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

sCroCo_RVC	0.27 6	0.19 73	2.20 136	0.02 39	0.00 1	0.13 1	0.04 149	1.15 26	0.89 67	0.15 19	0.07 54	0.03 5	0.04 42	0.39 19	0.05 5	0.00 1	0.07 241	0.00 1	0.00 1	0.02 35	0.01 10

CroCo-Stereo	0.50 24	0.63 205	2.38 163	0.14 179	0.00 1	0.19 2	0.02 73	4.28 216	0.96 77	0.14 18	0.03 29	0.46 97	0.08 84	0.32 12	0.29 93	0.00 1	0.00 1	0.00 1	0.00 1	0.01 9	0.01 10
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
Anonymous	0.35 12	0.22 88	2.01 107	0.00 1	0.00 1	0.24 3	0.01 18	3.01 102	0.54 23	0.02 1	0.03 29	0.05 20	0.07 73	0.32 12	0.07 9	0.00 1	0.01 189	0.00 1	0.00 1	0.11 220	0.22 181

CroCo-Stereo Lap2	0.42 18	0.75 225	1.76 59	0.03 58	0.00 1	0.33 4	0.01 18	3.75 143	0.81 53	0.02 1	0.03 29	0.04 7	0.07 73	0.52 38	0.23 75	0.00 1	0.00 1	0.00 1	0.00 1	0.07 157	0.03 36

MIF-Stereo	0.23 3	0.28 109	1.91 96	0.05 96	0.16 213	0.34 5	0.02 73	0.46 2	0.42 14	0.06 12	0.18 70	0.05 20	0.07 73	0.22 3	0.33 99	0.00 1	0.00 1	0.00 1	0.00 1	0.11 220	0.01 10

sAnonymous2	0.50 24	0.60 196	4.41 291	0.01 9	0.00 1	0.34 5	0.08 185	2.33 63	1.09 91	0.03 5	0.06 51	0.04 7	0.10 100	0.29 10	0.02 1	0.00 1	0.00 1	0.00 1	0.00 1	0.14 246	0.35 220

CroCo_RVC	0.50 24	0.60 196	4.41 291	0.01 9	0.00 1	0.34 5	0.08 185	2.33 63	1.09 91	0.03 5	0.06 51	0.04 7	0.10 100	0.29 10	0.02 1	0.00 1	0.00 1	0.00 1	0.00 1	0.14 246	0.35 220

Selective-IGEV	0.51 27	0.13 23	1.41 16	0.72 309	0.62 324	0.38 8	0.04 149	2.58 73	1.21 120	0.19 28	0.02 1	0.02 2	0.06 63	0.48 29	0.46 143	0.01 292	0.80 315	0.00 1	0.09 288	0.07 157	0.91 294

StereoIM	0.30 9	0.62 203	1.63 38	0.07 124	0.19 221	0.40 9	0.02 73	1.36 29	0.76 46	0.04 9	0.05 47	0.13 61	0.05 56	0.38 18	0.33 99	0.00 1	0.00 1	0.00 1	0.00 1	0.02 35	0.02 23

MIF-Stereo (partial)	0.37 14	0.39 143	1.98 103	0.02 39	0.00 1	0.43 10	0.02 73	2.35 65	0.61 32	0.18 24	0.10 57	0.07 38	0.07 73	0.61 57	0.40 132	0.00 1	0.00 1	0.00 1	0.00 1	0.08 167	0.02 23

GMStereo	0.34 11	1.03 285	2.11 128	0.01 9	0.00 1	0.47 11	0.01 18	0.77 14	1.38 181	0.24 36	0.04 39	0.07 38	0.08 84	0.43 25	0.12 25	0.00 1	0.00 1	0.00 1	0.00 1	0.03 90	0.00 1
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
test croco	0.55 44	0.55 182	3.45 240	0.10 158	0.00 1	0.50 12	0.02 73	3.49 129	1.16 101	0.05 11	0.10 57	0.13 61	0.17 135	0.67 63	0.28 91	0.00 1	0.00 1	0.00 1	0.00 1	0.36 340	0.01 10

anonymity	0.99 155	0.18 50	1.80 65	0.39 247	0.67 327	0.74 13	0.01 18	5.09 274	2.13 263	1.34 184	1.30 227	0.80 144	1.62 291	0.82 87	0.64 171	0.03 326	0.59 301	0.00 1	0.48 380	0.02 35	1.15 313

IGEVStereo-DCA	0.88 113	1.21 306	1.81 72	0.18 189	0.16 213	0.83 14	0.01 18	0.71 7	1.36 173	0.40 49	0.04 39	0.06 27	0.09 93	6.04 275	2.22 280	0.00 1	0.48 292	0.00 1	0.15 307	0.16 265	1.76 355

rrr	1.15 188	1.21 306	5.05 314	0.18 189	0.16 213	0.83 14	0.06 177	2.88 85	1.44 186	0.40 49	0.04 39	0.06 27	0.09 93	6.04 275	2.22 280	0.00 1	0.48 292	0.00 1	0.19 334	0.16 265	1.59 343

CASnet	0.21 2	0.22 88	0.95 4	0.01 9	0.00 1	0.87 16	0.01 18	0.55 3	0.88 64	0.16 21	0.03 29	0.04 7	0.02 16	0.39 19	0.03 3	0.00 1	0.00 1	0.00 1	0.00 1	0.03 90	0.01 10
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
TestStereo	0.67 70	0.99 276	2.26 146	0.00 1	0.00 1	0.92 17	0.01 18	1.77 50	0.30 10	0.20 34	0.05 47	0.08 43	0.06 63	6.62 298	0.09 12	0.00 1	0.00 1	0.00 1	0.00 1	0.01 9	0.08 80

RALAANet	0.68 75	1.09 294	2.29 149	0.03 58	0.01 59	0.93 18	0.03 121	2.65 74	1.97 254	1.19 164	0.39 132	0.15 67	0.30 165	1.27 114	0.75 187	0.00 1	0.25 269	0.00 1	0.09 288	0.19 285	0.03 36

GLC_STEREO	0.19 1	0.13 23	0.94 3	0.03 58	0.00 1	0.95 19	0.03 121	0.33 1	0.44 16	0.10 16	0.04 39	0.06 27	0.04 42	0.44 26	0.11 20	0.00 1	0.00 1	0.00 1	0.00 1	0.02 35	0.05 57

test_xeample3	0.95 141	1.30 315	5.13 317	0.19 194	0.23 237	0.95 19	0.07 179	2.30 62	1.47 192	0.40 49	0.05 47	0.08 43	0.07 73	1.45 121	2.27 282	0.00 1	0.69 305	0.00 1	0.33 370	0.17 277	1.85 368

RAFT	0.91 122	0.96 267	1.82 77	0.89 332	0.44 294	0.97 21	0.08 185	3.71 141	1.25 133	0.36 45	0.20 85	3.87 319	0.27 162	0.70 66	0.49 149	0.00 1	0.83 318	0.00 1	0.01 238	0.47 352	0.87 291

LoS_RVC	0.25 4	0.60 196	1.21 10	0.16 188	0.13 198	0.98 22	0.01 18	0.85 17	0.25 4	0.08 15	0.02 1	0.07 38	0.04 42	0.49 31	0.05 5	0.00 1	0.01 189	0.00 1	0.00 1	0.01 9	0.07 75

test-3	0.86 110	0.15 28	2.03 112	0.37 243	0.56 307	1.01 23	0.02 73	3.05 104	0.54 23	1.98 244	0.02 1	1.09 176	0.04 42	3.73 180	0.38 124	0.00 1	0.93 336	0.00 1	0.25 353	0.16 265	0.82 285

test_1	0.84 104	0.15 28	2.03 112	0.37 243	0.55 304	1.01 23	0.02 73	3.06 106	0.55 26	1.73 225	0.02 1	1.09 176	0.04 42	3.70 178	0.38 124	0.00 1	0.93 336	0.00 1	0.25 353	0.16 265	0.84 287

x	0.80 93	0.39 143	1.80 65	0.66 299	0.50 300	1.02 25	0.00 1	3.61 134	1.34 167	0.65 84	0.34 114	0.53 106	0.14 125	1.21 107	0.91 213	0.00 1	1.09 350	0.00 1	0.20 336	0.06 133	1.59 343

test_3	0.81 95	0.15 28	2.17 133	0.36 240	0.58 312	1.03 26	0.01 18	3.01 102	0.59 29	0.98 129	0.02 1	1.04 169	0.04 42	3.72 179	0.39 131	0.00 1	0.92 330	0.00 1	0.25 353	0.16 265	0.69 274

SMFormer	1.31 229	0.30 114	2.08 119	0.47 262	0.02 104	1.04 27	0.01 18	5.75 316	2.69 306	1.65 215	2.43 284	0.91 150	0.02 16	4.75 223	2.20 276	0.00 1	0.88 324	0.00 1	0.14 305	0.06 133	0.76 281

tta	1.32 232	0.30 114	2.08 119	0.47 262	0.02 104	1.04 27	0.01 18	5.75 316	2.69 306	1.65 215	2.43 284	0.91 150	0.02 16	4.75 223	2.20 276	0.00 1	0.88 324	0.00 1	0.14 305	0.09 186	0.92 295

qqq1	1.25 208	0.30 114	2.08 119	0.47 262	0.02 104	1.04 27	0.01 18	5.75 316	2.69 306	1.65 215	2.43 284	0.91 150	0.02 16	4.75 223	0.88 206	0.00 1	0.88 324	0.00 1	0.11 296	0.09 186	0.92 295

fff1	1.25 208	0.30 114	2.08 119	0.47 262	0.02 104	1.04 27	0.01 18	5.75 316	2.69 306	1.65 215	2.43 284	0.91 150	0.02 16	4.75 223	0.88 206	0.00 1	0.88 324	0.00 1	0.11 296	0.09 186	0.92 295

Former-RAFT_DAM_RVC	0.29 7	0.32 124	0.88 1	0.02 39	0.00 1	1.05 31	0.01 18	0.80 16	1.00 83	0.76 103	0.34 114	0.10 53	0.06 63	0.13 1	0.09 12	0.00 1	0.00 1	0.00 1	0.00 1	0.05 123	0.09 100

11t1	0.70 78	0.28 109	1.86 84	0.56 282	0.56 307	1.06 32	0.00 1	2.89 87	1.21 120	0.60 80	0.34 114	0.08 43	0.04 42	0.76 74	0.85 200	0.02 316	1.09 350	0.00 1	0.18 328	0.06 133	1.58 342

Gwc-CoAtRS	0.52 33	0.16 38	1.68 44	0.05 96	0.13 198	1.06 32	0.03 121	2.88 85	0.54 23	0.40 49	0.02 1	2.22 251	0.03 33	0.49 31	0.26 88	0.00 1	0.09 251	0.00 1	0.22 345	0.01 9	0.11 117

4D-IteraStereo	0.59 50	0.98 273	2.62 193	0.04 82	0.09 179	1.07 34	0.08 185	1.45 33	0.39 12	0.12 17	0.05 47	0.82 146	0.10 100	0.77 76	1.05 225	0.00 1	0.40 285	0.00 1	0.00 1	0.08 167	1.79 364

GMOStereo	0.62 58	0.55 182	1.80 65	0.09 148	0.61 317	1.07 34	0.03 121	2.92 91	0.25 4	2.23 258	0.02 1	0.66 116	0.04 42	0.25 4	0.22 68	0.00 1	1.26 375	0.00 1	0.00 1	0.23 299	0.19 162

error version	0.62 58	0.55 182	1.80 65	0.09 148	0.61 317	1.07 34	0.03 121	2.92 91	0.25 4	2.23 258	0.02 1	0.66 116	0.04 42	0.25 4	0.22 68	0.00 1	1.26 375	0.00 1	0.00 1	0.23 299	0.19 162

test-v	0.62 58	0.55 182	1.80 65	0.09 148	0.61 317	1.07 34	0.03 121	2.92 91	0.25 4	2.23 258	0.02 1	0.66 116	0.04 42	0.25 4	0.22 68	0.00 1	1.26 375	0.00 1	0.00 1	0.23 299	0.19 162

test-2	0.62 58	0.55 182	1.80 65	0.09 148	0.61 317	1.07 34	0.03 121	2.92 91	0.25 4	2.23 258	0.02 1	0.66 116	0.04 42	0.25 4	0.22 68	0.00 1	1.26 375	0.00 1	0.00 1	0.23 299	0.19 162

ff7	0.51 27	0.26 101	1.81 72	0.19 194	0.25 246	1.08 39	0.01 18	0.71 7	1.36 173	0.47 64	0.02 1	0.04 7	0.08 84	0.79 79	0.18 50	0.00 1	0.92 330	0.00 1	0.15 307	0.10 197	1.76 355

ffff	0.51 27	0.26 101	1.81 72	0.19 194	0.25 246	1.08 39	0.01 18	0.71 7	1.36 173	0.47 64	0.02 1	0.04 7	0.08 84	0.79 79	0.18 50	0.00 1	0.92 330	0.00 1	0.15 307	0.10 197	1.76 355

11t	0.51 27	0.26 101	1.81 72	0.19 194	0.25 246	1.08 39	0.01 18	0.71 7	1.36 173	0.47 64	0.02 1	0.04 7	0.08 84	0.79 79	0.18 50	0.00 1	0.92 330	0.00 1	0.15 307	0.10 197	1.76 355

anonymousdsp	0.54 39	0.26 101	1.62 32	0.47 262	0.60 316	1.08 39	0.01 18	1.01 23	1.37 178	0.49 72	0.02 1	0.04 7	0.09 93	0.73 71	0.15 37	0.00 1	0.82 316	0.00 1	0.16 313	0.10 197	1.83 365

ccc-4	0.51 27	0.26 101	1.81 72	0.19 194	0.25 246	1.08 39	0.01 18	0.71 7	1.36 173	0.47 64	0.02 1	0.04 7	0.08 84	0.79 79	0.18 50	0.00 1	0.92 330	0.00 1	0.15 307	0.10 197	1.76 355

IGEV-Stereo	0.54 39	0.26 101	1.62 32	0.47 262	0.61 317	1.08 39	0.01 18	1.00 21	1.37 178	0.49 72	0.02 1	0.04 7	0.09 93	0.73 71	0.16 41	0.00 1	0.82 316	0.00 1	0.16 313	0.10 197	1.83 365
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
THIR-Stereo	1.54 263	0.48 164	1.88 91	0.01 9	0.02 104	1.08 39	4.17 369	2.48 70	0.41 13	1.09 152	4.30 328	1.90 225	4.08 350	6.84 311	1.81 259	0.00 1	0.00 1	0.04 347	0.00 1	0.06 133	0.04 42

PCWNet_CMD	0.70 78	0.18 50	2.22 139	0.01 9	0.01 59	1.09 46	0.00 1	3.17 115	1.35 171	0.50 74	0.29 104	2.28 254	1.46 278	1.22 109	0.11 20	0.00 1	0.00 1	0.00 1	0.00 1	0.02 35	0.19 162

ProNet	0.47 21	0.35 133	1.75 53	0.19 194	0.54 303	1.09 46	0.01 18	0.97 19	1.25 133	0.02 1	0.02 1	0.06 27	0.03 33	0.58 45	0.09 12	0.00 1	0.57 299	0.00 1	0.00 1	0.14 246	1.65 345

qqq	0.90 120	0.41 152	1.88 91	0.10 158	0.59 314	1.09 46	0.00 1	3.82 152	1.29 151	0.61 81	0.38 128	0.73 130	0.15 126	3.19 162	0.90 210	0.00 1	1.08 347	0.00 1	0.23 348	0.06 133	1.57 338

cross-raft	0.67 70	0.19 73	1.85 81	0.58 284	0.71 333	1.09 46	0.10 203	3.52 130	0.69 40	0.41 54	0.02 1	2.81 276	0.04 42	0.55 39	0.23 75	0.00 1	0.13 259	0.00 1	0.16 313	0.01 9	0.22 181

MSMDNet	0.71 80	0.18 50	2.22 139	0.01 9	0.01 59	1.09 46	0.00 1	3.25 120	1.35 171	0.52 77	0.29 104	2.29 258	1.45 275	1.22 109	0.11 20	0.00 1	0.00 1	0.00 1	0.00 1	0.02 35	0.19 162

CAS	0.95 141	0.12 18	1.08 6	6.79 390	0.08 173	1.10 51	0.01 18	0.97 19	0.87 61	0.03 5	0.04 39	0.07 38	0.06 63	0.37 17	0.15 37	6.94 391	0.00 1	0.00 1	0.00 1	0.00 1	0.30 208

MC-Stereo	0.57 49	0.16 38	1.63 38	0.70 305	0.93 346	1.10 51	0.01 18	1.43 31	0.26 9	0.91 119	0.02 1	0.08 43	0.11 108	0.61 57	0.23 75	0.00 1	1.15 369	0.00 1	0.17 321	0.10 197	1.84 367

AnonymousM	0.48 22	0.11 13	1.03 5	0.06 114	0.01 59	1.10 51	0.03 121	1.91 55	1.37 178	0.25 37	0.04 39	0.02 2	0.24 155	0.56 42	0.33 99	0.00 1	0.43 288	1.91 385	0.00 1	0.01 9	0.22 181

XX-TBD	0.36 13	0.59 193	1.75 53	0.07 124	0.00 1	1.11 54	0.00 1	0.73 12	0.63 34	0.44 57	1.24 224	0.06 27	0.06 63	0.39 19	0.08 11	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.03 36

ICVP	0.53 35	0.09 6	1.86 84	0.01 9	0.01 59	1.12 55	0.21 238	4.35 220	0.68 39	0.45 61	0.28 102	0.33 84	0.07 73	0.72 70	0.25 81	0.00 1	0.07 241	0.00 1	0.00 1	0.04 111	0.11 117
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
IGEV_Zeroshot_test	1.07 173	0.28 109	3.68 257	0.51 276	0.58 312	1.13 56	0.54 297	4.64 244	0.73 43	1.14 159	0.75 180	3.21 295	0.70 233	0.77 76	0.57 162	0.00 1	0.52 295	0.00 1	0.16 313	0.04 111	1.56 337

RALCasStereoNet	0.80 93	0.96 267	1.77 62	0.28 232	0.97 348	1.13 56	0.03 121	2.91 90	1.11 95	0.17 22	0.34 114	0.12 56	0.20 148	1.65 130	0.65 173	0.00 1	1.72 392	0.00 1	0.00 1	0.11 220	1.90 376

StereoVision	1.00 158	0.77 232	2.81 203	0.05 96	0.02 104	1.14 58	0.03 121	4.13 199	1.18 107	0.19 28	6.80 349	0.49 100	0.12 121	1.20 105	1.01 222	0.00 1	0.00 1	0.00 1	0.00 1	0.06 133	0.02 23

LL-Strereo2	0.63 63	0.97 270	2.03 112	0.76 320	0.86 340	1.15 59	0.08 185	1.85 52	1.20 115	0.45 61	0.02 1	0.50 103	0.07 73	0.63 60	0.65 173	0.00 1	0.17 263	0.00 1	0.03 258	0.05 123	1.05 306

knoymous	0.41 17	0.09 6	1.34 14	0.05 96	0.01 59	1.15 59	0.01 18	2.36 66	0.23 3	0.51 76	0.02 1	1.64 208	0.00 1	0.49 31	0.33 99	0.00 1	0.00 1	0.00 1	0.00 1	0.01 9	0.04 42

UDGNet	0.44 19	0.91 253	1.89 94	0.04 82	0.00 1	1.15 59	0.02 73	0.75 13	1.77 238	0.45 61	0.07 54	0.06 27	0.02 16	1.62 129	0.11 20	0.00 1	0.00 1	0.00 1	0.00 1	0.02 35	0.01 10

rafts_anoy	0.67 70	0.91 253	1.85 81	0.60 287	1.02 353	1.16 62	0.04 149	3.25 120	0.48 19	0.19 28	0.18 70	0.11 54	0.19 143	1.17 102	0.58 163	0.00 1	1.47 385	0.00 1	0.01 238	0.05 123	0.22 181

s12784h	0.67 70	0.17 46	1.87 89	0.02 39	0.00 1	1.16 62	0.03 121	4.08 190	1.89 246	1.04 144	1.59 244	0.05 20	0.02 16	1.25 113	0.12 25	0.00 1	0.00 1	0.00 1	0.00 1	0.02 35	0.02 23

TANstereo	0.37 14	0.50 166	1.62 32	0.03 58	0.01 59	1.16 62	0.00 1	0.56 4	0.53 21	1.05 145	1.38 232	0.06 27	0.05 56	0.45 27	0.07 9	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.02 23

PMTNet	0.26 5	0.21 83	1.40 15	0.02 39	0.02 104	1.16 62	0.29 268	1.00 21	0.18 1	0.04 9	0.03 29	0.07 38	0.02 16	0.47 28	0.15 37	0.00 1	0.00 1	0.00 1	0.00 1	0.03 90	0.02 23

mmm	0.94 132	0.32 124	2.04 115	0.73 314	0.85 337	1.17 66	0.01 18	3.97 173	1.42 185	1.51 200	0.93 202	0.46 97	0.21 151	1.18 103	0.87 203	0.00 1	1.16 370	0.00 1	0.26 360	0.06 133	1.72 350

CES	0.51 27	0.16 38	1.23 11	0.09 148	1.58 367	1.18 67	0.05 161	1.07 25	0.79 48	0.03 5	0.03 29	0.14 64	0.10 100	0.55 39	0.12 25	0.00 1	0.01 189	0.00 1	0.00 1	0.01 9	2.98 383

HCRNet	0.83 98	0.39 143	1.59 31	0.02 39	0.00 1	1.18 67	0.01 18	3.69 138	2.28 277	0.75 101	0.21 88	0.56 108	0.11 108	5.32 254	0.25 81	0.00 1	0.01 189	0.00 1	0.00 1	0.08 167	0.04 42

Selective-RAFT	0.53 35	0.18 50	1.12 7	0.04 82	0.01 59	1.19 69	0.02 73	3.26 122	1.29 151	0.02 1	0.02 1	0.24 75	0.18 139	1.34 117	0.44 134	0.00 1	0.93 336	0.00 1	0.19 334	0.05 123	0.17 152

DLNR_Zeroshot_test	23.30 410	50.27 418	88.62 416	97.23 430	94.59 426	1.20 70	0.00 1	20.92 402	0.64 35	0.06 12	0.02 1	0.03 5	0.02 16	4.50 210	0.25 81	32.51 416	0.96 340	0.00 1	0.27 364	72.47 423	1.47 332

RCA-Stereo	0.53 35	0.18 50	1.16 8	0.01 9	0.24 242	1.20 70	0.01 18	3.86 160	0.97 78	0.77 104	0.50 150	0.05 20	0.13 124	0.32 12	0.03 3	0.00 1	0.87 323	0.00 1	0.00 1	0.08 167	0.24 190

RAFT_CTSACE	0.85 107	0.95 263	2.60 189	0.60 287	0.05 151	1.20 70	0.01 18	3.18 117	0.85 59	0.79 105	1.57 243	2.18 250	0.78 240	1.20 105	0.22 68	0.00 1	0.33 281	0.00 1	0.00 1	0.28 321	0.21 180

LCNet	0.93 129	0.21 83	1.62 32	0.14 179	0.26 255	1.20 70	0.22 241	2.71 75	0.90 70	1.82 228	0.21 88	0.12 56	2.50 317	5.59 264	0.16 41	0.00 1	0.00 1	0.00 1	0.00 1	0.16 265	0.79 284

raft+_RVC	0.71 80	1.05 287	1.86 84	0.64 296	1.31 360	1.20 70	0.05 161	2.44 69	0.77 47	0.18 24	0.43 140	0.08 43	0.15 126	0.93 94	0.64 171	0.00 1	1.43 383	0.00 1	0.00 1	0.09 186	1.03 305

111	1.00 158	1.05 287	3.63 250	0.01 9	0.04 143	1.20 70	0.16 220	4.50 228	2.24 273	1.32 181	1.15 220	2.00 234	0.31 169	0.59 52	0.79 190	0.00 1	0.00 1	0.00 1	0.00 1	0.10 197	0.84 287

iRaft-Stereo_5w	1.28 220	0.93 259	3.51 244	0.14 179	0.66 326	1.21 76	0.01 18	3.87 162	1.06 87	0.19 28	1.97 260	1.62 205	1.50 280	6.80 309	1.07 228	0.00 1	0.16 261	0.00 1	0.06 279	0.26 313	0.67 272

CREStereo++_RVC	0.37 14	0.24 96	1.62 32	0.06 114	0.00 1	1.21 76	0.01 18	0.77 14	1.12 97	0.26 38	1.45 235	0.06 27	0.06 63	0.42 23	0.09 12	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.06 65
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
AFF-stereo	0.89 119	1.05 287	1.70 45	0.49 271	0.18 219	1.21 76	0.01 18	3.58 133	1.62 211	0.84 110	1.93 258	1.14 179	0.26 159	1.24 111	0.68 179	0.00 1	0.64 304	0.00 1	0.00 1	0.26 313	0.89 293

FENet	0.61 56	0.22 88	1.75 53	0.05 96	0.00 1	1.21 76	0.05 161	3.78 144	1.28 147	1.08 150	0.02 1	1.61 203	0.09 93	0.60 54	0.35 109	0.00 1	0.01 189	0.00 1	0.00 1	0.04 111	0.08 80

AEACV	0.64 66	0.08 3	1.46 17	0.72 309	0.96 347	1.22 80	0.00 1	1.90 54	0.67 36	0.54 79	0.07 54	0.02 2	0.73 236	0.63 60	0.28 91	0.01 292	0.92 330	0.00 1	0.36 373	0.09 186	2.04 377

anonymousdsp2	0.88 113	0.10 10	2.48 182	0.42 251	0.77 336	1.22 80	0.02 73	4.89 260	1.23 124	0.75 101	0.21 88	0.94 158	0.09 93	1.46 122	0.31 98	0.00 1	0.88 324	0.00 1	0.11 296	0.05 123	1.78 362

ASMatch	1.46 252	0.17 46	2.35 159	0.73 314	0.20 225	1.22 80	0.25 251	1.04 24	0.89 67	0.30 41	11.50 366	0.92 155	2.31 310	6.65 301	0.56 161	0.00 1	0.00 1	0.00 1	0.01 238	0.00 1	0.04 42

raftrobust	0.68 75	0.89 250	1.80 65	0.02 39	1.29 359	1.22 80	0.05 161	2.37 67	0.62 33	2.99 306	0.03 29	0.12 56	0.15 126	0.60 54	0.51 153	0.00 1	0.69 305	0.00 1	0.00 1	0.10 197	0.24 190

EKT-Stereo	0.91 122	0.23 92	2.14 131	0.84 327	4.27 386	1.23 84	0.04 149	2.85 84	0.67 36	0.44 57	0.40 133	0.95 162	0.08 84	2.93 158	0.38 124	0.00 1	0.18 264	0.00 1	0.07 281	0.04 111	0.40 235

dd	0.45 20	1.20 305	2.52 186	0.06 114	0.01 59	1.23 84	0.03 121	0.88 18	1.48 193	0.26 38	0.06 51	0.12 56	0.05 56	0.42 23	0.44 134	0.02 316	0.00 1	0.00 1	0.00 1	0.06 133	0.06 65

test-1	0.77 90	0.31 120	1.67 41	0.03 58	0.97 348	1.23 84	0.07 179	4.63 243	0.75 44	0.73 98	0.67 172	1.06 172	0.03 33	0.58 45	0.80 192	0.02 316	0.79 314	0.00 1	0.07 281	0.01 9	0.96 300

iRaftStereo_RVC	0.55 44	0.59 193	1.20 9	0.03 58	0.00 1	1.23 84	0.01 18	2.55 72	0.81 53	0.15 19	0.23 92	0.70 127	0.12 121	0.48 29	0.22 68	0.00 1	1.14 368	0.00 1	0.00 1	0.33 331	1.13 310

AE-Stereo	0.83 98	0.13 23	2.17 133	0.08 132	0.24 242	1.24 88	0.03 121	5.22 283	1.26 139	0.70 90	1.09 212	0.20 69	0.16 131	0.70 66	0.33 99	0.00 1	0.89 329	0.00 1	0.26 360	0.09 186	1.75 354

DCANet-4	0.83 98	0.18 50	4.76 301	0.04 82	0.01 59	1.24 88	0.02 73	3.84 158	2.21 271	2.39 276	0.25 95	0.11 54	0.24 155	0.59 52	0.36 113	0.00 1	0.00 1	0.00 1	0.00 1	0.01 9	0.37 223

CFNet_pseudo	0.71 80	0.20 79	2.34 158	0.01 9	0.01 59	1.24 88	0.00 1	3.19 118	0.92 72	0.85 111	0.47 148	2.29 258	0.61 214	1.79 139	0.17 47	0.00 1	0.00 1	0.00 1	0.00 1	0.02 35	0.14 136

RAFT-Stereo + iAFF	0.90 120	0.95 263	1.93 99	0.06 114	0.92 344	1.24 88	0.02 73	3.30 124	1.75 236	1.23 173	2.58 292	0.43 94	0.16 131	0.68 65	0.82 195	0.00 1	0.70 308	0.00 1	0.00 1	0.23 299	1.05 306

CREStereo	0.29 7	0.19 73	0.91 2	0.00 1	0.01 59	1.24 88	0.01 18	1.31 28	0.99 82	0.17 22	0.17 67	0.04 7	0.00 1	0.56 42	0.14 35	0.00 1	0.00 1	0.00 1	0.00 1	0.01 9	0.02 23
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
ccs_rob	0.71 80	0.20 79	2.35 159	0.00 1	0.01 59	1.24 88	0.00 1	3.17 115	0.91 71	0.82 109	0.45 144	2.28 254	0.63 221	1.78 138	0.18 50	0.00 1	0.00 1	0.00 1	0.00 1	0.02 35	0.14 136

AANet_RVC	1.95 288	1.64 341	4.89 305	0.09 148	0.00 1	1.24 88	0.01 18	3.93 169	2.82 320	2.32 267	4.64 331	3.61 310	0.19 143	7.61 346	4.73 334	0.60 369	0.19 267	0.00 1	0.00 1	0.11 220	0.47 243

fff	0.83 98	0.63 205	3.63 250	0.01 9	0.04 143	1.25 95	0.02 73	3.98 174	1.29 151	2.39 276	0.25 95	0.09 48	1.78 296	0.58 45	0.36 113	0.00 1	0.00 1	0.00 1	0.00 1	0.01 9	0.37 223

ADStereo(finetuned)	0.98 153	0.65 210	4.66 297	0.03 58	0.00 1	1.25 95	0.01 18	3.99 178	2.16 265	2.65 290	0.30 108	0.09 48	2.33 311	0.58 45	0.45 138	0.00 1	0.00 1	0.00 1	0.00 1	0.03 90	0.41 237

dad	1.04 167	1.21 306	3.14 224	0.08 132	0.01 59	1.25 95	0.01 18	1.30 27	2.54 299	1.95 242	0.37 125	0.40 92	0.04 42	5.95 274	1.06 226	0.01 292	0.00 1	1.11 381	0.12 302	0.07 157	0.19 162

DCANet	0.84 104	0.65 210	3.63 250	0.03 58	0.00 1	1.25 95	0.01 18	3.99 178	2.16 265	2.66 293	0.31 111	0.09 48	0.48 201	0.57 44	0.45 138	0.00 1	0.00 1	0.00 1	0.00 1	0.03 90	0.41 237

csc	0.83 98	0.63 205	3.63 250	0.01 9	0.04 143	1.25 95	0.02 73	3.98 174	1.29 151	2.39 276	0.25 95	0.09 48	1.78 296	0.58 45	0.36 113	0.00 1	0.00 1	0.00 1	0.00 1	0.01 9	0.37 223

cscssc	0.83 98	0.63 205	3.63 250	0.01 9	0.04 143	1.25 95	0.02 73	3.98 174	1.29 151	2.39 276	0.25 95	0.09 48	1.78 296	0.58 45	0.36 113	0.00 1	0.00 1	0.00 1	0.00 1	0.01 9	0.37 223

whm_eth	0.81 95	0.77 232	4.13 273	0.03 58	0.00 1	1.26 101	0.02 73	4.05 185	2.20 270	0.35 43	2.47 289	0.13 61	0.11 108	0.28 8	0.14 35	0.00 1	0.01 189	0.00 1	0.00 1	0.02 35	0.28 206

GMStereo_Zeroshot	0.67 70	0.24 96	1.87 89	0.87 330	0.00 1	1.26 101	0.01 18	2.01 57	0.42 14	1.44 195	0.58 161	1.73 216	0.19 143	2.62 151	0.10 19	0.00 1	0.00 1	0.00 1	0.00 1	0.03 90	0.09 100

IPLGR	0.88 113	0.30 114	3.78 263	0.06 114	0.07 164	1.26 101	0.05 161	3.78 144	1.62 211	0.80 106	0.35 121	0.79 143	0.76 237	3.42 168	0.27 90	0.00 1	0.00 1	0.00 1	0.00 1	0.08 167	0.16 147

ADLNet2	1.52 261	0.79 235	3.51 244	0.01 9	0.69 330	1.26 101	0.26 253	4.84 256	3.10 327	1.67 219	3.23 306	4.17 323	0.80 242	4.77 228	1.00 221	0.00 1	0.00 1	0.00 1	0.00 1	0.22 298	0.12 123

R-Stereo Train	0.56 47	0.15 28	1.83 78	0.02 39	0.00 1	1.26 101	0.09 196	4.14 200	0.45 17	1.86 230	0.42 137	0.06 27	0.01 4	0.32 12	0.46 143	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.05 57

RAFT-Stereo	0.56 47	0.15 28	1.83 78	0.02 39	0.00 1	1.26 101	0.09 196	4.14 200	0.45 17	1.86 230	0.42 137	0.06 27	0.01 4	0.32 12	0.46 143	0.00 1	0.00 1	0.00 1	0.00 1	0.00 1	0.05 57
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
RAFT+CT+SA	0.85 107	0.91 253	2.23 144	0.19 194	0.29 266	1.27 107	0.03 121	4.92 264	0.86 60	0.65 84	0.40 133	0.67 120	0.05 56	3.03 159	0.18 50	0.00 1	0.28 278	0.00 1	0.35 372	0.15 257	0.61 264

GrayStereo	1.55 265	0.06 1	1.53 24	0.75 319	0.20 225	1.27 107	4.44 374	3.44 128	1.20 115	4.92 347	3.92 321	0.45 96	4.54 354	3.43 169	0.09 12	0.00 1	0.00 1	0.00 1	0.49 381	0.02 35	0.25 196

CFNet-RSSM	0.60 55	0.15 28	1.55 27	0.05 96	0.14 203	1.27 107	0.02 73	4.87 258	0.58 28	0.34 42	0.02 1	1.92 227	0.04 42	0.49 31	0.25 81	0.00 1	0.01 189	0.00 1	0.27 364	0.01 9	0.10 110

test_4	0.65 68	0.40 148	1.73 48	0.11 170	0.19 221	1.28 110	0.03 121	1.41 30	0.22 2	0.28 40	3.49 312	0.72 129	0.09 93	1.93 142	0.53 157	0.00 1	0.11 255	0.00 1	0.08 285	0.16 265	0.15 143

KYRaft	1.26 217	0.08 3	1.58 29	0.06 114	0.23 237	1.28 110	0.75 313	2.92 91	0.81 53	3.20 312	7.14 351	0.99 166	2.70 322	1.56 123	0.16 41	0.00 1	0.00 1	0.00 1	0.00 1	0.02 35	1.66 349

Prome-Stereo	1.29 224	0.09 6	1.62 32	0.12 176	0.24 242	1.28 110	0.65 307	2.98 98	0.93 73	2.08 250	8.52 356	0.75 134	2.83 325	2.19 147	0.11 20	0.00 1	0.00 1	0.00 1	0.00 1	0.02 35	1.39 328

XX-Stereo	1.24 205	0.25 99	6.03 337	1.30 355	0.29 266	1.28 110	0.00 1	4.12 197	0.60 31	1.29 177	0.50 150	3.63 311	0.03 33	4.05 188	0.18 50	0.00 1	0.58 300	0.00 1	0.23 348	0.03 90	0.47 243

DMCA-RVC	1.12 181	1.19 304	5.30 323	0.03 58	0.04 143	1.30 114	0.06 177	3.05 104	0.87 61	3.33 315	0.12 64	0.98 165	0.65 227	3.40 167	1.82 261	0.01 292	0.04 227	0.02 338	0.01 238	0.10 197	0.09 100

DMCA	0.87 111	0.52 178	3.24 230	0.01 9	0.01 59	1.30 114	0.02 73	3.69 138	1.87 244	2.29 264	0.17 67	1.71 214	0.10 100	0.76 74	1.42 243	0.00 1	0.00 1	0.00 1	0.00 1	0.08 167	0.12 123

MIM_Stereo	0.72 85	0.80 237	2.05 116	0.63 294	1.06 354	1.31 116	0.02 73	2.80 82	1.24 126	0.19 28	0.02 1	0.70 127	0.20 148	1.31 115	0.16 41	0.00 1	0.18 264	0.00 1	0.00 1	0.17 277	1.53 334

DCRE	1.01 160	0.54 181	1.52 22	0.30 234	0.99 350	1.31 116	0.00 1	1.69 46	0.71 41	1.12 157	7.77 353	0.74 132	0.02 16	0.28 8	0.45 138	0.00 1	0.71 309	0.00 1	0.25 353	0.02 35	1.78 362

TestStereo1	0.96 144	0.91 253	2.21 137	0.24 219	0.42 290	1.31 116	0.02 73	4.10 193	1.71 229	0.47 64	1.64 245	0.20 69	1.20 258	3.55 173	0.36 113	0.00 1	0.27 274	0.00 1	0.00 1	0.19 285	0.32 212

SA-5K	0.96 144	0.91 253	2.21 137	0.24 219	0.42 290	1.31 116	0.02 73	4.10 193	1.71 229	0.47 64	1.64 245	0.20 69	1.20 258	3.55 173	0.36 113	0.00 1	0.27 274	0.00 1	0.00 1	0.19 285	0.32 212

SA	1.02 165	0.85 242	2.22 139	0.00 1	0.42 290	1.31 116	0.01 18	4.74 253	2.04 260	0.50 74	0.95 204	0.30 83	1.30 270	4.24 197	0.42 133	0.00 1	0.47 289	0.00 1	0.17 321	0.16 265	0.30 208

DAS	1.40 245	0.11 13	2.83 206	0.04 82	0.01 59	1.31 116	1.14 331	4.51 229	2.02 258	4.84 344	2.33 274	1.65 209	0.56 207	5.53 260	0.85 200	0.00 1	0.00 1	0.00 1	0.00 1	0.02 35	0.19 162

SepStereo	1.41 247	0.11 13	2.83 206	0.04 82	0.01 59	1.31 116	1.14 331	4.51 229	2.02 258	4.84 344	2.33 274	1.65 209	0.56 207	5.78 269	0.85 200	0.00 1	0.00 1	0.00 1	0.00 1	0.02 35	0.19 162

PWC_ROB	3.30 339	1.83 347	8.47 370	0.62 293	0.56 307	1.31 116	0.39 284	4.53 233	5.05 354	7.66 364	15.14 374	3.37 298	2.43 314	6.86 313	6.74 350	0.00 1	0.00 1	0.00 1	0.00 1	0.51 357	0.54 252

LoS	0.32 10	0.19 73	1.27 12	0.11 170	0.01 59	1.32 124	0.07 179	1.44 32	0.79 48	0.06 12	0.04 39	0.27 81	0.11 108	0.60 54	0.13 33	0.00 1	0.01 189	0.00 1	0.00 1	0.03 90	0.01 10

ToySt	0.92 125	0.51 173	4.35 283	0.21 209	0.71 333	1.32 124	0.00 1	2.77 80	1.33 164	0.21 35	0.51 153	1.47 193	0.11 108	1.14 100	0.87 203	0.03 326	0.69 305	0.00 1	0.20 336	0.10 197	1.88 374

MIPNet	0.77 90	0.74 223	2.72 197	0.08 132	0.07 164	1.32 124	0.12 212	4.14 200	1.51 195	0.90 118	0.11 60	0.67 120	0.95 250	1.42 120	0.30 97	0.00 1	0.01 189	0.01 320	0.01 238	0.15 257	0.23 186

GwcNet-ADL	0.71 80	0.22 88	2.22 139	0.05 96	0.01 59	1.32 124	0.02 73	3.82 152	1.61 205	1.06 148	0.44 141	1.46 192	0.22 152	0.94 95	0.62 170	0.00 1	0.00 1	0.00 1	0.00 1	0.01 9	0.14 136

HHNet	0.94 132	0.28 109	2.48 182	0.19 194	0.08 173	1.32 124	0.42 287	2.48 70	0.84 58	1.39 192	5.80 340	0.14 64	1.74 295	0.49 31	0.94 215	0.06 342	0.00 1	0.01 320	0.00 1	0.14 246	0.04 42

CFNet_ucs	0.84 104	0.23 92	2.43 177	0.01 9	0.01 59	1.34 129	0.01 18	3.82 152	1.61 205	1.24 174	1.13 217	2.16 249	0.41 194	2.08 145	0.17 47	0.00 1	0.00 1	0.00 1	0.00 1	0.02 35	0.17 152

BEATNet_4x	1.24 205	1.45 327	5.03 313	0.58 284	0.02 104	1.34 129	0.09 196	5.29 286	1.69 223	2.01 246	0.25 95	1.18 181	0.44 196	2.11 146	2.70 295	0.00 1	0.00 1	0.00 1	0.00 1	0.14 246	0.54 252

StereoDRNet-Refined	0.96 144	0.28 109	1.94 101	0.03 58	0.01 59	1.34 129	0.01 18	4.02 181	1.33 164	2.16 254	1.23 223	2.62 268	0.18 139	2.06 144	1.82 261	0.00 1	0.00 1	0.00 1	0.00 1	0.16 265	0.06 65
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
PSM-AAD	1.21 197	0.08 3	1.53 24	0.10 158	0.27 260	1.35 132	3.14 358	2.74 76	0.83 57	2.89 301	2.04 265	0.16 68	5.25 362	3.51 172	0.21 67	0.00 1	0.00 1	0.00 1	0.00 1	0.02 35	0.08 80

MSKI-zero shot	0.91 122	0.18 50	1.86 84	0.61 289	0.62 324	1.36 133	0.05 161	3.41 127	0.31 11	0.73 98	1.79 252	0.88 149	0.00 1	4.71 218	0.16 41	0.00 1	0.93 336	0.00 1	0.21 341	0.02 35	0.32 212

Sa-1000	1.23 203	0.79 235	2.16 132	0.00 1	0.40 285	1.36 133	0.03 121	5.00 269	2.01 256	1.11 156	5.38 336	0.61 109	0.15 126	4.18 189	0.37 123	0.00 1	0.54 297	0.00 1	0.16 313	0.15 257	0.16 147

DeepStereo_RVC	0.59 50	0.16 38	1.65 40	0.08 132	0.06 156	1.37 135	0.40 285	1.58 35	1.26 139	1.03 143	0.83 191	0.49 100	1.52 281	0.94 95	0.18 50	0.00 1	0.00 1	0.00 1	0.00 1	0.02 35	0.13 131

IRAFT_RVC	1.13 183	0.39 143	2.40 165	1.51 364	0.25 246	1.37 135	0.31 275	2.93 96	1.24 126	1.58 212	0.79 186	1.14 179	1.54 282	6.53 294	0.44 134	0.00 1	0.12 257	0.00 1	0.00 1	0.02 35	0.03 36

CFNet-ft	0.97 151	0.94 260	2.30 151	0.01 9	0.27 260	1.37 135	0.02 73	2.76 77	0.79 48	0.88 115	0.20 85	3.76 316	0.38 181	4.21 192	1.34 238	0.00 1	0.00 1	0.01 320	0.00 1	0.08 167	0.09 100

CFNet_RVC	0.97 151	0.94 260	2.30 151	0.01 9	0.27 260	1.37 135	0.02 73	2.76 77	0.79 48	0.88 115	0.20 85	3.76 316	0.38 181	4.21 192	1.34 238	0.00 1	0.00 1	0.01 320	0.00 1	0.08 167	0.09 100

HITNet	1.01 160	1.08 293	3.32 235	0.80 323	0.00 1	1.37 135	0.02 73	5.20 281	1.59 202	1.88 232	0.18 70	0.64 113	0.31 169	1.24 111	2.01 269	0.00 1	0.00 1	0.00 1	0.00 1	0.08 167	0.47 243
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
iResNet_ROB	1.22 201	1.37 320	2.59 188	0.14 179	0.00 1	1.38 140	0.04 149	7.36 368	2.85 323	1.07 149	1.24 224	0.93 157	0.11 108	4.28 199	0.84 199	0.00 1	0.00 1	0.00 1	0.00 1	0.12 228	0.11 117

raft_robust	1.21 197	1.05 287	2.00 106	0.10 158	0.43 293	1.39 141	0.02 73	4.21 206	2.32 280	0.44 57	0.02 1	2.23 252	1.39 272	7.00 327	0.35 109	0.00 1	0.78 313	0.00 1	0.18 328	0.10 197	0.19 162

ACVNet	0.75 86	0.56 188	2.30 151	0.09 148	0.00 1	1.39 141	0.21 238	2.76 77	1.34 167	0.88 115	0.75 180	1.92 227	0.26 159	0.51 36	1.65 254	0.00 1	0.00 1	0.00 1	0.00 1	0.15 257	0.20 174

hitnet-ft	1.26 217	0.71 218	2.37 162	0.04 82	0.00 1	1.39 141	0.21 238	3.94 170	2.53 298	1.61 213	1.11 216	4.21 324	0.36 177	4.83 231	1.65 254	0.01 292	0.00 1	0.03 343	0.00 1	0.11 220	0.08 80

GANet-RSSM	1.09 176	0.80 237	2.41 167	0.72 309	0.00 1	1.39 141	0.02 73	5.15 277	1.07 88	0.95 127	0.34 114	2.06 237	1.12 254	4.69 216	0.80 192	0.00 1	0.00 1	0.04 347	0.00 1	0.15 257	0.09 100

IPLG	0.99 155	0.76 229	3.08 219	0.06 114	0.06 156	1.40 145	0.11 205	3.81 147	1.07 88	0.81 107	1.00 207	0.50 103	0.60 213	5.65 268	0.38 124	0.00 1	0.00 1	0.00 1	0.00 1	0.23 299	0.20 174

CrosDoStereo	1.72 274	0.31 120	1.91 96	0.03 58	0.07 164	1.40 145	5.95 387	3.61 134	1.62 211	0.98 129	3.79 318	0.94 158	4.66 356	7.11 332	1.86 264	0.00 1	0.00 1	0.00 1	0.00 1	0.12 228	0.08 80

DeepStereo_LL	1.72 274	0.31 120	1.91 96	0.03 58	0.07 164	1.40 145	5.95 387	3.61 134	1.62 211	0.98 129	3.79 318	0.94 158	4.66 356	7.11 332	1.86 264	0.00 1	0.00 1	0.00 1	0.00 1	0.12 228	0.08 80

GEStereo_RVC	1.25 208	0.76 229	2.61 191	0.37 243	0.01 59	1.40 145	0.11 205	6.93 357	1.20 115	1.22 172	0.78 185	1.58 200	0.77 238	6.13 280	0.66 175	0.00 1	0.00 1	0.00 1	0.00 1	0.14 246	0.23 186

NLCA_NET_v2_RVC	1.20 195	0.85 242	3.90 267	0.61 289	0.99 350	1.40 145	0.01 18	4.06 187	1.56 199	2.38 275	0.36 124	2.15 248	0.57 210	4.52 211	0.67 178	0.00 1	0.00 1	0.00 1	0.01 238	0.02 35	0.03 36
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	1.25 208	0.85 242	2.77 202	0.05 96	0.03 122	1.40 145	0.01 18	5.04 271	2.38 285	1.34 184	2.80 296	0.65 114	0.06 63	6.36 287	0.91 213	0.18 360	0.00 1	0.00 1	0.00 1	0.12 228	0.01 10

PSMNet-RSSM	1.10 177	0.88 248	2.30 151	0.23 214	0.00 1	1.41 151	0.03 121	5.44 300	1.19 109	1.56 205	0.50 150	2.46 264	0.71 234	4.23 195	0.90 210	0.00 1	0.00 1	0.01 320	0.00 1	0.10 197	0.08 80

iResNetv2_ROB	1.32 232	1.82 346	6.02 336	1.27 352	0.00 1	1.41 151	0.05 161	4.48 226	1.46 189	1.02 142	1.28 226	1.00 168	0.27 162	4.72 219	1.12 230	0.00 1	0.00 1	0.00 1	0.00 1	0.37 345	0.16 147

FTStereo	2.20 311	0.09 6	2.07 118	0.18 189	0.13 198	1.43 153	4.50 376	2.98 98	0.97 78	3.35 317	17.70 379	0.77 142	4.06 348	4.36 202	0.15 37	0.15 357	0.00 1	0.00 1	0.00 1	0.02 35	1.19 315

GMM-Stereo	1.17 191	0.10 10	2.29 149	0.13 177	0.22 231	1.43 153	0.84 315	2.83 83	1.16 101	2.73 297	3.09 302	0.54 107	0.87 246	5.31 252	0.16 41	0.01 292	0.00 1	0.00 1	0.02 256	0.02 35	1.72 350

CFNet	1.24 205	1.33 318	3.20 226	0.26 228	0.03 122	1.43 153	0.04 149	5.03 270	2.39 287	0.61 81	0.71 174	1.30 187	0.23 153	6.72 305	1.16 234	0.00 1	0.00 1	0.00 1	0.00 1	0.25 307	0.10 110

IPLGR_C	0.94 132	1.37 320	3.71 258	0.19 194	0.02 104	1.44 156	0.29 268	3.88 165	1.62 211	2.04 247	2.44 288	0.20 69	0.12 121	0.79 79	0.29 93	0.00 1	0.05 232	0.01 320	0.05 272	0.21 292	0.08 80

ACRE	0.94 132	1.27 312	3.93 269	0.22 210	0.02 104	1.44 156	0.29 268	3.88 165	1.60 204	1.97 243	2.42 283	0.21 73	0.11 108	0.82 87	0.29 93	0.00 1	0.04 227	0.01 320	0.05 272	0.21 292	0.09 100

cf-r	1.18 193	1.02 281	3.22 227	0.25 224	0.02 104	1.44 156	0.03 121	5.11 276	2.16 265	1.31 180	0.59 162	2.87 279	0.24 155	4.26 198	0.79 190	0.00 1	0.00 1	0.00 1	0.00 1	0.15 257	0.12 123

STTStereo	0.98 153	0.62 203	3.78 263	0.25 224	0.15 211	1.44 156	0.10 203	3.57 131	1.75 236	1.46 197	0.19 81	1.74 217	0.44 196	3.47 170	0.54 159	0.00 1	0.00 1	0.00 1	0.00 1	0.01 9	0.05 57

anonymousa	1.15 188	0.38 141	2.43 177	0.70 305	1.49 365	1.45 160	0.02 73	4.23 211	1.13 98	0.91 119	2.52 290	3.46 304	0.55 205	0.55 39	0.60 164	0.00 1	1.13 363	0.00 1	0.54 382	0.04 111	0.86 290

CIPLG	0.94 132	1.29 314	3.53 247	0.19 194	0.03 122	1.45 160	0.29 268	3.87 162	1.61 205	2.10 251	2.52 290	0.21 73	0.11 108	0.85 91	0.29 93	0.00 1	0.05 232	0.01 320	0.05 272	0.21 292	0.08 80

HGLStereo	1.17 191	0.53 180	2.39 164	0.01 9	0.02 104	1.45 160	0.01 18	4.05 185	1.14 99	1.42 193	3.06 300	2.09 240	1.21 262	4.60 215	1.33 237	0.00 1	0.00 1	0.00 1	0.00 1	0.10 197	0.06 65

DeepPrunerF	2.71 328	1.57 338	16.51 393	0.22 210	0.33 281	1.45 160	0.28 261	6.26 342	9.92 377	1.25 175	0.44 141	1.98 232	1.61 290	7.33 338	4.17 328	0.00 1	0.01 189	0.07 352	0.10 293	0.33 331	0.29 207

GANet-ADL	0.62 58	0.16 38	1.89 94	0.15 184	0.02 104	1.46 164	0.02 73	3.83 157	0.75 44	0.40 49	1.08 211	1.09 176	0.18 139	0.65 62	0.47 148	0.00 1	0.00 1	0.00 1	0.00 1	0.04 111	0.13 131

PFNet+	0.65 68	0.19 73	2.19 135	0.29 233	0.06 156	1.46 164	0.54 297	1.74 49	1.62 211	1.35 186	0.45 144	0.36 86	0.01 4	2.41 148	0.25 81	0.00 1	0.00 1	0.00 1	0.00 1	0.02 35	0.01 10

GwcNet-RSSM	1.22 201	1.24 310	3.66 255	0.23 214	0.04 143	1.46 164	0.05 161	4.65 246	1.61 205	1.33 183	0.46 147	2.98 284	0.26 159	4.48 207	1.59 251	0.00 1	0.00 1	0.02 338	0.00 1	0.21 292	0.10 110

DIP-Stereo	0.68 75	0.35 133	1.76 59	0.08 132	0.00 1	1.46 164	0.01 18	6.53 349	1.71 229	0.91 119	0.11 60	0.04 7	0.19 143	0.19 2	0.09 12	0.00 1	0.01 189	0.00 1	0.00 1	0.03 90	0.17 152
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
PA-Net	1.56 267	1.13 298	5.13 317	0.07 124	0.17 216	1.46 164	0.53 296	4.73 251	3.04 326	0.92 123	1.30 227	2.29 258	0.62 219	6.63 299	3.00 308	0.01 292	0.00 1	0.00 1	0.00 1	0.07 157	0.15 143
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
AdaStereo	0.76 88	0.12 18	1.73 48	0.05 96	0.00 1	1.46 164	0.23 244	5.16 280	1.66 220	1.19 164	0.37 125	1.54 196	0.17 135	0.86 92	0.54 159	0.00 1	0.00 1	0.00 1	0.00 1	0.01 9	0.08 80
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.
MyStereo8	1.16 190	0.86 245	3.73 261	0.86 329	0.04 143	1.47 170	0.01 18	4.64 244	2.13 263	1.47 198	1.10 214	1.21 182	0.31 169	1.12 99	1.50 246	0.00 1	1.45 384	0.00 1	0.30 368	0.10 197	0.93 299

test_5	0.94 132	0.94 260	2.60 189	0.55 281	0.25 246	1.47 170	0.02 73	4.89 260	0.97 78	0.81 107	0.30 108	0.80 144	0.63 221	3.39 166	0.24 79	0.00 1	0.27 274	0.00 1	0.00 1	0.17 277	0.54 252

RAFT-IKP	0.54 39	0.18 50	1.77 62	0.08 132	0.07 164	1.47 170	0.29 268	1.61 39	1.26 139	0.99 134	0.18 70	0.74 132	0.02 16	1.77 136	0.20 60	0.00 1	0.00 1	0.00 1	0.00 1	0.02 35	0.04 42

xxxx	2.26 316	0.43 154	2.30 151	0.01 9	0.68 329	1.47 170	0.00 1	6.56 351	2.32 280	1.56 205	2.07 266	1.07 174	0.06 63	4.81 229	18.87 394	0.00 1	1.11 356	0.00 1	0.21 341	0.06 133	1.65 345

Syn2CoEx	1.91 286	1.85 350	6.43 348	0.05 96	0.00 1	1.47 170	0.54 297	6.03 333	2.24 273	2.24 262	2.19 267	2.06 237	3.10 333	6.57 296	2.58 293	0.00 1	0.00 1	0.00 1	0.00 1	0.34 334	0.40 235

STrans-v2	1.75 276	0.45 157	3.43 239	0.03 58	0.19 221	1.48 175	0.08 185	7.25 365	2.16 265	2.04 247	2.80 296	3.60 309	3.78 345	7.00 327	0.52 156	0.00 1	0.00 1	0.00 1	0.00 1	0.02 35	0.10 110

CRE-IMP	0.49 23	0.14 27	1.75 53	0.08 132	0.05 151	1.48 175	0.45 289	1.64 44	1.22 122	0.92 123	0.29 104	0.87 148	0.01 4	0.39 19	0.25 81	0.00 1	0.00 1	0.00 1	0.00 1	0.03 90	0.17 152

test_xeample	2.27 317	0.46 160	2.25 145	0.10 158	0.69 330	1.48 175	0.00 1	6.24 340	2.46 293	1.83 229	2.40 282	0.37 87	0.07 73	4.49 208	19.55 396	0.00 1	1.11 356	0.00 1	0.21 341	0.07 157	1.65 345

CVANet_RVC	1.37 240	0.82 241	3.23 229	0.54 278	0.11 191	1.48 175	0.46 290	4.01 180	2.23 272	3.33 315	1.34 230	1.51 195	0.37 179	6.38 288	0.69 181	0.01 292	0.00 1	0.00 1	0.05 272	0.19 285	0.62 266

GASNet	1.77 279	2.50 370	7.05 353	0.47 262	0.02 104	1.50 179	0.20 232	4.55 236	2.55 300	0.98 129	1.48 238	2.24 253	1.57 288	6.25 281	3.41 318	0.00 1	0.05 232	0.00 1	0.00 1	0.55 364	0.12 123

PSM-softLoss	0.96 144	0.18 50	2.32 156	1.26 350	0.03 122	1.50 179	0.26 253	2.90 88	1.27 143	1.30 178	0.38 128	0.39 90	0.01 4	6.94 321	0.36 113	0.00 1	0.00 1	0.00 1	0.00 1	0.02 35	0.01 10

KMStereo	0.96 144	0.18 50	2.32 156	1.26 350	0.03 122	1.50 179	0.26 253	2.90 88	1.27 143	1.30 178	0.38 128	0.39 90	0.01 4	6.94 321	0.36 113	0.00 1	0.00 1	0.00 1	0.00 1	0.02 35	0.01 10

DN-CSS_ROB	0.96 144	1.51 332	3.52 246	1.05 344	0.01 59	1.50 179	0.02 73	3.35 126	1.18 107	0.18 24	0.54 155	0.44 95	0.16 131	4.39 204	0.82 195	0.00 1	0.00 1	0.00 1	0.00 1	0.36 340	0.08 80

CoDeX	1.03 166	0.45 157	2.50 185	0.06 114	0.20 225	1.51 183	0.20 232	6.54 350	1.96 253	0.73 98	0.68 173	1.04 169	0.31 169	3.86 185	0.38 124	0.00 1	0.00 1	0.00 1	0.00 1	0.08 167	0.07 75

AAGNet	1.60 270	0.15 28	1.76 59	1.17 349	0.27 260	1.51 183	0.64 305	1.71 47	1.20 115	1.67 219	0.81 189	1.59 202	2.23 307	6.08 278	11.16 374	0.00 1	0.00 1	0.00 1	0.00 1	0.03 90	0.02 23

RAFT-RH_RVC	2.11 303	0.30 114	2.27 147	0.74 316	0.26 255	1.51 183	0.02 73	0.61 5	1.23 124	5.28 350	21.18 391	1.04 169	0.07 73	6.90 316	0.61 167	0.04 332	0.00 1	0.00 1	0.03 258	0.02 35	0.00 1

LL-Strereo	2.29 318	1.55 336	5.01 312	0.64 296	2.78 381	1.52 186	0.05 161	5.04 271	1.24 126	2.73 297	2.87 298	5.10 342	5.49 365	7.22 337	0.81 194	0.04 332	1.31 379	0.00 1	0.00 1	0.31 327	2.08 378

ac_64	1.28 220	0.43 154	2.90 211	0.18 189	0.25 246	1.52 186	0.03 121	5.58 304	1.89 246	0.92 123	0.53 154	4.86 335	0.45 199	5.01 239	0.88 206	0.00 1	0.00 1	0.00 1	0.00 1	0.10 197	0.06 65

MyStereo06	1.08 174	0.47 162	3.30 234	0.03 58	0.14 203	1.53 188	0.02 73	5.58 304	0.88 64	1.15 161	0.73 177	3.48 306	1.15 255	0.86 92	0.66 175	0.00 1	1.10 354	0.00 1	0.16 313	0.02 35	0.37 223

MyStereo05	1.01 160	0.47 162	3.36 236	0.03 58	0.14 203	1.53 188	0.02 73	4.11 196	3.37 332	1.43 194	0.03 29	1.27 184	0.39 191	1.39 119	0.97 217	0.00 1	1.10 354	0.00 1	0.16 313	0.02 35	0.37 223

DisPM	0.96 144	0.17 46	2.10 126	0.90 333	0.02 104	1.53 188	0.55 301	1.86 53	1.31 162	2.42 280	0.82 190	0.38 89	0.01 4	6.92 318	0.20 60	0.00 1	0.00 1	0.00 1	0.00 1	0.02 35	0.00 1

DLCB_ROB	1.38 241	0.60 196	1.96 102	0.10 158	0.00 1	1.53 188	0.23 244	4.02 181	1.91 249	3.54 320	1.97 260	3.40 301	0.30 165	4.91 233	2.97 306	0.00 1	0.00 1	0.00 1	0.00 1	0.04 111	0.12 123

FADNet-RVC-Resample	1.28 220	1.46 328	6.58 349	0.10 158	0.14 203	1.54 192	0.25 251	4.29 218	1.46 189	0.61 81	0.23 92	1.29 186	0.28 164	5.23 249	1.06 226	0.10 350	0.16 261	0.09 355	0.06 279	0.28 321	0.39 233

NF-Stereo	0.92 125	0.18 50	1.99 105	1.31 356	0.01 59	1.55 193	0.28 261	3.09 109	1.24 126	1.20 168	0.57 156	0.24 75	0.01 4	6.43 289	0.35 109	0.00 1	0.00 1	0.00 1	0.00 1	0.02 35	0.00 1

RE-Stereo	0.92 125	0.18 50	2.01 107	1.31 356	0.01 59	1.55 193	0.28 261	3.09 109	1.24 126	1.21 169	0.57 156	0.24 75	0.01 4	6.43 289	0.34 107	0.00 1	0.00 1	0.00 1	0.00 1	0.02 35	0.00 1

TVStereo	0.92 125	0.18 50	2.01 107	1.31 356	0.01 59	1.55 193	0.28 261	3.09 109	1.24 126	1.21 169	0.57 156	0.24 75	0.01 4	6.43 289	0.34 107	0.00 1	0.00 1	0.00 1	0.00 1	0.02 35	0.00 1

RAFT-345	1.25 208	0.12 18	2.08 119	0.54 278	0.13 198	1.55 193	0.24 247	0.65 6	2.51 297	1.19 164	7.68 352	0.92 155	0.05 56	6.86 313	0.50 152	0.00 1	0.00 1	0.00 1	0.00 1	0.01 9	0.00 1

TRStereo	0.88 113	1.18 303	2.44 179	0.72 309	0.10 187	1.56 197	0.03 121	5.73 313	1.28 147	0.18 24	0.30 108	0.62 110	0.43 195	1.02 98	0.13 33	0.00 1	0.47 289	0.00 1	0.25 353	0.01 9	1.23 317

TransformOpticalFlow	1.53 262	0.40 148	3.46 241	0.66 299	0.07 164	1.56 197	0.09 196	4.35 220	1.86 243	1.72 224	2.27 272	3.53 308	3.04 331	6.93 320	0.49 149	0.00 1	0.00 1	0.00 1	0.00 1	0.03 90	0.10 110

OCTAStereo	0.93 129	0.18 50	2.01 107	1.31 356	0.01 59	1.56 197	0.28 261	3.09 109	1.24 126	1.21 169	0.57 156	0.25 79	0.01 4	6.43 289	0.35 109	0.00 1	0.00 1	0.00 1	0.00 1	0.02 35	0.00 1

222	3.11 334	0.43 154	2.10 126	0.02 39	0.45 295	1.57 200	0.01 18	6.44 346	2.34 284	1.73 225	2.24 271	0.52 105	0.07 73	4.95 236	36.29 411	0.00 1	1.07 346	0.00 1	0.21 341	0.06 133	1.65 345

UCFNet_RVC	0.78 92	0.68 214	2.05 116	0.02 39	0.29 266	1.57 200	0.02 73	3.57 131	0.87 61	1.35 186	0.74 178	1.66 211	0.20 148	1.92 141	0.61 167	0.00 1	0.00 1	0.00 1	0.00 1	0.02 35	0.04 42

riskmin	0.95 141	0.06 1	2.01 107	0.80 323	0.86 340	1.58 202	0.24 247	4.28 216	0.53 21	0.85 111	0.29 104	2.60 267	1.04 251	0.70 66	0.61 167	0.00 1	0.85 320	0.00 1	0.26 360	0.01 9	1.48 333

ROB_FTStereo_v2	0.52 33	0.18 50	1.71 46	0.08 132	0.09 179	1.59 203	0.32 277	1.61 39	1.25 133	0.99 134	0.19 81	0.76 139	0.02 16	1.36 118	0.20 60	0.00 1	0.00 1	0.00 1	0.00 1	0.02 35	0.04 42

Pruner-Stereo	0.63 63	0.21 83	1.86 84	1.03 343	0.10 187	1.59 203	0.35 282	2.26 61	1.22 122	2.22 257	0.45 144	0.25 79	0.01 4	0.67 63	0.38 124	0.00 1	0.00 1	0.00 1	0.00 1	0.02 35	0.02 23

aanetorigin	2.99 330	1.00 278	9.85 376	0.23 214	0.23 237	1.59 203	2.01 345	1.94 56	1.25 133	14.45 389	10.04 363	2.98 284	3.75 343	4.97 237	4.01 325	0.10 350	0.05 232	0.09 355	0.11 296	0.55 364	0.55 257

TDLM	1.32 232	0.90 251	2.42 175	0.61 289	0.03 122	1.59 203	2.04 347	3.73 142	2.29 278	1.70 223	0.94 203	1.07 174	0.67 230	6.49 293	1.12 230	0.00 1	0.00 1	0.00 1	0.00 1	0.18 282	0.54 252

DualNet	1.91 286	0.50 166	4.37 284	0.46 256	0.03 122	1.60 207	0.03 121	3.81 147	6.87 364	1.57 207	2.38 276	2.14 243	0.38 181	1.73 132	9.02 361	0.00 1	1.12 358	0.00 1	0.17 321	0.10 197	1.86 369

ffm	1.46 252	0.50 166	4.37 284	0.46 256	0.03 122	1.60 207	0.03 121	3.81 147	6.87 364	1.57 207	2.38 276	2.14 243	0.38 181	1.73 132	0.12 25	0.00 1	1.12 358	0.00 1	0.17 321	0.10 197	1.86 369

ff1	2.20 311	0.50 166	4.37 284	0.46 256	0.03 122	1.60 207	0.03 121	3.81 147	6.87 364	1.57 207	2.38 276	2.14 243	0.38 181	7.65 348	9.02 361	0.00 1	1.12 358	0.00 1	0.17 321	0.10 197	1.86 369

mmx	2.08 297	0.50 166	4.37 284	0.46 256	0.03 122	1.60 207	0.03 121	6.21 337	2.77 315	1.57 207	2.38 276	2.14 243	0.38 181	7.65 348	9.02 361	0.00 1	1.08 347	0.00 1	0.17 321	0.06 133	1.25 320

xxx	2.08 297	0.50 166	4.37 284	0.46 256	0.03 122	1.60 207	0.03 121	6.21 337	2.77 315	1.57 207	2.38 276	2.14 243	0.38 181	7.65 348	9.02 361	0.00 1	1.08 347	0.00 1	0.17 321	0.06 133	1.25 320

PFNet	1.13 183	0.26 101	3.28 233	1.27 352	0.55 304	1.60 207	0.24 247	1.80 51	1.19 109	2.37 274	1.21 222	0.63 111	0.30 165	6.85 312	0.46 143	0.16 358	0.01 189	0.00 1	0.07 281	0.18 282	0.24 190

DeepPruner_ROB	1.04 167	0.99 276	3.05 218	0.02 39	0.00 1	1.60 207	0.17 223	3.96 172	0.52 20	3.41 318	0.03 29	2.06 237	0.17 135	3.35 164	1.12 230	0.00 1	0.00 1	0.00 1	0.00 1	0.14 246	0.14 136

OMP-Stereo	1.29 224	0.75 225	1.67 41	2.47 377	0.29 266	1.61 214	0.32 277	2.38 68	1.09 91	2.66 293	1.14 219	3.04 287	0.17 135	7.40 339	0.60 164	0.00 1	0.00 1	0.00 1	0.00 1	0.07 157	0.08 80

NRIStereo	0.82 97	0.17 46	1.56 28	0.61 289	0.05 151	1.61 214	0.48 292	1.52 34	1.19 109	0.91 119	0.17 67	0.65 114	0.03 33	7.00 327	0.25 81	0.00 1	0.06 238	0.00 1	0.00 1	0.06 133	0.17 152

ROB_FTStereo	0.55 44	0.18 50	1.75 53	0.08 132	0.09 179	1.61 214	0.32 277	1.60 36	1.26 139	0.99 134	0.19 81	0.75 134	0.03 33	1.97 143	0.19 58	0.00 1	0.00 1	0.00 1	0.00 1	0.02 35	0.04 42

FADNet-RVC	1.30 228	1.62 340	6.28 341	0.03 58	0.00 1	1.61 214	0.08 185	4.49 227	2.04 260	0.41 54	0.10 57	0.63 111	0.64 224	5.55 262	1.69 257	0.01 292	0.08 245	0.00 1	0.00 1	0.52 361	0.31 210

NVstereo2D	1.25 208	0.34 131	5.21 322	0.09 148	0.03 122	1.61 214	0.23 244	4.95 267	1.92 250	1.05 145	0.38 128	2.53 265	0.61 214	5.36 255	0.44 134	0.00 1	0.10 253	0.00 1	0.03 258	0.04 111	0.19 162

Patchmatch Stereo++	0.59 50	0.18 50	1.73 48	0.08 132	0.08 173	1.62 219	0.26 253	1.62 42	1.25 133	1.00 140	0.18 70	0.75 134	0.03 33	2.68 153	0.20 60	0.00 1	0.00 1	0.00 1	0.00 1	0.02 35	0.05 57
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
iRAFT	0.59 50	0.18 50	1.73 48	0.08 132	0.08 173	1.62 219	0.26 253	1.62 42	1.25 133	1.00 140	0.18 70	0.75 134	0.03 33	2.68 153	0.20 60	0.00 1	0.00 1	0.00 1	0.00 1	0.02 35	0.05 57

psmorigin	2.16 308	0.75 225	10.72 380	0.24 219	0.03 122	1.62 219	0.20 232	3.80 146	1.16 101	5.40 351	3.08 301	5.77 349	2.29 309	5.62 266	2.13 273	0.00 1	0.00 1	0.00 1	0.00 1	0.08 167	0.25 196

IIG-Stereo	1.39 243	0.67 213	1.73 48	2.48 378	0.05 151	1.63 222	0.14 216	3.00 100	1.20 115	2.94 303	2.23 270	3.03 286	0.55 205	7.41 340	0.66 175	0.00 1	0.00 1	0.00 1	0.00 1	0.02 35	0.07 75

PSM-adaLoss	0.54 39	0.18 50	1.72 47	0.08 132	0.09 179	1.63 222	0.29 268	1.60 36	1.27 143	0.99 134	0.18 70	0.76 139	0.02 16	1.79 139	0.20 60	0.00 1	0.00 1	0.00 1	0.00 1	0.02 35	0.05 57

HUI-Stereo	0.54 39	0.18 50	1.78 64	0.08 132	0.08 173	1.63 222	0.31 275	1.60 36	1.28 147	0.99 134	0.18 70	0.76 139	0.02 16	1.56 123	0.19 58	0.00 1	0.00 1	0.00 1	0.00 1	0.02 35	0.05 57

iGMRVC	0.59 50	0.18 50	1.75 53	0.08 132	0.09 179	1.63 222	0.27 260	1.61 39	1.27 143	0.99 134	0.19 81	0.75 134	0.03 33	2.78 155	0.20 60	0.00 1	0.00 1	0.00 1	0.00 1	0.02 35	0.04 42

GES	0.75 86	0.26 101	2.66 196	0.01 9	0.00 1	1.63 222	0.08 185	6.06 334	0.57 27	0.68 88	0.40 133	0.37 87	0.66 229	0.84 89	0.49 149	0.02 316	0.00 1	0.01 320	0.00 1	0.08 167	0.10 110

MLCV	1.19 194	0.97 270	3.09 220	0.07 124	0.00 1	1.63 222	0.04 149	3.33 125	1.57 200	2.74 299	1.83 254	0.99 166	0.40 192	5.31 252	1.53 248	0.00 1	0.00 1	0.00 1	0.00 1	0.12 228	0.11 117

NCCL2	1.51 258	1.32 317	3.27 232	0.03 58	0.07 164	1.63 222	3.29 360	4.54 235	1.61 205	3.22 313	0.37 125	3.84 318	0.31 169	4.42 205	2.02 271	0.00 1	0.00 1	0.02 338	0.00 1	0.09 186	0.22 181

ttt	1.79 280	0.32 124	2.41 167	0.58 284	0.26 255	1.64 229	0.00 1	6.26 342	2.57 301	1.91 235	2.39 281	1.39 190	0.11 108	5.55 262	7.97 356	0.00 1	1.05 344	0.00 1	0.16 313	0.06 133	1.14 311

SACVNet	1.14 186	0.74 223	2.49 184	0.07 124	0.00 1	1.65 230	0.28 261	4.52 232	1.51 195	2.11 252	0.79 186	1.57 197	0.07 73	5.28 251	1.31 235	0.01 292	0.00 1	0.00 1	0.00 1	0.26 313	0.18 159

MyStereo07	0.53 35	0.51 173	1.58 29	0.03 58	0.34 282	1.66 231	0.02 73	1.68 45	1.34 167	0.53 78	0.02 1	0.04 7	0.11 108	0.74 73	0.26 88	0.00 1	1.19 372	0.00 1	0.18 328	0.03 90	0.37 223

MyStereo04	1.01 160	0.51 173	3.49 243	0.03 58	0.34 282	1.66 231	0.02 73	4.18 204	2.93 324	1.10 154	0.03 29	1.30 187	0.58 211	1.32 116	1.02 223	0.00 1	1.19 372	0.00 1	0.18 328	0.03 90	0.37 223

Consistency-Raft	1.48 255	0.96 267	5.40 328	0.36 240	0.31 280	1.66 231	0.11 205	4.30 219	4.32 346	0.47 64	5.99 342	0.86 147	2.09 305	1.19 104	1.31 235	0.03 326	0.01 189	0.00 1	0.00 1	0.27 318	0.02 23

DRaft	1.40 245	0.20 79	1.83 78	0.09 148	0.01 59	1.66 231	0.42 287	2.13 60	0.59 29	3.75 324	5.16 335	0.41 93	4.27 351	5.52 259	1.63 253	0.01 292	0.06 238	0.00 1	0.07 281	0.08 167	0.12 123

Anonymous Stereo	2.31 319	1.93 356	10.83 381	0.65 298	0.22 231	1.66 231	4.27 373	4.51 229	2.99 325	3.12 310	1.87 256	1.95 230	0.11 108	7.17 336	4.68 333	0.01 292	0.00 1	0.00 1	0.00 1	0.11 220	0.20 174

CASS	0.63 63	0.16 38	1.88 91	0.03 58	0.01 59	1.67 236	0.04 149	3.11 113	0.81 53	2.25 263	1.02 208	0.29 82	0.35 175	0.70 66	0.23 75	0.00 1	0.00 1	0.00 1	0.00 1	0.03 90	0.04 42
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
Anonymous_2	2.17 309	0.32 124	2.35 159	0.80 323	0.85 337	1.67 236	0.22 241	4.62 242	0.71 41	1.12 157	0.40 133	3.18 294	1.94 302	0.84 89	0.77 188	0.06 342	1.09 350	3.25 388	14.62 412	3.25 382	1.43 331

ARAFT	1.27 219	1.38 322	4.73 299	0.08 132	0.00 1	1.67 236	0.04 149	5.52 303	1.98 255	3.02 307	0.59 162	0.47 99	0.11 108	4.87 232	0.38 124	0.00 1	0.03 223	0.00 1	0.00 1	0.25 307	0.25 196

RAFT_R40	1.08 174	0.11 13	2.09 125	0.83 326	0.20 225	1.68 239	0.64 305	2.11 59	1.19 109	1.05 145	1.13 217	1.77 218	1.43 274	6.90 316	0.33 99	0.00 1	0.00 1	0.00 1	0.00 1	0.03 90	0.01 10

PSMNet_ROB	1.31 229	1.27 312	3.91 268	0.05 96	0.11 191	1.69 240	0.16 220	3.98 174	1.59 202	1.15 161	0.34 114	2.77 273	0.62 219	4.43 206	3.80 322	0.00 1	0.00 1	0.00 1	0.00 1	0.12 228	0.12 123

XPNet_ROB	1.41 247	0.81 239	2.75 200	0.04 82	0.01 59	1.70 241	0.17 223	4.14 200	1.69 223	4.12 332	1.10 214	1.58 200	0.52 202	5.13 245	4.07 326	0.00 1	0.00 1	0.00 1	0.00 1	0.11 220	0.25 196

acv_ft	0.94 132	0.56 188	2.28 148	0.04 82	1.07 355	1.71 242	0.01 18	4.41 223	1.34 167	1.53 203	0.75 180	1.92 227	0.45 199	0.51 36	1.74 258	0.00 1	0.00 1	0.00 1	0.00 1	0.32 329	0.20 174

SST-Stereo	1.12 181	0.10 10	1.98 103	0.85 328	0.24 242	1.72 243	0.56 302	2.10 58	2.01 256	1.19 164	1.07 210	1.57 197	1.88 301	6.92 318	0.24 79	0.00 1	0.00 1	0.00 1	0.00 1	0.03 90	0.02 23

RP	2.09 299	0.90 251	3.88 266	0.22 210	0.61 317	1.72 243	0.94 320	4.97 268	2.65 304	3.87 327	5.63 339	4.44 325	4.28 352	4.99 238	2.35 286	0.01 292	0.00 1	0.00 1	0.01 238	0.20 289	0.13 131

AASNet	1.05 170	1.11 295	3.12 223	0.05 96	0.00 1	1.73 245	0.05 161	5.73 313	2.17 269	1.10 154	1.84 255	0.94 158	0.19 143	1.16 101	1.37 240	0.00 1	0.00 1	0.00 1	0.00 1	0.34 334	0.16 147

RASNet	1.75 276	0.71 218	2.93 212	0.20 208	3.20 383	1.75 246	0.26 253	3.87 162	2.64 303	0.98 129	1.46 237	5.25 348	1.67 292	6.73 306	2.81 303	0.00 1	0.00 1	0.00 1	0.00 1	0.06 133	0.47 243

HSM	1.48 255	0.60 196	1.85 81	0.01 9	0.29 266	1.76 247	0.04 149	6.50 348	1.46 189	1.91 235	1.55 241	4.69 333	1.27 268	6.66 302	0.70 182	0.00 1	0.00 1	0.00 1	0.00 1	0.07 157	0.26 200

DEmStereo	1.56 267	0.16 38	2.44 179	0.09 148	0.02 104	1.77 248	0.87 316	1.72 48	1.08 90	2.48 284	6.30 346	1.06 172	5.02 358	6.28 284	1.81 259	0.00 1	0.00 1	0.00 1	0.00 1	0.01 9	0.01 10

pcwnet_v2	1.36 239	0.21 83	5.89 334	0.15 184	0.01 59	1.78 249	0.02 73	5.77 320	3.19 331	1.69 222	1.94 259	2.00 234	0.79 241	3.09 161	0.33 99	0.00 1	0.00 1	0.00 1	0.01 238	0.04 111	0.27 203

AACVNet	1.04 167	0.87 247	2.22 139	0.25 224	0.00 1	1.79 250	0.01 18	4.21 206	0.79 48	1.17 163	0.27 101	1.50 194	0.16 131	6.30 286	0.89 209	0.00 1	0.00 1	0.00 1	0.00 1	0.23 299	0.04 42

FAT-Stereo	1.95 288	0.23 92	3.66 255	0.18 189	0.03 122	1.80 251	0.94 320	5.35 289	3.11 328	4.23 333	5.00 333	5.22 347	2.76 324	5.07 241	1.09 229	0.00 1	0.00 1	0.00 1	0.00 1	0.05 123	0.17 152

ETE_ROB	1.42 249	1.04 286	3.10 221	0.02 39	0.03 122	1.81 252	0.22 241	4.73 251	1.67 222	4.77 342	1.43 234	2.77 273	0.08 84	4.23 195	2.20 276	0.00 1	0.00 1	0.00 1	0.00 1	0.06 133	0.20 174

edge stereo	2.06 295	0.42 153	4.20 276	0.14 179	0.09 179	1.82 253	0.51 294	5.38 293	2.48 296	3.45 319	3.96 325	8.28 365	1.80 299	5.90 272	2.30 283	0.00 1	0.00 1	0.01 320	0.00 1	0.16 265	0.19 162

RAFT-Test	0.85 107	0.19 73	2.98 215	0.66 299	0.99 350	1.83 254	0.17 223	3.16 114	1.19 109	0.71 91	0.11 60	3.21 295	0.02 16	0.58 45	0.33 99	0.00 1	0.47 289	0.00 1	0.29 366	0.01 9	0.15 143

EGLCR-Stereo	0.64 66	0.12 18	1.52 22	0.74 316	0.75 335	1.83 254	0.54 297	2.79 81	0.67 36	0.66 87	0.04 39	0.01 1	0.02 16	0.77 76	0.45 138	0.00 1	0.71 309	0.00 1	0.00 1	0.00 1	1.14 311

iRaft-Stereo_20w	1.39 243	0.18 50	3.72 259	0.79 322	0.56 307	1.90 256	0.65 307	8.85 380	1.05 86	2.05 249	0.42 137	1.24 183	1.23 264	1.69 131	0.95 216	0.00 1	0.62 302	0.00 1	0.44 376	0.02 35	1.41 330

UPFNet	0.99 155	0.32 124	2.89 209	0.00 1	0.00 1	1.90 256	0.11 205	4.10 193	1.10 94	2.35 269	0.12 64	1.91 226	0.08 84	4.02 187	0.78 189	0.00 1	0.00 1	0.00 1	0.00 1	0.08 167	0.04 42

HSM-Net_RVC	1.51 258	0.11 13	1.93 99	0.00 1	0.01 59	1.91 258	0.05 161	7.86 374	1.93 252	3.77 325	3.76 317	3.16 292	0.36 177	4.34 201	0.83 197	0.01 292	0.01 189	0.00 1	0.00 1	0.01 9	0.11 117
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
PASM	2.20 311	1.85 350	10.33 378	1.00 339	0.41 287	1.98 259	0.90 319	3.85 159	2.76 314	4.38 336	1.53 240	3.49 307	1.54 282	6.60 297	2.43 289	0.14 356	0.02 216	0.00 1	0.03 258	0.33 331	0.39 233

iResNet	1.20 195	0.77 232	3.37 237	1.01 342	0.01 59	2.00 260	0.01 18	4.44 224	1.74 235	1.88 232	1.09 212	0.35 85	0.35 175	4.22 194	2.44 290	0.00 1	0.00 1	0.00 1	0.00 1	0.09 186	0.26 200

psm_up	1.01 160	0.68 214	2.47 181	0.04 82	0.00 1	2.01 261	0.05 161	4.09 191	1.29 151	2.65 290	0.47 148	1.71 214	0.44 196	3.65 177	0.45 138	0.06 342	0.00 1	0.00 1	0.00 1	0.14 246	0.06 65

PSMNet-ADL	0.88 113	0.12 18	1.32 13	0.07 124	0.01 59	2.03 262	0.03 121	3.00 100	1.28 147	0.39 48	0.66 170	2.12 242	0.67 230	4.19 191	1.38 242	0.00 1	0.00 1	0.00 1	0.00 1	0.01 9	0.24 190

AF-Net	2.51 323	1.12 296	5.46 329	0.01 9	0.13 198	2.03 262	0.47 291	7.04 362	2.74 312	4.09 331	10.64 364	4.99 338	2.94 326	4.94 235	3.28 314	0.00 1	0.00 1	0.00 1	0.00 1	0.17 277	0.15 143

EDNetEfficient	6.66 375	1.34 319	34.37 403	0.66 299	1.93 374	2.04 264	3.59 364	3.08 108	14.92 384	20.02 400	9.53 360	6.48 357	10.85 388	7.65 348	15.21 386	0.03 326	0.10 253	0.01 320	0.22 345	0.61 367	0.55 257

ssnet_v2	1.33 236	0.64 209	2.83 206	0.06 114	0.03 122	2.08 265	0.36 283	5.88 325	2.33 282	2.52 287	0.88 198	3.06 289	0.54 203	1.75 135	3.30 315	0.00 1	0.00 1	0.00 1	0.00 1	0.25 307	0.13 131

1111x	2.13 306	0.58 191	4.38 289	0.39 247	0.61 317	2.14 266	0.01 18	6.38 345	2.40 288	1.80 227	1.97 260	0.95 162	0.64 224	7.16 335	10.30 371	0.00 1	1.18 371	0.00 1	0.29 366	0.07 157	1.32 325

ADLNet	1.35 238	0.55 182	2.95 213	0.01 9	0.05 151	2.22 267	0.11 205	5.06 273	2.83 321	2.42 280	2.19 267	2.63 269	0.68 232	3.59 176	1.37 240	0.00 1	0.00 1	0.00 1	0.00 1	0.17 277	0.27 203

GANetREF_RVC	1.25 208	1.39 323	4.10 272	0.10 158	0.00 1	2.25 268	0.18 228	4.68 249	2.78 317	0.69 89	0.34 114	1.87 223	0.65 227	5.07 241	0.68 179	0.00 1	0.00 1	0.00 1	0.00 1	0.08 167	0.07 75
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
GANet	2.23 314	0.92 258	3.10 221	0.88 331	0.08 173	2.25 268	3.25 359	4.61 241	1.71 229	2.55 288	9.98 362	2.56 266	1.47 279	7.52 345	2.98 307	0.00 1	0.04 227	0.02 338	0.08 285	0.14 246	0.42 241

IER	0.88 113	0.38 141	2.74 199	0.01 9	0.00 1	2.27 270	0.02 73	3.65 137	1.30 159	1.45 196	0.96 205	1.39 190	1.16 256	1.60 126	0.53 157	0.00 1	0.00 1	0.00 1	0.00 1	0.06 133	0.02 23

HH	1.25 208	0.40 148	2.13 129	0.90 333	0.41 287	2.28 271	0.01 18	4.25 212	0.95 74	0.37 46	0.89 199	3.87 319	0.80 242	4.74 220	0.51 153	0.00 1	0.96 340	0.00 1	0.00 1	0.03 90	1.53 334

HanStereo	1.25 208	0.40 148	2.13 129	0.90 333	0.41 287	2.28 271	0.01 18	4.25 212	0.95 74	0.37 46	0.89 199	3.87 319	0.80 242	4.74 220	0.51 153	0.00 1	0.96 340	0.00 1	0.00 1	0.03 90	1.53 334

RAFT + AFF	1.88 283	1.84 349	4.19 275	0.05 96	0.85 337	2.29 273	1.00 325	6.32 344	2.26 275	1.88 232	1.80 253	1.27 184	3.66 342	6.56 295	2.36 287	0.02 316	0.34 284	0.00 1	0.01 238	0.41 350	0.50 249

EAI-Stereo	1.50 257	0.16 38	1.53 24	0.25 224	0.91 343	2.30 274	4.98 377	6.09 335	1.87 244	1.38 189	5.56 338	0.49 100	0.59 212	1.21 107	0.83 197	0.00 1	0.31 279	0.00 1	1.09 395	0.02 35	0.56 259

UNet	1.21 197	0.36 135	4.56 294	0.04 82	0.02 104	2.30 274	0.02 73	3.70 140	0.98 81	1.32 181	0.14 66	2.70 271	1.54 282	4.49 208	1.96 268	0.00 1	0.00 1	0.00 1	0.00 1	0.08 167	0.07 75

NCC-stereo	2.09 299	1.02 281	4.78 302	0.10 158	0.26 255	2.33 276	0.13 213	5.82 322	1.70 227	2.98 304	3.18 304	4.63 330	5.69 367	6.26 282	2.76 298	0.05 336	0.00 1	0.00 1	0.00 1	0.08 167	0.14 136

Abc-Net	2.09 299	1.02 281	4.78 302	0.10 158	0.26 255	2.33 276	0.13 213	5.82 322	1.70 227	2.98 304	3.18 304	4.63 330	5.69 367	6.26 282	2.76 298	0.05 336	0.00 1	0.00 1	0.00 1	0.08 167	0.14 136
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
MFMNet_re	2.39 322	1.65 342	6.10 338	3.04 381	0.90 342	2.34 278	0.98 323	4.77 255	3.79 340	6.95 359	7.08 350	1.84 222	3.79 346	2.53 149	1.57 249	0.00 1	0.00 1	0.00 1	0.00 1	0.25 307	0.26 200

UDG	3.15 335	9.41 403	2.81 203	2.72 380	0.92 344	2.39 279	0.11 205	4.12 197	1.30 159	2.35 269	3.63 315	4.96 337	1.58 289	4.33 200	2.89 305	1.22 380	0.04 227	8.09 391	3.80 403	4.94 384	1.35 326

coex-ft	12.25 395	6.22 396	80.44 415	0.15 184	0.15 211	2.43 280	0.98 323	3.07 107	29.54 399	49.22 414	16.44 377	15.69 382	16.17 396	7.44 342	15.30 387	0.05 336	0.07 241	0.01 320	0.05 272	0.35 338	1.15 313

SFCPSM	0.87 111	0.20 79	2.57 187	0.02 39	0.07 164	2.45 281	0.18 228	5.65 308	1.51 195	0.85 111	0.77 183	0.67 120	0.30 165	1.77 136	0.22 68	0.00 1	0.00 1	0.00 1	0.04 270	0.09 186	0.09 100

StereoDRNet	1.66 272	1.21 306	5.39 327	0.06 114	0.11 191	2.49 282	1.06 328	5.28 285	1.89 246	3.60 323	0.63 165	2.28 254	0.64 224	4.70 217	3.25 313	0.00 1	0.03 223	0.00 1	0.01 238	0.15 257	0.36 222

STTRV1_RVC		0.39 143		0.34 238	0.01 59	2.50 283	0.34 280	6.44 346	3.75 339	0.86 114	5.12 334	1.63 207	1.08 253	7.64 347	1.58 250	1.07 374	2.64 406	0.00 1	0.00 1	0.02 35	0.04 42

S-Stereo	2.12 305	0.32 124	6.30 342	0.24 219	0.22 231	2.51 284	1.83 343	5.38 293	5.55 356	2.46 283	5.91 341	2.81 276	0.71 234	5.19 248	2.45 291	0.00 1	0.02 216	0.00 1	0.00 1	0.07 157	0.37 223

Anonymous3	0.61 56	0.23 92	2.97 214	0.01 9	0.00 1	2.54 285	0.09 196	3.88 165	0.89 67	0.19 28	0.23 92	0.12 56	0.05 56	0.61 57	0.17 47	0.00 1	0.08 245	0.00 1	0.00 1	0.05 123	0.18 159

FADNet	1.38 241	1.42 326	5.62 331	0.03 58	0.06 156	2.56 286	0.16 220	4.66 247	1.64 218	0.35 43	0.11 60	1.66 211	1.05 252	5.64 267	1.59 251	0.18 360	0.02 216	0.01 320	0.01 238	0.52 361	0.23 186

NOSS_ROB	1.47 254	0.49 165	2.40 165	1.00 339	0.17 216	2.56 286	0.01 18	4.86 257	2.62 302	2.32 267	1.74 249	2.79 275	0.02 16	6.96 324	0.60 164	0.00 1	0.00 1	0.00 1	0.00 1	0.06 133	0.73 278

SQANet	2.65 327	1.92 355	3.73 261	4.47 385	2.98 382	2.59 288	0.24 247	4.66 247	1.11 95	2.48 284	0.59 162	1.57 197	0.86 245	3.95 186	1.67 256	7.97 392	0.14 260	0.48 370	0.03 258	7.84 387	3.68 387

gwcnet-sp	1.11 178	0.71 218	4.90 306	0.05 96	0.01 59	2.59 288	0.14 216	4.22 208	1.38 181	1.93 238	0.18 70	0.68 124	0.38 181	3.77 181	0.98 218	0.00 1	0.00 1	0.00 1	0.00 1	0.13 238	0.08 80

scenet	1.11 178	0.71 218	4.90 306	0.05 96	0.01 59	2.59 288	0.14 216	4.22 208	1.38 181	1.93 238	0.18 70	0.68 124	0.38 181	3.77 181	0.98 218	0.00 1	0.00 1	0.00 1	0.00 1	0.13 238	0.08 80

ssnet	1.11 178	0.71 218	4.90 306	0.05 96	0.01 59	2.59 288	0.14 216	4.22 208	1.38 181	1.93 238	0.18 70	0.68 124	0.38 181	3.77 181	0.98 218	0.00 1	0.00 1	0.00 1	0.00 1	0.13 238	0.08 80

RYNet	1.76 278	0.81 239	4.24 278	0.34 238	0.10 187	2.62 292	0.07 179	5.36 292	2.08 262	1.38 189	0.35 121	4.71 334	1.35 271	6.73 306	4.61 332	0.00 1	0.05 232	0.00 1	0.00 1	0.05 123	0.33 217

DANet	1.96 290	0.24 96	3.72 259	0.78 321	0.48 299	2.65 293	0.34 280	3.94 170	1.71 229	4.35 335	1.56 242	5.09 341	0.56 207	6.97 325	5.99 343	0.01 292	0.00 1	0.00 1	0.01 238	0.04 111	0.66 269
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
Wz-Net-SNSev	3.01 332	3.59 386	12.98 386	0.45 255	0.04 143	2.72 294	1.12 330	5.80 321	2.42 290	2.30 265	2.62 293	6.39 354	1.29 269	10.20 377	7.19 352	0.00 1	0.01 189	0.00 1	0.00 1	0.29 324	0.72 277

LMCR-Stereo	1.28 220	1.13 298	2.41 167	0.57 283	0.03 122	2.72 294	0.09 196	6.86 356	0.88 64	2.44 282	1.92 257	0.14 64	1.55 285	3.57 175	1.12 230	0.00 1	0.00 1	0.00 1	0.00 1	0.16 265	0.02 23

Any-RAFT	0.76 88	0.13 23	1.46 17	0.03 58	0.01 59	2.76 296	0.08 185	4.09 191	1.69 223	1.08 150	0.26 100	1.95 230	0.31 169	0.95 97	0.09 12	0.01 292	0.20 268	0.00 1	0.00 1	0.01 9	0.08 80

FADNet_RVC	1.32 232	1.54 334	5.37 325	0.02 39	0.06 156	2.78 297	0.07 179	4.19 205	1.03 84	0.44 57	0.35 121	0.67 120	0.10 100	5.42 257	1.92 266	0.24 364	0.33 281	0.11 359	0.33 370	0.66 371	0.68 273

Nwc_Net	2.25 315	0.98 273	5.37 325	0.07 124	0.11 191	2.80 298	0.05 161	7.36 368	1.30 159	2.77 300	8.21 355	5.18 344	2.98 330	5.16 247	2.46 292	0.00 1	0.00 1	0.00 1	0.00 1	0.12 228	0.08 80

CSP-Net	1.13 183	0.76 229	1.67 41	0.01 9	0.00 1	2.81 299	0.05 161	5.62 306	1.14 99	1.14 159	0.85 196	1.80 221	0.23 153	6.10 279	0.36 113	0.00 1	0.00 1	0.00 1	0.00 1	0.13 238	0.03 36

CBMV_ROB	2.06 295	0.31 120	2.72 197	0.63 294	0.00 1	2.83 300	0.88 317	5.24 284	2.41 289	4.28 334	6.16 343	3.07 291	3.47 340	5.81 271	2.69 294	0.00 1	0.00 1	0.00 1	0.00 1	0.05 123	0.56 259

delet	1.31 229	0.61 201	2.64 195	0.05 96	0.17 216	2.84 301	1.00 325	4.88 259	2.46 293	1.38 189	1.37 231	1.62 205	0.90 248	4.52 211	1.48 245	0.00 1	0.00 1	0.00 1	0.00 1	0.14 246	0.08 80

NVStereoNet_ROB	4.22 356	2.29 363	6.13 340	1.40 363	1.14 356	2.84 301	0.97 322	5.67 310	5.66 357	5.25 349	14.28 373	12.40 375	5.35 364	10.74 382	5.33 337	1.24 381	1.01 343	0.67 379	0.62 385	0.63 369	0.69 274
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
pmcnn	3.98 353	0.95 263	7.29 355	0.71 307	1.42 362	2.84 301	1.22 334	5.89 326	2.42 290	9.34 374	11.71 367	18.88 388	2.65 321	6.89 315	6.35 347	0.00 1	0.07 241	0.00 1	0.00 1	0.21 292	0.76 281

CBMV	1.97 293	0.56 188	2.61 191	0.46 256	0.07 164	2.91 304	4.18 370	4.58 239	2.78 317	5.50 353	2.21 269	2.84 278	2.94 326	4.75 223	2.31 284	0.00 1	0.00 1	0.00 1	0.00 1	0.15 257	0.60 263
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
EDNetEfficientorigin	10.48 389	2.34 365	98.78 424	0.23 214	0.25 246	3.01 305	0.70 310	4.69 250	17.04 389	19.07 395	15.43 375	12.52 376	11.56 390	9.41 371	12.62 379	0.01 292	0.01 189	0.00 1	0.01 238	0.25 307	1.76 355

WZ-Net	4.64 361	2.57 371	25.72 399	0.10 158	0.09 179	3.07 306	2.08 348	6.59 354	5.41 355	6.08 355	4.09 327	7.02 362	6.04 370	11.64 384	11.45 375	0.00 1	0.00 1	0.00 1	0.00 1	0.21 292	0.61 264

PWCDC_ROB	3.41 340	2.29 363	5.16 320	0.19 194	0.02 104	3.11 307	0.02 73	5.15 277	12.27 380	1.36 188	23.33 398	1.98 232	3.35 337	4.93 234	3.71 321	0.28 366	0.00 1	0.00 1	0.00 1	0.71 374	0.32 212

NaN_ROB	2.33 320	1.31 316	4.55 293	0.32 236	0.30 278	3.13 308	5.01 380	4.57 238	2.78 317	5.49 352	1.73 248	2.28 254	1.98 304	7.48 343	4.32 329	0.01 292	0.06 238	0.03 343	0.09 288	0.20 289	0.88 292

DGSMNet	2.56 325	1.15 301	7.39 356	1.34 360	2.02 376	3.20 309	3.97 368	6.11 336	1.72 234	1.52 202	2.72 295	3.23 297	0.63 221	4.74 220	2.39 288	1.12 377	1.53 387	1.54 383	1.32 396	1.40 378	2.10 379

LALA_ROB	1.55 265	1.07 291	2.99 217	0.02 39	0.06 156	3.20 309	0.49 293	4.07 189	1.80 241	3.79 326	0.66 170	4.51 326	0.25 158	3.82 184	4.07 326	0.00 1	0.00 1	0.00 1	0.00 1	0.10 197	0.11 117

psmg	0.93 129	0.15 28	1.48 19	0.02 39	0.00 1	3.25 311	0.26 253	5.45 301	1.17 104	2.00 245	1.45 235	1.78 219	0.10 100	0.80 84	0.71 183	0.00 1	0.00 1	0.01 320	0.00 1	0.02 35	0.04 42

BSDual-CNN	0.94 132	0.15 28	1.48 19	0.04 82	0.00 1	3.30 312	0.20 232	6.00 329	1.17 104	2.36 271	0.64 167	1.78 219	0.10 100	0.80 84	0.71 183	0.00 1	0.00 1	0.00 1	0.00 1	0.02 35	0.06 65

hknet	1.21 197	0.25 99	2.89 209	0.04 82	0.00 1	3.30 312	0.20 232	6.00 329	1.19 109	2.36 271	0.64 167	3.38 300	0.05 56	3.04 160	0.73 186	0.00 1	0.00 1	0.00 1	0.00 1	0.02 35	0.06 65

DRN-Test	1.79 280	0.51 173	4.94 310	0.19 194	0.14 203	3.30 312	0.19 231	6.58 352	2.31 279	4.40 338	0.77 183	2.10 241	1.73 294	5.40 256	2.82 304	0.00 1	0.00 1	0.00 1	0.01 238	0.12 228	0.27 203

tt1	1.23 203	0.37 140	2.41 167	0.41 250	0.45 295	3.33 315	0.02 73	3.81 147	6.87 364	0.71 91	0.80 188	0.06 27	0.40 192	1.73 132	0.12 25	0.00 1	1.12 358	0.00 1	0.00 1	0.10 197	1.86 369

RGC	2.11 303	0.95 263	4.61 296	0.08 132	0.29 266	3.34 316	0.11 205	5.40 297	1.78 240	3.93 329	4.52 329	5.20 345	3.05 332	5.78 269	2.78 301	0.00 1	0.00 1	0.00 1	0.00 1	0.12 228	0.18 159

CC-Net-ROB	2.09 299	1.17 302	3.97 270	1.52 365	0.23 237	3.35 317	0.05 161	5.09 274	2.74 312	1.09 152	1.40 233	0.97 164	0.18 139	6.66 302	0.87 203	1.46 382	1.64 389	7.13 389	0.00 1	1.67 379	0.54 252

ACVNet-DCA	0.94 132	0.36 135	2.41 167	0.50 272	0.29 266	3.40 318	0.02 73	3.82 152	1.29 151	0.71 91	0.83 191	0.05 20	0.61 214	1.60 126	0.12 25	0.00 1	1.13 363	0.00 1	0.03 258	0.06 133	1.57 338

xx1	1.29 224	0.36 135	2.41 167	0.50 272	0.29 266	3.40 318	0.02 73	4.02 181	7.67 371	0.71 91	0.83 191	0.73 130	0.15 126	1.60 126	0.12 25	0.00 1	1.13 363	0.00 1	0.23 348	0.06 133	1.57 338

1test111	1.06 172	0.36 135	2.41 167	0.50 272	0.29 266	3.40 318	0.02 73	3.82 152	1.29 151	0.71 91	0.83 191	0.05 20	0.61 214	3.19 162	0.90 210	0.00 1	1.13 363	0.00 1	0.03 258	0.06 133	1.57 338

cc1	1.29 224	0.36 135	2.41 167	0.50 272	0.29 266	3.40 318	0.02 73	4.02 181	7.67 371	0.71 91	0.83 191	0.05 20	0.61 214	1.59 125	0.12 25	0.00 1	1.13 363	0.00 1	0.03 258	0.10 197	1.86 369

SGM-Forest	2.15 307	0.50 166	2.42 175	0.19 194	0.25 246	3.47 322	2.38 353	4.53 233	2.46 293	5.64 354	3.99 326	3.74 314	2.22 306	6.99 326	3.08 310	0.01 292	0.02 216	0.00 1	0.00 1	0.05 123	0.98 302
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
LSM	7.83 378	2.59 372	24.93 398	4.71 386	40.61 416	3.55 323	5.22 382	5.91 327	7.48 370	10.86 377	13.66 372	4.55 327	3.92 347	7.72 353	5.88 342	0.02 316	0.26 272	0.00 1	0.00 1	0.30 326	14.53 411

CBFPSM	1.51 258	1.00 278	5.32 324	0.05 96	0.01 59	3.57 324	0.04 149	4.06 187	1.03 84	0.65 84	0.21 88	6.06 351	3.60 341	2.65 152	1.82 261	0.00 1	0.01 189	0.00 1	0.00 1	0.09 186	0.12 123

DSFCA	1.45 251	0.51 173	2.76 201	0.01 9	0.03 122	3.64 325	0.83 314	3.28 123	1.45 188	3.25 314	0.44 141	2.89 281	1.45 275	6.07 277	2.14 274	0.00 1	0.02 216	0.00 1	0.00 1	0.06 133	0.10 110

ccnet	1.96 290	0.68 214	3.59 248	0.26 228	0.19 221	3.68 326	1.55 339	4.89 260	1.77 238	2.68 295	3.92 321	3.44 303	1.72 293	5.02 240	5.22 336	0.06 342	0.00 1	0.09 355	0.01 238	0.13 238	0.32 212

fast-acv-ft	1.54 263	0.86 245	4.85 304	0.11 170	0.12 196	3.88 327	0.28 261	2.97 97	2.26 275	0.96 128	3.49 312	2.97 283	1.23 264	3.47 170	2.75 297	0.04 332	0.01 189	0.04 347	0.04 270	0.44 351	0.08 80

SPS-STEREO	3.67 349	1.46 328	4.23 277	0.36 240	0.23 237	3.93 328	1.20 333	6.67 355	3.50 333	11.05 378	8.81 357	9.53 371	4.63 355	9.10 368	7.25 353	0.01 292	0.01 189	0.00 1	0.00 1	0.13 238	1.28 323
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
Wz-Net-LNSev	1.60 270	1.48 331	8.20 367	0.03 58	0.03 122	3.95 329	0.13 213	4.89 260	2.33 282	0.92 123	0.31 111	3.64 312	1.40 273	2.90 157	1.50 246	0.00 1	0.00 1	0.00 1	0.00 1	0.10 197	0.20 174

CRFU-Net	1.43 250	0.33 130	2.98 215	1.27 352	0.03 122	4.01 330	0.05 161	6.21 337	0.95 74	1.92 237	0.74 178	3.41 302	2.55 319	3.36 165	0.36 113	0.01 292	0.01 189	0.11 359	0.00 1	0.13 238	0.09 100

MMNet	1.33 236	0.69 217	4.18 274	0.11 170	0.01 59	4.08 331	0.02 73	4.27 215	1.49 194	2.17 255	0.33 113	1.34 189	1.20 258	4.52 211	1.93 267	0.00 1	0.00 1	0.00 1	0.00 1	0.11 220	0.06 65

GwcNet	1.96 290	1.51 332	7.43 358	0.30 234	1.20 357	4.13 332	0.61 304	4.45 225	1.92 250	1.53 203	2.31 273	3.93 322	0.54 203	5.50 258	3.16 312	0.00 1	0.00 1	0.00 1	0.01 238	0.39 346	0.24 190

DDUNet	3.58 341	11.19 405	3.84 265	3.59 384	3.31 384	4.14 333	0.20 232	4.40 222	1.33 164	2.72 296	3.11 303	3.16 292	0.37 179	4.18 189	1.47 244	2.02 384	0.05 232	10.10 396	3.59 402	5.85 386	3.05 385

CSAN	3.10 333	1.72 344	5.85 333	0.37 243	0.14 203	4.15 334	3.91 367	4.94 266	4.65 351	6.43 357	6.29 345	4.62 329	5.17 361	8.13 358	4.85 335	0.02 316	0.03 223	0.03 343	0.05 272	0.26 313	0.48 247

HBP-ISP	1.59 269	1.12 296	3.42 238	0.53 277	0.10 187	4.27 335	1.44 337	5.35 289	1.61 205	3.58 322	0.87 197	0.91 150	1.18 257	6.64 300	0.46 143	0.04 332	0.02 216	0.00 1	0.00 1	0.06 133	0.24 190

MaskLacGwcNet_RVC	1.88 283	0.88 248	3.47 242	1.64 369	0.22 231	4.27 335	0.40 285	3.90 168	1.63 217	0.72 97	0.71 174	3.06 289	0.11 108	5.13 245	1.03 224	5.07 387	0.54 297	0.00 1	0.00 1	1.73 380	3.16 386

SuperB	3.75 350	2.46 369	15.54 392	0.32 236	0.06 156	4.29 337	1.61 340	4.25 212	11.49 379	2.56 289	1.31 229	2.01 236	1.86 300	6.94 321	8.94 360	0.05 336	0.03 223	0.10 358	0.08 285	10.62 396	0.56 259

iinet-f	1.90 285	0.98 273	13.29 387	0.42 251	0.03 122	4.30 338	0.04 149	3.86 160	1.32 163	1.28 176	0.57 156	2.91 282	2.70 322	2.60 150	3.11 311	0.00 1	0.02 216	0.02 338	0.00 1	0.49 354	0.09 100

FINET	2.99 330	2.11 361	7.66 359	1.13 347	1.79 369	4.35 339	3.34 361	5.66 309	7.93 374	2.49 286	3.29 307	1.66 211	2.47 316	6.70 304	4.44 330	0.82 371	1.38 382	0.03 343	0.30 368	0.36 340	1.88 374

FBW_ROB	2.74 329	1.02 281	4.72 298	0.43 253	0.18 219	4.35 339	0.18 228	7.28 367	3.50 333	3.57 321	3.38 310	4.86 335	1.22 263	11.70 387	5.76 340	0.17 359	0.08 245	0.59 375	0.12 302	0.28 321	1.40 329

RTSC	3.18 337	2.15 362	8.20 367	0.67 304	0.38 284	4.41 341	0.08 185	5.64 307	5.80 360	6.14 356	3.43 311	3.37 298	1.55 285	7.50 344	12.15 377	0.00 1	0.84 319	0.00 1	0.25 353	0.51 357	0.53 251

APVNet	1.68 273	0.75 225	4.94 310	0.13 177	0.01 59	4.56 342	0.08 185	5.20 281	1.44 186	1.51 200	1.05 209	2.87 279	0.93 249	6.76 308	2.76 298	0.01 292	0.00 1	0.07 352	0.00 1	0.34 334	0.08 80

Wz-Net-MNSev	2.17 309	1.90 354	7.77 361	0.02 39	0.01 59	4.60 343	2.08 348	5.70 312	2.83 321	4.02 330	1.50 239	1.87 223	2.53 318	5.10 243	3.04 309	0.00 1	0.01 189	0.00 1	0.00 1	0.14 246	0.31 210

otaku	3.61 344	2.06 359	4.04 271	6.41 389	3.35 385	4.67 344	2.08 348	5.97 328	1.58 201	2.19 256	2.62 293	3.47 305	1.45 275	4.36 202	2.17 275	8.55 393	0.25 269	1.89 384	0.03 258	9.29 390	5.81 392

ADCRef	2.57 326	1.40 324	7.90 363	0.11 170	0.11 191	4.71 345	0.74 312	5.45 301	1.66 220	3.15 311	1.65 247	1.61 203	2.25 308	4.54 214	15.56 388	0.03 326	0.00 1	0.01 320	0.10 293	0.27 318	0.23 186

SHD	3.58 341	1.83 347	6.41 345	1.34 360	1.21 358	4.84 346	0.17 223	7.95 375	12.83 381	7.86 365	3.32 309	5.08 340	2.63 320	5.54 261	8.57 358	0.01 292	0.75 312	0.00 1	0.18 328	0.31 327	0.73 278

ADCMid	4.33 358	2.40 368	13.81 388	0.23 214	0.40 285	4.90 347	1.23 335	5.73 313	3.73 338	11.06 379	3.94 323	6.67 359	5.11 359	7.11 332	18.03 392	0.12 354	0.08 245	0.55 372	0.46 377	0.61 367	0.49 248

Wz-Net-LNSev-Ref	1.86 282	1.13 298	5.96 335	0.02 39	0.00 1	5.00 348	0.29 268	5.31 288	2.38 285	2.65 290	1.15 220	2.32 261	1.95 303	5.59 264	3.35 317	0.00 1	0.00 1	0.00 1	0.00 1	0.04 111	0.14 136

XQC	3.16 336	2.00 358	7.71 360	0.97 338	0.67 327	5.07 349	0.69 309	6.58 352	4.95 353	5.04 348	1.98 263	4.99 338	3.12 334	7.96 357	10.02 370	0.00 1	0.63 303	0.00 1	0.18 328	0.36 340	0.38 232

DISCO	2.03 294	0.45 157	2.82 205	0.72 309	0.53 302	5.13 350	0.01 18	6.01 332	1.81 242	2.31 266	0.91 201	6.43 355	0.87 246	8.57 367	3.67 320	0.00 1	0.00 1	0.00 1	0.00 1	0.12 228	0.17 152

DispFullNet	8.26 379	24.76 413	14.96 390	14.77 406	7.78 398	5.23 351	0.09 196	5.67 310	3.16 329	9.01 372	4.87 332	6.15 352	10.66 386	10.44 380	4.54 331	2.54 385	0.33 281	15.59 403	4.84 406	13.17 404	6.59 394

DPSNet	3.98 353	1.01 280	12.58 384	0.74 316	0.55 304	5.24 352	1.53 338	12.44 387	4.82 352	2.89 301	0.97 206	6.37 353	11.43 389	8.20 359	8.61 359	0.09 349	0.51 294	0.11 359	0.38 375	0.35 338	0.83 286

RainbowNet	5.23 365	4.09 391	4.92 309	9.61 396	6.18 390	5.26 353	3.48 363	7.68 373	4.58 350	1.94 241	3.02 299	4.67 332	3.42 338	5.90 272	2.01 269	9.59 396	2.19 395	8.45 392	0.20 336	10.52 394	6.82 395

FCDSN-DC	5.38 367	0.65 210	3.19 225	0.24 219	0.46 298	5.71 354	1.61 340	5.83 324	4.51 349	14.74 391	22.03 394	20.43 390	13.01 392	8.48 364	6.00 344	0.02 316	0.00 1	0.00 1	0.00 1	0.07 157	0.52 250
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
BUS	1.05 170	0.15 28	1.48 19	0.04 82	0.00 1	5.73 355	0.03 121	6.00 329	1.17 104	2.36 271	0.64 167	2.35 262	0.06 63	0.80 84	0.05 5	0.00 1	0.00 1	0.00 1	0.00 1	0.02 35	0.06 65

NINENet	1.14 186	0.34 131	2.08 119	0.10 158	0.01 59	5.73 355	0.03 121	5.39 295	1.54 198	1.61 213	0.72 176	2.35 262	0.06 63	2.82 156	0.05 5	0.00 1	0.01 189	0.01 320	0.00 1	0.04 111	0.00 1

ADCP+	3.18 337	1.81 345	11.33 382	0.07 124	0.20 225	5.83 357	2.80 355	4.60 240	2.69 306	1.68 221	0.28 102	3.75 315	3.14 335	6.82 310	17.90 391	0.00 1	0.00 1	0.00 1	0.00 1	0.20 289	0.56 259

ADCS	5.55 369	3.55 382	19.07 394	0.43 253	0.14 203	5.87 358	4.20 372	7.65 372	7.80 373	9.79 375	6.22 344	6.48 357	5.52 366	10.52 381	22.41 405	0.00 1	0.00 1	0.00 1	0.00 1	0.48 353	0.97 301

AnyNet_C32	4.41 360	3.74 388	15.17 391	0.48 270	0.51 301	5.99 359	6.52 394	5.30 287	2.72 311	6.86 358	3.66 316	5.21 346	3.19 336	7.42 341	19.54 395	0.08 347	0.04 227	0.20 366	0.09 288	0.67 372	0.76 281

Ntro	3.66 348	2.08 360	4.34 282	7.58 391	4.53 387	6.25 360	0.72 311	5.35 289	1.65 219	0.48 71	1.77 251	2.68 270	1.25 266	5.10 243	2.31 284	8.72 394	0.31 279	2.13 386	0.05 272	9.73 391	6.18 393

WCMA_ROB	5.16 364	1.07 291	4.40 290	0.66 299	0.69 330	6.28 361	3.63 365	5.39 295	4.05 343	14.77 392	19.39 388	15.46 381	10.72 387	7.67 352	6.77 351	0.19 362	0.27 274	0.18 365	0.20 336	0.18 282	1.23 317

Wz-Net-TNSev	4.36 359	6.36 397	22.98 396	0.22 210	0.06 156	7.00 362	3.45 362	7.46 370	3.81 341	2.12 253	0.63 165	7.29 363	5.11 359	9.87 375	9.72 369	0.00 1	0.00 1	0.00 1	0.02 256	0.36 340	0.66 269

ADCPNet	3.94 352	1.47 330	14.87 389	0.11 170	0.45 295	7.19 363	2.23 351	5.42 298	3.18 330	4.53 340	2.03 264	7.48 364	5.27 363	7.05 331	14.73 385	0.02 316	0.74 311	0.04 347	0.91 394	0.23 299	0.85 289

ADCL	3.64 347	1.54 334	8.53 372	0.26 228	0.28 265	7.37 364	4.49 375	5.42 298	3.61 335	4.79 343	3.85 320	5.14 343	4.47 353	6.28 284	15.73 389	0.05 336	0.01 189	0.11 359	0.13 304	0.34 334	0.33 217

LE_ROB	13.25 396	1.86 352	12.84 385	2.35 375	1.43 363	7.50 365	5.92 386	10.14 381	48.57 415	57.70 415	24.61 400	23.44 396	32.60 411	10.12 376	24.95 409	0.06 342	0.08 245	0.13 363	0.20 336	0.09 186	0.41 237

SANet	5.04 363	1.86 352	7.96 364	0.39 247	0.12 196	7.51 366	3.73 366	7.20 364	16.07 387	7.15 360	13.16 370	12.35 374	8.70 378	8.28 361	5.37 338	0.00 1	0.01 189	0.00 1	0.00 1	0.13 238	0.71 276

ACVNet_1	6.79 376	2.72 375	6.97 352	9.78 398	7.38 397	7.67 367	2.29 352	10.50 383	6.93 368	4.51 339	5.39 337	13.21 377	6.34 372	7.02 330	3.31 316	9.70 398	2.48 399	10.85 399	0.11 296	11.41 400	7.23 397

MeshStereo	6.09 370	0.97 270	3.59 248	0.26 228	0.14 203	7.68 368	2.02 346	10.42 382	5.77 358	20.76 401	19.69 390	22.78 394	10.56 385	10.29 378	6.16 345	0.00 1	0.00 1	0.00 1	0.00 1	0.29 324	0.41 237
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
PVD	6.50 374	1.70 343	6.71 351	1.66 370	1.59 368	7.94 369	0.89 318	11.13 385	24.35 394	12.01 382	19.10 384	8.76 368	9.89 383	9.85 374	11.06 373	0.02 316	1.12 358	0.00 1	0.26 360	0.25 307	1.72 350

SGM_RVC	4.67 362	0.61 201	2.62 193	1.13 347	0.29 266	7.96 370	2.60 354	7.55 371	4.36 347	12.34 383	9.95 361	15.94 383	8.56 377	10.88 383	6.38 348	0.22 363	0.25 269	0.20 366	0.23 348	0.32 329	0.92 295
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
FC-DCNN	6.44 373	0.46 160	3.25 231	0.54 278	0.56 307	8.01 371	1.37 336	8.76 378	7.15 369	19.35 399	22.25 396	22.72 393	15.44 394	10.37 379	7.93 355	0.00 1	0.01 189	0.00 1	0.00 1	0.03 90	0.64 268

stereogan	2.38 321	0.59 193	5.05 314	0.01 9	0.09 179	8.26 372	0.58 303	4.92 264	3.65 336	4.68 341	4.60 330	6.43 355	2.39 313	5.27 250	0.72 185	0.00 1	0.01 189	0.01 320	0.00 1	0.27 318	0.13 131

PDISCO_ROB	2.54 324	1.40 324	5.07 316	1.06 345	2.01 375	8.28 373	0.17 223	7.96 376	6.01 362	1.48 199	1.75 250	3.67 313	1.25 266	7.74 354	2.07 272	0.00 1	0.00 1	0.00 1	0.00 1	0.39 346	0.42 241

MSMD_ROB	5.26 366	0.52 178	3.22 227	0.15 184	0.01 59	8.63 374	1.06 328	4.76 254	4.16 344	13.72 386	26.77 401	13.87 379	15.95 395	7.89 356	3.94 324	0.11 352	0.01 189	0.00 1	0.00 1	0.06 133	0.34 219

ACVNet-4b	6.14 371	2.39 367	6.31 343	9.73 397	7.26 395	8.81 375	1.62 342	7.27 366	6.07 363	0.41 54	6.42 347	11.47 373	2.37 312	9.17 369	2.72 296	9.70 398	2.42 397	10.45 397	0.01 238	11.04 398	7.12 396

SGM+DAISY	6.27 372	3.62 387	9.36 375	2.30 374	2.34 377	9.12 376	6.38 391	6.98 361	6.00 361	14.26 387	15.55 376	14.02 380	9.84 382	9.45 372	8.56 357	1.21 379	1.60 388	0.58 373	0.86 391	0.63 369	2.74 381

MFN_U_SF_RVC	4.10 355	2.36 366	12.04 383	1.00 339	0.27 260	10.31 377	0.51 294	8.83 379	3.69 337	4.90 346	3.30 308	9.33 370	3.43 339	8.28 361	9.42 365	0.41 368	0.53 296	0.52 371	0.81 387	0.90 375	1.05 306

G-Net	3.58 341	0.58 191	5.14 319	1.61 366	1.86 370	10.46 378	1.85 344	3.24 119	1.69 223	8.68 368	11.81 368	6.03 350	7.62 375	4.82 230	5.52 339	0.08 347	0.12 257	0.07 352	0.15 307	0.16 265	0.16 147

SAMSARA	4.31 357	1.94 357	7.80 362	1.96 373	1.40 361	10.65 379	7.35 395	7.17 363	4.49 348	8.27 367	3.58 314	10.58 372	3.75 343	7.87 355	6.66 349	0.01 292	1.09 350	0.00 1	0.23 348	0.26 313	1.19 315

AnyNet_C01	7.15 377	5.48 395	37.47 405	1.08 346	0.59 314	11.50 380	6.49 393	6.93 357	4.31 345	8.06 366	9.11 359	8.72 367	4.06 348	14.50 393	21.97 404	0.11 352	0.08 245	0.24 368	0.09 288	1.11 376	1.07 309

ELAS_RVC	8.75 380	1.59 339	6.34 344	1.91 372	1.87 371	11.67 381	12.14 407	10.75 384	16.11 388	22.55 405	21.45 392	18.49 386	18.29 402	14.17 392	12.53 378	0.92 373	1.32 380	0.70 380	0.46 377	0.53 363	1.25 320
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
IMH-64-1	10.12 385	3.75 389	4.24 278	11.47 401	9.26 401	11.93 382	5.30 383	18.72 395	15.74 385	7.16 361	18.55 381	16.83 384	6.83 373	11.66 385	9.62 367	10.09 400	2.54 400	15.69 404	1.72 397	12.82 401	8.45 401

IMH-64	10.12 385	3.75 389	4.24 278	11.47 401	9.26 401	11.93 382	5.30 383	18.72 395	15.74 385	7.16 361	18.55 381	16.83 384	6.83 373	11.66 385	9.62 367	10.09 400	2.54 400	15.69 404	1.72 397	12.82 401	8.45 401

MFN_U_SF_DS_RVC	3.61 344	3.47 381	9.32 374	0.19 194	0.30 278	13.80 384	7.49 398	5.15 277	3.95 342	3.06 308	3.94 323	4.60 328	1.20 258	8.49 365	2.79 302	0.70 370	1.22 374	0.04 347	0.84 388	0.50 356	1.23 317

MDST_ROB	3.81 351	0.21 83	4.29 281	2.64 379	1.45 364	13.85 385	1.02 327	8.06 377	2.67 305	15.14 393	8.81 357	2.70 271	1.55 285	9.31 370	3.90 323	0.03 326	0.00 1	0.00 1	0.00 1	0.03 90	0.63 267

RTS	10.27 387	3.55 382	66.16 412	1.62 367	2.34 377	13.96 386	6.25 389	6.95 359	18.07 390	8.81 369	19.18 385	6.82 360	2.96 328	26.87 407	19.93 397	0.00 1	0.42 286	0.00 1	0.03 258	0.40 348	0.99 303

RTSA	10.27 387	3.55 382	66.16 412	1.62 367	2.34 377	13.96 386	6.25 389	6.95 359	18.07 390	8.81 369	19.18 385	6.82 360	2.96 328	26.87 407	19.93 397	0.00 1	0.42 286	0.00 1	0.03 258	0.40 348	0.99 303

IMH	11.71 392	4.49 392	4.59 295	11.55 403	9.35 403	14.27 388	5.00 379	21.03 403	25.97 397	8.90 371	23.64 399	20.58 391	10.29 384	13.39 391	9.59 366	10.13 403	2.57 402	15.53 402	1.75 399	13.04 403	8.53 403

ACVNet_2	9.32 382	2.76 376	8.07 365	8.84 395	6.89 393	14.54 389	4.19 371	14.25 390	23.92 393	7.62 363	19.61 389	20.42 389	5.93 369	8.52 366	3.64 319	9.16 395	1.74 393	7.93 390	0.36 373	10.56 395	7.47 400

ELAS	9.07 381	1.55 336	5.19 321	1.87 371	1.92 373	17.05 390	8.29 400	13.92 389	13.52 383	23.08 406	28.56 406	18.59 387	16.90 398	12.06 389	13.39 382	0.91 372	1.32 380	0.65 378	0.59 383	0.68 373	1.31 324
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
WAO-6	11.65 391	2.71 374	4.73 299	7.69 392	7.28 396	17.41 391	7.45 396	20.43 400	38.14 410	10.13 376	19.37 387	27.36 398	12.38 391	13.35 390	13.26 381	4.38 386	2.43 398	10.51 398	0.03 258	9.00 389	4.96 390

KSHMR	14.93 401	8.30 402	8.52 371	15.54 407	13.01 406	17.62 392	10.36 404	19.39 398	30.53 401	19.03 394	22.15 395	28.32 400	9.61 379	16.44 396	10.96 372	10.98 408	3.74 411	21.96 410	4.87 407	16.79 407	10.39 406

notaker	18.29 405	22.89 412	10.13 377	18.52 409	14.64 409	17.81 393	7.48 397	20.77 401	24.37 395	21.91 403	27.45 403	39.00 408	20.06 405	20.53 402	21.90 403	12.54 409	2.81 409	25.96 412	6.03 409	19.60 410	11.37 407

Dean	12.08 394	3.10 379	8.10 366	10.98 400	8.34 400	18.85 394	5.53 385	21.57 405	40.96 412	11.81 381	21.91 393	25.74 397	9.74 381	8.20 359	5.76 340	9.65 397	2.35 396	9.94 393	0.65 386	10.97 397	7.40 398

LRCNet_RVC	60.82 416	63.91 419	64.33 411	69.26 422	50.13 418	19.76 395	0.07 179	58.24 416	5.77 358	75.95 418	85.64 418	74.51 417	62.84 416	58.99 416	50.33 414	93.38 425	56.04 422	93.60 424	93.06 423	68.67 422	71.95 423

MADNet+	11.36 390	15.59 409	70.62 414	1.36 362	1.52 366	20.21 396	4.98 377	12.73 388	8.13 375	3.88 328	6.42 347	8.89 369	6.29 371	32.76 411	29.90 410	0.25 365	1.05 344	0.01 320	0.22 345	0.60 366	1.76 355

WAO-7	9.62 383	2.87 377	5.64 332	0.96 337	0.21 230	20.37 397	5.13 381	23.65 409	26.32 398	13.11 385	27.70 404	22.69 392	14.04 393	14.53 394	13.11 380	0.13 355	0.09 251	0.58 373	0.10 293	0.51 357	0.75 280

MANE	15.61 402	2.70 373	7.19 354	3.43 383	5.19 389	21.44 398	9.54 403	24.27 410	29.58 400	33.72 410	42.10 413	42.08 411	32.55 410	24.60 403	20.72 400	1.46 382	2.17 394	1.34 382	4.60 404	0.49 354	3.04 384

LVE	11.75 393	3.56 385	5.48 330	10.38 399	8.28 399	22.54 399	7.53 399	17.01 393	32.01 403	9.26 373	23.28 397	23.43 395	9.72 380	11.79 388	7.81 354	10.09 400	2.62 405	11.07 400	0.59 383	11.18 399	7.44 399

PWCK	9.63 384	6.94 401	19.91 395	6.25 388	0.22 231	22.62 400	14.62 409	12.15 386	13.48 382	14.34 388	13.17 371	13.25 378	8.40 376	16.14 395	11.57 376	6.38 390	0.26 272	2.41 387	0.11 296	8.57 388	1.74 353

ktn	19.65 407	19.61 410	8.27 369	22.99 413	17.38 411	23.89 401	11.97 406	24.83 411	34.40 407	19.19 396	27.37 402	32.56 401	18.29 402	16.52 397	18.28 393	22.43 412	3.70 410	29.28 414	10.90 411	19.65 411	11.59 408

WAO-8	14.47 398	5.06 393	6.42 346	8.00 393	6.65 391	23.95 402	2.97 356	23.01 406	45.08 413	19.24 397	34.86 411	33.07 402	17.51 399	17.59 398	14.38 383	5.22 388	0.86 321	10.06 394	0.85 389	10.25 392	4.34 388

Venus	14.47 398	5.06 393	6.42 346	8.00 393	6.65 391	23.95 402	2.97 356	23.01 406	45.08 413	19.24 397	34.85 410	33.07 402	17.51 399	17.59 398	14.38 383	5.22 388	0.86 321	10.06 394	0.85 389	10.25 392	4.34 388

SGM-ForestM	14.25 397	3.00 378	8.67 373	2.38 376	1.88 372	24.45 404	11.87 405	19.27 397	21.66 392	30.68 408	29.79 408	46.58 412	28.97 408	27.26 409	21.22 402	1.14 378	1.67 390	0.61 377	0.89 393	0.51 357	2.50 380

MSC_U_SF_DS_RVC	5.48 368	3.14 380	10.56 379	0.47 262	0.29 266	24.98 405	8.65 402	6.24 340	9.96 378	4.38 336	8.16 354	8.42 366	2.44 315	9.46 373	6.27 346	1.11 376	1.70 391	0.33 369	0.47 379	1.16 377	1.35 326

DPSimNet_ROB	26.59 411	21.34 411	28.49 400	25.34 414	19.24 412	25.03 406	28.61 414	30.13 413	30.91 402	33.36 409	29.60 407	33.91 405	28.18 407	25.99 406	42.58 412	17.84 411	15.40 413	25.41 411	22.86 415	21.10 413	26.45 416

HanzoNet	30.55 412	30.82 415	24.44 397	22.40 412	19.25 413	25.74 407	14.00 408	29.76 412	40.45 411	43.57 412	44.15 414	55.63 415	46.26 414	43.79 414	45.27 413	28.35 414	9.71 412	30.23 415	16.18 413	23.20 414	17.85 412

SDNR	3.62 346	1.25 311	7.41 357	0.71 307	0.22 231	26.06 408	0.02 73	4.55 236	2.42 290	3.10 309	11.33 365	3.05 288	0.77 238	8.31 363	2.21 279	0.05 336	0.11 255	0.00 1	0.01 238	0.08 167	0.66 269

TorneroNet	16.83 404	6.92 400	6.68 350	14.15 405	12.07 404	27.63 409	8.39 401	21.53 404	37.64 408	14.70 390	32.94 409	33.55 404	18.95 404	19.68 400	20.80 401	10.39 405	2.61 404	19.77 408	3.45 401	15.42 406	9.28 404

TorneroNet-64	16.11 403	6.82 399	6.11 339	14.13 404	12.13 405	28.42 410	6.47 392	20.35 399	38.01 409	12.80 384	27.88 405	35.94 406	16.83 397	20.38 401	16.77 390	10.33 404	2.60 403	19.45 407	2.86 400	14.63 405	9.33 405

UNDER WATER	20.50 408	13.77 408	33.30 401	20.84 411	14.55 408	30.38 411	19.68 411	17.23 394	34.25 406	21.44 402	18.98 383	38.38 407	31.61 409	25.31 404	22.42 406	10.71 407	2.76 407	19.90 409	4.92 408	17.87 409	11.76 409

UNDER WATER-64	20.90 409	11.73 407	33.74 402	20.56 410	13.88 407	34.56 412	24.71 413	16.81 392	33.52 405	22.54 404	17.10 378	40.14 410	33.68 413	25.46 405	23.75 407	10.68 406	2.78 408	18.70 406	4.60 404	17.07 408	12.03 410

BEATNet-Init1	19.30 406	9.61 404	39.48 406	3.09 382	2.67 380	39.40 413	17.68 410	23.58 408	25.88 396	38.63 411	37.63 412	50.99 413	33.56 412	30.54 410	24.44 408	1.09 375	1.51 386	0.60 376	0.88 392	1.81 381	2.89 382

JetBlue	14.57 400	6.38 398	35.83 404	0.95 336	7.05 394	51.27 414	22.93 412	16.51 391	9.78 376	11.72 380	17.82 380	27.82 399	17.62 401	33.31 412	20.36 399	0.35 367	0.18 264	0.15 364	0.25 353	5.36 385	5.74 391

MADNet++	48.24 414	34.06 416	39.67 407	43.36 416	41.25 417	66.15 415	33.15 415	60.90 417	54.14 416	72.30 417	61.91 416	58.11 416	56.05 415	58.09 415	59.59 416	43.04 417	36.86 417	35.73 416	22.37 414	45.96 417	42.06 418

JetRed	35.17 413	40.12 417	62.92 410	15.92 408	26.66 415	70.02 416	42.94 416	32.33 414	33.48 404	46.29 413	45.31 415	39.98 409	26.04 406	38.73 413	56.93 415	12.90 410	37.58 418	13.38 401	9.53 410	30.41 415	21.91 414

SPstereo	61.24 417	27.43 414	41.43 408	33.64 415	25.42 414	72.54 417	80.04 417	100.00 428	100.00 426	97.56 424	96.24 423	100.00 429	95.10 423	94.86 422	76.77 418	29.55 415	22.53 414	47.20 419	42.52 417	19.77 412	22.12 415

HaxPig	97.67 425	99.63 426	91.79 417	99.82 435	99.96 429	88.42 418	87.25 418	98.22 424	99.89 424	99.93 428	99.96 426	99.95 427	99.86 426	96.37 423	92.57 423	99.96 434	99.98 427	99.99 428	99.99 427	99.99 437	99.91 429

ASD4	55.67 415	67.80 420	50.61 409	44.70 417	58.12 419	92.14 419	98.24 425	55.49 415	86.70 420	58.61 416	65.05 417	51.13 414	64.00 417	59.18 417	67.96 417	26.48 413	30.21 415	26.86 413	29.22 416	43.04 416	37.90 417

MEDIAN_ROB	96.88 423	99.41 424	98.74 423	94.82 425	94.30 425	93.21 420	90.85 419	95.70 423	94.83 422	97.65 425	97.67 424	98.31 423	96.57 424	94.60 421	93.95 424	99.78 433	98.28 424	99.99 428	99.90 426	99.50 430	99.57 427

xxxxx1	76.86 419	82.53 421	93.06 419	61.86 419	67.25 420	95.91 421	95.20 421	75.90 418	81.13 417	82.69 419	86.70 419	89.27 418	87.62 418	85.18 418	86.89 419	55.21 418	54.91 419	60.27 420	72.48 420	60.77 419	62.32 419

tt_ll	76.86 419	82.53 421	93.06 419	61.86 419	67.25 420	95.91 421	95.20 421	75.90 418	81.13 417	82.69 419	86.70 419	89.27 418	87.62 418	85.18 418	86.89 419	55.21 418	54.91 419	60.27 420	72.48 420	60.77 419	62.32 419

ff	76.86 419	82.53 421	93.06 419	61.86 419	67.25 420	95.91 421	95.20 421	75.90 418	81.13 417	82.69 419	86.70 419	89.27 418	87.62 418	85.18 418	86.89 419	55.21 418	54.91 419	60.27 420	72.48 420	60.77 419	62.32 419

AVERAGE_ROB	99.26 429	99.81 428	97.70 422	100.00 438	100.00 431	96.38 424	91.35 420	100.00 428	100.00 426	100.00 429	100.00 427	100.00 429	100.00 428	99.98 430	99.97 427	100.00 436	100.00 428	100.00 430	100.00 428	100.00 438	100.00 437

PML	88.69 422	99.49 425	92.95 418	94.34 424	94.09 424	98.57 425	96.73 424	93.58 421	94.50 421	99.57 427	91.07 422	95.40 422	91.48 421	99.96 429	90.33 422	99.98 435	31.85 416	100.00 430	46.15 418	93.62 425	70.14 422

test_example2	98.82 426	99.97 431	99.97 427	99.95 437	99.97 430	99.48 426	99.97 426	94.95 422	100.00 426	100.00 429	100.00 427	93.49 421	93.63 422	99.93 428	99.91 426	100.00 436	99.77 426	96.68 425	98.65 425	100.00 438	100.00 437

MyStereo03	99.94 434	100.00 432	100.00 430	99.73 432	100.00 431	100.00 427	100.00 427	100.00 428	100.00 426	100.00 429	100.00 427	100.00 429	100.00 428	100.00 431	100.00 431	99.08 428	100.00 428	100.00 430	100.00 428	99.98 432	99.94 430

MyStereo02	99.94 434	100.00 432	100.00 430	99.73 432	100.00 431	100.00 427	100.00 427	100.00 428	100.00 426	100.00 429	100.00 427	100.00 429	100.00 428	100.00 431	100.00 431	99.08 428	100.00 428	100.00 430	100.00 428	99.98 432	99.94 430

MyStereo	99.94 434	100.00 432	100.00 430	99.73 432	100.00 431	100.00 427	100.00 427	100.00 428	100.00 426	100.00 429	100.00 427	100.00 429	100.00 428	100.00 431	100.00 431	99.08 428	100.00 428	100.00 430	100.00 428	99.98 432	99.94 430

Selective-RAFT-Error	100.00 437	100.00 432	100.00 430	100.00 438	100.00 431	100.00 427	100.00 427	100.00 428	100.00 426	100.00 429	100.00 427	100.00 429	100.00 428	100.00 431	100.00 431	100.00 436	100.00 428	100.00 430	100.00 428	99.98 432	99.94 430

Anonymous_1	96.94 424	99.72 427	99.64 426	92.03 423	93.81 423	100.00 427	100.00 427	99.18 425	99.90 425	98.59 426	99.75 425	99.15 424	99.95 427	98.52 424	99.54 425	87.31 421	98.83 425	90.77 423	96.89 424	91.07 424	94.14 424

tt	68.57 418	0.18 50	99.50 425	50.44 418	14.99 410	100.00 427	100.00 427	100.00 428	99.70 423	28.28 407	12.01 369	99.97 428	98.67 425	99.55 425	99.99 428	89.99 422	98.19 423	46.13 418	51.48 419	60.62 418	21.71 413

CasAABBNet	99.93 432	100.00 432	100.00 430	99.70 431	100.00 431	100.00 427	100.00 427	100.00 428	100.00 426	100.00 429	100.00 427	100.00 429	100.00 428	100.00 431	100.00 431	99.08 428	100.00 428	100.00 430	100.00 428	99.96 431	99.94 430

LSM0	99.93 432	100.00 432	100.00 430	99.82 435	100.00 431	100.00 427	100.00 427	100.00 428	100.00 426	100.00 429	100.00 427	100.00 429	100.00 428	100.00 431	100.00 431	99.09 432	100.00 428	100.00 430	100.00 428	99.98 432	99.79 428

DPSMNet_ROB	99.43 431	99.92 429	99.98 428	96.44 429	100.00 431	100.00 427	100.00 427	99.82 427	100.00 426	95.92 422	100.00 427	99.26 425	100.00 428	99.77 426	99.99 428	98.36 427	100.00 428	99.86 426	100.00 428	99.38 428	99.98 436

DGTPSM_ROB	99.42 430	99.92 429	99.98 428	96.43 428	100.00 431	100.00 427	100.00 427	99.81 426	100.00 426	95.92 422	100.00 427	99.26 425	100.00 428	99.77 426	99.99 428	98.23 426	100.00 428	99.86 426	100.00 428	99.38 428	99.97 435

DPSM_ROB	99.05 427	100.00 432	100.00 430	95.92 426	98.77 427	100.00 427	100.00 427	100.00 428	100.00 426	100.00 429	100.00 427	100.00 429	100.00 428	100.00 431	100.00 431	93.10 423	100.00 428	100.00 430	100.00 428	95.46 426	97.74 425

DPSM	99.05 427	100.00 432	100.00 430	95.92 426	98.77 427	100.00 427	100.00 427	100.00 428	100.00 426	100.00 429	100.00 427	100.00 429	100.00 428	100.00 431	100.00 431	93.10 423	100.00 428	100.00 430	100.00 428	95.46 426	97.74 425

FADE		11.70 406		4.77 387	4.88 388													35.80 417		3.69 383

Low-res two-view benchmark