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

MLG-Stereo_test1	0.06 1	0.05 17	0.08 29	0.17 214	0.05 1	0.06 8	0.11 45	0.08 3	0.03 1	0.05 1	0.04 1	0.06 16	0.05 9	0.09 33	0.09 52	0.05 26	0.04 21	0.05 23	0.03 1	0.04 15	0.04 40

MLG-Stereo_test2	0.06 1	0.04 1	0.10 105	0.15 69	0.05 1	0.07 27	0.11 45	0.09 10	0.04 2	0.06 9	0.05 7	0.06 16	0.04 1	0.08 15	0.09 52	0.06 113	0.04 21	0.05 23	0.03 1	0.05 98	0.05 120

MLG-Stereo	0.07 4	0.05 17	0.08 29	0.17 214	0.05 1	0.07 27	0.11 45	0.08 3	0.04 2	0.05 1	0.04 1	0.06 16	0.05 9	0.10 59	0.09 52	0.05 26	0.04 21	0.05 23	0.03 1	0.04 15	0.04 40

MLG-Stereo_test3	0.07 4	0.05 17	0.10 105	0.14 29	0.06 13	0.07 27	0.11 45	0.08 3	0.06 4	0.06 9	0.04 1	0.06 16	0.06 34	0.07 4	0.10 120	0.06 113	0.04 21	0.05 23	0.04 34	0.05 98	0.06 195

LG-G_1	0.07 4	0.04 1	0.11 146	0.15 69	0.06 13	0.09 77	0.08 7	0.08 3	0.06 4	0.06 9	0.05 7	0.07 62	0.07 102	0.11 105	0.08 17	0.07 235	0.04 21	0.05 23	0.04 34	0.05 98	0.05 120

LG-G	0.07 4	0.04 1	0.11 146	0.15 69	0.06 13	0.09 77	0.08 7	0.08 3	0.06 4	0.06 9	0.05 7	0.07 62	0.07 102	0.11 105	0.08 17	0.07 235	0.04 21	0.05 23	0.04 34	0.05 98	0.05 120

LGtest1	0.07 4	0.04 1	0.10 105	0.15 69	0.06 13	0.07 27	0.09 18	0.08 3	0.06 4	0.05 1	0.04 1	0.06 16	0.06 34	0.10 59	0.09 52	0.07 235	0.04 21	0.05 23	0.04 34	0.06 189	0.06 195

LG-Stereo_L1	0.07 4	0.05 17	0.11 146	0.14 29	0.06 13	0.07 27	0.13 100	0.09 10	0.07 8	0.05 1	0.04 1	0.05 1	0.04 1	0.08 15	0.07 1	0.05 26	0.04 21	0.05 23	0.03 1	0.04 15	0.04 40

Selective-IGEV	0.07 4	0.06 54	0.08 29	0.17 214	0.06 13	0.08 48	0.12 62	0.13 57	0.07 8	0.08 61	0.07 36	0.06 16	0.04 1	0.10 59	0.09 52	0.05 26	0.04 21	0.05 23	0.04 34	0.04 15	0.03 1

asd	0.07 4	0.08 232	0.07 6	0.16 140	0.07 70	0.08 48	0.08 7	0.11 26	0.08 10	0.07 29	0.07 36	0.06 16	0.06 34	0.10 59	0.09 52	0.03 1	0.03 1	0.04 1	0.04 34	0.04 15	0.03 1

4.25_new	0.07 4	0.08 232	0.09 70	0.15 69	0.06 13	0.09 77	0.08 7	0.14 73	0.08 10	0.07 29	0.07 36	0.06 16	0.06 34	0.12 186	0.10 120	0.03 1	0.03 1	0.04 1	0.03 1	0.04 15	0.03 1

4.5w_new	0.07 4	0.08 232	0.09 70	0.15 69	0.06 13	0.09 77	0.08 7	0.14 73	0.08 10	0.07 29	0.07 36	0.06 16	0.06 34	0.12 186	0.10 120	0.03 1	0.03 1	0.04 1	0.03 1	0.04 15	0.03 1

4.25w-stereo	0.07 4	0.08 232	0.09 70	0.15 69	0.06 13	0.09 77	0.08 7	0.14 73	0.08 10	0.07 29	0.07 36	0.06 16	0.06 34	0.12 186	0.10 120	0.03 1	0.03 1	0.04 1	0.03 1	0.04 15	0.03 1

4w-stereo	0.07 4	0.08 232	0.08 29	0.16 140	0.06 13	0.07 27	0.08 7	0.12 41	0.08 10	0.07 29	0.07 36	0.05 1	0.06 34	0.09 33	0.10 120	0.03 1	0.03 1	0.04 1	0.04 34	0.04 15	0.03 1

monsters	0.07 4	0.06 54	0.06 2	0.15 69	0.06 13	0.08 48	0.09 18	0.12 41	0.08 10	0.09 90	0.07 36	0.06 16	0.06 34	0.08 15	0.08 17	0.05 26	0.04 21	0.04 1	0.04 34	0.03 1	0.03 1

LG-Stereo	0.08 43	0.07 135	0.10 105	0.18 295	0.07 70	0.10 123	0.17 312	0.11 26	0.08 10	0.05 1	0.07 36	0.05 1	0.07 102	0.09 33	0.09 52	0.04 11	0.05 182	0.07 191	0.07 268	0.04 15	0.04 40

StereoAnything_RVC	0.07 4	0.15 453	0.17 371	0.11 1	0.05 1	0.05 4	0.11 45	0.08 3	0.08 10	0.06 9	0.06 12	0.05 1	0.05 9	0.09 33	0.08 17	0.08 295	0.04 21	0.05 23	0.03 1	0.05 98	0.04 40

AIO_rvc	0.07 4	0.06 54	0.08 29	0.15 69	0.06 13	0.08 48	0.14 148	0.09 10	0.08 10	0.07 29	0.08 68	0.07 62	0.04 1	0.10 59	0.08 17	0.05 26	0.04 21	0.05 23	0.04 34	0.04 15	0.03 1

dual_stereo	0.07 4	0.04 1	0.08 29	0.15 69	0.05 1	0.05 4	0.13 100	0.12 41	0.08 10	0.07 29	0.06 12	0.05 1	0.05 9	0.07 4	0.09 52	0.06 113	0.04 21	0.05 23	0.03 1	0.04 15	0.04 40

MoCha-V2	0.08 43	0.05 17	0.10 105	0.20 400	0.07 70	0.09 77	0.14 148	0.11 26	0.08 10	0.07 29	0.08 68	0.07 62	0.06 34	0.09 33	0.08 17	0.05 26	0.04 21	0.05 23	0.04 34	0.04 15	0.04 40

3.75w	0.07 4	0.07 135	0.08 29	0.16 140	0.07 70	0.07 27	0.09 18	0.16 128	0.09 21	0.07 29	0.06 12	0.05 1	0.06 34	0.09 33	0.10 120	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

111111	0.07 4	0.04 1	0.09 70	0.17 214	0.06 13	0.05 4	0.10 26	0.11 26	0.09 21	0.06 9	0.06 12	0.07 62	0.05 9	0.09 33	0.09 52	0.06 113	0.04 21	0.05 23	0.04 34	0.07 254	0.06 195

LG-Stereo_L2	0.07 4	0.05 17	0.10 105	0.14 29	0.06 13	0.07 27	0.12 62	0.09 10	0.09 21	0.06 9	0.04 1	0.05 1	0.05 9	0.08 15	0.08 17	0.05 26	0.04 21	0.05 23	0.03 1	0.04 15	0.03 1

GREAT-IGEV	0.07 4	0.06 54	0.08 29	0.13 12	0.07 70	0.07 27	0.14 148	0.09 10	0.09 21	0.06 9	0.07 36	0.06 16	0.05 9	0.10 59	0.07 1	0.05 26	0.04 21	0.05 23	0.04 34	0.05 98	0.04 40

FoundationStereo	0.06 1	0.04 1	0.08 29	0.12 4	0.05 1	0.09 77	0.13 100	0.06 1	0.09 21	0.05 1	0.05 7	0.06 16	0.04 1	0.06 1	0.07 1	0.06 113	0.04 21	0.05 23	0.03 1	0.05 98	0.04 40

IGEV-Stereo+	0.07 4	0.04 1	0.08 29	0.15 69	0.06 13	0.04 1	0.09 18	0.10 15	0.09 21	0.06 9	0.06 12	0.06 16	0.06 34	0.06 1	0.08 17	0.06 113	0.04 21	0.05 23	0.04 34	0.06 189	0.06 195

AIO-Stereo	0.08 43	0.06 54	0.09 70	0.18 295	0.06 13	0.08 48	0.12 62	0.15 102	0.09 21	0.08 61	0.08 68	0.07 62	0.05 9	0.11 105	0.08 17	0.05 26	0.05 182	0.05 23	0.04 34	0.04 15	0.04 40

IGEV++	0.08 43	0.06 54	0.08 29	0.18 295	0.07 70	0.09 77	0.13 100	0.10 15	0.09 21	0.08 61	0.08 68	0.06 16	0.06 34	0.13 230	0.09 52	0.05 26	0.04 21	0.05 23	0.04 34	0.05 98	0.04 40

AEACV	0.08 43	0.05 17	0.08 29	0.14 29	0.13 434	0.14 273	0.13 100	0.14 73	0.09 21	0.07 29	0.09 86	0.07 62	0.08 137	0.10 59	0.09 52	0.06 113	0.04 21	0.06 99	0.05 104	0.05 98	0.04 40

CAS	0.08 43	0.04 1	0.07 6	0.17 214	0.08 125	0.10 123	0.13 100	0.12 41	0.09 21	0.09 90	0.10 112	0.08 94	0.06 34	0.09 33	0.08 17	0.08 295	0.04 21	0.05 23	0.03 1	0.05 98	0.04 40

CES	0.08 43	0.04 1	0.08 29	0.14 29	0.07 70	0.09 77	0.14 148	0.11 26	0.09 21	0.08 61	0.09 86	0.11 171	0.06 34	0.12 186	0.08 17	0.06 113	0.04 21	0.05 23	0.03 1	0.05 98	0.05 120

AFF-stereo	0.09 77	0.06 54	0.10 105	0.17 214	0.07 70	0.10 123	0.16 279	0.17 164	0.09 21	0.10 122	0.12 155	0.09 119	0.09 163	0.12 186	0.09 52	0.05 26	0.04 21	0.07 191	0.07 268	0.04 15	0.03 1

EAI-Stereo	0.09 77	0.07 135	0.11 146	0.15 69	0.06 13	0.10 123	0.15 214	0.16 128	0.09 21	0.08 61	0.09 86	0.08 94	0.07 102	0.09 33	0.11 183	0.05 26	0.04 21	0.05 23	0.05 104	0.05 98	0.04 40

asda	0.07 4	0.08 232	0.08 29	0.16 140	0.06 13	0.06 8	0.10 26	0.16 128	0.10 34	0.06 9	0.06 12	0.05 1	0.05 9	0.10 59	0.10 120	0.03 1	0.03 1	0.04 1	0.03 1	0.04 15	0.03 1

2.5w	0.07 4	0.07 135	0.07 6	0.16 140	0.06 13	0.08 48	0.12 62	0.10 15	0.10 34	0.07 29	0.06 12	0.09 119	0.06 34	0.08 15	0.09 52	0.04 11	0.03 1	0.04 1	0.04 34	0.03 1	0.03 1

IGEV	0.07 4	0.04 1	0.08 29	0.13 12	0.06 13	0.09 77	0.12 62	0.14 73	0.10 34	0.06 9	0.09 86	0.07 62	0.05 9	0.09 33	0.09 52	0.06 113	0.04 21	0.05 23	0.04 34	0.05 98	0.04 40

LG-Stereo_Zeroshot	0.07 4	0.06 54	0.10 105	0.16 140	0.07 70	0.04 1	0.13 100	0.10 15	0.10 34	0.05 1	0.11 142	0.07 62	0.05 9	0.07 4	0.09 52	0.06 113	0.04 21	0.05 23	0.04 34	0.05 98	0.04 40

S2M2	0.09 77	0.08 232	0.11 146	0.13 12	0.10 335	0.08 48	0.06 1	0.10 15	0.10 34	0.10 122	0.09 86	0.10 150	0.09 163	0.11 105	0.11 183	0.13 464	0.07 371	0.08 272	0.09 376	0.10 407	0.08 338

Reg-Stereo(zero)	0.08 43	0.05 17	0.08 29	0.16 140	0.06 13	0.12 202	0.11 45	0.15 102	0.10 34	0.12 187	0.09 86	0.10 150	0.08 137	0.11 105	0.08 17	0.06 113	0.04 21	0.05 23	0.04 34	0.04 15	0.05 120

HI	0.11 181	0.06 54	0.11 146	0.13 12	0.09 234	0.09 77	0.14 148	0.21 247	0.10 34	0.19 351	0.17 233	0.14 232	0.09 163	0.16 311	0.08 17	0.05 26	0.04 21	0.07 191	0.08 332	0.07 254	0.06 195

CoSv	0.11 181	0.06 54	0.11 146	0.13 12	0.09 234	0.09 77	0.14 148	0.21 247	0.10 34	0.19 351	0.17 233	0.14 232	0.09 163	0.16 311	0.08 17	0.05 26	0.04 21	0.07 191	0.08 332	0.07 254	0.06 195

DEFOM-Stereo_RVC	0.08 43	0.06 54	0.09 70	0.22 444	0.06 13	0.08 48	0.12 62	0.10 15	0.10 34	0.07 29	0.07 36	0.06 16	0.05 9	0.11 105	0.09 52	0.06 113	0.04 21	0.05 23	0.03 1	0.06 189	0.04 40

AIO_test	0.07 4	0.05 17	0.07 6	0.15 69	0.07 70	0.06 8	0.14 148	0.10 15	0.10 34	0.07 29	0.07 36	0.06 16	0.05 9	0.08 15	0.10 120	0.05 26	0.04 21	0.05 23	0.04 34	0.04 15	0.03 1

GCAP-BAT	0.09 77	0.07 135	0.14 260	0.15 69	0.08 125	0.10 123	0.13 100	0.14 73	0.10 34	0.11 149	0.10 112	0.08 94	0.07 102	0.12 186	0.10 120	0.06 113	0.05 182	0.06 99	0.04 34	0.04 15	0.04 40

IGEV-BASED-STEREO-	0.09 77	0.10 364	0.31 476	0.15 69	0.06 13	0.08 48	0.14 148	0.10 15	0.10 34	0.07 29	0.07 36	0.06 16	0.04 1	0.11 105	0.07 1	0.12 441	0.04 21	0.07 191	0.05 104	0.05 98	0.05 120

RSM	0.08 43	0.06 54	0.09 70	0.17 214	0.06 13	0.08 48	0.12 62	0.12 41	0.10 34	0.08 61	0.07 36	0.06 16	0.05 9	0.11 105	0.09 52	0.04 11	0.04 21	0.05 23	0.04 34	0.04 15	0.03 1

trnet	0.08 43	0.05 17	0.07 6	0.12 4	0.05 1	0.12 202	0.11 45	0.13 57	0.10 34	0.08 61	0.13 169	0.09 119	0.08 137	0.11 105	0.10 120	0.08 295	0.05 182	0.05 23	0.03 1	0.06 189	0.05 120

DLNR_Zeroshot_test	10.40 572	1.82 563	19.49 578	120.77 583	13.11 576	0.06 8	0.13 100	0.23 288	0.10 34	0.07 29	0.10 112	0.09 119	0.06 34	0.10 59	0.09 52	0.13 464	0.04 21	0.06 99	0.04 34	51.54 582	0.04 40

testlalala	0.08 43	0.07 135	0.17 371	0.16 140	0.08 125	0.09 77	0.12 62	0.15 102	0.10 34	0.07 29	0.09 86	0.06 16	0.06 34	0.11 105	0.09 52	0.05 26	0.04 21	0.06 99	0.04 34	0.04 15	0.04 40

testlalala_base	0.10 138	0.09 306	0.14 260	0.21 429	0.08 125	0.10 123	0.14 148	0.13 57	0.10 34	0.07 29	0.15 200	0.07 62	0.08 137	0.10 59	0.12 231	0.08 295	0.05 182	0.05 23	0.03 1	0.06 189	0.05 120

HH	0.09 77	0.06 54	0.13 225	0.17 214	0.08 125	0.10 123	0.16 279	0.14 73	0.10 34	0.08 61	0.09 86	0.08 94	0.07 102	0.10 59	0.09 52	0.06 113	0.04 21	0.06 99	0.05 104	0.05 98	0.04 40

HanStereo	0.09 77	0.06 54	0.13 225	0.17 214	0.08 125	0.10 123	0.16 279	0.14 73	0.10 34	0.08 61	0.09 86	0.08 94	0.07 102	0.10 59	0.09 52	0.06 113	0.04 21	0.06 99	0.05 104	0.05 98	0.04 40

LoS_RVC	0.08 43	0.05 17	0.07 6	0.15 69	0.07 70	0.08 48	0.15 214	0.11 26	0.10 34	0.08 61	0.09 86	0.06 16	0.09 163	0.10 59	0.09 52	0.05 26	0.04 21	0.05 23	0.03 1	0.04 15	0.03 1

MC-Stereo	0.08 43	0.06 54	0.09 70	0.17 214	0.06 13	0.10 123	0.14 148	0.12 41	0.10 34	0.09 90	0.12 155	0.09 119	0.06 34	0.11 105	0.10 120	0.06 113	0.04 21	0.06 99	0.05 104	0.04 15	0.04 40

iRaft-Stereo_20w	0.09 77	0.05 17	0.13 225	0.14 29	0.08 125	0.12 202	0.15 214	0.18 193	0.10 34	0.11 149	0.08 68	0.08 94	0.05 9	0.10 59	0.09 52	0.06 113	0.04 21	0.06 99	0.05 104	0.06 189	0.05 120

RAFT-345	0.11 181	0.07 135	0.15 309	0.16 140	0.08 125	0.08 48	0.12 62	0.15 102	0.10 34	0.11 149	0.36 451	0.09 119	0.09 163	0.11 105	0.12 231	0.05 26	0.05 182	0.07 191	0.06 181	0.04 15	0.05 120

CRE-IMP	0.11 181	0.09 306	0.16 343	0.19 351	0.08 125	0.10 123	0.12 62	0.18 193	0.10 34	0.14 235	0.13 169	0.13 212	0.12 250	0.12 186	0.11 183	0.07 235	0.04 21	0.08 272	0.06 181	0.08 316	0.08 338

XX-Stereo	0.09 77	0.05 17	0.08 29	0.17 214	0.09 234	0.15 299	0.12 62	0.20 225	0.10 34	0.10 122	0.14 183	0.07 62	0.06 34	0.12 186	0.08 17	0.06 113	0.05 182	0.06 99	0.06 181	0.04 15	0.04 40

CREStereo	0.09 77	0.04 1	0.08 29	0.11 1	0.06 13	0.13 241	0.14 148	0.14 73	0.10 34	0.08 61	0.13 169	0.09 119	0.08 137	0.11 105	0.10 120	0.08 295	0.04 21	0.05 23	0.03 1	0.06 189	0.06 195
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
qwe	0.07 4	0.08 232	0.07 6	0.15 69	0.06 13	0.07 27	0.10 26	0.18 193	0.11 60	0.07 29	0.07 36	0.06 16	0.06 34	0.10 59	0.09 52	0.03 1	0.03 1	0.04 1	0.04 34	0.04 15	0.03 1

4.5_new	0.07 4	0.09 306	0.08 29	0.15 69	0.07 70	0.06 8	0.10 26	0.14 73	0.11 60	0.06 9	0.08 68	0.06 16	0.06 34	0.08 15	0.10 120	0.03 1	0.03 1	0.04 1	0.04 34	0.04 15	0.03 1

4.5w-stereo	0.07 4	0.09 306	0.08 29	0.15 69	0.07 70	0.06 8	0.10 26	0.14 73	0.11 60	0.06 9	0.08 68	0.06 16	0.06 34	0.08 15	0.10 120	0.03 1	0.03 1	0.04 1	0.04 34	0.04 15	0.03 1

3.25w_new	0.07 4	0.06 54	0.07 6	0.15 69	0.06 13	0.10 123	0.07 3	0.12 41	0.11 60	0.08 61	0.06 12	0.07 62	0.06 34	0.11 105	0.09 52	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

3.25w	0.07 4	0.06 54	0.07 6	0.15 69	0.06 13	0.10 123	0.07 3	0.12 41	0.11 60	0.08 61	0.06 12	0.07 62	0.06 34	0.11 105	0.09 52	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

3.5w_stereo	0.07 4	0.07 135	0.07 6	0.15 69	0.07 70	0.09 77	0.06 1	0.13 57	0.11 60	0.07 29	0.07 36	0.06 16	0.07 102	0.10 59	0.09 52	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

monsterstereo	0.07 4	0.06 54	0.06 2	0.16 140	0.06 13	0.08 48	0.10 26	0.16 128	0.11 60	0.07 29	0.08 68	0.06 16	0.07 102	0.08 15	0.09 52	0.04 11	0.04 21	0.05 23	0.04 34	0.03 1	0.03 1

HART	0.08 43	0.07 135	0.09 70	0.17 214	0.07 70	0.10 123	0.16 279	0.13 57	0.11 60	0.08 61	0.10 112	0.07 62	0.05 9	0.10 59	0.08 17	0.05 26	0.04 21	0.06 99	0.04 34	0.05 98	0.04 40

GIP-stereo	0.08 43	0.06 54	0.11 146	0.14 29	0.06 13	0.09 77	0.13 100	0.14 73	0.11 60	0.07 29	0.08 68	0.05 1	0.04 1	0.10 59	0.07 1	0.05 26	0.04 21	0.05 23	0.04 34	0.05 98	0.04 40

fffft	0.09 77	0.06 54	0.12 181	0.16 140	0.07 70	0.09 77	0.17 312	0.12 41	0.11 60	0.08 61	0.07 36	0.09 119	0.06 34	0.11 105	0.12 231	0.05 26	0.04 21	0.06 99	0.05 104	0.04 15	0.05 120
1: 1. 1
tt45	0.09 77	0.06 54	0.11 146	0.15 69	0.07 70	0.11 168	0.16 279	0.13 57	0.11 60	0.09 90	0.06 12	0.08 94	0.06 34	0.13 230	0.10 120	0.06 113	0.04 21	0.06 99	0.05 104	0.05 98	0.06 195

999	0.09 77	0.05 17	0.13 225	0.15 69	0.08 125	0.10 123	0.14 148	0.15 102	0.11 60	0.10 122	0.08 68	0.08 94	0.08 137	0.16 311	0.10 120	0.06 113	0.04 21	0.06 99	0.05 104	0.04 15	0.05 120

mms	0.09 77	0.07 135	0.08 29	0.16 140	0.08 125	0.10 123	0.16 279	0.12 41	0.11 60	0.08 61	0.09 86	0.08 94	0.06 34	0.11 105	0.12 231	0.05 26	0.04 21	0.07 191	0.05 104	0.04 15	0.03 1

IGEV-Stereo++	0.07 4	0.06 54	0.08 29	0.18 295	0.06 13	0.04 1	0.10 26	0.11 26	0.11 60	0.06 9	0.07 36	0.07 62	0.06 34	0.09 33	0.09 52	0.05 26	0.04 21	0.05 23	0.04 34	0.05 98	0.04 40

RSM++	0.08 43	0.06 54	0.09 70	0.17 214	0.07 70	0.09 77	0.12 62	0.11 26	0.11 60	0.08 61	0.06 12	0.07 62	0.05 9	0.10 59	0.09 52	0.04 11	0.04 21	0.06 99	0.05 104	0.05 98	0.03 1

IGEV_Zeroshot_test	0.09 77	0.05 17	0.12 181	0.13 12	0.08 125	0.12 202	0.13 100	0.17 164	0.11 60	0.10 122	0.06 12	0.09 119	0.06 34	0.11 105	0.09 52	0.06 113	0.04 21	0.06 99	0.06 181	0.05 98	0.05 120

UniTT-Stereo	0.09 77	0.07 135	0.08 29	0.18 295	0.08 125	0.13 241	0.11 45	0.12 41	0.11 60	0.10 122	0.12 155	0.05 1	0.07 102	0.09 33	0.09 52	0.07 235	0.05 182	0.05 23	0.05 104	0.05 98	0.05 120

STrans-v2	0.10 138	0.07 135	0.12 181	0.18 295	0.07 70	0.10 123	0.14 148	0.21 247	0.11 60	0.11 149	0.15 200	0.12 188	0.10 195	0.11 105	0.12 231	0.05 26	0.04 21	0.06 99	0.06 181	0.04 15	0.04 40

SST-Stereo	0.10 138	0.07 135	0.15 309	0.18 295	0.09 234	0.06 8	0.12 62	0.17 164	0.11 60	0.15 262	0.17 233	0.13 212	0.12 250	0.10 59	0.11 183	0.06 113	0.04 21	0.09 351	0.06 181	0.06 189	0.05 120

RALCasStereoNet	0.10 138	0.06 54	0.09 70	0.16 140	0.08 125	0.12 202	0.14 148	0.17 164	0.11 60	0.12 187	0.17 233	0.14 232	0.10 195	0.12 186	0.11 183	0.07 235	0.06 302	0.06 99	0.05 104	0.08 316	0.07 274

PMTNet	0.09 77	0.05 17	0.09 70	0.12 4	0.06 13	0.12 202	0.14 148	0.15 102	0.11 60	0.09 90	0.13 169	0.10 150	0.07 102	0.13 230	0.10 120	0.15 481	0.04 21	0.05 23	0.03 1	0.07 254	0.06 195

R-Stereo Train	0.10 138	0.06 54	0.10 105	0.17 214	0.08 125	0.11 168	0.14 148	0.23 288	0.11 60	0.12 187	0.19 267	0.11 171	0.08 137	0.09 33	0.11 183	0.07 235	0.05 182	0.06 99	0.05 104	0.05 98	0.05 120

RAFT-Stereo	0.10 138	0.06 54	0.10 105	0.17 214	0.08 125	0.11 168	0.14 148	0.23 288	0.11 60	0.12 187	0.19 267	0.11 171	0.08 137	0.09 33	0.11 183	0.07 235	0.05 182	0.06 99	0.05 104	0.05 98	0.05 120
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
2.75w_new	0.07 4	0.07 135	0.07 6	0.13 12	0.06 13	0.08 48	0.08 7	0.18 193	0.12 83	0.07 29	0.08 68	0.06 16	0.06 34	0.09 33	0.11 183	0.04 11	0.04 21	0.04 1	0.03 1	0.03 1	0.04 40

xyz-stereo-finetune2	0.11 181	0.07 135	0.13 225	0.13 12	0.07 70	0.11 168	0.19 395	0.17 164	0.12 83	0.15 262	0.15 200	0.17 295	0.12 250	0.13 230	0.11 183	0.05 26	0.04 21	0.07 191	0.05 104	0.04 15	0.06 195

SGD-Stereo	0.08 43	0.05 17	0.10 105	0.14 29	0.05 1	0.12 202	0.12 62	0.11 26	0.12 83	0.07 29	0.09 86	0.09 119	0.09 163	0.08 15	0.08 17	0.06 113	0.04 21	0.05 23	0.04 34	0.05 98	0.03 1

SCV_C0	0.08 43	0.07 135	0.07 6	0.16 140	0.09 234	0.08 48	0.15 214	0.11 26	0.12 83	0.08 61	0.07 36	0.06 16	0.05 9	0.11 105	0.07 1	0.05 26	0.05 182	0.05 23	0.04 34	0.06 189	0.05 120

SCV	0.08 43	0.09 306	0.08 29	0.15 69	0.08 125	0.10 123	0.13 100	0.10 15	0.12 83	0.07 29	0.07 36	0.06 16	0.04 1	0.09 33	0.08 17	0.05 26	0.04 21	0.06 99	0.04 34	0.06 189	0.04 40

IGEV-RUCA	0.08 43	0.06 54	0.11 146	0.14 29	0.09 234	0.10 123	0.12 62	0.10 15	0.12 83	0.06 9	0.07 36	0.07 62	0.06 34	0.09 33	0.08 17	0.06 113	0.05 182	0.05 23	0.04 34	0.05 98	0.06 195

ours_stereo	0.09 77	0.07 135	0.09 70	0.17 214	0.08 125	0.11 168	0.16 279	0.11 26	0.12 83	0.08 61	0.10 112	0.08 94	0.06 34	0.12 186	0.12 231	0.05 26	0.04 21	0.06 99	0.05 104	0.04 15	0.03 1

fffy	0.09 77	0.08 232	0.09 70	0.16 140	0.07 70	0.13 241	0.17 312	0.13 57	0.12 83	0.08 61	0.09 86	0.08 94	0.09 163	0.13 230	0.11 183	0.05 26	0.05 182	0.07 191	0.05 104	0.04 15	0.05 120

tg	0.10 138	0.06 54	0.10 105	0.18 295	0.08 125	0.11 168	0.16 279	0.20 225	0.12 83	0.08 61	0.11 142	0.11 171	0.07 102	0.11 105	0.10 120	0.05 26	0.04 21	0.08 272	0.08 332	0.04 15	0.04 40

WCG-NET（raft）	0.08 43	0.05 17	0.10 105	0.15 69	0.06 13	0.11 168	0.13 100	0.15 102	0.12 83	0.08 61	0.07 36	0.06 16	0.06 34	0.13 230	0.08 17	0.05 26	0.04 21	0.05 23	0.04 34	0.04 15	0.04 40

gcap-zeroshot	0.09 77	0.05 17	0.10 105	0.16 140	0.07 70	0.13 241	0.13 100	0.11 26	0.12 83	0.13 214	0.12 155	0.09 119	0.08 137	0.09 33	0.09 52	0.06 113	0.05 182	0.06 99	0.05 104	0.04 15	0.04 40

test_for_model	0.09 77	0.12 406	0.14 260	0.23 464	0.11 382	0.08 48	0.13 100	0.12 41	0.12 83	0.10 122	0.07 36	0.07 62	0.06 34	0.11 105	0.10 120	0.06 113	0.05 182	0.05 23	0.03 1	0.07 254	0.04 40

testlalala2	0.10 138	0.06 54	0.11 146	0.20 400	0.10 335	0.10 123	0.12 62	0.17 164	0.12 83	0.12 187	0.13 169	0.09 119	0.07 102	0.11 105	0.13 272	0.06 113	0.05 182	0.05 23	0.04 34	0.05 98	0.05 120

MGS-Stereo	0.09 77	0.07 135	0.12 181	0.15 69	0.08 125	0.09 77	0.15 214	0.12 41	0.12 83	0.07 29	0.10 112	0.08 94	0.06 34	0.10 59	0.09 52	0.05 26	0.04 21	0.06 99	0.05 104	0.06 189	0.05 120

MyStereo06	0.10 138	0.07 135	0.12 181	0.17 214	0.09 234	0.13 241	0.18 357	0.19 214	0.12 83	0.12 187	0.08 68	0.07 62	0.07 102	0.11 105	0.09 52	0.06 113	0.05 182	0.07 191	0.07 268	0.06 189	0.06 195

ff7	0.09 77	0.07 135	0.11 146	0.16 140	0.09 234	0.11 168	0.15 214	0.16 128	0.12 83	0.10 122	0.06 12	0.06 16	0.06 34	0.11 105	0.09 52	0.05 26	0.04 21	0.06 99	0.05 104	0.05 98	0.06 195

IGEVStereo-DCA	0.09 77	0.06 54	0.11 146	0.15 69	0.10 335	0.11 168	0.15 214	0.16 128	0.12 83	0.10 122	0.06 12	0.08 94	0.06 34	0.10 59	0.08 17	0.06 113	0.05 182	0.06 99	0.05 104	0.05 98	0.06 195

ffff	0.09 77	0.07 135	0.11 146	0.16 140	0.09 234	0.11 168	0.15 214	0.16 128	0.12 83	0.10 122	0.06 12	0.06 16	0.06 34	0.11 105	0.09 52	0.05 26	0.04 21	0.06 99	0.05 104	0.05 98	0.06 195

11t	0.09 77	0.07 135	0.11 146	0.16 140	0.09 234	0.11 168	0.15 214	0.16 128	0.12 83	0.10 122	0.06 12	0.06 16	0.06 34	0.11 105	0.09 52	0.05 26	0.04 21	0.06 99	0.05 104	0.05 98	0.06 195

GCAP-Stereo	0.09 77	0.07 135	0.13 225	0.18 295	0.06 13	0.11 168	0.07 3	0.13 57	0.12 83	0.09 90	0.10 112	0.07 62	0.09 163	0.13 230	0.10 120	0.06 113	0.05 182	0.05 23	0.04 34	0.04 15	0.05 120

anonymousdsp	0.09 77	0.07 135	0.11 146	0.16 140	0.09 234	0.11 168	0.15 214	0.16 128	0.12 83	0.09 90	0.06 12	0.06 16	0.06 34	0.11 105	0.09 52	0.05 26	0.04 21	0.06 99	0.05 104	0.05 98	0.06 195

ProNet	0.09 77	0.07 135	0.10 105	0.17 214	0.08 125	0.10 123	0.15 214	0.15 102	0.12 83	0.09 90	0.06 12	0.07 62	0.06 34	0.11 105	0.09 52	0.05 26	0.04 21	0.06 99	0.05 104	0.04 15	0.06 195

CroCo-Stereo Lap2	0.09 77	0.09 306	0.08 29	0.22 444	0.09 234	0.09 77	0.19 395	0.16 128	0.12 83	0.09 90	0.10 112	0.05 1	0.05 9	0.08 15	0.08 17	0.06 113	0.06 302	0.07 191	0.05 104	0.05 98	0.05 120

ccc-4	0.09 77	0.07 135	0.11 146	0.16 140	0.09 234	0.11 168	0.15 214	0.16 128	0.12 83	0.10 122	0.06 12	0.06 16	0.06 34	0.11 105	0.09 52	0.05 26	0.04 21	0.06 99	0.05 104	0.05 98	0.06 195

IGEV-Stereo	0.09 77	0.07 135	0.11 146	0.16 140	0.09 234	0.11 168	0.15 214	0.16 128	0.12 83	0.09 90	0.06 12	0.06 16	0.06 34	0.11 105	0.09 52	0.05 26	0.04 21	0.06 99	0.05 104	0.05 98	0.06 195
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
KYRaft	0.11 181	0.07 135	0.10 105	0.19 351	0.09 234	0.08 48	0.15 214	0.22 269	0.12 83	0.13 214	0.16 212	0.20 335	0.10 195	0.12 186	0.10 120	0.05 26	0.04 21	0.08 272	0.08 332	0.06 189	0.16 495

DeepStereo_RVC	0.11 181	0.08 232	0.16 343	0.18 295	0.08 125	0.08 48	0.12 62	0.17 164	0.12 83	0.13 214	0.14 183	0.12 188	0.12 250	0.12 186	0.11 183	0.06 113	0.04 21	0.07 191	0.06 181	0.07 254	0.08 338

RAFT-RH_RVC	0.11 181	0.06 54	0.14 260	0.16 140	0.09 234	0.12 202	0.12 62	0.17 164	0.12 83	0.13 214	0.41 485	0.11 171	0.10 195	0.13 230	0.12 231	0.05 26	0.04 21	0.08 272	0.05 104	0.04 15	0.06 195

CroCo-Stereo	0.09 77	0.08 232	0.08 29	0.22 444	0.09 234	0.09 77	0.19 395	0.15 102	0.12 83	0.07 29	0.07 36	0.08 94	0.06 34	0.08 15	0.07 1	0.07 235	0.05 182	0.06 99	0.04 34	0.05 98	0.04 40
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
iRaftStereo_RVC	0.10 138	0.07 135	0.09 70	0.17 214	0.09 234	0.11 168	0.17 312	0.18 193	0.12 83	0.09 90	0.12 155	0.10 150	0.07 102	0.11 105	0.10 120	0.05 26	0.04 21	0.08 272	0.08 332	0.04 15	0.04 40

ARAFT	0.12 246	0.08 232	0.17 371	0.19 351	0.09 234	0.14 273	0.18 357	0.20 225	0.12 83	0.12 187	0.13 169	0.14 232	0.11 220	0.15 277	0.12 231	0.06 113	0.05 182	0.10 396	0.09 376	0.05 98	0.04 40

water-stereo	0.09 77	0.06 54	0.08 29	0.16 140	0.07 70	0.09 77	0.13 100	0.15 102	0.13 114	0.11 149	0.12 155	0.08 94	0.09 163	0.07 4	0.08 17	0.06 113	0.05 182	0.05 23	0.05 104	0.04 15	0.04 40

3w_stereo	0.08 43	0.09 306	0.10 105	0.17 214	0.07 70	0.08 48	0.10 26	0.20 225	0.13 114	0.06 9	0.07 36	0.05 1	0.06 34	0.08 15	0.09 52	0.03 1	0.03 1	0.04 1	0.03 1	0.04 15	0.03 1

HUF	0.08 43	0.05 17	0.08 29	0.14 29	0.06 13	0.09 77	0.13 100	0.13 57	0.13 114	0.07 29	0.07 36	0.08 94	0.06 34	0.10 59	0.09 52	0.06 113	0.04 21	0.05 23	0.04 34	0.05 98	0.04 40

DEFOM-Stereo	0.07 4	0.05 17	0.07 6	0.14 29	0.06 13	0.10 123	0.13 100	0.07 2	0.13 114	0.06 9	0.07 36	0.06 16	0.05 9	0.10 59	0.09 52	0.04 11	0.04 21	0.05 23	0.03 1	0.04 15	0.04 40

SMoEStereo_RVC	0.08 43	0.06 54	0.12 181	0.16 140	0.07 70	0.09 77	0.14 148	0.11 26	0.13 114	0.09 90	0.07 36	0.07 62	0.07 102	0.12 186	0.10 120	0.05 26	0.04 21	0.06 99	0.05 104	0.04 15	0.04 40

WCG-NET	0.08 43	0.05 17	0.09 70	0.15 69	0.06 13	0.11 168	0.14 148	0.13 57	0.13 114	0.06 9	0.09 86	0.07 62	0.06 34	0.13 230	0.08 17	0.05 26	0.04 21	0.05 23	0.04 34	0.04 15	0.03 1

model_zeroshot	0.10 138	0.04 1	0.11 146	0.15 69	0.09 234	0.12 202	0.14 148	0.20 225	0.13 114	0.11 149	0.10 112	0.12 188	0.07 102	0.12 186	0.10 120	0.07 235	0.06 302	0.06 99	0.05 104	0.06 189	0.06 195

plain	0.10 138	0.08 232	0.10 105	0.19 351	0.09 234	0.10 123	0.15 214	0.14 73	0.13 114	0.13 214	0.15 200	0.09 119	0.12 250	0.13 230	0.12 231	0.07 235	0.05 182	0.09 351	0.06 181	0.06 189	0.06 195

MSKI-zero shot	0.09 77	0.05 17	0.09 70	0.15 69	0.07 70	0.10 123	0.13 100	0.14 73	0.13 114	0.09 90	0.09 86	0.09 119	0.06 34	0.12 186	0.10 120	0.06 113	0.04 21	0.05 23	0.04 34	0.04 15	0.04 40

RAFT-Test	0.09 77	0.06 54	0.10 105	0.15 69	0.07 70	0.11 168	0.15 214	0.16 128	0.13 114	0.09 90	0.10 112	0.10 150	0.09 163	0.12 186	0.09 52	0.06 113	0.04 21	0.05 23	0.04 34	0.04 15	0.05 120

knoymous	0.11 181	0.05 17	0.12 181	0.13 12	0.07 70	0.15 299	0.14 148	0.19 214	0.13 114	0.11 149	0.17 233	0.13 212	0.09 163	0.13 230	0.11 183	0.08 295	0.05 182	0.06 99	0.05 104	0.08 316	0.07 274

Patchmatch Stereo++	0.11 181	0.09 306	0.16 343	0.18 295	0.08 125	0.06 8	0.11 45	0.16 128	0.13 114	0.15 262	0.16 212	0.14 232	0.12 250	0.11 105	0.10 120	0.06 113	0.04 21	0.08 272	0.06 181	0.08 316	0.07 274
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	0.11 181	0.07 135	0.16 343	0.19 351	0.09 234	0.08 48	0.13 100	0.18 193	0.13 114	0.16 290	0.21 300	0.13 212	0.14 312	0.11 105	0.14 309	0.06 113	0.04 21	0.09 351	0.06 181	0.06 189	0.05 120

PSM-adaLoss	0.11 181	0.09 306	0.16 343	0.18 295	0.08 125	0.06 8	0.12 62	0.16 128	0.13 114	0.15 262	0.16 212	0.14 232	0.12 250	0.11 105	0.10 120	0.06 113	0.04 21	0.08 272	0.06 181	0.08 316	0.07 274

PSM-AAD	0.11 181	0.07 135	0.10 105	0.19 351	0.09 234	0.10 123	0.15 214	0.20 225	0.13 114	0.12 187	0.14 183	0.18 309	0.11 220	0.11 105	0.10 120	0.05 26	0.05 182	0.09 351	0.08 332	0.06 189	0.14 477

ROB_FTStereo_v2	0.11 181	0.09 306	0.16 343	0.19 351	0.08 125	0.06 8	0.12 62	0.16 128	0.13 114	0.15 262	0.16 212	0.14 232	0.12 250	0.11 105	0.10 120	0.06 113	0.04 21	0.08 272	0.06 181	0.08 316	0.07 274

ROB_FTStereo	0.11 181	0.09 306	0.16 343	0.19 351	0.08 125	0.06 8	0.11 45	0.16 128	0.13 114	0.15 262	0.16 212	0.14 232	0.12 250	0.11 105	0.10 120	0.06 113	0.04 21	0.08 272	0.06 181	0.08 316	0.07 274

HUI-Stereo	0.11 181	0.09 306	0.16 343	0.18 295	0.08 125	0.06 8	0.12 62	0.16 128	0.13 114	0.15 262	0.16 212	0.14 232	0.12 250	0.11 105	0.10 120	0.06 113	0.04 21	0.08 272	0.06 181	0.08 316	0.07 274

iGMRVC	0.11 181	0.09 306	0.16 343	0.19 351	0.08 125	0.06 8	0.12 62	0.16 128	0.13 114	0.15 262	0.16 212	0.14 232	0.12 250	0.11 105	0.10 120	0.06 113	0.04 21	0.08 272	0.06 181	0.08 316	0.07 274

iRAFT	0.11 181	0.09 306	0.16 343	0.18 295	0.08 125	0.06 8	0.11 45	0.16 128	0.13 114	0.15 262	0.16 212	0.14 232	0.12 250	0.11 105	0.10 120	0.06 113	0.04 21	0.08 272	0.06 181	0.08 316	0.07 274

RAFT-IKP	0.11 181	0.09 306	0.16 343	0.19 351	0.08 125	0.06 8	0.12 62	0.16 128	0.13 114	0.15 262	0.16 212	0.14 232	0.12 250	0.11 105	0.10 120	0.06 113	0.04 21	0.08 272	0.06 181	0.08 316	0.07 274

Prome-Stereo	0.11 181	0.06 54	0.10 105	0.18 295	0.08 125	0.12 202	0.15 214	0.22 269	0.13 114	0.12 187	0.17 233	0.13 212	0.08 137	0.12 186	0.10 120	0.05 26	0.04 21	0.07 191	0.06 181	0.06 189	0.09 382

XX-TBD	0.09 77	0.06 54	0.07 6	0.14 29	0.07 70	0.12 202	0.16 279	0.14 73	0.13 114	0.11 149	0.12 155	0.09 119	0.08 137	0.10 59	0.10 120	0.06 113	0.04 21	0.05 23	0.03 1	0.06 189	0.05 120

test_xeample3	0.09 77	0.06 54	0.12 181	0.16 140	0.09 234	0.11 168	0.15 214	0.16 128	0.13 114	0.10 122	0.06 12	0.08 94	0.06 34	0.10 59	0.09 52	0.05 26	0.04 21	0.06 99	0.05 104	0.05 98	0.06 195

depthmonostereo	0.09 77	0.06 54	0.09 70	0.15 69	0.06 13	0.10 123	0.13 100	0.14 73	0.14 138	0.10 122	0.10 112	0.09 119	0.11 220	0.08 15	0.09 52	0.06 113	0.05 182	0.06 99	0.04 34	0.04 15	0.03 1

1w_stereo	0.07 4	0.06 54	0.07 6	0.16 140	0.06 13	0.07 27	0.10 26	0.14 73	0.14 138	0.07 29	0.08 68	0.05 1	0.06 34	0.09 33	0.09 52	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.04 40

MM-Stereo_test2	0.09 77	0.06 54	0.09 70	0.19 351	0.08 125	0.12 202	0.18 357	0.15 102	0.14 138	0.07 29	0.10 112	0.07 62	0.06 34	0.12 186	0.09 52	0.05 26	0.04 21	0.06 99	0.05 104	0.05 98	0.03 1

AIO-test1	0.10 138	0.07 135	0.10 105	0.23 464	0.07 70	0.09 77	0.13 100	0.21 247	0.14 138	0.11 149	0.12 155	0.09 119	0.07 102	0.11 105	0.09 52	0.06 113	0.05 182	0.09 351	0.10 411	0.03 1	0.06 195

CAS++	0.11 181	0.07 135	0.11 146	0.14 29	0.09 234	0.12 202	0.14 148	0.24 310	0.14 138	0.11 149	0.09 86	0.11 171	0.07 102	0.14 255	0.09 52	0.11 416	0.09 423	0.09 351	0.07 268	0.07 254	0.08 338
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
MIM_Stereo	0.09 77	0.07 135	0.11 146	0.15 69	0.07 70	0.06 8	0.12 62	0.20 225	0.14 138	0.13 214	0.13 169	0.09 119	0.05 9	0.12 186	0.08 17	0.05 26	0.06 302	0.07 191	0.06 181	0.06 189	0.05 120

CASnet	0.09 77	0.09 306	0.09 70	0.19 351	0.06 13	0.07 27	0.11 45	0.18 193	0.14 138	0.11 149	0.10 112	0.09 119	0.07 102	0.10 59	0.10 120	0.06 113	0.04 21	0.10 396	0.08 332	0.05 98	0.03 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
LL-Strereo2	0.10 138	0.10 364	0.15 309	0.18 295	0.08 125	0.15 299	0.09 18	0.17 164	0.14 138	0.14 235	0.10 112	0.09 119	0.07 102	0.16 311	0.10 120	0.05 26	0.05 182	0.10 396	0.07 268	0.06 189	0.05 120

riskmin	0.11 181	0.06 54	0.13 225	0.14 29	0.08 125	0.14 273	0.14 148	0.18 193	0.14 138	0.11 149	0.14 183	0.16 275	0.11 220	0.14 255	0.12 231	0.09 351	0.05 182	0.07 191	0.05 104	0.08 316	0.08 338

RCA-Stereo	0.09 77	0.06 54	0.09 70	0.16 140	0.06 13	0.09 77	0.13 100	0.18 193	0.14 138	0.09 90	0.10 112	0.08 94	0.07 102	0.12 186	0.11 183	0.06 113	0.04 21	0.06 99	0.05 104	0.05 98	0.04 40

ACRE	0.11 181	0.08 232	0.14 260	0.17 214	0.08 125	0.12 202	0.15 214	0.17 164	0.14 138	0.14 235	0.10 112	0.16 275	0.09 163	0.16 311	0.11 183	0.07 235	0.05 182	0.06 99	0.05 104	0.05 98	0.06 195

AnonymousM	0.09 77	0.05 17	0.10 105	0.14 29	0.06 13	0.09 77	0.13 100	0.19 214	0.14 138	0.13 214	0.11 142	0.09 119	0.08 137	0.13 230	0.10 120	0.08 295	0.05 182	0.08 272	0.05 104	0.05 98	0.05 120

rafts_anoy	0.11 181	0.06 54	0.10 105	0.17 214	0.08 125	0.10 123	0.14 148	0.17 164	0.14 138	0.13 214	0.13 169	0.12 188	0.10 195	0.11 105	0.12 231	0.07 235	0.04 21	0.09 351	0.11 441	0.07 254	0.06 195

CREStereo++_RVC	0.08 43	0.04 1	0.06 2	0.13 12	0.07 70	0.09 77	0.12 62	0.14 73	0.14 138	0.10 122	0.14 183	0.08 94	0.07 102	0.09 33	0.11 183	0.06 113	0.04 21	0.05 23	0.05 104	0.04 15	0.04 40
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
sCroCo_RVC	0.12 246	0.09 306	0.23 440	0.24 473	0.11 382	0.19 391	0.14 148	0.17 164	0.14 138	0.10 122	0.13 169	0.12 188	0.07 102	0.14 255	0.11 183	0.08 295	0.08 397	0.08 272	0.08 332	0.05 98	0.07 274

RAFT-Stereo + iAFF	0.09 77	0.06 54	0.10 105	0.17 214	0.06 13	0.10 123	0.16 279	0.17 164	0.14 138	0.09 90	0.10 112	0.08 94	0.09 163	0.11 105	0.09 52	0.05 26	0.04 21	0.06 99	0.06 181	0.04 15	0.03 1

2.25w	0.07 4	0.06 54	0.07 6	0.14 29	0.06 13	0.08 48	0.08 7	0.10 15	0.15 154	0.08 61	0.10 112	0.07 62	0.06 34	0.08 15	0.10 120	0.05 26	0.03 1	0.04 1	0.04 34	0.03 1	0.04 40

2w_stereo	0.08 43	0.08 232	0.09 70	0.16 140	0.06 13	0.08 48	0.10 26	0.20 225	0.15 154	0.08 61	0.07 36	0.06 16	0.06 34	0.06 1	0.09 52	0.04 11	0.03 1	0.04 1	0.04 34	0.03 1	0.03 1

castereo++	0.08 43	0.05 17	0.08 29	0.15 69	0.05 1	0.14 273	0.12 62	0.11 26	0.15 154	0.07 29	0.07 36	0.07 62	0.06 34	0.08 15	0.08 17	0.06 113	0.04 21	0.05 23	0.04 34	0.04 15	0.03 1

MonSter	0.07 4	0.06 54	0.05 1	0.15 69	0.05 1	0.07 27	0.10 26	0.15 102	0.15 154	0.05 1	0.06 12	0.05 1	0.06 34	0.07 4	0.09 52	0.04 11	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

PAM_32	0.09 77	0.05 17	0.17 371	0.15 69	0.08 125	0.10 123	0.15 214	0.14 73	0.15 154	0.09 90	0.08 68	0.09 119	0.07 102	0.14 255	0.08 17	0.06 113	0.05 182	0.06 99	0.06 181	0.05 98	0.06 195

UGAM-zero	0.09 77	0.05 17	0.15 309	0.15 69	0.08 125	0.09 77	0.13 100	0.19 214	0.15 154	0.11 149	0.15 200	0.07 62	0.07 102	0.09 33	0.09 52	0.06 113	0.05 182	0.06 99	0.05 104	0.05 98	0.06 195

Occ-G	0.08 43	0.05 17	0.06 2	0.14 29	0.07 70	0.08 48	0.14 148	0.13 57	0.15 154	0.07 29	0.11 142	0.07 62	0.05 9	0.09 33	0.10 120	0.06 113	0.05 182	0.05 23	0.04 34	0.05 98	0.05 120

AIO-Stereo-zeroshot1	0.11 181	0.05 17	0.14 260	0.15 69	0.20 505	0.09 77	0.17 312	0.21 247	0.15 154	0.11 149	0.14 183	0.10 150	0.07 102	0.10 59	0.08 17	0.06 113	0.05 182	0.07 191	0.07 268	0.07 254	0.09 382

test_sample1	0.13 271	0.07 135	0.14 260	0.13 12	0.08 125	0.19 391	0.16 279	0.20 225	0.15 154	0.14 235	0.22 309	0.18 309	0.16 356	0.17 343	0.14 309	0.07 235	0.06 302	0.06 99	0.06 181	0.08 316	0.07 274

MyStereo07	0.10 138	0.07 135	0.10 105	0.17 214	0.09 234	0.14 273	0.18 357	0.15 102	0.15 154	0.09 90	0.06 12	0.06 16	0.07 102	0.12 186	0.09 52	0.06 113	0.05 182	0.08 272	0.07 268	0.06 189	0.06 195

mmm	0.14 305	0.08 232	0.17 371	0.17 214	0.09 234	0.17 350	0.18 357	0.21 247	0.15 154	0.15 262	0.23 318	0.21 344	0.16 356	0.16 311	0.17 368	0.08 295	0.05 182	0.08 272	0.07 268	0.07 254	0.07 274

11t1	0.12 246	0.06 54	0.13 225	0.14 29	0.08 125	0.17 350	0.15 214	0.18 193	0.15 154	0.15 262	0.15 200	0.16 275	0.16 356	0.15 277	0.13 272	0.08 295	0.05 182	0.06 99	0.05 104	0.08 316	0.07 274

rrr	0.09 77	0.06 54	0.12 181	0.15 69	0.10 335	0.11 168	0.16 279	0.16 128	0.15 154	0.10 122	0.06 12	0.08 94	0.06 34	0.10 59	0.08 17	0.06 113	0.05 182	0.06 99	0.05 104	0.05 98	0.06 195

Any-RAFT	0.10 138	0.05 17	0.09 70	0.14 29	0.07 70	0.13 241	0.14 148	0.21 247	0.15 154	0.11 149	0.12 155	0.12 188	0.09 163	0.12 186	0.09 52	0.07 235	0.04 21	0.05 23	0.04 34	0.06 189	0.05 120

4D-IteraStereo	0.09 77	0.07 135	0.10 105	0.18 295	0.07 70	0.09 77	0.15 214	0.17 164	0.15 154	0.10 122	0.11 142	0.10 150	0.07 102	0.11 105	0.09 52	0.05 26	0.03 1	0.08 272	0.07 268	0.06 189	0.05 120

LoS	0.09 77	0.05 17	0.11 146	0.13 12	0.07 70	0.14 273	0.11 45	0.15 102	0.15 154	0.09 90	0.09 86	0.12 188	0.09 163	0.15 277	0.10 120	0.07 235	0.05 182	0.05 23	0.03 1	0.05 98	0.05 120
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
CIPLG	0.11 181	0.08 232	0.14 260	0.17 214	0.08 125	0.12 202	0.15 214	0.17 164	0.15 154	0.14 235	0.11 142	0.16 275	0.09 163	0.16 311	0.11 183	0.07 235	0.05 182	0.06 99	0.05 104	0.05 98	0.06 195

IPLG	0.10 138	0.07 135	0.15 309	0.17 214	0.08 125	0.11 168	0.14 148	0.20 225	0.15 154	0.12 187	0.17 233	0.07 62	0.07 102	0.14 255	0.13 272	0.06 113	0.04 21	0.06 99	0.05 104	0.04 15	0.04 40

IPLGR_C	0.11 181	0.08 232	0.14 260	0.17 214	0.08 125	0.12 202	0.15 214	0.17 164	0.15 154	0.14 235	0.10 112	0.16 275	0.09 163	0.16 311	0.11 183	0.07 235	0.05 182	0.06 99	0.05 104	0.05 98	0.06 195

test-3	0.08 43	0.06 54	0.09 70	0.17 214	0.07 70	0.07 27	0.14 148	0.12 41	0.15 154	0.09 90	0.08 68	0.07 62	0.08 137	0.11 105	0.10 120	0.05 26	0.04 21	0.07 191	0.05 104	0.04 15	0.04 40

test_1	0.08 43	0.06 54	0.09 70	0.17 214	0.07 70	0.07 27	0.14 148	0.12 41	0.15 154	0.09 90	0.08 68	0.07 62	0.08 137	0.11 105	0.10 120	0.05 26	0.04 21	0.07 191	0.05 104	0.04 15	0.04 40

LCNet	0.11 181	0.07 135	0.09 70	0.19 351	0.09 234	0.08 48	0.15 214	0.21 247	0.15 154	0.11 149	0.15 200	0.16 275	0.11 220	0.12 186	0.11 183	0.05 26	0.04 21	0.08 272	0.07 268	0.06 189	0.15 484

TransformOpticalFlow	0.10 138	0.08 232	0.13 225	0.18 295	0.07 70	0.09 77	0.15 214	0.19 214	0.15 154	0.12 187	0.17 233	0.11 171	0.11 220	0.11 105	0.10 120	0.05 26	0.04 21	0.06 99	0.06 181	0.05 98	0.05 120

NRIStereo	0.11 181	0.08 232	0.14 260	0.18 295	0.08 125	0.10 123	0.14 148	0.16 128	0.15 154	0.12 187	0.14 183	0.13 212	0.12 250	0.13 230	0.10 120	0.06 113	0.04 21	0.07 191	0.06 181	0.06 189	0.07 274

cross-raft	0.10 138	0.09 306	0.09 70	0.19 351	0.07 70	0.11 168	0.25 478	0.13 57	0.15 154	0.08 61	0.11 142	0.12 188	0.10 195	0.09 33	0.11 183	0.05 26	0.04 21	0.06 99	0.05 104	0.04 15	0.04 40

s12784h	0.09 77	0.06 54	0.07 6	0.15 69	0.05 1	0.16 329	0.18 357	0.15 102	0.15 154	0.10 122	0.11 142	0.11 171	0.11 220	0.10 59	0.12 231	0.05 26	0.04 21	0.05 23	0.04 34	0.04 15	0.04 40

RALAANet	0.11 181	0.08 232	0.10 105	0.17 214	0.09 234	0.14 273	0.10 26	0.20 225	0.15 154	0.14 235	0.13 169	0.16 275	0.09 163	0.12 186	0.11 183	0.06 113	0.05 182	0.07 191	0.06 181	0.05 98	0.04 40

DilatedVolume-Stereo	0.09 77	0.05 17	0.08 29	0.15 69	0.06 13	0.11 168	0.12 62	0.14 73	0.16 181	0.11 149	0.11 142	0.09 119	0.09 163	0.11 105	0.10 120	0.06 113	0.05 182	0.05 23	0.04 34	0.03 1	0.03 1

PAM	0.10 138	0.05 17	0.16 343	0.15 69	0.08 125	0.09 77	0.16 279	0.15 102	0.16 181	0.12 187	0.09 86	0.09 119	0.07 102	0.13 230	0.08 17	0.06 113	0.05 182	0.06 99	0.06 181	0.05 98	0.06 195

rvit_stereo_0080	0.10 138	0.08 232	0.14 260	0.15 69	0.09 234	0.07 27	0.15 214	0.16 128	0.16 181	0.11 149	0.10 112	0.14 232	0.08 137	0.12 186	0.10 120	0.09 351	0.07 371	0.07 191	0.06 181	0.07 254	0.05 120

rvit_stereo_ft	0.12 246	0.07 135	0.13 225	0.19 351	0.10 335	0.12 202	0.17 312	0.16 128	0.16 181	0.12 187	0.13 169	0.15 261	0.10 195	0.14 255	0.13 272	0.09 351	0.06 302	0.08 272	0.07 268	0.07 254	0.05 120

RAFT-Stereo-weight	0.09 77	0.06 54	0.10 105	0.16 140	0.07 70	0.09 77	0.14 148	0.19 214	0.16 181	0.11 149	0.10 112	0.08 94	0.06 34	0.10 59	0.11 183	0.06 113	0.04 21	0.06 99	0.04 34	0.04 15	0.04 40

test_sample2	0.12 246	0.07 135	0.12 181	0.14 29	0.08 125	0.16 329	0.18 357	0.21 247	0.16 181	0.14 235	0.20 279	0.19 323	0.15 330	0.15 277	0.12 231	0.08 295	0.05 182	0.07 191	0.06 181	0.08 316	0.07 274

ACVNet-DCA	0.10 138	0.08 232	0.12 181	0.17 214	0.09 234	0.13 241	0.15 214	0.23 288	0.16 181	0.09 90	0.09 86	0.06 16	0.06 34	0.10 59	0.07 1	0.06 113	0.04 21	0.06 99	0.05 104	0.07 254	0.07 274

1test111	0.11 181	0.08 232	0.12 181	0.17 214	0.09 234	0.13 241	0.15 214	0.23 288	0.16 181	0.09 90	0.09 86	0.06 16	0.06 34	0.15 277	0.16 353	0.06 113	0.04 21	0.06 99	0.05 104	0.07 254	0.07 274

whm_eth	0.10 138	0.08 232	0.14 260	0.15 69	0.09 234	0.07 27	0.15 214	0.16 128	0.16 181	0.11 149	0.10 112	0.14 232	0.08 137	0.12 186	0.10 120	0.09 351	0.07 371	0.07 191	0.06 181	0.07 254	0.05 120

MaDis-Stereo	0.09 77	0.09 306	0.08 29	0.17 214	0.09 234	0.13 241	0.10 26	0.16 128	0.16 181	0.09 90	0.11 142	0.06 16	0.06 34	0.09 33	0.13 272	0.07 235	0.06 302	0.07 191	0.05 104	0.05 98	0.04 40

EGLCR-Stereo	0.08 43	0.05 17	0.08 29	0.14 29	0.06 13	0.10 123	0.12 62	0.11 26	0.16 181	0.06 9	0.05 7	0.07 62	0.05 9	0.10 59	0.11 183	0.06 113	0.04 21	0.06 99	0.05 104	0.04 15	0.04 40

TestStereo1	0.13 271	0.08 232	0.08 29	0.19 351	0.08 125	0.18 368	0.29 507	0.23 288	0.16 181	0.17 306	0.20 279	0.16 275	0.10 195	0.12 186	0.13 272	0.06 113	0.06 302	0.08 272	0.06 181	0.05 98	0.05 120

qqq	0.13 271	0.09 306	0.15 309	0.16 140	0.08 125	0.13 241	0.15 214	0.23 288	0.16 181	0.15 262	0.19 267	0.16 275	0.16 356	0.15 277	0.16 353	0.07 235	0.06 302	0.08 272	0.08 332	0.07 254	0.07 274

RAFT_CTSACE	0.12 246	0.09 306	0.10 105	0.22 444	0.08 125	0.12 202	0.24 463	0.18 193	0.16 181	0.20 373	0.27 384	0.13 212	0.07 102	0.13 230	0.09 52	0.05 26	0.06 302	0.08 272	0.07 268	0.04 15	0.04 40

SA-5K	0.13 271	0.08 232	0.08 29	0.19 351	0.08 125	0.18 368	0.29 507	0.23 288	0.16 181	0.17 306	0.20 279	0.16 275	0.10 195	0.12 186	0.13 272	0.06 113	0.06 302	0.08 272	0.06 181	0.05 98	0.05 120

RAFT_R40	0.11 181	0.07 135	0.14 260	0.18 295	0.09 234	0.06 8	0.13 100	0.17 164	0.16 181	0.14 235	0.18 258	0.15 261	0.12 250	0.10 59	0.11 183	0.06 113	0.04 21	0.09 351	0.06 181	0.06 189	0.05 120

GMM-Stereo	0.11 181	0.07 135	0.10 105	0.18 295	0.09 234	0.08 48	0.15 214	0.23 288	0.16 181	0.11 149	0.15 200	0.13 212	0.11 220	0.11 105	0.11 183	0.05 26	0.04 21	0.08 272	0.07 268	0.06 189	0.09 382

raftrobust	0.09 77	0.06 54	0.10 105	0.17 214	0.08 125	0.09 77	0.10 26	0.18 193	0.16 181	0.10 122	0.09 86	0.12 188	0.07 102	0.12 186	0.10 120	0.08 295	0.05 182	0.06 99	0.05 104	0.05 98	0.05 120

DIP-Stereo	0.11 181	0.07 135	0.14 260	0.17 214	0.09 234	0.13 241	0.09 18	0.16 128	0.16 181	0.11 149	0.16 212	0.14 232	0.12 250	0.15 277	0.13 272	0.06 113	0.05 182	0.06 99	0.05 104	0.05 98	0.06 195
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
RAStereo	0.10 138	0.09 306	0.08 29	0.20 400	0.08 125	0.13 241	0.18 357	0.15 102	0.17 200	0.10 122	0.12 155	0.05 1	0.06 34	0.09 33	0.08 17	0.07 235	0.05 182	0.07 191	0.05 104	0.05 98	0.04 40

Pointernet	0.09 77	0.04 1	0.09 70	0.16 140	0.08 125	0.13 241	0.10 26	0.15 102	0.17 200	0.09 90	0.07 36	0.06 16	0.06 34	0.11 105	0.09 52	0.08 295	0.04 21	0.05 23	0.03 1	0.06 189	0.05 120

AIO-Stereo-zeroshot	0.11 181	0.05 17	0.11 146	0.15 69	0.13 434	0.13 241	0.16 279	0.23 288	0.17 200	0.10 122	0.12 155	0.10 150	0.07 102	0.11 105	0.09 52	0.06 113	0.05 182	0.06 99	0.06 181	0.07 254	0.08 338

U	0.08 43	0.07 135	0.09 70	0.19 351	0.10 335	0.10 123	0.13 100	0.12 41	0.17 200	0.07 29	0.07 36	0.06 16	0.05 9	0.07 4	0.08 17	0.06 113	0.04 21	0.06 99	0.04 34	0.06 189	0.05 120

GCST	0.37 513	0.42 531	0.26 451	1.02 555	0.39 530	0.18 368	0.08 7	0.20 225	0.17 200	0.28 460	0.25 359	0.15 261	0.12 250	0.16 311	0.14 309	0.64 548	0.43 537	0.75 545	0.65 548	0.63 542	0.46 541

test_sample6	0.14 305	0.08 232	0.13 225	0.16 140	0.08 125	0.17 350	0.19 395	0.25 326	0.17 200	0.17 306	0.27 384	0.19 323	0.14 312	0.15 277	0.13 272	0.08 295	0.05 182	0.08 272	0.07 268	0.08 316	0.08 338

test_sample5	0.14 305	0.08 232	0.14 260	0.16 140	0.08 125	0.18 368	0.18 357	0.25 326	0.17 200	0.17 306	0.27 384	0.18 309	0.14 312	0.16 311	0.13 272	0.08 295	0.05 182	0.08 272	0.07 268	0.08 316	0.08 338

test_sample4	0.14 305	0.08 232	0.14 260	0.15 69	0.08 125	0.19 391	0.18 357	0.26 344	0.17 200	0.16 290	0.25 359	0.18 309	0.14 312	0.16 311	0.13 272	0.08 295	0.06 302	0.08 272	0.06 181	0.08 316	0.08 338

DualNet	0.14 305	0.08 232	0.14 260	0.16 140	0.08 125	0.18 368	0.18 357	0.25 326	0.17 200	0.17 306	0.27 384	0.18 309	0.14 312	0.16 311	0.13 272	0.08 295	0.05 182	0.08 272	0.07 268	0.08 316	0.08 338

DCRE	0.11 181	0.07 135	0.13 225	0.16 140	0.11 382	0.11 168	0.17 312	0.18 193	0.17 200	0.11 149	0.18 258	0.10 150	0.10 195	0.15 277	0.11 183	0.06 113	0.05 182	0.06 99	0.06 181	0.05 98	0.04 40

Anonymous_2	0.22 449	0.17 472	0.28 463	0.15 69	0.16 478	0.32 490	0.22 442	0.22 269	0.17 200	0.23 414	0.24 330	0.26 407	0.27 466	0.27 461	0.23 445	0.22 519	0.25 526	0.17 492	0.17 500	0.17 499	0.17 503

DisPM	0.11 181	0.07 135	0.12 181	0.16 140	0.09 234	0.06 8	0.13 100	0.17 164	0.17 200	0.14 235	0.20 279	0.12 188	0.10 195	0.11 105	0.10 120	0.06 113	0.04 21	0.07 191	0.06 181	0.06 189	0.11 429

test_4	0.10 138	0.10 364	0.08 29	0.19 351	0.09 234	0.08 48	0.22 442	0.15 102	0.17 200	0.12 187	0.18 258	0.12 188	0.09 163	0.08 15	0.11 183	0.04 11	0.04 21	0.08 272	0.08 332	0.04 15	0.03 1

GMOStereo	0.11 181	0.09 306	0.07 6	0.19 351	0.08 125	0.12 202	0.28 498	0.13 57	0.17 200	0.11 149	0.17 233	0.14 232	0.12 250	0.07 4	0.07 1	0.05 26	0.05 182	0.09 351	0.07 268	0.04 15	0.04 40

error version	0.11 181	0.09 306	0.07 6	0.19 351	0.08 125	0.12 202	0.28 498	0.13 57	0.17 200	0.11 149	0.17 233	0.14 232	0.12 250	0.07 4	0.07 1	0.05 26	0.05 182	0.09 351	0.07 268	0.04 15	0.04 40

test-v	0.11 181	0.09 306	0.07 6	0.19 351	0.08 125	0.12 202	0.28 498	0.13 57	0.17 200	0.11 149	0.17 233	0.14 232	0.12 250	0.07 4	0.07 1	0.05 26	0.05 182	0.09 351	0.07 268	0.04 15	0.04 40

HHNet	0.11 181	0.06 54	0.16 343	0.15 69	0.14 452	0.07 27	0.13 100	0.20 225	0.17 200	0.14 235	0.25 359	0.11 171	0.08 137	0.13 230	0.10 120	0.05 26	0.04 21	0.08 272	0.06 181	0.05 98	0.09 382

IIG-Stereo	0.11 181	0.06 54	0.13 225	0.17 214	0.08 125	0.11 168	0.12 62	0.22 269	0.17 200	0.14 235	0.17 233	0.11 171	0.12 250	0.12 186	0.12 231	0.06 113	0.05 182	0.07 191	0.06 181	0.05 98	0.04 40

PSM-softLoss	0.12 246	0.07 135	0.15 309	0.17 214	0.09 234	0.08 48	0.13 100	0.24 310	0.17 200	0.14 235	0.19 267	0.13 212	0.11 220	0.11 105	0.11 183	0.07 235	0.05 182	0.08 272	0.07 268	0.06 189	0.12 441

KMStereo	0.12 246	0.07 135	0.15 309	0.17 214	0.09 234	0.08 48	0.13 100	0.24 310	0.17 200	0.14 235	0.19 267	0.13 212	0.11 220	0.11 105	0.11 183	0.07 235	0.05 182	0.08 272	0.07 268	0.06 189	0.12 441

ASMatch	0.11 181	0.06 54	0.13 225	0.16 140	0.10 335	0.07 27	0.14 148	0.17 164	0.17 200	0.12 187	0.16 212	0.16 275	0.10 195	0.13 230	0.10 120	0.05 26	0.04 21	0.06 99	0.05 104	0.04 15	0.08 338

GrayStereo	0.11 181	0.06 54	0.11 146	0.19 351	0.09 234	0.09 77	0.16 279	0.18 193	0.17 200	0.14 235	0.17 233	0.17 295	0.11 220	0.12 186	0.11 183	0.05 26	0.05 182	0.07 191	0.06 181	0.05 98	0.10 406

Pruner-Stereo	0.11 181	0.07 135	0.12 181	0.17 214	0.09 234	0.06 8	0.12 62	0.17 164	0.17 200	0.13 214	0.19 267	0.13 212	0.09 163	0.11 105	0.11 183	0.06 113	0.04 21	0.07 191	0.06 181	0.06 189	0.08 338

test-2	0.11 181	0.09 306	0.07 6	0.19 351	0.08 125	0.12 202	0.28 498	0.13 57	0.17 200	0.11 149	0.17 233	0.14 232	0.12 250	0.07 4	0.07 1	0.05 26	0.05 182	0.09 351	0.07 268	0.04 15	0.04 40

CFNet-RSSM	0.09 77	0.07 135	0.09 70	0.16 140	0.07 70	0.09 77	0.15 214	0.16 128	0.17 200	0.08 61	0.12 155	0.10 150	0.09 163	0.11 105	0.09 52	0.06 113	0.04 21	0.06 99	0.04 34	0.04 15	0.04 40

Gwc-CoAtRS	0.09 77	0.06 54	0.10 105	0.16 140	0.07 70	0.10 123	0.14 148	0.17 164	0.17 200	0.08 61	0.10 112	0.12 188	0.09 163	0.12 186	0.09 52	0.06 113	0.04 21	0.06 99	0.04 34	0.04 15	0.04 40

G2L-ROB	0.13 271	0.06 54	0.13 225	0.13 12	0.08 125	0.14 273	0.16 279	0.25 326	0.18 226	0.19 351	0.18 258	0.20 335	0.14 312	0.17 343	0.16 353	0.08 295	0.05 182	0.06 99	0.05 104	0.08 316	0.09 382

castereo	0.09 77	0.06 54	0.11 146	0.15 69	0.06 13	0.11 168	0.15 214	0.14 73	0.18 226	0.08 61	0.10 112	0.11 171	0.08 137	0.09 33	0.10 120	0.05 26	0.04 21	0.05 23	0.04 34	0.04 15	0.03 1

test_sample3	0.14 305	0.08 232	0.15 309	0.14 29	0.09 234	0.19 391	0.17 312	0.26 344	0.18 226	0.16 290	0.22 309	0.19 323	0.15 330	0.17 343	0.13 272	0.08 295	0.06 302	0.07 191	0.06 181	0.09 376	0.08 338

Former-RAFT_DAM_RVC	0.10 138	0.08 232	0.12 181	0.16 140	0.08 125	0.15 299	0.16 279	0.18 193	0.18 226	0.10 122	0.09 86	0.09 119	0.08 137	0.11 105	0.12 231	0.07 235	0.05 182	0.08 272	0.06 181	0.07 254	0.06 195

xx1	0.11 181	0.08 232	0.12 181	0.17 214	0.09 234	0.13 241	0.15 214	0.16 128	0.18 226	0.09 90	0.09 86	0.16 275	0.16 356	0.10 59	0.07 1	0.06 113	0.04 21	0.08 272	0.08 332	0.07 254	0.07 274

cc1	0.10 138	0.08 232	0.12 181	0.17 214	0.09 234	0.13 241	0.15 214	0.16 128	0.18 226	0.09 90	0.09 86	0.06 16	0.06 34	0.10 59	0.07 1	0.06 113	0.04 21	0.06 99	0.05 104	0.06 189	0.06 195

MIF-Stereo (partial)	0.11 181	0.06 54	0.10 105	0.19 351	0.10 335	0.10 123	0.11 45	0.17 164	0.18 226	0.14 235	0.16 212	0.09 119	0.11 220	0.12 186	0.12 231	0.08 295	0.05 182	0.08 272	0.07 268	0.06 189	0.07 274

Sa-1000	0.12 246	0.08 232	0.08 29	0.18 295	0.08 125	0.14 273	0.22 442	0.22 269	0.18 226	0.15 262	0.20 279	0.17 295	0.11 220	0.10 59	0.10 120	0.06 113	0.05 182	0.09 351	0.09 376	0.05 98	0.05 120

SA	0.12 246	0.09 306	0.08 29	0.18 295	0.08 125	0.12 202	0.24 463	0.23 288	0.18 226	0.17 306	0.27 384	0.14 232	0.11 220	0.11 105	0.11 183	0.05 26	0.05 182	0.09 351	0.08 332	0.05 98	0.04 40

TRStereo	0.09 77	0.05 17	0.12 181	0.15 69	0.12 413	0.10 123	0.13 100	0.18 193	0.18 226	0.09 90	0.09 86	0.09 119	0.06 34	0.10 59	0.08 17	0.07 235	0.05 182	0.07 191	0.07 268	0.04 15	0.04 40

FTStereo	0.12 246	0.06 54	0.14 260	0.18 295	0.09 234	0.07 27	0.15 214	0.21 247	0.18 226	0.12 187	0.24 330	0.12 188	0.12 250	0.13 230	0.13 272	0.05 26	0.05 182	0.07 191	0.06 181	0.06 189	0.10 406

test-1	0.10 138	0.07 135	0.16 343	0.19 351	0.08 125	0.11 168	0.24 463	0.14 73	0.18 226	0.09 90	0.07 36	0.09 119	0.08 137	0.07 4	0.09 52	0.06 113	0.04 21	0.06 99	0.05 104	0.04 15	0.04 40

BEATNet_4x	0.12 246	0.08 232	0.14 260	0.18 295	0.07 70	0.15 299	0.07 3	0.22 269	0.18 226	0.16 290	0.19 267	0.18 309	0.14 312	0.16 311	0.15 337	0.07 235	0.05 182	0.05 23	0.05 104	0.06 189	0.06 195

HITNet	0.10 138	0.06 54	0.12 181	0.14 29	0.06 13	0.11 168	0.10 26	0.18 193	0.18 226	0.13 214	0.16 212	0.14 232	0.11 220	0.15 277	0.13 272	0.06 113	0.04 21	0.04 1	0.04 34	0.06 189	0.05 120
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
DN-CSS_ROB	0.13 271	0.13 435	0.16 343	0.18 295	0.10 335	0.16 329	0.08 7	0.22 269	0.18 226	0.17 306	0.22 309	0.13 212	0.13 287	0.12 186	0.13 272	0.05 26	0.05 182	0.10 396	0.10 411	0.08 316	0.06 195

xyz-stereo-finetune	0.11 181	0.08 232	0.13 225	0.14 29	0.06 13	0.10 123	0.19 395	0.17 164	0.19 241	0.12 187	0.14 183	0.15 261	0.10 195	0.13 230	0.11 183	0.05 26	0.04 21	0.07 191	0.05 104	0.04 15	0.05 120

MM-Stereo_test3	0.10 138	0.07 135	0.07 6	0.18 295	0.07 70	0.12 202	0.19 395	0.24 310	0.19 241	0.06 9	0.10 112	0.08 94	0.06 34	0.11 105	0.08 17	0.06 113	0.06 302	0.07 191	0.05 104	0.05 98	0.04 40

DDVS	0.15 349	0.10 364	0.21 425	0.16 140	0.12 413	0.15 299	0.14 148	0.25 326	0.19 241	0.18 336	0.29 409	0.27 415	0.12 250	0.19 379	0.15 337	0.09 351	0.06 302	0.09 351	0.07 268	0.11 427	0.11 429

rvit_stereo_0081_aga	0.11 181	0.09 306	0.14 260	0.18 295	0.09 234	0.13 241	0.14 148	0.14 73	0.19 241	0.10 122	0.18 258	0.16 275	0.09 163	0.12 186	0.09 52	0.10 388	0.06 302	0.08 272	0.07 268	0.07 254	0.06 195

AE-Stereo	0.10 138	0.08 232	0.10 105	0.18 295	0.09 234	0.10 123	0.15 214	0.14 73	0.19 241	0.09 90	0.14 183	0.12 188	0.08 137	0.11 105	0.10 120	0.05 26	0.06 302	0.07 191	0.06 181	0.05 98	0.04 40

ffm	0.12 246	0.09 306	0.14 260	0.16 140	0.08 125	0.17 350	0.17 312	0.15 102	0.19 241	0.15 262	0.25 359	0.19 323	0.13 287	0.10 59	0.07 1	0.06 113	0.04 21	0.09 351	0.08 332	0.06 189	0.06 195

ff1	0.13 271	0.09 306	0.14 260	0.16 140	0.08 125	0.17 350	0.17 312	0.15 102	0.19 241	0.15 262	0.25 359	0.19 323	0.13 287	0.14 255	0.20 404	0.06 113	0.04 21	0.09 351	0.08 332	0.06 189	0.06 195

tt1	0.10 138	0.08 232	0.12 181	0.17 214	0.09 234	0.12 202	0.16 279	0.15 102	0.19 241	0.09 90	0.08 68	0.06 16	0.06 34	0.10 59	0.07 1	0.06 113	0.04 21	0.06 99	0.05 104	0.06 189	0.06 195

CASS	0.13 271	0.12 406	0.11 146	0.23 464	0.09 234	0.15 299	0.17 312	0.18 193	0.19 241	0.17 306	0.18 258	0.15 261	0.15 330	0.14 255	0.14 309	0.09 351	0.06 302	0.10 396	0.08 332	0.09 376	0.07 274
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
DCANet-4	0.10 138	0.06 54	0.12 181	0.16 140	0.06 13	0.09 77	0.17 312	0.18 193	0.19 241	0.13 214	0.16 212	0.09 119	0.14 312	0.11 105	0.12 231	0.06 113	0.04 21	0.05 23	0.04 34	0.04 15	0.05 120

ADStereo(finetuned)	0.10 138	0.06 54	0.12 181	0.16 140	0.06 13	0.09 77	0.17 312	0.15 102	0.19 241	0.13 214	0.17 233	0.10 150	0.12 250	0.11 105	0.12 231	0.06 113	0.04 21	0.05 23	0.04 34	0.05 98	0.04 40

BUS	0.14 305	0.09 306	0.14 260	0.22 444	0.10 335	0.19 391	0.14 148	0.34 457	0.19 241	0.17 306	0.22 309	0.16 275	0.13 287	0.15 277	0.13 272	0.08 295	0.06 302	0.10 396	0.09 376	0.07 254	0.07 274

BSDual-CNN	0.15 349	0.09 306	0.14 260	0.22 444	0.10 335	0.14 273	0.15 214	0.34 457	0.19 241	0.17 306	0.22 309	0.25 398	0.16 356	0.15 277	0.14 309	0.08 295	0.06 302	0.10 396	0.09 376	0.07 254	0.07 274

psmg	0.14 305	0.09 306	0.14 260	0.17 214	0.10 335	0.15 299	0.17 312	0.29 394	0.19 241	0.17 306	0.21 300	0.25 398	0.16 356	0.15 277	0.14 309	0.08 295	0.06 302	0.08 272	0.08 332	0.07 254	0.06 195

NF-Stereo	0.11 181	0.07 135	0.13 225	0.17 214	0.09 234	0.10 123	0.14 148	0.23 288	0.19 241	0.12 187	0.17 233	0.12 188	0.11 220	0.11 105	0.11 183	0.06 113	0.04 21	0.07 191	0.06 181	0.06 189	0.12 441

OCTAStereo	0.11 181	0.07 135	0.13 225	0.17 214	0.09 234	0.10 123	0.14 148	0.23 288	0.19 241	0.12 187	0.17 233	0.12 188	0.11 220	0.11 105	0.11 183	0.06 113	0.04 21	0.07 191	0.06 181	0.06 189	0.12 441

RE-Stereo	0.11 181	0.07 135	0.13 225	0.17 214	0.09 234	0.10 123	0.14 148	0.23 288	0.19 241	0.12 187	0.17 233	0.12 188	0.11 220	0.11 105	0.11 183	0.06 113	0.04 21	0.07 191	0.06 181	0.06 189	0.12 441

TVStereo	0.11 181	0.07 135	0.13 225	0.17 214	0.09 234	0.10 123	0.14 148	0.23 288	0.19 241	0.12 187	0.17 233	0.12 188	0.11 220	0.11 105	0.11 183	0.06 113	0.04 21	0.07 191	0.06 181	0.06 189	0.12 441

RAFT	0.13 271	0.09 306	0.11 146	0.18 295	0.08 125	0.15 299	0.24 463	0.20 225	0.19 241	0.21 387	0.21 300	0.17 295	0.12 250	0.16 311	0.09 52	0.06 113	0.07 371	0.10 396	0.09 376	0.05 98	0.05 120

LMCR-Stereo	0.15 349	0.08 232	0.13 225	0.21 429	0.09 234	0.17 350	0.20 416	0.27 365	0.19 241	0.24 423	0.24 330	0.23 379	0.17 379	0.20 404	0.17 368	0.07 235	0.06 302	0.08 272	0.06 181	0.10 407	0.08 338

TANstereo	0.09 77	0.04 1	0.08 29	0.13 12	0.06 13	0.11 168	0.14 148	0.15 102	0.19 241	0.11 149	0.15 200	0.10 150	0.06 34	0.12 186	0.09 52	0.07 235	0.05 182	0.05 23	0.04 34	0.06 189	0.05 120

DCANet	0.10 138	0.06 54	0.12 181	0.16 140	0.06 13	0.09 77	0.17 312	0.15 102	0.19 241	0.13 214	0.17 233	0.10 150	0.11 220	0.11 105	0.12 231	0.06 113	0.04 21	0.05 23	0.04 34	0.05 98	0.04 40

xxxx	0.15 349	0.07 135	0.14 260	0.14 29	0.08 125	0.23 443	0.18 357	0.31 418	0.19 241	0.14 235	0.28 397	0.22 362	0.14 312	0.15 277	0.26 475	0.09 351	0.05 182	0.07 191	0.07 268	0.08 316	0.07 274

MM-Stereo_test1	0.10 138	0.07 135	0.08 29	0.18 295	0.07 70	0.12 202	0.18 357	0.21 247	0.20 264	0.09 90	0.11 142	0.08 94	0.06 34	0.10 59	0.10 120	0.06 113	0.05 182	0.07 191	0.06 181	0.05 98	0.04 40

FACV-RUCA	0.13 271	0.11 389	0.12 181	0.19 351	0.12 413	0.15 299	0.15 214	0.22 269	0.20 264	0.15 262	0.16 212	0.14 232	0.16 356	0.14 255	0.13 272	0.07 235	0.05 182	0.08 272	0.06 181	0.10 407	0.08 338

StereoVision	0.13 271	0.12 406	0.09 70	0.24 473	0.10 335	0.15 299	0.21 433	0.21 247	0.20 264	0.12 187	0.24 330	0.10 150	0.10 195	0.16 311	0.10 120	0.09 351	0.11 454	0.12 444	0.12 460	0.06 189	0.05 120

fff	0.10 138	0.06 54	0.12 181	0.15 69	0.07 70	0.09 77	0.17 312	0.16 128	0.20 264	0.13 214	0.16 212	0.10 150	0.11 220	0.11 105	0.12 231	0.06 113	0.04 21	0.05 23	0.04 34	0.04 15	0.05 120

x	0.13 271	0.07 135	0.14 260	0.14 29	0.08 125	0.18 368	0.14 148	0.22 269	0.20 264	0.15 262	0.19 267	0.19 323	0.17 379	0.18 364	0.18 386	0.07 235	0.05 182	0.06 99	0.06 181	0.07 254	0.07 274

CRFU-Net	0.16 372	0.08 232	0.14 260	0.17 214	0.09 234	0.19 391	0.14 148	0.26 344	0.20 264	0.28 460	0.27 384	0.29 431	0.17 379	0.19 379	0.17 368	0.09 351	0.09 423	0.07 191	0.07 268	0.08 316	0.08 338

GANet-ADL	0.13 271	0.07 135	0.15 309	0.17 214	0.10 335	0.18 368	0.15 214	0.30 408	0.20 264	0.13 214	0.18 258	0.19 323	0.12 250	0.16 311	0.13 272	0.08 295	0.06 302	0.06 99	0.05 104	0.07 254	0.08 338

PFNet	0.12 246	0.06 54	0.17 371	0.17 214	0.08 125	0.09 77	0.15 214	0.26 344	0.20 264	0.16 290	0.16 212	0.14 232	0.11 220	0.12 186	0.11 183	0.06 113	0.04 21	0.07 191	0.06 181	0.05 98	0.05 120

raft+_RVC	0.11 181	0.07 135	0.09 70	0.16 140	0.07 70	0.10 123	0.11 45	0.24 310	0.20 264	0.12 187	0.15 200	0.12 188	0.08 137	0.12 186	0.13 272	0.07 235	0.04 21	0.07 191	0.06 181	0.05 98	0.05 120

csc	0.10 138	0.06 54	0.12 181	0.15 69	0.07 70	0.09 77	0.17 312	0.16 128	0.20 264	0.13 214	0.16 212	0.10 150	0.11 220	0.11 105	0.12 231	0.06 113	0.04 21	0.05 23	0.04 34	0.04 15	0.05 120

cscssc	0.10 138	0.06 54	0.12 181	0.15 69	0.07 70	0.09 77	0.17 312	0.16 128	0.20 264	0.13 214	0.16 212	0.10 150	0.11 220	0.11 105	0.12 231	0.06 113	0.04 21	0.05 23	0.04 34	0.04 15	0.05 120

222	0.16 372	0.07 135	0.14 260	0.14 29	0.08 125	0.24 448	0.18 357	0.30 408	0.20 264	0.17 306	0.28 397	0.17 295	0.16 356	0.15 277	0.40 522	0.10 388	0.05 182	0.07 191	0.06 181	0.07 254	0.08 338

test_xeample	0.15 349	0.06 54	0.13 225	0.14 29	0.08 125	0.21 422	0.20 416	0.28 384	0.20 264	0.16 290	0.29 409	0.19 323	0.16 356	0.15 277	0.26 475	0.09 351	0.05 182	0.07 191	0.07 268	0.07 254	0.07 274

RAFT + AFF	0.13 271	0.07 135	0.20 417	0.20 400	0.10 335	0.14 273	0.24 463	0.26 344	0.20 264	0.11 149	0.10 112	0.12 188	0.10 195	0.15 277	0.12 231	0.07 235	0.06 302	0.09 351	0.08 332	0.06 189	0.08 338

RASNet	0.14 305	0.07 135	0.14 260	0.16 140	0.08 125	0.18 368	0.14 148	0.29 394	0.20 264	0.17 306	0.25 359	0.21 344	0.18 392	0.20 404	0.19 398	0.07 235	0.06 302	0.06 99	0.08 332	0.06 189	0.06 195

ACV-stereo	0.15 349	0.10 364	0.28 463	0.18 295	0.12 413	0.14 273	0.12 62	0.23 288	0.21 279	0.19 351	0.23 318	0.22 362	0.15 330	0.23 442	0.17 368	0.07 235	0.06 302	0.07 191	0.07 268	0.07 254	0.07 274

test_sample8	0.19 417	0.12 406	0.20 417	0.12 4	0.14 452	0.17 350	0.13 100	0.31 418	0.21 279	0.27 446	0.22 309	0.36 475	0.25 453	0.19 379	0.17 368	0.15 481	0.30 530	0.14 471	0.14 473	0.14 470	0.12 441

H2IRNET	0.10 138	0.09 306	0.09 70	0.18 295	0.09 234	0.12 202	0.15 214	0.14 73	0.21 279	0.10 122	0.10 112	0.10 150	0.10 195	0.10 59	0.10 120	0.05 26	0.04 21	0.08 272	0.08 332	0.06 189	0.05 120

EKT-Stereo	0.11 181	0.07 135	0.14 260	0.15 69	0.10 335	0.13 241	0.14 148	0.18 193	0.21 279	0.11 149	0.08 68	0.12 188	0.09 163	0.11 105	0.12 231	0.08 295	0.06 302	0.07 191	0.06 181	0.08 316	0.07 274

iRaft-Stereo_5w	0.12 246	0.09 306	0.12 181	0.19 351	0.08 125	0.09 77	0.12 62	0.21 247	0.21 279	0.19 351	0.14 183	0.11 171	0.09 163	0.20 404	0.16 353	0.05 26	0.05 182	0.07 191	0.06 181	0.05 98	0.06 195

test_3	0.10 138	0.09 306	0.10 105	0.20 400	0.08 125	0.13 241	0.26 485	0.14 73	0.21 279	0.10 122	0.10 112	0.09 119	0.09 163	0.08 15	0.11 183	0.05 26	0.04 21	0.08 272	0.07 268	0.04 15	0.04 40

PFNet+	0.11 181	0.06 54	0.13 225	0.16 140	0.09 234	0.05 4	0.12 62	0.17 164	0.21 279	0.16 290	0.19 267	0.14 232	0.10 195	0.11 105	0.11 183	0.08 295	0.05 182	0.09 351	0.08 332	0.06 189	0.11 429

OMP-Stereo	0.11 181	0.06 54	0.14 260	0.18 295	0.08 125	0.09 77	0.12 62	0.21 247	0.21 279	0.13 214	0.14 183	0.11 171	0.12 250	0.11 105	0.13 272	0.06 113	0.04 21	0.07 191	0.06 181	0.05 98	0.04 40

sAnonymous2	0.13 271	0.12 406	0.24 443	0.20 400	0.12 413	0.17 350	0.13 100	0.26 344	0.21 279	0.11 149	0.11 142	0.13 212	0.08 137	0.10 59	0.10 120	0.09 351	0.05 182	0.08 272	0.06 181	0.15 485	0.10 406

CroCo_RVC	0.13 271	0.12 406	0.24 443	0.20 400	0.12 413	0.17 350	0.13 100	0.26 344	0.21 279	0.11 149	0.11 142	0.13 212	0.08 137	0.10 59	0.10 120	0.09 351	0.05 182	0.08 272	0.06 181	0.15 485	0.10 406

ac_64	0.16 372	0.08 232	0.15 309	0.18 295	0.10 335	0.22 430	0.18 357	0.24 310	0.21 279	0.18 336	0.24 330	0.29 431	0.18 392	0.19 379	0.22 433	0.09 351	0.07 371	0.08 272	0.09 376	0.07 254	0.06 195

GANet-RSSM	0.14 305	0.07 135	0.13 225	0.13 12	0.08 125	0.14 273	0.17 312	0.22 269	0.21 279	0.17 306	0.24 330	0.23 379	0.15 330	0.16 311	0.15 337	0.10 388	0.06 302	0.07 191	0.08 332	0.08 316	0.07 274

DeepPruner_ROB	0.16 372	0.11 389	0.15 309	0.17 214	0.10 335	0.17 350	0.15 214	0.32 429	0.21 279	0.19 351	0.21 300	0.22 362	0.18 392	0.20 404	0.15 337	0.13 464	0.09 423	0.09 351	0.09 376	0.11 427	0.10 406

MLCV	0.12 246	0.07 135	0.16 343	0.18 295	0.06 13	0.15 299	0.17 312	0.19 214	0.21 279	0.18 336	0.25 359	0.17 295	0.13 287	0.14 255	0.13 272	0.05 26	0.04 21	0.05 23	0.04 34	0.05 98	0.04 40

G2L-Stereo	0.14 305	0.07 135	0.13 225	0.17 214	0.09 234	0.13 241	0.12 62	0.27 365	0.22 293	0.16 290	0.27 384	0.21 344	0.13 287	0.17 343	0.18 386	0.09 351	0.08 397	0.08 272	0.07 268	0.07 254	0.07 274

MyStereo8	0.12 246	0.07 135	0.15 309	0.15 69	0.09 234	0.18 368	0.14 148	0.19 214	0.22 293	0.12 187	0.18 258	0.11 171	0.10 195	0.16 311	0.18 386	0.07 235	0.05 182	0.07 191	0.05 104	0.08 316	0.09 382

anonymousdsp2	0.11 181	0.07 135	0.10 105	0.16 140	0.09 234	0.13 241	0.14 148	0.18 193	0.22 293	0.13 214	0.14 183	0.12 188	0.09 163	0.14 255	0.11 183	0.05 26	0.04 21	0.05 23	0.04 34	0.06 189	0.05 120

Selective-RAFT	0.11 181	0.10 364	0.11 146	0.21 429	0.08 125	0.16 329	0.13 100	0.20 225	0.22 293	0.10 122	0.10 112	0.11 171	0.10 195	0.15 277	0.11 183	0.05 26	0.05 182	0.06 99	0.05 104	0.06 189	0.05 120

RAFT+CT+SA	0.13 271	0.11 389	0.09 70	0.19 351	0.09 234	0.15 299	0.28 498	0.22 269	0.22 293	0.15 262	0.26 376	0.10 150	0.10 195	0.11 105	0.12 231	0.05 26	0.04 21	0.07 191	0.08 332	0.07 254	0.06 195

CrosDoStereo	0.12 246	0.06 54	0.12 181	0.14 29	0.08 125	0.12 202	0.15 214	0.17 164	0.22 293	0.19 351	0.24 330	0.15 261	0.11 220	0.11 105	0.12 231	0.06 113	0.04 21	0.07 191	0.07 268	0.05 98	0.05 120

DeepStereo_LL	0.12 246	0.06 54	0.12 181	0.14 29	0.08 125	0.12 202	0.15 214	0.17 164	0.22 293	0.19 351	0.24 330	0.15 261	0.11 220	0.11 105	0.12 231	0.06 113	0.04 21	0.07 191	0.07 268	0.05 98	0.05 120

HCRNet	0.16 372	0.24 503	0.12 181	0.35 520	0.11 382	0.15 299	0.17 312	0.26 344	0.22 293	0.19 351	0.24 330	0.21 344	0.14 312	0.15 277	0.13 272	0.11 416	0.07 371	0.11 427	0.10 411	0.09 376	0.07 274

FADNet_RVC	0.16 372	0.14 447	0.40 499	0.20 400	0.11 382	0.13 241	0.13 100	0.26 344	0.22 293	0.21 387	0.23 318	0.20 335	0.17 379	0.14 255	0.16 353	0.08 295	0.08 397	0.12 444	0.09 376	0.11 427	0.10 406

UCFNet_RVC	0.14 305	0.08 232	0.13 225	0.11 1	0.10 335	0.20 406	0.10 26	0.24 310	0.22 293	0.17 306	0.20 279	0.23 379	0.15 330	0.17 343	0.15 337	0.12 441	0.07 371	0.10 396	0.13 470	0.11 427	0.10 406

AIO-test2	0.10 138	0.08 232	0.10 105	0.23 464	0.08 125	0.11 168	0.10 26	0.23 288	0.23 303	0.08 61	0.09 86	0.08 94	0.05 9	0.10 59	0.08 17	0.06 113	0.05 182	0.08 272	0.09 376	0.05 98	0.05 120

UGAM	0.13 271	0.10 364	0.09 70	0.22 444	0.08 125	0.12 202	0.20 416	0.17 164	0.23 303	0.21 387	0.16 212	0.13 212	0.13 287	0.19 379	0.12 231	0.07 235	0.05 182	0.13 459	0.11 441	0.07 254	0.05 120

DCVSM-stereo	0.14 305	0.09 306	0.16 343	0.16 140	0.10 335	0.15 299	0.09 18	0.19 214	0.23 303	0.20 373	0.23 318	0.26 407	0.15 330	0.18 364	0.14 309	0.09 351	0.07 371	0.09 351	0.08 332	0.10 407	0.12 441

DualNet (step1)	0.16 372	0.12 406	0.20 417	0.12 4	0.14 452	0.17 350	0.13 100	0.27 365	0.23 303	0.20 373	0.20 279	0.24 385	0.19 408	0.16 311	0.16 353	0.15 481	0.06 302	0.14 471	0.14 473	0.14 470	0.12 441

test_sample9	0.18 405	0.12 406	0.20 417	0.12 4	0.14 452	0.17 350	0.13 100	0.27 365	0.23 303	0.20 373	0.20 279	0.24 385	0.19 408	0.19 379	0.17 368	0.15 481	0.30 530	0.14 471	0.14 473	0.14 470	0.12 441

test_sample7	0.15 349	0.10 364	0.16 343	0.14 29	0.11 382	0.16 329	0.16 279	0.27 365	0.23 303	0.20 373	0.20 279	0.24 385	0.19 408	0.16 311	0.16 353	0.12 441	0.06 302	0.10 396	0.09 376	0.10 407	0.10 406

CBFPSM	0.14 305	0.06 54	0.26 451	0.17 214	0.09 234	0.13 241	0.15 214	0.22 269	0.23 303	0.20 373	0.27 384	0.24 385	0.16 356	0.16 311	0.18 386	0.06 113	0.06 302	0.06 99	0.07 268	0.07 254	0.07 274

iinet-f	0.16 372	0.06 54	0.45 505	0.14 29	0.10 335	0.21 422	0.14 148	0.27 365	0.23 303	0.21 387	0.24 330	0.21 344	0.15 330	0.18 364	0.21 424	0.09 351	0.07 371	0.07 191	0.06 181	0.09 376	0.10 406

PSMNet-ADL	0.15 349	0.12 406	0.13 225	0.22 444	0.09 234	0.13 241	0.20 416	0.26 344	0.23 303	0.18 336	0.20 279	0.24 385	0.16 356	0.18 364	0.17 368	0.08 295	0.08 397	0.08 272	0.11 441	0.08 316	0.07 274

IRAFT_RVC	0.12 246	0.08 232	0.16 343	0.19 351	0.08 125	0.07 27	0.15 214	0.24 310	0.23 303	0.14 235	0.14 183	0.15 261	0.12 250	0.12 186	0.10 120	0.06 113	0.04 21	0.09 351	0.06 181	0.06 189	0.06 195

ICVP	0.15 349	0.09 306	0.12 181	0.22 444	0.09 234	0.17 350	0.21 433	0.25 326	0.23 303	0.18 336	0.30 415	0.26 407	0.18 392	0.17 343	0.14 309	0.09 351	0.07 371	0.08 272	0.07 268	0.07 254	0.07 274
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
TestStereo	0.13 271	0.14 447	0.11 146	0.23 464	0.08 125	0.15 299	0.21 433	0.20 225	0.23 303	0.14 235	0.24 330	0.16 275	0.12 250	0.16 311	0.14 309	0.05 26	0.06 302	0.08 272	0.06 181	0.09 376	0.05 120

111	0.10 138	0.06 54	0.12 181	0.15 69	0.07 70	0.10 123	0.14 148	0.21 247	0.23 303	0.11 149	0.12 155	0.14 232	0.11 220	0.13 230	0.10 120	0.06 113	0.04 21	0.06 99	0.04 34	0.05 98	0.05 120

FENet	0.13 271	0.08 232	0.12 181	0.16 140	0.08 125	0.14 273	0.15 214	0.22 269	0.23 303	0.17 306	0.23 318	0.16 275	0.12 250	0.14 255	0.15 337	0.08 295	0.05 182	0.08 272	0.08 332	0.07 254	0.07 274

STTStereo	0.18 405	0.12 406	0.27 458	0.20 400	0.11 382	0.16 329	0.21 433	0.29 394	0.23 303	0.21 387	0.30 415	0.29 431	0.18 392	0.20 404	0.19 398	0.12 441	0.11 454	0.11 427	0.14 473	0.09 376	0.08 338

StereoDRNet-Refined	0.17 392	0.12 406	0.15 309	0.20 400	0.09 234	0.18 368	0.18 357	0.26 344	0.23 303	0.26 440	0.40 475	0.22 362	0.17 379	0.21 420	0.20 404	0.08 295	0.05 182	0.09 351	0.10 411	0.07 254	0.07 274
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
rvit_stereo_0081	0.11 181	0.08 232	0.15 309	0.16 140	0.09 234	0.10 123	0.14 148	0.14 73	0.24 319	0.11 149	0.13 169	0.13 212	0.09 163	0.11 105	0.12 231	0.10 388	0.07 371	0.08 272	0.07 268	0.07 254	0.05 120

rvit_stereo_0082	0.11 181	0.08 232	0.15 309	0.16 140	0.09 234	0.10 123	0.14 148	0.14 73	0.24 319	0.11 149	0.13 169	0.13 212	0.09 163	0.11 105	0.12 231	0.10 388	0.07 371	0.08 272	0.07 268	0.07 254	0.05 120

1111x	0.15 349	0.08 232	0.12 181	0.18 295	0.07 70	0.18 368	0.25 478	0.31 418	0.24 319	0.17 306	0.24 330	0.26 407	0.15 330	0.13 230	0.23 445	0.07 235	0.07 371	0.08 272	0.09 376	0.07 254	0.06 195

LL-Strereo	0.13 271	0.09 306	0.11 146	0.20 400	0.10 335	0.11 168	0.18 357	0.32 429	0.24 319	0.15 262	0.15 200	0.14 232	0.13 287	0.19 379	0.11 183	0.06 113	0.04 21	0.09 351	0.08 332	0.04 15	0.05 120

gwcnet-sp	0.14 305	0.07 135	0.12 181	0.18 295	0.09 234	0.16 329	0.17 312	0.24 310	0.24 319	0.18 336	0.24 330	0.15 261	0.16 356	0.15 277	0.15 337	0.08 295	0.06 302	0.07 191	0.08 332	0.08 316	0.07 274

scenet	0.14 305	0.07 135	0.12 181	0.18 295	0.09 234	0.16 329	0.17 312	0.24 310	0.24 319	0.18 336	0.24 330	0.15 261	0.16 356	0.15 277	0.15 337	0.08 295	0.06 302	0.07 191	0.08 332	0.08 316	0.07 274

ssnet	0.14 305	0.07 135	0.12 181	0.18 295	0.09 234	0.16 329	0.17 312	0.24 310	0.24 319	0.18 336	0.24 330	0.15 261	0.16 356	0.15 277	0.15 337	0.08 295	0.06 302	0.07 191	0.08 332	0.08 316	0.07 274

test_5	0.14 305	0.12 406	0.08 29	0.20 400	0.10 335	0.14 273	0.29 507	0.21 247	0.24 319	0.18 336	0.28 397	0.11 171	0.15 330	0.12 186	0.13 272	0.06 113	0.05 182	0.07 191	0.08 332	0.08 316	0.07 274

GLC_STEREO	0.11 181	0.07 135	0.11 146	0.17 214	0.07 70	0.09 77	0.13 100	0.15 102	0.24 319	0.12 187	0.13 169	0.12 188	0.08 137	0.18 364	0.11 183	0.06 113	0.08 397	0.08 272	0.06 181	0.05 98	0.05 120

MIPNet	0.11 181	0.08 232	0.14 260	0.17 214	0.09 234	0.12 202	0.14 148	0.20 225	0.24 319	0.11 149	0.10 112	0.09 119	0.07 102	0.13 230	0.12 231	0.06 113	0.04 21	0.06 99	0.05 104	0.04 15	0.04 40

IPLGR	0.11 181	0.09 306	0.16 343	0.18 295	0.08 125	0.12 202	0.17 312	0.21 247	0.24 319	0.11 149	0.12 155	0.11 171	0.08 137	0.12 186	0.12 231	0.06 113	0.05 182	0.06 99	0.06 181	0.04 15	0.04 40

AACVNet	0.16 372	0.08 232	0.14 260	0.15 69	0.10 335	0.18 368	0.15 214	0.23 288	0.24 319	0.27 446	0.27 384	0.28 424	0.17 379	0.19 379	0.16 353	0.09 351	0.07 371	0.09 351	0.07 268	0.10 407	0.09 382

GwcNet-ADL	0.13 271	0.08 232	0.14 260	0.20 400	0.09 234	0.11 168	0.20 416	0.30 408	0.24 319	0.13 214	0.14 183	0.18 309	0.14 312	0.13 230	0.14 309	0.07 235	0.05 182	0.06 99	0.05 104	0.07 254	0.06 195

DEmStereo	0.12 246	0.06 54	0.14 260	0.14 29	0.10 335	0.16 329	0.15 214	0.16 128	0.24 319	0.17 306	0.24 330	0.13 212	0.14 312	0.12 186	0.13 272	0.05 26	0.04 21	0.07 191	0.06 181	0.05 98	0.05 120

GMStereo	0.13 271	0.14 447	0.14 260	0.18 295	0.09 234	0.15 299	0.16 279	0.20 225	0.24 319	0.16 290	0.17 233	0.10 150	0.10 195	0.16 311	0.13 272	0.07 235	0.06 302	0.06 99	0.06 181	0.07 254	0.06 195
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
PSMNet-RSSM	0.14 305	0.07 135	0.13 225	0.15 69	0.08 125	0.13 241	0.16 279	0.24 310	0.24 319	0.16 290	0.28 397	0.22 362	0.14 312	0.15 277	0.13 272	0.11 416	0.06 302	0.09 351	0.12 460	0.08 316	0.07 274

CFNet-ft	0.14 305	0.07 135	0.15 309	0.12 4	0.09 234	0.16 329	0.18 357	0.22 269	0.24 319	0.17 306	0.26 376	0.24 385	0.14 312	0.16 311	0.14 309	0.11 416	0.06 302	0.08 272	0.09 376	0.09 376	0.08 338

DMCA-RVC	0.17 392	0.10 364	0.15 309	0.24 473	0.11 382	0.18 368	0.18 357	0.25 326	0.24 319	0.21 387	0.26 376	0.25 398	0.27 466	0.18 364	0.20 404	0.12 441	0.08 397	0.13 459	0.10 411	0.10 407	0.08 338

FADNet-RVC-Resample	0.16 372	0.11 389	0.31 476	0.22 444	0.11 382	0.19 391	0.14 148	0.25 326	0.24 319	0.24 423	0.27 384	0.20 335	0.15 330	0.16 311	0.15 337	0.07 235	0.08 397	0.12 444	0.10 411	0.09 376	0.10 406

MaskLacGwcNet_RVC	0.22 449	0.21 495	0.24 443	0.26 488	0.11 382	0.23 443	0.14 148	0.39 492	0.24 319	0.32 482	0.36 451	0.30 439	0.21 424	0.19 379	0.21 424	0.17 502	0.14 490	0.21 506	0.16 493	0.12 441	0.12 441

CFNet_RVC	0.14 305	0.07 135	0.15 309	0.12 4	0.09 234	0.16 329	0.18 357	0.22 269	0.24 319	0.17 306	0.26 376	0.24 385	0.14 312	0.16 311	0.14 309	0.11 416	0.06 302	0.08 272	0.09 376	0.09 376	0.08 338

DFGA-Net	0.13 271	0.11 389	0.18 394	0.17 214	0.10 335	0.12 202	0.13 100	0.22 269	0.25 340	0.16 290	0.16 212	0.13 212	0.12 250	0.16 311	0.14 309	0.07 235	0.05 182	0.08 272	0.07 268	0.05 98	0.05 120

mmx	0.14 305	0.09 306	0.14 260	0.16 140	0.08 125	0.17 350	0.17 312	0.27 365	0.25 340	0.15 262	0.25 359	0.19 323	0.13 287	0.14 255	0.20 404	0.08 295	0.06 302	0.09 351	0.08 332	0.08 316	0.08 338

xxx	0.14 305	0.09 306	0.14 260	0.16 140	0.08 125	0.17 350	0.17 312	0.27 365	0.25 340	0.15 262	0.25 359	0.19 323	0.13 287	0.14 255	0.20 404	0.08 295	0.06 302	0.09 351	0.08 332	0.08 316	0.08 338

GMStereo_Zeroshot	0.16 372	0.13 435	0.24 443	0.20 400	0.10 335	0.17 350	0.13 100	0.29 394	0.25 340	0.23 414	0.32 427	0.25 398	0.11 220	0.19 379	0.14 309	0.09 351	0.06 302	0.11 427	0.06 181	0.12 441	0.08 338

ssnet_v2	0.17 392	0.10 364	0.17 371	0.17 214	0.11 382	0.21 422	0.21 433	0.33 448	0.25 340	0.22 402	0.22 309	0.27 415	0.18 392	0.22 431	0.20 404	0.11 416	0.09 423	0.09 351	0.09 376	0.08 316	0.08 338

hknet	0.15 349	0.11 389	0.13 225	0.22 444	0.11 382	0.14 273	0.15 214	0.34 457	0.25 340	0.17 306	0.22 309	0.22 362	0.18 392	0.17 343	0.12 231	0.07 235	0.06 302	0.10 396	0.09 376	0.07 254	0.07 274

dd	0.15 349	0.16 461	0.16 343	0.19 351	0.09 234	0.15 299	0.18 357	0.21 247	0.25 340	0.23 414	0.20 279	0.21 344	0.09 163	0.21 420	0.16 353	0.10 388	0.06 302	0.08 272	0.06 181	0.08 316	0.06 195

THIR-Stereo	0.12 246	0.07 135	0.11 146	0.15 69	0.08 125	0.14 273	0.16 279	0.17 164	0.25 340	0.16 290	0.24 330	0.14 232	0.12 250	0.12 186	0.14 309	0.06 113	0.04 21	0.07 191	0.07 268	0.05 98	0.05 120

GES	0.14 305	0.08 232	0.16 343	0.15 69	0.10 335	0.13 241	0.13 100	0.28 384	0.25 340	0.16 290	0.23 318	0.18 309	0.13 287	0.16 311	0.13 272	0.08 295	0.07 371	0.07 191	0.06 181	0.08 316	0.09 382

cf-r	0.13 271	0.07 135	0.12 181	0.16 140	0.08 125	0.14 273	0.19 395	0.20 225	0.25 340	0.17 306	0.25 359	0.21 344	0.16 356	0.14 255	0.14 309	0.10 388	0.05 182	0.06 99	0.08 332	0.06 189	0.06 195

CFNet	0.15 349	0.10 364	0.17 371	0.17 214	0.08 125	0.18 368	0.09 18	0.28 384	0.25 340	0.19 351	0.24 330	0.24 385	0.17 379	0.17 343	0.14 309	0.08 295	0.06 302	0.09 351	0.10 411	0.07 254	0.06 195

NLCA_NET_v2_RVC	0.17 392	0.10 364	0.22 431	0.20 400	0.10 335	0.15 299	0.18 357	0.31 418	0.25 340	0.21 387	0.30 415	0.25 398	0.17 379	0.21 420	0.20 404	0.09 351	0.06 302	0.08 272	0.08 332	0.07 254	0.08 338
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
PS-NSSS	0.20 429	0.21 495	0.23 440	0.20 400	0.10 335	0.19 391	0.17 312	0.36 476	0.25 340	0.27 446	0.33 439	0.27 415	0.24 445	0.20 404	0.20 404	0.15 481	0.12 468	0.17 492	0.14 473	0.10 407	0.08 338

HSM	0.15 349	0.08 232	0.14 260	0.16 140	0.09 234	0.16 329	0.14 148	0.28 384	0.25 340	0.19 351	0.23 318	0.37 480	0.16 356	0.20 404	0.15 337	0.07 235	0.05 182	0.07 191	0.06 181	0.07 254	0.06 195

rvit_0105_6	0.14 305	0.09 306	0.18 394	0.17 214	0.10 335	0.10 123	0.16 279	0.19 214	0.26 354	0.12 187	0.18 258	0.17 295	0.12 250	0.18 364	0.12 231	0.15 481	0.11 454	0.12 444	0.10 411	0.09 376	0.06 195

rvit_stereo_0083	0.12 246	0.08 232	0.17 371	0.16 140	0.09 234	0.11 168	0.15 214	0.14 73	0.26 354	0.11 149	0.14 183	0.13 212	0.10 195	0.12 186	0.12 231	0.10 388	0.08 397	0.09 351	0.07 268	0.07 254	0.05 120

IER	0.14 305	0.07 135	0.13 225	0.17 214	0.09 234	0.14 273	0.16 279	0.25 326	0.26 354	0.18 336	0.25 359	0.17 295	0.20 420	0.16 311	0.14 309	0.08 295	0.05 182	0.07 191	0.06 181	0.08 316	0.07 274

UPFNet	0.16 372	0.08 232	0.12 181	0.20 400	0.12 413	0.20 406	0.23 451	0.28 384	0.26 354	0.17 306	0.24 330	0.22 362	0.19 408	0.19 379	0.21 424	0.09 351	0.07 371	0.08 272	0.09 376	0.08 316	0.06 195

hitnet-ft	0.18 405	0.09 306	0.17 371	0.14 29	0.09 234	0.26 466	0.20 416	0.25 326	0.26 354	0.24 423	0.32 427	0.31 451	0.22 433	0.24 451	0.21 424	0.12 441	0.07 371	0.10 396	0.08 332	0.12 441	0.11 429

FADNet-RVC	0.20 429	0.20 489	0.38 495	0.21 429	0.16 478	0.20 406	0.15 214	0.26 344	0.26 354	0.26 440	0.32 427	0.26 407	0.21 424	0.22 431	0.19 398	0.12 441	0.13 481	0.12 444	0.14 473	0.13 457	0.18 506

GANet	0.21 440	0.12 406	0.21 425	0.24 473	0.13 434	0.22 430	0.22 442	0.41 502	0.26 354	0.31 476	0.42 492	0.37 480	0.28 474	0.23 442	0.22 433	0.10 388	0.12 468	0.10 396	0.09 376	0.10 407	0.08 338

iResNet	0.13 271	0.10 364	0.18 394	0.19 351	0.08 125	0.13 241	0.18 357	0.20 225	0.26 354	0.15 262	0.23 318	0.15 261	0.13 287	0.14 255	0.14 309	0.06 113	0.04 21	0.06 99	0.05 104	0.06 189	0.05 120

pmcnn	0.15 349	0.07 135	0.19 405	0.15 69	0.07 70	0.20 406	0.15 214	0.24 310	0.26 354	0.21 387	0.34 443	0.28 424	0.18 392	0.18 364	0.17 368	0.07 235	0.05 182	0.05 23	0.04 34	0.07 254	0.06 195

rvit_0105_5	0.14 305	0.09 306	0.13 225	0.17 214	0.09 234	0.14 273	0.23 451	0.24 310	0.27 363	0.14 235	0.15 200	0.18 309	0.12 250	0.17 343	0.14 309	0.14 477	0.11 454	0.10 396	0.10 411	0.08 316	0.06 195

rvit_0105_4	0.14 305	0.09 306	0.17 371	0.17 214	0.10 335	0.12 202	0.19 395	0.23 288	0.27 363	0.14 235	0.20 279	0.17 295	0.13 287	0.17 343	0.13 272	0.15 481	0.11 454	0.11 427	0.10 411	0.09 376	0.06 195

rvit_stereo_0075_2	0.17 392	0.12 406	0.25 448	0.23 464	0.16 478	0.13 241	0.10 26	0.30 408	0.27 363	0.20 373	0.28 397	0.22 362	0.15 330	0.18 364	0.13 272	0.16 497	0.10 442	0.17 492	0.10 411	0.10 407	0.09 382

SMFormer	0.14 305	0.07 135	0.17 371	0.14 29	0.08 125	0.16 329	0.17 312	0.26 344	0.27 363	0.19 351	0.20 279	0.18 309	0.15 330	0.15 277	0.17 368	0.08 295	0.05 182	0.07 191	0.06 181	0.07 254	0.06 195

tta	0.14 305	0.07 135	0.17 371	0.14 29	0.08 125	0.16 329	0.17 312	0.26 344	0.27 363	0.19 351	0.20 279	0.18 309	0.15 330	0.15 277	0.17 368	0.08 295	0.05 182	0.07 191	0.06 181	0.06 189	0.06 195

qqq1	0.13 271	0.07 135	0.17 371	0.14 29	0.08 125	0.16 329	0.17 312	0.26 344	0.27 363	0.19 351	0.20 279	0.18 309	0.15 330	0.15 277	0.11 183	0.08 295	0.05 182	0.05 23	0.05 104	0.06 189	0.06 195

fff1	0.13 271	0.07 135	0.17 371	0.14 29	0.08 125	0.16 329	0.17 312	0.26 344	0.27 363	0.19 351	0.20 279	0.18 309	0.15 330	0.15 277	0.11 183	0.08 295	0.05 182	0.05 23	0.05 104	0.06 189	0.06 195

CoDeX	0.12 246	0.07 135	0.12 181	0.17 214	0.08 125	0.12 202	0.15 214	0.23 288	0.27 363	0.13 214	0.17 233	0.16 275	0.11 220	0.14 255	0.11 183	0.07 235	0.05 182	0.07 191	0.06 181	0.06 189	0.05 120

UDGNet	0.14 305	0.13 435	0.16 343	0.17 214	0.10 335	0.12 202	0.16 279	0.21 247	0.27 363	0.20 373	0.20 279	0.16 275	0.13 287	0.16 311	0.13 272	0.10 388	0.06 302	0.09 351	0.07 268	0.06 189	0.07 274

ADLNet	0.16 372	0.08 232	0.15 309	0.16 140	0.10 335	0.16 329	0.17 312	0.32 429	0.27 363	0.22 402	0.27 384	0.24 385	0.16 356	0.18 364	0.21 424	0.10 388	0.06 302	0.10 396	0.10 411	0.08 316	0.09 382

SFCPSM	0.13 271	0.07 135	0.14 260	0.17 214	0.09 234	0.15 299	0.16 279	0.28 384	0.27 363	0.14 235	0.17 233	0.12 188	0.13 287	0.14 255	0.11 183	0.08 295	0.05 182	0.07 191	0.07 268	0.07 254	0.06 195

GwcNet-RSSM	0.14 305	0.07 135	0.12 181	0.15 69	0.08 125	0.15 299	0.20 416	0.21 247	0.27 363	0.18 336	0.27 384	0.22 362	0.16 356	0.14 255	0.15 337	0.10 388	0.05 182	0.07 191	0.09 376	0.07 254	0.07 274

DMCA	0.14 305	0.09 306	0.16 343	0.19 351	0.09 234	0.15 299	0.17 312	0.23 288	0.27 363	0.14 235	0.19 267	0.17 295	0.18 392	0.15 277	0.17 368	0.10 388	0.06 302	0.08 272	0.06 181	0.09 376	0.10 406

DANet	0.21 440	0.15 453	0.28 463	0.25 483	0.13 434	0.22 430	0.19 395	0.27 365	0.27 363	0.28 460	0.32 427	0.35 473	0.31 490	0.31 483	0.23 445	0.11 416	0.09 423	0.11 427	0.10 411	0.13 457	0.11 429
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
G2L-Stereo_test	0.14 305	0.07 135	0.11 146	0.13 12	0.08 125	0.12 202	0.16 279	0.30 408	0.28 377	0.20 373	0.23 318	0.20 335	0.16 356	0.17 343	0.18 386	0.07 235	0.05 182	0.05 23	0.05 104	0.07 254	0.06 195

dad	0.17 392	0.20 489	0.20 417	0.16 140	0.11 382	0.20 406	0.18 357	0.21 247	0.28 377	0.30 470	0.24 330	0.29 431	0.13 287	0.19 379	0.16 353	0.18 504	0.09 423	0.11 427	0.09 376	0.11 427	0.07 274

Anonymous3	0.16 372	0.13 435	0.33 482	0.26 488	0.14 452	0.27 475	0.17 312	0.28 384	0.28 377	0.15 262	0.17 233	0.14 232	0.10 195	0.15 277	0.12 231	0.08 295	0.08 397	0.08 272	0.08 332	0.08 316	0.11 429

AdaStereo	0.15 349	0.11 389	0.15 309	0.18 295	0.09 234	0.20 406	0.11 45	0.32 429	0.28 377	0.20 373	0.23 318	0.20 335	0.13 287	0.19 379	0.14 309	0.12 441	0.05 182	0.10 396	0.07 268	0.09 376	0.07 274
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.
NCCL2	0.23 464	0.15 453	0.17 371	0.34 518	0.18 499	0.24 448	0.23 451	0.34 457	0.28 377	0.31 476	0.38 462	0.38 484	0.28 474	0.23 442	0.24 456	0.15 481	0.12 468	0.18 501	0.21 508	0.13 457	0.13 460

CBMV_ROB	0.19 417	0.13 435	0.17 371	0.16 140	0.11 382	0.15 299	0.13 100	0.26 344	0.28 377	0.27 446	0.30 415	0.27 415	0.24 445	0.23 442	0.16 353	0.15 481	0.17 504	0.22 510	0.20 506	0.10 407	0.11 429

DLCB_ROB	0.18 405	0.10 364	0.15 309	0.23 464	0.11 382	0.24 448	0.18 357	0.29 394	0.28 377	0.27 446	0.28 397	0.28 424	0.24 445	0.19 379	0.20 404	0.08 295	0.08 397	0.09 351	0.09 376	0.07 254	0.07 274

coex_refinement	0.14 305	0.07 135	0.12 181	0.17 214	0.10 335	0.15 299	0.15 214	0.26 344	0.29 384	0.18 336	0.20 279	0.22 362	0.17 379	0.16 311	0.18 386	0.08 295	0.05 182	0.06 99	0.06 181	0.09 376	0.08 338

rvit_0105_3	0.15 349	0.09 306	0.14 260	0.19 351	0.12 413	0.15 299	0.25 478	0.25 326	0.29 384	0.15 262	0.17 233	0.20 335	0.13 287	0.17 343	0.14 309	0.13 464	0.11 454	0.12 444	0.14 473	0.07 254	0.06 195

DispNO	0.14 305	0.08 232	0.17 371	0.19 351	0.12 413	0.11 168	0.21 433	0.23 288	0.29 384	0.17 306	0.23 318	0.18 309	0.17 379	0.15 277	0.15 337	0.07 235	0.05 182	0.08 272	0.08 332	0.07 254	0.06 195

ttt	0.14 305	0.08 232	0.14 260	0.15 69	0.08 125	0.15 299	0.18 357	0.27 365	0.29 384	0.16 290	0.24 330	0.17 295	0.13 287	0.13 230	0.14 309	0.11 416	0.08 397	0.09 351	0.08 332	0.09 376	0.08 338

anonymousa	0.13 271	0.07 135	0.13 225	0.18 295	0.09 234	0.13 241	0.17 312	0.19 214	0.29 384	0.15 262	0.24 330	0.15 261	0.14 312	0.14 255	0.14 309	0.07 235	0.05 182	0.07 191	0.09 376	0.05 98	0.06 195

HBP-ISP	0.18 405	0.13 435	0.16 343	0.15 69	0.11 382	0.08 48	0.13 100	0.28 384	0.29 384	0.22 402	0.33 439	0.21 344	0.25 453	0.23 442	0.17 368	0.14 477	0.16 499	0.21 506	0.17 500	0.10 407	0.08 338

DAS	0.15 349	0.08 232	0.18 394	0.19 351	0.10 335	0.19 391	0.17 312	0.27 365	0.29 384	0.18 336	0.25 359	0.21 344	0.15 330	0.16 311	0.12 231	0.08 295	0.06 302	0.06 99	0.06 181	0.07 254	0.07 274

SepStereo	0.15 349	0.08 232	0.18 394	0.19 351	0.10 335	0.19 391	0.17 312	0.27 365	0.29 384	0.18 336	0.25 359	0.21 344	0.15 330	0.25 456	0.12 231	0.08 295	0.06 302	0.06 99	0.06 181	0.07 254	0.07 274

UNet	0.17 392	0.09 306	0.18 394	0.19 351	0.12 413	0.27 475	0.19 395	0.33 448	0.29 384	0.21 387	0.24 330	0.23 379	0.19 408	0.19 379	0.18 386	0.07 235	0.06 302	0.08 272	0.07 268	0.08 316	0.06 195

HSM-Net_RVC	0.14 305	0.08 232	0.11 146	0.15 69	0.08 125	0.15 299	0.15 214	0.27 365	0.29 384	0.19 351	0.21 300	0.29 431	0.14 312	0.17 343	0.13 272	0.06 113	0.06 302	0.06 99	0.06 181	0.07 254	0.06 195
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
PSMNet-RUCA	0.27 489	0.33 522	0.41 501	0.36 522	0.32 529	0.18 368	0.19 395	0.42 507	0.30 394	0.33 486	0.41 485	0.39 492	0.25 453	0.31 483	0.20 404	0.18 504	0.10 442	0.25 513	0.15 489	0.21 508	0.16 495

DDUNet	0.22 449	0.17 472	0.21 425	0.22 444	0.15 468	0.25 458	0.24 463	0.29 394	0.30 394	0.31 476	0.36 451	0.33 463	0.25 453	0.24 451	0.20 404	0.18 504	0.13 481	0.17 492	0.11 441	0.16 492	0.16 495

SACVNet	0.18 405	0.12 406	0.14 260	0.17 214	0.13 434	0.22 430	0.18 357	0.31 418	0.30 394	0.23 414	0.31 423	0.30 439	0.22 433	0.22 431	0.17 368	0.11 416	0.08 397	0.10 396	0.10 411	0.12 441	0.14 477

DRaft	0.12 246	0.06 54	0.11 146	0.14 29	0.09 234	0.14 273	0.17 312	0.21 247	0.30 394	0.17 306	0.28 397	0.10 150	0.15 330	0.10 59	0.12 231	0.05 26	0.04 21	0.07 191	0.06 181	0.05 98	0.05 120

TDLM	0.17 392	0.12 406	0.13 225	0.24 473	0.10 335	0.18 368	0.18 357	0.36 476	0.30 394	0.21 387	0.28 397	0.28 424	0.18 392	0.23 442	0.18 386	0.11 416	0.07 371	0.10 396	0.10 411	0.08 316	0.08 338

SGM-Forest	0.20 429	0.14 447	0.18 394	0.19 351	0.13 434	0.20 406	0.22 442	0.33 448	0.30 394	0.24 423	0.29 409	0.28 424	0.19 408	0.23 442	0.17 368	0.15 481	0.16 499	0.15 483	0.14 473	0.12 441	0.12 441
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
CBMV	0.19 417	0.14 447	0.17 371	0.18 295	0.10 335	0.20 406	0.11 45	0.29 394	0.30 394	0.29 467	0.30 415	0.30 439	0.23 439	0.27 461	0.19 398	0.13 464	0.15 496	0.17 492	0.16 493	0.10 407	0.10 406
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
xyz-stereo	0.13 271	0.07 135	0.20 417	0.15 69	0.05 1	0.20 406	0.15 214	0.17 164	0.31 401	0.15 262	0.29 409	0.26 407	0.16 356	0.13 230	0.12 231	0.05 26	0.05 182	0.06 99	0.05 104	0.04 15	0.04 40

Syn2CoEx	0.21 440	0.16 461	0.27 458	0.29 510	0.14 452	0.26 466	0.20 416	0.33 448	0.31 401	0.28 460	0.36 451	0.27 415	0.25 453	0.19 379	0.24 456	0.16 497	0.12 468	0.14 471	0.11 441	0.09 376	0.08 338

DSFCA	0.16 372	0.09 306	0.14 260	0.16 140	0.10 335	0.20 406	0.19 395	0.28 384	0.31 401	0.23 414	0.24 330	0.22 362	0.15 330	0.19 379	0.20 404	0.10 388	0.07 371	0.09 351	0.09 376	0.08 316	0.08 338

FADNet	0.21 440	0.22 499	0.36 491	0.18 295	0.17 493	0.24 448	0.13 100	0.31 418	0.31 401	0.23 414	0.25 359	0.27 415	0.21 424	0.19 379	0.15 337	0.13 464	0.15 496	0.12 444	0.15 489	0.16 492	0.18 506

AANet_RVC	0.16 372	0.10 364	0.10 105	0.18 295	0.09 234	0.18 368	0.19 395	0.26 344	0.31 401	0.22 402	0.35 448	0.21 344	0.21 424	0.22 431	0.16 353	0.06 113	0.05 182	0.06 99	0.06 181	0.07 254	0.06 195

iResNet_ROB	0.14 305	0.07 135	0.13 225	0.14 29	0.07 70	0.18 368	0.14 148	0.26 344	0.31 401	0.22 402	0.25 359	0.23 379	0.15 330	0.15 277	0.13 272	0.07 235	0.05 182	0.05 23	0.04 34	0.08 316	0.08 338

SGM_RVC	0.23 464	0.12 406	0.15 309	0.15 69	0.09 234	0.33 496	0.18 357	0.34 457	0.31 401	0.44 514	0.37 457	0.53 521	0.35 501	0.35 500	0.24 456	0.13 464	0.13 481	0.13 459	0.13 470	0.10 407	0.11 429
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
ISRNet	0.18 405	0.08 232	0.19 405	0.19 351	0.13 434	0.15 299	0.12 62	0.30 408	0.32 408	0.21 387	0.25 359	0.27 415	0.17 379	0.17 343	0.20 404	0.20 511	0.08 397	0.14 471	0.14 473	0.14 470	0.17 503

SDNR	0.19 417	0.08 232	0.19 405	0.16 140	0.12 413	0.77 546	0.14 148	0.25 326	0.32 408	0.19 351	0.24 330	0.19 323	0.13 287	0.19 379	0.15 337	0.16 497	0.18 506	0.14 471	0.11 441	0.08 316	0.11 429

CSP-Net	0.16 372	0.09 306	0.14 260	0.16 140	0.09 234	0.19 391	0.17 312	0.25 326	0.32 408	0.25 436	0.30 415	0.24 385	0.15 330	0.21 420	0.18 386	0.09 351	0.06 302	0.07 191	0.07 268	0.08 316	0.07 274

APVNet	0.22 449	0.12 406	0.19 405	0.18 295	0.14 452	0.32 490	0.31 521	0.39 492	0.32 408	0.27 446	0.40 475	0.30 439	0.29 482	0.26 458	0.25 465	0.11 416	0.12 468	0.11 427	0.14 473	0.12 441	0.12 441

HGLStereo	0.17 392	0.08 232	0.19 405	0.17 214	0.12 413	0.18 368	0.18 357	0.31 418	0.32 408	0.21 387	0.32 427	0.25 398	0.18 392	0.19 379	0.20 404	0.09 351	0.09 423	0.07 191	0.07 268	0.09 376	0.10 406

NOSS_ROB	0.19 417	0.12 406	0.18 394	0.16 140	0.12 413	0.15 299	0.12 62	0.30 408	0.32 408	0.20 373	0.22 309	0.27 415	0.23 439	0.21 420	0.16 353	0.16 497	0.18 506	0.23 511	0.21 508	0.12 441	0.13 460

WCMA_ROB	0.24 471	0.11 389	0.22 431	0.17 214	0.14 452	0.32 490	0.15 214	0.32 429	0.32 408	0.38 497	0.53 509	0.40 496	0.34 499	0.34 494	0.25 465	0.11 416	0.12 468	0.12 444	0.10 411	0.14 470	0.14 477

SQANet	0.23 464	0.23 500	0.30 474	0.30 512	0.19 502	0.27 475	0.13 100	0.29 394	0.33 415	0.24 423	0.37 457	0.31 451	0.22 433	0.27 461	0.23 445	0.15 481	0.10 442	0.21 506	0.16 493	0.21 508	0.15 484

ToySt	0.17 392	0.11 389	0.18 394	0.17 214	0.11 382	0.16 329	0.25 478	0.24 310	0.33 415	0.19 351	0.24 330	0.26 407	0.24 445	0.19 379	0.20 404	0.07 235	0.08 397	0.09 351	0.10 411	0.09 376	0.08 338

raft_robust	0.13 271	0.10 364	0.07 6	0.18 295	0.08 125	0.13 241	0.24 463	0.28 384	0.33 415	0.20 373	0.19 267	0.14 232	0.10 195	0.11 105	0.12 231	0.05 26	0.05 182	0.07 191	0.07 268	0.05 98	0.04 40

ccnet	0.29 497	0.28 515	0.23 440	0.20 400	0.28 523	0.41 516	0.21 433	0.45 516	0.33 415	0.36 491	0.46 499	0.36 475	0.30 486	0.39 514	0.42 526	0.23 523	0.14 490	0.21 506	0.17 500	0.23 512	0.18 506

psmorigin	0.25 480	0.15 453	0.34 490	0.17 214	0.13 434	0.23 443	0.14 148	0.34 457	0.33 415	0.41 506	0.55 512	0.41 498	0.37 505	0.34 494	0.27 482	0.11 416	0.15 496	0.11 427	0.11 441	0.12 441	0.16 495

aanetorigin	0.22 449	0.17 472	0.56 518	0.17 214	0.10 335	0.15 299	0.19 395	0.20 225	0.33 415	0.49 519	0.48 502	0.29 431	0.27 466	0.20 404	0.23 445	0.08 295	0.07 371	0.08 272	0.07 268	0.10 407	0.09 382

ACVNet	0.15 349	0.09 306	0.15 309	0.13 12	0.12 413	0.14 273	0.20 416	0.22 269	0.33 415	0.17 306	0.26 376	0.21 344	0.16 356	0.17 343	0.21 424	0.07 235	0.06 302	0.06 99	0.06 181	0.08 316	0.06 195

acv_ft	0.15 349	0.09 306	0.15 309	0.19 351	0.10 335	0.16 329	0.17 312	0.25 326	0.33 415	0.19 351	0.26 376	0.21 344	0.17 379	0.17 343	0.18 386	0.07 235	0.06 302	0.06 99	0.06 181	0.08 316	0.06 195

CC-Net-ROB	0.28 493	0.31 520	0.36 491	0.29 510	0.15 468	0.25 458	0.19 395	0.45 516	0.33 415	0.39 499	0.37 457	0.39 492	0.31 490	0.27 461	0.26 475	0.24 525	0.19 509	0.30 526	0.23 515	0.18 503	0.15 484

CVANet_RVC	0.18 405	0.10 364	0.14 260	0.21 429	0.10 335	0.18 368	0.17 312	0.34 457	0.33 415	0.22 402	0.31 423	0.28 424	0.18 392	0.23 442	0.17 368	0.12 441	0.08 397	0.12 444	0.11 441	0.09 376	0.07 274

StereoDRNet	0.18 405	0.11 389	0.17 371	0.22 444	0.11 382	0.21 422	0.22 442	0.37 481	0.33 415	0.24 423	0.28 397	0.30 439	0.19 408	0.20 404	0.20 404	0.09 351	0.08 397	0.11 427	0.09 376	0.09 376	0.07 274

YMNet	0.20 429	0.12 406	0.19 405	0.20 400	0.14 452	0.26 466	0.23 451	0.32 429	0.34 426	0.27 446	0.34 443	0.30 439	0.18 392	0.18 364	0.22 433	0.10 388	0.13 481	0.10 396	0.10 411	0.08 316	0.09 382

YMNet_1	0.20 429	0.12 406	0.19 405	0.20 400	0.14 452	0.26 466	0.23 451	0.32 429	0.34 426	0.27 446	0.34 443	0.30 439	0.18 392	0.18 364	0.22 433	0.10 388	0.13 481	0.10 396	0.10 411	0.08 316	0.09 382

CFNet_ucs	0.15 349	0.08 232	0.16 343	0.16 140	0.11 382	0.14 273	0.14 148	0.30 408	0.34 426	0.16 290	0.24 330	0.23 379	0.14 312	0.18 364	0.15 337	0.09 351	0.06 302	0.08 272	0.07 268	0.09 376	0.09 382

fast-acv-ft	0.18 405	0.11 389	0.19 405	0.19 351	0.12 413	0.24 448	0.21 433	0.25 326	0.34 426	0.22 402	0.34 443	0.27 415	0.20 420	0.21 420	0.23 445	0.09 351	0.09 423	0.08 272	0.10 411	0.08 316	0.07 274

CFNet_pseudo	0.14 305	0.08 232	0.15 309	0.16 140	0.09 234	0.13 241	0.14 148	0.27 365	0.34 426	0.14 235	0.21 300	0.22 362	0.13 287	0.18 364	0.14 309	0.07 235	0.05 182	0.08 272	0.06 181	0.07 254	0.07 274

psm_up	0.18 405	0.10 364	0.18 394	0.20 400	0.11 382	0.17 350	0.19 395	0.37 481	0.34 426	0.21 387	0.28 397	0.29 431	0.24 445	0.20 404	0.22 433	0.09 351	0.10 442	0.11 427	0.11 441	0.08 316	0.08 338

G-Net	0.24 471	0.16 461	0.36 491	0.22 444	0.16 478	0.51 523	0.23 451	0.29 394	0.34 426	0.36 491	0.38 462	0.31 451	0.29 482	0.27 461	0.26 475	0.11 416	0.09 423	0.12 444	0.09 376	0.16 492	0.13 460

ADCP+	0.20 429	0.10 364	0.33 482	0.20 400	0.12 413	0.22 430	0.26 485	0.31 418	0.34 426	0.26 440	0.37 457	0.22 362	0.22 433	0.27 461	0.27 482	0.09 351	0.06 302	0.08 272	0.08 332	0.09 376	0.10 406

ccs_rob	0.14 305	0.08 232	0.15 309	0.16 140	0.09 234	0.12 202	0.14 148	0.27 365	0.34 426	0.14 235	0.21 300	0.22 362	0.13 287	0.18 364	0.14 309	0.07 235	0.05 182	0.08 272	0.07 268	0.07 254	0.07 274

MyStereo05	0.13 271	0.07 135	0.10 105	0.17 214	0.09 234	0.13 241	0.18 357	0.27 365	0.35 435	0.17 306	0.14 183	0.15 261	0.11 220	0.15 277	0.13 272	0.06 113	0.05 182	0.07 191	0.07 268	0.06 189	0.06 195

UDG	0.21 440	0.17 472	0.19 405	0.23 464	0.15 468	0.30 487	0.20 416	0.33 448	0.35 435	0.23 414	0.28 397	0.31 451	0.27 466	0.20 404	0.22 433	0.15 481	0.12 468	0.13 459	0.09 376	0.14 470	0.14 477

ADCPNet	0.25 480	0.16 461	0.61 522	0.21 429	0.15 468	0.35 507	0.25 478	0.32 429	0.35 435	0.30 470	0.40 475	0.36 475	0.28 474	0.28 472	0.32 505	0.12 441	0.10 442	0.11 427	0.12 460	0.14 470	0.13 460

STTRV1_RVC	0.25 480	0.26 509	0.39 497	0.19 351	0.26 521	0.30 487	0.24 463	0.34 457	0.35 435	0.36 491	0.34 443	0.31 451	0.31 490	0.28 472	0.25 465	0.17 502	0.10 442	0.16 489	0.14 473	0.17 499	0.12 441

iResNetv2_ROB	0.14 305	0.08 232	0.15 309	0.16 140	0.08 125	0.16 329	0.12 62	0.25 326	0.35 435	0.21 387	0.29 409	0.24 385	0.13 287	0.14 255	0.14 309	0.06 113	0.05 182	0.06 99	0.04 34	0.09 376	0.08 338

TCMNet	0.19 417	0.12 406	0.19 405	0.20 400	0.18 499	0.20 406	0.24 463	0.27 365	0.36 440	0.23 414	0.26 376	0.25 398	0.19 408	0.19 379	0.23 445	0.13 464	0.11 454	0.11 427	0.12 460	0.13 457	0.12 441

PCWNet_CMD	0.14 305	0.08 232	0.15 309	0.17 214	0.09 234	0.14 273	0.14 148	0.29 394	0.36 440	0.14 235	0.20 279	0.21 344	0.12 250	0.17 343	0.13 272	0.07 235	0.05 182	0.07 191	0.07 268	0.07 254	0.07 274

NINENet	0.16 372	0.10 364	0.15 309	0.17 214	0.11 382	0.19 391	0.14 148	0.40 496	0.36 440	0.18 336	0.21 300	0.16 275	0.13 287	0.15 277	0.13 272	0.08 295	0.08 397	0.10 396	0.07 268	0.10 407	0.09 382

ADCRef	0.19 417	0.12 406	0.41 501	0.20 400	0.12 413	0.22 430	0.18 357	0.32 429	0.36 440	0.26 440	0.32 427	0.17 295	0.23 439	0.24 451	0.24 456	0.07 235	0.06 302	0.09 351	0.09 376	0.08 316	0.08 338

MSMDNet	0.14 305	0.08 232	0.15 309	0.17 214	0.09 234	0.14 273	0.14 148	0.29 394	0.36 440	0.14 235	0.21 300	0.21 344	0.12 250	0.17 343	0.14 309	0.07 235	0.05 182	0.07 191	0.07 268	0.07 254	0.07 274

ETE_ROB	0.23 464	0.17 472	0.22 431	0.25 483	0.13 434	0.26 466	0.29 507	0.31 418	0.36 440	0.28 460	0.36 451	0.45 507	0.26 458	0.27 461	0.26 475	0.11 416	0.08 397	0.12 444	0.09 376	0.14 470	0.13 460

MeshStereo	0.27 489	0.13 435	0.18 394	0.15 69	0.11 382	0.32 490	0.24 463	0.40 496	0.36 440	0.52 521	0.57 519	0.67 532	0.40 511	0.35 500	0.26 475	0.14 477	0.13 481	0.13 459	0.11 441	0.11 427	0.10 406
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
AASNet	0.16 372	0.08 232	0.12 181	0.19 351	0.09 234	0.18 368	0.15 214	0.37 481	0.37 447	0.19 351	0.23 318	0.20 335	0.16 356	0.17 343	0.20 404	0.10 388	0.08 397	0.08 272	0.07 268	0.09 376	0.09 382

delet	0.17 392	0.08 232	0.17 371	0.19 351	0.11 382	0.20 406	0.21 433	0.30 408	0.37 447	0.17 306	0.26 376	0.19 323	0.19 408	0.19 379	0.21 424	0.08 295	0.08 397	0.09 351	0.11 441	0.06 189	0.06 195

DRN-Test	0.19 417	0.11 389	0.20 417	0.22 444	0.10 335	0.22 430	0.22 442	0.39 492	0.37 447	0.24 423	0.32 427	0.26 407	0.21 424	0.22 431	0.24 456	0.11 416	0.07 371	0.11 427	0.10 411	0.09 376	0.07 274

LALA_ROB	0.25 480	0.16 461	0.22 431	0.26 488	0.17 493	0.27 475	0.27 492	0.42 507	0.37 447	0.33 486	0.38 462	0.51 517	0.26 458	0.28 472	0.27 482	0.16 497	0.09 423	0.12 444	0.11 441	0.13 457	0.12 441

PSMNet_ROB	0.21 440	0.11 389	0.15 309	0.27 500	0.15 468	0.24 448	0.35 525	0.43 511	0.37 447	0.27 446	0.32 427	0.32 460	0.22 433	0.21 420	0.26 475	0.12 441	0.08 397	0.13 459	0.11 441	0.09 376	0.09 382

MyStereo04	0.13 271	0.07 135	0.10 105	0.17 214	0.09 234	0.14 273	0.18 357	0.29 394	0.38 452	0.17 306	0.14 183	0.16 275	0.10 195	0.15 277	0.13 272	0.06 113	0.05 182	0.08 272	0.07 268	0.06 189	0.06 195

Nwc_Net	0.23 464	0.16 461	0.21 425	0.25 483	0.14 452	0.24 448	0.26 485	0.37 481	0.38 452	0.22 402	0.41 485	0.30 439	0.28 474	0.28 472	0.25 465	0.11 416	0.10 442	0.17 492	0.20 506	0.10 407	0.10 406

ADCMid	0.25 480	0.15 453	0.40 499	0.20 400	0.14 452	0.25 458	0.26 485	0.34 457	0.38 452	0.36 491	0.44 497	0.34 469	0.40 511	0.35 500	0.33 508	0.10 388	0.09 423	0.11 427	0.11 441	0.13 457	0.12 441

Wz-Net-LNSev-Ref	0.18 405	0.09 306	0.29 471	0.15 69	0.10 335	0.22 430	0.20 416	0.26 344	0.39 455	0.25 436	0.42 492	0.24 385	0.15 330	0.20 404	0.19 398	0.07 235	0.05 182	0.06 99	0.05 104	0.10 407	0.09 382

ADLNet2	0.16 372	0.09 306	0.13 225	0.16 140	0.09 234	0.20 406	0.16 279	0.31 418	0.39 455	0.16 290	0.20 279	0.20 335	0.18 392	0.21 420	0.22 433	0.08 295	0.06 302	0.07 191	0.07 268	0.09 376	0.07 274

FAT-Stereo	0.20 429	0.12 406	0.22 431	0.21 429	0.12 413	0.17 350	0.18 357	0.34 457	0.39 455	0.27 446	0.37 457	0.34 469	0.32 494	0.21 420	0.20 404	0.09 351	0.11 454	0.10 396	0.09 376	0.11 427	0.14 477

AnyNet_C01	0.36 512	0.25 508	1.37 552	0.22 444	0.17 493	0.48 521	0.27 492	0.35 470	0.39 455	0.39 499	0.74 533	0.46 511	0.38 506	0.45 522	0.47 531	0.13 464	0.13 481	0.13 459	0.14 473	0.14 470	0.15 484

PA-Net	0.23 464	0.18 482	0.33 482	0.28 503	0.22 510	0.21 422	0.38 530	0.29 394	0.39 455	0.22 402	0.32 427	0.25 398	0.26 458	0.20 404	0.25 465	0.09 351	0.23 524	0.15 483	0.22 511	0.09 376	0.13 460
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
MSMD_ROB	0.31 503	0.26 509	0.26 451	0.24 473	0.21 508	0.34 499	0.25 478	0.34 457	0.39 455	0.40 502	0.69 527	0.45 507	0.40 511	0.34 494	0.27 482	0.20 511	0.19 509	0.26 514	0.25 517	0.23 512	0.22 516

NCC-stereo	0.24 471	0.15 453	0.31 476	0.26 488	0.16 478	0.20 406	0.30 515	0.40 496	0.40 461	0.24 423	0.38 462	0.33 463	0.28 474	0.36 505	0.27 482	0.12 441	0.11 454	0.15 483	0.22 511	0.13 457	0.13 460

Abc-Net	0.24 471	0.15 453	0.31 476	0.26 488	0.16 478	0.20 406	0.30 515	0.40 496	0.40 461	0.24 423	0.38 462	0.33 463	0.28 474	0.36 505	0.27 482	0.12 441	0.11 454	0.15 483	0.22 511	0.13 457	0.13 460
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
XPNet_ROB	0.22 449	0.11 389	0.19 405	0.22 444	0.13 434	0.22 430	0.19 395	0.34 457	0.40 461	0.30 470	0.39 470	0.39 492	0.26 458	0.26 458	0.28 489	0.15 481	0.10 442	0.10 396	0.10 411	0.13 457	0.12 441

rvit_105_1	0.19 417	0.11 389	0.25 448	0.21 429	0.16 478	0.21 422	0.27 492	0.31 418	0.41 464	0.19 351	0.20 279	0.22 362	0.17 379	0.19 379	0.17 368	0.12 441	0.12 468	0.13 459	0.15 489	0.08 316	0.07 274

anonymity	0.53 531	0.58 536	0.65 525	0.41 527	0.61 547	0.53 524	0.41 531	0.56 531	0.41 464	0.55 524	0.50 507	0.49 516	0.55 532	0.58 535	0.50 536	0.58 544	0.50 547	0.51 536	0.51 541	0.51 535	0.57 543

DGSMNet	0.24 471	0.19 485	0.33 482	0.21 429	0.24 514	0.24 448	0.20 416	0.35 470	0.41 464	0.24 423	0.32 427	0.38 484	0.21 424	0.29 479	0.23 445	0.12 441	0.11 454	0.14 471	0.16 493	0.23 512	0.23 518

MMNet	0.17 392	0.09 306	0.16 343	0.20 400	0.11 382	0.27 475	0.20 416	0.25 326	0.41 464	0.22 402	0.30 415	0.21 344	0.20 420	0.17 343	0.20 404	0.06 113	0.06 302	0.07 191	0.07 268	0.08 316	0.07 274

NaN_ROB	0.22 449	0.19 485	0.24 443	0.25 483	0.13 434	0.29 484	0.26 485	0.33 448	0.41 464	0.31 476	0.31 423	0.32 460	0.23 439	0.30 482	0.21 424	0.11 416	0.17 504	0.10 396	0.10 411	0.08 316	0.09 382

MDST_ROB	0.22 449	0.10 364	0.17 371	0.18 295	0.11 382	0.37 510	0.19 395	0.43 511	0.41 464	0.39 499	0.39 470	0.29 431	0.21 424	0.26 458	0.18 386	0.11 416	0.10 442	0.14 471	0.11 441	0.10 407	0.08 338

FBW_ROB	0.24 471	0.17 472	0.22 431	0.26 488	0.14 452	0.25 458	0.22 442	0.41 502	0.41 464	0.41 506	0.41 485	0.42 499	0.27 466	0.31 483	0.23 445	0.09 351	0.14 490	0.14 471	0.12 460	0.11 427	0.09 382

GASNet	0.22 449	0.23 500	0.33 482	0.26 488	0.17 493	0.26 466	0.16 279	0.44 513	0.42 471	0.27 446	0.24 330	0.30 439	0.15 330	0.27 461	0.18 386	0.12 441	0.08 397	0.12 444	0.11 441	0.16 492	0.07 274

FCDSN-DC	0.33 508	0.28 515	0.28 463	0.30 512	0.24 514	0.39 514	0.28 498	0.42 507	0.42 471	0.43 512	0.53 509	0.51 517	0.41 516	0.36 505	0.30 497	0.21 515	0.20 512	0.27 517	0.26 518	0.25 520	0.24 519
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
MFN_U_SF_DS_RVC	0.30 502	0.24 503	0.29 471	0.36 522	0.16 478	0.34 499	0.30 515	0.32 429	0.42 471	0.40 502	0.46 499	0.38 484	0.31 490	0.34 494	0.28 489	0.19 509	0.20 512	0.26 514	0.29 524	0.18 503	0.19 511

edge stereo	0.22 449	0.13 435	0.20 417	0.21 429	0.13 434	0.23 443	0.16 279	0.32 429	0.42 471	0.32 482	0.40 475	0.38 484	0.35 501	0.25 456	0.24 456	0.13 464	0.11 454	0.14 471	0.11 441	0.12 441	0.13 460

NVstereo2D	0.19 417	0.10 364	0.15 309	0.17 214	0.15 468	0.28 481	0.23 451	0.44 513	0.42 471	0.15 262	0.27 384	0.25 398	0.19 408	0.22 431	0.17 368	0.09 351	0.06 302	0.10 396	0.08 332	0.15 485	0.09 382

FC-DCNN v2	0.33 508	0.27 511	0.28 463	0.26 488	0.23 512	0.37 510	0.28 498	0.40 496	0.43 476	0.45 515	0.56 517	0.51 517	0.40 511	0.37 509	0.29 492	0.21 515	0.20 512	0.27 517	0.26 518	0.25 520	0.24 519

Wz-Net-LNSev	0.22 449	0.16 461	0.38 495	0.21 429	0.13 434	0.25 458	0.23 451	0.32 429	0.43 476	0.30 470	0.41 485	0.31 451	0.18 392	0.22 431	0.25 465	0.10 388	0.09 423	0.08 272	0.08 332	0.12 441	0.11 429

GwcNet	0.20 429	0.13 435	0.19 405	0.18 295	0.12 413	0.24 448	0.19 395	0.35 470	0.43 476	0.20 373	0.32 427	0.33 463	0.20 420	0.22 431	0.24 456	0.11 416	0.09 423	0.09 351	0.09 376	0.09 376	0.10 406

S-Stereo	0.20 429	0.12 406	0.25 448	0.21 429	0.13 434	0.20 406	0.18 357	0.32 429	0.43 476	0.23 414	0.36 451	0.28 424	0.30 486	0.19 379	0.22 433	0.09 351	0.12 468	0.10 396	0.10 411	0.13 457	0.13 460

FC-DCNN	0.33 508	0.27 511	0.28 463	0.26 488	0.23 512	0.37 510	0.28 498	0.40 496	0.43 476	0.45 515	0.55 512	0.51 517	0.40 511	0.37 509	0.30 497	0.21 515	0.20 512	0.27 517	0.26 518	0.25 520	0.24 519

Wz-Net-MNSev	0.22 449	0.13 435	0.31 476	0.20 400	0.14 452	0.36 509	0.24 463	0.33 448	0.44 481	0.28 460	0.40 475	0.38 484	0.19 408	0.24 451	0.25 465	0.09 351	0.07 371	0.09 351	0.09 376	0.12 441	0.10 406

RP	0.21 440	0.13 435	0.21 425	0.23 464	0.11 382	0.21 422	0.20 416	0.25 326	0.44 481	0.21 387	0.38 462	0.36 475	0.24 445	0.27 461	0.25 465	0.11 416	0.12 468	0.13 459	0.12 460	0.12 441	0.14 477

RGC	0.25 480	0.20 489	0.29 471	0.28 503	0.16 478	0.22 430	0.23 451	0.32 429	0.44 481	0.27 446	0.40 475	0.38 484	0.27 466	0.36 505	0.22 433	0.11 416	0.13 481	0.17 492	0.17 500	0.14 470	0.16 495

stereogan	0.22 449	0.11 389	0.21 425	0.20 400	0.12 413	0.31 489	0.19 395	0.35 470	0.44 481	0.22 402	0.39 470	0.35 473	0.27 466	0.33 491	0.22 433	0.10 388	0.12 468	0.10 396	0.10 411	0.14 470	0.13 460

AnyNet_C32	0.26 487	0.16 461	0.36 491	0.20 400	0.16 478	0.25 458	0.30 515	0.32 429	0.44 481	0.31 476	0.49 503	0.30 439	0.33 495	0.40 518	0.33 508	0.12 441	0.12 468	0.12 444	0.14 473	0.14 470	0.15 484

DISCO	0.19 417	0.09 306	0.22 431	0.17 214	0.10 335	0.25 458	0.18 357	0.27 365	0.44 481	0.22 402	0.31 423	0.33 463	0.26 458	0.28 472	0.28 489	0.08 295	0.06 302	0.07 191	0.07 268	0.09 376	0.09 382

SGM+DAISY	0.56 533	0.57 535	0.65 525	0.40 525	0.54 539	0.66 535	0.49 538	0.56 531	0.45 487	0.66 528	0.69 527	0.67 532	0.56 533	0.63 537	0.56 539	0.59 545	0.48 543	0.50 535	0.50 540	0.52 536	0.58 544

pcwnet_v2	0.19 417	0.10 364	0.26 451	0.17 214	0.14 452	0.18 368	0.15 214	0.37 481	0.46 488	0.19 351	0.24 330	0.21 344	0.19 408	0.20 404	0.19 398	0.13 464	0.10 442	0.10 396	0.10 411	0.11 427	0.13 460

MFN_U_SF_RVC	0.32 505	0.21 495	0.55 516	0.30 512	0.15 468	0.34 499	0.17 312	0.52 526	0.46 488	0.46 518	0.55 512	0.59 524	0.39 508	0.35 500	0.37 516	0.15 481	0.14 490	0.18 501	0.21 508	0.16 492	0.15 484

LRCNet_RVC	10.62 573	13.42 576	7.30 565	18.92 576	2.07 563	0.33 496	0.30 515	5.59 568	0.48 490	13.03 575	17.94 576	8.87 570	5.65 566	4.79 566	1.89 561	23.51 580	2.73 569	27.55 581	25.71 581	16.07 578	16.33 579

GEStereo_RVC	0.17 392	0.12 406	0.15 309	0.22 444	0.11 382	0.19 391	0.17 312	0.32 429	0.48 490	0.20 373	0.25 359	0.17 295	0.13 287	0.21 420	0.16 353	0.10 388	0.06 302	0.08 272	0.07 268	0.09 376	0.08 338

FINET	0.21 440	0.18 482	0.26 451	0.18 295	0.16 478	0.23 443	0.23 451	0.32 429	0.48 490	0.25 436	0.32 427	0.22 362	0.22 433	0.22 431	0.17 368	0.18 504	0.16 499	0.11 427	0.10 411	0.15 485	0.13 460

RYNet	0.22 449	0.12 406	0.22 431	0.19 351	0.17 493	0.46 517	0.26 485	0.38 488	0.48 490	0.24 423	0.28 397	0.34 469	0.23 439	0.20 404	0.30 497	0.10 388	0.06 302	0.09 351	0.09 376	0.13 457	0.15 484

LSM	0.33 508	0.20 489	0.58 520	0.26 488	0.60 546	0.34 499	0.25 478	0.42 507	0.48 490	0.45 515	0.58 521	0.42 499	0.36 503	0.35 500	0.25 465	0.12 441	0.20 512	0.14 471	0.16 493	0.19 506	0.33 533

ITSA-stereo	0.15 349	0.10 364	0.14 260	0.19 351	0.08 125	0.12 202	0.14 148	0.30 408	0.49 495	0.17 306	0.19 267	0.22 362	0.15 330	0.17 343	0.16 353	0.10 388	0.06 302	0.08 272	0.08 332	0.08 316	0.08 338

PASM	0.32 505	0.24 503	0.48 510	0.28 503	0.27 522	0.29 484	0.30 515	0.34 457	0.49 495	0.35 489	0.39 470	0.46 511	0.34 499	0.34 494	0.35 511	0.23 523	0.25 526	0.26 514	0.28 523	0.23 512	0.21 514

PWC_ROB	0.21 440	0.16 461	0.26 451	0.18 295	0.11 382	0.22 430	0.13 100	0.32 429	0.49 495	0.30 470	0.40 475	0.32 460	0.24 445	0.31 483	0.22 433	0.10 388	0.07 371	0.11 427	0.08 332	0.11 427	0.10 406

SuperB	0.20 429	0.10 364	0.56 518	0.16 140	0.09 234	0.18 368	0.18 357	0.24 310	0.50 498	0.26 440	0.39 470	0.17 295	0.21 424	0.22 431	0.21 424	0.08 295	0.06 302	0.06 99	0.06 181	0.12 441	0.10 406

AF-Net	0.22 449	0.17 472	0.17 371	0.26 488	0.13 434	0.25 458	0.24 463	0.32 429	0.50 498	0.25 436	0.33 439	0.38 484	0.26 458	0.28 472	0.25 465	0.11 416	0.10 442	0.16 489	0.11 441	0.11 427	0.10 406

DeepPrunerF	0.24 471	0.17 472	0.42 503	0.26 488	0.16 478	0.22 430	0.28 498	0.37 481	0.50 498	0.26 440	0.29 409	0.24 385	0.28 474	0.21 420	0.22 433	0.15 481	0.11 454	0.20 505	0.18 504	0.12 441	0.13 460

SGM-ForestM	0.32 505	0.12 406	0.16 343	0.16 140	0.11 382	0.39 514	0.19 395	0.41 502	0.50 498	0.52 521	0.54 511	1.32 551	0.42 519	0.40 518	0.27 482	0.14 477	0.16 499	0.16 489	0.16 493	0.12 441	0.12 441

CSAN	0.29 497	0.24 503	0.27 458	0.34 518	0.19 502	0.33 496	0.42 534	0.37 481	0.50 498	0.38 497	0.40 475	0.44 505	0.33 495	0.28 472	0.30 497	0.20 511	0.16 499	0.19 503	0.19 505	0.14 470	0.15 484

SPS-STEREO	0.57 534	0.58 536	0.65 525	0.45 530	0.55 541	0.62 531	0.44 537	0.62 536	0.50 498	0.68 530	0.64 523	0.66 531	0.57 534	0.61 536	0.60 541	0.62 547	0.47 542	0.51 536	0.49 538	0.55 540	0.58 544
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
ELAS	0.41 519	0.29 518	0.33 482	0.27 500	0.24 514	0.60 530	0.36 526	0.50 524	0.50 498	0.71 532	0.79 537	0.67 532	0.54 529	0.51 526	0.42 526	0.22 519	0.20 512	0.27 517	0.26 518	0.26 524	0.25 524
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
SAMSARA	0.40 517	0.28 515	0.33 482	0.55 536	0.39 530	0.82 547	1.23 561	0.47 519	0.51 505	0.36 491	0.35 448	0.55 523	0.39 508	0.38 511	0.39 520	0.15 481	0.20 512	0.15 483	0.14 473	0.23 512	0.20 512

GANetREF_RVC	0.31 503	0.34 524	0.27 458	0.35 520	0.16 478	0.32 490	0.41 531	0.48 520	0.51 505	0.35 489	0.35 448	0.34 469	0.33 495	0.39 514	0.32 505	0.27 527	0.20 512	0.29 524	0.15 489	0.18 503	0.17 503
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
PWCDC_ROB	0.20 429	0.13 435	0.22 431	0.24 473	0.11 382	0.19 391	0.15 214	0.33 448	0.54 507	0.29 467	0.50 507	0.21 344	0.15 330	0.27 461	0.20 404	0.11 416	0.09 423	0.10 396	0.08 332	0.11 427	0.09 382

Wz-Net-TNSev	0.29 497	0.20 489	0.65 525	0.19 351	0.15 468	0.38 513	0.27 492	0.35 470	0.55 508	0.34 488	0.42 492	0.45 507	0.38 506	0.32 489	0.30 497	0.12 441	0.13 481	0.10 396	0.12 460	0.15 485	0.14 477

Consistency-Raft	0.44 522	0.40 529	0.45 505	0.37 524	0.43 534	0.46 517	0.41 531	0.57 533	0.55 508	0.32 482	0.73 531	0.33 463	0.48 524	0.42 521	0.49 533	0.39 533	0.35 534	0.45 533	0.51 541	0.42 533	0.29 528

Wz-Net-SNSev	0.25 480	0.17 472	0.44 504	0.25 483	0.14 452	0.26 466	0.23 451	0.38 488	0.56 510	0.30 470	0.55 512	0.39 492	0.26 458	0.23 442	0.30 497	0.10 388	0.09 423	0.09 351	0.10 411	0.11 427	0.11 429

ADCL	0.24 471	0.11 389	0.47 509	0.22 444	0.12 413	0.34 499	0.29 507	0.29 394	0.56 510	0.24 423	0.46 499	0.30 439	0.30 486	0.29 479	0.29 492	0.08 295	0.07 371	0.09 351	0.09 376	0.10 407	0.10 406

WZ-Net	0.28 493	0.17 472	0.78 539	0.22 444	0.16 478	0.34 499	0.29 507	0.39 492	0.57 512	0.24 423	0.55 512	0.37 480	0.24 445	0.33 491	0.35 511	0.09 351	0.08 397	0.09 351	0.10 411	0.14 470	0.16 495

XQC	0.28 493	0.23 500	0.51 511	0.28 503	0.19 502	0.34 499	0.27 492	0.36 476	0.57 512	0.31 476	0.30 415	0.37 480	0.30 486	0.38 511	0.38 518	0.13 464	0.09 423	0.15 483	0.12 460	0.17 499	0.18 506

PDISCO_ROB	0.27 489	0.16 461	0.26 451	0.28 503	0.20 505	0.32 490	0.26 485	0.44 513	0.57 512	0.28 460	0.40 475	0.45 507	0.29 482	0.33 491	0.34 510	0.12 441	0.09 423	0.17 492	0.16 493	0.17 499	0.13 460

DispFullNet	0.27 489	0.21 495	0.65 525	0.28 503	0.16 478	0.26 466	0.17 312	0.33 448	0.58 515	0.27 446	0.38 462	0.43 503	0.23 439	0.38 511	0.23 445	0.12 441	0.06 302	0.19 503	0.11 441	0.21 508	0.15 484

EDNetEfficientorigin	7.91 568	0.31 520	153.02 583	0.19 351	0.09 234	0.21 422	0.16 279	0.22 269	0.59 516	0.72 534	0.67 525	0.42 499	0.50 526	0.24 451	0.39 520	0.08 295	0.07 371	0.08 272	0.07 268	0.12 441	0.10 406

MANE	0.45 524	0.27 511	0.27 458	0.27 500	0.24 514	0.47 519	0.31 521	0.55 530	0.59 516	0.72 534	1.13 553	1.15 545	0.61 536	0.52 528	0.37 516	0.21 515	0.20 512	0.27 517	0.31 528	0.25 520	0.24 519

ELAS_RVC	0.41 519	0.29 518	0.33 482	0.28 503	0.24 514	0.54 525	0.36 526	0.49 522	0.59 516	0.72 534	0.74 533	0.65 530	0.54 529	0.54 532	0.40 522	0.22 519	0.20 512	0.27 517	0.26 518	0.26 524	0.25 524
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
EDNetEfficient	0.29 497	0.24 503	1.13 549	0.18 295	0.10 335	0.19 391	0.20 416	0.20 225	0.60 519	0.74 538	0.56 517	0.31 451	0.39 508	0.22 431	0.30 497	0.09 351	0.07 371	0.08 272	0.07 268	0.11 427	0.09 382

NVStereoNet_ROB	0.46 528	0.36 526	0.46 508	0.41 527	0.28 523	0.34 499	0.34 524	0.48 520	0.60 519	0.72 534	0.93 542	0.70 535	0.66 539	0.47 523	0.60 541	0.22 519	0.33 533	0.34 528	0.34 531	0.30 527	0.30 530
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
otaku	0.39 514	0.37 527	0.52 512	0.44 529	0.28 523	0.58 527	0.24 463	0.41 502	0.62 521	0.40 502	0.49 503	0.46 511	0.33 495	0.40 518	0.32 505	0.30 528	0.30 530	0.39 530	0.33 529	0.29 526	0.28 527

ADCS	0.29 497	0.18 482	0.45 505	0.21 429	0.17 493	0.28 481	0.23 451	0.41 502	0.63 522	0.40 502	0.49 503	0.40 496	0.36 503	0.39 514	0.40 522	0.13 464	0.12 468	0.13 459	0.14 473	0.16 492	0.16 495

ACVNet-4b	0.39 514	0.53 534	0.55 516	0.45 530	0.24 514	0.47 519	0.18 357	0.49 522	0.64 523	0.42 509	0.45 498	0.60 525	0.27 466	0.34 494	0.24 456	0.33 531	0.14 490	0.48 534	0.42 534	0.30 527	0.26 526

SANet	0.24 471	0.14 447	0.28 463	0.21 429	0.11 382	0.27 475	0.24 463	0.38 488	0.64 523	0.36 491	0.40 475	0.43 503	0.26 458	0.27 461	0.24 456	0.12 441	0.09 423	0.10 396	0.09 376	0.13 457	0.11 429

BEATNet-Init1	0.52 530	0.27 511	0.62 523	0.30 512	0.21 508	0.76 544	0.29 507	0.54 529	0.65 525	0.86 543	0.95 544	2.07 561	0.62 538	0.56 534	0.42 526	0.18 504	0.18 506	0.23 511	0.22 511	0.22 511	0.21 514

RTSC	0.23 464	0.12 406	0.28 463	0.21 429	0.13 434	0.28 481	0.16 279	0.35 470	0.66 526	0.27 446	0.33 439	0.30 439	0.21 424	0.31 483	0.29 492	0.10 388	0.08 397	0.09 351	0.10 411	0.13 457	0.13 460

DPSNet	0.28 493	0.16 461	0.31 476	0.18 295	0.13 434	0.54 525	0.42 534	0.51 525	0.67 527	0.29 467	0.38 462	0.38 484	0.29 482	0.31 483	0.23 445	0.11 416	0.10 442	0.11 427	0.08 332	0.20 507	0.16 495

Ntro	0.40 517	0.40 529	0.53 513	0.46 533	0.30 527	0.65 533	0.24 463	0.46 518	0.68 528	0.41 506	0.49 503	0.48 515	0.42 519	0.39 514	0.31 504	0.32 530	0.28 528	0.37 529	0.30 526	0.32 531	0.29 528

JetBlue	0.71 539	0.45 532	1.14 550	0.51 534	0.47 536	2.02 561	0.64 548	0.75 540	0.70 529	0.69 531	0.77 536	1.22 547	0.83 546	1.03 557	1.01 557	0.40 534	0.28 528	0.33 527	0.33 529	0.30 527	0.34 534

SHD	0.26 487	0.15 453	0.30 474	0.24 473	0.18 499	0.22 430	0.15 214	0.38 488	0.71 530	0.32 482	0.41 485	0.36 475	0.28 474	0.32 489	0.29 492	0.12 441	0.11 454	0.14 471	0.13 470	0.16 492	0.20 512

TCMNet-wrong-test	3.67 562	5.48 571	3.89 563	12.18 574	11.75 575	4.65 563	3.88 564	1.06 556	0.72 531	1.09 554	2.15 563	6.30 568	0.53 527	3.43 565	2.36 563	0.89 557	0.20 512	1.87 565	1.69 564	5.57 570	3.62 570

ACVNet_1	0.44 522	0.49 533	0.60 521	0.45 530	0.28 523	0.49 522	0.27 492	0.57 533	0.72 531	0.62 527	0.58 521	0.74 536	0.49 525	0.50 525	0.35 511	0.26 526	0.24 525	0.39 530	0.29 524	0.31 530	0.24 519

coex-ft	3.30 560	0.34 524	59.09 582	0.18 295	0.13 434	0.26 466	0.22 442	0.27 365	0.72 531	1.90 562	0.70 529	0.44 505	0.45 522	0.29 479	0.41 525	0.09 351	0.09 423	0.12 444	0.09 376	0.14 470	0.13 460

MSC_U_SF_DS_RVC	0.43 521	0.39 528	0.54 514	0.40 525	0.20 505	0.64 532	0.32 523	0.53 528	0.72 531	0.71 532	0.72 530	0.61 526	0.54 529	0.51 526	0.46 530	0.20 511	0.19 509	0.29 524	0.30 526	0.23 512	0.18 506

MADNet+	0.75 542	0.71 544	3.70 562	0.66 539	0.41 532	0.98 552	0.97 559	0.69 539	0.73 535	0.52 521	0.57 519	0.64 528	0.68 541	0.86 549	1.01 557	0.34 532	0.36 535	0.28 523	0.23 515	0.36 532	0.31 531

MFMNet_re	0.64 535	0.66 542	0.65 525	0.51 534	0.69 551	0.69 536	0.57 544	0.64 537	0.73 535	0.60 526	0.73 531	0.62 527	0.67 540	0.65 538	0.60 541	0.66 549	0.58 556	0.63 540	0.59 544	0.68 547	0.69 553

RTS	0.45 524	0.19 485	3.26 559	0.24 473	0.15 468	0.74 540	0.20 416	0.36 476	0.76 537	0.42 509	0.43 495	0.31 451	0.41 516	0.53 530	0.35 511	0.10 388	0.08 397	0.13 459	0.12 460	0.15 485	0.15 484

RTSA	0.45 524	0.19 485	3.26 559	0.24 473	0.15 468	0.74 540	0.20 416	0.36 476	0.76 537	0.42 509	0.43 495	0.31 451	0.41 516	0.53 530	0.35 511	0.10 388	0.08 397	0.13 459	0.12 460	0.15 485	0.15 484

IMH-64-1	0.65 536	0.61 538	0.68 533	0.71 540	0.51 537	0.59 528	0.49 538	0.91 545	0.85 539	0.74 538	1.02 546	0.81 537	0.78 544	0.79 542	0.49 533	0.42 535	0.46 538	0.71 542	0.47 536	0.52 536	0.39 536

IMH-64	0.65 536	0.61 538	0.68 533	0.71 540	0.51 537	0.59 528	0.49 538	0.91 545	0.85 539	0.74 538	1.02 546	0.81 537	0.78 544	0.79 542	0.49 533	0.42 535	0.46 538	0.71 542	0.47 536	0.52 536	0.39 536

RainbowNet	0.54 532	0.61 538	0.70 537	0.57 537	0.43 534	0.65 533	0.37 529	0.60 535	0.87 541	0.50 520	0.66 524	0.64 528	0.47 523	0.49 524	0.43 529	0.47 539	0.48 543	0.52 538	0.41 533	0.52 536	0.40 538

PWCK	0.71 539	0.94 553	0.95 546	0.76 542	0.31 528	0.74 540	0.36 526	0.90 544	0.90 542	0.96 547	0.75 535	0.95 540	0.61 536	0.87 550	0.66 544	0.72 550	0.46 538	0.75 545	0.49 538	0.69 549	0.44 540

UNDER WATER-64	0.95 551	0.94 553	1.43 554	0.87 550	0.56 542	1.18 560	0.87 556	0.77 541	0.94 543	1.04 550	0.85 539	1.58 558	1.21 560	0.94 554	0.96 555	0.87 556	0.57 555	1.03 556	0.88 557	0.78 553	0.73 554

PVD	0.39 514	0.20 489	0.39 497	0.31 516	0.22 510	0.29 484	0.43 536	0.52 526	0.96 544	0.55 524	0.79 537	0.53 521	0.59 535	0.52 528	0.38 518	0.19 509	0.14 490	0.17 492	0.14 473	0.24 519	0.31 531

FADE	0.45 524	0.33 522	1.03 548	0.33 517	0.25 520	0.35 507	0.29 507	0.64 537	1.07 545	0.43 512	0.41 485	0.42 499	0.53 527	0.70 540	0.51 537	0.30 528	0.21 523	0.41 532	0.38 532	0.23 512	0.22 516

UNDER WATER	0.97 552	0.97 555	1.42 553	0.99 554	0.70 554	1.12 559	0.84 555	0.80 542	1.08 546	1.01 549	0.90 540	1.55 557	1.22 561	1.03 557	1.00 556	0.78 554	0.53 550	1.02 555	0.87 556	0.80 554	0.74 555

IMH	0.71 539	0.64 541	0.68 533	0.76 542	0.54 539	0.69 536	0.54 542	0.98 551	1.10 547	0.82 542	1.09 549	0.89 539	0.88 549	0.87 550	0.52 538	0.44 538	0.50 547	0.75 545	0.51 541	0.56 541	0.41 539

TorneroNet	0.82 546	0.74 546	0.81 543	0.84 547	0.63 548	0.99 553	0.63 546	0.96 549	1.16 548	0.80 541	1.11 551	1.36 552	0.86 548	0.93 553	0.80 552	0.56 542	0.49 545	0.78 550	0.66 549	0.73 552	0.63 552

notaker	0.97 552	1.11 556	0.98 547	1.13 557	0.81 555	0.73 539	0.68 552	0.93 547	1.16 548	1.18 557	1.18 555	1.41 554	1.16 559	1.08 559	0.69 548	0.81 555	0.64 558	1.17 558	0.79 554	0.98 556	0.80 557

DPSimNet_ROB	1.11 556	1.23 559	0.78 539	1.13 557	0.88 558	1.10 558	1.13 560	1.16 561	1.23 550	1.43 559	1.02 546	1.41 554	1.10 558	0.90 552	1.60 559	1.46 563	0.51 549	1.21 560	1.03 560	0.90 555	1.01 561

TorneroNet-64	0.76 543	0.72 545	0.74 538	0.78 544	0.58 545	0.91 551	0.56 543	0.84 543	1.29 551	0.66 528	0.90 540	1.40 553	0.75 543	0.85 548	0.67 547	0.49 540	0.46 538	0.72 544	0.59 544	0.67 546	0.53 542

WAO-7	0.79 544	0.78 547	0.54 514	0.85 548	0.67 550	0.74 540	0.68 552	1.05 554	1.32 552	0.90 545	1.20 556	1.04 541	0.92 550	0.69 539	0.66 544	0.60 546	0.62 557	0.67 541	0.68 550	0.64 543	0.58 544

KSHMR	1.09 555	1.17 557	0.88 545	1.25 560	1.00 559	0.99 553	0.96 558	1.13 559	1.37 553	1.16 556	1.29 558	1.41 554	0.96 552	1.01 556	0.92 554	1.03 559	1.08 561	1.20 559	1.03 560	1.01 557	0.97 559

JetRed	1.62 558	1.46 561	2.98 557	0.92 551	1.21 560	4.99 564	1.53 563	1.27 562	1.39 554	1.83 561	1.74 562	1.60 559	0.95 551	1.41 560	2.45 564	0.90 558	1.60 563	0.93 554	0.90 558	1.35 560	0.99 560

ktn	1.01 554	1.21 558	0.80 542	1.23 559	0.86 557	1.01 555	0.87 556	0.94 548	1.39 554	1.04 550	1.12 552	1.15 545	1.07 555	0.94 554	0.59 540	1.28 562	0.71 559	1.38 562	0.83 555	1.02 558	0.75 556

ACVNet_2	0.66 538	0.66 542	0.68 533	0.63 538	0.41 532	0.71 538	0.49 538	0.96 549	1.39 554	0.89 544	1.09 549	1.04 541	0.73 542	0.54 532	0.47 531	0.43 537	0.40 536	0.53 539	0.44 535	0.47 534	0.35 535

LVE	0.83 547	0.85 551	0.85 544	0.80 545	0.56 542	1.04 557	0.65 549	1.05 554	1.47 557	0.96 547	1.22 557	1.10 544	0.85 547	0.83 545	0.71 549	0.49 540	0.55 553	0.76 548	0.60 546	0.65 544	0.59 549

HanzoNet	1.29 557	1.26 560	1.19 551	1.12 556	0.85 556	1.02 556	0.83 554	1.03 553	1.48 558	1.64 560	1.61 561	2.50 563	1.72 562	1.61 561	1.61 560	1.26 561	0.80 560	1.31 561	1.01 559	1.02 558	0.86 558

WAO-6	0.81 545	0.80 548	0.62 523	0.86 549	0.63 548	0.76 544	0.58 545	0.98 551	1.54 559	0.90 545	0.96 545	1.07 543	1.03 554	0.70 540	0.66 544	0.72 550	0.49 545	0.90 553	0.71 551	0.68 547	0.58 544

Dean	0.87 548	0.86 552	0.79 541	0.81 546	0.56 542	0.90 548	0.63 546	1.15 560	1.73 560	1.15 555	1.15 554	1.31 550	0.99 553	0.81 544	0.81 553	0.57 543	0.56 554	0.77 549	0.64 547	0.66 545	0.58 544

LE_ROB	0.50 529	0.07 135	0.14 260	0.15 69	0.08 125	0.24 448	0.16 279	0.22 269	1.81 561	4.63 565	0.67 525	0.47 514	0.44 521	0.20 404	0.29 492	0.07 235	0.06 302	0.06 99	0.06 181	0.08 316	0.06 195

WAO-8	0.91 549	0.81 549	0.65 525	0.94 552	0.69 551	0.90 548	0.67 550	1.07 557	1.83 562	1.06 552	1.45 559	1.30 548	1.07 555	0.84 546	0.78 550	0.74 552	0.53 550	0.86 551	0.75 552	0.69 549	0.62 550

Venus	0.91 549	0.81 549	0.65 525	0.94 552	0.69 551	0.90 548	0.67 550	1.07 557	1.83 562	1.06 552	1.45 559	1.30 548	1.07 555	0.84 546	0.78 550	0.74 552	0.53 550	0.86 551	0.75 552	0.69 549	0.62 550

MADNet++	1.95 559	1.75 562	1.59 555	1.82 562	1.69 562	2.33 562	1.40 562	2.35 564	2.09 564	2.57 564	2.36 564	2.24 562	2.17 563	2.28 562	2.34 562	1.87 564	1.66 564	1.54 563	1.34 563	1.92 562	1.77 564

tt	4.67 563	0.06 54	3.55 561	2.02 563	1.55 561	10.25 569	16.71 568	8.91 573	5.03 565	1.31 558	0.94 543	4.71 564	4.76 565	3.33 564	5.87 567	6.06 572	10.30 576	1.88 566	2.11 566	2.75 564	1.21 562

ASD4	3.54 561	3.38 565	2.05 556	1.72 561	2.51 564	9.03 568	17.71 569	2.25 563	5.51 566	2.46 563	2.81 565	2.03 560	3.36 564	2.73 563	5.06 565	1.22 560	1.34 562	1.13 557	1.33 562	1.68 561	1.49 563

PML	8.91 571	9.34 575	6.13 564	5.35 567	6.41 568	14.99 572	23.38 576	5.27 565	6.83 567	18.04 577	28.19 582	7.67 569	6.83 567	7.85 570	5.75 566	5.35 571	1.83 565	5.95 575	1.93 565	8.64 573	2.52 566

xxxxx1	7.79 565	5.02 568	7.31 566	3.12 564	3.85 565	16.35 573	22.88 571	5.86 569	8.69 568	7.97 569	8.54 567	9.12 571	8.27 569	10.18 571	10.92 569	2.42 566	2.45 566	3.56 569	12.37 573	3.77 565	3.06 567

tt_ll	7.79 565	5.02 568	7.31 566	3.12 564	3.85 565	16.35 573	22.88 571	5.86 569	8.69 568	7.97 569	8.54 567	9.12 571	8.27 569	10.18 571	10.92 569	2.42 566	2.45 566	3.56 569	12.37 573	3.77 565	3.06 567

ff	7.79 565	5.02 568	7.31 566	3.12 564	3.85 565	16.35 573	22.88 571	5.86 569	8.69 568	7.97 569	8.54 567	9.12 571	8.27 569	10.18 571	10.92 569	2.42 566	2.45 566	3.56 569	12.37 573	3.77 565	3.06 567

USTest	6.22 564	2.73 564	3.00 558	6.57 570	7.29 569	14.37 571	21.57 570	7.00 572	9.56 571	5.34 568	6.10 566	5.72 567	7.64 568	6.41 569	6.96 568	1.97 565	3.42 570	1.64 564	2.15 567	2.66 563	2.36 565

HaxPig	15.71 577	18.52 580	19.18 577	16.89 575	15.89 577	7.73 565	7.60 565	13.31 577	10.82 572	15.42 576	14.91 575	15.98 577	14.92 577	15.58 577	15.98 577	18.95 579	16.73 577	19.46 579	18.08 579	19.26 579	19.05 580

DGTPSM_ROB	8.06 569	4.48 566	8.63 572	5.35 567	10.72 571	8.32 566	22.97 574	5.46 566	13.35 573	5.12 566	9.92 570	5.08 565	10.40 572	5.52 567	12.58 572	3.79 569	8.00 571	3.50 567	7.02 570	3.83 568	7.14 572

DPSMNet_ROB	8.06 569	4.48 566	8.63 572	5.37 569	10.74 572	8.32 566	22.98 575	5.46 566	13.36 574	5.12 566	9.92 570	5.08 565	10.40 572	5.53 568	12.58 572	3.80 570	8.00 571	3.50 567	7.02 570	3.83 568	7.14 572

Anonymous_1	10.96 574	7.92 572	7.46 569	10.33 571	10.06 570	18.65 577	26.34 577	11.06 574	13.44 575	9.40 572	10.05 572	9.67 574	11.23 574	10.73 574	12.72 574	6.42 573	8.38 573	5.77 572	10.61 572	12.12 574	6.77 571

DPSM_ROB	11.15 575	8.58 573	8.00 570	10.88 572	11.58 573	19.10 578	26.71 578	12.05 575	14.07 576	10.36 573	10.84 573	10.33 575	11.86 575	11.70 575	13.54 575	6.99 574	8.79 574	5.89 573	6.95 568	7.29 571	7.42 574

DPSM	11.15 575	8.58 573	8.00 570	10.88 572	11.58 573	19.10 578	26.71 578	12.05 575	14.07 576	10.36 573	10.84 573	10.33 575	11.86 575	11.70 575	13.54 575	6.99 574	8.79 574	5.89 573	6.95 568	7.29 571	7.42 574

MEDIAN_ROB	20.38 578	24.04 581	23.31 579	21.23 577	21.71 578	10.40 570	7.92 566	17.64 578	15.50 578	20.12 578	19.70 577	20.34 578	20.32 578	21.19 578	21.13 578	23.81 581	21.81 581	24.98 580	23.76 580	24.71 580	23.93 581

AVERAGE_ROB	24.90 582	29.20 582	28.14 580	24.89 581	24.64 581	17.75 576	11.12 567	21.45 579	19.93 579	25.12 582	24.46 581	25.12 582	25.46 582	24.69 582	22.83 579	29.76 582	27.13 582	28.97 582	27.95 582	29.91 581	29.47 582

LSM0	22.87 581	17.28 577	18.96 576	22.19 580	29.04 582	38.42 582	53.71 580	24.28 581	28.31 580	20.78 581	21.00 578	21.43 581	24.16 581	23.50 580	27.39 581	14.09 578	17.38 578	11.84 578	14.04 578	14.73 577	14.89 576

CasAABBNet	22.42 579	17.33 578	16.01 574	22.01 578	23.28 579	38.32 580	53.80 581	24.14 580	28.41 581	20.60 579	21.77 579	20.89 580	23.91 580	23.43 579	27.36 580	14.07 576	17.69 579	11.83 577	14.01 577	14.67 575	14.95 577

Selective-RAFT-Error	22.47 580	17.37 579	16.09 575	22.06 579	23.34 580	38.39 581	53.83 582	24.29 582	28.47 582	20.74 580	21.83 580	20.81 579	23.90 579	23.54 581	27.53 582	14.08 577	17.69 579	11.82 576	14.00 576	14.69 576	15.00 578

test_example2	98.32 583	94.13 583	45.89 581	96.35 582	109.85 583	88.61 583	95.45 583	25.75 583	94.37 583	130.00 584	126.06 584	58.17 583	74.63 583	88.51 583	79.96 583	150.23 583	221.02 583	77.62 583	99.10 583	113.75 583	96.94 583

ccccc	245.47 584	285.66 584	306.18 584	368.85 584	370.60 584	123.16 584	145.33 584	115.05 584	110.08 584	126.68 583	110.87 583	122.83 584	165.88 584	252.94 584	276.56 584	384.56 584	353.86 584	254.69 584	223.00 584	425.87 584	386.83 584

Low-res two-view benchmark