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	0.07 1	0.06 19	0.08 11	0.17 113	0.06 2	0.08 23	0.12 21	0.13 9	0.07 1	0.08 5	0.07 14	0.06 3	0.04 1	0.10 18	0.09 19	0.05 2	0.04 2	0.05 2	0.04 8	0.04 1	0.03 1

AEACV	0.08 2	0.05 6	0.08 11	0.14 13	0.13 298	0.14 153	0.13 43	0.14 15	0.09 2	0.07 2	0.09 23	0.07 17	0.08 49	0.10 18	0.09 19	0.06 54	0.04 2	0.06 31	0.05 31	0.05 40	0.04 7

LoS_RVC	0.08 2	0.05 6	0.07 2	0.15 38	0.07 18	0.08 23	0.15 114	0.11 1	0.10 7	0.08 5	0.09 23	0.06 3	0.09 66	0.10 18	0.09 19	0.05 2	0.04 2	0.05 2	0.03 1	0.04 1	0.03 1

CAS	0.08 2	0.04 1	0.07 2	0.17 113	0.08 47	0.10 56	0.13 43	0.12 4	0.09 2	0.09 15	0.10 37	0.08 25	0.06 6	0.09 10	0.08 11	0.08 188	0.04 2	0.05 2	0.03 1	0.05 40	0.04 7

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

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

MC-Stereo	0.08 2	0.06 19	0.09 28	0.17 113	0.06 2	0.10 56	0.14 69	0.12 4	0.10 7	0.09 15	0.12 60	0.09 37	0.06 6	0.11 45	0.10 49	0.06 54	0.04 2	0.06 31	0.05 31	0.04 1	0.04 7

test-3	0.08 2	0.06 19	0.09 28	0.17 113	0.07 18	0.07 16	0.14 69	0.12 4	0.15 69	0.09 15	0.08 17	0.07 17	0.08 49	0.11 45	0.10 49	0.05 2	0.04 2	0.07 98	0.05 31	0.04 1	0.04 7

test_1	0.08 2	0.06 19	0.09 28	0.17 113	0.07 18	0.07 16	0.14 69	0.12 4	0.15 69	0.09 15	0.08 17	0.07 17	0.08 49	0.11 45	0.10 49	0.05 2	0.04 2	0.07 98	0.05 31	0.04 1	0.04 7

CREStereo++_RVC	0.08 2	0.04 1	0.06 1	0.13 6	0.07 18	0.09 35	0.12 21	0.14 15	0.14 58	0.10 40	0.14 79	0.08 25	0.07 31	0.09 10	0.11 85	0.06 54	0.04 2	0.05 2	0.05 31	0.04 1	0.04 7
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
ff7	0.09 11	0.07 69	0.11 70	0.16 67	0.09 130	0.11 82	0.15 114	0.16 42	0.12 25	0.10 40	0.06 2	0.06 3	0.06 6	0.11 45	0.09 19	0.05 2	0.04 2	0.06 31	0.05 31	0.05 40	0.06 98

IGEVStereo-DCA	0.09 11	0.06 19	0.11 70	0.15 38	0.10 214	0.11 82	0.15 114	0.16 42	0.12 25	0.10 40	0.06 2	0.08 25	0.06 6	0.10 18	0.08 11	0.06 54	0.05 106	0.06 31	0.05 31	0.05 40	0.06 98

ffff	0.09 11	0.07 69	0.11 70	0.16 67	0.09 130	0.11 82	0.15 114	0.16 42	0.12 25	0.10 40	0.06 2	0.06 3	0.06 6	0.11 45	0.09 19	0.05 2	0.04 2	0.06 31	0.05 31	0.05 40	0.06 98

rrr	0.09 11	0.06 19	0.12 90	0.15 38	0.10 214	0.11 82	0.16 169	0.16 42	0.15 69	0.10 40	0.06 2	0.08 25	0.06 6	0.10 18	0.08 11	0.06 54	0.05 106	0.06 31	0.05 31	0.05 40	0.06 98

11t	0.09 11	0.07 69	0.11 70	0.16 67	0.09 130	0.11 82	0.15 114	0.16 42	0.12 25	0.10 40	0.06 2	0.06 3	0.06 6	0.11 45	0.09 19	0.05 2	0.04 2	0.06 31	0.05 31	0.05 40	0.06 98

StereoIM	0.09 11	0.09 188	0.08 11	0.17 113	0.09 130	0.13 129	0.10 6	0.16 42	0.16 87	0.09 15	0.11 52	0.06 3	0.06 6	0.09 10	0.13 156	0.07 141	0.06 187	0.07 98	0.05 31	0.05 40	0.04 7

IGEV_Zeroshot_test	0.09 11	0.05 6	0.12 90	0.13 6	0.08 47	0.12 104	0.13 43	0.17 72	0.11 17	0.10 40	0.06 2	0.09 37	0.06 6	0.11 45	0.09 19	0.06 54	0.04 2	0.06 31	0.06 85	0.05 40	0.05 51

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

MIF-Stereo	0.09 11	0.07 69	0.08 11	0.18 180	0.08 47	0.13 129	0.11 11	0.12 4	0.11 17	0.10 40	0.12 60	0.05 1	0.07 31	0.09 10	0.09 19	0.07 141	0.05 106	0.05 2	0.05 31	0.05 40	0.05 51

MIM_Stereo	0.09 11	0.07 69	0.11 70	0.15 38	0.07 18	0.06 2	0.12 21	0.20 121	0.14 58	0.13 102	0.13 70	0.09 37	0.05 2	0.12 100	0.08 11	0.05 2	0.06 187	0.07 98	0.06 85	0.06 101	0.05 51

CASnet	0.09 11	0.09 188	0.09 28	0.19 225	0.06 2	0.07 16	0.11 11	0.18 96	0.14 58	0.11 58	0.10 37	0.09 37	0.07 31	0.10 18	0.10 49	0.06 54	0.04 2	0.10 265	0.08 209	0.05 40	0.03 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
RAFT-Test	0.09 11	0.06 19	0.10 44	0.15 38	0.07 18	0.11 82	0.15 114	0.16 42	0.13 41	0.09 15	0.10 37	0.10 57	0.09 66	0.12 100	0.09 19	0.06 54	0.04 2	0.05 2	0.04 8	0.04 1	0.05 51

HH	0.09 11	0.06 19	0.13 127	0.17 113	0.08 47	0.10 56	0.16 169	0.14 15	0.10 7	0.08 5	0.09 23	0.08 25	0.07 31	0.10 18	0.09 19	0.06 54	0.04 2	0.06 31	0.05 31	0.05 40	0.04 7

HanStereo	0.09 11	0.06 19	0.13 127	0.17 113	0.08 47	0.10 56	0.16 169	0.14 15	0.10 7	0.08 5	0.09 23	0.08 25	0.07 31	0.10 18	0.09 19	0.06 54	0.04 2	0.06 31	0.05 31	0.05 40	0.04 7

4D-IteraStereo	0.09 11	0.07 69	0.10 44	0.18 180	0.07 18	0.09 35	0.15 114	0.17 72	0.15 69	0.10 40	0.11 52	0.10 57	0.07 31	0.11 45	0.09 19	0.05 2	0.03 1	0.08 161	0.07 159	0.06 101	0.05 51

anonymousdsp	0.09 11	0.07 69	0.11 70	0.16 67	0.09 130	0.11 82	0.15 114	0.16 42	0.12 25	0.09 15	0.06 2	0.06 3	0.06 6	0.11 45	0.09 19	0.05 2	0.04 2	0.06 31	0.05 31	0.05 40	0.06 98

LoS	0.09 11	0.05 6	0.11 70	0.13 6	0.07 18	0.14 153	0.11 11	0.15 26	0.15 69	0.09 15	0.09 23	0.12 87	0.09 66	0.15 165	0.10 49	0.07 141	0.05 106	0.05 2	0.03 1	0.05 40	0.05 51

ProNet	0.09 11	0.07 69	0.10 44	0.17 113	0.08 47	0.10 56	0.15 114	0.15 26	0.12 25	0.09 15	0.06 2	0.07 17	0.06 6	0.11 45	0.09 19	0.05 2	0.04 2	0.06 31	0.05 31	0.04 1	0.06 98

RCA-Stereo	0.09 11	0.06 19	0.09 28	0.16 67	0.06 2	0.09 35	0.13 43	0.18 96	0.14 58	0.09 15	0.10 37	0.08 25	0.07 31	0.12 100	0.11 85	0.06 54	0.04 2	0.06 31	0.05 31	0.05 40	0.04 7

CroCo-Stereo Lap2	0.09 11	0.09 188	0.08 11	0.22 303	0.09 130	0.09 35	0.19 260	0.16 42	0.12 25	0.09 15	0.10 37	0.05 1	0.05 2	0.08 6	0.08 11	0.06 54	0.06 187	0.07 98	0.05 31	0.05 40	0.05 51

ccc-4	0.09 11	0.07 69	0.11 70	0.16 67	0.09 130	0.11 82	0.15 114	0.16 42	0.12 25	0.10 40	0.06 2	0.06 3	0.06 6	0.11 45	0.09 19	0.05 2	0.04 2	0.06 31	0.05 31	0.05 40	0.06 98

IGEV-Stereo	0.09 11	0.07 69	0.11 70	0.16 67	0.09 130	0.11 82	0.15 114	0.16 42	0.12 25	0.09 15	0.06 2	0.06 3	0.06 6	0.11 45	0.09 19	0.05 2	0.04 2	0.06 31	0.05 31	0.05 40	0.06 98
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iRaft-Stereo_20w	0.09 11	0.05 6	0.13 127	0.14 13	0.08 47	0.12 104	0.15 114	0.18 96	0.10 7	0.11 58	0.08 17	0.08 25	0.05 2	0.10 18	0.09 19	0.06 54	0.04 2	0.06 31	0.05 31	0.06 101	0.05 51

TRStereo	0.09 11	0.05 6	0.12 90	0.15 38	0.12 281	0.10 56	0.13 43	0.18 96	0.18 116	0.09 15	0.09 23	0.09 37	0.06 6	0.10 18	0.08 11	0.07 141	0.05 106	0.07 98	0.07 159	0.04 1	0.04 7

AnonymousM	0.09 11	0.05 6	0.10 44	0.14 13	0.06 2	0.09 35	0.13 43	0.19 115	0.14 58	0.13 102	0.11 52	0.09 37	0.08 49	0.13 132	0.10 49	0.08 188	0.05 106	0.08 161	0.05 31	0.05 40	0.05 51

CroCo-Stereo	0.09 11	0.08 139	0.08 11	0.22 303	0.09 130	0.09 35	0.19 260	0.15 26	0.12 25	0.07 2	0.07 14	0.08 25	0.06 6	0.08 6	0.07 1	0.07 141	0.05 106	0.06 31	0.04 8	0.05 40	0.04 7
P.Weinzaepfel, T. Lucas, V. Leroy, Y. Cabon, V. Arora, R. Bregier, G. Csurka, L. Antsfeld, B. Chidlovskii, J. Revaud: CroCo v2: Improved Cross-view Completion Pre-training for Stereo Matching and Optical Flow. ICCV 2023
s12784h	0.09 11	0.06 19	0.07 2	0.15 38	0.05 1	0.16 198	0.18 229	0.15 26	0.15 69	0.10 40	0.11 52	0.11 73	0.11 107	0.10 18	0.12 127	0.05 2	0.04 2	0.05 2	0.04 8	0.04 1	0.04 7

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

XX-TBD	0.09 11	0.06 19	0.07 2	0.14 13	0.07 18	0.12 104	0.16 169	0.14 15	0.13 41	0.11 58	0.12 60	0.09 37	0.08 49	0.10 18	0.10 49	0.06 54	0.04 2	0.05 2	0.03 1	0.06 101	0.05 51

raftrobust	0.09 11	0.06 19	0.10 44	0.17 113	0.08 47	0.09 35	0.10 6	0.18 96	0.16 87	0.10 40	0.09 23	0.12 87	0.07 31	0.12 100	0.10 49	0.08 188	0.05 106	0.06 31	0.05 31	0.05 40	0.05 51

XX-Stereo	0.09 11	0.05 6	0.08 11	0.17 113	0.09 130	0.15 175	0.12 21	0.20 121	0.10 7	0.10 40	0.14 79	0.07 17	0.06 6	0.12 100	0.08 11	0.06 54	0.05 106	0.06 31	0.06 85	0.04 1	0.04 7

test_xeample3	0.09 11	0.06 19	0.12 90	0.16 67	0.09 130	0.11 82	0.15 114	0.16 42	0.13 41	0.10 40	0.06 2	0.08 25	0.06 6	0.10 18	0.09 19	0.05 2	0.04 2	0.06 31	0.05 31	0.05 40	0.06 98

RAFT-Stereo + iAFF	0.09 11	0.06 19	0.10 44	0.17 113	0.06 2	0.10 56	0.16 169	0.17 72	0.14 58	0.09 15	0.10 37	0.08 25	0.09 66	0.11 45	0.09 19	0.05 2	0.04 2	0.06 31	0.06 85	0.04 1	0.03 1

AFF-stereo	0.09 11	0.06 19	0.10 44	0.17 113	0.07 18	0.10 56	0.16 169	0.17 72	0.09 2	0.10 40	0.12 60	0.09 37	0.09 66	0.12 100	0.09 19	0.05 2	0.04 2	0.07 98	0.07 159	0.04 1	0.03 1

EAI-Stereo	0.09 11	0.07 69	0.11 70	0.15 38	0.06 2	0.10 56	0.15 114	0.16 42	0.09 2	0.08 5	0.09 23	0.08 25	0.07 31	0.09 10	0.11 85	0.05 2	0.04 2	0.05 2	0.05 31	0.05 40	0.04 7

CFNet-RSSM	0.09 11	0.07 69	0.09 28	0.16 67	0.07 18	0.09 35	0.15 114	0.16 42	0.17 99	0.08 5	0.12 60	0.10 57	0.09 66	0.11 45	0.09 19	0.06 54	0.04 2	0.06 31	0.04 8	0.04 1	0.04 7

Gwc-CoAtRS	0.09 11	0.06 19	0.10 44	0.16 67	0.07 18	0.10 56	0.14 69	0.17 72	0.17 99	0.08 5	0.10 37	0.12 87	0.09 66	0.12 100	0.09 19	0.06 54	0.04 2	0.06 31	0.04 8	0.04 1	0.04 7

CREStereo	0.09 11	0.04 1	0.08 11	0.11 1	0.06 2	0.13 129	0.14 69	0.14 15	0.10 7	0.08 5	0.13 70	0.09 37	0.08 49	0.11 45	0.10 49	0.08 188	0.04 2	0.05 2	0.03 1	0.06 101	0.06 98
Jiankun Li, Peisen Wang, Pengfei Xiong, Tao Cai, Ziwei Yan, Lei Yang, Jiangyu Liu, Haoqiang Fan, Shuaicheng Liu: Practical Stereo Matching via Cascaded Recurrent Network with Adaptive Correlation. CVPR 2022
PMTNet	0.09 11	0.05 6	0.09 28	0.12 3	0.06 2	0.12 104	0.14 69	0.15 26	0.11 17	0.09 15	0.13 70	0.10 57	0.07 31	0.13 132	0.10 49	0.15 343	0.04 2	0.05 2	0.03 1	0.07 155	0.06 98

MyStereo07	0.10 50	0.07 69	0.10 44	0.17 113	0.09 130	0.14 153	0.18 229	0.15 26	0.15 69	0.09 15	0.06 2	0.06 3	0.07 31	0.12 100	0.09 19	0.06 54	0.05 106	0.08 161	0.07 159	0.06 101	0.06 98

MyStereo06	0.10 50	0.07 69	0.12 90	0.17 113	0.09 130	0.13 129	0.18 229	0.19 115	0.12 25	0.12 82	0.08 17	0.07 17	0.07 31	0.11 45	0.09 19	0.06 54	0.05 106	0.07 98	0.07 159	0.06 101	0.06 98

AE-Stereo	0.10 50	0.08 139	0.10 44	0.18 180	0.09 130	0.10 56	0.15 114	0.14 15	0.19 127	0.09 15	0.14 79	0.12 87	0.08 49	0.11 45	0.10 49	0.05 2	0.06 187	0.07 98	0.06 85	0.05 40	0.04 7

ACVNet-DCA	0.10 50	0.08 139	0.12 90	0.17 113	0.09 130	0.13 129	0.15 114	0.23 171	0.16 87	0.09 15	0.09 23	0.06 3	0.06 6	0.10 18	0.07 1	0.06 54	0.04 2	0.06 31	0.05 31	0.07 155	0.07 156

cc1	0.10 50	0.08 139	0.12 90	0.17 113	0.09 130	0.13 129	0.15 114	0.16 42	0.18 116	0.09 15	0.09 23	0.06 3	0.06 6	0.10 18	0.07 1	0.06 54	0.04 2	0.06 31	0.05 31	0.06 101	0.06 98

tt1	0.10 50	0.08 139	0.12 90	0.17 113	0.09 130	0.12 104	0.16 169	0.15 26	0.19 127	0.09 15	0.08 17	0.06 3	0.06 6	0.10 18	0.07 1	0.06 54	0.04 2	0.06 31	0.05 31	0.06 101	0.06 98

test croco	0.10 50	0.08 139	0.10 44	0.19 225	0.09 130	0.10 56	0.15 114	0.14 15	0.13 41	0.13 102	0.15 93	0.09 37	0.12 136	0.13 132	0.12 127	0.07 141	0.05 106	0.09 224	0.06 85	0.06 101	0.06 98

Any-RAFT	0.10 50	0.05 6	0.09 28	0.14 13	0.07 18	0.13 129	0.14 69	0.21 138	0.15 69	0.11 58	0.12 60	0.12 87	0.09 66	0.12 100	0.09 19	0.07 141	0.04 2	0.05 2	0.04 8	0.06 101	0.05 51

LL-Strereo2	0.10 50	0.10 235	0.15 190	0.18 180	0.08 47	0.15 175	0.09 3	0.17 72	0.14 58	0.14 122	0.10 37	0.09 37	0.07 31	0.16 196	0.10 49	0.05 2	0.05 106	0.10 265	0.07 159	0.06 101	0.05 51

DCANet-4	0.10 50	0.06 19	0.12 90	0.16 67	0.06 2	0.09 35	0.17 189	0.18 96	0.19 127	0.13 102	0.16 101	0.09 37	0.14 191	0.11 45	0.12 127	0.06 54	0.04 2	0.05 2	0.04 8	0.04 1	0.05 51

fff	0.10 50	0.06 19	0.12 90	0.15 38	0.07 18	0.09 35	0.17 189	0.16 42	0.20 148	0.13 102	0.16 101	0.10 57	0.11 107	0.11 45	0.12 127	0.06 54	0.04 2	0.05 2	0.04 8	0.04 1	0.05 51

ADStereo(finetuned)	0.10 50	0.06 19	0.12 90	0.16 67	0.06 2	0.09 35	0.17 189	0.15 26	0.19 127	0.13 102	0.17 119	0.10 57	0.12 136	0.11 45	0.12 127	0.06 54	0.04 2	0.05 2	0.04 8	0.05 40	0.04 7

test_4	0.10 50	0.10 235	0.08 11	0.19 225	0.09 130	0.08 23	0.22 300	0.15 26	0.17 99	0.12 82	0.18 141	0.12 87	0.09 66	0.08 6	0.11 85	0.04 1	0.04 2	0.08 161	0.08 209	0.04 1	0.03 1

IPLG	0.10 50	0.07 69	0.15 190	0.17 113	0.08 47	0.11 82	0.14 69	0.20 121	0.15 69	0.12 82	0.17 119	0.07 17	0.07 31	0.14 147	0.13 156	0.06 54	0.04 2	0.06 31	0.05 31	0.04 1	0.04 7

test_3	0.10 50	0.09 188	0.10 44	0.20 266	0.08 47	0.13 129	0.26 339	0.14 15	0.21 161	0.10 40	0.10 37	0.09 37	0.09 66	0.08 6	0.11 85	0.05 2	0.04 2	0.08 161	0.07 159	0.04 1	0.04 7

STrans-v2	0.10 50	0.07 69	0.12 90	0.18 180	0.07 18	0.10 56	0.14 69	0.21 138	0.11 17	0.11 58	0.15 93	0.12 87	0.10 87	0.11 45	0.12 127	0.05 2	0.04 2	0.06 31	0.06 85	0.04 1	0.04 7

TransformOpticalFlow	0.10 50	0.08 139	0.13 127	0.18 180	0.07 18	0.09 35	0.15 114	0.19 115	0.15 69	0.12 82	0.17 119	0.11 73	0.11 107	0.11 45	0.10 49	0.05 2	0.04 2	0.06 31	0.06 85	0.05 40	0.05 51

SST-Stereo	0.10 50	0.07 69	0.15 190	0.18 180	0.09 130	0.06 2	0.12 21	0.17 72	0.11 17	0.15 146	0.17 119	0.13 110	0.12 136	0.10 18	0.11 85	0.06 54	0.04 2	0.09 224	0.06 85	0.06 101	0.05 51

cross-raft	0.10 50	0.09 188	0.09 28	0.19 225	0.07 18	0.11 82	0.25 333	0.13 9	0.15 69	0.08 5	0.11 52	0.12 87	0.10 87	0.09 10	0.11 85	0.05 2	0.04 2	0.06 31	0.05 31	0.04 1	0.04 7

test-1	0.10 50	0.07 69	0.16 219	0.19 225	0.08 47	0.11 82	0.24 319	0.14 15	0.18 116	0.09 15	0.07 14	0.09 37	0.08 49	0.07 1	0.09 19	0.06 54	0.04 2	0.06 31	0.05 31	0.04 1	0.04 7

iRaftStereo_RVC	0.10 50	0.07 69	0.09 28	0.17 113	0.09 130	0.11 82	0.17 189	0.18 96	0.12 25	0.09 15	0.12 60	0.10 57	0.07 31	0.11 45	0.10 49	0.05 2	0.04 2	0.08 161	0.08 209	0.04 1	0.04 7

RALCasStereoNet	0.10 50	0.06 19	0.09 28	0.16 67	0.08 47	0.12 104	0.14 69	0.17 72	0.11 17	0.12 82	0.17 119	0.14 125	0.10 87	0.12 100	0.11 85	0.07 141	0.06 187	0.06 31	0.05 31	0.08 197	0.07 156

DCANet	0.10 50	0.06 19	0.12 90	0.16 67	0.06 2	0.09 35	0.17 189	0.15 26	0.19 127	0.13 102	0.17 119	0.10 57	0.11 107	0.11 45	0.12 127	0.06 54	0.04 2	0.05 2	0.04 8	0.05 40	0.04 7

csc	0.10 50	0.06 19	0.12 90	0.15 38	0.07 18	0.09 35	0.17 189	0.16 42	0.20 148	0.13 102	0.16 101	0.10 57	0.11 107	0.11 45	0.12 127	0.06 54	0.04 2	0.05 2	0.04 8	0.04 1	0.05 51

cscssc	0.10 50	0.06 19	0.12 90	0.15 38	0.07 18	0.09 35	0.17 189	0.16 42	0.20 148	0.13 102	0.16 101	0.10 57	0.11 107	0.11 45	0.12 127	0.06 54	0.04 2	0.05 2	0.04 8	0.04 1	0.05 51

111	0.10 50	0.06 19	0.12 90	0.15 38	0.07 18	0.10 56	0.14 69	0.21 138	0.23 180	0.11 58	0.12 60	0.14 125	0.11 107	0.13 132	0.10 49	0.06 54	0.04 2	0.06 31	0.04 8	0.05 40	0.05 51

R-Stereo Train	0.10 50	0.06 19	0.10 44	0.17 113	0.08 47	0.11 82	0.14 69	0.23 171	0.11 17	0.12 82	0.19 146	0.11 73	0.08 49	0.09 10	0.11 85	0.07 141	0.05 106	0.06 31	0.05 31	0.05 40	0.05 51

RAFT-Stereo	0.10 50	0.06 19	0.10 44	0.17 113	0.08 47	0.11 82	0.14 69	0.23 171	0.11 17	0.12 82	0.19 146	0.11 73	0.08 49	0.09 10	0.11 85	0.07 141	0.05 106	0.06 31	0.05 31	0.05 40	0.05 51
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
HITNet	0.10 50	0.06 19	0.12 90	0.14 13	0.06 2	0.11 82	0.10 6	0.18 96	0.18 116	0.13 102	0.16 101	0.14 125	0.11 107	0.15 165	0.13 156	0.06 54	0.04 2	0.04 1	0.04 8	0.06 101	0.05 51
Vladimir Tankovich, Christian HÃ¤ne, Yinda Zhang, Adarsh Kowdle, Sean Fanello, Sofien Bouaziz: HITNet: Hierarchical Iterative Tile Refinement Network for Real-time Stereo Matching. CVPR 2021
xx1	0.11 79	0.08 139	0.12 90	0.17 113	0.09 130	0.13 129	0.15 114	0.16 42	0.18 116	0.09 15	0.09 23	0.16 160	0.16 224	0.10 18	0.07 1	0.06 54	0.04 2	0.08 161	0.08 209	0.07 155	0.07 156

1test111	0.11 79	0.08 139	0.12 90	0.17 113	0.09 130	0.13 129	0.15 114	0.23 171	0.16 87	0.09 15	0.09 23	0.06 3	0.06 6	0.15 165	0.16 221	0.06 54	0.04 2	0.06 31	0.05 31	0.07 155	0.07 156

MIF-Stereo (partial)	0.11 79	0.06 19	0.10 44	0.19 225	0.10 214	0.10 56	0.11 11	0.17 72	0.18 116	0.14 122	0.16 101	0.09 37	0.11 107	0.12 100	0.12 127	0.08 188	0.05 106	0.08 161	0.07 159	0.06 101	0.07 156

EKT-Stereo	0.11 79	0.07 69	0.14 153	0.15 38	0.10 214	0.13 129	0.14 69	0.18 96	0.21 161	0.11 58	0.08 17	0.12 87	0.09 66	0.11 45	0.12 127	0.08 188	0.06 187	0.07 98	0.06 85	0.08 197	0.07 156

anonymousdsp2	0.11 79	0.07 69	0.10 44	0.16 67	0.09 130	0.13 129	0.14 69	0.18 96	0.22 172	0.13 102	0.14 79	0.12 87	0.09 66	0.14 147	0.11 85	0.05 2	0.04 2	0.05 2	0.04 8	0.06 101	0.05 51

DCRE	0.11 79	0.07 69	0.13 127	0.16 67	0.11 252	0.11 82	0.17 189	0.18 96	0.17 99	0.11 58	0.18 141	0.10 57	0.10 87	0.15 165	0.11 85	0.06 54	0.05 106	0.06 31	0.06 85	0.05 40	0.04 7

knoymous	0.11 79	0.05 6	0.12 90	0.13 6	0.07 18	0.15 175	0.14 69	0.19 115	0.13 41	0.11 58	0.17 119	0.13 110	0.09 66	0.13 132	0.11 85	0.08 188	0.05 106	0.06 31	0.05 31	0.08 197	0.07 156

riskmin	0.11 79	0.06 19	0.13 127	0.14 13	0.08 47	0.14 153	0.14 69	0.18 96	0.14 58	0.11 58	0.14 79	0.16 160	0.11 107	0.14 147	0.12 127	0.09 233	0.05 106	0.07 98	0.05 31	0.08 197	0.08 216

Selective-RAFT	0.11 79	0.10 235	0.11 70	0.21 290	0.08 47	0.16 198	0.13 43	0.20 121	0.22 172	0.10 40	0.10 37	0.11 73	0.10 87	0.15 165	0.11 85	0.05 2	0.05 106	0.06 31	0.05 31	0.06 101	0.05 51

DisPM	0.11 79	0.07 69	0.12 90	0.16 67	0.09 130	0.06 2	0.13 43	0.17 72	0.17 99	0.14 122	0.20 157	0.12 87	0.10 87	0.11 45	0.10 49	0.06 54	0.04 2	0.07 98	0.06 85	0.06 101	0.11 290

CIPLG	0.11 79	0.08 139	0.14 153	0.17 113	0.08 47	0.12 104	0.15 114	0.17 72	0.15 69	0.14 122	0.11 52	0.16 160	0.09 66	0.16 196	0.11 85	0.07 141	0.05 106	0.06 31	0.05 31	0.05 40	0.06 98

GLC_STEREO	0.11 79	0.07 69	0.11 70	0.17 113	0.07 18	0.09 35	0.13 43	0.15 26	0.24 190	0.12 82	0.13 70	0.12 87	0.08 49	0.18 228	0.11 85	0.06 54	0.08 266	0.08 161	0.06 85	0.05 40	0.05 51

IPLGR_C	0.11 79	0.08 139	0.14 153	0.17 113	0.08 47	0.12 104	0.15 114	0.17 72	0.15 69	0.14 122	0.10 37	0.16 160	0.09 66	0.16 196	0.11 85	0.07 141	0.05 106	0.06 31	0.05 31	0.05 40	0.06 98

MIPNet	0.11 79	0.08 139	0.14 153	0.17 113	0.09 130	0.12 104	0.14 69	0.20 121	0.24 190	0.11 58	0.10 37	0.09 37	0.07 31	0.13 132	0.12 127	0.06 54	0.04 2	0.06 31	0.05 31	0.04 1	0.04 7

IPLGR	0.11 79	0.09 188	0.16 219	0.18 180	0.08 47	0.12 104	0.17 189	0.21 138	0.24 190	0.11 58	0.12 60	0.11 73	0.08 49	0.12 100	0.12 127	0.06 54	0.05 106	0.06 31	0.06 85	0.04 1	0.04 7

GMOStereo	0.11 79	0.09 188	0.07 2	0.19 225	0.08 47	0.12 104	0.28 351	0.13 9	0.17 99	0.11 58	0.17 119	0.14 125	0.12 136	0.07 1	0.07 1	0.05 2	0.05 106	0.09 224	0.07 159	0.04 1	0.04 7

error version	0.11 79	0.09 188	0.07 2	0.19 225	0.08 47	0.12 104	0.28 351	0.13 9	0.17 99	0.11 58	0.17 119	0.14 125	0.12 136	0.07 1	0.07 1	0.05 2	0.05 106	0.09 224	0.07 159	0.04 1	0.04 7

test-v	0.11 79	0.09 188	0.07 2	0.19 225	0.08 47	0.12 104	0.28 351	0.13 9	0.17 99	0.11 58	0.17 119	0.14 125	0.12 136	0.07 1	0.07 1	0.05 2	0.05 106	0.09 224	0.07 159	0.04 1	0.04 7

ACRE	0.11 79	0.08 139	0.14 153	0.17 113	0.08 47	0.12 104	0.15 114	0.17 72	0.14 58	0.14 122	0.10 37	0.16 160	0.09 66	0.16 196	0.11 85	0.07 141	0.05 106	0.06 31	0.05 31	0.05 40	0.06 98

PFNet+	0.11 79	0.06 19	0.13 127	0.16 67	0.09 130	0.05 1	0.12 21	0.17 72	0.21 161	0.16 171	0.19 146	0.14 125	0.10 87	0.11 45	0.11 85	0.08 188	0.05 106	0.09 224	0.08 209	0.06 101	0.11 290

LCNet	0.11 79	0.07 69	0.09 28	0.19 225	0.09 130	0.08 23	0.15 114	0.21 138	0.15 69	0.11 58	0.15 93	0.16 160	0.11 107	0.12 100	0.11 85	0.05 2	0.04 2	0.08 161	0.07 159	0.06 101	0.15 340

HHNet	0.11 79	0.06 19	0.16 219	0.15 38	0.14 315	0.07 16	0.13 43	0.20 121	0.17 99	0.14 122	0.25 223	0.11 73	0.08 49	0.13 132	0.10 49	0.05 2	0.04 2	0.08 161	0.06 85	0.05 40	0.09 249

Patchmatch Stereo++	0.11 79	0.09 188	0.16 219	0.18 180	0.08 47	0.06 2	0.11 11	0.16 42	0.13 41	0.15 146	0.16 101	0.14 125	0.12 136	0.11 45	0.10 49	0.06 54	0.04 2	0.08 161	0.06 85	0.08 197	0.07 156
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
AAGNet	0.11 79	0.07 69	0.16 219	0.19 225	0.09 130	0.08 23	0.13 43	0.18 96	0.13 41	0.16 171	0.21 171	0.13 110	0.14 191	0.11 45	0.14 184	0.06 54	0.04 2	0.09 224	0.06 85	0.06 101	0.05 51

OMP-Stereo	0.11 79	0.06 19	0.14 153	0.18 180	0.08 47	0.09 35	0.12 21	0.21 138	0.21 161	0.13 102	0.14 79	0.11 73	0.12 136	0.11 45	0.13 156	0.06 54	0.04 2	0.07 98	0.06 85	0.05 40	0.04 7

IIG-Stereo	0.11 79	0.06 19	0.13 127	0.17 113	0.08 47	0.11 82	0.12 21	0.22 154	0.17 99	0.14 122	0.17 119	0.11 73	0.12 136	0.12 100	0.12 127	0.06 54	0.05 106	0.07 98	0.06 85	0.05 40	0.04 7

NF-Stereo	0.11 79	0.07 69	0.13 127	0.17 113	0.09 130	0.10 56	0.14 69	0.23 171	0.19 127	0.12 82	0.17 119	0.12 87	0.11 107	0.11 45	0.11 85	0.06 54	0.04 2	0.07 98	0.06 85	0.06 101	0.12 301

OCTAStereo	0.11 79	0.07 69	0.13 127	0.17 113	0.09 130	0.10 56	0.14 69	0.23 171	0.19 127	0.12 82	0.17 119	0.12 87	0.11 107	0.11 45	0.11 85	0.06 54	0.04 2	0.07 98	0.06 85	0.06 101	0.12 301

NRIStereo	0.11 79	0.08 139	0.14 153	0.18 180	0.08 47	0.10 56	0.14 69	0.16 42	0.15 69	0.12 82	0.14 79	0.13 110	0.12 136	0.13 132	0.10 49	0.06 54	0.04 2	0.07 98	0.06 85	0.06 101	0.07 156

PSM-adaLoss	0.11 79	0.09 188	0.16 219	0.18 180	0.08 47	0.06 2	0.12 21	0.16 42	0.13 41	0.15 146	0.16 101	0.14 125	0.12 136	0.11 45	0.10 49	0.06 54	0.04 2	0.08 161	0.06 85	0.08 197	0.07 156

PSM-AAD	0.11 79	0.07 69	0.10 44	0.19 225	0.09 130	0.10 56	0.15 114	0.20 121	0.13 41	0.12 82	0.14 79	0.18 190	0.11 107	0.11 45	0.10 49	0.05 2	0.05 106	0.09 224	0.08 209	0.06 101	0.14 332

ROB_FTStereo_v2	0.11 79	0.09 188	0.16 219	0.19 225	0.08 47	0.06 2	0.12 21	0.16 42	0.13 41	0.15 146	0.16 101	0.14 125	0.12 136	0.11 45	0.10 49	0.06 54	0.04 2	0.08 161	0.06 85	0.08 197	0.07 156

ROB_FTStereo	0.11 79	0.09 188	0.16 219	0.19 225	0.08 47	0.06 2	0.11 11	0.16 42	0.13 41	0.15 146	0.16 101	0.14 125	0.12 136	0.11 45	0.10 49	0.06 54	0.04 2	0.08 161	0.06 85	0.08 197	0.07 156

KYRaft	0.11 79	0.07 69	0.10 44	0.19 225	0.09 130	0.08 23	0.15 114	0.22 154	0.12 25	0.13 102	0.16 101	0.20 208	0.10 87	0.12 100	0.10 49	0.05 2	0.04 2	0.08 161	0.08 209	0.06 101	0.16 351

HUI-Stereo	0.11 79	0.09 188	0.16 219	0.18 180	0.08 47	0.06 2	0.12 21	0.16 42	0.13 41	0.15 146	0.16 101	0.14 125	0.12 136	0.11 45	0.10 49	0.06 54	0.04 2	0.08 161	0.06 85	0.08 197	0.07 156

ASMatch	0.11 79	0.06 19	0.13 127	0.16 67	0.10 214	0.07 16	0.14 69	0.17 72	0.17 99	0.12 82	0.16 101	0.16 160	0.10 87	0.13 132	0.10 49	0.05 2	0.04 2	0.06 31	0.05 31	0.04 1	0.08 216

RAFT_R40	0.11 79	0.07 69	0.14 153	0.18 180	0.09 130	0.06 2	0.13 43	0.17 72	0.16 87	0.14 122	0.18 141	0.15 149	0.12 136	0.10 18	0.11 85	0.06 54	0.04 2	0.09 224	0.06 85	0.06 101	0.05 51

GrayStereo	0.11 79	0.06 19	0.11 70	0.19 225	0.09 130	0.09 35	0.16 169	0.18 96	0.17 99	0.14 122	0.17 119	0.17 179	0.11 107	0.12 100	0.11 85	0.05 2	0.05 106	0.07 98	0.06 85	0.05 40	0.10 267

RE-Stereo	0.11 79	0.07 69	0.13 127	0.17 113	0.09 130	0.10 56	0.14 69	0.23 171	0.19 127	0.12 82	0.17 119	0.12 87	0.11 107	0.11 45	0.11 85	0.06 54	0.04 2	0.07 98	0.06 85	0.06 101	0.12 301

Pruner-Stereo	0.11 79	0.07 69	0.12 90	0.17 113	0.09 130	0.06 2	0.12 21	0.17 72	0.17 99	0.13 102	0.19 146	0.13 110	0.09 66	0.11 45	0.11 85	0.06 54	0.04 2	0.07 98	0.06 85	0.06 101	0.08 216

TVStereo	0.11 79	0.07 69	0.13 127	0.17 113	0.09 130	0.10 56	0.14 69	0.23 171	0.19 127	0.12 82	0.17 119	0.12 87	0.11 107	0.11 45	0.11 85	0.06 54	0.04 2	0.07 98	0.06 85	0.06 101	0.12 301

DeepStereo_RVC	0.11 79	0.08 139	0.16 219	0.18 180	0.08 47	0.08 23	0.12 21	0.17 72	0.12 25	0.13 102	0.14 79	0.12 87	0.12 136	0.12 100	0.11 85	0.06 54	0.04 2	0.07 98	0.06 85	0.07 155	0.08 216

iGMRVC	0.11 79	0.09 188	0.16 219	0.19 225	0.08 47	0.06 2	0.12 21	0.16 42	0.13 41	0.15 146	0.16 101	0.14 125	0.12 136	0.11 45	0.10 49	0.06 54	0.04 2	0.08 161	0.06 85	0.08 197	0.07 156

RAFT-RH_RVC	0.11 79	0.06 19	0.14 153	0.16 67	0.09 130	0.12 104	0.12 21	0.17 72	0.12 25	0.13 102	0.41 339	0.11 73	0.10 87	0.13 132	0.12 127	0.05 2	0.04 2	0.08 161	0.05 31	0.04 1	0.06 98

RAFT-345	0.11 79	0.07 69	0.15 190	0.16 67	0.08 47	0.08 23	0.12 21	0.15 26	0.10 7	0.11 58	0.36 305	0.09 37	0.09 66	0.11 45	0.12 127	0.05 2	0.05 106	0.07 98	0.06 85	0.04 1	0.05 51

iRAFT	0.11 79	0.09 188	0.16 219	0.18 180	0.08 47	0.06 2	0.11 11	0.16 42	0.13 41	0.15 146	0.16 101	0.14 125	0.12 136	0.11 45	0.10 49	0.06 54	0.04 2	0.08 161	0.06 85	0.08 197	0.07 156

CRE-IMP	0.11 79	0.09 188	0.16 219	0.19 225	0.08 47	0.10 56	0.12 21	0.18 96	0.10 7	0.14 122	0.13 70	0.13 110	0.12 136	0.12 100	0.11 85	0.07 141	0.04 2	0.08 161	0.06 85	0.08 197	0.08 216

test-2	0.11 79	0.09 188	0.07 2	0.19 225	0.08 47	0.12 104	0.28 351	0.13 9	0.17 99	0.11 58	0.17 119	0.14 125	0.12 136	0.07 1	0.07 1	0.05 2	0.05 106	0.09 224	0.07 159	0.04 1	0.04 7

GMM-Stereo	0.11 79	0.07 69	0.10 44	0.18 180	0.09 130	0.08 23	0.15 114	0.23 171	0.16 87	0.11 58	0.15 93	0.13 110	0.11 107	0.11 45	0.11 85	0.05 2	0.04 2	0.08 161	0.07 159	0.06 101	0.09 249

RAFT-IKP	0.11 79	0.09 188	0.16 219	0.19 225	0.08 47	0.06 2	0.12 21	0.16 42	0.13 41	0.15 146	0.16 101	0.14 125	0.12 136	0.11 45	0.10 49	0.06 54	0.04 2	0.08 161	0.06 85	0.08 197	0.07 156

Prome-Stereo	0.11 79	0.06 19	0.10 44	0.18 180	0.08 47	0.12 104	0.15 114	0.22 154	0.13 41	0.12 82	0.17 119	0.13 110	0.08 49	0.12 100	0.10 49	0.05 2	0.04 2	0.07 98	0.06 85	0.06 101	0.09 249

rafts_anoy	0.11 79	0.06 19	0.10 44	0.17 113	0.08 47	0.10 56	0.14 69	0.17 72	0.14 58	0.13 102	0.13 70	0.12 87	0.10 87	0.11 45	0.12 127	0.07 141	0.04 2	0.09 224	0.11 303	0.07 155	0.06 98

raft+_RVC	0.11 79	0.07 69	0.09 28	0.16 67	0.07 18	0.10 56	0.11 11	0.24 188	0.20 148	0.12 82	0.15 93	0.12 87	0.08 49	0.12 100	0.13 156	0.07 141	0.04 2	0.07 98	0.06 85	0.05 40	0.05 51

RALAANet	0.11 79	0.08 139	0.10 44	0.17 113	0.09 130	0.14 153	0.10 6	0.20 121	0.15 69	0.14 122	0.13 70	0.16 160	0.09 66	0.12 100	0.11 85	0.06 54	0.05 106	0.07 98	0.06 85	0.05 40	0.04 7

DIP-Stereo	0.11 79	0.07 69	0.14 153	0.17 113	0.09 130	0.13 129	0.09 3	0.16 42	0.16 87	0.11 58	0.16 101	0.14 125	0.12 136	0.15 165	0.13 156	0.06 54	0.05 106	0.06 31	0.05 31	0.05 40	0.06 98
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
CoDeX	0.12 134	0.07 69	0.12 90	0.17 113	0.08 47	0.12 104	0.15 114	0.23 171	0.27 229	0.13 102	0.17 119	0.16 160	0.11 107	0.14 147	0.11 85	0.07 141	0.05 106	0.07 98	0.06 85	0.06 101	0.05 51

11t1	0.12 134	0.06 19	0.13 127	0.14 13	0.08 47	0.17 217	0.15 114	0.18 96	0.15 69	0.15 146	0.15 93	0.16 160	0.16 224	0.15 165	0.13 156	0.08 188	0.05 106	0.06 31	0.05 31	0.08 197	0.07 156

ffm	0.12 134	0.09 188	0.14 153	0.16 67	0.08 47	0.17 217	0.17 189	0.15 26	0.19 127	0.15 146	0.25 223	0.19 198	0.13 168	0.10 18	0.07 1	0.06 54	0.04 2	0.09 224	0.08 209	0.06 101	0.06 98

RAFT_CTSACE	0.12 134	0.09 188	0.10 44	0.22 303	0.08 47	0.12 104	0.24 319	0.18 96	0.16 87	0.20 239	0.27 245	0.13 110	0.07 31	0.13 132	0.09 19	0.05 2	0.06 187	0.08 161	0.07 159	0.04 1	0.04 7

Sa-1000	0.12 134	0.08 139	0.08 11	0.18 180	0.08 47	0.14 153	0.22 300	0.22 154	0.18 116	0.15 146	0.20 157	0.17 179	0.11 107	0.10 18	0.10 49	0.06 54	0.05 106	0.09 224	0.09 248	0.05 40	0.05 51

SA	0.12 134	0.09 188	0.08 11	0.18 180	0.08 47	0.12 104	0.24 319	0.23 171	0.18 116	0.17 183	0.27 245	0.14 125	0.11 107	0.11 45	0.11 85	0.05 2	0.05 106	0.09 224	0.08 209	0.05 40	0.04 7

iRaft-Stereo_5w	0.12 134	0.09 188	0.12 90	0.19 225	0.08 47	0.09 35	0.12 21	0.21 138	0.21 161	0.19 222	0.14 79	0.11 73	0.09 66	0.20 258	0.16 221	0.05 2	0.05 106	0.07 98	0.06 85	0.05 40	0.06 98

CrosDoStereo	0.12 134	0.06 19	0.12 90	0.14 13	0.08 47	0.12 104	0.15 114	0.17 72	0.22 172	0.19 222	0.24 194	0.15 149	0.11 107	0.11 45	0.12 127	0.06 54	0.04 2	0.07 98	0.07 159	0.05 40	0.05 51

PSM-softLoss	0.12 134	0.07 69	0.15 190	0.17 113	0.09 130	0.08 23	0.13 43	0.24 188	0.17 99	0.14 122	0.19 146	0.13 110	0.11 107	0.11 45	0.11 85	0.07 141	0.05 106	0.08 161	0.07 159	0.06 101	0.12 301

KMStereo	0.12 134	0.07 69	0.15 190	0.17 113	0.09 130	0.08 23	0.13 43	0.24 188	0.17 99	0.14 122	0.19 146	0.13 110	0.11 107	0.11 45	0.11 85	0.07 141	0.05 106	0.08 161	0.07 159	0.06 101	0.12 301

FTStereo	0.12 134	0.06 19	0.14 153	0.18 180	0.09 130	0.07 16	0.15 114	0.21 138	0.18 116	0.12 82	0.24 194	0.12 87	0.12 136	0.13 132	0.13 156	0.05 2	0.05 106	0.07 98	0.06 85	0.06 101	0.10 267

DeepStereo_LL	0.12 134	0.06 19	0.12 90	0.14 13	0.08 47	0.12 104	0.15 114	0.17 72	0.22 172	0.19 222	0.24 194	0.15 149	0.11 107	0.11 45	0.12 127	0.06 54	0.04 2	0.07 98	0.07 159	0.05 40	0.05 51

DEmStereo	0.12 134	0.06 19	0.14 153	0.14 13	0.10 214	0.16 198	0.15 114	0.16 42	0.24 190	0.17 183	0.24 194	0.13 110	0.14 191	0.12 100	0.13 156	0.05 2	0.04 2	0.07 98	0.06 85	0.05 40	0.05 51

THIR-Stereo	0.12 134	0.07 69	0.11 70	0.15 38	0.08 47	0.14 153	0.16 169	0.17 72	0.25 209	0.16 171	0.24 194	0.14 125	0.12 136	0.12 100	0.14 184	0.06 54	0.04 2	0.07 98	0.07 159	0.05 40	0.05 51

DRaft	0.12 134	0.06 19	0.11 70	0.14 13	0.09 130	0.14 153	0.17 189	0.21 138	0.30 254	0.17 183	0.28 254	0.10 57	0.15 204	0.10 18	0.12 127	0.05 2	0.04 2	0.07 98	0.06 85	0.05 40	0.05 51

PFNet	0.12 134	0.06 19	0.17 244	0.17 113	0.08 47	0.09 35	0.15 114	0.26 213	0.20 148	0.16 171	0.16 101	0.14 125	0.11 107	0.12 100	0.11 85	0.06 54	0.04 2	0.07 98	0.06 85	0.05 40	0.05 51

IRAFT_RVC	0.12 134	0.08 139	0.16 219	0.19 225	0.08 47	0.07 16	0.15 114	0.24 188	0.23 180	0.14 122	0.14 79	0.15 149	0.12 136	0.12 100	0.10 49	0.06 54	0.04 2	0.09 224	0.06 85	0.06 101	0.06 98

sCroCo_RVC	0.12 134	0.09 188	0.23 297	0.24 327	0.11 252	0.19 251	0.14 69	0.17 72	0.14 58	0.10 40	0.13 70	0.12 87	0.07 31	0.14 147	0.11 85	0.08 188	0.08 266	0.08 161	0.08 209	0.05 40	0.07 156

ARAFT	0.12 134	0.08 139	0.17 244	0.19 225	0.09 130	0.14 153	0.18 229	0.20 121	0.12 25	0.12 82	0.13 70	0.14 125	0.11 107	0.15 165	0.12 127	0.06 54	0.05 106	0.10 265	0.09 248	0.05 40	0.04 7

BEATNet_4x	0.12 134	0.08 139	0.14 153	0.18 180	0.07 18	0.15 175	0.07 1	0.22 154	0.18 116	0.16 171	0.19 146	0.18 190	0.14 191	0.16 196	0.15 207	0.07 141	0.05 106	0.05 2	0.05 31	0.06 101	0.06 98

MLCV	0.12 134	0.07 69	0.16 219	0.18 180	0.06 2	0.15 175	0.17 189	0.19 115	0.21 161	0.18 209	0.25 223	0.17 179	0.13 168	0.14 147	0.13 156	0.05 2	0.04 2	0.05 2	0.04 8	0.05 40	0.04 7

qqq1	0.13 155	0.07 69	0.17 244	0.14 13	0.08 47	0.16 198	0.17 189	0.26 213	0.27 229	0.19 222	0.20 157	0.18 190	0.15 204	0.15 165	0.11 85	0.08 188	0.05 106	0.05 2	0.05 31	0.06 101	0.06 98

fff1	0.13 155	0.07 69	0.17 244	0.14 13	0.08 47	0.16 198	0.17 189	0.26 213	0.27 229	0.19 222	0.20 157	0.18 190	0.15 204	0.15 165	0.11 85	0.08 188	0.05 106	0.05 2	0.05 31	0.06 101	0.06 98

MyStereo05	0.13 155	0.07 69	0.10 44	0.17 113	0.09 130	0.13 129	0.18 229	0.27 231	0.35 290	0.17 183	0.14 79	0.15 149	0.11 107	0.15 165	0.13 156	0.06 54	0.05 106	0.07 98	0.07 159	0.06 101	0.06 98

MyStereo04	0.13 155	0.07 69	0.10 44	0.17 113	0.09 130	0.14 153	0.18 229	0.29 255	0.38 306	0.17 183	0.14 79	0.16 160	0.10 87	0.15 165	0.13 156	0.06 54	0.05 106	0.08 161	0.07 159	0.06 101	0.06 98

DualNet	0.13 155	0.09 188	0.14 153	0.16 67	0.08 47	0.17 217	0.17 189	0.15 26	0.19 127	0.15 146	0.25 223	0.19 198	0.13 168	0.10 18	0.20 260	0.06 54	0.04 2	0.09 224	0.08 209	0.06 101	0.06 98

ff1	0.13 155	0.09 188	0.14 153	0.16 67	0.08 47	0.17 217	0.17 189	0.15 26	0.19 127	0.15 146	0.25 223	0.19 198	0.13 168	0.14 147	0.20 260	0.06 54	0.04 2	0.09 224	0.08 209	0.06 101	0.06 98

StereoVision	0.13 155	0.12 269	0.09 28	0.24 327	0.10 214	0.15 175	0.21 291	0.21 138	0.20 148	0.12 82	0.24 194	0.10 57	0.10 87	0.16 196	0.10 49	0.09 233	0.11 317	0.12 307	0.12 321	0.06 101	0.05 51

LL-Strereo	0.13 155	0.09 188	0.11 70	0.20 266	0.10 214	0.11 82	0.18 229	0.32 284	0.24 190	0.15 146	0.15 93	0.14 125	0.13 168	0.19 239	0.11 85	0.06 54	0.04 2	0.09 224	0.08 209	0.04 1	0.05 51

CASS	0.13 155	0.12 269	0.11 70	0.23 322	0.09 130	0.15 175	0.17 189	0.18 96	0.19 127	0.17 183	0.18 141	0.15 149	0.15 204	0.14 147	0.14 184	0.09 233	0.06 187	0.10 265	0.08 209	0.09 244	0.07 156
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
anonymousa	0.13 155	0.07 69	0.13 127	0.18 180	0.09 130	0.13 129	0.17 189	0.19 115	0.29 247	0.15 146	0.24 194	0.15 149	0.14 191	0.14 147	0.14 184	0.07 141	0.05 106	0.07 98	0.09 248	0.05 40	0.06 98

TestStereo1	0.13 155	0.08 139	0.08 11	0.19 225	0.08 47	0.18 232	0.29 359	0.23 171	0.16 87	0.17 183	0.20 157	0.16 160	0.10 87	0.12 100	0.13 156	0.06 54	0.06 187	0.08 161	0.06 85	0.05 40	0.05 51

qqq	0.13 155	0.09 188	0.15 190	0.16 67	0.08 47	0.13 129	0.15 114	0.23 171	0.16 87	0.15 146	0.19 146	0.16 160	0.16 224	0.15 165	0.16 221	0.07 141	0.06 187	0.08 161	0.08 209	0.07 155	0.07 156

x	0.13 155	0.07 69	0.14 153	0.14 13	0.08 47	0.18 232	0.14 69	0.22 154	0.20 148	0.15 146	0.19 146	0.19 198	0.17 243	0.18 228	0.18 246	0.07 141	0.05 106	0.06 31	0.06 85	0.07 155	0.07 156

raft_robust	0.13 155	0.10 235	0.07 2	0.18 180	0.08 47	0.13 129	0.24 319	0.28 245	0.33 272	0.20 239	0.19 146	0.14 125	0.10 87	0.11 45	0.12 127	0.05 2	0.05 106	0.07 98	0.07 159	0.05 40	0.04 7

RAFT+CT+SA	0.13 155	0.11 255	0.09 28	0.19 225	0.09 130	0.15 175	0.28 351	0.22 154	0.22 172	0.15 146	0.26 238	0.10 57	0.10 87	0.11 45	0.12 127	0.05 2	0.04 2	0.07 98	0.08 209	0.07 155	0.06 98

SA-5K	0.13 155	0.08 139	0.08 11	0.19 225	0.08 47	0.18 232	0.29 359	0.23 171	0.16 87	0.17 183	0.20 157	0.16 160	0.10 87	0.12 100	0.13 156	0.06 54	0.06 187	0.08 161	0.06 85	0.05 40	0.05 51

GwcNet-ADL	0.13 155	0.08 139	0.14 153	0.20 266	0.09 130	0.11 82	0.20 275	0.30 269	0.24 190	0.13 102	0.14 79	0.18 190	0.14 191	0.13 132	0.14 184	0.07 141	0.05 106	0.06 31	0.05 31	0.07 155	0.06 98

GANet-ADL	0.13 155	0.07 69	0.15 190	0.17 113	0.10 214	0.18 232	0.15 114	0.30 269	0.20 148	0.13 102	0.18 141	0.19 198	0.12 136	0.16 196	0.13 156	0.08 188	0.06 187	0.06 31	0.05 31	0.07 155	0.08 216

RAFT	0.13 155	0.09 188	0.11 70	0.18 180	0.08 47	0.15 175	0.24 319	0.20 121	0.19 127	0.21 247	0.21 171	0.17 179	0.12 136	0.16 196	0.09 19	0.06 54	0.07 244	0.10 265	0.09 248	0.05 40	0.05 51

TestStereo	0.13 155	0.14 302	0.11 70	0.23 322	0.08 47	0.15 175	0.21 291	0.20 121	0.23 180	0.14 122	0.24 194	0.16 160	0.12 136	0.16 196	0.14 184	0.05 2	0.06 187	0.08 161	0.06 85	0.09 244	0.05 51

sAnonymous2	0.13 155	0.12 269	0.24 300	0.20 266	0.12 281	0.17 217	0.13 43	0.26 213	0.21 161	0.11 58	0.11 52	0.13 110	0.08 49	0.10 18	0.10 49	0.09 233	0.05 106	0.08 161	0.06 85	0.15 340	0.10 267

CroCo_RVC	0.13 155	0.12 269	0.24 300	0.20 266	0.12 281	0.17 217	0.13 43	0.26 213	0.21 161	0.11 58	0.11 52	0.13 110	0.08 49	0.10 18	0.10 49	0.09 233	0.05 106	0.08 161	0.06 85	0.15 340	0.10 267

RAFT + AFF	0.13 155	0.07 69	0.20 278	0.20 266	0.10 214	0.14 153	0.24 319	0.26 213	0.20 148	0.11 58	0.10 37	0.12 87	0.10 87	0.15 165	0.12 127	0.07 141	0.06 187	0.09 224	0.08 209	0.06 101	0.08 216

GMStereo	0.13 155	0.14 302	0.14 153	0.18 180	0.09 130	0.15 175	0.16 169	0.20 121	0.24 190	0.16 171	0.17 119	0.10 57	0.10 87	0.16 196	0.13 156	0.07 141	0.06 187	0.06 31	0.06 85	0.07 155	0.06 98
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
SFCPSM	0.13 155	0.07 69	0.14 153	0.17 113	0.09 130	0.15 175	0.16 169	0.28 245	0.27 229	0.14 122	0.17 119	0.12 87	0.13 168	0.14 147	0.11 85	0.08 188	0.05 106	0.07 98	0.07 159	0.07 155	0.06 98

FENet	0.13 155	0.08 139	0.12 90	0.16 67	0.08 47	0.14 153	0.15 114	0.22 154	0.23 180	0.17 183	0.23 186	0.16 160	0.12 136	0.14 147	0.15 207	0.08 188	0.05 106	0.08 161	0.08 209	0.07 155	0.07 156

cf-r	0.13 155	0.07 69	0.12 90	0.16 67	0.08 47	0.14 153	0.19 260	0.20 121	0.25 209	0.17 183	0.25 223	0.21 214	0.16 224	0.14 147	0.14 184	0.10 264	0.05 106	0.06 31	0.08 209	0.06 101	0.06 98

iResNet	0.13 155	0.10 235	0.18 261	0.19 225	0.08 47	0.13 129	0.18 229	0.20 121	0.26 222	0.15 146	0.23 186	0.15 149	0.13 168	0.14 147	0.14 184	0.06 54	0.04 2	0.06 31	0.05 31	0.06 101	0.05 51

DN-CSS_ROB	0.13 155	0.13 290	0.16 219	0.18 180	0.10 214	0.16 198	0.08 2	0.22 154	0.18 116	0.17 183	0.22 180	0.13 110	0.13 168	0.12 100	0.13 156	0.05 2	0.05 106	0.10 265	0.10 280	0.08 197	0.06 98

SMFormer	0.14 184	0.07 69	0.17 244	0.14 13	0.08 47	0.16 198	0.17 189	0.26 213	0.27 229	0.19 222	0.20 157	0.18 190	0.15 204	0.15 165	0.17 232	0.08 188	0.05 106	0.07 98	0.06 85	0.07 155	0.06 98

tta	0.14 184	0.07 69	0.17 244	0.14 13	0.08 47	0.16 198	0.17 189	0.26 213	0.27 229	0.19 222	0.20 157	0.18 190	0.15 204	0.15 165	0.17 232	0.08 188	0.05 106	0.07 98	0.06 85	0.06 101	0.06 98

mmm	0.14 184	0.08 139	0.17 244	0.17 113	0.09 130	0.17 217	0.18 229	0.21 138	0.15 69	0.15 146	0.23 186	0.21 214	0.16 224	0.16 196	0.17 232	0.08 188	0.05 106	0.08 161	0.07 159	0.07 155	0.07 156

mmx	0.14 184	0.09 188	0.14 153	0.16 67	0.08 47	0.17 217	0.17 189	0.27 231	0.25 209	0.15 146	0.25 223	0.19 198	0.13 168	0.14 147	0.20 260	0.08 188	0.06 187	0.09 224	0.08 209	0.08 197	0.08 216

ttt	0.14 184	0.08 139	0.14 153	0.15 38	0.08 47	0.15 175	0.18 229	0.27 231	0.29 247	0.16 171	0.24 194	0.17 179	0.13 168	0.13 132	0.14 184	0.11 285	0.08 266	0.09 224	0.08 209	0.09 244	0.08 216

whm_eth	0.14 184	0.09 188	0.20 278	0.20 266	0.12 281	0.12 104	0.15 114	0.18 96	0.28 240	0.17 183	0.32 281	0.09 37	0.12 136	0.18 228	0.14 184	0.07 141	0.07 244	0.08 161	0.07 159	0.07 155	0.07 156

xxx	0.14 184	0.09 188	0.14 153	0.16 67	0.08 47	0.17 217	0.17 189	0.27 231	0.25 209	0.15 146	0.25 223	0.19 198	0.13 168	0.14 147	0.20 260	0.08 188	0.06 187	0.09 224	0.08 209	0.08 197	0.08 216

PCWNet_CMD	0.14 184	0.08 139	0.15 190	0.17 113	0.09 130	0.14 153	0.14 69	0.29 255	0.36 295	0.14 122	0.20 157	0.21 214	0.12 136	0.17 217	0.13 156	0.07 141	0.05 106	0.07 98	0.07 159	0.07 155	0.07 156

CBFPSM	0.14 184	0.06 19	0.26 307	0.17 113	0.09 130	0.13 129	0.15 114	0.22 154	0.23 180	0.20 239	0.27 245	0.24 249	0.16 224	0.16 196	0.18 246	0.06 54	0.06 187	0.06 31	0.07 159	0.07 155	0.07 156

gwcnet-sp	0.14 184	0.07 69	0.12 90	0.18 180	0.09 130	0.16 198	0.17 189	0.24 188	0.24 190	0.18 209	0.24 194	0.15 149	0.16 224	0.15 165	0.15 207	0.08 188	0.06 187	0.07 98	0.08 209	0.08 197	0.07 156

scenet	0.14 184	0.07 69	0.12 90	0.18 180	0.09 130	0.16 198	0.17 189	0.24 188	0.24 190	0.18 209	0.24 194	0.15 149	0.16 224	0.15 165	0.15 207	0.08 188	0.06 187	0.07 98	0.08 209	0.08 197	0.07 156

ssnet	0.14 184	0.07 69	0.12 90	0.18 180	0.09 130	0.16 198	0.17 189	0.24 188	0.24 190	0.18 209	0.24 194	0.15 149	0.16 224	0.15 165	0.15 207	0.08 188	0.06 187	0.07 98	0.08 209	0.08 197	0.07 156

BUS	0.14 184	0.09 188	0.14 153	0.22 303	0.10 214	0.19 251	0.14 69	0.34 311	0.19 127	0.17 183	0.22 180	0.16 160	0.13 168	0.15 165	0.13 156	0.08 188	0.06 187	0.10 265	0.09 248	0.07 155	0.07 156

IER	0.14 184	0.07 69	0.13 127	0.17 113	0.09 130	0.14 153	0.16 169	0.25 201	0.26 222	0.18 209	0.25 223	0.17 179	0.20 275	0.16 196	0.14 184	0.08 188	0.05 106	0.07 98	0.06 85	0.08 197	0.07 156

test_5	0.14 184	0.12 269	0.08 11	0.20 266	0.10 214	0.14 153	0.29 359	0.21 138	0.24 190	0.18 209	0.28 254	0.11 73	0.15 204	0.12 100	0.13 156	0.06 54	0.05 106	0.07 98	0.08 209	0.08 197	0.07 156

psmg	0.14 184	0.09 188	0.14 153	0.17 113	0.10 214	0.15 175	0.17 189	0.29 255	0.19 127	0.17 183	0.21 171	0.25 259	0.16 224	0.15 165	0.14 184	0.08 188	0.06 187	0.08 161	0.08 209	0.07 155	0.06 98

UDGNet	0.14 184	0.13 290	0.16 219	0.17 113	0.10 214	0.12 104	0.16 169	0.21 138	0.27 229	0.20 239	0.20 157	0.16 160	0.13 168	0.16 196	0.13 156	0.10 264	0.06 187	0.09 224	0.07 159	0.06 101	0.07 156

CFNet_pseudo	0.14 184	0.08 139	0.15 190	0.16 67	0.09 130	0.13 129	0.14 69	0.27 231	0.34 283	0.14 122	0.21 171	0.22 231	0.13 168	0.18 228	0.14 184	0.07 141	0.05 106	0.08 161	0.06 85	0.07 155	0.07 156

Anonymous	0.14 184	0.10 235	0.24 300	0.22 303	0.13 298	0.18 232	0.22 300	0.20 121	0.19 127	0.14 122	0.12 60	0.11 73	0.13 168	0.16 196	0.13 156	0.08 188	0.07 244	0.08 161	0.08 209	0.12 300	0.10 267

GES	0.14 184	0.08 139	0.16 219	0.15 38	0.10 214	0.13 129	0.13 43	0.28 245	0.25 209	0.16 171	0.23 186	0.18 190	0.13 168	0.16 196	0.13 156	0.08 188	0.07 244	0.07 98	0.06 85	0.08 197	0.09 249

GANet-RSSM	0.14 184	0.07 69	0.13 127	0.13 6	0.08 47	0.14 153	0.17 189	0.22 154	0.21 161	0.17 183	0.24 194	0.23 243	0.15 204	0.16 196	0.15 207	0.10 264	0.06 187	0.07 98	0.08 209	0.08 197	0.07 156

PSMNet-RSSM	0.14 184	0.07 69	0.13 127	0.15 38	0.08 47	0.13 129	0.16 169	0.24 188	0.24 190	0.16 171	0.28 254	0.22 231	0.14 191	0.15 165	0.13 156	0.11 285	0.06 187	0.09 224	0.12 321	0.08 197	0.07 156

GwcNet-RSSM	0.14 184	0.07 69	0.12 90	0.15 38	0.08 47	0.15 175	0.20 275	0.21 138	0.27 229	0.18 209	0.27 245	0.22 231	0.16 224	0.14 147	0.15 207	0.10 264	0.05 106	0.07 98	0.09 248	0.07 155	0.07 156

CFNet-ft	0.14 184	0.07 69	0.15 190	0.12 3	0.09 130	0.16 198	0.18 229	0.22 154	0.24 190	0.17 183	0.26 238	0.24 249	0.14 191	0.16 196	0.14 184	0.11 285	0.06 187	0.08 161	0.09 248	0.09 244	0.08 216

DMCA	0.14 184	0.09 188	0.16 219	0.19 225	0.09 130	0.15 175	0.17 189	0.23 171	0.27 229	0.14 122	0.19 146	0.17 179	0.18 252	0.15 165	0.17 232	0.10 264	0.06 187	0.08 161	0.06 85	0.09 244	0.10 267

RASNet	0.14 184	0.07 69	0.14 153	0.16 67	0.08 47	0.18 232	0.14 69	0.29 255	0.20 148	0.17 183	0.25 223	0.21 214	0.18 252	0.20 258	0.19 254	0.07 141	0.06 187	0.06 31	0.08 209	0.06 101	0.06 98

MSMDNet	0.14 184	0.08 139	0.15 190	0.17 113	0.09 130	0.14 153	0.14 69	0.29 255	0.36 295	0.14 122	0.21 171	0.21 214	0.12 136	0.17 217	0.14 184	0.07 141	0.05 106	0.07 98	0.07 159	0.07 155	0.07 156

HSM-Net_RVC	0.14 184	0.08 139	0.11 70	0.15 38	0.08 47	0.15 175	0.15 114	0.27 231	0.29 247	0.19 222	0.21 171	0.29 288	0.14 191	0.17 217	0.13 156	0.06 54	0.06 187	0.06 31	0.06 85	0.07 155	0.06 98
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
CFNet_RVC	0.14 184	0.07 69	0.15 190	0.12 3	0.09 130	0.16 198	0.18 229	0.22 154	0.24 190	0.17 183	0.26 238	0.24 249	0.14 191	0.16 196	0.14 184	0.11 285	0.06 187	0.08 161	0.09 248	0.09 244	0.08 216

ccs_rob	0.14 184	0.08 139	0.15 190	0.16 67	0.09 130	0.12 104	0.14 69	0.27 231	0.34 283	0.14 122	0.21 171	0.22 231	0.13 168	0.18 228	0.14 184	0.07 141	0.05 106	0.08 161	0.07 159	0.07 155	0.07 156

UCFNet_RVC	0.14 184	0.08 139	0.13 127	0.11 1	0.10 214	0.20 263	0.10 6	0.24 188	0.22 172	0.17 183	0.20 157	0.23 243	0.15 204	0.17 217	0.15 207	0.12 309	0.07 244	0.10 265	0.13 330	0.11 286	0.10 267

iResNetv2_ROB	0.14 184	0.08 139	0.15 190	0.16 67	0.08 47	0.16 198	0.12 21	0.25 201	0.35 290	0.21 247	0.29 265	0.24 249	0.13 168	0.14 147	0.14 184	0.06 54	0.05 106	0.06 31	0.04 8	0.09 244	0.08 216

iResNet_ROB	0.14 184	0.07 69	0.13 127	0.14 13	0.07 18	0.18 232	0.14 69	0.26 213	0.31 260	0.22 260	0.25 223	0.23 243	0.15 204	0.15 165	0.13 156	0.07 141	0.05 106	0.05 2	0.04 8	0.08 197	0.08 216

1111x	0.15 217	0.08 139	0.12 90	0.18 180	0.07 18	0.18 232	0.25 333	0.31 275	0.24 190	0.17 183	0.24 194	0.26 267	0.15 204	0.13 132	0.23 298	0.07 141	0.07 244	0.08 161	0.09 248	0.07 155	0.06 98

CFNet_ucs	0.15 217	0.08 139	0.16 219	0.16 67	0.11 252	0.14 153	0.14 69	0.30 269	0.34 283	0.16 171	0.24 194	0.23 243	0.14 191	0.18 228	0.15 207	0.09 233	0.06 187	0.08 161	0.07 159	0.09 244	0.09 249

BSDual-CNN	0.15 217	0.09 188	0.14 153	0.22 303	0.10 214	0.14 153	0.15 114	0.34 311	0.19 127	0.17 183	0.22 180	0.25 259	0.16 224	0.15 165	0.14 184	0.08 188	0.06 187	0.10 265	0.09 248	0.07 155	0.07 156

hknet	0.15 217	0.11 255	0.13 127	0.22 303	0.11 252	0.14 153	0.15 114	0.34 311	0.25 209	0.17 183	0.22 180	0.22 231	0.18 252	0.17 217	0.12 127	0.07 141	0.06 187	0.10 265	0.09 248	0.07 155	0.07 156

dd	0.15 217	0.16 315	0.16 219	0.19 225	0.09 130	0.15 175	0.18 229	0.21 138	0.25 209	0.23 272	0.20 157	0.21 214	0.09 66	0.21 274	0.16 221	0.10 264	0.06 187	0.08 161	0.06 85	0.08 197	0.06 98

DAS	0.15 217	0.08 139	0.18 261	0.19 225	0.10 214	0.19 251	0.17 189	0.27 231	0.29 247	0.18 209	0.25 223	0.21 214	0.15 204	0.16 196	0.12 127	0.08 188	0.06 187	0.06 31	0.06 85	0.07 155	0.07 156

SepStereo	0.15 217	0.08 139	0.18 261	0.19 225	0.10 214	0.19 251	0.17 189	0.27 231	0.29 247	0.18 209	0.25 223	0.21 214	0.15 204	0.25 309	0.12 127	0.08 188	0.06 187	0.06 31	0.06 85	0.07 155	0.07 156

PSMNet-ADL	0.15 217	0.12 269	0.13 127	0.22 303	0.09 130	0.13 129	0.20 275	0.26 213	0.23 180	0.18 209	0.20 157	0.24 249	0.16 224	0.18 228	0.17 232	0.08 188	0.08 266	0.08 161	0.11 303	0.08 197	0.07 156

LMCR-Stereo	0.15 217	0.08 139	0.13 127	0.21 290	0.09 130	0.17 217	0.20 275	0.27 231	0.19 127	0.24 280	0.24 194	0.23 243	0.17 243	0.20 258	0.17 232	0.07 141	0.06 187	0.08 161	0.06 85	0.10 271	0.08 216

ICVP	0.15 217	0.09 188	0.12 90	0.22 303	0.09 130	0.17 217	0.21 291	0.25 201	0.23 180	0.18 209	0.30 269	0.26 267	0.18 252	0.17 217	0.14 184	0.09 233	0.07 244	0.08 161	0.07 159	0.07 155	0.07 156
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
xxxx	0.15 217	0.07 69	0.14 153	0.14 13	0.08 47	0.23 298	0.18 229	0.31 275	0.19 127	0.14 122	0.28 254	0.22 231	0.14 191	0.15 165	0.26 327	0.09 233	0.05 106	0.07 98	0.07 159	0.08 197	0.07 156

test_xeample	0.15 217	0.06 19	0.13 127	0.14 13	0.08 47	0.21 277	0.20 275	0.28 245	0.20 148	0.16 171	0.29 265	0.19 198	0.16 224	0.15 165	0.26 327	0.09 233	0.05 106	0.07 98	0.07 159	0.07 155	0.07 156

ACVNet	0.15 217	0.09 188	0.15 190	0.13 6	0.12 281	0.14 153	0.20 275	0.22 154	0.33 272	0.17 183	0.26 238	0.21 214	0.16 224	0.17 217	0.21 279	0.07 141	0.06 187	0.06 31	0.06 85	0.08 197	0.06 98

acv_ft	0.15 217	0.09 188	0.15 190	0.19 225	0.10 214	0.16 198	0.17 189	0.25 201	0.33 272	0.19 222	0.26 238	0.21 214	0.17 243	0.17 217	0.18 246	0.07 141	0.06 187	0.06 31	0.06 85	0.08 197	0.06 98

CFNet	0.15 217	0.10 235	0.17 244	0.17 113	0.08 47	0.18 232	0.09 3	0.28 245	0.25 209	0.19 222	0.24 194	0.24 249	0.17 243	0.17 217	0.14 184	0.08 188	0.06 187	0.09 224	0.10 280	0.07 155	0.06 98

AdaStereo	0.15 217	0.11 255	0.15 190	0.18 180	0.09 130	0.20 263	0.11 11	0.32 284	0.28 240	0.20 239	0.23 186	0.20 208	0.13 168	0.19 239	0.14 184	0.12 309	0.05 106	0.10 265	0.07 159	0.09 244	0.07 156
Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Zhe Wang, Jianping Shi: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021.
HSM	0.15 217	0.08 139	0.14 153	0.16 67	0.09 130	0.16 198	0.14 69	0.28 245	0.25 209	0.19 222	0.23 186	0.37 334	0.16 224	0.20 258	0.15 207	0.07 141	0.05 106	0.07 98	0.06 85	0.07 155	0.06 98

pmcnn	0.15 217	0.07 69	0.19 270	0.15 38	0.07 18	0.20 263	0.15 114	0.24 188	0.26 222	0.21 247	0.34 298	0.28 281	0.18 252	0.18 228	0.17 232	0.07 141	0.05 106	0.05 2	0.04 8	0.07 155	0.06 98

GMStereo_Zeroshot	0.16 235	0.13 290	0.24 300	0.20 266	0.10 214	0.17 217	0.13 43	0.29 255	0.25 209	0.23 272	0.32 281	0.25 259	0.11 107	0.19 239	0.14 184	0.09 233	0.06 187	0.11 292	0.06 85	0.12 300	0.08 216

iinet-f	0.16 235	0.06 19	0.45 356	0.14 13	0.10 214	0.21 277	0.14 69	0.27 231	0.23 180	0.21 247	0.24 194	0.21 214	0.15 204	0.18 228	0.21 279	0.09 233	0.07 244	0.07 98	0.06 85	0.09 244	0.10 267

CRFU-Net	0.16 235	0.08 139	0.14 153	0.17 113	0.09 130	0.19 251	0.14 69	0.26 213	0.20 148	0.28 315	0.27 245	0.29 288	0.17 243	0.19 239	0.17 232	0.09 233	0.09 289	0.07 98	0.07 159	0.08 197	0.08 216

NINENet	0.16 235	0.10 235	0.15 190	0.17 113	0.11 252	0.19 251	0.14 69	0.40 350	0.36 295	0.18 209	0.21 171	0.16 160	0.13 168	0.15 165	0.13 156	0.08 188	0.08 266	0.10 265	0.07 159	0.10 271	0.09 249

CSP-Net	0.16 235	0.09 188	0.14 153	0.16 67	0.09 130	0.19 251	0.17 189	0.25 201	0.32 266	0.25 293	0.30 269	0.24 249	0.15 204	0.21 274	0.18 246	0.09 233	0.06 187	0.07 98	0.07 159	0.08 197	0.07 156

AASNet	0.16 235	0.08 139	0.12 90	0.19 225	0.09 130	0.18 232	0.15 114	0.37 335	0.37 301	0.19 222	0.23 186	0.20 208	0.16 224	0.17 217	0.20 260	0.10 264	0.08 266	0.08 161	0.07 159	0.09 244	0.09 249

AACVNet	0.16 235	0.08 139	0.14 153	0.15 38	0.10 214	0.18 232	0.15 114	0.23 171	0.24 190	0.27 304	0.27 245	0.28 281	0.17 243	0.19 239	0.16 221	0.09 233	0.07 244	0.09 224	0.07 159	0.10 271	0.09 249

ADLNet2	0.16 235	0.09 188	0.13 127	0.16 67	0.09 130	0.20 263	0.16 169	0.31 275	0.39 309	0.16 171	0.20 157	0.20 208	0.18 252	0.21 274	0.22 288	0.08 188	0.06 187	0.07 98	0.07 159	0.09 244	0.07 156

Anonymous3	0.16 235	0.13 290	0.33 334	0.26 343	0.14 315	0.27 328	0.17 189	0.28 245	0.28 240	0.15 146	0.17 119	0.14 125	0.10 87	0.15 165	0.12 127	0.08 188	0.08 266	0.08 161	0.08 209	0.08 197	0.11 290

ADLNet	0.16 235	0.08 139	0.15 190	0.16 67	0.10 214	0.16 198	0.17 189	0.32 284	0.27 229	0.22 260	0.27 245	0.24 249	0.16 224	0.18 228	0.21 279	0.10 264	0.06 187	0.10 265	0.10 280	0.08 197	0.09 249

HCRNet	0.16 235	0.24 358	0.12 90	0.35 374	0.11 252	0.15 175	0.17 189	0.26 213	0.22 172	0.19 222	0.24 194	0.21 214	0.14 191	0.15 165	0.13 156	0.11 285	0.07 244	0.11 292	0.10 280	0.09 244	0.07 156

222	0.16 235	0.07 69	0.14 153	0.14 13	0.08 47	0.24 303	0.18 229	0.30 269	0.20 148	0.17 183	0.28 254	0.17 179	0.16 224	0.15 165	0.40 374	0.10 264	0.05 106	0.07 98	0.06 85	0.07 155	0.08 216

UPFNet	0.16 235	0.08 139	0.12 90	0.20 266	0.12 281	0.20 263	0.23 310	0.28 245	0.26 222	0.17 183	0.24 194	0.22 231	0.19 267	0.19 239	0.21 279	0.09 233	0.07 244	0.08 161	0.09 248	0.08 197	0.06 98

ac_64	0.16 235	0.08 139	0.15 190	0.18 180	0.10 214	0.22 285	0.18 229	0.24 188	0.21 161	0.18 209	0.24 194	0.29 288	0.18 252	0.19 239	0.22 288	0.09 233	0.07 244	0.08 161	0.09 248	0.07 155	0.06 98

DSFCA	0.16 235	0.09 188	0.14 153	0.16 67	0.10 214	0.20 263	0.19 260	0.28 245	0.31 260	0.23 272	0.24 194	0.22 231	0.15 204	0.19 239	0.20 260	0.10 264	0.07 244	0.09 224	0.09 248	0.08 197	0.08 216

FADNet-RVC-Resample	0.16 235	0.11 255	0.31 329	0.22 303	0.11 252	0.19 251	0.14 69	0.25 201	0.24 190	0.24 280	0.27 245	0.20 208	0.15 204	0.16 196	0.15 207	0.07 141	0.08 266	0.12 307	0.10 280	0.09 244	0.10 267

FADNet_RVC	0.16 235	0.14 302	0.40 351	0.20 266	0.11 252	0.13 129	0.13 43	0.26 213	0.22 172	0.21 247	0.23 186	0.20 208	0.17 243	0.14 147	0.16 221	0.08 188	0.08 266	0.12 307	0.09 248	0.11 286	0.10 267

AANet_RVC	0.16 235	0.10 235	0.10 44	0.18 180	0.09 130	0.18 232	0.19 260	0.26 213	0.31 260	0.22 260	0.35 302	0.21 214	0.21 279	0.22 285	0.16 221	0.06 54	0.05 106	0.06 31	0.06 85	0.07 155	0.06 98

DeepPruner_ROB	0.16 235	0.11 255	0.15 190	0.17 113	0.10 214	0.17 217	0.15 114	0.32 284	0.21 161	0.19 222	0.21 171	0.22 231	0.18 252	0.20 258	0.15 207	0.13 329	0.09 289	0.09 224	0.09 248	0.11 286	0.10 267

ToySt	0.17 254	0.11 255	0.18 261	0.17 113	0.11 252	0.16 198	0.25 333	0.24 188	0.33 272	0.19 222	0.24 194	0.26 267	0.24 300	0.19 239	0.20 260	0.07 141	0.08 266	0.09 224	0.10 280	0.09 244	0.08 216

ssnet_v2	0.17 254	0.10 235	0.17 244	0.17 113	0.11 252	0.21 277	0.21 291	0.33 301	0.25 209	0.22 260	0.22 180	0.27 274	0.18 252	0.22 285	0.20 260	0.11 285	0.09 289	0.09 224	0.09 248	0.08 197	0.08 216

dad	0.17 254	0.20 344	0.20 278	0.16 67	0.11 252	0.20 263	0.18 229	0.21 138	0.28 240	0.30 324	0.24 194	0.29 288	0.13 168	0.19 239	0.16 221	0.18 360	0.09 289	0.11 292	0.09 248	0.11 286	0.07 156

GEStereo_RVC	0.17 254	0.12 269	0.15 190	0.22 303	0.11 252	0.19 251	0.17 189	0.32 284	0.48 343	0.20 239	0.25 223	0.17 179	0.13 168	0.21 274	0.16 221	0.10 264	0.06 187	0.08 161	0.07 159	0.09 244	0.08 216

MMNet	0.17 254	0.09 188	0.16 219	0.20 266	0.11 252	0.27 328	0.20 275	0.25 201	0.41 318	0.22 260	0.30 269	0.21 214	0.20 275	0.17 217	0.20 260	0.06 54	0.06 187	0.07 98	0.07 159	0.08 197	0.07 156

delet	0.17 254	0.08 139	0.17 244	0.19 225	0.11 252	0.20 263	0.21 291	0.30 269	0.37 301	0.17 183	0.26 238	0.19 198	0.19 267	0.19 239	0.21 279	0.08 188	0.08 266	0.09 224	0.11 303	0.06 101	0.06 98

UNet	0.17 254	0.09 188	0.18 261	0.19 225	0.12 281	0.27 328	0.19 260	0.33 301	0.29 247	0.21 247	0.24 194	0.23 243	0.19 267	0.19 239	0.18 246	0.07 141	0.06 187	0.08 161	0.07 159	0.08 197	0.06 98

HGLStereo	0.17 254	0.08 139	0.19 270	0.17 113	0.12 281	0.18 232	0.18 229	0.31 275	0.32 266	0.21 247	0.32 281	0.25 259	0.18 252	0.19 239	0.20 260	0.09 233	0.09 289	0.07 98	0.07 159	0.09 244	0.10 267

DMCA-RVC	0.17 254	0.10 235	0.15 190	0.24 327	0.11 252	0.18 232	0.18 229	0.25 201	0.24 190	0.21 247	0.26 238	0.25 259	0.27 319	0.18 228	0.20 260	0.12 309	0.08 266	0.13 321	0.10 280	0.10 271	0.08 216

TDLM	0.17 254	0.12 269	0.13 127	0.24 327	0.10 214	0.18 232	0.18 229	0.36 330	0.30 254	0.21 247	0.28 254	0.28 281	0.18 252	0.23 296	0.18 246	0.11 285	0.07 244	0.10 265	0.10 280	0.08 197	0.08 216

NLCA_NET_v2_RVC	0.17 254	0.10 235	0.22 288	0.20 266	0.10 214	0.15 175	0.18 229	0.31 275	0.25 209	0.21 247	0.30 269	0.25 259	0.17 243	0.21 274	0.20 260	0.09 233	0.06 187	0.08 161	0.08 209	0.07 155	0.08 216
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
StereoDRNet-Refined	0.17 254	0.12 269	0.15 190	0.20 266	0.09 130	0.18 232	0.18 229	0.26 213	0.23 180	0.26 298	0.40 329	0.22 231	0.17 243	0.21 274	0.20 260	0.08 188	0.05 106	0.09 224	0.10 280	0.07 155	0.07 156
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
fast-acv-ft	0.18 266	0.11 255	0.19 270	0.19 225	0.12 281	0.24 303	0.21 291	0.25 201	0.34 283	0.22 260	0.34 298	0.27 274	0.20 275	0.21 274	0.23 298	0.09 233	0.09 289	0.08 161	0.10 280	0.08 197	0.07 156

HBP-ISP	0.18 266	0.13 290	0.16 219	0.15 38	0.11 252	0.08 23	0.13 43	0.28 245	0.29 247	0.22 260	0.33 294	0.21 214	0.25 308	0.23 296	0.17 232	0.14 340	0.16 355	0.21 361	0.17 354	0.10 271	0.08 216

Wz-Net-LNSev-Ref	0.18 266	0.09 188	0.29 324	0.15 38	0.10 214	0.22 285	0.20 275	0.26 213	0.39 309	0.25 293	0.42 345	0.24 249	0.15 204	0.20 258	0.19 254	0.07 141	0.05 106	0.06 31	0.05 31	0.10 271	0.09 249

SACVNet	0.18 266	0.12 269	0.14 153	0.17 113	0.13 298	0.22 285	0.18 229	0.31 275	0.30 254	0.23 272	0.31 277	0.30 296	0.22 288	0.22 285	0.17 232	0.11 285	0.08 266	0.10 265	0.10 280	0.12 300	0.14 332

psm_up	0.18 266	0.10 235	0.18 261	0.20 266	0.11 252	0.17 217	0.19 260	0.37 335	0.34 283	0.21 247	0.28 254	0.29 288	0.24 300	0.20 258	0.22 288	0.09 233	0.10 307	0.11 292	0.11 303	0.08 197	0.08 216

hitnet-ft	0.18 266	0.09 188	0.17 244	0.14 13	0.09 130	0.26 321	0.20 275	0.25 201	0.26 222	0.24 280	0.32 281	0.31 306	0.22 288	0.24 304	0.21 279	0.12 309	0.07 244	0.10 265	0.08 209	0.12 300	0.11 290

STTStereo	0.18 266	0.12 269	0.27 313	0.20 266	0.11 252	0.16 198	0.21 291	0.29 255	0.23 180	0.21 247	0.30 269	0.29 288	0.18 252	0.20 258	0.19 254	0.12 309	0.11 317	0.11 292	0.14 334	0.09 244	0.08 216

CVANet_RVC	0.18 266	0.10 235	0.14 153	0.21 290	0.10 214	0.18 232	0.17 189	0.34 311	0.33 272	0.22 260	0.31 277	0.28 281	0.18 252	0.23 296	0.17 232	0.12 309	0.08 266	0.12 307	0.11 303	0.09 244	0.07 156

StereoDRNet	0.18 266	0.11 255	0.17 244	0.22 303	0.11 252	0.21 277	0.22 300	0.37 335	0.33 272	0.24 280	0.28 254	0.30 296	0.19 267	0.20 258	0.20 260	0.09 233	0.08 266	0.11 292	0.09 248	0.09 244	0.07 156

DLCB_ROB	0.18 266	0.10 235	0.15 190	0.23 322	0.11 252	0.24 303	0.18 229	0.29 255	0.28 240	0.27 304	0.28 254	0.28 281	0.24 300	0.19 239	0.20 260	0.08 188	0.08 266	0.09 224	0.09 248	0.07 155	0.07 156

SDNR	0.19 276	0.08 139	0.19 270	0.16 67	0.12 281	0.77 398	0.14 69	0.25 201	0.32 266	0.19 222	0.24 194	0.19 198	0.13 168	0.19 239	0.15 207	0.16 354	0.18 362	0.14 331	0.11 303	0.08 197	0.11 290

pcwnet_v2	0.19 276	0.10 235	0.26 307	0.17 113	0.14 315	0.18 232	0.15 114	0.37 335	0.46 341	0.19 222	0.24 194	0.21 214	0.19 267	0.20 258	0.19 254	0.13 329	0.10 307	0.10 265	0.10 280	0.11 286	0.13 315

ADCRef	0.19 276	0.12 269	0.41 353	0.20 266	0.12 281	0.22 285	0.18 229	0.32 284	0.36 295	0.26 298	0.32 281	0.17 179	0.23 294	0.24 304	0.24 308	0.07 141	0.06 187	0.09 224	0.09 248	0.08 197	0.08 216

NVstereo2D	0.19 276	0.10 235	0.15 190	0.17 113	0.15 326	0.28 334	0.23 310	0.44 365	0.42 324	0.15 146	0.27 245	0.25 259	0.19 267	0.22 285	0.17 232	0.09 233	0.06 187	0.10 265	0.08 209	0.15 340	0.09 249

DRN-Test	0.19 276	0.11 255	0.20 278	0.22 303	0.10 214	0.22 285	0.22 300	0.39 346	0.37 301	0.24 280	0.32 281	0.26 267	0.21 279	0.22 285	0.24 308	0.11 285	0.07 244	0.11 292	0.10 280	0.09 244	0.07 156

DISCO	0.19 276	0.09 188	0.22 288	0.17 113	0.10 214	0.25 313	0.18 229	0.27 231	0.44 333	0.22 260	0.31 277	0.33 318	0.26 311	0.28 325	0.28 342	0.08 188	0.06 187	0.07 98	0.07 159	0.09 244	0.09 249

CBMV_ROB	0.19 276	0.13 290	0.17 244	0.16 67	0.11 252	0.15 175	0.13 43	0.26 213	0.28 240	0.27 304	0.30 269	0.27 274	0.24 300	0.23 296	0.16 221	0.15 343	0.17 360	0.22 365	0.20 360	0.10 271	0.11 290

NOSS_ROB	0.19 276	0.12 269	0.18 261	0.16 67	0.12 281	0.15 175	0.12 21	0.30 269	0.32 266	0.20 239	0.22 180	0.27 274	0.23 294	0.21 274	0.16 221	0.16 354	0.18 362	0.23 366	0.21 362	0.12 300	0.13 315

CBMV	0.19 276	0.14 302	0.17 244	0.18 180	0.10 214	0.20 263	0.11 11	0.29 255	0.30 254	0.29 321	0.30 269	0.30 296	0.23 294	0.27 314	0.19 254	0.13 329	0.15 352	0.17 348	0.16 347	0.10 271	0.10 267
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
GwcNet	0.20 285	0.13 290	0.19 270	0.18 180	0.12 281	0.24 303	0.19 260	0.35 324	0.43 329	0.20 239	0.32 281	0.33 318	0.20 275	0.22 285	0.24 308	0.11 285	0.09 289	0.09 224	0.09 248	0.09 244	0.10 267

FAT-Stereo	0.20 285	0.12 269	0.22 288	0.21 290	0.12 281	0.17 217	0.18 229	0.34 311	0.39 309	0.27 304	0.37 311	0.34 324	0.32 347	0.21 274	0.20 260	0.09 233	0.11 317	0.10 265	0.09 248	0.11 286	0.14 332

FADNet-RVC	0.20 285	0.20 344	0.38 347	0.21 290	0.16 336	0.20 263	0.15 114	0.26 213	0.26 222	0.26 298	0.32 281	0.26 267	0.21 279	0.22 285	0.19 254	0.12 309	0.13 339	0.12 307	0.14 334	0.13 317	0.18 360

S-Stereo	0.20 285	0.12 269	0.25 306	0.21 290	0.13 298	0.20 263	0.18 229	0.32 284	0.43 329	0.23 272	0.36 305	0.28 281	0.30 339	0.19 239	0.22 288	0.09 233	0.12 326	0.10 265	0.10 280	0.13 317	0.13 315

SuperB	0.20 285	0.10 235	0.56 370	0.16 67	0.09 130	0.18 232	0.18 229	0.24 188	0.50 350	0.26 298	0.39 324	0.17 179	0.21 279	0.22 285	0.21 279	0.08 188	0.06 187	0.06 31	0.06 85	0.12 300	0.10 267

ADCP+	0.20 285	0.10 235	0.33 334	0.20 266	0.12 281	0.22 285	0.26 339	0.31 275	0.34 283	0.26 298	0.37 311	0.22 231	0.22 288	0.27 314	0.27 334	0.09 233	0.06 187	0.08 161	0.08 209	0.09 244	0.10 267

PS-NSSS	0.20 285	0.21 350	0.23 297	0.20 266	0.10 214	0.19 251	0.17 189	0.36 330	0.25 209	0.27 304	0.33 294	0.27 274	0.24 300	0.20 258	0.20 260	0.15 343	0.12 326	0.17 348	0.14 334	0.10 271	0.08 216

PWCDC_ROB	0.20 285	0.13 290	0.22 288	0.24 327	0.11 252	0.19 251	0.15 114	0.33 301	0.54 359	0.29 321	0.50 360	0.21 214	0.15 204	0.27 314	0.20 260	0.11 285	0.09 289	0.10 265	0.08 209	0.11 286	0.09 249

SGM-Forest	0.20 285	0.14 302	0.18 261	0.19 225	0.13 298	0.20 263	0.22 300	0.33 301	0.30 254	0.24 280	0.29 265	0.28 281	0.19 267	0.23 296	0.17 232	0.15 343	0.16 355	0.15 339	0.14 334	0.12 300	0.12 301
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
UDG	0.21 294	0.17 326	0.19 270	0.23 322	0.15 326	0.30 340	0.20 275	0.33 301	0.35 290	0.23 272	0.28 254	0.31 306	0.27 319	0.20 258	0.22 288	0.15 343	0.12 326	0.13 321	0.09 248	0.14 329	0.14 332

FINET	0.21 294	0.18 336	0.26 307	0.18 180	0.16 336	0.23 298	0.23 310	0.32 284	0.48 343	0.25 293	0.32 281	0.22 231	0.22 288	0.22 285	0.17 232	0.18 360	0.16 355	0.11 292	0.10 280	0.15 340	0.13 315

Syn2CoEx	0.21 294	0.16 315	0.27 313	0.29 364	0.14 315	0.26 321	0.20 275	0.33 301	0.31 260	0.28 315	0.36 305	0.27 274	0.25 308	0.19 239	0.24 308	0.16 354	0.12 326	0.14 331	0.11 303	0.09 244	0.08 216

FADNet	0.21 294	0.22 354	0.36 343	0.18 180	0.17 349	0.24 303	0.13 43	0.31 275	0.31 260	0.23 272	0.25 223	0.27 274	0.21 279	0.19 239	0.15 207	0.13 329	0.15 352	0.12 307	0.15 345	0.16 347	0.18 360

RP	0.21 294	0.13 290	0.21 283	0.23 322	0.11 252	0.21 277	0.20 275	0.25 201	0.44 333	0.21 247	0.38 316	0.36 330	0.24 300	0.27 314	0.25 317	0.11 285	0.12 326	0.13 321	0.12 321	0.12 300	0.14 332

DANet	0.21 294	0.15 308	0.28 318	0.25 338	0.13 298	0.22 285	0.19 260	0.27 231	0.27 229	0.28 315	0.32 281	0.35 328	0.31 343	0.31 336	0.23 298	0.11 285	0.09 289	0.11 292	0.10 280	0.13 317	0.11 290
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
GANet	0.21 294	0.12 269	0.21 283	0.24 327	0.13 298	0.22 285	0.22 300	0.41 355	0.26 222	0.31 330	0.42 345	0.37 334	0.28 327	0.23 296	0.22 288	0.10 264	0.12 326	0.10 265	0.09 248	0.10 271	0.08 216

PWC_ROB	0.21 294	0.16 315	0.26 307	0.18 180	0.11 252	0.22 285	0.13 43	0.32 284	0.49 348	0.30 324	0.40 329	0.32 315	0.24 300	0.31 336	0.22 288	0.10 264	0.07 244	0.11 292	0.08 209	0.11 286	0.10 267

PSMNet_ROB	0.21 294	0.11 255	0.15 190	0.27 354	0.15 326	0.24 303	0.35 377	0.43 363	0.37 301	0.27 304	0.32 281	0.32 315	0.22 288	0.21 274	0.26 327	0.12 309	0.08 266	0.13 321	0.11 303	0.09 244	0.09 249

GASNet	0.22 303	0.23 355	0.33 334	0.26 343	0.17 349	0.26 321	0.16 169	0.44 365	0.42 324	0.27 304	0.24 194	0.30 296	0.15 204	0.27 314	0.18 246	0.12 309	0.08 266	0.12 307	0.11 303	0.16 347	0.07 156

Anonymous_2	0.22 303	0.17 326	0.28 318	0.15 38	0.16 336	0.32 343	0.22 300	0.22 154	0.17 99	0.23 272	0.24 194	0.26 267	0.27 319	0.27 314	0.23 298	0.22 372	0.25 380	0.17 348	0.17 354	0.17 354	0.17 358

Wz-Net-LNSev	0.22 303	0.16 315	0.38 347	0.21 290	0.13 298	0.25 313	0.23 310	0.32 284	0.43 329	0.30 324	0.41 339	0.31 306	0.18 252	0.22 285	0.25 317	0.10 264	0.09 289	0.08 161	0.08 209	0.12 300	0.11 290

Wz-Net-MNSev	0.22 303	0.13 290	0.31 329	0.20 266	0.14 315	0.36 362	0.24 319	0.33 301	0.44 333	0.28 315	0.40 329	0.38 338	0.19 267	0.24 304	0.25 317	0.09 233	0.07 244	0.09 224	0.09 248	0.12 300	0.10 267

DDUNet	0.22 303	0.17 326	0.21 283	0.22 303	0.15 326	0.25 313	0.24 319	0.29 255	0.30 254	0.31 330	0.36 305	0.33 318	0.25 308	0.24 304	0.20 260	0.18 360	0.13 339	0.17 348	0.11 303	0.16 347	0.16 351

APVNet	0.22 303	0.12 269	0.19 270	0.18 180	0.14 315	0.32 343	0.31 373	0.39 346	0.32 266	0.27 304	0.40 329	0.30 296	0.29 335	0.26 311	0.25 317	0.11 285	0.12 326	0.11 292	0.14 334	0.12 300	0.12 301

aanetorigin	0.22 303	0.17 326	0.56 370	0.17 113	0.10 214	0.15 175	0.19 260	0.20 121	0.33 272	0.49 371	0.48 355	0.29 288	0.27 319	0.20 258	0.23 298	0.08 188	0.07 244	0.08 161	0.07 159	0.10 271	0.09 249

MaskLacGwcNet_RVC	0.22 303	0.21 350	0.24 300	0.26 343	0.11 252	0.23 298	0.14 69	0.39 346	0.24 190	0.32 336	0.36 305	0.30 296	0.21 279	0.19 239	0.21 279	0.17 358	0.14 346	0.21 361	0.16 347	0.12 300	0.12 301

AF-Net	0.22 303	0.17 326	0.17 244	0.26 343	0.13 298	0.25 313	0.24 319	0.32 284	0.50 350	0.25 293	0.33 294	0.38 338	0.26 311	0.28 325	0.25 317	0.11 285	0.10 307	0.16 345	0.11 303	0.11 286	0.10 267

stereogan	0.22 303	0.11 255	0.21 283	0.20 266	0.12 281	0.31 342	0.19 260	0.35 324	0.44 333	0.22 260	0.39 324	0.35 328	0.27 319	0.33 344	0.22 288	0.10 264	0.12 326	0.10 265	0.10 280	0.14 329	0.13 315

edge stereo	0.22 303	0.13 290	0.20 278	0.21 290	0.13 298	0.23 298	0.16 169	0.32 284	0.42 324	0.32 336	0.40 329	0.38 338	0.35 354	0.25 309	0.24 308	0.13 329	0.11 317	0.14 331	0.11 303	0.12 300	0.13 315

RYNet	0.22 303	0.12 269	0.22 288	0.19 225	0.17 349	0.46 369	0.26 339	0.38 342	0.48 343	0.24 280	0.28 254	0.34 324	0.23 294	0.20 258	0.30 349	0.10 264	0.06 187	0.09 224	0.09 248	0.13 317	0.15 340

NaN_ROB	0.22 303	0.19 339	0.24 300	0.25 338	0.13 298	0.29 337	0.26 339	0.33 301	0.41 318	0.31 330	0.31 277	0.32 315	0.23 294	0.30 335	0.21 279	0.11 285	0.17 360	0.10 265	0.10 280	0.08 197	0.09 249

MDST_ROB	0.22 303	0.10 235	0.17 244	0.18 180	0.11 252	0.37 363	0.19 260	0.43 363	0.41 318	0.39 352	0.39 324	0.29 288	0.21 279	0.26 311	0.18 246	0.11 285	0.10 307	0.14 331	0.11 303	0.10 271	0.08 216

XPNet_ROB	0.22 303	0.11 255	0.19 270	0.22 303	0.13 298	0.22 285	0.19 260	0.34 311	0.40 315	0.30 324	0.39 324	0.39 346	0.26 311	0.26 311	0.28 342	0.15 343	0.10 307	0.10 265	0.10 280	0.13 317	0.12 301

SQANet	0.23 318	0.23 355	0.30 327	0.30 366	0.19 358	0.27 328	0.13 43	0.29 255	0.33 272	0.24 280	0.37 311	0.31 306	0.22 288	0.27 314	0.23 298	0.15 343	0.10 307	0.21 361	0.16 347	0.21 363	0.15 340

Nwc_Net	0.23 318	0.16 315	0.21 283	0.25 338	0.14 315	0.24 303	0.26 339	0.37 335	0.38 306	0.22 260	0.41 339	0.30 296	0.28 327	0.28 325	0.25 317	0.11 285	0.10 307	0.17 348	0.20 360	0.10 271	0.10 267

RTSC	0.23 318	0.12 269	0.28 318	0.21 290	0.13 298	0.28 334	0.16 169	0.35 324	0.66 378	0.27 304	0.33 294	0.30 296	0.21 279	0.31 336	0.29 345	0.10 264	0.08 266	0.09 224	0.10 280	0.13 317	0.13 315

PA-Net	0.23 318	0.18 336	0.33 334	0.28 357	0.22 365	0.21 277	0.38 382	0.29 255	0.39 309	0.22 260	0.32 281	0.25 259	0.26 311	0.20 258	0.25 317	0.09 233	0.23 378	0.15 339	0.22 365	0.09 244	0.13 315
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
Anonymous Stereo	0.23 318	0.19 339	0.50 362	0.24 327	0.17 349	0.21 277	0.21 291	0.33 301	0.44 333	0.25 293	0.34 298	0.26 267	0.18 252	0.31 336	0.27 334	0.13 329	0.12 326	0.12 307	0.13 330	0.11 286	0.14 332

NCCL2	0.23 318	0.15 308	0.17 244	0.34 372	0.18 356	0.24 303	0.23 310	0.34 311	0.28 240	0.31 330	0.38 316	0.38 338	0.28 327	0.23 296	0.24 308	0.15 343	0.12 326	0.18 356	0.21 362	0.13 317	0.13 315

ETE_ROB	0.23 318	0.17 326	0.22 288	0.25 338	0.13 298	0.26 321	0.29 359	0.31 275	0.36 295	0.28 315	0.36 305	0.45 360	0.26 311	0.27 314	0.26 327	0.11 285	0.08 266	0.12 307	0.09 248	0.14 329	0.13 315

SGM_RVC	0.23 318	0.12 269	0.15 190	0.15 38	0.09 130	0.33 349	0.18 229	0.34 311	0.31 260	0.44 367	0.37 311	0.53 373	0.35 354	0.35 353	0.24 308	0.13 329	0.13 339	0.13 321	0.13 330	0.10 271	0.11 290
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
DGSMNet	0.24 326	0.19 339	0.33 334	0.21 290	0.24 368	0.24 303	0.20 275	0.35 324	0.41 318	0.24 280	0.32 281	0.38 338	0.21 279	0.29 332	0.23 298	0.12 309	0.11 317	0.14 331	0.16 347	0.23 366	0.23 372

G-Net	0.24 326	0.16 315	0.36 343	0.22 303	0.16 336	0.51 375	0.23 310	0.29 255	0.34 283	0.36 344	0.38 316	0.31 306	0.29 335	0.27 314	0.26 327	0.11 285	0.09 289	0.12 307	0.09 248	0.16 347	0.13 315

NCC-stereo	0.24 326	0.15 308	0.31 329	0.26 343	0.16 336	0.20 263	0.30 367	0.40 350	0.40 315	0.24 280	0.38 316	0.33 318	0.28 327	0.36 358	0.27 334	0.12 309	0.11 317	0.15 339	0.22 365	0.13 317	0.13 315

Abc-Net	0.24 326	0.15 308	0.31 329	0.26 343	0.16 336	0.20 263	0.30 367	0.40 350	0.40 315	0.24 280	0.38 316	0.33 318	0.28 327	0.36 358	0.27 334	0.12 309	0.11 317	0.15 339	0.22 365	0.13 317	0.13 315
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
ADCL	0.24 326	0.11 255	0.47 360	0.22 303	0.12 281	0.34 352	0.29 359	0.29 255	0.56 362	0.24 280	0.46 352	0.30 296	0.30 339	0.29 332	0.29 345	0.08 188	0.07 244	0.09 224	0.09 248	0.10 271	0.10 267

DeepPrunerF	0.24 326	0.17 326	0.42 354	0.26 343	0.16 336	0.22 285	0.28 351	0.37 335	0.50 350	0.26 298	0.29 265	0.24 249	0.28 327	0.21 274	0.22 288	0.15 343	0.11 317	0.20 360	0.18 358	0.12 300	0.13 315

FBW_ROB	0.24 326	0.17 326	0.22 288	0.26 343	0.14 315	0.25 313	0.22 300	0.41 355	0.41 318	0.41 359	0.41 339	0.42 352	0.27 319	0.31 336	0.23 298	0.09 233	0.14 346	0.14 331	0.12 321	0.11 286	0.09 249

SANet	0.24 326	0.14 302	0.28 318	0.21 290	0.11 252	0.27 328	0.24 319	0.38 342	0.64 375	0.36 344	0.40 329	0.43 356	0.26 311	0.27 314	0.24 308	0.12 309	0.09 289	0.10 265	0.09 248	0.13 317	0.11 290

WCMA_ROB	0.24 326	0.11 255	0.22 288	0.17 113	0.14 315	0.32 343	0.15 114	0.32 284	0.32 266	0.38 350	0.53 362	0.40 349	0.34 352	0.34 347	0.25 317	0.11 285	0.12 326	0.12 307	0.10 280	0.14 329	0.14 332

Wz-Net-SNSev	0.25 335	0.17 326	0.44 355	0.25 338	0.14 315	0.26 321	0.23 310	0.38 342	0.56 362	0.30 324	0.55 365	0.39 346	0.26 311	0.23 296	0.30 349	0.10 264	0.09 289	0.09 224	0.10 280	0.11 286	0.11 290

psmorigin	0.25 335	0.15 308	0.34 342	0.17 113	0.13 298	0.23 298	0.14 69	0.34 311	0.33 272	0.41 359	0.55 365	0.41 351	0.37 358	0.34 347	0.27 334	0.11 285	0.15 352	0.11 292	0.11 303	0.12 300	0.16 351

RGC	0.25 335	0.20 344	0.29 324	0.28 357	0.16 336	0.22 285	0.23 310	0.32 284	0.44 333	0.27 304	0.40 329	0.38 338	0.27 319	0.36 358	0.22 288	0.11 285	0.13 339	0.17 348	0.17 354	0.14 329	0.16 351

ADCMid	0.25 335	0.15 308	0.40 351	0.20 266	0.14 315	0.25 313	0.26 339	0.34 311	0.38 306	0.36 344	0.44 350	0.34 324	0.40 364	0.35 353	0.33 360	0.10 264	0.09 289	0.11 292	0.11 303	0.13 317	0.12 301

ADCPNet	0.25 335	0.16 315	0.61 374	0.21 290	0.15 326	0.35 360	0.25 333	0.32 284	0.35 290	0.30 324	0.40 329	0.36 330	0.28 327	0.28 325	0.32 357	0.12 309	0.10 307	0.11 292	0.12 321	0.14 329	0.13 315

STTRV1_RVC	0.25 335	0.26 364	0.39 349	0.19 225	0.26 375	0.30 340	0.24 319	0.34 311	0.35 290	0.36 344	0.34 298	0.31 306	0.31 343	0.28 325	0.25 317	0.17 358	0.10 307	0.16 345	0.14 334	0.17 354	0.12 301

LALA_ROB	0.25 335	0.16 315	0.22 288	0.26 343	0.17 349	0.27 328	0.27 346	0.42 360	0.37 301	0.33 340	0.38 316	0.51 370	0.26 311	0.28 325	0.27 334	0.16 354	0.09 289	0.12 307	0.11 303	0.13 317	0.12 301

SHD	0.26 342	0.15 308	0.30 327	0.24 327	0.18 356	0.22 285	0.15 114	0.38 342	0.71 382	0.32 336	0.41 339	0.36 330	0.28 327	0.32 342	0.29 345	0.12 309	0.11 317	0.14 331	0.13 330	0.16 347	0.20 366

AnyNet_C32	0.26 342	0.16 315	0.36 343	0.20 266	0.16 336	0.25 313	0.30 367	0.32 284	0.44 333	0.31 330	0.49 356	0.30 296	0.33 348	0.40 370	0.33 360	0.12 309	0.12 326	0.12 307	0.14 334	0.14 329	0.15 340

PDISCO_ROB	0.27 344	0.16 315	0.26 307	0.28 357	0.20 361	0.32 343	0.26 339	0.44 365	0.57 364	0.28 315	0.40 329	0.45 360	0.29 335	0.33 344	0.34 362	0.12 309	0.09 289	0.17 348	0.16 347	0.17 354	0.13 315

DispFullNet	0.27 344	0.21 350	0.65 377	0.28 357	0.16 336	0.26 321	0.17 189	0.33 301	0.58 367	0.27 304	0.38 316	0.43 356	0.23 294	0.38 363	0.23 298	0.12 309	0.06 187	0.19 358	0.11 303	0.21 363	0.15 340

MeshStereo	0.27 344	0.13 290	0.18 261	0.15 38	0.11 252	0.32 343	0.24 319	0.40 350	0.36 295	0.52 373	0.57 371	0.67 384	0.40 364	0.35 353	0.26 327	0.14 340	0.13 339	0.13 321	0.11 303	0.11 286	0.10 267
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
WZ-Net	0.28 347	0.17 326	0.78 391	0.22 303	0.16 336	0.34 352	0.29 359	0.39 346	0.57 364	0.24 280	0.55 365	0.37 334	0.24 300	0.33 344	0.35 363	0.09 233	0.08 266	0.09 224	0.10 280	0.14 329	0.16 351

XQC	0.28 347	0.23 355	0.51 363	0.28 357	0.19 358	0.34 352	0.27 346	0.36 330	0.57 364	0.31 330	0.30 269	0.37 334	0.30 339	0.38 363	0.38 370	0.13 329	0.09 289	0.15 339	0.12 321	0.17 354	0.18 360

CC-Net-ROB	0.28 347	0.31 374	0.36 343	0.29 364	0.15 326	0.25 313	0.19 260	0.45 368	0.33 272	0.39 352	0.37 311	0.39 346	0.31 343	0.27 314	0.26 327	0.24 378	0.19 365	0.30 379	0.23 369	0.18 358	0.15 340

DPSNet	0.28 347	0.16 315	0.31 329	0.18 180	0.13 298	0.54 377	0.42 386	0.51 377	0.67 379	0.29 321	0.38 316	0.38 338	0.29 335	0.31 336	0.23 298	0.11 285	0.10 307	0.11 292	0.08 209	0.20 362	0.16 351

Wz-Net-TNSev	0.29 351	0.20 344	0.65 377	0.19 225	0.15 326	0.38 365	0.27 346	0.35 324	0.55 360	0.34 341	0.42 345	0.45 360	0.38 359	0.32 342	0.30 349	0.12 309	0.13 339	0.10 265	0.12 321	0.15 340	0.14 332

ccnet	0.29 351	0.28 369	0.23 297	0.20 266	0.28 377	0.41 368	0.21 291	0.45 368	0.33 272	0.36 344	0.46 352	0.36 330	0.30 339	0.39 366	0.42 378	0.23 376	0.14 346	0.21 361	0.17 354	0.23 366	0.18 360

EDNetEfficient	0.29 351	0.24 358	1.13 401	0.18 180	0.10 214	0.19 251	0.20 275	0.20 121	0.60 371	0.74 390	0.56 370	0.31 306	0.39 361	0.22 285	0.30 349	0.09 233	0.07 244	0.08 161	0.07 159	0.11 286	0.09 249

ADCS	0.29 351	0.18 336	0.45 356	0.21 290	0.17 349	0.28 334	0.23 310	0.41 355	0.63 374	0.40 355	0.49 356	0.40 349	0.36 356	0.39 366	0.40 374	0.13 329	0.12 326	0.13 321	0.14 334	0.16 347	0.16 351

CSAN	0.29 351	0.24 358	0.27 313	0.34 372	0.19 358	0.33 349	0.42 386	0.37 335	0.50 350	0.38 350	0.40 329	0.44 358	0.33 348	0.28 325	0.30 349	0.20 366	0.16 355	0.19 358	0.19 359	0.14 329	0.15 340

MFN_U_SF_DS_RVC	0.30 356	0.24 358	0.29 324	0.36 376	0.16 336	0.34 352	0.30 367	0.32 284	0.42 324	0.40 355	0.46 352	0.38 338	0.31 343	0.34 347	0.28 342	0.19 364	0.20 368	0.26 368	0.29 377	0.18 358	0.19 365

GANetREF_RVC	0.31 357	0.34 377	0.27 313	0.35 374	0.16 336	0.32 343	0.41 383	0.48 372	0.51 357	0.35 342	0.35 302	0.34 324	0.33 348	0.39 366	0.32 357	0.27 380	0.20 368	0.29 377	0.15 345	0.18 358	0.17 358
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
MSMD_ROB	0.31 357	0.26 364	0.26 307	0.24 327	0.21 363	0.34 352	0.25 333	0.34 311	0.39 309	0.40 355	0.69 379	0.45 360	0.40 364	0.34 347	0.27 334	0.20 366	0.19 365	0.26 368	0.25 371	0.23 366	0.22 370

MFN_U_SF_RVC	0.32 359	0.21 350	0.55 368	0.30 366	0.15 326	0.34 352	0.17 189	0.52 378	0.46 341	0.46 370	0.55 365	0.59 376	0.39 361	0.35 353	0.37 368	0.15 343	0.14 346	0.18 356	0.21 362	0.16 347	0.15 340

PASM	0.32 359	0.24 358	0.48 361	0.28 357	0.27 376	0.29 337	0.30 367	0.34 311	0.49 348	0.35 342	0.39 324	0.46 364	0.34 352	0.34 347	0.35 363	0.23 376	0.25 380	0.26 368	0.28 376	0.23 366	0.21 368

SGM-ForestM	0.32 359	0.12 269	0.16 219	0.16 67	0.11 252	0.39 366	0.19 260	0.41 355	0.50 350	0.52 373	0.54 364	1.32 403	0.42 371	0.40 370	0.27 334	0.14 340	0.16 355	0.16 345	0.16 347	0.12 300	0.12 301

FCDSN-DC	0.33 362	0.28 369	0.28 318	0.30 366	0.24 368	0.39 366	0.28 351	0.42 360	0.42 324	0.43 365	0.53 362	0.51 370	0.41 368	0.36 358	0.30 349	0.21 369	0.20 368	0.27 371	0.26 372	0.25 374	0.24 373
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
FC-DCNN	0.33 362	0.27 366	0.28 318	0.26 343	0.23 367	0.37 363	0.28 351	0.40 350	0.43 329	0.45 368	0.55 365	0.51 370	0.40 364	0.37 362	0.30 349	0.21 369	0.20 368	0.27 371	0.26 372	0.25 374	0.24 373

LSM	0.33 362	0.20 344	0.58 372	0.26 343	0.60 398	0.34 352	0.25 333	0.42 360	0.48 343	0.45 368	0.58 373	0.42 352	0.36 356	0.35 353	0.25 317	0.12 309	0.20 368	0.14 331	0.16 347	0.19 361	0.33 386

AnyNet_C01	0.36 365	0.25 363	1.37 404	0.22 303	0.17 349	0.48 373	0.27 346	0.35 324	0.39 309	0.39 352	0.74 385	0.46 364	0.38 359	0.45 374	0.47 383	0.13 329	0.13 339	0.13 321	0.14 334	0.14 329	0.15 340

otaku	0.39 366	0.37 380	0.52 364	0.44 382	0.28 377	0.58 379	0.24 319	0.41 355	0.62 373	0.40 355	0.49 356	0.46 364	0.33 348	0.40 370	0.32 357	0.30 381	0.30 384	0.39 383	0.33 382	0.29 379	0.28 380

ACVNet-4b	0.39 366	0.53 386	0.55 368	0.45 383	0.24 368	0.47 371	0.18 229	0.49 374	0.64 375	0.42 362	0.45 351	0.60 377	0.27 319	0.34 347	0.24 308	0.33 384	0.14 346	0.48 387	0.42 387	0.30 380	0.26 379

PVD	0.39 366	0.20 344	0.39 349	0.31 370	0.22 365	0.29 337	0.43 388	0.52 378	0.96 395	0.55 376	0.79 389	0.53 373	0.59 386	0.52 380	0.38 370	0.19 364	0.14 346	0.17 348	0.14 334	0.24 373	0.31 384

Ntro	0.40 369	0.40 382	0.53 365	0.46 386	0.30 381	0.65 385	0.24 319	0.46 370	0.68 380	0.41 359	0.49 356	0.48 368	0.42 371	0.39 366	0.31 356	0.32 383	0.28 382	0.37 382	0.30 379	0.32 384	0.29 381

SAMSARA	0.40 369	0.28 369	0.33 334	0.55 389	0.39 383	0.82 399	1.23 413	0.47 371	0.51 357	0.36 344	0.35 302	0.55 375	0.39 361	0.38 363	0.39 372	0.15 343	0.20 368	0.15 339	0.14 334	0.23 366	0.20 366

ELAS_RVC	0.41 371	0.29 372	0.33 334	0.28 357	0.24 368	0.54 377	0.36 378	0.49 374	0.59 368	0.72 386	0.74 385	0.65 382	0.54 380	0.54 384	0.40 374	0.22 372	0.20 368	0.27 371	0.26 372	0.26 377	0.25 377
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS	0.41 371	0.29 372	0.33 334	0.27 354	0.24 368	0.60 382	0.36 378	0.50 376	0.50 350	0.71 384	0.79 389	0.67 384	0.54 380	0.51 378	0.42 378	0.22 372	0.20 368	0.27 371	0.26 372	0.26 377	0.25 377
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
MSC_U_SF_DS_RVC	0.43 373	0.39 381	0.54 366	0.40 378	0.20 361	0.64 384	0.32 375	0.53 380	0.72 383	0.71 384	0.72 382	0.61 378	0.54 380	0.51 378	0.46 382	0.20 366	0.19 365	0.29 377	0.30 379	0.23 366	0.18 360

ACVNet_1	0.44 374	0.49 385	0.60 373	0.45 383	0.28 377	0.49 374	0.27 346	0.57 385	0.72 383	0.62 379	0.58 373	0.74 388	0.49 377	0.50 377	0.35 363	0.26 379	0.24 379	0.39 383	0.29 377	0.31 383	0.24 373

Consistency-Raft	0.44 374	0.40 382	0.45 356	0.37 377	0.43 386	0.46 369	0.41 383	0.57 385	0.55 360	0.32 336	0.73 383	0.33 318	0.48 376	0.42 373	0.49 385	0.39 386	0.35 386	0.45 386	0.51 394	0.42 386	0.29 381

RTS	0.45 376	0.19 339	3.26 411	0.24 327	0.15 326	0.74 392	0.20 275	0.36 330	0.76 388	0.42 362	0.43 348	0.31 306	0.41 368	0.53 382	0.35 363	0.10 264	0.08 266	0.13 321	0.12 321	0.15 340	0.15 340

RTSA	0.45 376	0.19 339	3.26 411	0.24 327	0.15 326	0.74 392	0.20 275	0.36 330	0.76 388	0.42 362	0.43 348	0.31 306	0.41 368	0.53 382	0.35 363	0.10 264	0.08 266	0.13 321	0.12 321	0.15 340	0.15 340

MANE	0.45 376	0.27 366	0.27 313	0.27 354	0.24 368	0.47 371	0.31 373	0.55 382	0.59 368	0.72 386	1.13 405	1.15 397	0.61 387	0.52 380	0.37 368	0.21 369	0.20 368	0.27 371	0.31 381	0.25 374	0.24 373

FADE	0.45 376	0.33 376	1.03 400	0.33 371	0.25 374	0.35 360	0.29 359	0.64 389	1.07 396	0.43 365	0.41 339	0.42 352	0.53 379	0.70 392	0.51 389	0.30 381	0.21 377	0.41 385	0.38 385	0.23 366	0.22 370

NVStereoNet_ROB	0.46 380	0.36 379	0.46 359	0.41 380	0.28 377	0.34 352	0.34 376	0.48 372	0.60 371	0.72 386	0.93 394	0.70 387	0.66 390	0.47 375	0.60 393	0.22 372	0.33 385	0.34 381	0.34 384	0.30 380	0.30 383
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
LE_ROB	0.50 381	0.07 69	0.14 153	0.15 38	0.08 47	0.24 303	0.16 169	0.22 154	1.81 412	4.63 416	0.67 377	0.47 367	0.44 373	0.20 258	0.29 345	0.07 141	0.06 187	0.06 31	0.06 85	0.08 197	0.06 98

BEATNet-Init1	0.52 382	0.27 366	0.62 375	0.30 366	0.21 363	0.76 396	0.29 359	0.54 381	0.65 377	0.86 395	0.95 396	2.07 413	0.62 389	0.56 386	0.42 378	0.18 360	0.18 362	0.23 366	0.22 365	0.22 365	0.21 368

anonymity	0.53 383	0.58 388	0.65 377	0.41 380	0.61 399	0.53 376	0.41 383	0.56 383	0.41 318	0.55 376	0.50 360	0.49 369	0.55 383	0.58 387	0.50 388	0.58 397	0.50 398	0.51 389	0.51 394	0.51 388	0.57 395

RainbowNet	0.54 384	0.61 390	0.70 389	0.57 390	0.43 386	0.65 385	0.37 381	0.60 387	0.87 392	0.50 372	0.66 376	0.64 380	0.47 375	0.49 376	0.43 381	0.47 392	0.48 394	0.52 391	0.41 386	0.52 389	0.40 391

SGM+DAISY	0.56 385	0.57 387	0.65 377	0.40 378	0.54 391	0.66 387	0.49 390	0.56 383	0.45 340	0.66 380	0.69 379	0.67 384	0.56 384	0.63 389	0.56 391	0.59 398	0.48 394	0.50 388	0.50 393	0.52 389	0.58 396

SPS-STEREO	0.57 386	0.58 388	0.65 377	0.45 383	0.55 393	0.62 383	0.44 389	0.62 388	0.50 350	0.68 382	0.64 375	0.66 383	0.57 385	0.61 388	0.60 393	0.62 400	0.47 393	0.51 389	0.49 391	0.55 393	0.58 396
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
MFMNet_re	0.64 387	0.66 394	0.65 377	0.51 387	0.69 403	0.69 388	0.57 396	0.64 389	0.73 386	0.60 378	0.73 383	0.62 379	0.67 391	0.65 390	0.60 393	0.66 401	0.58 407	0.63 393	0.59 397	0.68 399	0.69 405

IMH-64-1	0.65 388	0.61 390	0.68 385	0.71 393	0.51 389	0.59 380	0.49 390	0.91 397	0.85 390	0.74 390	1.02 398	0.81 389	0.78 395	0.79 394	0.49 385	0.42 388	0.46 389	0.71 395	0.47 389	0.52 389	0.39 389

IMH-64	0.65 388	0.61 390	0.68 385	0.71 393	0.51 389	0.59 380	0.49 390	0.91 397	0.85 390	0.74 390	1.02 398	0.81 389	0.78 395	0.79 394	0.49 385	0.42 388	0.46 389	0.71 395	0.47 389	0.52 389	0.39 389

ACVNet_2	0.66 390	0.66 394	0.68 385	0.63 391	0.41 384	0.71 390	0.49 390	0.96 401	1.39 405	0.89 396	1.09 401	1.04 393	0.73 393	0.54 384	0.47 383	0.43 390	0.40 388	0.53 392	0.44 388	0.47 387	0.35 388

JetBlue	0.71 391	0.45 384	1.14 402	0.51 387	0.47 388	2.02 413	0.64 400	0.75 392	0.70 381	0.69 383	0.77 388	1.22 399	0.83 397	1.03 409	1.01 409	0.40 387	0.28 382	0.33 380	0.33 382	0.30 380	0.34 387

IMH	0.71 391	0.64 393	0.68 385	0.76 395	0.54 391	0.69 388	0.54 394	0.98 403	1.10 398	0.82 394	1.09 401	0.89 391	0.88 400	0.87 402	0.52 390	0.44 391	0.50 398	0.75 398	0.51 394	0.56 394	0.41 392

PWCK	0.71 391	0.94 406	0.95 398	0.76 395	0.31 382	0.74 392	0.36 378	0.90 396	0.90 393	0.96 399	0.75 387	0.95 392	0.61 387	0.87 402	0.66 396	0.72 402	0.46 389	0.75 398	0.49 391	0.69 401	0.44 393

MADNet+	0.75 394	0.71 396	3.70 414	0.66 392	0.41 384	0.98 404	0.97 411	0.69 391	0.73 386	0.52 373	0.57 371	0.64 380	0.68 392	0.86 401	1.01 409	0.34 385	0.36 387	0.28 376	0.23 369	0.36 385	0.31 384

TorneroNet-64	0.76 395	0.72 397	0.74 390	0.78 397	0.58 397	0.91 403	0.56 395	0.84 395	1.29 402	0.66 380	0.90 392	1.40 405	0.75 394	0.85 400	0.67 399	0.49 393	0.46 389	0.72 397	0.59 397	0.67 398	0.53 394

WAO-7	0.79 396	0.78 399	0.54 366	0.85 401	0.67 402	0.74 392	0.68 404	1.05 406	1.32 403	0.90 397	1.20 408	1.04 393	0.92 401	0.69 391	0.66 396	0.60 399	0.62 408	0.67 394	0.68 402	0.64 395	0.58 396

WAO-6	0.81 397	0.80 400	0.62 375	0.86 402	0.63 400	0.76 396	0.58 397	0.98 403	1.54 410	0.90 397	0.96 397	1.07 395	1.03 405	0.70 392	0.66 396	0.72 402	0.49 396	0.90 405	0.71 403	0.68 399	0.58 396

TorneroNet	0.82 398	0.74 398	0.81 395	0.84 400	0.63 400	0.99 405	0.63 398	0.96 401	1.16 399	0.80 393	1.11 403	1.36 404	0.86 399	0.93 405	0.80 404	0.56 395	0.49 396	0.78 402	0.66 401	0.73 404	0.63 404

LVE	0.83 399	0.85 403	0.85 396	0.80 398	0.56 394	1.04 409	0.65 401	1.05 406	1.47 408	0.96 399	1.22 409	1.10 396	0.85 398	0.83 397	0.71 401	0.49 393	0.55 404	0.76 400	0.60 399	0.65 396	0.59 401

Dean	0.87 400	0.86 404	0.79 393	0.81 399	0.56 394	0.90 400	0.63 398	1.15 411	1.73 411	1.15 406	1.15 406	1.31 402	0.99 404	0.81 396	0.81 405	0.57 396	0.56 405	0.77 401	0.64 400	0.66 397	0.58 396

WAO-8	0.91 401	0.81 401	0.65 377	0.94 405	0.69 403	0.90 400	0.67 402	1.07 408	1.83 413	1.06 404	1.45 411	1.30 400	1.07 406	0.84 398	0.78 402	0.74 404	0.53 401	0.86 403	0.75 404	0.69 401	0.62 402

Venus	0.91 401	0.81 401	0.65 377	0.94 405	0.69 403	0.90 400	0.67 402	1.07 408	1.83 413	1.06 404	1.45 411	1.30 400	1.07 406	0.84 398	0.78 402	0.74 404	0.53 401	0.86 403	0.75 404	0.69 401	0.62 402

UNDER WATER-64	0.95 403	0.94 406	1.43 406	0.87 403	0.56 394	1.18 412	0.87 408	0.77 393	0.94 394	1.04 402	0.85 391	1.58 410	1.21 411	0.94 406	0.96 407	0.87 408	0.57 406	1.03 408	0.88 409	0.78 406	0.73 406

UNDER WATER	0.97 404	0.97 408	1.42 405	0.99 407	0.70 406	1.12 411	0.84 407	0.80 394	1.08 397	1.01 401	0.90 392	1.55 409	1.22 412	1.03 409	1.00 408	0.78 406	0.53 401	1.02 407	0.87 408	0.80 407	0.74 407

notaker	0.97 404	1.11 409	0.98 399	1.13 409	0.81 407	0.73 391	0.68 404	0.93 399	1.16 399	1.18 408	1.18 407	1.41 406	1.16 410	1.08 411	0.69 400	0.81 407	0.64 409	1.17 410	0.79 406	0.98 409	0.80 410

ktn	1.01 406	1.21 411	0.80 394	1.23 412	0.86 409	1.01 407	0.87 408	0.94 400	1.39 405	1.04 402	1.12 404	1.15 397	1.07 406	0.94 406	0.59 392	1.28 414	0.71 411	1.38 414	0.83 407	1.02 411	0.75 408

KSHMR	1.09 407	1.17 410	0.88 397	1.25 413	1.00 412	0.99 405	0.96 410	1.13 410	1.37 404	1.16 407	1.29 410	1.41 406	0.96 403	1.01 408	0.92 406	1.03 411	1.08 413	1.20 411	1.03 412	1.01 410	0.97 412

DPSimNet_ROB	1.11 408	1.23 412	0.78 391	1.13 409	0.88 410	1.10 410	1.13 412	1.16 412	1.23 401	1.43 410	1.02 398	1.41 406	1.10 409	0.90 404	1.60 411	1.46 415	0.51 400	1.21 412	1.03 412	0.90 408	1.01 414

HanzoNet	1.29 409	1.26 413	1.19 403	1.12 408	0.85 408	1.02 408	0.83 406	1.03 405	1.48 409	1.64 411	1.61 413	2.50 415	1.72 413	1.61 413	1.61 412	1.26 413	0.80 412	1.31 413	1.01 411	1.02 411	0.86 411

JetRed	1.62 410	1.46 414	2.98 410	0.92 404	1.21 413	4.99 415	1.53 415	1.27 413	1.39 405	1.83 412	1.74 414	1.60 411	0.95 402	1.41 412	2.45 415	0.90 410	1.60 415	0.93 406	0.90 410	1.35 413	0.99 413

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

coex-ft	3.30 412	0.34 377	59.09 436	0.18 180	0.13 298	0.26 321	0.22 300	0.27 231	0.72 383	1.90 413	0.70 381	0.44 358	0.45 374	0.29 332	0.41 377	0.09 233	0.09 289	0.12 307	0.09 248	0.14 329	0.13 315

ASD4	3.54 413	3.38 417	2.05 409	1.72 414	2.51 417	9.03 419	17.71 420	2.25 414	5.51 417	2.46 414	2.81 416	2.03 412	3.36 415	2.73 415	5.06 416	1.22 412	1.34 414	1.13 409	1.33 414	1.68 414	1.49 416

tt	4.67 414	0.06 19	3.55 413	2.02 416	1.55 414	10.25 420	16.71 419	8.91 423	5.03 416	1.31 409	0.94 395	4.71 416	4.76 416	3.33 416	5.87 418	6.06 423	10.30 427	1.88 417	2.11 418	2.75 416	1.21 415

xxxxx1	7.79 415	5.02 420	7.31 417	3.12 417	3.85 418	16.35 423	22.88 421	5.86 420	8.69 419	7.97 419	8.54 417	9.12 421	8.27 419	10.18 421	10.92 419	2.42 417	2.45 418	3.56 420	12.37 424	3.77 417	3.06 419

tt_ll	7.79 415	5.02 420	7.31 417	3.12 417	3.85 418	16.35 423	22.88 421	5.86 420	8.69 419	7.97 419	8.54 417	9.12 421	8.27 419	10.18 421	10.92 419	2.42 417	2.45 418	3.56 420	12.37 424	3.77 417	3.06 419

ff	7.79 415	5.02 420	7.31 417	3.12 417	3.85 418	16.35 423	22.88 421	5.86 420	8.69 419	7.97 419	8.54 417	9.12 421	8.27 419	10.18 421	10.92 419	2.42 417	2.45 418	3.56 420	12.37 424	3.77 417	3.06 419

EDNetEfficientorigin	7.91 418	0.31 374	153.02 437	0.19 225	0.09 130	0.21 277	0.16 169	0.22 154	0.59 368	0.72 386	0.67 377	0.42 352	0.50 378	0.24 304	0.39 372	0.08 188	0.07 244	0.08 161	0.07 159	0.12 300	0.10 267

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

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

PML	8.91 421	9.34 426	6.13 415	5.35 420	6.41 421	14.99 422	23.38 426	5.27 416	6.83 418	18.04 427	28.19 436	7.67 419	6.83 418	7.85 420	5.75 417	5.35 422	1.83 417	5.95 426	1.93 417	8.64 424	2.52 418

DLNR_Zeroshot_test	10.40 422	1.82 416	19.49 432	120.77 437	13.11 427	0.06 2	0.13 43	0.23 171	0.10 7	0.07 2	0.10 37	0.09 37	0.06 6	0.10 18	0.09 19	0.13 329	0.04 2	0.06 31	0.04 8	51.54 436	0.04 7

LRCNet_RVC	10.62 423	13.42 427	7.30 416	18.92 427	2.07 416	0.33 349	0.30 367	5.59 419	0.48 343	13.03 425	17.94 426	8.87 420	5.65 417	4.79 417	1.89 413	23.51 434	2.73 421	27.55 435	25.71 435	16.07 432	16.33 433

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

DPSM_ROB	11.15 425	8.58 424	8.00 421	10.88 424	11.58 425	19.10 428	26.71 428	12.05 425	14.07 426	10.36 423	10.84 423	10.33 425	11.86 425	11.70 425	13.54 425	6.99 425	8.79 425	5.89 424	6.95 419	7.29 422	7.42 425

DPSM	11.15 425	8.58 424	8.00 421	10.88 424	11.58 425	19.10 428	26.71 428	12.05 425	14.07 426	10.36 423	10.84 423	10.33 425	11.86 425	11.70 425	13.54 425	6.99 425	8.79 425	5.89 424	6.95 419	7.29 422	7.42 425

SPstereo	13.84 427	0.93 405	1.50 407	1.22 411	0.88 410	28.82 430	48.26 430	26.77 437	29.54 436	22.37 435	22.60 434	23.23 435	24.68 435	24.53 435	15.06 427	0.88 409	0.69 410	1.83 416	1.60 416	0.74 405	0.77 409

HaxPig	15.71 428	18.52 434	19.18 431	16.89 426	15.89 428	7.73 416	7.60 416	13.31 427	10.82 422	15.42 426	14.91 425	15.98 427	14.92 427	15.58 427	15.98 428	18.95 433	16.73 428	19.46 433	18.08 433	19.26 433	19.05 434

MEDIAN_ROB	20.38 429	24.04 435	23.31 433	21.23 428	21.71 429	10.40 421	7.92 417	17.64 428	15.50 428	20.12 428	19.70 427	20.34 428	20.32 428	21.19 428	21.13 429	23.81 435	21.81 435	24.98 434	23.76 434	24.71 434	23.93 435

CasAABBNet	22.42 430	17.33 429	16.01 425	22.01 432	23.28 433	38.32 431	53.80 435	24.14 430	28.41 431	20.60 429	21.77 429	20.89 433	23.91 433	23.43 429	27.36 431	14.07 427	17.69 430	11.83 431	14.01 428	14.67 429	14.95 431

MyStereo03	22.45 431	17.33 429	16.21 427	21.95 429	23.27 430	38.32 431	53.79 432	24.21 431	28.46 432	20.87 432	21.85 431	20.80 429	23.87 429	23.46 430	27.40 433	14.08 428	17.71 432	11.82 427	14.03 429	14.65 426	14.89 427

MyStereo02	22.45 431	17.33 429	16.21 427	21.95 429	23.27 430	38.32 431	53.79 432	24.21 431	28.46 432	20.87 432	21.85 431	20.80 429	23.87 429	23.46 430	27.40 433	14.08 428	17.71 432	11.82 427	14.03 429	14.65 426	14.89 427

MyStereo	22.45 431	17.33 429	16.21 427	21.95 429	23.27 430	38.32 431	53.79 432	24.21 431	28.46 432	20.87 432	21.85 431	20.80 429	23.87 429	23.46 430	27.40 433	14.08 428	17.71 432	11.82 427	14.03 429	14.65 426	14.89 427

Selective-RAFT-Error	22.47 434	17.37 433	16.09 426	22.06 433	23.34 434	38.39 435	53.83 436	24.29 435	28.47 435	20.74 430	21.83 430	20.81 432	23.90 432	23.54 434	27.53 436	14.08 428	17.69 430	11.82 427	14.00 427	14.69 430	15.00 432

LSM0	22.87 435	17.28 428	18.96 430	22.19 434	29.04 436	38.42 436	53.71 431	24.28 434	28.31 430	20.78 431	21.00 428	21.43 434	24.16 434	23.50 433	27.39 432	14.09 432	17.38 429	11.84 432	14.04 432	14.73 431	14.89 427

AVERAGE_ROB	24.90 436	29.20 436	28.14 434	24.89 435	24.64 435	17.75 426	11.12 418	21.45 429	19.93 429	25.12 436	24.46 435	25.12 436	25.46 436	24.69 436	22.83 430	29.76 436	27.13 436	28.97 436	27.95 436	29.91 435	29.47 436

test_example2	98.32 437	94.13 437	45.89 435	96.35 436	109.85 437	88.61 437	95.45 437	25.75 436	94.37 437	130.00 437	126.06 437	58.17 437	74.63 437	88.51 437	79.96 437	150.23 437	221.02 437	77.62 437	99.10 437	113.75 437	96.94 437

Low-res two-view benchmark