34	0.21 87

AFF-stereo	0.60 87	0.28 43	0.72 57	0.48 29	0.29 51	0.34 4	0.37 61	1.22 109	1.20 189	1.21 175	1.59 280	1.10 198	0.70 130	1.01 84	0.44 61	0.14 1	0.12 5	0.19 47	0.20 128	0.18 34	0.15 3

R-Stereo Train	0.60 87	0.30 79	0.72 57	0.57 140	0.37 144	0.68 123	0.52 173	1.45 147	0.78 42	1.61 309	1.50 253	0.76 82	0.53 61	0.67 27	0.51 102	0.19 65	0.16 139	0.18 33	0.15 30	0.18 34	0.19 51

RAFT-Stereo	0.60 87	0.30 79	0.72 57	0.57 140	0.37 144	0.68 123	0.52 173	1.45 147	0.78 42	1.61 309	1.50 253	0.76 82	0.53 61	0.67 27	0.51 102	0.19 65	0.16 139	0.18 33	0.15 30	0.18 34	0.19 51
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
riskmin	0.62 92	0.29 61	0.73 67	0.50 46	0.34 122	0.86 191	0.44 124	1.74 208	1.07 134	0.76 51	0.76 36	1.19 214	1.01 242	0.84 56	0.60 150	0.20 99	0.16 139	0.24 167	0.16 54	0.24 187	0.29 216

qqq	0.62 92	0.36 188	0.88 139	0.50 46	0.28 40	0.64 105	0.62 227	1.58 172	0.91 71	0.83 62	0.96 71	0.95 152	0.79 154	0.99 80	0.67 170	0.21 120	0.23 253	0.24 167	0.23 213	0.23 158	0.25 160

ADStereo(finetuned)	0.62 92	0.26 19	1.59 284	0.45 8	0.25 8	0.49 28	0.36 55	1.18 95	1.35 251	1.16 145	1.04 101	0.60 48	1.18 287	0.85 59	0.57 137	0.17 18	0.14 58	0.17 13	0.13 11	0.19 59	0.24 141

dd	0.62 92	0.51 274	1.17 226	0.56 122	0.33 110	0.74 144	0.46 138	1.03 43	1.40 276	0.80 55	0.87 57	0.60 48	0.57 77	1.02 86	0.86 210	0.28 252	0.18 184	0.26 224	0.19 102	0.35 267	0.27 193

IPLGR	0.62 92	0.28 43	1.32 253	0.50 46	0.29 51	0.65 109	0.34 40	1.47 152	1.19 185	1.21 175	1.07 108	0.70 72	0.65 116	1.05 91	0.55 127	0.18 40	0.15 112	0.20 70	0.17 70	0.21 121	0.20 70

PFNet+	0.62 92	0.31 104	0.99 174	0.57 140	0.31 77	0.57 69	0.30 23	0.99 35	1.25 211	1.33 228	1.10 119	0.79 89	0.57 77	1.35 133	0.53 117	0.26 224	0.17 161	0.28 245	0.26 244	0.21 121	0.27 193

NRIStereo	0.62 92	0.31 104	0.78 88	0.56 122	0.28 40	0.63 97	0.33 33	1.16 92	0.92 76	1.15 141	0.87 57	0.90 134	0.58 92	2.24 259	0.56 134	0.22 149	0.14 58	0.21 93	0.19 102	0.22 140	0.18 32

RALAANet	0.62 92	0.37 204	0.97 170	0.66 230	0.50 225	0.67 120	0.31 25	1.27 121	1.09 144	1.11 115	1.17 152	0.88 126	0.46 35	1.27 126	0.45 72	0.20 99	0.15 112	0.21 93	0.18 84	0.27 208	0.19 51

FENet	0.62 92	0.30 79	0.68 49	0.57 140	0.33 110	0.82 174	0.40 79	1.41 142	1.12 156	1.03 101	0.87 57	0.98 160	0.84 170	1.00 82	0.70 178	0.23 169	0.16 139	0.23 146	0.20 128	0.22 140	0.24 141

RAFT+CT+SA	0.63 101	0.30 79	0.73 67	0.69 262	0.37 144	0.40 9	0.55 195	1.93 254	1.04 129	0.72 46	1.23 169	0.62 52	0.69 128	1.69 195	0.42 54	0.19 65	0.13 17	0.22 120	0.22 186	0.21 121	0.19 51

GANet-ADL	0.63 101	0.38 221	0.82 107	0.67 243	0.41 180	0.68 123	0.51 165	1.64 185	1.16 176	0.98 85	1.10 119	0.90 134	0.58 92	0.81 48	0.63 158	0.27 241	0.18 184	0.18 33	0.16 54	0.23 158	0.27 193

AnonymousM	0.63 101	1.14 364	0.43 5	0.46 14	0.32 97	0.43 13	0.46 138	1.27 121	0.78 42	1.00 90	0.66 21	0.68 65	0.45 28	0.61 14	0.46 76	0.21 120	0.16 139	1.84 387	0.98 384	0.15 4	0.15 3

HHNet	0.64 104	0.28 43	0.69 53	0.45 8	0.46 207	0.50 38	0.57 204	1.13 76	1.03 123	1.26 198	2.21 345	0.70 72	0.59 95	1.10 105	0.51 102	0.21 120	0.13 17	0.23 146	0.19 102	0.20 86	0.31 238

Pruner-Stereo	0.64 104	0.31 104	0.79 92	0.66 230	0.31 77	0.61 87	0.42 91	1.22 109	1.09 144	1.53 293	1.09 117	0.94 149	0.55 70	1.37 137	0.56 134	0.25 207	0.14 58	0.24 167	0.21 164	0.21 121	0.25 160

Anonymous3	0.64 104	0.47 259	1.31 251	0.59 162	0.50 225	0.93 211	0.69 245	1.11 70	0.83 56	0.74 48	0.89 62	0.65 59	0.68 125	1.08 99	0.54 126	0.40 317	0.31 308	0.26 224	0.26 244	0.31 248	0.30 229

DIP-Stereo	0.64 104	0.32 118	0.91 150	0.49 34	0.36 139	0.91 201	0.33 33	2.51 355	0.77 41	1.25 188	1.00 86	0.68 65	0.51 55	0.92 70	0.65 165	0.19 65	0.15 112	0.21 93	0.17 70	0.19 59	0.22 108
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
tt1	0.65 108	0.34 162	0.65 42	0.60 169	0.27 19	1.14 251	0.48 151	1.08 55	2.62 370	0.59 31	0.79 43	0.49 28	0.80 160	1.57 171	0.35 6	0.21 120	0.13 17	0.25 203	0.16 54	0.20 86	0.23 122

TestStereo	0.65 108	0.42 241	0.83 115	0.52 69	0.27 19	0.57 69	0.44 124	1.07 50	0.92 76	0.85 67	1.01 88	0.68 65	0.56 75	3.22 301	0.47 84	0.23 169	0.15 112	0.24 167	0.18 84	0.28 223	0.18 32

CAS	0.66 110	0.19 1	0.41 4	2.31 389	0.86 342	0.56 67	0.53 179	0.83 10	0.63 17	0.49 16	0.70 31	0.36 2	0.26 1	0.47 2	0.37 25	2.33 390	0.10 1	0.14 1	0.10 1	0.17 20	1.31 381

TestStereo1	0.66 110	0.29 61	0.95 162	0.82 319	0.32 97	0.47 18	0.43 107	1.52 157	1.22 201	0.99 86	1.32 200	0.65 59	0.76 140	1.78 204	0.44 61	0.20 99	0.16 139	0.22 120	0.19 102	0.21 121	0.20 70

RAFT_CTSACE	0.66 110	0.29 61	1.14 210	0.57 140	0.51 234	0.68 123	0.44 124	0.88 18	0.98 103	1.03 101	1.83 314	1.23 225	0.67 122	1.48 159	0.38 28	0.16 7	0.16 139	0.21 93	0.20 128	0.20 86	0.17 23

SA-5K	0.66 110	0.29 61	0.95 162	0.82 319	0.32 97	0.47 18	0.43 107	1.52 157	1.22 201	0.99 86	1.32 200	0.65 59	0.76 140	1.78 204	0.44 61	0.20 99	0.16 139	0.22 120	0.19 102	0.21 121	0.20 70

ACRE	0.66 110	0.37 204	1.27 246	0.60 169	0.50 225	0.74 144	0.47 147	1.26 117	1.10 147	1.40 258	1.56 271	0.62 52	0.46 35	0.88 63	0.78 193	0.24 187	0.15 112	0.19 47	0.16 54	0.19 59	0.29 216

ICVP	0.66 110	0.35 184	0.71 56	0.63 200	0.41 180	0.85 190	0.56 201	1.78 214	0.96 96	0.92 77	1.24 173	0.88 126	0.75 139	0.76 39	0.93 228	0.31 273	0.22 231	0.22 120	0.21 164	0.24 187	0.28 204
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
111	0.66 110	0.27 35	1.15 212	0.46 14	0.25 8	0.72 139	0.42 91	1.57 170	1.44 290	0.83 62	1.39 223	1.10 198	0.80 160	0.97 79	0.65 165	0.20 99	0.14 58	0.18 33	0.15 30	0.18 34	0.28 204

ACVNet	0.66 110	0.33 135	0.74 72	0.55 110	0.37 144	0.80 166	0.47 147	1.46 149	1.11 151	1.01 93	1.31 195	1.07 186	0.91 202	0.82 50	1.09 252	0.22 149	0.19 198	0.21 93	0.18 84	0.23 158	0.19 51

MyStereo06	0.67 118	0.29 61	1.06 191	0.58 150	0.48 215	0.62 89	0.72 253	2.26 319	0.89 66	1.07 110	1.12 129	1.22 221	0.56 75	0.83 53	0.47 84	0.17 18	0.17 161	0.24 167	0.21 164	0.23 158	0.23 122

StereoVision	0.67 118	0.37 204	1.02 182	0.60 169	0.41 180	0.50 38	0.41 87	1.32 129	0.96 96	0.73 47	2.48 359	0.82 103	0.57 77	1.06 95	0.50 100	0.26 224	0.28 291	0.29 253	0.28 267	0.37 276	0.22 108

CASS	0.67 118	0.36 188	0.84 124	0.57 140	0.28 40	0.82 174	0.43 107	1.62 184	0.92 76	1.39 252	1.28 189	0.87 120	0.84 170	0.88 63	0.59 148	0.36 305	0.19 198	0.26 224	0.22 186	0.29 233	0.43 299
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
CIPLG	0.67 118	0.37 204	1.17 226	0.60 169	0.51 234	0.75 146	0.48 151	1.26 117	1.11 151	1.43 268	1.58 276	0.64 58	0.48 43	0.94 71	0.78 193	0.24 187	0.15 112	0.19 47	0.16 54	0.19 59	0.29 216

IPLGR_C	0.67 118	0.38 221	1.20 232	0.60 169	0.50 225	0.75 146	0.48 151	1.28 125	1.13 161	1.42 264	1.57 275	0.62 52	0.48 43	0.85 59	0.80 202	0.24 187	0.15 112	0.19 47	0.16 54	0.19 59	0.29 216

GwcNet-ADL	0.67 118	0.33 135	0.90 147	0.58 150	0.41 180	0.60 83	0.59 215	1.55 165	1.28 225	1.11 115	1.13 139	0.90 134	0.59 95	1.11 108	0.91 221	0.28 252	0.18 184	0.18 33	0.18 84	0.25 196	0.33 252

TRStereo	0.67 118	0.71 327	1.06 191	0.77 307	0.68 299	0.53 51	0.38 68	2.52 356	0.96 96	0.81 59	0.84 52	0.87 120	0.39 15	1.16 114	0.46 76	0.24 187	0.17 161	0.23 146	0.24 225	0.18 34	0.20 70

RAFT	0.67 118	0.32 118	0.83 115	0.63 200	0.34 122	0.69 131	0.57 204	1.14 78	0.84 58	1.12 123	1.20 158	1.75 319	0.92 210	1.09 103	0.60 150	0.22 149	0.19 198	0.27 233	0.24 225	0.22 140	0.23 122

DN-CSS_ROB	0.67 118	0.36 188	1.36 258	0.59 162	0.41 180	0.54 60	0.45 132	1.30 127	0.95 92	1.05 105	1.47 243	0.69 69	0.64 112	1.80 211	0.60 150	0.19 65	0.15 112	0.25 203	0.23 213	0.22 140	0.23 122

cc1	0.68 127	0.34 162	0.63 32	0.60 169	0.27 19	1.16 257	0.51 165	1.07 50	3.23 382	0.60 34	0.80 46	0.47 20	0.87 188	1.48 159	0.35 6	0.21 120	0.13 17	0.25 203	0.15 30	0.19 59	0.23 122

mmm	0.68 127	0.37 204	0.91 150	0.54 100	0.34 122	0.86 191	0.58 211	1.72 206	1.02 120	1.13 126	1.41 231	0.83 111	0.78 149	0.95 77	0.67 170	0.22 149	0.20 208	0.29 253	0.26 244	0.27 208	0.27 193

PCWNet_CMD	0.68 127	0.34 162	0.93 153	0.51 57	0.38 154	0.80 166	0.42 91	1.51 155	1.34 248	1.17 147	1.31 195	1.23 225	0.65 116	0.94 71	0.62 156	0.21 120	0.17 161	0.27 233	0.19 102	0.43 300	0.28 204

HH	0.68 127	0.33 135	0.83 115	0.53 89	0.34 122	0.92 208	0.45 132	1.79 217	0.74 36	0.71 43	1.13 139	1.60 296	0.83 168	1.95 230	0.39 31	0.18 40	0.14 58	0.19 47	0.17 70	0.19 59	0.19 51

HanStereo	0.68 127	0.33 135	0.83 115	0.53 89	0.34 122	0.92 208	0.45 132	1.79 217	0.74 36	0.71 43	1.13 139	1.60 296	0.83 168	1.95 230	0.39 31	0.18 40	0.14 58	0.19 47	0.17 70	0.19 59	0.19 51

DisPM	0.68 127	0.30 79	0.85 130	0.66 230	0.35 137	0.60 83	0.44 124	1.10 68	1.10 147	1.56 300	1.10 119	0.80 91	0.58 92	2.37 271	0.46 76	0.25 207	0.14 58	0.23 146	0.21 164	0.20 86	0.26 177

CFNet_pseudo	0.68 127	0.34 162	0.93 153	0.50 46	0.39 161	0.72 139	0.42 91	1.44 145	1.25 211	1.17 147	1.35 212	1.22 221	0.66 120	1.04 88	0.64 161	0.21 120	0.17 161	0.33 286	0.19 102	0.39 286	0.28 204

MSMDNet	0.68 127	0.34 162	0.93 153	0.52 69	0.38 154	0.80 166	0.42 91	1.52 157	1.35 251	1.17 147	1.31 195	1.23 225	0.65 116	0.94 71	0.62 156	0.21 120	0.17 161	0.26 224	0.19 102	0.41 294	0.28 204

ccs_rob	0.68 127	0.34 162	0.93 153	0.50 46	0.39 161	0.72 139	0.42 91	1.43 144	1.25 211	1.17 147	1.34 207	1.22 221	0.66 120	1.04 88	0.64 161	0.21 120	0.17 161	0.35 300	0.20 128	0.40 290	0.29 216

whm_eth	0.69 136	0.51 274	1.32 253	0.56 122	0.64 285	0.67 120	0.45 132	1.59 177	1.33 246	1.02 97	1.92 327	0.48 24	0.48 43	0.71 30	0.53 117	0.24 187	0.20 208	0.25 203	0.24 225	0.25 196	0.35 267

SA	0.69 136	0.31 104	0.97 170	0.64 211	0.30 63	0.56 67	0.38 68	1.84 230	1.35 251	0.99 86	1.37 217	0.69 69	0.94 213	1.88 223	0.43 57	0.20 99	0.16 139	0.25 203	0.23 213	0.22 140	0.19 51

MyStereo8	0.70 138	0.32 118	1.24 241	0.63 200	0.53 242	0.90 199	0.34 40	1.60 179	1.35 251	1.20 169	1.31 195	0.89 132	0.64 112	0.77 40	1.02 247	0.18 40	0.15 112	0.20 70	0.18 84	0.22 140	0.30 229

MyStereo05	0.70 138	0.29 61	1.22 236	0.58 150	0.48 215	0.62 89	0.72 253	1.52 157	1.54 313	1.17 147	0.91 64	0.77 86	0.79 154	1.45 153	0.68 174	0.17 18	0.17 161	0.24 167	0.21 164	0.23 158	0.23 122

xx1	0.70 138	0.34 162	0.63 32	0.60 169	0.27 19	1.16 257	0.51 165	1.07 50	3.23 382	0.60 34	0.80 46	0.95 152	0.79 154	1.48 159	0.35 6	0.21 120	0.13 17	0.24 167	0.23 213	0.23 158	0.25 160

GMStereo_Zeroshot	0.70 138	0.64 310	1.11 203	0.65 217	0.38 154	0.84 187	0.37 61	1.09 62	1.16 176	1.14 139	1.07 108	1.26 236	0.55 70	1.23 122	0.65 165	0.34 290	0.17 161	0.31 266	0.18 84	0.57 340	0.23 122

test_5	0.70 138	0.32 118	0.99 174	0.69 262	0.50 225	0.89 196	0.51 165	1.88 243	1.14 167	0.78 52	1.13 139	1.04 179	0.89 197	1.59 177	0.46 76	0.19 65	0.14 58	0.23 146	0.22 186	0.22 140	0.20 70

GES	0.70 138	0.37 204	1.05 188	0.62 190	0.38 154	0.94 213	0.57 204	2.37 334	0.92 76	1.05 105	1.12 129	0.67 63	0.77 144	1.02 86	0.65 165	0.28 252	0.20 208	0.20 70	0.20 128	0.22 140	0.31 238

MyStereo04	0.71 144	0.30 79	1.28 247	0.58 150	0.48 215	0.59 79	0.78 264	1.74 208	1.49 306	0.94 81	0.91 64	0.74 80	0.86 182	1.59 177	0.69 175	0.18 40	0.18 184	0.24 167	0.21 164	0.23 158	0.23 122

raft_robust	0.71 144	0.32 118	0.75 77	0.54 100	0.28 40	0.54 60	0.35 49	1.54 163	1.24 205	1.18 158	1.07 108	0.73 79	0.53 61	3.65 310	0.40 44	0.19 65	0.16 139	0.20 70	0.22 186	0.21 121	0.19 51

iRaft-Stereo_20w	0.71 144	0.33 135	1.25 243	0.50 46	0.36 139	0.82 174	0.31 25	3.16 379	0.89 66	1.24 185	1.14 144	0.79 89	0.65 116	1.15 112	0.43 57	0.18 40	0.13 17	0.18 33	0.17 70	0.20 86	0.23 122

DMCA	0.71 144	0.36 188	1.17 226	0.53 89	0.45 200	0.84 187	0.46 138	1.52 157	1.09 144	1.20 169	1.12 129	1.21 217	0.74 134	0.87 61	1.09 252	0.25 207	0.20 208	0.27 233	0.19 102	0.24 187	0.29 216

HITNet	0.71 144	0.42 241	1.07 195	0.52 69	0.25 8	1.05 236	0.48 151	2.12 290	1.08 137	1.21 175	1.23 169	0.91 137	0.84 170	0.90 68	0.91 221	0.17 18	0.12 5	0.21 93	0.17 70	0.29 233	0.18 32
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
IPLG	0.72 149	0.29 61	1.12 206	0.53 89	0.44 197	0.79 165	0.33 33	1.35 131	1.10 147	1.32 223	1.11 126	0.52 35	0.54 68	3.13 297	0.71 181	0.17 18	0.14 58	0.20 70	0.17 70	0.18 34	0.21 87

HCRNet	0.72 149	0.40 230	0.86 135	0.61 182	0.57 261	0.75 146	0.35 49	1.39 137	1.21 195	1.11 115	0.99 82	1.01 173	0.76 140	2.18 255	0.73 182	0.28 252	0.19 198	0.28 245	0.23 213	0.25 196	0.26 177

UCFNet_RVC	0.72 149	0.37 204	0.59 22	0.66 230	0.41 180	0.89 196	0.68 241	1.78 214	1.15 171	1.01 93	1.20 158	1.22 221	0.95 218	1.07 97	0.66 169	0.28 252	0.21 221	0.34 294	0.31 297	0.33 261	0.29 216

CFNet_ucs	0.73 152	0.34 162	0.94 159	0.53 89	0.44 197	0.76 151	0.46 138	1.73 207	1.34 248	1.24 185	1.54 263	1.08 196	0.64 112	1.05 91	0.64 161	0.26 224	0.20 208	0.37 312	0.22 186	0.42 298	0.30 229

ToySt	0.73 152	0.35 184	1.64 286	0.54 100	0.37 144	0.92 208	0.81 276	1.21 107	1.03 123	0.86 71	1.12 129	1.31 248	1.01 242	1.04 88	0.88 214	0.19 65	0.20 208	0.24 167	0.24 225	0.27 208	0.28 204

LCNet	0.73 152	0.30 79	0.58 18	0.58 150	0.31 77	0.68 123	0.53 179	1.09 62	0.94 88	1.19 163	1.34 207	0.96 156	1.32 306	2.50 274	0.46 76	0.19 65	0.13 17	0.21 93	0.25 233	0.28 223	0.69 355

IER	0.74 155	0.33 135	1.25 243	0.50 46	0.53 242	1.32 279	0.55 195	1.31 128	1.08 137	1.30 215	1.34 207	1.11 203	1.10 269	1.05 91	0.81 204	0.20 99	0.17 161	0.21 93	0.21 164	0.20 86	0.21 87

SFCPSM	0.74 155	0.30 79	1.06 191	0.52 69	0.39 161	1.36 287	0.64 233	2.42 339	1.11 151	1.18 158	1.21 163	0.81 97	0.78 149	1.08 99	0.57 137	0.22 149	0.17 161	0.22 120	0.24 225	0.23 158	0.21 87

AdaStereo	0.74 155	0.48 262	0.86 135	0.75 299	0.38 154	0.94 213	0.56 201	2.05 280	1.24 205	1.15 141	1.22 165	1.07 186	0.67 122	1.05 91	0.73 182	0.33 283	0.16 139	0.32 278	0.22 186	0.29 233	0.23 122
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.
BSDual-CNN	0.75 158	0.34 162	0.77 82	0.55 110	0.45 200	1.25 274	0.66 237	2.65 363	1.04 129	1.25 188	1.12 129	1.11 203	0.77 144	0.94 71	0.76 190	0.25 207	0.18 184	0.25 203	0.22 186	0.23 158	0.24 141

psmg	0.75 158	0.34 162	0.77 82	0.52 69	0.45 200	1.46 300	0.73 256	2.15 299	1.04 129	1.25 188	1.33 204	1.11 203	0.77 144	0.94 71	0.76 190	0.25 207	0.20 208	0.25 203	0.26 244	0.23 158	0.24 141

UDGNet	0.75 158	1.23 370	0.99 174	0.82 319	0.42 187	0.76 151	0.38 68	0.98 30	1.37 263	0.83 62	0.88 60	0.70 72	0.60 99	1.25 123	0.57 137	0.57 358	0.19 198	1.03 379	0.26 244	0.79 365	0.35 267

PSMNet-ADL	0.75 158	0.36 188	0.69 53	0.71 274	0.47 213	1.13 248	0.46 138	1.47 152	1.07 134	0.85 67	1.18 154	1.31 248	0.94 213	1.56 169	1.06 250	0.34 290	0.22 231	0.22 120	0.23 213	0.27 208	0.36 270

GMM-Stereo	0.75 158	0.27 35	0.66 44	0.56 122	0.34 122	0.71 136	0.97 309	1.09 62	0.91 71	1.37 245	1.79 307	1.11 203	0.79 154	2.08 247	0.48 88	0.19 65	0.12 5	0.25 203	0.25 233	0.21 121	0.78 362

qqq1	0.76 163	0.32 118	0.95 162	0.49 34	0.27 19	0.83 180	0.43 107	2.16 301	1.45 295	1.27 203	1.50 253	0.98 160	0.96 220	1.87 217	0.48 88	0.24 187	0.22 231	0.18 33	0.15 30	0.19 59	0.22 108

fff1	0.76 163	0.32 118	0.95 162	0.49 34	0.27 19	0.83 180	0.43 107	2.16 301	1.45 295	1.27 203	1.50 253	0.98 160	0.96 220	1.87 217	0.48 88	0.24 187	0.22 231	0.18 33	0.15 30	0.19 59	0.22 108

Sa-1000	0.76 163	0.30 79	0.92 152	0.62 190	0.31 77	0.78 161	0.37 61	2.00 268	1.38 265	1.30 215	2.04 335	0.86 119	0.74 134	1.87 217	0.40 44	0.19 65	0.14 58	0.25 203	0.24 225	0.21 121	0.19 51

Prome-Stereo	0.76 163	0.29 61	0.57 17	0.58 150	0.33 110	0.58 78	0.94 304	0.98 30	0.92 76	1.46 279	2.45 357	0.91 137	1.38 312	1.60 182	0.44 61	0.19 65	0.13 17	0.19 47	0.18 84	0.20 86	0.87 368

EAI-Stereo	0.76 163	0.31 104	0.74 72	0.55 110	0.28 40	0.70 134	1.72 366	2.57 359	0.90 70	0.75 50	3.03 368	0.57 42	0.43 22	1.10 105	0.49 97	0.19 65	0.14 58	0.17 13	0.18 84	0.17 20	0.21 87

KYRaft	0.77 168	0.29 61	0.68 49	0.59 162	0.29 51	0.66 115	0.83 281	1.05 48	0.89 66	1.63 313	2.22 346	1.15 211	0.99 233	1.59 177	0.41 49	0.21 120	0.14 58	0.22 120	0.28 267	0.21 121	1.01 371

MLCV	0.77 168	0.39 225	1.31 251	0.55 110	0.25 8	0.91 201	0.39 77	1.48 154	1.28 225	1.49 287	1.54 263	1.02 175	0.68 125	2.12 251	0.93 228	0.19 65	0.13 17	0.19 47	0.14 22	0.19 59	0.22 108

CoDeX	0.78 170	0.31 104	1.04 186	0.56 122	0.37 144	1.13 248	0.60 223	2.77 370	1.29 233	1.17 147	1.26 177	0.91 137	0.87 188	1.42 148	0.74 184	0.21 120	0.16 139	0.21 93	0.18 84	0.21 121	0.21 87

anonymousa	0.78 170	0.30 79	0.85 130	0.51 57	0.96 355	1.41 295	0.47 147	1.61 181	0.94 88	1.33 228	1.77 305	1.66 304	1.11 271	0.72 32	0.63 158	0.19 65	0.18 184	0.23 146	0.25 233	0.20 86	0.22 108

BUS	0.78 170	0.34 162	0.77 82	0.55 110	0.45 200	2.30 359	0.42 91	2.65 363	1.04 129	1.25 188	1.12 129	1.02 175	0.70 130	0.94 71	0.75 187	0.25 207	0.18 184	0.25 203	0.22 186	0.23 158	0.24 141

acv_ft	0.78 170	0.33 135	1.10 201	0.73 286	0.86 342	1.23 272	0.57 204	1.65 188	1.11 151	1.31 221	1.31 195	1.07 186	0.91 202	0.82 50	1.35 284	0.22 149	0.19 198	0.21 93	0.18 84	0.22 140	0.19 51

GANet-RSSM	0.78 170	0.31 104	0.90 147	0.67 243	0.58 263	0.80 166	0.62 227	2.04 276	1.15 171	1.11 115	1.27 184	1.26 236	1.18 287	1.68 191	0.74 184	0.26 224	0.21 221	0.22 120	0.22 186	0.23 158	0.23 122

PSMNet-RSSM	0.78 170	0.32 118	0.89 142	0.65 217	0.43 190	0.73 142	0.58 211	2.14 295	1.19 185	1.18 158	1.38 221	1.31 248	1.07 263	1.43 150	0.82 205	0.28 252	0.21 221	0.27 233	0.29 282	0.25 196	0.26 177

CFNet-ft	0.78 170	0.36 188	0.74 72	0.67 243	0.56 257	0.86 191	0.54 188	1.46 149	1.17 180	1.01 93	1.28 189	1.68 308	1.03 249	1.57 171	0.95 235	0.27 241	0.21 221	0.33 286	0.26 244	0.31 248	0.26 177

CFNet_RVC	0.78 170	0.36 188	0.74 72	0.67 243	0.56 257	0.86 191	0.54 188	1.46 149	1.17 180	1.01 93	1.28 189	1.68 308	1.03 249	1.57 171	0.95 235	0.27 241	0.21 221	0.33 286	0.26 244	0.31 248	0.26 177

SMFormer	0.79 178	0.32 118	0.95 162	0.49 34	0.27 19	0.83 180	0.43 107	2.16 301	1.45 295	1.27 203	1.50 253	0.98 160	0.96 220	1.87 217	0.99 240	0.24 187	0.22 231	0.22 120	0.21 164	0.23 158	0.27 193

tta	0.79 178	0.32 118	0.95 162	0.49 34	0.27 19	0.83 180	0.43 107	2.16 301	1.45 295	1.27 203	1.50 253	0.98 160	0.96 220	1.87 217	0.99 240	0.24 187	0.22 231	0.22 120	0.21 164	0.19 59	0.22 108

ffm	0.79 178	0.36 188	1.51 271	0.56 122	0.40 170	0.76 151	0.59 215	1.08 55	2.62 370	1.19 163	1.49 246	1.07 186	0.85 175	1.57 171	0.35 6	0.21 120	0.13 17	0.31 266	0.28 267	0.20 86	0.23 122

cf-r	0.79 178	0.32 118	1.06 191	0.57 140	0.64 285	0.78 161	0.51 165	2.04 276	1.22 201	1.20 169	1.27 184	1.53 287	0.91 202	1.47 157	0.94 233	0.25 207	0.19 198	0.22 120	0.23 213	0.19 59	0.21 87

DeepPruner_ROB	0.79 178	0.55 286	1.14 210	0.61 182	0.46 207	0.78 161	0.54 188	1.83 229	1.00 114	1.42 264	1.27 184	1.23 225	0.77 144	1.56 169	0.89 216	0.35 298	0.28 291	0.27 233	0.26 244	0.32 256	0.34 259

gwcnet-sp	0.80 183	0.37 204	1.94 304	0.62 190	0.45 200	1.38 288	0.53 179	1.68 190	1.20 189	1.37 245	1.08 114	0.93 144	0.82 165	1.45 153	0.79 197	0.22 149	0.22 231	0.22 120	0.21 164	0.23 158	0.25 160

scenet	0.80 183	0.37 204	1.94 304	0.62 190	0.45 200	1.38 288	0.53 179	1.68 190	1.20 189	1.37 245	1.08 114	0.93 144	0.82 165	1.45 153	0.79 197	0.22 149	0.22 231	0.22 120	0.21 164	0.23 158	0.25 160

ssnet	0.80 183	0.37 204	1.94 304	0.62 190	0.45 200	1.38 288	0.53 179	1.68 190	1.20 189	1.37 245	1.08 114	0.93 144	0.82 165	1.45 153	0.79 197	0.22 149	0.22 231	0.22 120	0.21 164	0.23 158	0.25 160

AASNet	0.80 183	0.39 225	1.16 225	0.84 327	0.80 330	1.14 251	0.59 215	2.12 290	1.21 195	1.26 198	1.26 177	0.93 144	0.77 144	0.84 56	1.23 270	0.28 252	0.24 261	0.24 167	0.20 128	0.28 223	0.27 193

PSM-softLoss	0.80 183	0.33 135	0.89 142	0.63 200	0.32 97	0.55 64	0.40 79	1.26 117	0.78 42	1.25 188	1.07 108	0.83 111	0.51 55	5.33 340	0.61 153	0.25 207	0.15 112	0.25 203	0.22 186	0.20 86	0.26 177

KMStereo	0.80 183	0.33 135	0.89 142	0.63 200	0.32 97	0.55 64	0.40 79	1.26 117	0.78 42	1.25 188	1.07 108	0.83 111	0.51 55	5.33 340	0.61 153	0.25 207	0.15 112	0.25 203	0.22 186	0.20 86	0.26 177

PSM-AAD	0.80 183	0.29 61	0.58 18	0.58 150	0.29 51	0.76 151	1.19 335	1.08 55	0.94 88	1.65 315	1.58 276	0.81 97	2.12 366	1.67 189	0.44 61	0.19 65	0.14 58	0.38 316	0.32 302	0.22 140	0.68 353

iResNet	0.80 183	0.45 251	1.47 267	0.72 279	0.31 77	0.96 224	0.64 233	1.80 221	1.28 225	1.31 221	1.48 245	0.94 149	0.78 149	1.77 202	0.99 240	0.19 65	0.14 58	0.18 33	0.15 30	0.22 140	0.27 193

NINENet	0.81 191	0.40 230	0.89 142	0.65 217	0.53 242	2.30 359	0.42 91	2.12 290	1.13 161	1.20 169	1.27 184	1.02 175	0.70 130	1.26 124	0.75 187	0.29 264	0.24 261	0.31 266	0.21 164	0.27 208	0.26 177

DRaft	0.81 191	0.26 19	0.77 82	0.47 24	0.31 77	0.95 219	0.52 173	1.13 76	0.99 110	1.78 328	2.01 333	0.80 91	1.71 342	2.64 281	0.74 184	0.19 65	0.14 58	0.20 70	0.20 128	0.18 34	0.24 141

hknet	0.82 193	0.34 162	1.15 212	0.55 110	0.39 161	1.25 274	0.66 237	2.65 363	1.10 147	1.25 188	1.12 129	1.58 295	0.85 175	1.41 143	0.79 197	0.23 169	0.18 184	0.25 203	0.22 186	0.23 158	0.24 141

NF-Stereo	0.82 193	0.33 135	0.83 115	0.65 217	0.31 77	0.63 97	0.43 107	1.35 131	0.93 83	1.30 215	1.02 90	0.81 97	0.57 77	5.37 344	0.55 127	0.26 224	0.14 58	0.24 167	0.20 128	0.20 86	0.30 229

OCTAStereo	0.82 193	0.33 135	0.83 115	0.65 217	0.31 77	0.62 89	0.44 124	1.35 131	0.93 83	1.30 215	1.02 90	0.81 97	0.57 77	5.32 339	0.55 127	0.26 224	0.14 58	0.24 167	0.20 128	0.20 86	0.30 229

RE-Stereo	0.82 193	0.33 135	0.84 124	0.65 217	0.31 77	0.63 97	0.44 124	1.35 131	0.93 83	1.30 215	1.02 90	0.80 91	0.57 77	5.34 342	0.55 127	0.26 224	0.14 58	0.24 167	0.20 128	0.20 86	0.31 238

TVStereo	0.82 193	0.33 135	0.84 124	0.65 217	0.31 77	0.63 97	0.44 124	1.35 131	0.93 83	1.30 215	1.02 90	0.80 91	0.57 77	5.34 342	0.55 127	0.26 224	0.14 58	0.24 167	0.20 128	0.20 86	0.31 238

ARAFT	0.82 193	0.40 230	1.77 292	0.53 89	0.31 77	0.89 196	0.81 276	2.32 327	1.08 137	1.66 316	1.25 175	1.04 179	0.64 112	1.91 224	0.52 108	0.20 99	0.15 112	0.28 245	0.27 258	0.17 20	0.18 32

STTStereo	0.82 193	0.53 280	1.53 279	0.68 252	0.56 257	0.88 195	0.56 201	1.57 170	1.14 167	1.39 252	1.10 119	1.26 236	0.84 170	1.49 165	0.90 219	0.29 264	0.28 291	0.33 286	0.40 331	0.33 261	0.37 273

BEATNet_4x	0.82 193	0.54 283	2.02 311	0.56 122	0.28 40	1.04 233	0.55 195	2.14 295	1.13 161	1.24 185	1.26 177	1.00 169	0.94 213	1.13 110	1.23 270	0.21 120	0.14 58	0.24 167	0.20 128	0.37 276	0.23 122

iResNet_ROB	0.82 193	0.36 188	1.13 207	0.60 169	0.37 144	0.91 201	0.38 68	2.41 338	1.61 324	1.35 239	1.35 212	1.25 230	0.97 227	1.75 200	0.88 214	0.21 120	0.14 58	0.17 13	0.12 9	0.19 59	0.30 229

GrayStereo	0.83 202	0.28 43	0.62 31	0.66 230	0.37 144	0.76 151	1.79 370	1.19 99	0.91 71	1.98 345	1.89 322	1.07 186	1.76 346	1.43 150	0.50 100	0.20 99	0.15 112	0.19 47	0.21 164	0.18 34	0.41 289

psm_up	0.83 202	0.37 204	0.88 139	0.68 252	0.59 269	1.05 236	0.92 299	1.68 190	1.17 180	1.41 260	1.22 165	1.30 246	1.31 304	1.39 140	0.89 216	0.27 241	0.30 303	0.31 266	0.27 258	0.28 223	0.28 204

GwcNet-RSSM	0.83 202	0.34 162	1.29 250	0.65 217	0.55 253	0.78 161	0.62 227	1.89 245	1.27 221	1.18 158	1.39 223	1.56 292	0.91 202	1.60 182	1.22 267	0.26 224	0.20 208	0.23 146	0.24 225	0.21 121	0.21 87

DMCA-RVC	0.83 202	0.46 254	2.19 324	0.68 252	0.49 221	0.84 187	0.48 151	1.44 145	1.07 134	1.56 300	1.04 101	1.29 244	0.86 182	1.49 165	0.92 225	0.27 241	0.22 231	0.35 300	0.28 267	0.32 256	0.28 204

RAFT_R40	0.84 206	0.30 79	0.83 115	0.63 200	0.31 77	0.66 115	0.43 107	1.15 89	0.99 110	1.47 280	1.10 119	1.00 169	0.84 170	5.44 345	0.53 117	0.23 169	0.13 17	0.23 146	0.20 128	0.23 158	0.19 51

UPFNet	0.84 206	0.34 162	1.09 198	0.62 190	0.74 313	1.25 274	0.78 264	1.69 199	1.20 189	1.39 252	1.13 139	1.30 246	0.87 188	1.73 198	1.22 267	0.24 187	0.26 279	0.24 167	0.23 213	0.26 206	0.20 70

hitnet-ft	0.84 206	0.38 221	0.75 77	0.59 162	0.44 197	0.99 227	0.47 147	1.61 181	1.38 265	1.21 175	1.22 165	1.82 322	0.99 233	1.87 217	1.09 252	0.33 283	0.29 299	0.34 294	0.27 258	0.36 271	0.33 252

NLCA_NET_v2_RVC	0.84 206	0.46 254	1.40 263	0.69 262	0.61 278	0.95 219	0.52 173	1.68 190	1.21 195	1.39 252	1.15 149	1.42 266	0.88 195	1.78 204	0.93 228	0.26 224	0.23 253	0.27 233	0.27 258	0.30 243	0.39 282
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
StereoDRNet-Refined	0.84 206	0.43 245	1.01 180	0.66 230	0.43 190	1.32 279	0.49 159	1.64 185	1.24 205	1.53 293	1.45 239	1.49 280	0.97 227	1.32 130	1.31 277	0.21 120	0.17 161	0.27 233	0.25 233	0.25 196	0.34 259
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DCRE	0.85 211	0.28 43	0.76 79	0.60 169	0.49 221	0.59 79	0.53 179	1.04 45	0.92 76	0.80 55	7.34 399	0.87 120	0.57 77	0.78 47	0.43 57	0.16 7	0.17 161	0.19 47	0.17 70	0.18 34	0.22 108

SST-Stereo	0.85 211	0.30 79	0.81 98	0.63 200	0.31 77	0.70 134	0.25 4	1.16 92	0.95 92	1.47 280	1.11 126	0.99 165	0.86 182	5.69 348	0.53 117	0.23 169	0.13 17	0.23 146	0.19 102	0.23 158	0.19 51

RAFT-345	0.86 213	0.26 19	0.73 67	0.53 89	0.28 40	0.53 51	0.41 87	0.85 14	1.31 242	1.33 228	2.32 350	0.85 118	0.53 61	5.69 348	0.48 88	0.19 65	0.14 58	0.22 120	0.17 70	0.17 20	0.17 23

UNet	0.86 213	0.36 188	1.52 276	0.62 190	0.74 313	1.56 309	0.49 159	1.55 165	1.12 156	1.28 208	1.10 119	1.52 286	1.10 269	1.69 195	1.14 257	0.24 187	0.18 184	0.25 203	0.21 164	0.25 196	0.25 160

ac_64	0.86 213	0.32 118	1.02 182	0.74 292	0.60 273	1.04 233	0.53 179	2.20 314	0.99 110	1.23 181	1.11 126	1.96 334	1.06 261	2.01 238	1.01 245	0.30 269	0.22 231	0.24 167	0.23 213	0.22 140	0.22 108

SepStereo	0.87 216	0.37 204	1.20 232	0.66 230	0.69 302	0.82 174	0.62 227	1.79 217	1.26 217	1.93 340	1.55 266	0.96 156	1.17 280	2.34 266	0.69 175	0.22 149	0.16 139	0.25 203	0.18 84	0.29 233	0.24 141

LMCR-Stereo	0.87 216	0.50 270	0.99 174	0.80 312	0.43 190	1.32 279	0.55 195	2.79 373	1.03 123	1.55 299	1.49 246	0.74 80	1.01 242	1.76 201	0.99 240	0.30 269	0.17 161	0.22 120	0.18 84	0.31 248	0.22 108

FADNet_RVC	0.88 218	0.56 289	2.15 321	0.57 140	0.43 190	1.17 264	0.46 138	1.68 190	1.12 156	0.91 76	1.24 173	0.91 137	0.94 213	2.22 257	1.20 262	0.28 252	0.22 231	0.32 278	0.28 267	0.46 316	0.42 295

iResNetv2_ROB	0.88 218	0.43 245	2.62 340	0.60 169	0.38 154	0.94 213	0.67 239	1.88 243	1.38 265	1.27 203	1.45 239	1.26 236	1.05 260	1.92 225	0.64 161	0.24 187	0.15 112	0.19 47	0.14 22	0.24 187	0.21 87

iRaft-Stereo_5w	0.89 220	0.31 104	1.04 186	0.56 122	0.47 213	0.47 18	0.68 241	1.19 99	1.08 137	0.80 55	1.35 212	1.46 275	0.90 200	5.11 336	1.16 259	0.18 40	0.15 112	0.22 120	0.19 102	0.21 121	0.24 141

DAS	0.89 220	0.37 204	1.20 232	0.66 230	0.69 302	0.82 174	0.62 227	1.79 217	1.26 217	1.93 340	1.55 266	0.96 156	1.17 280	2.72 286	0.69 175	0.22 149	0.16 139	0.25 203	0.18 84	0.29 233	0.24 141

SACVNet	0.89 220	0.51 274	1.08 197	0.83 323	0.58 263	0.83 180	0.78 264	1.84 230	1.17 180	1.39 252	1.33 204	1.25 230	1.01 242	2.31 265	0.92 225	0.35 298	0.26 279	0.31 266	0.29 282	0.35 267	0.48 310

ASMatch	0.89 220	0.29 61	0.72 57	0.56 122	0.36 139	0.47 18	0.37 61	1.16 92	0.95 92	1.11 115	3.26 371	0.95 152	0.96 220	4.88 333	0.53 117	0.20 99	0.16 139	0.22 120	0.19 102	0.20 86	0.30 229

ADLNet	0.89 220	0.39 225	1.09 198	0.88 335	0.73 309	1.24 273	0.75 258	2.02 270	1.41 279	1.58 304	1.37 217	1.26 236	1.00 239	1.31 127	1.18 260	0.28 252	0.21 221	0.26 224	0.26 244	0.29 233	0.36 270

MMNet	0.89 220	0.35 184	1.44 264	0.64 211	0.59 269	1.83 336	0.48 151	1.70 202	1.38 265	1.45 277	1.19 157	1.25 230	1.16 277	1.77 202	1.27 275	0.20 99	0.19 198	0.23 146	0.22 186	0.25 196	0.24 141

HGLStereo	0.89 220	0.42 241	1.15 212	0.82 319	1.03 359	1.16 257	0.57 204	1.68 190	1.28 225	1.26 198	1.62 282	1.13 207	1.31 304	1.85 213	1.11 256	0.25 207	0.24 261	0.24 167	0.22 186	0.24 187	0.29 216

CRFU-Net	0.90 227	0.42 241	1.10 201	0.69 262	0.59 269	1.76 328	0.84 283	2.33 332	0.92 76	1.45 277	1.20 158	1.62 298	1.25 295	1.38 138	0.94 233	0.28 252	0.23 253	0.22 120	0.19 102	0.24 187	0.27 193

dad	0.90 227	0.73 333	1.28 247	0.59 162	0.39 161	0.83 180	0.45 132	1.24 114	1.54 313	1.52 290	1.28 189	1.36 257	0.86 182	2.54 277	0.91 221	0.43 325	0.27 287	0.82 372	0.26 244	0.44 310	0.34 259

AACVNet	0.90 227	0.40 230	0.98 172	0.86 332	0.40 170	0.80 166	0.49 159	1.81 224	0.86 63	1.11 115	1.34 207	1.32 252	0.99 233	4.23 319	0.86 210	0.26 224	0.22 231	0.28 245	0.22 186	0.30 243	0.28 204

IRAFT_RVC	0.90 227	0.30 79	0.89 142	0.67 243	0.31 77	0.64 105	1.00 314	1.40 138	0.97 100	1.23 181	1.04 101	1.00 169	0.96 220	5.77 351	0.57 137	0.24 187	0.13 17	0.25 203	0.21 164	0.20 86	0.21 87

delet	0.90 227	0.34 162	1.15 212	0.69 262	0.66 294	1.63 317	0.81 276	1.95 258	1.49 306	1.42 264	1.38 221	1.29 244	0.91 202	1.78 204	1.18 260	0.22 149	0.22 231	0.24 167	0.25 233	0.22 140	0.24 141

pcwnet_v2	0.91 232	0.39 225	2.74 341	0.64 211	0.55 253	0.81 173	0.49 159	2.19 311	1.63 325	1.44 271	1.64 287	1.09 197	0.79 154	1.31 127	0.70 178	0.32 280	0.25 274	0.29 253	0.27 258	0.37 276	0.37 273

FADNet-RVC-Resample	0.91 232	0.51 274	2.92 344	0.64 211	0.46 207	1.07 241	0.60 223	1.76 211	1.24 205	1.10 114	0.98 81	1.06 183	0.98 230	2.17 254	0.95 235	0.24 187	0.22 231	0.30 262	0.32 302	0.36 271	0.40 286

HSM-Net_RVC	0.91 232	0.31 104	0.60 24	0.54 100	0.31 77	1.15 254	0.60 223	3.76 386	1.30 235	1.57 303	1.75 302	1.67 306	1.01 242	1.61 184	0.90 219	0.23 169	0.17 161	0.19 47	0.18 84	0.20 86	0.22 108
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
ssnet_v2	0.92 235	0.39 225	1.22 236	0.66 230	0.39 161	1.31 278	0.96 308	2.32 327	1.45 295	1.48 285	1.17 152	1.53 287	0.91 202	1.16 114	1.71 324	0.31 273	0.27 287	0.30 262	0.29 282	0.28 223	0.29 216

ADLNet2	0.92 235	0.37 204	1.25 243	0.80 312	0.65 291	1.12 247	0.75 258	1.95 258	1.42 287	1.26 198	1.67 291	1.68 308	1.04 255	1.80 211	1.23 270	0.25 207	0.22 231	0.21 93	0.22 186	0.27 208	0.31 238

FTStereo	0.92 235	0.28 43	0.61 28	0.57 140	0.34 122	0.65 109	1.80 373	1.09 62	0.84 58	1.75 323	4.13 381	1.04 179	1.62 331	1.59 177	0.48 88	0.21 120	0.17 161	0.23 146	0.22 186	0.19 59	0.58 338

PFNet	0.92 235	0.28 43	1.20 232	0.68 252	0.32 97	0.62 89	0.55 195	1.27 121	1.01 117	1.47 280	1.09 117	0.97 159	0.68 125	6.58 368	0.59 148	0.21 120	0.13 17	0.24 167	0.19 102	0.20 86	0.20 70

DLCB_ROB	0.92 235	0.43 245	0.95 162	0.71 274	0.55 253	1.11 245	0.83 281	1.61 181	1.32 244	1.67 317	1.66 289	1.70 311	0.93 211	1.96 232	1.34 282	0.26 224	0.25 274	0.27 233	0.28 267	0.28 223	0.28 204

GEStereo_RVC	0.93 240	0.40 230	1.15 212	0.67 243	0.50 225	0.95 219	0.78 264	2.73 368	1.21 195	1.20 169	1.12 129	1.25 230	0.91 202	3.21 300	0.95 235	0.31 273	0.20 208	0.23 146	0.20 128	0.28 223	0.31 238

CBFPSM	0.95 241	0.37 204	2.10 317	0.51 57	0.39 161	1.73 324	0.87 291	1.59 177	1.13 161	1.11 115	1.00 86	2.34 356	1.64 336	1.42 148	1.44 293	0.19 65	0.18 184	0.20 70	0.20 128	0.22 140	0.36 270

OMP-Stereo	0.95 241	0.35 184	0.79 92	0.92 346	0.32 97	0.49 28	0.35 49	1.22 109	1.11 151	1.58 304	1.12 129	1.44 270	0.69 128	6.92 374	0.51 102	0.20 99	0.15 112	0.24 167	0.19 102	0.21 121	0.16 13

DSFCA	0.95 241	0.38 221	1.23 238	0.55 110	0.66 294	1.50 302	0.93 302	1.58 172	1.24 205	1.59 307	1.16 150	1.48 278	0.95 218	2.96 293	1.20 262	0.31 273	0.28 291	0.25 203	0.26 244	0.29 233	0.26 177

PSMNet_ROB	0.95 241	0.57 294	1.45 265	0.75 299	0.64 285	1.28 277	1.12 324	1.84 230	1.15 171	1.16 145	1.29 193	1.44 270	0.89 197	1.74 199	1.70 322	0.33 283	0.25 274	0.37 312	0.39 329	0.36 271	0.32 246

FADNet-RVC	0.96 245	0.72 330	2.96 345	0.64 211	0.49 221	0.90 199	0.59 215	1.85 236	1.27 221	0.92 77	0.97 78	1.36 257	0.90 200	2.36 268	1.31 277	0.30 269	0.29 299	0.32 278	0.32 302	0.42 298	0.37 273

TransformOpticalFlow	0.97 246	0.30 79	0.96 169	0.54 100	0.31 77	0.65 109	0.54 188	1.87 238	1.19 185	1.12 123	1.44 236	1.34 255	0.98 230	6.68 371	0.44 61	0.19 65	0.12 5	0.21 93	0.19 102	0.18 34	0.23 122

IIG-Stereo	0.97 246	0.34 162	0.80 97	0.90 344	0.33 110	0.61 87	0.26 10	1.27 121	1.08 137	1.69 319	1.37 217	1.44 270	0.74 134	6.94 375	0.53 117	0.21 120	0.14 58	0.23 146	0.18 84	0.20 86	0.15 3

XX-Stereo	0.97 246	0.28 43	8.28 384	0.85 329	0.70 308	0.44 15	0.22 2	1.07 50	0.69 25	0.66 39	1.56 271	1.38 262	0.38 14	1.36 134	0.38 28	0.21 120	0.14 58	0.20 70	0.19 102	0.19 59	0.16 13

DEmStereo	0.98 249	0.25 16	0.85 130	0.49 34	0.33 110	1.02 231	0.55 195	0.97 26	0.93 83	1.41 260	2.13 340	1.01 173	2.01 357	5.62 347	0.78 193	0.19 65	0.15 112	0.20 70	0.20 128	0.18 34	0.25 160

FADNet	0.98 249	0.64 310	2.57 336	0.66 230	0.55 253	0.95 219	0.57 204	1.91 249	1.38 265	0.94 81	1.02 90	1.36 257	1.00 239	2.69 284	0.97 239	0.34 290	0.34 323	0.31 266	0.34 316	0.61 349	0.42 295

CFNet	0.99 251	0.40 230	1.23 238	0.65 217	0.43 190	1.03 232	0.49 159	2.01 269	1.35 251	1.02 97	1.39 223	1.10 198	0.86 182	5.47 346	0.89 216	0.24 187	0.18 184	0.28 245	0.27 258	0.27 208	0.22 108

NVstereo2D	0.99 251	0.45 251	2.21 325	0.79 311	0.75 316	1.20 268	0.86 289	1.98 263	1.41 279	1.02 97	1.18 154	1.31 248	0.97 227	2.25 260	0.93 228	0.45 336	0.22 231	0.39 320	0.25 233	0.59 343	0.68 353

CBMV_ROB	0.99 251	0.46 254	0.68 49	0.53 89	0.39 161	1.40 293	0.48 151	2.09 286	1.30 235	1.53 293	2.29 349	1.36 257	1.23 291	2.46 272	1.04 249	0.44 333	0.42 352	0.47 342	0.44 341	0.41 294	0.39 282

fast-acv-ft	1.00 254	0.48 262	1.85 300	0.61 182	0.52 237	1.77 330	0.69 245	1.52 157	1.47 301	1.34 235	1.85 318	1.73 314	1.24 294	1.62 185	1.56 306	0.27 241	0.28 291	0.28 245	0.28 267	0.28 223	0.31 238

HBP-ISP	1.00 254	0.60 296	0.85 130	0.64 211	0.48 215	1.63 317	0.77 261	2.24 318	1.30 235	1.33 228	1.53 262	0.87 120	0.99 233	3.26 303	0.76 190	0.46 337	0.44 354	0.54 353	0.48 350	0.48 321	0.42 295

CSP-Net	1.00 254	0.41 239	0.99 174	0.56 122	0.43 190	1.62 316	0.76 260	2.16 301	1.16 176	1.33 228	1.22 165	1.32 252	0.89 197	4.67 330	0.93 228	0.35 298	0.24 261	0.20 70	0.20 128	0.23 158	0.30 229

ETE_ROB	1.01 257	0.69 323	1.49 269	0.72 279	0.50 225	1.15 254	1.12 324	1.91 249	1.24 205	1.94 342	1.50 253	1.73 314	1.06 261	1.78 204	1.33 281	0.33 283	0.26 279	0.38 316	0.34 316	0.40 290	0.44 302

THIR-Stereo	1.02 258	0.29 61	0.73 67	0.51 57	0.29 51	0.94 213	1.31 345	1.08 55	0.98 103	1.35 239	1.91 326	1.16 212	1.54 327	6.37 366	0.79 197	0.20 99	0.14 58	0.21 93	0.22 186	0.19 59	0.25 160

PS-NSSS	1.02 258	0.62 306	1.17 226	0.61 182	0.58 263	0.91 201	0.79 272	2.02 270	1.19 185	1.17 147	1.68 293	1.00 169	0.85 175	4.43 324	0.86 210	0.38 308	0.31 308	0.52 348	0.32 302	0.52 328	0.45 304

XPNet_ROB	1.02 258	0.56 289	1.33 255	0.75 299	0.58 263	1.11 245	1.13 326	1.77 212	1.29 233	1.88 335	1.43 234	1.63 301	1.13 276	2.04 241	1.69 320	0.40 317	0.31 308	0.33 286	0.29 282	0.37 276	0.37 273

iinet-f	1.04 261	0.50 270	4.24 366	0.58 150	0.43 190	1.78 333	0.70 251	1.29 126	1.16 176	1.25 188	1.42 232	1.57 294	1.42 317	1.47 157	1.70 322	0.26 224	0.23 253	0.20 70	0.20 128	0.26 206	0.26 177

RAFT-RH_RVC	1.04 261	0.26 19	0.76 79	0.53 89	0.29 51	0.80 166	0.32 29	0.85 14	1.12 156	2.04 348	4.63 386	1.03 178	0.57 77	5.93 354	0.52 108	0.20 99	0.13 17	0.26 224	0.20 128	0.16 11	0.19 51

CBMV	1.04 261	0.48 262	0.88 139	0.56 122	0.36 139	1.52 304	1.55 357	1.87 238	1.59 321	2.11 351	1.67 291	1.46 275	1.35 309	1.92 225	1.31 277	0.35 298	0.35 328	0.39 320	0.33 311	0.34 266	0.34 259
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
StereoDRNet	1.05 264	0.53 280	2.21 325	0.80 312	0.93 349	1.50 302	0.90 294	2.06 281	1.44 290	1.68 318	1.20 158	1.48 278	0.99 233	1.86 216	1.60 309	0.29 264	0.24 261	0.29 253	0.28 267	0.35 267	0.33 252

STrans-v2	1.06 265	0.31 104	1.02 182	0.52 69	0.33 110	0.67 120	0.78 264	2.66 366	1.26 217	1.15 141	1.46 241	1.37 261	1.40 315	6.68 371	0.46 76	0.19 65	0.13 17	0.21 93	0.18 84	0.18 34	0.21 87

DISCO	1.06 265	0.37 204	1.19 231	0.73 286	0.46 207	2.04 350	0.84 283	2.26 319	1.54 313	1.25 188	1.36 216	2.38 358	1.08 264	2.60 280	1.62 312	0.24 187	0.19 198	0.22 120	0.20 128	0.32 256	0.29 216

NCCL2	1.06 265	0.64 310	1.35 256	0.78 310	0.58 263	1.32 279	1.69 362	1.89 245	1.38 265	1.52 290	1.20 158	1.91 324	1.17 280	1.79 209	1.50 300	0.35 298	0.31 308	0.45 336	0.44 341	0.41 294	0.45 304

LALA_ROB	1.06 265	0.66 317	1.37 261	0.70 271	0.53 242	1.61 314	1.25 342	1.81 224	1.48 305	1.82 331	1.40 228	1.93 328	1.03 249	1.68 191	1.69 320	0.38 308	0.28 291	0.43 332	0.37 326	0.43 300	0.38 279

RAFT + AFF	1.07 269	0.47 259	1.36 258	0.68 252	0.50 225	1.20 268	1.22 338	2.58 360	1.26 217	1.33 228	1.56 271	1.19 214	1.49 325	3.89 317	1.01 245	0.22 149	0.26 279	0.30 262	0.27 258	0.29 233	0.32 246

DRN-Test	1.07 269	0.49 267	1.95 308	0.75 299	0.81 334	1.61 314	0.78 264	2.26 319	1.53 311	1.84 332	1.35 212	1.42 266	1.04 255	2.26 261	1.61 310	0.28 252	0.23 253	0.31 266	0.30 293	0.33 261	0.33 252

TDLM	1.08 271	0.50 270	1.01 180	0.69 262	0.54 249	0.91 201	1.40 350	1.60 179	1.36 258	1.17 147	1.40 228	1.07 186	1.00 239	6.19 358	0.85 209	0.34 290	0.22 231	0.35 300	0.26 244	0.38 282	0.29 216

Wz-Net-LNSev-Ref	1.09 272	0.46 254	2.61 339	0.71 274	0.65 291	2.00 347	0.78 264	2.07 283	1.47 301	1.62 311	1.47 243	1.53 287	1.29 300	2.10 249	1.65 318	0.24 187	0.14 58	0.20 70	0.16 54	0.28 223	0.28 204

FAT-Stereo	1.10 273	0.43 245	1.46 266	0.74 292	0.60 273	1.13 248	0.92 299	2.06 281	1.71 331	1.75 323	2.00 332	2.02 340	1.47 323	2.02 240	1.26 274	0.44 333	0.36 332	0.34 294	0.29 282	0.36 271	0.57 335

CVANet_RVC	1.10 273	0.49 267	1.15 212	0.65 217	0.54 249	0.93 211	1.00 314	1.69 199	1.36 258	1.42 264	1.39 223	1.24 229	1.17 280	6.22 360	0.80 202	0.35 298	0.24 261	0.35 300	0.30 293	0.44 310	0.32 246

APVNet	1.11 275	0.59 295	1.95 308	0.87 333	0.77 322	1.90 340	0.82 280	2.03 274	1.15 171	1.14 139	1.43 234	1.55 290	1.12 275	3.03 294	1.62 312	0.32 280	0.34 323	0.42 331	0.36 322	0.36 271	0.41 289

GANetREF_RVC	1.11 275	0.90 346	1.56 281	0.88 335	0.53 242	1.41 295	1.35 347	1.91 249	1.54 313	1.28 208	1.32 200	1.46 275	1.23 291	2.04 241	1.00 244	0.57 358	0.45 356	0.67 367	0.52 358	0.91 369	0.62 345
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
GASNet	1.13 277	1.10 362	3.29 354	1.00 360	0.68 299	0.82 174	0.67 239	1.85 236	1.38 265	1.39 252	1.25 175	1.25 230	1.20 289	2.72 286	1.62 312	0.46 337	0.26 279	0.36 310	0.34 316	0.55 337	0.33 252

anonymity	1.14 278	0.98 355	1.24 241	1.09 365	1.13 366	1.08 242	0.90 294	2.02 270	1.23 204	1.32 223	1.27 184	1.27 241	1.09 266	1.16 114	1.03 248	1.02 376	1.01 399	0.97 376	0.97 383	0.98 371	1.01 371

PA-Net	1.14 278	0.63 307	2.12 319	0.67 243	0.75 316	1.19 267	0.91 297	1.91 249	1.46 300	1.18 158	1.23 169	1.33 254	1.17 280	4.31 322	1.41 290	0.29 264	0.46 360	0.33 286	0.50 355	0.33 261	0.57 335
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
edge stereo	1.15 280	0.54 283	1.50 270	0.73 286	0.66 294	1.18 266	0.84 283	2.13 294	1.41 279	1.73 322	1.84 315	2.53 363	1.46 321	2.46 272	1.35 284	0.43 325	0.41 347	0.54 353	0.36 322	0.43 300	0.50 314

RASNet	1.16 281	0.34 162	1.11 203	0.73 286	0.86 342	1.00 228	0.60 223	1.56 167	1.43 288	1.07 110	1.37 217	2.08 347	1.44 320	7.00 376	1.56 306	0.20 99	0.17 161	0.17 13	0.19 102	0.19 59	0.19 51

DANet	1.16 281	0.64 310	1.52 276	0.88 335	0.74 313	1.52 304	0.52 173	1.68 190	1.21 195	1.81 329	1.55 266	2.02 340	1.11 271	3.30 305	2.28 342	0.34 290	0.31 308	0.40 326	0.30 293	0.46 316	0.54 324
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
Wz-Net-LNSev	1.17 283	0.72 330	4.71 370	0.66 230	0.84 340	1.72 321	1.13 326	1.97 262	1.43 288	1.34 235	1.32 200	1.66 304	1.30 303	1.44 152	1.51 302	0.29 264	0.26 279	0.24 167	0.23 213	0.33 261	0.35 267

S-Stereo	1.17 283	0.48 262	2.25 328	0.83 323	0.81 334	1.22 270	1.17 333	2.12 290	2.08 356	1.47 280	2.13 340	1.55 290	1.16 277	2.09 248	1.46 296	0.42 324	0.40 346	0.35 300	0.32 302	0.45 312	0.73 357

MaskLacGwcNet_RVC	1.17 283	1.06 358	1.28 247	0.88 335	0.69 302	1.92 342	0.92 299	1.71 203	1.14 167	1.17 147	1.26 177	1.49 280	0.80 160	2.04 241	0.86 210	2.02 386	0.34 323	0.79 371	0.36 322	1.38 382	1.33 383

RP	1.17 283	0.54 283	1.48 268	0.93 351	1.05 360	1.14 251	0.85 288	1.99 267	1.70 329	1.72 321	2.07 337	1.91 324	1.93 355	2.00 237	1.37 287	0.55 356	0.37 336	0.48 343	0.37 326	0.46 316	0.46 309

ccnet	1.19 287	0.71 327	1.36 258	0.81 315	0.75 316	1.72 321	1.13 326	1.98 263	1.31 242	1.52 290	1.84 315	1.75 319	1.36 310	2.01 238	2.04 335	0.57 358	0.54 371	0.57 362	0.56 363	0.60 346	0.60 343

Nwc_Net	1.19 287	0.53 280	2.34 330	0.92 346	0.81 334	1.49 301	0.70 251	2.28 325	1.32 244	1.41 260	2.27 347	2.03 343	1.76 346	2.05 245	1.46 296	0.43 325	0.30 303	0.43 332	0.46 346	0.39 286	0.40 286

NCC-stereo	1.20 289	0.60 296	1.84 298	0.88 335	0.95 353	1.32 279	0.94 304	2.14 295	1.36 258	1.43 268	1.79 307	1.93 328	2.13 367	2.54 277	1.41 290	0.49 345	0.38 339	0.45 336	0.59 367	0.43 300	0.45 304

Abc-Net	1.20 289	0.60 296	1.84 298	0.88 335	0.95 353	1.32 279	0.94 304	2.14 295	1.36 258	1.43 268	1.79 307	1.93 328	2.13 367	2.54 277	1.41 290	0.49 345	0.38 339	0.45 336	0.59 367	0.43 300	0.45 304
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
Wz-Net-MNSev	1.21 291	0.66 317	3.44 356	0.69 262	0.73 309	1.93 343	1.44 352	2.16 301	1.59 321	1.85 334	1.49 246	1.50 282	1.34 308	2.05 245	1.54 305	0.27 241	0.24 261	0.28 245	0.28 267	0.35 267	0.32 246

RGC	1.22 292	0.82 341	1.71 289	0.95 356	0.98 358	1.53 306	0.80 275	2.18 309	1.35 251	1.69 319	1.94 328	2.03 343	1.66 337	2.36 268	1.50 300	0.46 337	0.36 332	0.59 365	0.48 350	0.49 324	0.49 311

stereogan	1.22 292	0.45 251	2.03 313	0.87 333	0.85 341	2.52 364	0.72 253	1.98 263	1.78 338	1.92 338	1.94 328	2.31 355	1.42 317	2.10 249	1.14 257	0.38 308	0.36 332	0.39 320	0.32 302	0.52 328	0.49 311

AANet_RVC	1.22 292	0.60 296	1.94 304	0.69 262	0.46 207	0.75 146	0.69 245	1.51 155	1.57 319	1.36 244	1.90 324	1.51 284	0.87 188	7.23 378	1.89 331	0.26 224	0.19 198	0.19 47	0.16 54	0.23 158	0.37 273

HSM	1.22 292	0.34 162	0.81 98	0.61 182	0.39 161	1.22 270	0.63 232	2.45 343	1.25 211	1.32 223	1.26 177	1.91 324	1.08 264	9.21 396	0.75 187	0.23 169	0.17 161	0.20 70	0.16 54	0.22 140	0.24 141

Syn2CoEx	1.23 296	0.80 337	3.07 348	0.83 323	0.68 299	1.39 291	0.87 291	2.23 316	1.57 319	1.28 208	1.58 276	1.42 266	1.57 329	3.79 315	1.48 299	0.36 305	0.32 318	0.34 294	0.30 293	0.30 243	0.41 289

AF-Net	1.23 296	0.56 289	2.31 329	0.88 335	0.93 349	1.41 295	0.73 256	2.27 323	1.71 331	1.76 327	2.42 355	2.00 337	1.70 340	1.98 233	1.62 312	0.50 349	0.29 299	0.49 345	0.33 311	0.40 290	0.34 259

NaN_ROB	1.23 296	0.63 307	1.76 291	0.67 243	0.50 225	1.59 313	2.00 377	1.87 238	1.52 309	2.14 353	1.26 177	1.40 264	1.09 266	4.60 328	1.75 325	0.28 252	0.34 323	0.28 245	0.29 282	0.30 243	0.37 273

DGSMNet	1.24 299	0.84 343	3.20 350	0.91 345	0.92 346	1.39 291	1.34 346	2.46 347	1.44 290	1.34 235	1.66 289	1.50 282	1.03 249	1.85 213	1.30 276	0.48 343	0.48 363	0.55 358	0.51 357	0.78 364	0.79 363

RYNet	1.24 299	0.52 278	1.57 283	0.73 286	0.97 356	1.74 326	0.95 307	2.09 286	1.54 313	1.44 271	1.18 154	1.94 332	1.29 300	4.57 327	1.93 332	0.27 241	0.23 253	0.35 300	0.27 258	0.57 340	0.59 340

ttt	1.26 301	0.36 188	0.79 92	0.65 217	0.42 187	0.94 213	0.57 204	2.33 332	1.38 265	1.25 188	1.65 288	0.92 142	0.78 149	2.64 281	8.73 389	0.30 269	0.28 291	0.26 224	0.25 233	0.29 233	0.32 246

aanetorigin	1.26 301	0.85 344	3.00 346	0.72 279	0.80 330	1.08 242	1.05 318	1.12 72	1.39 274	3.53 387	2.60 360	1.72 312	1.73 344	1.98 233	1.77 328	0.26 224	0.24 261	0.26 224	0.25 233	0.38 282	0.51 319

GwcNet	1.26 301	0.63 307	5.13 372	0.81 315	1.15 370	1.73 324	0.69 245	1.84 230	1.53 311	1.51 288	1.71 298	1.72 312	1.09 266	2.20 256	1.61 310	0.31 273	0.30 303	0.29 253	0.27 258	0.30 243	0.41 289

Consistency-Raft	1.27 304	1.01 357	2.17 322	1.04 362	1.20 374	0.96 224	1.00 314	1.84 230	1.95 350	1.38 250	2.11 339	1.44 270	1.03 249	1.18 118	1.40 289	0.73 369	0.83 385	0.89 374	0.99 386	1.33 380	0.95 370

NOSS_ROB	1.29 305	0.49 267	0.68 49	0.60 169	0.40 170	1.09 244	0.77 261	1.94 255	1.44 290	1.04 103	1.46 241	1.10 198	0.81 164	10.57 411	0.78 193	0.46 337	0.43 353	0.48 343	0.45 344	0.45 312	0.43 299

SGM-Forest	1.29 305	0.40 230	0.74 72	0.54 100	0.37 144	1.55 307	1.26 343	1.82 227	1.39 274	2.22 354	1.81 313	1.64 302	1.02 247	7.65 383	1.20 262	0.39 315	0.37 336	0.39 320	0.34 316	0.37 276	0.34 259
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
Anonymous_2	1.37 307	0.56 289	0.94 159	0.57 140	0.62 282	1.04 233	0.65 235	1.82 227	1.01 117	1.00 90	0.79 43	1.42 266	1.27 298	1.06 95	0.83 206	0.62 361	0.67 381	1.05 380	9.88 417	1.09 376	0.55 330

SQANet	1.38 308	0.95 353	1.37 261	1.89 385	1.47 382	1.44 299	0.81 276	1.89 245	1.13 161	1.34 235	1.26 177	1.28 242	1.02 247	1.64 186	0.91 221	2.55 391	0.35 328	1.47 383	0.56 363	2.48 387	1.74 387

PWC_ROB	1.39 309	0.93 352	4.07 364	0.77 307	0.83 337	1.16 257	0.53 179	1.87 238	2.01 353	2.36 358	3.06 369	1.65 303	1.60 330	2.65 283	2.29 344	0.34 290	0.23 253	0.36 310	0.25 233	0.39 286	0.49 311

PWCDC_ROB	1.39 309	0.91 350	2.10 317	1.08 364	0.92 346	1.72 321	0.58 211	2.03 274	3.30 384	1.32 223	4.87 389	1.21 217	1.71 342	1.98 233	1.75 325	0.65 364	0.26 279	0.29 253	0.25 233	0.56 338	0.41 289

GANet	1.41 311	0.52 278	1.18 230	0.74 292	0.48 215	1.40 293	1.69 362	1.87 238	1.28 225	1.56 300	2.39 353	1.56 292	1.25 295	9.13 394	1.20 262	0.31 273	0.32 318	0.34 294	0.29 282	0.40 290	0.33 252

PDISCO_ROB	1.41 311	0.73 333	2.04 314	1.40 376	1.46 381	2.83 373	1.07 320	2.64 362	2.11 358	1.41 260	1.50 253	1.73 314	0.99 233	2.83 291	1.46 296	1.03 377	0.27 287	0.54 353	0.47 348	0.77 363	0.84 367

LL-Strereo	1.42 313	0.44 250	2.02 311	0.62 190	1.07 361	0.73 142	0.65 235	2.02 270	1.21 195	1.60 308	1.62 282	2.02 340	2.10 363	9.67 400	1.07 251	0.22 149	0.20 208	0.27 233	0.24 225	0.23 158	0.33 252

SHD	1.42 313	0.81 340	2.79 343	0.98 358	0.92 346	1.97 344	0.68 241	2.43 341	2.55 367	2.54 366	1.72 299	2.01 339	1.62 331	2.14 252	2.70 351	0.40 317	0.33 321	0.39 320	0.40 331	0.48 321	0.54 324

Anonymous Stereo	1.42 313	0.90 346	3.93 362	0.81 315	0.83 337	1.06 239	1.90 376	1.81 224	1.52 309	1.75 323	1.44 236	1.28 242	0.87 188	5.94 355	1.94 333	0.38 308	0.39 344	0.38 316	0.41 335	0.45 312	0.50 314

RTSC	1.43 316	0.89 345	3.62 359	0.94 354	0.64 285	1.85 337	0.69 245	2.20 314	2.04 355	2.22 354	1.70 296	1.67 306	1.27 298	2.53 276	4.48 370	0.33 283	0.25 274	0.27 233	0.29 282	0.38 282	0.40 286

DualNet	1.46 317	0.36 188	1.51 271	0.56 122	0.40 170	0.76 151	0.59 215	1.08 55	2.62 370	1.19 163	1.49 246	1.07 186	0.85 175	1.57 171	13.82 402	0.21 120	0.13 17	0.31 266	0.28 267	0.20 86	0.23 122

UDG	1.47 318	2.69 405	1.13 207	1.45 380	1.65 384	1.34 285	0.79 272	1.75 210	1.27 221	1.29 212	1.74 301	1.99 336	1.39 314	1.66 188	1.51 302	0.91 373	0.55 373	2.30 390	0.76 374	1.99 383	1.20 380

MFMNet_re	1.47 318	1.20 368	2.50 334	1.46 381	1.08 362	1.58 311	1.51 353	1.96 261	1.87 345	2.31 357	2.20 344	1.51 284	1.88 353	1.57 171	1.34 282	0.94 374	0.83 385	0.84 373	0.80 377	1.00 372	1.06 374

PASM	1.48 320	1.08 359	3.96 363	0.93 351	0.93 349	1.17 264	1.19 335	1.77 212	1.65 326	1.90 336	1.52 261	1.75 319	1.42 317	4.54 326	1.52 304	0.64 363	0.68 383	0.69 369	0.79 376	0.70 358	0.74 358

ADCRef	1.50 321	0.61 301	3.83 361	0.76 305	0.77 322	1.91 341	0.77 261	2.16 301	1.34 248	1.63 313	1.59 280	1.35 256	1.40 315	1.79 209	8.32 388	0.25 207	0.21 221	0.32 278	0.31 297	0.31 248	0.32 246

XQC	1.51 322	0.98 355	3.20 350	0.92 346	0.76 321	2.01 348	1.17 333	2.53 357	1.99 352	2.01 347	1.54 263	2.00 337	1.54 327	3.16 298	3.46 361	0.49 345	0.31 308	0.45 336	0.40 331	0.71 360	0.62 345

CC-Net-ROB	1.53 323	1.31 375	1.68 288	0.92 346	0.80 330	1.75 327	0.99 312	2.04 276	1.27 221	1.12 123	1.62 282	1.20 216	0.98 230	7.82 384	0.92 225	1.15 384	0.41 347	2.20 388	0.46 346	1.37 381	0.56 332

FINET	1.54 324	0.67 320	7.28 380	0.76 305	0.97 356	1.42 298	1.38 349	2.80 375	3.12 381	1.23 181	1.68 293	1.04 179	1.11 271	3.35 306	1.78 329	0.43 325	0.37 336	0.32 278	0.29 282	0.43 300	0.41 289

test_xeample	1.55 325	0.31 104	0.94 159	0.54 100	0.31 77	0.94 213	0.58 211	2.40 337	1.40 276	1.29 212	1.55 266	0.89 132	0.88 195	1.72 197	15.94 409	0.22 149	0.22 231	0.22 120	0.21 164	0.23 158	0.25 160

DDUNet	1.56 326	2.70 406	1.35 256	1.79 383	1.88 386	1.82 335	0.91 297	1.84 230	1.20 189	1.40 258	1.79 307	1.62 298	1.17 280	1.59 177	1.22 267	1.11 381	0.76 384	2.38 393	0.94 381	2.12 384	1.53 385

CrosDoStereo	1.56 326	0.26 19	0.78 88	0.51 57	0.29 51	0.66 115	11.86 409	1.18 95	1.00 114	1.35 239	1.76 303	0.99 165	1.83 350	6.64 369	0.83 206	0.19 65	0.15 112	0.20 70	0.22 186	0.18 34	0.25 160

DeepStereo_LL	1.56 326	0.26 19	0.78 88	0.51 57	0.29 51	0.66 115	11.86 409	1.18 95	1.00 114	1.35 239	1.76 303	0.99 165	1.83 350	6.64 369	0.83 206	0.19 65	0.15 112	0.20 70	0.22 186	0.18 34	0.25 160

STTRV1_RVC	1.60 329	0.69 323	2.04 314	0.88 335	1.12 363	1.58 311	0.90 294	2.42 339	1.78 338	1.29 212	2.02 334	1.40 264	1.22 290	9.72 401	1.35 284	0.86 371	0.34 323	0.54 353	0.49 353	0.75 362	0.54 324

xxxx	1.61 330	0.32 118	0.98 172	0.58 150	0.31 77	1.15 254	0.43 107	2.43 341	1.41 279	1.17 147	1.40 228	1.21 217	0.86 182	1.94 227	16.68 411	0.24 187	0.24 261	0.21 93	0.20 128	0.23 158	0.27 193

CSAN	1.61 330	0.67 320	3.24 353	0.74 292	0.52 237	1.77 330	1.74 367	1.98 263	1.94 349	2.47 365	2.33 351	1.93 328	2.04 360	6.45 367	1.95 334	0.43 325	0.36 332	0.41 330	0.42 336	0.43 300	0.44 302

MFN_U_SF_RVC	1.62 332	0.96 354	4.36 368	0.92 346	0.69 302	2.62 368	1.10 322	2.50 353	1.74 334	1.99 346	1.86 320	2.45 361	1.78 348	3.08 296	2.84 353	0.54 353	0.50 368	0.56 360	0.60 369	0.60 346	0.67 350

SDNR	1.66 333	0.55 286	2.36 331	0.56 122	0.58 263	3.79 391	0.45 132	1.78 214	1.40 276	1.38 250	2.45 357	1.13 207	0.96 220	11.03 412	1.31 277	0.67 366	0.64 379	0.43 332	0.32 302	0.71 360	0.76 361

otaku	1.67 334	1.18 366	1.56 281	2.27 388	1.59 383	1.98 345	1.23 340	2.23 316	1.37 263	1.48 285	1.63 286	1.73 314	1.23 291	1.85 213	1.09 252	2.96 394	0.58 377	1.74 384	0.61 370	2.94 393	2.15 391

222	1.67 334	0.31 104	0.93 153	0.59 162	0.31 77	1.05 236	0.43 107	2.39 335	1.47 301	1.37 245	1.55 266	0.94 149	0.94 213	1.98 233	17.76 412	0.24 187	0.22 231	0.21 93	0.20 128	0.22 140	0.26 177

Wz-Net-SNSev	1.68 336	1.45 377	8.71 388	0.71 274	0.67 298	1.35 286	1.51 353	2.15 299	1.47 301	1.51 288	1.68 293	2.27 351	1.38 312	4.23 319	2.36 346	0.32 280	0.29 299	0.31 266	0.33 311	0.43 300	0.39 282

DeepPrunerF	1.68 336	0.82 341	6.82 378	0.94 354	1.20 374	0.91 201	0.97 309	2.50 353	5.19 400	1.22 180	1.30 194	1.18 213	1.29 300	4.96 335	1.75 325	0.43 325	0.35 328	0.52 348	0.48 350	0.43 300	0.42 295

psmorigin	1.69 338	0.74 335	13.13 399	0.70 271	0.60 273	1.16 257	0.79 272	1.69 199	1.25 211	2.07 350	1.77 305	2.23 348	1.51 326	2.14 252	1.45 294	0.39 315	0.41 347	0.34 294	0.33 311	0.45 312	0.63 347

G-Net	1.71 339	0.67 320	2.09 316	1.14 370	0.75 316	2.96 378	0.89 293	1.58 172	1.30 235	2.76 371	8.12 405	2.29 353	2.51 376	1.94 227	2.23 341	0.49 345	0.45 356	0.45 336	0.31 297	0.62 350	0.59 340

Ntro	1.72 340	1.21 369	1.62 285	2.54 393	1.86 385	2.09 353	1.14 329	2.08 284	1.38 265	1.23 181	1.62 282	1.62 298	1.33 307	2.04 241	1.21 266	3.09 395	0.56 374	1.82 386	0.65 371	2.97 396	2.25 393

FBW_ROB	1.78 341	0.66 317	1.90 303	0.72 279	0.66 294	1.79 334	1.07 320	2.79 373	1.77 335	1.84 332	1.79 307	1.98 335	1.37 311	12.42 414	2.22 340	0.36 305	0.38 339	0.57 362	0.39 329	0.46 316	0.51 319

SPS-STEREO	1.78 341	1.09 361	1.52 276	1.22 373	1.14 368	1.87 339	1.11 323	2.27 323	1.70 329	3.17 385	2.39 353	2.84 371	1.93 355	4.41 323	2.93 354	1.04 379	0.99 398	0.97 376	0.94 381	1.03 374	1.05 373
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MFN_U_SF_DS_RVC	1.80 343	1.11 363	4.33 367	0.84 327	0.77 322	3.70 386	2.41 397	2.04 276	1.85 344	1.75 323	1.90 324	1.92 327	1.25 295	7.33 379	1.45 294	0.47 341	0.47 361	0.53 352	0.77 375	0.50 325	0.55 330

SAMSARA	1.80 343	0.90 346	3.37 355	1.28 375	1.13 366	3.71 387	2.33 392	2.53 357	1.93 348	3.17 385	1.73 300	2.99 372	1.68 339	3.53 309	2.46 348	0.47 341	0.54 371	0.43 332	0.47 348	0.59 343	0.64 348

PVD	1.82 345	0.91 350	3.02 347	1.03 361	0.94 352	2.61 367	1.14 329	2.78 372	3.40 386	3.08 383	2.75 362	2.39 360	2.49 375	2.81 289	3.66 363	0.48 343	0.49 367	0.59 365	0.49 353	0.60 346	0.81 365

ADCL	1.82 345	0.70 325	4.57 369	0.70 271	0.63 284	2.56 365	1.77 369	2.08 284	1.77 335	1.95 344	1.89 322	2.04 345	1.88 353	2.36 268	9.55 393	0.27 241	0.25 274	0.35 300	0.32 302	0.39 286	0.39 282

AAGNet	1.84 347	0.30 79	0.79 92	0.66 230	0.32 97	0.65 109	0.50 164	1.02 37	1.01 117	1.47 280	1.21 163	0.99 165	1.16 277	2.76 288	22.69 418	0.24 187	0.13 17	0.22 120	0.20 128	0.24 187	0.16 13

ff1	1.88 348	0.36 188	1.51 271	0.56 122	0.40 170	0.76 151	0.59 215	1.08 55	2.62 370	1.19 163	1.49 246	1.07 186	0.85 175	9.88 405	13.82 402	0.21 120	0.13 17	0.31 266	0.28 267	0.20 86	0.23 122

MDST_ROB	1.88 348	0.40 230	1.71 289	0.93 351	0.60 273	4.27 397	1.23 340	3.99 389	1.44 290	4.61 397	2.63 361	1.44 270	1.03 249	9.78 402	1.62 312	0.33 283	0.26 279	0.37 312	0.33 311	0.31 248	0.34 259

SGM_RVC	1.88 348	0.40 230	0.90 147	0.63 200	0.30 63	2.81 372	1.26 343	2.73 368	1.81 342	4.09 389	2.85 365	3.88 382	3.19 383	8.42 390	2.44 347	0.33 283	0.31 308	0.30 262	0.28 267	0.31 248	0.31 238
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
mmx	1.89 351	0.36 188	1.51 271	0.56 122	0.40 170	0.76 151	0.59 215	2.32 327	1.41 279	1.19 163	1.49 246	1.07 186	0.85 175	9.88 405	13.82 402	0.25 207	0.21 221	0.31 266	0.28 267	0.32 256	0.29 216

xxx	1.89 351	0.36 188	1.51 271	0.56 122	0.40 170	0.76 151	0.59 215	2.32 327	1.41 279	1.19 163	1.49 246	1.07 186	0.85 175	9.88 405	13.82 402	0.25 207	0.21 221	0.31 266	0.28 267	0.32 256	0.29 216

DPSNet	1.91 353	0.64 310	5.95 374	0.73 286	0.59 269	2.04 350	1.61 361	3.84 387	1.96 351	1.54 296	1.39 223	2.27 351	3.32 386	4.95 334	4.79 371	0.50 349	0.31 308	0.29 253	0.26 244	0.67 355	0.54 324

1111x	1.96 354	0.32 118	1.54 280	0.54 100	0.30 63	1.00 228	0.69 245	2.47 348	1.33 246	1.21 175	1.44 236	1.21 217	1.11 271	8.49 391	16.14 410	0.22 149	0.23 253	0.22 120	0.23 213	0.25 196	0.26 177

ADCPNet	1.97 355	0.78 336	9.38 390	0.74 292	0.61 278	2.73 370	1.36 348	2.11 289	1.66 327	1.92 338	1.70 296	2.45 361	2.07 361	2.50 274	6.84 383	0.38 308	0.38 339	0.38 316	0.43 339	0.47 320	0.50 314

WCMA_ROB	2.05 356	0.55 286	1.77 292	0.74 292	0.61 278	2.24 356	1.56 358	2.17 308	1.79 340	4.16 393	6.36 395	5.66 394	4.66 397	3.19 299	2.77 352	0.55 356	0.45 356	0.40 326	0.43 339	0.48 321	0.50 314

RainbowNet	2.06 357	1.86 388	1.97 310	2.86 396	2.25 392	2.03 349	1.79 370	2.77 370	1.92 347	1.54 296	1.84 315	1.95 333	1.73 344	2.23 258	1.38 288	3.40 401	0.86 390	2.39 395	1.00 387	2.94 393	2.42 395

MSMD_ROB	2.08 358	0.61 301	1.15 212	0.71 274	0.62 282	4.00 393	0.93 302	1.94 255	1.79 340	4.71 399	4.60 385	8.14 403	3.87 393	3.75 314	1.65 318	0.54 353	0.48 363	0.55 358	0.58 365	0.53 333	0.52 321

Wz-Net-TNSev	2.10 359	2.71 407	9.30 389	0.72 279	0.65 291	2.41 363	1.81 374	2.45 343	1.77 335	1.62 311	1.56 271	2.56 364	2.01 357	5.30 338	4.46 369	0.41 320	0.38 339	0.33 286	0.37 326	0.54 335	0.64 348

ADCMid	2.11 360	0.90 346	8.39 386	0.75 299	0.69 302	1.98 345	1.14 329	2.18 309	1.67 328	2.85 373	1.85 318	2.35 357	2.02 359	2.35 267	10.58 397	0.34 290	0.32 318	0.39 320	0.44 341	0.51 327	0.53 323

ADCP+	2.12 361	0.56 289	10.01 391	0.68 252	0.91 345	2.25 357	1.04 317	1.92 253	1.50 308	1.58 304	1.34 207	1.73 314	1.62 331	2.27 262	13.20 399	0.25 207	0.22 231	0.32 278	0.29 282	0.38 282	0.34 259

WZ-Net	2.14 362	1.08 359	11.68 398	0.89 343	0.78 326	1.76 328	1.59 360	2.39 335	2.03 354	2.11 351	1.95 330	2.30 354	2.28 370	5.94 355	3.86 366	0.35 298	0.27 287	0.29 253	0.32 302	0.52 328	0.50 314

AnyNet_C32	2.14 362	1.45 377	7.38 381	0.95 356	1.12 363	2.23 355	2.34 393	2.10 288	1.54 313	2.44 361	1.79 307	2.04 345	1.66 337	2.69 284	10.48 396	0.38 308	0.35 328	0.35 300	0.42 336	0.50 325	0.60 343

NVStereoNet_ROB	2.17 364	1.18 366	3.51 357	1.14 370	1.26 377	1.57 310	1.51 353	2.19 311	2.11 358	2.04 348	4.80 387	3.17 377	2.11 365	7.97 386	2.10 336	1.12 382	0.94 395	1.10 381	1.34 393	0.95 370	1.31 381
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
MSC_U_SF_DS_RVC	2.22 365	1.29 374	4.14 365	1.10 366	0.78 326	5.00 400	2.38 396	2.47 348	2.67 375	1.94 342	2.28 348	2.66 368	1.70 340	9.10 393	2.29 344	0.68 368	0.52 369	0.68 368	0.71 373	1.17 378	0.81 365

SANet	2.26 366	0.70 325	6.94 379	0.69 262	0.46 207	2.76 371	1.76 368	2.61 361	5.84 402	2.45 362	3.52 375	3.71 379	3.38 388	5.90 352	2.14 338	0.34 290	0.31 308	0.32 278	0.29 282	0.54 335	0.43 299

ADCS	2.35 367	1.26 371	6.54 377	0.85 329	0.77 322	2.18 354	1.79 370	2.47 348	2.20 360	2.80 372	2.14 342	2.38 358	2.09 362	2.81 289	13.83 406	0.43 325	0.41 347	0.40 326	0.45 344	0.59 343	0.67 350

MeshStereo	2.36 368	0.60 296	1.05 188	0.63 200	0.51 234	2.58 366	0.99 312	3.46 383	2.21 361	7.38 409	5.06 391	7.50 399	3.10 382	7.02 377	2.54 349	0.44 333	0.44 354	0.45 336	0.40 331	0.43 300	0.45 304
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
AnyNet_C01	2.38 369	2.21 397	10.17 392	0.99 359	0.79 328	3.12 379	2.37 394	2.69 367	1.89 346	2.58 368	2.44 356	2.70 369	1.86 352	3.65 310	7.12 384	0.41 320	0.41 347	0.40 326	0.42 336	0.68 356	0.79 363

DispFullNet	2.39 370	2.89 408	3.74 360	3.09 401	2.27 394	2.04 350	0.84 283	2.19 311	1.73 333	2.54 366	1.98 331	2.23 348	5.83 400	3.44 308	1.84 330	1.03 377	0.33 321	2.65 401	1.97 405	2.87 392	2.34 394

EDNetEfficient	2.40 371	1.14 364	8.59 387	0.77 307	0.73 309	1.06 239	1.53 356	1.54 163	4.06 392	4.87 400	2.81 363	2.23 348	3.53 389	3.04 295	9.65 394	0.27 241	0.24 261	0.27 233	0.31 297	0.70 358	0.67 350

FCDSN-DC	2.47 372	0.65 316	1.00 179	0.85 329	0.75 316	2.26 358	0.97 309	2.31 326	1.83 343	5.52 405	7.65 402	7.72 402	7.70 406	4.43 324	2.64 350	0.52 351	0.48 363	0.52 348	0.52 358	0.57 340	0.59 340
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
SuperB	2.50 373	0.72 330	18.07 409	0.72 279	0.53 242	1.85 337	0.86 289	1.80 221	2.40 364	1.54 296	1.42 232	1.13 207	1.17 280	4.18 318	4.80 373	0.25 207	0.20 208	0.23 146	0.19 102	7.64 417	0.38 279

ELAS	2.67 374	0.80 337	2.13 320	1.13 367	1.15 370	6.25 404	2.56 398	3.50 384	3.68 389	5.36 403	4.92 390	3.79 380	5.56 399	3.65 310	5.22 375	0.66 365	0.57 375	0.56 360	0.54 361	0.65 353	0.75 360
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
RTS	2.76 375	1.55 383	15.40 401	1.13 367	1.42 379	3.75 389	2.21 387	2.45 343	2.72 376	2.91 376	2.85 365	2.58 365	1.62 331	6.28 362	5.80 378	0.41 320	0.30 303	0.35 300	0.35 320	0.52 328	0.54 324

RTSA	2.76 375	1.55 383	15.40 401	1.13 367	1.42 379	3.75 389	2.21 387	2.45 343	2.72 376	2.91 376	2.85 365	2.58 365	1.62 331	6.28 362	5.80 378	0.41 320	0.30 303	0.35 300	0.35 320	0.52 328	0.54 324

WAO-7	2.78 377	1.54 382	2.18 323	1.41 379	1.19 373	3.92 392	2.01 380	4.19 391	3.89 391	2.98 379	5.47 392	4.18 384	3.28 385	8.24 389	4.27 367	1.13 383	1.01 399	1.18 382	1.13 392	1.19 379	1.13 379

MADNet+	2.80 378	3.38 410	11.57 397	1.50 382	1.21 376	3.18 381	2.00 377	3.52 385	2.61 369	1.81 329	2.09 338	2.83 370	2.18 369	7.55 382	5.44 377	0.84 370	0.83 385	0.71 370	0.66 372	1.05 375	1.08 375

IMH-64-1	2.82 379	1.87 389	1.77 292	3.31 403	2.69 400	3.22 382	2.07 382	4.25 392	2.77 378	2.46 363	3.78 378	3.05 373	2.34 372	4.67 330	3.00 356	3.84 405	0.84 388	2.75 402	1.39 394	3.34 401	2.93 403

IMH-64	2.82 379	1.87 389	1.77 292	3.31 403	2.69 400	3.22 382	2.07 382	4.25 392	2.77 378	2.46 363	3.78 378	3.05 373	2.34 372	4.67 330	3.00 356	3.84 405	0.84 388	2.75 402	1.39 394	3.34 401	2.93 403

pmcnn	2.84 381	0.46 254	5.19 373	0.68 252	0.42 187	1.55 307	1.16 332	2.32 327	1.60 323	2.72 369	7.49 400	17.96 415	1.48 324	6.04 357	6.64 382	0.18 40	0.15 112	0.15 3	0.12 9	0.20 86	0.20 70

ACVNet_2	2.86 382	1.47 379	8.28 384	2.68 394	2.26 393	2.70 369	1.84 375	3.41 381	3.04 380	2.27 356	3.42 374	4.58 386	2.10 363	5.91 353	1.62 312	2.58 392	0.67 381	2.22 389	0.85 379	2.79 390	2.47 396

ELAS_RVC	2.87 383	0.80 337	3.22 352	1.16 372	1.12 363	2.92 376	5.33 406	2.98 377	4.18 393	5.04 401	4.82 388	4.71 388	8.23 407	4.25 321	4.79 371	0.67 366	0.57 375	0.57 362	0.53 360	0.66 354	0.74 358
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
FC-DCNN	2.88 384	0.61 301	1.15 212	0.75 299	0.57 261	2.85 375	1.05 318	3.44 382	2.64 374	6.93 406	7.63 401	9.86 408	7.02 405	5.76 350	4.31 368	0.54 353	0.48 363	0.51 347	0.50 355	0.53 333	0.52 321

WAO-6	2.98 385	1.67 386	1.88 302	2.38 392	2.30 395	3.53 385	2.37 394	4.38 394	4.64 397	2.42 359	4.50 382	4.85 389	2.99 381	5.22 337	5.37 376	1.77 385	1.16 405	2.31 391	1.47 399	2.42 386	1.99 390

ACVNet-4b	3.05 386	1.42 376	18.09 410	2.85 395	2.33 396	2.32 362	1.22 338	2.47 348	2.21 361	1.26 198	2.36 352	2.64 367	1.46 321	6.32 364	1.23 270	3.29 398	0.45 356	2.37 392	1.02 389	3.03 397	2.61 398

ACVNet_1	3.08 387	1.48 380	17.70 406	2.90 398	2.35 397	2.30 359	1.43 351	3.16 379	2.26 363	1.91 337	2.05 336	3.51 378	2.32 371	3.71 313	1.58 308	3.25 397	0.66 380	2.40 396	1.06 390	3.07 398	2.59 397

PWCK	3.24 388	2.37 398	10.86 394	2.14 387	1.14 368	3.71 387	4.19 405	3.02 378	3.55 388	3.05 382	3.63 376	3.09 376	2.35 374	8.16 388	3.41 360	2.17 389	0.96 396	1.77 385	1.01 388	2.84 391	1.40 384

IMH	3.35 389	1.95 391	1.86 301	3.30 402	2.72 402	4.03 395	2.00 377	4.58 396	3.83 390	2.87 374	6.99 398	4.69 387	3.21 384	6.77 373	2.97 355	3.91 408	0.89 392	2.78 404	1.40 398	3.36 403	2.93 403

LVE	3.40 390	1.80 387	2.21 325	2.90 398	2.44 398	3.27 384	2.25 389	4.80 397	5.06 398	2.43 360	6.79 396	5.99 395	2.64 379	9.20 395	2.28 342	3.30 399	1.11 404	2.38 393	1.48 400	2.95 395	2.62 399

Dean	3.77 391	1.65 385	17.87 407	3.01 400	2.54 399	3.15 380	2.10 385	4.80 397	4.42 394	2.89 375	6.03 393	5.45 393	2.55 378	3.40 307	2.13 337	3.22 396	0.89 392	2.51 399	1.07 391	3.07 398	2.65 401

JetBlue	4.18 392	2.45 402	10.42 393	1.40 376	2.89 404	10.68 410	10.68 408	3.91 388	2.52 365	2.74 370	3.39 373	4.50 385	4.27 395	7.97 386	7.67 387	0.89 372	0.97 397	0.89 374	0.92 380	2.26 385	2.21 392

notaker	4.29 393	2.42 401	5.06 371	3.89 411	3.29 409	4.00 393	2.25 389	4.93 399	3.47 387	4.21 395	6.79 396	7.67 401	3.37 387	9.25 397	6.47 380	4.09 410	1.42 407	3.35 411	2.13 408	4.11 408	3.54 408

ktn	4.56 394	2.41 400	2.54 335	3.79 410	3.25 407	4.81 399	2.91 402	5.52 401	7.36 403	4.12 392	14.55 413	7.54 400	3.70 390	7.84 385	3.35 359	4.06 409	1.86 410	3.26 410	2.22 409	3.27 400	2.86 402

WAO-8	4.57 395	2.01 392	2.58 337	2.37 390	2.21 390	9.75 406	1.71 364	6.04 406	16.34 411	4.11 390	7.69 403	7.41 397	3.85 391	10.02 408	3.85 364	2.05 387	1.09 402	2.44 397	1.39 394	2.56 388	1.86 388

Venus	4.57 395	2.01 392	2.58 337	2.37 390	2.21 390	9.75 406	1.71 364	6.04 406	16.34 411	4.11 390	7.69 403	7.41 397	3.85 391	10.02 408	3.85 364	2.05 387	1.09 402	2.44 397	1.39 394	2.56 388	1.86 388

SGM+DAISY	5.38 397	1.28 373	8.24 383	1.27 374	1.16 372	10.62 409	16.01 414	2.93 376	2.53 366	8.64 412	13.03 411	8.26 404	13.38 410	6.34 365	7.59 386	1.07 380	1.05 401	1.00 378	0.98 384	1.02 373	1.12 378

TorneroNet-64	5.41 398	2.10 395	2.43 332	3.49 406	2.83 403	9.90 408	2.13 386	8.87 412	16.79 416	5.39 404	9.18 407	10.68 412	3.92 394	9.55 399	5.11 374	3.36 400	0.86 390	2.88 405	1.62 401	3.76 404	3.37 406

MADNet++	5.41 398	3.18 409	6.43 376	4.66 415	3.95 413	6.15 403	6.75 407	4.51 395	4.51 396	5.06 402	6.27 394	4.96 391	6.14 401	9.39 398	11.70 398	4.71 411	4.19 415	3.97 413	3.33 411	4.08 407	4.25 413

UNDER WATER	5.68 400	2.46 403	15.52 403	3.98 413	3.53 410	5.15 401	2.74 400	5.58 403	16.41 414	4.00 388	4.56 383	9.12 406	6.43 403	6.22 360	9.11 391	3.85 407	1.35 406	3.18 409	1.98 406	4.51 411	3.84 412

UNDER WATER-64	5.84 401	2.48 404	17.93 408	3.97 412	3.58 411	7.70 405	3.03 403	5.72 405	14.13 408	4.18 394	4.00 380	9.27 407	6.80 404	6.20 359	9.22 392	3.67 403	1.52 408	3.14 407	1.95 404	4.43 410	3.83 411

LSM	6.55 402	1.26 371	15.64 404	1.79 383	68.74 432	1.67 320	2.08 384	2.26 319	2.59 368	3.13 384	3.08 370	1.90 323	1.81 349	2.89 292	2.16 339	0.43 325	0.59 378	0.50 346	0.58 365	0.64 351	17.24 423

tt	6.61 403	0.28 43	6.10 375	3.77 409	2.17 389	11.53 411	19.61 415	13.53 417	5.81 401	3.00 380	2.82 364	4.97 392	6.33 402	3.83 316	7.23 385	9.13 417	11.32 422	5.87 416	6.22 415	6.01 414	2.63 400

JetRed	7.02 404	8.94 416	25.72 419	2.89 397	3.27 408	14.25 414	12.27 411	6.69 408	4.45 395	4.46 396	4.56 383	6.65 396	5.43 398	7.46 381	14.41 408	2.60 393	3.31 412	2.61 400	2.30 410	4.34 409	3.79 410

MANE	7.50 405	0.64 310	7.97 382	1.40 376	2.10 388	16.86 416	12.56 412	12.91 416	17.51 419	8.50 411	11.60 409	14.66 414	13.33 409	12.02 413	13.28 400	0.62 361	0.52 369	0.52 348	1.90 403	0.56 338	0.58 338

SGM-ForestM	7.81 406	0.48 262	11.02 395	0.74 292	0.40 170	16.83 415	12.72 413	7.91 410	8.13 404	11.53 413	10.25 408	22.44 423	14.01 411	17.02 416	20.52 414	0.38 308	0.39 344	0.37 312	0.36 322	0.37 276	0.38 279

coex-ft	8.35 407	2.39 399	100.24 436	0.68 252	0.54 249	1.77 330	1.57 359	1.71 203	11.00 406	18.91 421	3.76 377	3.85 381	8.23 407	3.29 304	6.58 381	0.31 273	0.31 308	0.32 278	0.31 297	0.69 357	0.57 335

LE_ROB	8.35 407	0.47 259	27.42 423	0.83 323	0.34 122	2.84 374	3.36 404	4.03 390	27.04 423	25.20 423	8.72 406	8.55 405	27.35 423	7.37 380	22.13 415	0.22 149	0.20 208	0.20 70	0.21 164	0.25 196	0.25 160

KSHMR	8.76 409	2.14 396	3.59 358	3.60 408	3.13 406	4.15 396	2.67 399	5.61 404	58.90 436	3.04 381	55.71 436	4.94 390	2.54 377	4.61 329	3.05 358	3.49 402	1.57 409	3.14 407	1.98 406	3.84 405	3.49 407

EDNetEfficientorigin	10.59 410	1.52 381	177.33 437	0.68 252	0.54 249	1.66 319	1.20 337	1.94 255	3.39 385	4.69 398	3.37 372	3.08 375	2.79 380	3.25 302	3.63 362	0.26 224	0.24 261	0.33 286	0.28 267	0.85 366	0.87 368

TorneroNet	10.72 411	2.09 394	2.76 342	3.48 405	3.03 405	44.72 428	2.31 391	8.62 411	67.06 437	7.45 410	23.21 421	10.59 411	4.28 396	9.03 392	9.00 390	3.67 403	0.91 394	3.04 406	1.63 402	3.92 406	3.55 409

HanzoNet	11.92 412	5.12 411	17.18 405	4.19 414	3.59 412	5.16 402	2.82 401	7.41 409	9.96 405	33.31 432	27.60 423	22.25 422	37.31 427	18.18 417	13.57 401	8.13 416	3.44 414	3.50 412	3.44 412	7.77 418	4.52 414

DGTPSM_ROB	13.06 413	8.27 414	22.29 414	9.53 418	18.14 416	11.53 411	31.97 421	10.82 414	16.25 409	7.14 407	19.39 419	10.12 409	16.69 415	9.85 403	22.49 416	4.77 412	8.72 417	5.37 414	10.24 418	6.15 415	11.56 417

DPSMNet_ROB	13.08 414	8.28 415	22.32 415	9.54 419	18.15 417	11.53 411	31.98 422	10.83 415	16.27 410	7.17 408	19.40 420	10.12 409	16.69 415	9.87 404	22.50 417	4.78 413	8.72 417	5.38 415	10.25 419	6.16 416	11.59 418

ASD4	17.95 415	11.38 418	20.07 411	11.32 420	12.21 415	21.39 417	31.23 420	22.73 419	12.78 407	12.19 414	12.67 410	13.79 413	14.32 413	20.13 418	25.17 420	18.93 422	15.37 423	28.00 428	22.52 428	17.63 421	15.21 422

DPSM_ROB	19.12 416	19.13 420	25.13 417	22.15 422	20.86 420	28.06 420	37.75 424	27.18 421	16.95 417	14.25 415	15.07 414	21.66 417	18.69 418	21.83 420	26.51 422	10.15 419	9.30 420	10.45 419	10.41 420	14.00 419	12.85 420

DPSM	19.12 416	19.13 420	25.13 417	22.15 422	20.86 420	28.06 420	37.75 424	27.18 421	16.95 417	14.25 415	15.07 414	21.66 417	18.69 418	21.83 420	26.51 422	10.15 419	9.30 420	10.45 419	10.41 420	14.00 419	12.85 420

LRCNet_RVC	22.79 418	32.09 426	22.06 413	29.83 424	26.15 422	4.40 398	0.84 283	22.64 418	2.10 357	26.93 424	29.25 424	23.03 424	15.56 414	23.91 422	18.92 413	32.00 429	20.04 431	34.68 429	32.13 429	30.66 429	28.52 429

DLNR_Zeroshot_test	23.23 419	48.25 437	43.77 426	177.04 437	78.39 433	0.35 5	0.21 1	23.33 420	0.82 53	0.67 41	0.86 55	0.58 43	0.30 4	1.64 186	0.48 88	10.69 421	0.13 17	0.18 33	0.14 22	76.63 436	0.23 122

DPSimNet_ROB	24.77 420	9.69 417	61.46 434	3.56 407	19.46 418	25.95 418	77.56 435	5.09 400	16.60 415	21.50 422	29.82 425	25.12 425	85.69 437	13.37 415	23.07 419	7.23 415	17.79 424	8.55 417	7.57 416	4.57 413	31.84 430

SPstereo	26.71 421	6.90 413	11.42 396	5.86 416	6.44 414	48.17 429	80.34 436	67.41 437	34.42 432	28.80 430	27.49 422	43.68 434	37.53 431	44.96 436	54.23 437	5.06 414	4.92 416	10.92 421	6.03 414	4.54 412	5.00 416

FADE	26.94 422	6.16 412	20.86 412	1.90 386	1.95 387	2.92 376	2.01 380	5.55 402	5.12 399	2.92 378	2.17 343	4.13 383	14.15 412	10.56 410	10.39 395	193.84 437	2.80 411	122.45 434	126.70 434	1.14 377	1.11 377

BEATNet-Init1	27.39 423	21.01 422	73.65 435	1.07 363	0.80 330	56.07 430	22.82 416	33.14 428	31.71 425	51.78 436	52.93 435	65.63 436	48.54 435	48.75 437	36.36 427	0.52 351	0.47 361	0.54 353	0.54 361	0.64 351	0.72 356

CasAABBNet	38.42 424	38.42 428	50.26 428	44.76 429	41.87 426	56.47 434	76.22 430	54.44 434	33.92 427	28.53 425	30.36 427	43.53 433	37.59 432	43.77 433	53.32 432	20.27 423	18.70 426	21.03 425	21.04 423	28.19 423	25.79 424

MyStereo03	38.45 425	38.46 430	50.33 429	44.93 430	42.03 428	56.44 431	76.24 431	54.16 431	34.06 429	28.68 427	30.42 428	43.46 429	37.33 428	43.76 430	53.43 433	20.29 424	18.73 428	21.02 422	21.05 424	28.19 423	25.91 426

MyStereo02	38.45 425	38.46 430	50.33 429	44.93 430	42.03 428	56.44 431	76.24 431	54.16 431	34.06 429	28.68 427	30.42 428	43.46 429	37.33 428	43.76 430	53.43 433	20.29 424	18.73 428	21.02 422	21.05 424	28.19 423	25.91 426

MyStereo	38.45 425	38.46 430	50.33 429	44.93 430	42.03 428	56.44 431	76.24 431	54.16 431	34.06 429	28.68 427	30.42 428	43.46 429	37.33 428	43.76 430	53.43 433	20.29 424	18.73 428	21.02 422	21.05 424	28.19 423	25.91 426

Selective-RAFT-Error	38.47 428	38.44 429	50.38 432	44.74 428	42.01 427	56.47 434	76.24 431	54.44 434	34.02 428	28.59 426	30.30 426	43.51 432	38.10 433	43.69 429	53.24 431	20.36 427	18.72 427	21.05 426	21.02 422	28.25 427	25.87 425

HaxPig	39.02 429	41.39 434	41.59 424	30.10 425	32.36 423	29.49 422	27.65 418	30.56 424	37.94 433	43.75 433	43.81 432	33.42 426	35.69 424	41.51 427	40.33 429	43.91 433	47.48 436	45.87 430	47.14 431	42.29 430	44.06 433

AVERAGE_ROB	40.42 430	42.30 435	42.61 425	36.91 427	35.54 425	30.42 423	27.59 417	37.45 430	38.45 434	44.87 434	44.27 433	37.55 428	36.69 425	41.82 428	40.25 428	45.36 434	46.73 435	47.09 431	46.32 430	42.47 431	43.74 432

MEDIAN_ROB	42.01 431	44.30 436	44.14 427	35.08 426	34.90 424	31.33 427	29.90 419	36.77 429	40.11 435	47.14 435	46.55 434	37.49 427	38.50 434	44.30 435	42.32 430	47.93 435	49.31 437	49.68 432	49.00 432	44.98 432	46.46 434

Anonymous_1	42.79 432	18.71 419	24.75 416	21.81 421	45.16 431	27.68 419	37.52 423	28.64 423	16.34 411	14.72 417	14.53 412	20.60 416	17.82 417	21.52 419	25.88 421	113.45 436	8.91 419	100.63 433	126.37 433	158.50 437	12.31 419

LSM0	42.92 433	38.72 433	50.66 433	47.49 433	110.18 437	56.77 436	75.87 429	54.87 436	33.74 426	29.48 431	31.12 431	43.77 435	37.12 426	43.85 434	53.44 436	20.50 428	18.67 425	21.05 426	21.07 427	28.37 428	41.73 431

PML	51.64 434	37.49 427	14.31 400	7.45 417	20.27 419	107.80 437	231.34 438	8.94 413	27.70 424	86.74 437	268.93 438	69.03 437	61.09 436	24.71 426	14.36 407	9.71 418	3.40 413	9.60 418	4.67 413	20.46 422	4.76 415

xxxxx1	54.34 435	26.72 423	27.03 420	114.14 434	99.00 434	30.68 424	47.19 426	32.52 425	26.09 420	17.85 418	17.48 416	21.86 419	20.92 420	24.38 423	33.78 424	34.73 430	41.33 432	157.67 435	175.68 435	65.82 433	71.99 435

tt_ll	54.34 435	26.72 423	27.03 420	114.14 434	99.00 434	30.68 424	47.19 426	32.52 425	26.09 420	17.85 418	17.48 416	21.86 419	20.92 420	24.38 423	33.78 424	34.73 430	41.33 432	157.67 435	175.68 435	65.82 433	71.99 435

ff	54.34 435	26.72 423	27.03 420	114.14 434	99.00 434	30.68 424	47.19 426	32.52 425	26.09 420	17.85 418	17.48 416	21.86 419	20.92 420	24.38 423	33.78 424	34.73 430	41.33 432	157.67 435	175.68 435	65.82 433	71.99 435

test_example2	192.91 438	210.59 438	206.44 438	199.86 438	204.90 438	172.02 438	182.95 437	138.34 438	134.89 438	193.14 438	200.54 437	186.77 438	177.82 438	204.95 438	207.57 438	221.83 438	238.70 438	186.02 438	190.07 438	226.94 438	173.78 438

Low-res two-view benchmark