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

rvit_stereo_0083	0.28 1	0.37 57	0.88 1	0.28 47	0.18 53	0.28 4	0.22 61	0.40 4	0.58 98	0.25 18	0.30 35	0.27 47	0.27 91	0.38 44	0.25 30	0.14 244	0.12 152	0.13 227	0.10 80	0.13 44	0.14 30

Former-RAFT_DAM_RVC	0.52 106	0.51 123	1.12 2	0.26 22	0.22 113	0.46 43	0.20 30	1.10 388	1.33 422	3.13 461	0.33 52	0.22 13	0.20 24	0.34 27	0.26 44	0.11 131	0.09 86	0.11 119	0.09 46	0.17 113	0.21 83

rvit_stereo_0081	0.29 2	0.46 101	1.13 3	0.28 47	0.17 40	0.32 10	0.22 61	0.45 14	0.58 98	0.25 18	0.26 19	0.26 39	0.22 36	0.36 39	0.25 30	0.14 244	0.10 110	0.11 119	0.10 80	0.13 44	0.11 12

rvit_stereo_0082	0.29 2	0.46 101	1.13 3	0.28 47	0.17 40	0.32 10	0.22 61	0.45 14	0.58 98	0.25 18	0.26 19	0.26 39	0.22 36	0.36 39	0.25 30	0.14 244	0.10 110	0.11 119	0.10 80	0.13 44	0.11 12

U	3.41 457	0.37 57	1.27 5	0.27 32	13.75 473	19.65 478	0.15 4	0.43 10	0.33 1	0.18 1	0.19 1	0.27 47	0.15 2	0.23 1	0.19 1	0.10 55	0.06 1	17.75 477	12.73 473	0.11 22	0.10 5

RSM++	0.48 76	0.52 127	1.27 5	1.62 438	1.27 432	0.39 29	0.20 30	0.49 25	0.56 86	0.22 5	0.25 14	0.24 26	0.17 6	0.39 48	0.23 18	0.09 13	0.11 136	0.09 22	0.35 379	0.29 294	0.80 343

IGEV-BASED-STEREO-	0.45 56	1.36 363	1.30 7	0.24 5	0.12 3	0.33 15	0.20 30	0.41 5	0.37 4	0.32 41	0.21 2	0.16 1	0.14 1	0.29 5	0.62 233	0.55 415	1.42 420	0.11 119	0.13 174	0.25 245	0.56 279

RSM	0.47 68	0.51 123	1.36 8	1.37 424	1.04 412	0.37 25	0.21 47	0.52 40	0.55 80	0.23 9	0.28 25	0.28 54	0.17 6	0.40 55	0.22 6	0.09 13	0.24 258	0.09 22	0.35 379	0.24 230	0.80 343

rvit_stereo_0080	0.33 8	0.77 218	1.43 9	0.24 5	0.18 53	0.34 17	0.27 163	0.58 73	0.51 50	0.25 18	0.27 23	0.27 47	0.22 36	0.32 18	0.27 52	0.14 244	0.10 110	0.10 68	0.10 80	0.15 74	0.17 57

IGEV-Stereo+	0.48 76	0.32 17	1.43 9	0.26 22	0.46 304	0.30 7	0.13 1	0.32 1	0.57 91	0.80 350	0.24 8	0.19 4	0.19 16	0.57 127	0.46 172	0.10 55	1.36 414	0.08 4	0.22 305	0.46 391	1.04 379

whm_eth	0.33 8	0.77 218	1.43 9	0.24 5	0.18 53	0.34 17	0.27 163	0.58 73	0.51 50	0.25 18	0.27 23	0.27 47	0.22 36	0.32 18	0.27 52	0.14 244	0.10 110	0.10 68	0.10 80	0.15 74	0.17 57

anonymity	0.86 341	0.68 182	1.44 12	0.64 356	0.83 385	0.67 284	0.52 344	0.98 309	0.73 241	0.96 378	0.70 306	0.81 329	0.86 377	1.10 230	1.34 354	0.64 418	0.72 356	0.58 421	1.44 460	0.60 410	0.91 362

CES	0.33 8	0.32 17	1.46 13	0.25 10	0.50 310	0.40 30	0.20 30	0.48 22	0.48 33	0.22 5	0.29 30	0.26 39	0.19 16	0.35 36	0.22 6	0.09 13	0.07 7	0.08 4	0.05 1	0.16 91	0.54 271

rvit_0105_6	0.36 20	0.55 141	1.48 14	0.31 95	0.18 53	0.35 22	0.26 146	0.56 66	0.66 157	0.26 25	0.29 30	0.33 80	0.26 77	0.41 62	0.27 52	0.18 317	0.16 207	0.15 286	0.13 174	0.15 74	0.25 111

BUS	0.45 56	0.32 17	1.58 15	0.31 95	0.22 113	0.91 375	0.23 89	1.05 364	0.67 170	0.64 279	0.53 164	0.65 253	0.32 143	0.48 87	0.34 123	0.13 213	0.10 110	0.14 261	0.12 156	0.13 44	0.15 38

BSDual-CNN	0.48 76	0.32 17	1.58 15	0.31 95	0.22 113	0.76 322	0.32 235	1.05 364	0.67 170	0.64 279	0.53 164	0.63 243	0.38 175	0.48 87	0.97 310	0.13 213	0.10 110	0.14 261	0.12 156	0.13 44	0.15 38

psmg	0.48 76	0.32 17	1.58 15	0.28 47	0.22 113	0.75 318	0.35 266	0.94 279	0.67 170	0.61 247	0.59 226	0.63 243	0.38 175	0.48 87	0.97 310	0.13 213	0.11 136	0.13 227	0.13 174	0.14 64	0.15 38

RAFT-Stereo-weight	0.46 63	0.37 57	1.60 18	0.29 65	0.51 312	0.57 143	0.22 61	0.84 203	0.67 170	0.48 99	0.38 75	0.36 89	0.17 6	0.39 48	0.27 52	0.09 13	1.28 406	0.09 22	0.07 14	0.09 6	0.41 210

AIO-Stereo	0.64 222	0.60 155	1.63 19	1.31 418	1.45 439	0.38 27	0.20 30	0.55 63	0.83 325	0.31 39	0.31 42	0.23 20	0.15 2	0.39 48	0.63 239	0.10 55	1.25 399	0.09 22	0.41 399	0.21 194	1.73 428

trnet	0.31 4	0.31 8	1.65 20	0.20 2	0.12 3	0.55 115	0.15 4	0.50 35	0.51 50	0.28 31	0.34 54	0.24 26	0.21 28	0.34 27	0.24 21	0.11 131	0.07 7	0.08 4	0.05 1	0.09 6	0.12 15

IGEV-Stereo++	0.58 153	0.29 2	1.66 21	0.37 206	0.53 320	0.47 53	0.13 1	0.54 54	0.37 4	1.02 386	0.25 14	0.17 2	0.22 36	1.04 224	0.27 52	0.08 1	1.98 441	0.08 4	0.06 7	0.17 113	1.92 432

CREStereo	0.31 4	0.35 42	1.66 21	0.19 1	0.13 7	0.55 115	0.17 11	0.50 35	0.50 45	0.28 31	0.34 54	0.24 26	0.21 28	0.34 27	0.23 18	0.11 131	0.07 7	0.08 4	0.05 1	0.10 14	0.12 15
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
CroCo-Stereo	0.35 16	0.71 193	1.67 23	0.32 115	0.17 40	0.19 1	0.21 47	0.79 163	0.54 73	0.22 5	0.25 14	0.55 207	0.22 36	0.28 3	0.28 64	0.10 55	0.08 40	0.08 4	0.07 14	0.12 32	0.10 5
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
WCG-NET	0.42 35	0.60 155	1.68 24	0.26 22	0.19 79	0.51 71	0.18 16	0.58 73	0.49 37	0.42 64	0.58 220	0.32 74	0.26 77	0.38 44	0.30 77	0.10 55	0.59 334	0.08 4	0.07 14	0.31 310	0.49 252

PMTNet	0.35 16	0.38 65	1.75 25	0.21 3	0.14 10	0.57 143	0.24 111	0.48 22	0.44 21	0.28 31	0.32 50	0.26 39	0.24 51	0.41 62	0.24 21	0.42 403	0.07 7	0.08 4	0.05 1	0.18 137	0.15 38

WCG-NET（raft）	0.44 52	0.97 272	1.78 26	0.24 5	0.17 40	0.43 36	0.24 111	0.42 8	0.52 60	0.38 50	0.35 61	0.46 158	0.25 67	0.41 62	0.26 44	0.08 1	1.08 384	0.08 4	0.08 32	0.27 274	0.40 202

rvit_stereo_0081_aga	0.34 12	0.67 175	1.79 27	0.27 32	0.20 91	0.34 17	0.21 47	0.43 10	0.48 33	0.26 25	0.28 25	0.27 47	0.21 28	0.33 22	0.25 30	0.14 244	0.11 136	0.11 119	0.10 80	0.14 64	0.18 66

CAS	0.39 28	0.31 8	1.79 27	0.81 386	0.34 241	0.51 71	0.23 89	0.49 25	0.42 13	0.23 9	0.31 42	0.20 5	0.17 6	0.30 6	0.25 30	0.77 427	0.06 1	0.07 1	0.05 1	0.10 14	0.41 210

CASnet	0.32 7	0.40 75	1.80 29	0.28 47	0.11 1	0.47 53	0.19 19	0.45 14	0.47 30	0.39 54	0.31 42	0.23 20	0.17 6	0.31 8	0.21 3	0.11 131	0.06 1	0.15 286	0.12 156	0.16 91	0.08 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
RCA-Stereo	0.45 56	0.38 65	1.80 29	0.27 32	0.25 154	0.58 153	0.23 89	0.84 203	0.66 157	0.42 64	0.44 106	0.28 54	0.35 158	0.31 8	0.21 3	0.09 13	1.01 376	0.09 22	0.07 14	0.21 194	0.53 268

GLC_STEREO	0.31 4	0.30 6	1.80 29	0.29 65	0.12 3	0.41 31	0.20 30	0.39 3	0.42 13	0.26 25	0.31 42	0.25 31	0.19 16	0.36 39	0.26 44	0.09 13	0.11 136	0.12 169	0.10 80	0.13 44	0.15 38

CSP-Net	0.55 130	0.61 162	1.81 32	0.30 81	0.23 135	0.77 332	0.35 266	0.90 258	0.62 123	0.62 259	0.60 233	0.65 253	0.42 219	1.76 329	0.47 176	0.17 306	0.12 152	0.10 68	0.10 80	0.21 194	0.16 51

mmm	0.66 247	0.53 131	1.83 33	0.38 225	0.86 388	0.49 63	0.27 163	0.82 184	0.83 325	0.59 229	0.69 293	0.47 167	0.38 175	0.81 200	0.73 270	0.12 168	1.37 415	0.14 261	0.45 404	0.18 137	1.35 410

knoymous	0.37 22	0.34 34	1.83 33	0.25 10	0.18 53	0.45 40	0.24 111	0.60 87	0.40 8	0.42 64	0.39 80	0.54 199	0.25 67	0.41 62	0.29 73	0.12 168	0.08 40	0.12 169	0.07 14	0.13 44	0.20 79

AnonymousM	0.45 56	0.49 109	1.83 33	0.29 65	0.15 16	0.53 96	0.22 61	0.64 103	0.66 157	0.47 96	0.33 52	0.30 62	0.25 67	0.49 97	0.29 73	0.12 168	0.27 277	0.71 428	0.37 387	0.12 32	0.41 210

test_sample2	0.59 169	0.42 83	1.84 36	0.33 136	0.18 53	0.52 88	0.28 175	0.86 226	0.70 216	0.47 96	0.53 164	0.46 158	0.41 207	1.51 290	0.66 249	0.12 168	0.93 371	0.11 119	0.24 313	0.16 91	1.01 377

test_sample1	0.61 184	0.45 99	1.84 36	0.33 136	0.29 195	0.49 63	0.24 111	0.83 195	0.73 241	0.51 144	0.53 164	0.52 192	0.45 247	1.40 273	0.72 268	0.11 131	0.96 372	0.10 68	0.24 313	0.15 74	1.25 399

GMStereo_Zeroshot	0.44 52	0.44 94	1.84 36	0.44 279	0.20 91	0.52 88	0.19 19	0.60 87	0.54 73	0.58 210	0.59 226	0.63 243	0.29 122	0.59 132	0.34 123	0.16 287	0.09 86	0.16 304	0.09 46	0.26 263	0.26 119

AEACV	0.89 355	0.29 2	1.84 36	2.50 460	1.68 449	0.53 96	0.21 47	1.01 335	0.42 13	0.68 308	0.31 42	0.22 13	0.39 190	1.63 311	0.25 30	0.09 13	2.60 461	0.09 22	0.54 421	0.23 223	2.27 454

ProNet	0.46 63	0.60 155	1.85 40	0.35 178	0.67 360	0.49 63	0.25 131	0.53 44	0.57 91	0.21 2	0.24 8	0.22 13	0.20 24	0.52 107	0.22 6	0.09 13	0.47 312	0.10 68	0.09 46	0.23 223	1.33 406

DAS	0.61 184	0.42 83	1.85 40	0.34 158	0.34 241	0.52 88	0.42 302	0.89 250	0.80 306	0.85 364	0.69 293	0.57 218	0.51 281	2.38 401	0.57 215	0.13 213	0.09 86	0.12 169	0.09 46	0.18 137	0.37 182

SepStereo	0.57 145	0.42 83	1.85 40	0.34 158	0.34 241	0.52 88	0.42 302	0.89 250	0.80 306	0.85 364	0.69 293	0.57 218	0.51 281	1.55 294	0.57 215	0.13 213	0.09 86	0.12 169	0.09 46	0.18 137	0.37 182

rvit_stereo_ft	0.38 25	1.01 277	1.86 43	0.33 136	0.21 103	0.28 4	0.27 163	0.59 83	0.55 80	0.24 14	0.28 25	0.28 54	0.27 91	0.35 36	0.28 64	0.14 244	0.09 86	0.11 119	0.11 125	0.14 64	0.31 154

Selective-IGEV	0.57 145	0.42 83	1.87 44	1.67 442	1.33 433	0.36 23	0.20 30	0.61 90	0.71 230	0.22 5	0.31 42	0.22 13	0.19 16	0.52 107	0.36 132	0.09 13	0.97 373	0.09 22	0.15 215	0.20 184	0.85 354

LoS	0.34 12	0.35 42	1.88 45	0.25 10	0.13 7	0.53 96	0.20 30	0.50 35	0.53 69	0.26 25	0.28 25	0.37 94	0.24 51	0.40 55	0.25 30	0.10 55	0.08 40	0.08 4	0.06 7	0.15 74	0.10 5
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
Selective-RAFT	0.46 63	0.48 106	1.88 45	0.32 115	0.16 23	0.61 203	0.19 19	0.66 109	0.62 123	0.28 31	0.30 35	0.41 116	0.33 148	0.51 103	0.32 104	0.11 131	1.09 386	0.09 22	0.35 379	0.19 166	0.37 182

Any-RAFT	0.42 35	0.33 27	1.89 47	0.28 47	0.21 103	0.69 293	0.21 47	0.83 195	0.60 111	0.45 82	0.43 95	0.62 239	0.30 132	0.48 87	0.24 21	0.11 131	0.40 301	0.08 4	0.06 7	0.10 14	0.16 51

CAS++	0.34 12	0.39 70	1.90 48	0.25 10	0.18 53	0.32 10	0.20 30	0.78 155	0.44 21	0.31 39	0.31 42	0.21 12	0.16 4	0.34 27	0.20 2	0.15 273	0.13 166	0.13 227	0.10 80	0.15 74	0.14 30
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
EGLCR-Stereo	0.90 358	0.31 8	1.90 48	1.60 437	0.95 398	1.14 402	0.42 302	0.85 215	0.43 17	1.74 436	0.21 2	0.27 47	0.17 6	1.56 296	0.30 77	0.10 55	2.60 461	0.10 68	0.09 46	0.10 14	3.10 462

CRFU-Net	0.58 153	0.42 83	1.90 48	0.49 307	0.27 179	0.83 356	0.35 266	0.94 279	0.54 73	0.65 294	0.60 233	0.78 318	1.34 409	1.00 218	0.51 196	0.17 306	0.14 180	0.17 319	0.10 80	0.19 166	0.20 79

Pointernet	0.37 22	0.31 8	1.91 51	0.25 10	0.37 262	0.47 53	0.15 4	0.67 112	0.52 60	0.23 9	0.30 35	0.28 54	0.20 24	0.32 18	0.23 18	0.10 55	0.24 258	0.07 1	0.13 174	0.10 14	0.51 259

iRaftStereo_RVC	0.47 68	0.84 233	1.91 51	0.29 65	0.15 16	0.53 96	0.20 30	0.58 73	0.50 45	0.37 47	0.43 95	0.42 121	0.23 49	0.38 44	0.28 64	0.09 13	0.70 353	0.12 169	0.11 125	0.43 381	0.77 335

SMFormer	0.64 222	0.54 133	1.92 53	0.32 115	0.16 23	0.46 43	0.24 111	0.94 279	0.85 340	0.58 210	0.70 306	0.51 185	0.41 207	1.89 359	0.86 301	0.13 213	1.01 376	0.11 119	0.26 328	0.17 113	0.84 350

tta	0.63 213	0.54 133	1.92 53	0.32 115	0.16 23	0.46 43	0.24 111	0.94 279	0.85 340	0.58 210	0.70 306	0.51 185	0.41 207	1.89 359	0.86 301	0.13 213	1.01 376	0.11 119	0.26 328	0.19 166	0.59 288

qqq1	0.62 200	0.54 133	1.92 53	0.32 115	0.16 23	0.46 43	0.24 111	0.94 279	0.85 340	0.58 210	0.70 306	0.51 185	0.41 207	1.89 359	0.64 241	0.13 213	1.01 376	0.09 22	0.24 313	0.19 166	0.59 288

fff1	0.62 200	0.54 133	1.92 53	0.32 115	0.16 23	0.46 43	0.24 111	0.94 279	0.85 340	0.58 210	0.70 306	0.51 185	0.41 207	1.89 359	0.64 241	0.13 213	1.01 376	0.09 22	0.24 313	0.19 166	0.59 288

EAI-Stereo	1.16 399	0.29 2	1.94 57	0.55 328	0.97 402	1.96 438	7.94 468	1.34 420	1.03 394	1.01 385	1.48 415	0.51 185	0.66 338	0.65 152	1.42 363	0.09 13	0.23 256	0.09 22	0.53 420	0.13 44	0.49 252

222	1.02 380	0.60 155	1.95 58	0.29 65	0.51 312	0.62 225	0.24 111	1.09 385	0.86 346	0.64 279	0.67 287	0.47 167	0.42 219	1.86 352	6.73 462	0.13 213	1.21 395	0.11 119	0.32 362	0.17 113	1.44 417

DSFCA	0.62 200	0.77 218	1.95 58	0.29 65	0.29 195	0.79 342	0.86 407	0.81 176	0.73 241	0.73 327	0.66 282	0.67 262	0.57 305	1.17 244	1.03 323	0.16 287	0.15 194	0.13 227	0.14 195	0.19 166	0.28 131

DMCA	0.50 95	0.83 232	1.95 58	0.32 115	0.24 147	0.59 171	0.26 146	0.81 176	0.68 197	0.59 229	0.49 135	0.56 214	0.36 161	0.65 152	0.65 246	0.14 244	0.10 110	0.14 261	0.10 80	0.19 166	0.29 137

LoS_RVC	0.34 12	0.38 65	1.96 61	0.27 32	0.35 249	0.43 36	0.22 61	0.43 10	0.34 2	0.24 14	0.34 54	0.23 20	0.28 105	0.34 27	0.22 6	0.08 1	0.07 7	0.07 1	0.05 1	0.10 14	0.35 175

anonymousdsp2	0.88 348	0.31 8	1.96 61	1.06 407	1.56 445	0.57 143	0.22 61	0.84 203	0.98 387	1.20 406	0.37 69	0.65 253	0.26 77	1.19 248	0.46 172	0.10 55	2.40 459	0.10 68	0.13 174	0.19 166	2.96 460

rvit_0105_4	0.40 30	0.64 170	1.98 63	0.31 95	0.18 53	0.37 25	0.29 200	0.64 103	0.67 170	0.28 31	0.32 50	0.36 89	0.28 105	0.45 73	0.27 52	0.18 317	0.16 207	0.15 286	0.14 195	0.15 74	0.25 111

DISCO	0.61 184	0.63 168	1.98 63	0.46 289	0.34 241	0.84 361	0.35 266	0.88 242	0.81 314	0.61 247	0.64 268	1.06 396	0.53 291	1.11 234	0.83 297	0.13 213	0.10 110	0.11 119	0.10 80	0.26 263	0.37 182

MGS-Stereo	0.35 16	0.48 106	1.99 65	0.26 22	0.14 10	0.41 31	0.22 61	0.41 5	0.48 33	0.24 14	0.51 150	0.25 31	0.18 14	0.33 22	0.22 6	0.10 55	0.08 40	0.09 22	0.08 32	0.47 395	0.10 5

MC-Stereo	0.58 153	0.37 57	2.00 66	0.88 389	0.64 356	0.54 105	0.19 19	0.46 19	0.39 7	0.58 210	0.39 80	0.27 47	0.27 91	0.71 172	0.32 104	0.09 13	1.20 392	0.09 22	0.16 236	0.22 209	1.92 432

DLCB_ROB	0.61 184	0.96 271	2.00 66	0.37 206	0.25 154	0.65 264	0.37 277	0.86 226	0.76 273	0.73 327	0.70 306	0.84 340	0.47 263	1.57 301	0.72 268	0.13 213	0.13 166	0.14 261	0.14 195	0.18 137	0.33 161

RAFT-Test	0.56 138	0.41 80	2.01 68	0.90 392	1.07 416	0.65 264	0.37 277	0.83 195	0.65 150	0.49 115	0.49 135	0.93 365	0.24 51	0.52 107	0.30 77	0.10 55	0.38 295	0.09 22	0.38 391	0.11 22	0.19 71

CASS	0.43 39	0.34 34	2.01 68	0.33 136	0.17 40	0.54 105	0.24 111	0.71 132	0.52 60	0.62 259	0.55 190	0.40 110	0.41 207	0.43 69	0.33 115	0.17 306	0.10 110	0.14 261	0.11 125	0.18 137	0.23 98
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
ccnet	0.77 306	0.61 162	2.01 68	0.40 251	0.46 304	1.05 392	0.59 365	1.02 343	0.74 259	0.90 370	0.97 377	0.82 334	0.89 382	1.68 321	1.16 337	0.32 394	0.26 270	0.32 398	0.28 338	0.35 339	0.47 242

CroCo-Stereo Lap2	0.38 25	0.91 259	2.02 71	0.33 136	0.38 269	0.23 2	0.21 47	0.63 100	0.51 50	0.23 9	0.28 25	0.29 61	0.23 49	0.34 27	0.28 64	0.10 55	0.09 86	0.10 68	0.08 32	0.22 209	0.15 38

Anonymous_2	1.36 413	0.49 109	2.03 72	1.71 444	1.58 446	2.49 451	0.58 362	1.59 433	2.31 445	0.77 339	0.88 363	1.03 388	0.58 312	1.20 249	0.66 249	0.32 394	1.38 416	1.42 454	3.87 467	0.78 427	1.56 421

PSMNet-ADL	0.56 138	0.47 103	2.03 72	0.35 178	0.22 113	0.67 284	0.27 163	0.77 148	0.58 98	0.43 72	0.53 164	0.70 293	0.45 247	1.89 359	0.64 241	0.16 287	0.13 166	0.11 119	0.13 174	0.15 74	0.51 259

MMNet	0.55 130	0.92 264	2.03 72	0.34 158	0.27 179	0.79 342	0.28 175	0.86 226	0.79 298	0.62 259	0.58 220	0.59 225	0.56 300	0.80 197	0.61 230	0.11 131	0.11 136	0.12 169	0.11 125	0.21 194	0.22 89

hknet	0.53 118	0.39 70	2.04 75	0.31 95	0.24 147	0.76 322	0.32 235	1.05 364	0.71 230	0.64 279	0.53 164	0.79 320	0.40 197	0.84 202	0.78 283	0.12 168	0.10 110	0.14 261	0.12 156	0.13 44	0.15 38

UPFNet	0.51 105	0.67 175	2.04 75	0.34 158	0.33 231	0.65 264	0.37 277	0.88 242	0.65 150	0.60 238	0.53 164	0.61 234	0.41 207	0.77 185	0.55 210	0.13 213	0.13 166	0.13 227	0.13 174	0.20 184	0.16 51

iResNet_ROB	0.60 177	1.59 398	2.04 75	0.32 115	0.21 103	0.60 184	0.22 61	0.99 317	0.85 340	0.61 247	0.63 256	0.58 222	0.42 219	1.08 228	0.98 316	0.11 131	0.08 40	0.09 22	0.06 7	0.23 223	0.33 161

IGEV++	0.74 285	0.70 190	2.05 78	1.11 411	1.09 418	0.32 10	0.21 47	0.75 139	0.43 17	0.30 38	0.30 35	0.22 13	0.27 91	0.98 217	0.31 94	0.10 55	2.50 460	0.08 4	0.15 215	0.27 274	2.70 458

Gwc-CoAtRS	0.41 32	0.37 57	2.06 79	0.28 47	0.41 282	0.48 58	0.19 19	0.64 103	0.49 37	0.45 82	0.39 80	0.57 218	0.26 77	0.37 42	0.28 64	0.09 13	0.19 229	0.09 22	0.31 355	0.11 22	0.25 111

riskmin	0.96 370	0.32 17	2.07 80	1.72 445	1.61 448	1.62 426	0.57 360	1.45 426	0.55 80	0.73 327	0.89 365	0.92 360	0.45 247	1.16 241	0.60 224	0.11 131	1.30 410	0.12 169	1.38 459	0.14 64	1.51 420

StereoDRNet-Refined	0.55 130	0.61 162	2.07 80	0.34 158	0.21 103	0.68 290	0.26 146	0.87 234	0.73 241	0.70 315	0.69 293	0.74 304	0.45 247	1.10 230	0.62 233	0.12 168	0.09 86	0.14 261	0.14 195	0.27 274	0.24 107
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
Occ-G	0.68 255	0.54 133	2.08 82	0.99 404	0.74 370	0.38 27	0.25 131	0.46 19	0.78 288	0.40 57	0.36 63	0.46 158	0.22 36	0.90 210	0.70 258	0.09 13	1.53 424	0.09 22	0.16 236	0.31 310	2.06 438

test_sample7	0.65 229	0.41 80	2.08 82	0.36 194	0.20 91	0.52 88	0.32 235	0.99 317	0.86 346	0.64 279	0.63 256	0.67 262	0.49 274	1.18 246	0.52 198	0.18 317	1.21 395	0.16 304	0.15 215	0.19 166	1.22 396

HCRNet	0.50 95	0.75 215	2.08 82	0.39 238	0.29 195	0.58 153	0.22 61	0.79 163	0.67 170	0.49 115	0.49 135	0.48 175	0.37 167	1.13 237	0.40 146	0.15 273	0.10 110	0.15 286	0.13 174	0.21 194	0.19 71

ff7	0.65 229	0.58 147	2.09 85	0.39 238	0.60 340	0.56 121	0.23 89	0.49 25	0.62 123	1.00 381	0.24 8	0.20 5	0.24 51	0.71 172	0.24 21	0.09 13	2.09 443	0.10 68	0.18 258	0.24 230	2.22 449

IGEVStereo-DCA	0.74 285	0.74 211	2.09 85	0.76 377	0.77 377	0.45 40	0.23 89	0.49 25	0.62 123	0.71 324	0.22 4	0.30 62	0.28 105	1.29 263	1.53 370	0.10 55	1.50 422	0.10 68	0.18 258	0.24 230	2.22 449

ffff	0.65 229	0.58 147	2.09 85	0.39 238	0.60 340	0.56 121	0.23 89	0.49 25	0.62 123	1.00 381	0.24 8	0.20 5	0.24 51	0.71 172	0.24 21	0.09 13	2.09 443	0.10 68	0.18 258	0.24 230	2.22 449

11t	0.65 229	0.58 147	2.09 85	0.39 238	0.60 340	0.56 121	0.23 89	0.49 25	0.62 123	1.00 381	0.24 8	0.20 5	0.24 51	0.71 172	0.24 21	0.09 13	2.09 443	0.10 68	0.18 258	0.24 230	2.22 449

ccc-4	0.65 229	0.58 147	2.09 85	0.39 238	0.60 340	0.56 121	0.23 89	0.49 25	0.62 123	1.00 381	0.24 8	0.20 5	0.24 51	0.71 172	0.24 21	0.09 13	2.09 443	0.10 68	0.18 258	0.24 230	2.22 449

test-1	0.61 184	0.54 133	2.09 85	0.31 95	1.37 435	0.51 71	0.28 175	0.83 195	0.50 45	0.42 64	0.55 190	0.54 199	0.24 51	0.38 44	1.25 349	0.10 55	1.08 384	0.10 68	0.17 250	0.11 22	0.77 335

rvit_0105_5	0.43 39	0.73 201	2.10 91	0.31 95	0.18 53	0.41 31	0.31 224	0.69 118	0.67 170	0.32 41	0.34 54	0.38 99	0.30 132	0.42 68	0.30 77	0.18 317	0.16 207	0.15 286	0.15 215	0.15 74	0.30 146

qqq	0.65 229	0.63 168	2.10 91	0.30 81	0.64 356	0.46 43	0.27 163	0.81 176	0.83 325	0.48 99	0.56 203	0.46 158	0.37 167	1.03 222	0.75 274	0.11 131	1.41 419	0.12 169	0.41 399	0.16 91	1.18 387

CBFPSM	0.62 200	1.34 355	2.12 93	0.30 81	0.23 135	0.71 301	0.38 285	0.77 148	0.68 197	0.51 144	0.49 135	1.03 388	0.82 369	0.63 144	1.35 356	0.11 131	0.12 152	0.10 68	0.10 80	0.19 166	0.37 182

x	0.65 229	0.62 166	2.12 93	0.36 194	0.61 349	0.48 58	0.24 111	0.80 169	0.89 360	0.50 133	0.56 203	0.44 137	0.36 161	0.62 143	0.80 288	0.11 131	1.44 421	0.11 119	0.39 394	0.16 91	1.34 408

IER	0.49 91	0.73 201	2.12 93	0.27 32	0.25 154	0.65 264	0.27 163	0.76 142	0.59 107	0.56 188	0.59 226	0.60 232	0.53 291	0.64 149	0.44 164	0.12 168	0.09 86	0.11 119	0.11 125	0.18 137	0.15 38

test_xeample	0.98 375	0.65 173	2.12 93	0.29 65	0.67 360	0.60 184	0.28 175	1.08 383	0.85 340	0.62 259	0.70 306	0.44 137	0.41 207	1.95 367	5.45 458	0.12 168	1.33 413	0.11 119	0.31 355	0.18 137	1.42 416

xxxx	0.97 373	0.64 170	2.14 97	0.30 81	0.67 360	0.64 250	0.24 111	1.09 385	0.91 365	0.57 204	0.65 275	0.58 222	0.39 190	1.57 301	5.49 459	0.13 213	1.38 416	0.11 119	0.32 362	0.17 113	1.41 415

MaDis-Stereo	0.35 16	0.89 251	2.15 98	0.25 10	0.29 195	0.29 6	0.17 11	0.47 21	0.41 9	0.21 2	0.22 4	0.28 54	0.21 28	0.32 18	0.31 94	0.10 55	0.09 86	0.10 68	0.08 32	0.11 22	0.12 15

test_4	0.47 68	0.80 229	2.15 98	0.36 194	0.29 195	0.59 171	0.28 175	0.50 35	0.42 13	0.43 72	0.76 337	0.39 102	0.22 36	0.73 178	0.49 189	0.08 1	0.18 224	0.11 119	0.15 215	0.29 294	0.27 125

raftrobust	0.52 106	1.14 305	2.15 98	0.33 136	0.99 403	0.53 96	0.21 47	0.59 83	0.50 45	0.53 161	0.36 63	0.31 69	0.33 148	0.47 78	0.42 154	0.10 55	0.55 327	0.09 22	0.08 32	0.22 209	0.46 240

test_sample6	0.64 222	0.51 123	2.17 101	0.35 178	0.18 53	0.56 121	0.27 163	1.00 326	0.80 306	0.56 188	0.66 282	0.47 167	0.39 190	1.95 367	0.60 224	0.14 244	0.80 360	0.13 227	0.21 295	0.18 137	0.78 338

cross-raft	0.47 68	0.34 34	2.17 101	0.70 372	0.84 387	0.50 69	0.35 266	0.74 136	0.43 17	0.44 78	0.45 108	0.63 243	0.25 67	0.37 42	0.27 52	0.08 1	0.14 180	0.10 68	0.23 310	0.11 22	0.27 125

s12784h	0.41 32	0.34 34	2.17 101	0.24 5	0.11 1	0.64 250	0.24 111	0.85 215	0.70 216	0.45 82	0.54 180	0.28 54	0.27 91	0.51 103	0.27 52	0.11 131	0.06 1	0.09 22	0.06 7	0.16 91	0.14 30

MoCha-V2	0.74 285	0.78 223	2.18 104	1.01 405	1.55 444	0.36 23	0.19 19	0.61 90	0.49 37	0.33 43	0.34 54	0.30 62	0.27 91	1.56 296	0.47 176	0.09 13	1.94 438	0.08 4	0.37 387	0.18 137	1.62 424

AdaStereo	0.48 76	0.44 94	2.18 104	0.36 194	0.20 91	0.59 171	0.29 200	0.97 302	0.74 259	0.52 153	0.55 190	0.61 234	0.33 148	0.52 107	0.44 164	0.18 317	0.08 40	0.17 319	0.11 125	0.18 137	0.24 107
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.
test_sample5	0.63 213	0.50 116	2.19 106	0.34 158	0.19 79	0.56 121	0.26 146	0.98 309	0.77 283	0.55 176	0.63 256	0.45 149	0.38 175	1.87 356	0.58 218	0.14 244	0.82 364	0.13 227	0.22 305	0.18 137	0.76 332

11t1	0.60 177	0.49 109	2.19 106	0.35 178	0.58 334	0.48 58	0.21 47	0.72 133	0.73 241	0.49 115	0.47 116	0.35 88	0.34 156	0.61 140	0.71 264	0.12 168	1.26 403	0.10 68	0.29 342	0.16 91	1.22 396

DualNet	0.63 213	0.50 116	2.19 106	0.34 158	0.19 79	0.56 121	0.26 146	0.98 309	0.77 283	0.56 188	0.66 282	0.45 149	0.38 175	1.87 356	0.58 218	0.14 244	0.82 364	0.13 227	0.22 305	0.18 137	0.76 332

NINENet	0.54 126	0.40 75	2.19 106	0.55 328	0.26 168	0.91 375	0.23 89	1.05 364	0.77 283	0.54 165	0.57 214	0.65 253	0.32 143	1.22 250	0.34 123	0.16 287	0.13 166	0.16 304	0.11 125	0.16 91	0.14 30

DeepStereo_RVC	0.47 68	0.37 57	2.19 106	0.55 328	0.18 53	0.60 184	0.58 362	0.52 40	0.62 123	0.49 115	0.45 108	0.39 102	0.85 375	0.47 78	0.34 123	0.12 168	0.08 40	0.11 119	0.09 46	0.15 74	0.19 71

CFNet_pseudo	0.47 68	0.50 116	2.19 106	0.26 22	0.20 91	0.56 121	0.22 61	0.80 169	0.62 123	0.50 133	0.56 203	0.68 276	0.47 263	0.53 114	0.33 115	0.11 131	0.10 110	0.15 286	0.10 80	0.18 137	0.33 161

ccs_rob	0.47 68	0.50 116	2.19 106	0.26 22	0.20 91	0.56 121	0.22 61	0.80 169	0.62 123	0.50 133	0.56 203	0.68 276	0.47 263	0.53 114	0.33 115	0.11 131	0.10 110	0.16 304	0.10 80	0.18 137	0.33 161

iRaft-Stereo_5w	0.65 229	1.35 358	2.21 113	0.30 81	0.63 352	0.49 63	0.28 175	0.78 155	0.64 143	0.41 59	0.61 241	0.62 239	0.46 255	1.79 339	0.48 180	0.10 55	0.25 267	0.11 119	0.12 156	0.40 371	0.94 366

DIP-Stereo	0.43 39	0.50 116	2.21 113	0.27 32	0.18 53	0.63 239	0.17 11	0.94 279	0.58 98	0.49 115	0.48 122	0.30 62	0.30 132	0.40 55	0.31 94	0.10 55	0.08 40	0.10 68	0.08 32	0.15 74	0.33 161
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	0.33 8	0.81 231	2.22 115	0.27 32	0.18 53	0.25 3	0.20 30	0.45 14	0.38 6	0.21 2	0.26 19	0.20 5	0.16 4	0.26 2	0.26 44	0.10 55	0.08 40	0.10 68	0.08 32	0.13 44	0.09 2

PCWNet_CMD	0.48 76	0.50 116	2.23 116	0.27 32	0.20 91	0.56 121	0.22 61	0.78 155	0.67 170	0.49 115	0.55 190	0.68 276	0.56 300	0.48 87	0.32 104	0.11 131	0.10 110	0.14 261	0.10 80	0.19 166	0.43 220

MSMDNet	0.48 76	0.50 116	2.23 116	0.27 32	0.20 91	0.56 121	0.22 61	0.78 155	0.67 170	0.49 115	0.55 190	0.68 276	0.56 300	0.48 87	0.32 104	0.11 131	0.10 110	0.13 227	0.10 80	0.18 137	0.43 220

rvit_0105_3	0.46 63	0.86 240	2.24 118	0.33 136	0.19 79	0.44 39	0.35 266	0.74 136	0.70 216	0.38 50	0.38 75	0.41 116	0.33 148	0.46 74	0.32 104	0.19 332	0.17 217	0.17 319	0.18 258	0.15 74	0.22 89

test_sample4	0.62 200	0.49 109	2.24 118	0.34 158	0.19 79	0.57 143	0.25 131	0.98 309	0.76 273	0.56 188	0.55 190	0.45 149	0.38 175	1.78 335	0.56 212	0.13 213	0.80 360	0.13 227	0.21 295	0.17 113	0.76 332

test_sample3	0.61 184	0.48 106	2.24 118	0.34 158	0.19 79	0.58 153	0.25 131	0.97 302	0.76 273	0.54 165	0.52 159	0.46 158	0.37 167	1.78 335	0.57 215	0.13 213	0.79 358	0.12 169	0.21 295	0.17 113	0.73 328

CoDeX	0.54 126	0.52 127	2.25 121	0.30 81	0.26 168	0.61 203	0.32 235	1.03 350	0.73 241	0.49 115	0.56 203	0.52 192	0.40 197	1.59 308	0.38 142	0.12 168	0.09 86	0.11 119	0.10 80	0.15 74	0.22 89

RAFT	0.62 200	1.35 358	2.26 122	0.62 351	0.53 320	0.47 53	0.35 266	0.70 126	0.58 98	0.50 133	0.50 147	0.79 320	0.40 197	0.49 97	0.36 132	0.11 131	0.79 358	0.14 261	0.13 174	0.52 403	0.72 324

CFNet	0.65 229	1.45 382	2.27 123	0.34 158	0.25 154	0.64 250	0.23 89	0.93 274	0.79 298	0.48 99	0.59 226	0.58 222	0.40 197	2.28 392	0.63 239	0.13 213	0.09 86	0.15 286	0.14 195	0.34 328	0.26 119

NOSS_ROB	0.75 296	1.03 282	2.27 123	0.68 370	0.26 168	0.68 290	0.30 214	0.99 317	0.82 319	0.59 229	0.58 220	0.77 314	0.39 190	2.75 431	0.48 180	0.25 376	0.24 258	0.28 385	0.26 328	0.29 294	1.07 382

CFNet_ucs	0.50 95	0.55 141	2.28 125	0.27 32	0.22 113	0.58 153	0.23 89	0.90 258	0.69 206	0.54 165	0.64 268	0.68 276	0.44 239	0.55 121	0.34 123	0.14 244	0.12 152	0.16 304	0.11 125	0.19 166	0.38 190

XPNet_ROB	0.68 255	1.11 300	2.28 125	0.38 225	0.27 179	0.67 284	0.47 330	0.94 279	0.75 265	0.80 350	0.71 319	0.81 329	0.54 293	1.72 323	0.84 298	0.22 356	0.16 207	0.16 304	0.15 215	0.25 245	0.45 237

NVstereo2D	0.63 213	0.57 145	2.29 127	0.37 206	0.35 249	0.69 293	0.49 337	0.96 295	0.88 355	0.49 115	0.54 180	0.72 296	0.46 255	1.98 370	0.50 193	0.19 332	0.20 241	0.18 337	0.16 236	0.28 286	0.34 169

HSM	0.67 250	0.92 264	2.29 127	0.30 81	0.29 195	0.65 264	0.29 200	0.98 309	0.67 170	0.59 229	0.58 220	1.39 421	0.65 332	2.56 412	0.45 168	0.11 131	0.09 86	0.10 68	0.08 32	0.18 137	0.24 107

rvit_105_1	0.52 106	0.93 268	2.30 129	0.36 194	0.24 147	0.51 71	0.45 320	0.81 176	0.79 298	0.46 93	0.44 106	0.45 149	0.38 175	0.63 144	0.39 144	0.20 341	0.18 224	0.18 337	0.22 305	0.18 137	0.21 83

SFCPSM	0.48 76	0.39 70	2.30 129	0.28 47	0.27 179	0.70 296	0.32 235	1.00 326	0.69 206	0.50 133	0.52 159	0.43 122	0.36 161	0.53 114	0.44 164	0.12 168	0.09 86	0.12 169	0.16 236	0.18 137	0.23 98

NCCL2	0.71 272	1.32 349	2.30 129	0.44 279	0.31 215	0.71 301	0.67 387	0.89 250	0.69 206	0.70 315	0.61 241	0.85 345	0.54 293	1.58 307	0.70 258	0.20 341	0.17 217	0.66 425	0.25 322	0.26 263	0.38 190

DCRE	0.76 300	0.80 229	2.31 132	1.05 406	1.18 425	0.63 239	0.26 146	1.03 350	0.59 107	0.52 153	2.12 430	0.44 137	0.27 91	0.41 62	0.53 203	0.09 13	1.02 381	0.10 68	0.32 362	0.16 91	1.47 419

DCANet-4	0.43 39	0.32 17	2.31 132	0.26 22	0.14 10	0.51 71	0.22 61	0.84 203	0.78 288	0.55 176	0.48 122	0.28 54	0.37 167	0.40 55	0.37 136	0.10 55	0.07 7	0.09 22	0.07 14	0.08 1	0.43 220

IIG-Stereo	0.65 229	0.87 242	2.32 134	0.55 328	0.23 135	0.62 225	0.21 47	0.78 155	0.71 230	0.64 279	0.69 293	0.69 287	0.38 175	2.07 377	1.37 360	0.11 131	0.08 40	0.11 119	0.09 46	0.15 74	0.27 125

ETE_ROB	0.68 255	1.09 293	2.32 134	0.38 225	0.26 168	0.69 293	0.51 340	1.49 428	0.75 265	0.81 354	0.71 319	0.85 345	0.51 281	1.39 271	0.70 258	0.17 306	0.14 180	0.19 344	0.16 236	0.24 230	0.35 175

THIR-Stereo	0.88 348	0.85 237	2.33 136	0.26 22	0.16 23	0.59 171	2.69 455	0.62 94	0.54 73	0.62 259	1.61 419	0.96 374	1.77 432	1.67 318	2.20 403	0.10 55	0.08 40	0.14 261	0.11 125	0.16 91	0.21 83

tt1	0.74 285	0.73 201	2.34 137	0.67 365	0.63 352	0.75 318	0.24 111	0.85 215	0.96 381	0.81 354	0.38 75	0.26 39	0.35 158	0.64 149	0.22 6	0.10 55	2.16 453	0.11 119	0.09 46	0.25 245	2.19 445

FBW_ROB	0.94 367	1.23 335	2.35 138	0.46 289	0.32 225	0.87 367	0.46 326	1.15 400	0.97 386	0.83 361	0.78 345	1.01 384	0.64 330	3.65 453	1.65 373	0.27 383	0.24 258	0.40 409	0.26 328	0.32 317	0.88 359

PVD	1.05 386	1.21 326	2.36 139	0.84 387	0.91 394	1.04 390	0.64 377	1.32 419	1.68 435	1.43 426	1.41 414	1.14 408	1.15 404	1.49 288	1.77 381	0.27 383	0.65 343	0.28 385	0.35 379	0.40 371	0.73 328

RYNet	0.77 306	0.91 259	2.36 139	0.37 206	0.41 282	0.88 369	0.44 315	0.99 317	0.88 355	0.65 294	0.54 180	0.92 360	0.61 323	2.70 426	1.23 346	0.15 273	0.14 180	0.17 319	0.14 195	0.27 274	0.55 278

GCAP-BAT	0.78 308	0.38 65	2.37 141	0.98 400	0.60 340	0.77 332	0.22 61	1.13 398	0.51 50	0.80 350	0.90 369	0.81 329	0.25 67	0.77 185	0.88 303	0.10 55	1.94 438	0.09 22	0.50 415	0.17 113	1.35 410

ICVP	0.48 76	0.33 27	2.37 141	0.34 158	0.22 113	0.60 184	0.55 353	0.79 163	0.53 69	0.45 82	0.60 233	0.49 177	0.36 161	0.55 121	0.46 172	0.16 287	0.16 207	0.14 261	0.11 125	0.16 91	0.32 158
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
GES	0.49 91	0.54 133	2.37 141	0.31 95	0.19 79	0.61 203	0.30 214	0.93 274	0.52 60	0.49 115	0.53 164	0.40 110	0.43 231	0.59 132	0.67 252	0.16 287	0.11 136	0.12 169	0.10 80	0.20 184	0.30 146

gcap-zeroshot	0.52 106	0.86 240	2.38 144	0.32 115	0.60 340	0.70 296	0.20 30	0.78 155	0.58 98	0.44 78	0.36 63	0.81 329	0.24 51	0.53 114	0.30 77	0.10 55	0.35 288	0.09 22	0.31 355	0.09 6	0.40 202

OMP-Stereo	0.64 222	0.87 242	2.38 144	0.56 337	0.37 262	0.60 184	0.26 146	0.75 139	0.71 230	0.65 294	0.60 233	0.68 276	0.32 143	2.07 377	1.18 338	0.11 131	0.08 40	0.12 169	0.09 46	0.17 113	0.28 131

DRaft	0.65 229	0.47 103	2.38 144	0.25 10	0.17 40	0.64 250	0.65 380	0.56 66	0.57 91	0.67 302	0.98 380	0.38 99	0.99 393	1.42 277	2.06 393	0.11 131	0.14 180	0.10 68	0.14 195	0.18 137	0.21 83

TestStereo	0.49 91	0.88 246	2.38 144	0.30 81	0.16 23	0.43 36	0.25 131	0.55 63	0.46 24	0.38 50	0.46 111	0.34 85	0.28 105	1.96 369	0.28 64	0.11 131	0.08 40	0.12 169	0.09 46	0.15 74	0.13 18

sCroCo_RVC	0.37 22	0.39 70	2.38 144	0.35 178	0.27 179	0.31 9	0.22 61	0.49 25	0.48 33	0.23 9	0.34 54	0.25 31	0.24 51	0.35 36	0.25 30	0.15 273	0.17 217	0.12 169	0.11 125	0.15 74	0.15 38

CFNet-RSSM	0.44 52	0.36 46	2.38 144	0.28 47	0.43 293	0.53 96	0.20 30	0.86 226	0.52 60	0.44 78	0.36 63	0.53 194	0.26 77	0.40 55	0.27 52	0.09 13	0.08 40	0.09 22	0.38 391	0.10 14	0.22 89

TDLM	0.83 327	1.28 344	2.38 144	0.46 289	0.26 168	0.66 277	0.55 353	0.87 234	0.80 306	2.54 453	0.62 248	0.61 234	0.51 281	2.68 425	0.67 252	0.20 341	0.11 136	0.35 403	0.15 215	0.33 321	0.48 246

dad	0.58 153	1.35 358	2.39 151	0.31 95	0.20 91	0.62 225	0.26 146	0.56 66	0.79 298	0.66 300	0.64 268	0.64 250	0.36 161	0.87 205	0.48 180	0.28 386	0.15 194	0.40 409	0.18 258	0.24 230	0.22 89

Prome-Stereo	0.53 118	0.36 46	2.39 151	0.60 343	0.23 135	0.63 239	0.41 296	0.66 109	0.67 170	0.59 229	1.02 387	0.43 122	0.71 349	0.61 140	0.34 123	0.10 55	0.07 7	0.10 68	0.09 46	0.13 44	0.44 233

testlalala	0.53 118	0.36 46	2.40 153	0.29 65	0.35 249	0.60 184	0.22 61	1.02 343	0.63 134	0.56 188	0.40 89	0.32 74	0.21 28	0.33 22	0.27 52	0.10 55	1.73 430	0.09 22	0.24 313	0.08 1	0.43 220

Wz-Net-LNSev-Ref	0.65 229	1.15 311	2.40 153	0.33 136	0.30 207	0.83 356	0.40 294	0.94 279	0.82 319	0.67 302	0.76 337	0.68 276	0.58 312	1.13 237	1.25 349	0.14 244	0.08 40	0.10 68	0.08 32	0.18 137	0.28 131

KYRaft	0.52 106	0.35 42	2.40 153	0.34 158	0.21 103	0.75 318	0.43 309	0.62 94	0.63 134	0.64 279	0.92 370	0.53 194	0.72 350	0.60 137	0.26 44	0.10 55	0.07 7	0.12 169	0.14 195	0.13 44	0.54 271

GrayStereo	0.71 272	0.27 1	2.40 153	0.89 390	0.23 135	0.62 225	1.40 445	0.67 112	0.70 216	0.72 326	0.77 341	0.55 207	3.03 450	0.60 137	0.28 64	0.10 55	0.08 40	0.10 68	0.21 295	0.12 32	0.37 182

CRE-IMP	0.46 63	0.31 8	2.40 153	0.53 321	0.17 40	0.79 342	0.68 389	0.54 54	0.66 157	0.47 96	0.43 95	0.44 137	0.26 77	0.43 69	0.33 115	0.12 168	0.07 7	0.12 169	0.09 46	0.17 113	0.23 98

dd	0.48 76	1.32 349	2.41 158	0.31 95	0.17 40	0.58 153	0.26 146	0.50 35	0.71 230	0.42 64	0.41 91	0.34 85	0.28 105	0.47 78	0.41 149	0.18 317	0.10 110	0.13 227	0.12 156	0.22 209	0.16 51

PSM-AAD	0.67 250	0.29 2	2.41 158	0.37 206	0.23 135	0.86 363	1.15 431	0.62 94	0.66 157	0.64 279	0.71 319	0.67 262	2.90 449	0.65 152	0.32 104	0.10 55	0.08 40	0.17 319	0.15 215	0.14 64	0.34 169

DANet	0.85 338	0.68 182	2.41 158	1.18 417	0.48 307	0.77 332	1.23 437	0.93 274	1.53 431	0.90 370	0.72 322	0.97 376	0.57 305	1.86 352	1.05 325	0.18 317	0.16 207	0.19 344	0.16 236	0.26 263	0.67 308
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
MLCV	0.59 169	1.41 373	2.41 158	0.31 95	0.15 16	0.60 184	0.23 89	0.77 148	0.63 134	0.67 302	0.66 282	0.55 207	0.37 167	1.16 241	1.09 329	0.10 55	0.07 7	0.09 22	0.07 14	0.21 194	0.29 137

MyStereo07	0.56 138	0.68 182	2.42 162	0.30 81	0.41 282	0.61 203	0.31 224	0.58 73	0.72 237	1.17 400	0.26 19	0.20 5	0.27 91	1.28 262	0.28 64	0.09 13	0.59 334	0.12 169	0.21 295	0.16 91	0.48 246

raft_robust	0.68 255	1.24 336	2.42 162	0.30 81	0.57 330	0.53 96	0.25 131	0.95 292	0.79 298	0.49 115	0.46 111	1.12 406	0.74 357	1.50 289	0.61 230	0.09 13	0.62 340	0.10 68	0.30 349	0.26 263	0.30 146

LCNet	0.58 153	0.43 90	2.42 162	0.91 394	0.22 113	0.95 383	0.29 200	0.62 94	0.64 143	0.52 153	0.55 190	0.41 116	0.75 361	0.84 202	0.27 52	0.10 55	0.07 7	0.12 169	0.18 258	0.97 432	0.40 202

DEmStereo	0.69 262	0.40 75	2.42 162	0.42 264	0.18 53	0.66 277	0.88 410	0.54 54	0.64 143	0.60 238	1.00 384	0.45 149	1.24 407	1.53 292	2.21 404	0.10 55	0.08 40	0.10 68	0.10 80	0.11 22	0.14 30

IRAFT_RVC	0.59 169	0.74 211	2.42 162	0.47 295	0.21 103	0.59 171	0.42 302	0.68 116	0.73 241	0.54 165	0.50 147	0.49 177	0.51 281	1.57 301	1.00 320	0.11 131	0.25 267	0.13 227	0.10 80	0.15 74	0.14 30

ACVNet-DCA	0.67 250	0.73 201	2.43 167	0.67 365	0.52 315	0.76 322	0.24 111	0.81 176	0.83 325	0.77 339	0.39 80	0.25 31	0.38 175	0.70 166	0.22 6	0.10 55	2.13 448	0.11 119	0.09 46	0.16 91	1.18 387

xx1	0.71 272	0.73 201	2.43 167	0.67 365	0.52 315	0.76 322	0.24 111	0.85 215	1.05 398	0.77 339	0.39 80	0.46 158	0.37 167	0.70 166	0.22 6	0.10 55	2.13 448	0.12 169	0.41 399	0.16 91	1.18 387

1test111	0.72 280	0.73 201	2.43 167	0.67 365	0.52 315	0.76 322	0.24 111	0.81 176	0.83 325	0.77 339	0.39 80	0.25 31	0.38 175	1.03 222	0.75 274	0.10 55	2.13 448	0.11 119	0.09 46	0.16 91	1.18 387

cc1	0.74 285	0.73 201	2.43 167	0.67 365	0.52 315	0.76 322	0.24 111	0.85 215	1.05 398	0.77 339	0.39 80	0.25 31	0.38 175	0.70 166	0.22 6	0.10 55	2.13 448	0.11 119	0.09 46	0.25 245	2.20 448

UniTT-Stereo	0.36 20	0.66 174	2.43 167	0.28 47	0.24 147	0.30 7	0.18 16	0.35 2	0.36 3	0.26 25	0.37 69	0.18 3	0.18 14	0.33 22	0.30 77	0.11 131	0.08 40	0.09 22	0.08 32	0.25 245	0.09 2

ADStereo(finetuned)	0.50 95	0.91 259	2.43 167	0.26 22	0.14 10	0.51 71	0.22 61	0.84 203	0.78 288	0.56 188	0.49 135	0.32 74	0.75 361	0.40 55	0.40 146	0.10 55	0.07 7	0.09 22	0.07 14	0.13 44	0.45 237

raft+_RVC	0.62 200	1.18 319	2.43 167	0.36 194	2.08 455	0.52 88	0.25 131	0.66 109	0.54 73	0.36 45	0.46 111	0.32 74	0.28 105	0.49 97	0.43 161	0.10 55	0.91 369	0.10 68	0.09 46	0.22 209	0.70 321

PSMNet-RSSM	0.61 184	1.19 322	2.43 167	0.33 136	0.25 154	0.59 171	0.28 175	0.88 242	0.65 150	0.54 165	0.62 248	0.69 287	0.46 255	1.67 318	0.50 193	0.15 273	0.10 110	0.14 261	0.16 236	0.20 184	0.28 131

AE-Stereo	0.71 272	0.32 17	2.44 175	0.44 279	0.50 310	0.58 153	0.23 89	1.08 383	0.67 170	0.67 302	0.51 150	0.47 167	0.24 51	0.63 144	0.32 104	0.09 13	2.15 452	0.11 119	0.45 404	0.22 209	2.01 435

testlalala_base	0.61 184	0.35 42	2.44 175	0.35 178	0.33 231	0.55 115	0.21 47	0.88 242	0.41 9	0.41 59	0.39 80	0.31 69	0.24 51	0.33 22	0.36 132	0.98 437	1.61 425	0.09 22	0.22 305	1.11 433	0.68 313

SPstereo	0.59 169	1.35 358	2.44 175	0.49 307	1.02 410	0.52 88	0.14 3	0.53 44	0.54 73	0.44 78	0.50 147	0.30 62	0.22 36	0.68 162	0.41 149	0.09 13	1.30 410	0.09 22	0.07 14	0.23 223	0.54 271

UDGNet	0.50 95	1.36 363	2.44 175	0.37 206	0.19 79	0.58 153	0.23 89	0.49 25	0.69 206	0.42 64	0.39 80	0.34 85	0.29 122	0.55 121	0.32 104	0.25 376	0.10 110	0.37 406	0.19 275	0.30 302	0.17 57

test-3	0.58 153	0.43 90	2.44 175	0.52 317	0.59 335	0.46 43	0.23 89	0.77 148	0.49 37	0.52 153	0.29 30	0.44 137	0.22 36	0.59 132	0.97 310	0.08 1	1.27 404	0.10 68	0.35 379	0.29 294	0.62 295

test_1	0.58 153	0.43 90	2.44 175	0.52 317	0.59 335	0.46 43	0.23 89	0.77 148	0.49 37	0.51 144	0.29 30	0.44 137	0.22 36	0.59 132	0.97 310	0.08 1	1.27 404	0.10 68	0.35 379	0.29 294	0.63 299

test_3	0.59 169	0.44 94	2.44 175	0.53 321	0.59 335	0.48 58	0.30 214	0.79 163	0.52 60	0.51 144	0.30 35	0.45 149	0.22 36	0.59 132	0.97 310	0.08 1	1.25 399	0.11 119	0.35 379	0.30 302	0.62 295

Patchmatch Stereo++	0.43 39	0.36 46	2.44 175	0.48 296	0.17 40	0.61 203	0.26 146	0.53 44	0.61 114	0.48 99	0.43 95	0.43 122	0.28 105	0.56 124	0.30 77	0.12 168	0.08 40	0.12 169	0.10 80	0.17 113	0.13 18
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
NRIStereo	0.50 95	0.34 34	2.44 175	0.52 317	0.16 23	0.94 381	0.73 397	0.52 40	0.65 150	0.48 99	0.40 89	0.59 225	0.29 122	0.78 191	0.33 115	0.11 131	0.13 166	0.11 119	0.09 46	0.22 209	0.25 111

PSM-adaLoss	0.43 39	0.36 46	2.44 175	0.48 296	0.18 53	0.61 203	0.28 175	0.53 44	0.61 114	0.48 99	0.43 95	0.43 122	0.28 105	0.49 97	0.30 77	0.12 168	0.08 40	0.12 169	0.10 80	0.17 113	0.13 18

ROB_FTStereo_v2	0.43 39	0.36 46	2.44 175	0.49 307	0.17 40	0.61 203	0.28 175	0.53 44	0.61 114	0.48 99	0.43 95	0.44 137	0.28 105	0.48 87	0.30 77	0.12 168	0.08 40	0.12 169	0.10 80	0.17 113	0.13 18

ROB_FTStereo	0.43 39	0.36 46	2.44 175	0.48 296	0.18 53	0.61 203	0.26 146	0.53 44	0.61 114	0.48 99	0.43 95	0.43 122	0.28 105	0.51 103	0.30 77	0.12 168	0.08 40	0.12 169	0.10 80	0.17 113	0.13 18

SST-Stereo	0.56 138	0.30 6	2.44 175	0.71 374	0.55 324	0.62 225	0.65 380	0.57 72	0.67 170	0.59 229	0.53 164	0.51 185	0.59 315	1.57 301	0.31 94	0.12 168	0.07 7	0.12 169	0.10 80	0.17 113	0.11 12

RAFT_R40	0.55 130	0.31 8	2.44 175	0.57 341	0.42 292	0.62 225	0.52 344	0.58 73	0.66 157	0.56 188	0.54 180	0.54 199	0.50 277	1.56 296	0.53 203	0.11 131	0.07 7	0.12 169	0.10 80	0.16 91	0.10 5

iGMRVC	0.43 39	0.36 46	2.44 175	0.48 296	0.18 53	0.61 203	0.27 163	0.53 44	0.61 114	0.48 99	0.43 95	0.43 122	0.28 105	0.57 127	0.31 94	0.12 168	0.08 40	0.12 169	0.10 80	0.17 113	0.13 18

iRAFT	0.43 39	0.36 46	2.44 175	0.48 296	0.17 40	0.61 203	0.26 146	0.53 44	0.61 114	0.48 99	0.43 95	0.43 122	0.28 105	0.56 124	0.30 77	0.12 168	0.08 40	0.12 169	0.10 80	0.17 113	0.13 18

RAFT-IKP	0.43 39	0.36 46	2.44 175	0.48 296	0.16 23	0.60 184	0.28 175	0.53 44	0.61 114	0.48 99	0.43 95	0.43 122	0.28 105	0.51 103	0.31 94	0.12 168	0.08 40	0.12 169	0.10 80	0.17 113	0.13 18

PS-NSSS	0.69 262	1.37 368	2.44 175	0.31 95	0.32 225	0.64 250	0.34 257	1.04 356	0.74 259	0.56 188	0.75 334	0.51 185	0.42 219	2.41 405	0.54 208	0.24 370	0.17 217	0.27 382	0.18 258	0.30 302	0.23 98

HUI-Stereo	0.43 39	0.36 46	2.45 193	0.48 296	0.18 53	0.61 203	0.27 163	0.53 44	0.61 114	0.48 99	0.43 95	0.44 137	0.28 105	0.47 78	0.30 77	0.12 168	0.08 40	0.12 169	0.10 80	0.17 113	0.13 18

delet	0.60 177	0.84 233	2.45 193	0.33 136	0.35 249	0.73 311	0.46 326	0.89 250	0.80 306	0.58 210	0.62 248	0.67 262	0.51 281	1.14 239	0.64 241	0.12 168	0.12 152	0.13 227	0.14 195	0.22 209	0.29 137

ACVNet	0.54 126	0.87 242	2.45 193	0.28 47	0.22 113	0.59 171	0.36 274	0.69 118	0.73 241	0.49 115	0.59 226	0.69 287	0.42 219	0.47 78	0.70 258	0.11 131	0.10 110	0.10 68	0.09 46	0.36 345	0.39 197

acv_ft	0.57 145	0.87 242	2.45 193	0.33 136	0.41 282	0.63 239	0.29 200	0.86 226	0.73 241	0.64 279	0.59 226	0.69 287	0.45 247	0.47 78	0.68 255	0.11 131	0.10 110	0.10 68	0.09 46	0.43 381	0.39 197

CFNet-ft	0.60 177	1.16 313	2.45 193	0.29 65	0.30 207	0.64 250	0.28 175	0.69 118	0.57 91	0.49 115	0.57 214	0.79 320	0.44 239	1.48 286	0.62 233	0.15 273	0.10 110	0.28 385	0.14 195	0.21 194	0.29 137

HSM-Net_RVC	0.70 268	0.40 75	2.45 193	0.27 32	0.19 79	0.68 290	0.30 214	1.29 416	0.73 241	0.73 327	0.70 306	0.77 314	0.45 247	3.73 454	0.46 172	0.13 213	0.09 86	0.10 68	0.09 46	0.13 44	0.32 158
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
CFNet_RVC	0.60 177	1.16 313	2.45 193	0.29 65	0.30 207	0.64 250	0.28 175	0.69 118	0.57 91	0.49 115	0.57 214	0.79 320	0.44 239	1.48 286	0.62 233	0.15 273	0.10 110	0.28 385	0.14 195	0.21 194	0.29 137

GMOStereo	0.58 153	0.89 251	2.46 200	0.29 65	0.99 403	0.51 71	0.32 235	0.58 73	0.46 24	0.58 210	0.48 122	0.54 199	0.27 91	0.31 8	0.25 30	0.09 13	1.64 426	0.13 227	0.11 125	0.34 328	0.42 215

error version	0.58 153	0.89 251	2.46 200	0.29 65	0.99 403	0.51 71	0.32 235	0.58 73	0.46 24	0.58 210	0.48 122	0.54 199	0.27 91	0.31 8	0.25 30	0.09 13	1.64 426	0.13 227	0.11 125	0.34 328	0.42 215

test-v	0.58 153	0.89 251	2.46 200	0.29 65	0.99 403	0.51 71	0.32 235	0.58 73	0.46 24	0.58 210	0.48 122	0.54 199	0.27 91	0.31 8	0.25 30	0.09 13	1.64 426	0.13 227	0.11 125	0.34 328	0.42 215

test-2	0.58 153	0.89 251	2.46 200	0.29 65	0.99 403	0.51 71	0.32 235	0.58 73	0.46 24	0.58 210	0.48 122	0.54 199	0.27 91	0.31 8	0.25 30	0.09 13	1.64 426	0.13 227	0.11 125	0.34 328	0.42 215

FENet	0.48 76	0.58 147	2.46 200	0.33 136	0.18 53	0.58 153	0.22 61	0.83 195	0.64 143	0.49 115	0.42 93	0.55 207	0.38 175	0.52 107	0.51 196	0.12 168	0.09 86	0.12 169	0.11 125	0.17 113	0.31 154

test_for_model	0.82 321	1.62 403	2.47 205	1.36 423	1.04 412	0.53 96	0.22 61	0.82 184	0.63 134	0.60 238	0.29 30	0.25 31	0.21 28	0.28 3	0.25 30	0.80 428	1.87 433	0.08 4	0.08 32	1.81 454	1.18 387

LL-Strereo2	0.62 200	1.36 363	2.47 205	1.37 424	0.96 399	0.54 105	0.28 175	0.61 90	0.49 37	0.42 64	0.34 54	0.44 137	0.21 28	0.57 127	0.53 203	0.11 131	0.26 270	0.16 304	0.14 195	0.18 137	0.98 376

AACVNet	0.61 184	1.13 304	2.47 205	0.37 206	0.21 103	0.57 143	0.25 131	0.75 139	0.55 80	0.56 188	0.60 233	0.66 260	0.44 239	2.11 384	0.49 189	0.14 244	0.11 136	0.14 261	0.11 125	0.35 339	0.23 98

PSM-softLoss	0.52 106	0.34 34	2.47 205	0.55 328	0.17 40	0.61 203	0.39 291	0.64 103	0.67 170	0.52 153	0.48 122	0.39 102	0.25 67	1.46 283	0.77 279	0.13 213	0.08 40	0.13 227	0.12 156	0.12 32	0.15 38

KMStereo	0.52 106	0.34 34	2.47 205	0.55 328	0.17 40	0.61 203	0.39 291	0.64 103	0.67 170	0.52 153	0.48 122	0.39 102	0.25 67	1.46 283	0.77 279	0.13 213	0.08 40	0.13 227	0.12 156	0.12 32	0.15 38

CREStereo++_RVC	0.38 25	0.37 57	2.47 205	0.25 10	0.16 23	0.54 105	0.15 4	0.42 8	0.57 91	0.37 47	0.52 159	0.24 26	0.19 16	0.31 8	0.27 52	0.09 13	0.06 1	0.08 4	0.30 349	0.09 6	0.22 89
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
UGAM-zero	0.97 373	0.44 94	2.48 211	0.33 136	0.86 388	1.26 410	0.76 399	1.05 364	0.52 60	0.93 376	0.45 108	1.32 419	0.81 367	2.08 380	0.49 189	0.10 55	0.52 321	0.09 22	0.47 409	0.11 22	4.43 467

model_zeroshot	0.75 296	0.94 269	2.48 211	1.88 452	0.68 363	0.72 307	0.22 61	1.01 335	0.51 50	1.10 392	0.35 61	0.63 243	0.20 24	0.78 191	0.32 104	0.12 168	1.97 440	0.10 68	0.23 310	0.12 32	0.56 279

TANstereo	0.39 28	0.70 190	2.48 211	0.23 4	0.12 3	0.54 105	0.16 9	0.41 5	0.47 30	0.45 82	0.51 150	0.26 39	0.22 36	0.34 27	0.21 3	0.10 55	0.10 110	0.08 4	0.07 14	0.09 6	0.18 66

RP	0.74 285	1.01 277	2.48 211	0.44 279	0.45 297	0.66 277	0.45 320	0.95 292	0.87 351	0.70 315	0.95 375	0.99 380	0.82 369	1.55 294	0.82 295	0.26 380	0.19 229	0.23 369	0.20 285	0.34 328	0.38 190

UCFNet_RVC	0.55 130	1.16 313	2.48 211	0.31 95	0.27 179	0.65 264	0.28 175	0.76 142	0.58 98	0.51 144	0.53 164	0.67 262	0.42 219	0.91 211	0.45 168	0.16 287	0.11 136	0.17 319	0.17 250	0.20 184	0.23 98

RAFT+CT+SA	0.60 177	1.25 339	2.49 216	0.38 225	0.75 372	0.55 115	0.34 257	0.83 195	0.68 197	0.39 54	0.55 190	0.44 137	0.29 122	0.75 182	0.28 64	0.09 13	0.24 258	0.11 119	0.51 417	0.30 302	0.74 331

Pruner-Stereo	0.55 130	0.38 65	2.49 216	1.78 447	0.19 79	0.63 239	0.45 320	0.59 83	0.67 170	0.61 247	0.48 122	0.41 116	0.25 67	0.49 97	0.99 318	0.13 213	0.07 7	0.12 169	0.10 80	0.13 44	0.14 30

XX-TBD	0.40 30	1.04 285	2.49 216	0.35 178	0.13 7	0.51 71	0.17 11	0.44 13	0.52 60	0.38 50	0.51 150	0.23 20	0.19 16	0.31 8	0.25 30	0.10 55	0.07 7	0.08 4	0.06 7	0.09 6	0.18 66

LALA_ROB	0.68 255	1.14 305	2.50 219	0.37 206	0.29 195	0.78 338	0.55 353	0.99 317	0.84 337	0.82 358	0.68 290	0.93 365	0.50 277	1.01 219	0.89 304	0.21 350	0.15 194	0.21 357	0.18 258	0.26 263	0.30 146

ttt	0.89 355	0.51 123	2.51 220	0.36 194	0.31 215	0.61 203	0.28 175	1.07 380	0.92 367	0.56 188	0.77 341	0.55 207	0.37 167	2.27 391	3.51 439	0.16 287	1.21 395	0.13 227	0.31 355	0.18 137	1.26 400

GANet-ADL	0.48 76	0.56 144	2.51 220	0.34 158	0.20 91	0.58 153	0.25 131	0.80 169	0.57 91	0.43 72	0.61 241	0.56 214	0.31 137	0.44 72	0.44 164	0.14 244	0.11 136	0.10 68	0.09 46	0.22 209	0.38 190

R-Stereo Train	0.42 35	0.31 8	2.51 220	0.30 81	0.18 53	0.56 121	0.25 131	0.82 184	0.41 9	0.57 204	0.67 287	0.33 80	0.24 51	0.34 27	0.33 115	0.10 55	0.08 40	0.09 22	0.07 14	0.09 6	0.18 66

RAFT-Stereo	0.42 35	0.31 8	2.51 220	0.30 81	0.18 53	0.56 121	0.25 131	0.82 184	0.41 9	0.57 204	0.67 287	0.33 80	0.24 51	0.34 27	0.33 115	0.10 55	0.08 40	0.09 22	0.07 14	0.09 6	0.18 66
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
testlalala2	0.48 76	0.34 34	2.53 224	0.65 358	0.56 326	0.57 143	0.20 30	0.84 203	0.63 134	0.42 64	0.54 180	0.45 149	0.21 28	0.30 6	0.26 44	0.10 55	0.13 166	0.09 22	0.29 342	0.12 32	0.31 154

AAGNet	0.92 361	0.40 75	2.53 224	0.60 343	1.01 408	0.62 225	0.45 320	0.52 40	0.68 197	0.58 210	0.53 164	0.50 181	0.72 350	1.22 250	7.32 464	0.12 168	0.07 7	0.12 169	0.10 80	0.16 91	0.10 5

RAFT-Stereo + iAFF	0.58 153	1.48 387	2.53 224	0.29 65	0.78 380	0.52 88	0.20 30	0.68 116	0.66 157	0.51 144	0.61 241	0.40 110	0.32 143	0.40 55	0.43 161	0.08 1	0.63 341	0.09 22	0.09 46	0.37 351	0.58 285

psm_up	0.65 229	1.02 279	2.53 224	0.36 194	0.31 215	0.64 250	0.38 285	0.96 295	0.73 241	0.63 268	0.57 214	0.68 276	0.57 305	1.90 364	0.52 198	0.17 306	0.15 194	0.16 304	0.15 215	0.27 274	0.22 89

FADNet	0.71 272	1.60 402	2.53 224	0.33 136	0.30 207	0.67 284	0.29 200	0.92 272	0.75 265	0.45 82	0.49 135	0.66 260	0.57 305	1.85 350	0.85 299	0.46 410	0.20 241	0.17 319	0.20 285	0.60 410	0.37 182

DisPM	0.48 76	0.41 80	2.54 229	0.61 349	0.18 53	0.59 171	0.62 375	0.54 54	0.67 170	0.61 247	0.53 164	0.38 99	0.26 77	0.76 184	0.31 94	0.13 213	0.07 7	0.12 169	0.11 125	0.12 32	0.15 38

PFNet+	0.50 95	0.43 90	2.54 229	0.49 307	0.18 53	0.58 153	0.76 399	0.54 54	0.72 237	0.56 188	0.48 122	0.39 102	0.26 77	0.94 214	0.33 115	0.14 244	0.09 86	0.14 261	0.13 174	0.12 32	0.16 51

OCTAStereo	0.53 118	0.33 27	2.54 229	0.56 337	0.16 23	0.61 203	0.42 302	0.70 126	0.70 216	0.50 133	0.47 116	0.37 94	0.26 77	1.43 278	0.79 286	0.12 168	0.07 7	0.12 169	0.10 80	0.13 44	0.17 57

RE-Stereo	0.53 118	0.33 27	2.54 229	0.56 337	0.16 23	0.61 203	0.43 309	0.70 126	0.70 216	0.50 133	0.47 116	0.37 94	0.26 77	1.43 278	0.77 279	0.12 168	0.07 7	0.12 169	0.10 80	0.13 44	0.17 57

TVStereo	0.53 118	0.33 27	2.54 229	0.56 337	0.16 23	0.61 203	0.43 309	0.70 126	0.70 216	0.50 133	0.47 116	0.37 94	0.26 77	1.43 278	0.77 279	0.12 168	0.07 7	0.12 169	0.10 80	0.13 44	0.17 57

SHD	0.84 329	1.14 305	2.54 229	0.80 384	0.52 315	0.76 322	0.34 257	1.16 403	1.29 419	1.11 394	0.85 355	0.98 377	0.74 357	1.25 258	1.48 366	0.22 356	0.37 291	0.20 353	0.27 336	0.36 345	0.41 210

iResNet	0.59 169	1.09 293	2.54 229	0.44 279	0.18 53	0.65 264	0.29 200	0.89 250	0.75 265	0.59 229	0.64 268	0.43 122	0.39 190	0.73 178	1.24 348	0.11 131	0.08 40	0.09 22	0.08 32	0.21 194	0.40 202

iinet-f	0.62 200	1.18 319	2.55 236	0.33 136	0.25 154	0.82 355	0.34 257	0.87 234	0.69 206	0.56 188	0.64 268	0.73 302	0.67 340	0.80 197	0.81 292	0.14 244	0.13 166	0.11 119	0.10 80	0.44 385	0.26 119

NF-Stereo	0.53 118	0.33 27	2.55 236	0.55 328	0.16 23	0.61 203	0.43 309	0.70 126	0.70 216	0.50 133	0.47 116	0.37 94	0.26 77	1.44 282	0.78 283	0.12 168	0.07 7	0.12 169	0.10 80	0.13 44	0.17 57

RGC	0.78 308	1.10 298	2.55 236	0.45 286	0.45 297	0.73 311	0.40 294	1.00 326	0.75 265	0.75 335	1.04 391	1.02 387	0.73 353	1.74 326	1.15 335	0.24 370	0.19 229	0.28 385	0.26 328	0.31 310	0.38 190

RALCasStereoNet	0.65 229	1.34 355	2.56 239	0.43 274	0.96 399	0.50 69	0.26 146	0.62 94	0.56 86	0.43 72	0.49 135	0.36 89	0.28 105	0.72 177	0.53 203	0.10 55	1.18 390	0.09 22	0.08 32	0.27 274	1.27 401

MFN_U_SF_DS_RVC	1.08 393	2.01 431	2.56 239	0.49 307	0.40 277	1.49 418	0.96 416	1.02 343	0.95 379	0.85 364	0.94 372	1.06 396	0.59 315	2.92 438	1.15 335	0.43 406	0.74 357	0.32 398	0.55 422	0.74 421	1.35 410

BEATNet_4x	0.57 145	1.16 313	2.56 239	0.35 178	0.16 23	0.56 121	0.25 131	0.91 265	0.64 143	0.55 176	0.53 164	0.59 225	0.43 231	0.67 158	0.76 277	0.12 168	0.09 86	0.12 169	0.09 46	0.23 223	0.58 285

StereoDRNet	0.71 272	1.24 336	2.56 239	0.42 264	0.45 297	0.73 311	0.46 326	0.98 309	0.81 314	0.77 339	0.56 203	0.74 304	0.48 270	1.69 322	0.91 306	0.15 273	0.14 180	0.15 286	0.15 215	0.26 263	0.51 259

H2IRNET	0.48 76	1.04 285	2.57 243	0.31 95	0.19 79	0.54 105	0.19 19	0.55 63	0.53 69	0.28 31	0.56 203	0.47 167	0.35 158	0.47 78	0.40 146	0.11 131	0.08 40	0.12 169	0.14 195	0.37 351	0.26 119

anonymousa	0.74 285	0.60 155	2.58 244	0.96 398	1.33 433	0.61 203	0.26 146	0.69 118	0.56 86	0.55 176	0.84 352	0.82 334	0.46 255	0.56 124	0.61 230	0.10 55	1.11 388	0.12 169	0.98 451	0.14 64	0.97 374

SACVNet	0.68 255	1.08 292	2.58 244	0.38 225	0.28 190	0.65 264	0.37 277	0.91 265	0.65 150	0.67 302	0.62 248	0.69 287	0.47 263	2.07 377	0.65 246	0.18 317	0.14 180	0.16 304	0.15 215	0.39 365	0.41 210

rafts_anoy	0.60 177	1.33 353	2.59 246	0.53 321	1.09 418	0.49 63	0.25 131	0.67 112	0.53 69	0.41 59	0.38 75	0.33 80	0.30 132	0.68 162	0.41 149	0.10 55	1.13 389	0.13 227	0.15 215	0.20 184	0.29 137

AFF-stereo	0.57 145	1.51 390	2.59 246	0.33 136	0.23 135	0.51 71	0.21 47	0.69 118	0.68 197	0.49 115	0.63 256	0.49 177	0.34 156	0.50 102	0.37 136	0.08 1	0.54 325	0.10 68	0.10 80	0.40 371	0.60 292

HGLStereo	0.61 184	1.20 324	2.59 246	0.36 194	0.40 277	0.65 264	0.30 214	0.87 234	0.67 170	0.60 238	0.70 306	0.69 287	0.56 300	1.07 227	0.59 222	0.14 244	0.13 166	0.13 227	0.12 156	0.23 223	0.23 98

hitnet-ft	0.73 282	1.09 293	2.59 246	0.28 47	0.22 113	0.71 301	0.36 274	0.89 250	0.67 170	0.58 210	0.83 350	1.03 388	0.94 390	2.31 394	0.70 258	0.23 364	0.14 180	0.41 411	0.13 174	0.24 230	0.28 131

RASNet	0.69 262	1.05 287	2.59 246	0.37 206	0.47 306	0.66 277	0.33 249	0.82 184	0.76 273	0.51 144	0.65 275	0.93 365	0.62 325	2.20 389	0.80 288	0.14 244	0.09 86	0.09 22	0.11 125	0.18 137	0.37 182

rvit_stereo_0075_2	0.45 56	0.45 99	2.60 251	0.34 158	0.32 225	0.41 31	0.21 47	0.60 87	0.54 73	0.39 54	0.51 150	0.40 110	0.29 122	0.46 74	0.31 94	0.21 350	0.15 194	0.22 361	0.15 215	0.18 137	0.33 161

EKT-Stereo	1.56 429	0.55 141	2.60 251	2.54 461	19.66 476	0.55 115	0.22 61	0.76 142	0.51 50	0.40 57	0.36 63	0.43 122	0.27 91	0.74 181	0.42 154	0.13 213	0.17 217	0.11 119	0.16 236	0.20 184	0.50 255

LMCR-Stereo	0.61 184	1.00 274	2.60 251	0.42 264	0.22 113	0.74 316	0.31 224	1.06 377	0.70 216	0.62 259	0.64 268	0.40 110	0.52 288	0.84 202	1.27 351	0.20 341	0.09 86	0.12 169	0.09 46	0.26 263	0.16 51

SAMSARA	1.11 395	1.35 358	2.60 251	1.34 421	0.77 377	1.67 429	1.41 447	1.47 427	0.99 390	1.54 432	0.89 365	1.44 423	0.90 383	1.88 358	1.71 374	0.25 376	0.55 327	0.22 361	0.34 377	0.39 365	0.50 255

PWC_ROB	0.81 317	1.41 373	2.60 251	0.41 261	0.40 277	0.63 239	0.31 224	1.04 356	0.99 390	0.92 373	1.29 405	0.78 318	0.68 342	1.65 317	1.50 367	0.19 332	0.12 152	0.18 337	0.13 174	0.51 400	0.54 271

ToySt	0.67 250	0.88 246	2.61 256	0.39 238	0.73 369	0.61 203	0.38 285	0.78 155	0.73 241	0.43 72	0.70 306	0.72 296	0.45 247	0.66 155	0.62 233	0.14 244	0.63 341	0.13 227	0.33 372	0.24 230	1.18 387

GEStereo_RVC	0.61 184	1.19 322	2.61 256	0.48 296	0.25 154	0.63 239	0.37 277	1.05 364	0.79 298	0.55 176	0.55 190	0.59 225	0.44 239	1.10 230	0.48 180	0.16 287	0.11 136	0.12 169	0.11 125	0.27 274	0.43 220

Anonymous3	0.47 68	0.49 109	2.61 256	0.33 136	0.25 154	0.72 307	0.32 235	0.80 169	0.60 111	0.36 45	0.41 91	0.33 80	0.29 122	0.46 74	0.30 77	0.19 332	0.18 224	0.13 227	0.13 174	0.18 137	0.22 89

XQC	0.84 329	1.32 349	2.61 256	0.78 382	0.44 294	0.89 371	0.53 346	1.16 403	1.07 401	0.85 364	0.69 293	0.92 360	0.73 353	1.40 273	1.44 364	0.24 370	0.35 288	0.23 369	0.26 328	0.45 387	0.39 197

MSKI-zero shot	0.70 268	0.44 94	2.62 260	1.47 431	0.75 372	0.56 121	0.20 30	0.80 169	0.45 23	0.60 238	0.52 159	0.44 137	0.17 6	0.70 166	0.26 44	0.09 13	2.87 463	0.09 22	0.32 362	0.14 64	0.50 255

TestStereo1	0.59 169	1.21 326	2.63 261	0.40 251	0.60 340	0.56 121	0.34 257	0.82 184	0.73 241	0.45 82	0.63 256	0.36 89	0.42 219	0.66 155	0.42 154	0.10 55	0.32 282	0.12 169	0.10 80	0.34 328	0.52 265

fff	0.50 95	0.90 256	2.63 261	0.25 10	0.15 16	0.51 71	0.22 61	0.85 215	0.82 319	0.55 176	0.48 122	0.31 69	0.65 332	0.39 48	0.37 136	0.10 55	0.07 7	0.09 22	0.07 14	0.08 1	0.43 220

SA-5K	0.59 169	1.21 326	2.63 261	0.40 251	0.60 340	0.56 121	0.34 257	0.82 184	0.73 241	0.45 82	0.63 256	0.36 89	0.42 219	0.66 155	0.42 154	0.10 55	0.32 282	0.12 169	0.10 80	0.34 328	0.52 265

RALAANet	0.52 106	1.37 368	2.63 261	0.33 136	0.23 135	0.48 58	0.19 19	0.69 118	0.55 80	0.49 115	0.46 111	0.39 102	0.31 137	0.53 114	0.53 203	0.10 55	0.33 286	0.11 119	0.17 250	0.29 294	0.13 18

DCANet	0.49 91	0.91 259	2.63 261	0.26 22	0.14 10	0.51 71	0.22 61	0.84 203	0.78 288	0.56 188	0.49 135	0.32 74	0.41 207	0.39 48	0.41 149	0.10 55	0.07 7	0.09 22	0.07 14	0.14 64	0.45 237

csc	0.50 95	0.90 256	2.63 261	0.25 10	0.15 16	0.51 71	0.22 61	0.85 215	0.82 319	0.55 176	0.48 122	0.31 69	0.65 332	0.39 48	0.37 136	0.10 55	0.07 7	0.09 22	0.07 14	0.08 1	0.43 220

cscssc	0.50 95	0.90 256	2.63 261	0.25 10	0.15 16	0.51 71	0.22 61	0.85 215	0.82 319	0.55 176	0.48 122	0.31 69	0.65 332	0.39 48	0.37 136	0.10 55	0.07 7	0.09 22	0.07 14	0.08 1	0.43 220

111	0.57 145	1.41 373	2.63 261	0.25 10	0.15 16	0.59 171	0.26 146	0.90 258	0.83 325	0.50 133	0.54 180	0.57 218	0.38 175	0.54 120	0.41 149	0.10 55	0.07 7	0.09 22	0.07 14	0.24 230	0.81 347

PWCDC_ROB	0.83 327	1.57 394	2.63 261	0.48 296	0.37 262	0.78 338	0.29 200	1.04 356	1.36 424	0.63 268	2.05 429	0.64 250	0.70 348	1.10 230	1.20 341	0.33 396	0.14 180	0.15 286	0.12 156	0.63 414	0.46 240

aanetorigin	0.81 317	1.03 282	2.64 270	0.44 279	0.44 294	0.59 171	1.00 421	0.59 83	0.70 216	1.54 432	1.22 402	0.82 334	1.08 400	1.06 225	1.07 327	0.18 317	0.15 194	0.17 319	0.21 295	0.53 404	0.65 305

MIM_Stereo	0.55 130	0.92 264	2.65 271	0.32 115	1.09 418	0.51 71	0.19 19	0.67 112	0.52 60	0.48 99	0.54 180	0.43 122	0.27 91	0.57 127	0.30 77	0.08 1	0.17 217	0.11 119	0.10 80	0.28 286	0.80 343

anonymousdsp	0.86 341	0.59 153	2.65 271	1.33 420	1.25 429	0.56 121	0.23 89	0.54 54	0.71 230	1.13 396	0.25 14	0.22 13	0.24 51	1.24 254	0.24 21	0.09 13	2.34 457	0.10 68	0.18 258	0.25 245	3.12 463

IGEV-Stereo	0.86 341	0.60 155	2.65 271	1.35 422	1.25 429	0.56 121	0.23 89	0.54 54	0.71 230	1.14 397	0.25 14	0.22 13	0.24 51	1.24 254	0.24 21	0.09 13	2.34 457	0.10 68	0.18 258	0.25 245	3.13 464
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
GMStereo	0.44 52	1.32 349	2.65 271	0.28 47	0.16 23	0.42 35	0.22 61	0.48 22	0.63 134	0.41 59	0.36 63	0.26 39	0.25 67	0.41 62	0.30 77	0.14 244	0.08 40	0.10 68	0.12 156	0.17 113	0.13 18
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
UGAM	0.69 262	0.84 233	2.66 275	0.40 251	0.20 91	0.53 96	0.34 257	0.63 100	0.74 259	0.45 82	0.74 327	0.95 373	0.36 161	2.57 413	0.42 154	0.11 131	0.45 308	0.17 319	0.19 275	0.43 381	0.57 283

MyStereo04	0.57 145	0.68 182	2.66 275	0.30 81	0.41 282	0.61 203	0.31 224	0.88 242	0.80 306	0.48 99	0.37 69	0.54 199	0.42 219	0.61 140	0.71 264	0.09 13	0.59 334	0.12 169	0.21 295	0.16 91	0.48 246

gwcnet-sp	0.52 106	0.71 193	2.66 275	0.32 115	0.22 113	0.66 277	0.31 224	0.84 203	0.69 206	0.61 247	0.49 135	0.46 158	0.43 231	0.77 185	0.48 180	0.12 168	0.11 136	0.11 119	0.11 125	0.19 166	0.19 71

scenet	0.52 106	0.71 193	2.66 275	0.32 115	0.22 113	0.66 277	0.31 224	0.84 203	0.69 206	0.61 247	0.49 135	0.46 158	0.43 231	0.77 185	0.48 180	0.12 168	0.11 136	0.11 119	0.11 125	0.19 166	0.19 71

ssnet	0.52 106	0.71 193	2.66 275	0.32 115	0.22 113	0.66 277	0.31 224	0.84 203	0.69 206	0.61 247	0.49 135	0.46 158	0.43 231	0.77 185	0.48 180	0.12 168	0.11 136	0.11 119	0.11 125	0.19 166	0.19 71

CrosDoStereo	0.96 370	0.49 109	2.66 275	0.27 32	0.33 231	0.54 105	3.69 459	0.77 148	0.66 157	0.70 315	1.39 412	0.53 194	1.47 419	1.77 332	3.02 431	0.10 55	0.08 40	0.11 119	0.11 125	0.22 209	0.30 146

STrans-v2	0.69 262	0.62 166	2.66 275	0.28 47	0.23 135	0.57 143	0.32 235	1.01 335	0.77 283	0.92 373	0.84 352	0.88 355	0.92 387	1.81 342	1.19 340	0.10 55	0.07 7	0.10 68	0.09 46	0.12 32	0.30 146

DeepStereo_LL	0.96 370	0.49 109	2.66 275	0.27 32	0.33 231	0.54 105	3.69 459	0.77 148	0.66 157	0.70 315	1.39 412	0.53 194	1.47 419	1.77 332	3.02 431	0.10 55	0.08 40	0.11 119	0.11 125	0.22 209	0.30 146

MIF-Stereo (partial)	0.41 32	0.71 193	2.67 283	0.27 32	0.24 147	0.32 10	0.17 11	0.56 66	0.46 24	0.26 25	0.37 69	0.25 31	0.26 77	0.46 74	0.35 130	0.11 131	0.08 40	0.12 169	0.10 80	0.21 194	0.15 38

ssnet_v2	0.64 222	0.99 273	2.67 283	0.33 136	0.22 113	0.72 307	0.45 320	1.00 326	0.80 306	0.66 300	0.54 180	0.81 329	0.48 270	0.91 211	1.08 328	0.16 287	0.14 180	0.14 261	0.14 195	0.33 321	0.31 154

TransformOpticalFlow	0.65 229	0.61 162	2.67 283	0.45 286	0.26 168	0.62 225	0.28 175	0.88 242	0.76 273	0.76 337	0.74 327	0.90 359	0.84 372	1.82 345	0.80 288	0.10 55	0.07 7	0.11 119	0.09 46	0.12 32	0.19 71

GANet-RSSM	0.63 213	1.14 305	2.67 283	0.38 225	0.26 168	0.59 171	0.29 200	0.81 176	0.56 86	0.50 133	0.57 214	0.67 262	0.50 277	1.91 365	0.50 193	0.14 244	0.10 110	0.24 374	0.12 156	0.36 345	0.28 131

RTSC	0.84 329	1.40 372	2.67 283	0.50 313	0.40 277	0.83 356	0.33 249	1.11 392	1.14 409	0.93 376	0.82 348	0.84 340	0.58 312	1.34 268	1.82 384	0.18 317	0.49 316	0.14 261	0.30 349	0.46 391	0.42 215

RAFT-345	0.56 138	0.37 57	2.68 288	0.40 251	0.34 241	0.58 153	0.41 296	0.49 25	0.70 216	0.51 144	0.99 383	0.43 122	0.28 105	1.56 296	0.81 292	0.10 55	0.07 7	0.11 119	0.09 46	0.11 22	0.09 2

ADLNet	0.68 255	1.02 279	2.68 288	0.35 178	0.34 241	0.67 284	0.34 257	0.95 292	0.79 298	0.70 315	0.62 248	0.80 326	0.46 255	1.77 332	0.69 257	0.15 273	0.12 152	0.14 261	0.14 195	0.31 310	0.54 271

ADCRef	0.88 348	1.45 382	2.68 288	0.38 225	0.35 249	0.95 383	0.51 340	0.92 272	0.81 314	0.89 368	0.84 352	0.61 234	1.35 410	1.26 260	3.38 436	0.14 244	0.12 152	0.17 319	0.19 275	0.28 286	0.34 169

GANet	0.92 361	1.20 324	2.68 288	0.45 286	0.27 179	0.76 322	0.66 382	0.94 279	0.77 283	0.79 348	1.17 398	0.84 340	0.91 384	2.72 427	1.76 380	0.18 317	0.42 303	0.44 416	0.20 285	0.33 321	0.94 366

PASM	0.82 321	1.00 274	2.68 288	0.52 317	0.48 307	0.65 264	0.59 365	0.83 195	0.89 360	0.82 358	0.73 324	0.89 358	0.68 342	2.39 402	0.73 270	0.35 399	0.37 291	0.36 404	0.41 399	0.45 387	0.51 259

DeepPruner_ROB	0.58 153	1.06 288	2.68 288	0.30 81	0.26 168	0.63 239	0.31 224	0.83 195	0.51 50	0.62 259	0.56 203	0.65 253	0.39 190	1.06 225	0.56 212	0.19 332	0.14 180	0.14 261	0.14 195	0.24 230	0.33 161

DualNet (step1)	0.76 300	0.69 187	2.69 294	0.28 47	0.23 135	0.81 350	0.33 249	0.99 317	0.86 346	0.64 279	0.63 256	0.67 262	0.49 274	1.18 246	0.52 198	0.65 419	1.21 395	0.86 432	0.56 424	0.25 245	0.72 324

test_sample9	1.07 389	0.69 187	2.69 294	0.28 47	0.23 135	0.81 350	0.33 249	0.99 317	0.86 346	0.64 279	0.63 256	0.67 262	0.49 274	2.02 372	2.70 421	0.65 419	4.33 466	0.86 432	0.56 424	0.25 245	0.72 324

test_sample8	1.23 403	0.69 187	2.69 294	0.28 47	0.23 135	0.81 350	0.33 249	1.01 335	0.75 265	1.23 412	0.63 256	2.53 440	1.31 408	2.02 372	2.70 421	0.65 419	4.33 466	0.86 432	0.56 424	0.25 245	0.72 324

IMH-64-1	1.50 423	1.98 427	2.69 294	1.39 426	1.12 422	1.39 415	1.19 435	1.80 438	1.47 428	1.19 401	2.20 434	1.53 425	1.51 423	2.12 385	1.98 387	1.34 449	0.68 347	1.28 448	0.70 435	1.37 445	1.12 384

IMH-64	1.50 423	1.98 427	2.69 294	1.39 426	1.12 422	1.39 415	1.19 435	1.80 438	1.47 428	1.19 401	2.20 434	1.53 425	1.51 423	2.12 385	1.98 387	1.34 449	0.68 347	1.28 448	0.70 435	1.37 445	1.12 384

PFNet	0.62 200	0.42 83	2.69 294	0.43 274	0.55 324	0.62 225	0.27 163	0.64 103	0.72 237	0.61 247	0.56 203	0.45 149	0.33 148	1.86 352	1.12 332	0.28 386	0.09 86	0.12 169	0.16 236	0.26 263	0.27 125

GwcNet-RSSM	0.64 222	1.38 371	2.69 294	0.33 136	0.26 168	0.60 184	0.32 235	0.84 203	0.73 241	0.56 188	0.65 275	0.72 296	0.42 219	1.78 335	0.60 224	0.14 244	0.10 110	0.12 169	0.13 174	0.26 263	0.26 119

StereoVision	0.52 106	1.12 302	2.70 301	0.34 158	0.32 225	0.47 53	0.26 146	0.73 134	0.61 114	0.33 43	0.89 365	0.45 149	0.26 77	0.52 107	0.39 144	0.14 244	0.15 194	0.16 304	0.15 215	0.22 209	0.14 30

Sa-1000	0.61 184	1.07 289	2.71 302	0.32 115	0.61 349	0.61 203	0.31 224	1.00 326	0.76 273	0.53 161	0.83 350	0.43 122	0.33 148	0.69 165	0.30 77	0.10 55	0.52 321	0.13 227	0.28 338	0.29 294	0.29 137

ac_64	0.63 213	0.77 218	2.71 302	0.37 206	0.34 241	0.64 250	0.30 214	0.86 226	0.67 170	0.58 210	0.53 164	0.88 355	0.48 270	1.84 348	0.71 264	0.15 273	0.12 152	0.12 169	0.12 156	0.21 194	0.25 111

MyStereo05	0.57 145	0.72 198	2.72 304	0.31 95	0.25 154	0.60 184	0.30 214	0.87 234	0.82 319	0.54 165	0.37 69	0.53 194	0.42 219	0.63 144	0.73 270	0.09 13	0.55 327	0.12 169	0.20 285	0.16 91	0.56 279

HH	0.79 312	0.52 127	2.72 304	1.45 428	0.80 382	0.91 375	0.23 89	0.76 142	0.76 273	0.64 279	0.55 190	0.87 351	0.41 207	0.94 214	0.45 168	0.09 13	1.20 392	0.10 68	0.09 46	0.16 91	2.16 443

HanStereo	0.79 312	0.52 127	2.72 304	1.45 428	0.80 382	0.91 375	0.23 89	0.76 142	0.76 273	0.64 279	0.55 190	0.87 351	0.41 207	0.94 214	0.45 168	0.09 13	1.20 392	0.10 68	0.09 46	0.16 91	2.16 443

ASMatch	0.61 184	0.47 103	2.72 304	0.91 394	0.36 256	0.56 121	0.24 111	0.54 54	0.67 170	0.48 99	1.20 400	0.47 167	0.65 332	1.33 267	0.93 307	0.10 55	0.08 40	0.11 119	0.11 125	0.10 14	0.17 57

AANet_RVC	0.79 312	1.46 384	2.72 304	0.34 158	0.25 154	0.59 171	0.32 235	0.88 242	0.83 325	0.62 259	0.95 375	0.80 326	0.43 231	2.46 407	1.72 376	0.38 400	0.26 270	0.10 68	0.09 46	0.25 245	0.43 220

HITNet	0.55 130	1.28 344	2.73 309	0.35 178	0.14 10	0.56 121	0.23 89	0.89 250	0.62 123	0.52 153	0.51 150	0.49 177	0.38 175	0.52 107	0.60 224	0.09 13	0.07 7	0.10 68	0.08 32	0.25 245	0.61 293
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
CBMV_ROB	0.88 348	0.75 215	2.73 309	0.36 194	0.22 113	0.76 322	0.47 330	1.05 364	0.81 314	1.06 390	1.04 391	0.88 355	1.36 412	2.17 388	2.03 390	0.23 364	0.24 258	0.27 382	0.25 322	0.27 274	0.73 328

FADNet-RVC	0.69 262	1.65 408	2.74 311	0.35 178	0.26 168	0.60 184	0.29 200	0.91 265	0.67 170	0.46 93	0.51 150	0.62 239	0.46 255	1.75 327	0.81 292	0.17 306	0.20 241	0.17 319	0.18 258	0.60 410	0.39 197

AF-Net	0.76 300	1.14 305	2.74 311	0.42 264	0.41 282	0.70 296	0.41 296	1.07 380	0.94 374	0.73 327	1.05 393	1.04 392	0.86 377	1.23 252	1.00 320	0.23 364	0.15 194	0.25 379	0.18 258	0.32 317	0.35 175

Wz-Net-MNSev	0.74 285	1.42 377	2.75 313	0.38 225	0.33 231	0.90 374	0.61 373	0.98 309	0.94 374	0.77 339	0.75 334	0.75 308	0.66 338	1.39 271	0.76 277	0.17 306	0.13 166	0.14 261	0.14 195	0.28 286	0.48 246

DN-CSS_ROB	0.56 138	1.64 407	2.75 313	0.42 264	0.22 113	0.57 143	0.19 19	0.79 163	0.66 157	0.46 93	0.62 248	0.41 116	0.32 143	0.73 178	0.49 189	0.12 168	0.08 40	0.14 261	0.13 174	0.38 358	0.17 57

MSMD_ROB	1.41 416	1.03 282	2.75 313	0.41 261	0.32 225	2.00 442	0.61 373	0.96 295	1.43 425	2.97 459	2.63 445	4.76 459	2.04 440	2.44 406	1.78 382	0.30 391	0.26 270	0.32 398	0.32 362	0.32 317	0.63 299

RAFT_CTSACE	0.58 153	1.16 313	2.76 316	0.36 194	0.29 195	0.54 105	0.29 200	0.69 118	0.51 50	0.51 144	0.75 334	0.67 262	0.37 167	0.63 144	0.47 176	0.08 1	0.49 316	0.11 119	0.10 80	0.41 377	0.32 158

test_5	0.61 184	1.25 339	2.76 316	0.39 238	0.64 356	0.58 153	0.35 266	0.85 215	0.66 157	0.49 115	0.56 203	0.55 207	0.40 197	0.79 193	0.32 104	0.10 55	0.19 229	0.12 169	0.12 156	0.33 321	0.85 354

DDUNet	0.90 358	1.63 406	2.77 318	0.77 380	0.69 365	0.83 356	0.44 315	0.90 258	0.70 216	0.68 308	0.76 337	0.92 360	0.54 293	1.14 239	1.35 356	0.61 417	0.37 291	0.96 438	0.52 419	0.77 425	0.67 308

RAFT-RH_RVC	0.65 229	0.73 201	2.78 319	0.39 238	0.29 195	0.60 184	0.18 16	0.45 14	0.63 134	0.75 335	1.89 425	0.47 167	0.29 122	1.59 308	1.21 342	0.15 273	0.07 7	0.13 227	0.13 174	0.11 22	0.10 5

SA	0.61 184	1.14 305	2.79 320	0.32 115	0.63 352	0.57 143	0.30 214	0.97 302	0.78 288	0.43 72	0.63 256	0.39 102	0.46 255	0.70 166	0.31 94	0.10 55	0.44 307	0.13 227	0.32 362	0.31 310	0.51 259

plain	0.43 39	0.73 201	2.80 321	0.28 47	0.19 79	0.33 15	0.21 47	0.63 100	0.50 45	0.24 14	0.38 75	0.24 26	0.25 67	0.48 87	0.32 104	0.12 168	0.08 40	0.13 227	0.09 46	0.43 381	0.13 18

UDG	0.86 341	1.57 394	2.80 321	0.68 370	0.59 335	0.78 338	0.38 285	0.97 302	0.74 259	0.63 268	0.70 306	1.01 384	0.68 342	1.02 220	1.22 345	0.45 408	0.34 287	0.89 436	0.51 417	0.73 420	0.58 285

MaskLacGwcNet_RVC	0.84 329	1.41 373	2.80 321	0.94 396	0.35 249	0.89 371	0.41 296	0.89 250	0.66 157	0.57 204	0.63 256	0.75 308	0.38 175	2.37 398	0.55 210	1.16 444	0.31 281	0.36 404	0.21 295	0.59 409	0.63 299

ADCL	1.07 389	1.22 331	2.80 321	0.40 251	0.33 231	1.50 419	1.87 452	0.97 302	1.04 397	1.26 415	1.28 404	0.99 380	1.41 416	1.36 270	3.51 439	0.17 306	0.14 180	0.22 361	0.21 295	0.32 317	0.43 220

Wz-Net-LNSev	0.66 247	1.30 347	2.81 325	0.35 178	0.37 262	0.80 345	0.48 332	0.91 265	0.87 351	0.63 268	0.70 306	0.80 326	0.59 315	0.67 158	0.68 255	0.15 273	0.14 180	0.12 169	0.12 156	0.24 230	0.38 190

UNet	0.56 138	0.58 147	2.81 325	0.32 115	0.33 231	0.74 316	0.27 163	0.86 226	0.67 170	0.55 176	0.55 190	0.72 296	0.55 298	0.79 193	0.58 218	0.12 168	0.09 86	0.13 227	0.11 125	0.20 184	0.19 71

stereogan	0.74 285	0.68 182	2.82 327	0.40 251	0.40 277	1.05 392	0.42 302	0.99 317	0.96 381	0.78 347	0.86 360	1.15 410	0.73 353	1.57 301	0.56 212	0.20 341	0.19 229	0.20 353	0.16 236	0.37 351	0.34 169

CBMV	0.86 341	1.00 274	2.82 327	0.35 178	0.21 103	0.78 338	0.78 402	1.05 364	0.87 351	0.90 370	0.74 327	0.87 351	1.89 436	1.67 318	1.38 362	0.19 332	0.20 241	0.21 357	0.19 275	0.28 286	0.84 350
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
FTStereo	0.79 312	0.32 17	2.83 329	0.70 372	0.21 103	0.73 311	1.75 450	0.61 90	0.60 111	1.07 391	1.62 420	1.28 415	2.11 441	0.75 182	0.30 77	0.19 332	0.08 40	0.12 169	0.11 125	0.12 32	0.39 197

DRN-Test	0.71 272	0.79 227	2.83 329	0.40 251	0.44 294	0.80 345	0.41 296	1.07 380	0.83 325	0.82 358	0.64 268	0.68 276	0.57 305	1.78 335	0.79 286	0.16 287	0.13 166	0.17 319	0.16 236	0.24 230	0.51 259

DPSNet	1.02 380	0.72 198	2.84 331	0.60 343	0.39 271	1.08 397	0.75 398	1.41 424	1.14 409	0.74 333	0.69 293	1.05 395	1.67 427	2.09 383	2.22 405	0.27 383	0.61 337	0.20 353	0.50 415	0.48 396	1.03 378

PDISCO_ROB	0.84 329	1.46 384	2.84 331	0.65 358	0.59 335	1.17 405	0.48 332	1.19 409	1.08 403	0.67 302	0.72 322	1.00 383	0.61 323	1.24 254	1.05 325	0.38 400	0.18 224	0.28 385	0.24 313	0.58 408	0.44 233

MIPNet	0.88 348	1.07 289	2.85 333	0.61 349	0.18 53	1.46 417	1.37 441	1.65 434	0.78 288	1.93 438	0.85 355	0.75 308	1.66 426	0.87 205	0.34 123	0.10 55	0.08 40	0.11 119	0.32 362	0.27 274	0.26 119

GwcNet-ADL	0.54 126	0.78 223	2.85 333	0.31 95	0.20 91	0.58 153	0.29 200	0.93 274	0.67 170	0.48 99	0.47 116	0.56 214	0.33 148	0.48 87	0.80 288	0.13 213	0.12 152	0.09 22	0.09 46	0.14 64	0.40 202

FAT-Stereo	0.72 280	0.60 155	2.86 335	0.37 206	0.29 195	0.64 250	0.55 353	1.01 335	0.91 365	0.76 337	0.94 372	0.93 365	0.79 366	1.82 345	0.60 224	0.19 332	0.19 229	0.17 319	0.16 236	0.23 223	0.47 242

IPLG	0.74 285	1.09 293	2.87 336	0.36 194	0.21 103	1.63 427	0.60 368	1.39 423	0.63 134	1.39 422	0.51 150	0.40 110	0.86 377	1.40 273	0.37 136	0.09 13	0.07 7	0.14 261	0.12 156	0.34 328	0.23 98

SGM_RVC	2.11 444	1.07 289	2.87 336	0.98 400	0.92 395	2.72 453	1.88 453	1.91 443	12.27 467	2.09 440	1.99 428	2.47 439	2.24 444	2.87 437	2.03 390	0.54 413	0.47 312	0.42 413	0.47 409	0.74 421	1.22 396
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
STTRV1_RVC	0.81 317	0.59 153	2.88 338	0.43 274	0.49 309	0.80 345	0.44 315	1.18 408	0.84 337	0.63 268	0.89 365	0.72 296	0.63 329	2.67 422	0.67 252	0.51 412	0.65 343	0.27 382	0.24 313	0.35 339	0.29 137

MyStereo8	0.73 282	1.16 313	2.89 339	0.53 321	0.34 241	0.71 301	0.20 30	1.87 441	0.59 107	0.53 161	0.66 282	0.50 181	0.33 148	1.27 261	0.62 233	0.10 55	1.19 391	0.10 68	0.21 295	0.21 194	0.61 293

GMM-Stereo	0.53 118	0.33 27	2.89 339	0.53 321	0.24 147	0.77 332	0.46 326	0.62 94	0.65 150	0.58 210	0.73 324	0.47 167	0.43 231	0.68 162	0.29 73	0.10 55	0.06 1	0.13 227	0.13 174	0.14 64	0.44 233

FADNet_RVC	0.87 347	1.51 390	2.90 341	0.31 95	0.24 147	0.71 301	0.25 131	1.00 326	0.65 150	0.45 82	0.57 214	0.61 234	0.44 239	1.53 292	0.75 274	0.94 433	0.97 373	0.28 385	1.00 452	0.89 429	1.36 413

TRStereo	0.89 355	1.02 279	2.91 342	4.59 467	0.31 215	0.93 379	0.23 89	1.93 444	0.66 157	0.37 47	0.54 180	0.48 175	0.40 197	0.67 158	0.29 73	0.13 213	0.37 291	0.11 119	0.48 411	0.13 44	1.21 394

ELAS	1.52 427	0.92 264	2.91 342	0.62 351	0.57 330	3.13 454	2.21 454	1.67 435	1.58 434	2.42 451	2.43 439	1.87 431	2.49 446	1.85 350	2.70 421	0.42 403	0.43 306	0.41 411	0.40 395	0.51 400	0.85 354
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
CC-Net-ROB	0.95 369	1.57 394	2.93 344	0.90 392	0.39 271	0.87 367	0.44 315	1.12 395	0.83 325	0.59 229	0.69 293	0.64 250	0.50 277	2.73 429	0.93 307	0.97 436	0.40 301	0.87 435	0.29 342	0.61 413	0.66 306

PSMNet_ROB	0.75 296	1.42 377	2.93 344	0.39 238	0.32 225	0.73 311	0.56 357	0.90 258	0.74 259	0.56 188	0.60 233	0.75 308	0.47 263	2.00 371	1.31 352	0.18 317	0.13 166	0.19 344	0.20 285	0.26 263	0.40 202

SDNR	2.06 442	2.93 464	2.94 346	1.55 436	5.13 464	1.98 441	0.24 111	1.95 446	2.62 450	0.92 373	2.71 447	5.76 462	0.68 342	3.61 452	3.84 444	0.33 396	0.38 295	0.22 361	0.17 250	1.13 434	2.04 437

STTStereo	0.58 153	0.95 270	2.95 347	0.37 206	0.31 215	0.62 225	0.32 235	0.81 176	0.63 134	0.61 247	0.55 190	0.67 262	0.43 231	0.87 205	0.48 180	0.16 287	0.16 207	0.17 319	0.20 285	0.17 113	0.25 111

Nwc_Net	0.75 296	1.10 298	2.96 348	0.42 264	0.39 271	0.77 332	0.39 291	1.06 377	0.73 241	0.65 294	1.00 384	0.99 380	0.74 357	1.43 278	0.99 318	0.24 370	0.15 194	0.23 369	0.26 328	0.27 274	0.30 146

AASNet	0.66 247	1.49 389	2.97 349	0.37 206	0.33 231	0.65 264	0.30 214	1.00 326	0.78 288	0.56 188	0.60 233	0.55 207	0.39 190	0.88 209	0.96 309	0.15 273	0.12 152	0.13 227	0.11 125	0.45 387	0.35 175

sAnonymous2	0.45 56	0.88 246	2.97 349	0.31 95	0.25 154	0.34 17	0.28 175	0.56 66	0.49 37	0.25 18	0.30 35	0.23 20	0.29 122	0.31 8	0.22 6	0.12 168	0.09 86	0.12 169	0.13 174	0.38 358	0.43 220

CroCo_RVC	0.45 56	0.88 246	2.97 349	0.31 95	0.25 154	0.34 17	0.28 175	0.56 66	0.49 37	0.25 18	0.30 35	0.23 20	0.29 122	0.31 8	0.22 6	0.12 168	0.09 86	0.12 169	0.13 174	0.38 358	0.43 220

NCC-stereo	0.88 348	1.22 331	2.97 349	0.60 343	0.45 297	1.88 436	0.48 332	1.04 356	0.75 265	0.70 315	0.85 355	0.93 365	0.84 372	1.81 342	1.51 368	0.28 386	0.19 229	0.23 369	0.31 355	0.27 274	0.35 175

Abc-Net	0.88 348	1.22 331	2.97 349	0.60 343	0.45 297	1.88 436	0.48 332	1.04 356	0.75 265	0.70 315	0.85 355	0.93 365	0.84 372	1.81 342	1.51 368	0.28 386	0.19 229	0.23 369	0.31 355	0.27 274	0.35 175
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
RAFT + AFF	0.79 312	1.73 413	2.99 354	0.34 158	0.35 249	0.67 284	0.51 340	1.05 364	0.79 298	0.54 165	0.58 220	0.59 225	0.81 367	1.80 340	1.21 342	0.13 213	0.27 277	0.15 286	0.14 195	0.45 387	0.69 318

cf-r	0.62 200	1.27 342	2.99 354	0.34 158	0.28 190	0.60 184	0.28 175	0.82 184	0.70 216	0.55 176	0.61 241	0.77 314	0.41 207	1.32 266	0.52 198	0.13 213	0.09 86	0.11 119	0.12 156	0.22 209	0.27 125

AnyNet_C32	1.08 393	1.76 417	3.01 356	0.50 313	0.54 322	1.17 405	1.16 433	0.97 302	0.95 379	1.11 394	0.98 380	0.87 351	0.93 389	1.57 301	4.11 450	0.22 356	0.20 241	0.25 379	0.25 322	0.40 371	0.68 313

GCST	0.84 329	1.48 387	3.02 357	1.12 414	1.09 418	0.62 225	0.19 19	0.79 163	0.56 86	0.60 238	0.65 275	0.50 181	0.31 137	1.24 254	0.74 273	0.76 426	0.46 309	0.84 431	0.64 433	0.71 419	0.57 283

MSC_U_SF_DS_RVC	1.40 415	2.04 434	3.02 357	0.58 342	0.41 282	2.15 446	1.00 421	1.31 418	1.29 419	1.05 388	1.10 396	1.29 417	0.91 384	3.07 441	1.34 354	1.65 456	0.84 366	0.68 427	0.88 446	1.55 450	1.91 431

4D-IteraStereo	0.62 200	1.29 346	3.04 359	0.27 32	0.30 207	0.46 43	0.26 146	0.54 54	0.51 50	0.41 59	0.31 42	0.39 102	0.19 16	0.53 114	0.65 246	0.09 13	0.47 312	0.12 169	0.11 125	0.21 194	2.14 442

GANetREF_RVC	0.81 317	1.44 381	3.04 359	0.49 307	0.27 179	0.83 356	0.63 376	1.03 350	0.92 367	0.63 268	0.61 241	0.72 296	0.59 315	2.40 403	0.58 218	0.33 396	0.25 267	0.37 406	0.25 322	0.41 377	0.36 181
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
MFMNet_re	1.01 379	1.73 413	3.04 359	0.85 388	0.76 375	0.93 379	0.81 405	1.02 343	1.10 404	1.05 388	1.06 394	0.84 340	0.96 391	0.93 213	0.97 310	0.68 424	0.61 337	0.63 424	0.60 432	0.77 425	0.80 343

MeshStereo	1.29 407	1.34 355	3.04 359	0.35 178	0.28 190	1.10 399	0.69 391	1.42 425	1.07 401	2.71 456	2.43 439	2.95 442	1.50 422	2.92 438	2.03 390	0.23 364	0.22 251	0.22 361	0.19 275	0.50 398	0.69 318
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
LL-Strereo	0.85 338	1.73 413	3.06 363	0.37 206	0.61 349	0.54 105	0.33 249	1.01 335	0.76 273	0.69 312	0.58 220	0.85 345	0.78 364	2.65 421	0.54 208	0.14 244	0.58 333	0.14 261	0.12 156	0.42 379	1.05 380

HHNet	0.63 213	0.67 175	3.10 364	0.37 206	0.25 154	0.64 250	0.60 368	0.70 126	0.67 170	0.55 176	1.12 397	0.32 74	0.60 321	0.43 69	1.75 379	0.16 287	0.08 40	0.12 169	0.10 80	0.18 137	0.22 89

NLCA_NET_v2_RVC	0.62 200	1.15 311	3.11 365	0.39 238	0.37 262	0.60 184	0.28 175	0.87 234	0.64 143	0.63 268	0.56 203	0.71 295	0.45 247	1.08 228	0.52 198	0.15 273	0.12 152	0.14 261	0.15 215	0.18 137	0.25 111
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
IPLGR	0.58 153	0.64 170	3.12 366	0.37 206	0.18 53	0.62 225	0.54 349	1.06 377	0.69 206	0.73 327	0.46 111	0.50 181	0.44 239	1.12 236	0.31 94	0.10 55	0.08 40	0.11 119	0.09 46	0.21 194	0.20 79

WCMA_ROB	1.29 407	1.21 326	3.13 367	0.65 358	0.36 256	1.20 408	0.78 402	1.00 326	0.98 387	1.78 437	2.62 444	3.08 447	2.01 439	1.86 352	2.35 410	0.38 400	0.38 295	0.32 398	0.32 362	0.31 310	1.06 381

DispNO	0.76 300	1.36 363	3.15 368	0.32 115	0.27 179	0.59 171	0.29 200	0.88 242	0.72 237	0.55 176	0.79 347	0.83 339	0.47 263	2.46 407	1.23 346	0.12 168	0.10 110	0.18 337	0.31 355	0.20 184	0.25 111

CIPLG	0.63 213	1.59 398	3.16 369	0.79 383	0.31 215	0.62 225	0.57 360	0.82 184	0.68 197	0.58 210	0.63 256	0.43 122	0.31 137	0.48 87	0.42 154	0.12 168	0.20 241	0.13 227	0.13 174	0.36 345	0.21 83

WAO-6	1.69 435	1.87 422	3.21 370	1.15 416	1.01 408	2.29 447	1.06 425	1.85 440	2.84 454	1.30 419	2.59 443	2.19 436	1.67 427	2.62 418	2.52 414	0.96 435	0.68 347	1.19 445	0.84 443	1.13 434	0.95 369

SQANet	0.92 361	1.96 425	3.23 371	0.77 380	0.83 385	0.76 322	0.38 285	0.87 234	0.68 197	0.64 279	0.69 293	0.73 302	0.52 288	1.35 269	1.36 358	0.80 428	0.30 280	0.60 423	0.29 342	0.93 430	0.70 321

APVNet	0.76 300	1.11 300	3.23 371	0.39 238	0.36 256	0.85 362	0.44 315	0.96 295	0.73 241	0.58 210	0.69 293	0.76 312	0.56 300	2.29 393	0.82 295	0.17 306	0.18 224	0.24 374	0.19 275	0.35 339	0.27 125

G-Net	1.02 380	0.70 190	3.23 371	0.60 343	0.66 359	2.00 442	0.71 394	0.78 155	0.70 216	1.14 397	2.53 441	1.29 417	1.01 395	1.47 285	1.74 378	0.25 376	0.24 258	0.24 374	0.26 328	0.37 351	0.40 202

WAO-7	1.58 431	2.04 434	3.25 374	0.94 396	0.75 372	1.75 432	1.13 428	1.87 441	1.97 443	1.46 429	2.53 441	1.98 433	1.75 430	3.13 442	2.48 413	0.69 425	0.67 346	0.94 437	0.74 440	0.80 428	0.77 335

fast-acv-ft	0.67 250	1.24 336	3.26 375	0.39 238	0.30 207	0.80 345	0.48 332	0.74 136	0.76 273	0.60 238	0.78 345	0.76 312	0.60 321	0.70 166	0.78 283	0.16 287	0.15 194	0.18 337	0.17 250	0.38 358	0.24 107

MADNet++	2.94 454	2.17 440	3.27 376	2.55 462	2.28 458	3.29 456	3.37 457	2.76 453	2.67 452	3.10 460	3.20 454	2.78 441	3.25 453	4.11 456	4.68 455	2.72 462	2.27 456	3.03 466	2.43 464	2.34 461	2.59 457

HBP-ISP	0.82 321	1.57 394	3.28 377	0.50 313	0.27 179	0.86 363	0.54 349	1.09 385	0.78 288	0.81 354	0.70 306	0.68 276	1.00 394	2.02 372	0.47 176	0.24 370	0.24 258	0.29 393	0.25 322	0.28 286	0.52 265

ADLNet2	0.73 282	1.22 331	3.28 377	0.34 158	0.36 256	0.65 264	0.37 277	0.94 279	0.87 351	0.57 204	0.65 275	0.92 360	0.48 270	2.05 375	0.60 224	0.13 213	0.11 136	0.11 119	0.11 125	0.37 351	0.38 190

1111x	1.06 387	0.79 227	3.29 379	0.33 136	0.60 340	0.64 250	0.33 249	1.10 388	0.92 367	0.59 229	0.69 293	0.59 225	0.47 263	2.64 420	4.61 454	0.12 168	1.38 416	0.11 119	0.49 413	0.18 137	1.30 405

FCDSN-DC	1.45 420	1.12 302	3.30 380	0.48 296	0.41 282	1.13 401	0.60 368	1.17 406	1.28 418	2.25 447	2.85 449	3.65 450	3.34 455	2.58 415	2.44 412	0.31 393	0.26 270	0.31 395	0.30 349	0.37 351	0.78 338
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_RVC	1.57 430	2.56 461	3.30 380	0.66 363	0.41 282	1.15 403	0.51 340	1.27 414	1.35 423	1.61 434	1.20 400	1.43 422	0.97 392	1.80 340	2.10 395	1.88 459	1.79 431	1.97 463	2.14 462	1.61 451	1.76 430

ARAFT	0.65 229	1.69 412	3.34 382	0.29 65	0.16 23	0.65 264	0.36 274	0.96 295	0.73 241	0.63 268	0.49 135	0.56 214	0.31 137	1.23 252	0.35 130	0.11 131	0.08 40	0.14 261	0.13 174	0.38 358	0.50 255

Wz-Net-SNSev	0.85 338	1.83 420	3.36 383	0.42 264	0.31 215	0.71 301	0.66 382	1.04 356	0.94 374	0.68 308	0.85 355	0.96 374	0.62 325	1.75 327	1.14 334	0.16 287	0.15 194	0.16 304	0.17 250	0.39 365	0.63 299

IPLGR_C	0.64 222	1.66 410	3.36 383	0.80 384	0.31 215	0.60 184	0.60 368	0.82 184	0.69 206	0.58 210	0.62 248	0.44 137	0.31 137	0.47 78	0.43 161	0.12 168	0.22 251	0.13 227	0.15 215	0.35 339	0.21 83

test_xeample3	0.86 341	0.75 215	3.36 383	0.65 358	0.76 375	0.49 63	0.33 249	1.21 412	0.80 306	0.61 247	0.23 7	0.30 62	0.29 122	1.17 244	1.57 372	0.10 55	1.79 431	0.10 68	0.40 395	0.25 245	2.09 439

ADCS	1.14 397	2.02 432	3.36 383	0.43 274	0.37 262	0.96 385	0.81 405	1.12 395	1.17 413	1.25 414	0.98 380	1.08 399	0.92 387	1.41 276	4.97 456	0.23 364	0.21 249	0.22 361	0.23 310	0.40 371	0.67 308

ELAS_RVC	1.51 426	0.88 246	3.36 383	0.63 353	0.56 326	1.53 420	2.73 456	1.53 429	1.76 439	2.26 448	2.21 436	2.10 434	3.07 451	2.08 380	2.52 414	0.42 403	0.42 303	0.42 413	0.37 387	0.51 400	0.84 350
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
FC-DCNN v2	1.65 434	0.85 237	3.39 388	0.46 289	0.39 271	2.02 444	0.66 382	1.94 445	1.84 441	2.81 458	2.99 453	4.39 457	3.25 453	2.81 435	2.75 424	0.29 390	0.26 270	0.31 395	0.30 349	0.33 321	0.91 362

ffm	0.78 308	0.67 175	3.39 388	0.32 115	0.22 113	0.58 153	0.28 175	0.85 215	0.96 381	0.54 165	0.74 327	0.67 262	0.40 197	0.64 149	0.22 6	0.10 55	2.16 453	0.15 286	0.33 372	0.25 245	2.19 445

ff1	1.07 389	0.67 175	3.39 388	0.32 115	0.22 113	0.58 153	0.28 175	0.85 215	0.96 381	0.54 165	0.74 327	0.67 262	0.40 197	2.75 431	3.86 445	0.10 55	2.16 453	0.15 286	0.33 372	0.25 245	2.19 445

mmx	0.99 377	0.67 175	3.39 388	0.32 115	0.22 113	0.58 153	0.28 175	1.05 364	0.92 367	0.54 165	0.74 327	0.67 262	0.40 197	2.75 431	3.86 445	0.13 213	1.25 399	0.15 286	0.33 372	0.19 166	1.28 403

xxx	0.99 377	0.67 175	3.39 388	0.32 115	0.22 113	0.58 153	0.28 175	1.05 364	0.92 367	0.54 165	0.74 327	0.67 262	0.40 197	2.75 431	3.86 445	0.13 213	1.25 399	0.15 286	0.33 372	0.19 166	1.28 403

AIO-Stereo-zeroshot1	0.94 367	0.84 233	3.40 393	1.46 430	0.78 380	1.37 413	0.70 393	1.11 392	0.68 197	0.80 350	1.29 405	1.09 402	0.59 315	1.16 241	1.01 322	0.14 244	0.53 323	0.11 119	0.46 408	0.31 310	0.86 357

rrr	0.84 329	0.74 211	3.40 393	0.76 377	0.77 377	0.45 40	0.28 175	1.23 413	0.84 337	0.71 324	0.22 4	0.30 62	0.28 105	1.29 263	1.53 370	0.10 55	1.50 422	0.10 68	0.29 342	0.24 230	1.75 429

ACRE	0.63 213	1.55 393	3.41 395	0.76 377	0.28 190	0.60 184	0.56 357	0.82 184	0.68 197	0.57 204	0.62 248	0.43 122	0.30 132	0.47 78	0.42 154	0.12 168	0.19 229	0.13 227	0.14 195	0.36 345	0.20 79

DeepPrunerF	0.92 361	1.33 353	3.41 395	0.46 289	0.51 312	0.64 250	0.49 337	1.16 403	2.62 450	0.65 294	0.61 241	0.65 253	0.62 325	2.23 390	1.31 352	0.23 364	0.19 229	0.30 394	0.28 338	0.39 365	0.34 169

SPS-STEREO	1.22 402	1.65 408	3.41 395	0.66 363	0.69 365	1.01 388	0.68 389	1.10 388	0.96 381	1.40 424	1.25 403	1.46 424	1.08 400	2.05 375	2.24 406	0.66 422	0.61 337	0.58 421	0.57 428	0.66 417	1.65 426
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
edge stereo	0.84 329	0.74 211	3.42 398	0.38 225	1.21 427	0.63 239	0.41 296	0.98 309	0.83 325	0.81 354	0.88 363	1.14 408	0.73 353	2.16 387	0.89 304	0.22 356	0.20 241	0.26 381	0.18 258	0.38 358	0.43 220

DGSMNet	2.93 453	0.77 218	3.44 399	3.58 466	4.25 463	2.53 452	6.86 467	1.03 350	0.88 355	0.58 210	1.85 424	0.79 320	0.62 325	1.63 311	1.46 365	4.62 465	4.98 468	5.15 469	4.71 468	4.52 469	4.37 466

FC-DCNN	1.60 432	0.85 237	3.44 399	0.46 289	0.39 271	1.96 438	0.66 382	1.72 437	1.70 436	2.75 457	2.91 452	4.20 453	3.15 452	2.72 427	2.66 419	0.30 391	0.26 270	0.31 395	0.30 349	0.33 321	0.91 362

iResNetv2_ROB	0.71 272	1.90 424	3.48 401	0.43 274	0.22 113	0.60 184	0.29 200	0.96 295	0.78 288	0.60 238	0.65 275	0.60 232	0.46 255	0.80 197	1.21 342	0.12 168	0.08 40	0.10 68	0.07 14	0.44 385	0.33 161

Consistency-Raft	0.92 361	1.21 326	3.50 402	0.98 400	0.63 352	0.77 332	0.54 349	1.02 343	1.01 392	0.62 259	1.03 389	0.65 253	1.04 397	0.81 200	1.36 358	0.45 408	0.47 312	0.51 419	0.59 430	0.65 416	0.47 242

MyStereo06	0.70 268	0.72 198	3.51 403	0.31 95	0.25 154	0.60 184	0.30 214	0.90 258	0.67 170	1.48 430	0.53 164	0.84 340	0.57 305	0.60 137	1.11 331	0.09 13	0.55 327	0.12 169	0.20 285	0.16 91	0.56 279

otaku	1.15 398	2.10 437	3.51 403	0.98 400	0.74 370	1.02 389	0.59 365	1.03 350	0.89 360	0.70 315	1.60 418	0.98 377	0.65 332	1.63 311	1.80 383	0.99 438	0.46 309	0.73 429	0.40 395	1.30 443	0.88 359

Ntro	1.11 395	2.10 437	3.52 405	0.97 399	0.87 391	1.06 395	0.54 349	1.02 343	0.93 373	0.63 268	0.76 337	0.93 365	0.67 340	1.76 329	1.71 374	1.03 439	0.46 309	0.76 430	0.41 399	1.29 441	0.86 357

ADCMid	1.06 387	1.82 419	3.53 406	0.39 238	0.36 256	0.99 386	0.58 362	1.01 335	0.94 374	1.23 412	1.02 387	1.01 384	1.01 395	1.11 234	4.04 448	0.22 356	0.19 229	0.42 413	0.32 362	0.42 379	0.53 268

Syn2CoEx	0.78 308	1.43 380	3.54 407	0.44 279	0.31 215	0.64 250	0.43 309	1.04 356	0.83 325	0.64 279	0.77 341	0.74 304	0.74 357	1.91 365	0.64 241	0.20 341	0.17 217	0.19 344	0.15 215	0.30 302	0.59 288

pmcnn	1.44 418	1.25 339	3.57 408	0.74 375	1.42 437	0.72 307	0.56 357	1.04 356	1.06 400	1.03 387	2.89 451	6.01 463	0.75 361	2.54 411	3.60 441	0.14 244	0.11 136	0.08 4	0.06 7	0.34 328	0.81 347

RainbowNet	1.27 405	2.22 444	3.58 409	1.14 415	0.92 395	1.08 397	0.76 399	1.19 409	1.15 411	0.77 339	0.97 377	1.08 399	0.83 371	1.64 314	1.72 376	1.20 446	1.30 410	1.01 441	0.58 429	1.23 438	0.97 374

DMCA-RVC	0.70 268	1.30 347	3.59 410	0.37 206	0.89 392	0.57 143	0.31 224	0.73 134	0.59 107	0.69 312	0.54 180	0.59 225	0.57 305	1.25 258	0.66 249	0.16 287	0.38 295	0.20 353	0.15 215	0.22 209	0.23 98

NVStereoNet_ROB	1.45 420	1.62 403	3.59 410	1.09 408	0.70 367	0.86 363	0.67 387	1.19 409	1.51 430	1.20 406	4.05 458	1.61 427	1.94 437	2.97 440	2.07 394	0.67 423	0.69 350	0.55 420	0.70 435	0.57 407	0.67 308
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
IMH	2.14 445	2.46 457	3.60 412	1.70 443	1.13 424	1.65 428	0.93 415	2.13 448	1.93 442	1.37 420	2.64 446	2.19 436	1.82 434	5.77 461	2.18 402	5.70 466	1.05 383	1.31 450	0.72 439	1.39 447	1.13 386

AIO-Stereo-zeroshot	0.82 321	0.78 223	3.67 413	0.35 178	0.81 384	1.25 409	0.88 410	1.13 398	0.58 98	0.84 362	0.52 159	1.24 413	0.64 330	0.77 185	0.70 258	0.10 55	0.53 323	0.11 119	0.45 404	0.29 294	0.81 347

GwcNet	0.76 300	1.09 293	3.68 414	0.38 225	0.45 297	0.81 350	0.45 320	0.91 265	0.89 360	0.63 268	0.77 341	0.82 334	0.51 281	1.64 314	0.85 299	0.17 306	0.16 207	0.15 286	0.15 215	0.33 321	0.34 169

Wz-Net-TNSev	1.02 380	2.26 448	3.69 415	0.38 225	0.31 215	1.00 387	0.71 394	1.12 395	1.02 393	0.74 333	0.73 324	1.09 402	0.91 384	2.46 407	2.15 400	0.21 350	0.20 241	0.16 304	0.20 285	0.48 396	0.62 295

ktn	4.44 461	2.47 458	3.70 416	1.82 449	1.49 443	2.11 445	1.40 445	2.30 449	12.56 468	11.36 470	16.25 472	11.30 471	3.77 457	4.41 459	3.47 438	1.86 458	0.99 375	1.74 462	1.21 456	3.28 464	1.39 414

WAO-8	2.91 451	2.55 459	3.77 417	1.93 455	1.04 412	4.08 460	0.99 417	3.25 459	6.09 461	2.20 445	3.34 455	3.33 448	2.64 447	11.73 470	2.52 414	2.12 460	1.92 435	1.55 456	0.93 447	1.27 439	0.96 371

Venus	2.91 451	2.55 459	3.77 417	1.93 455	1.04 412	4.08 460	0.99 417	3.25 459	6.09 461	2.20 445	3.34 455	3.33 448	2.64 447	11.73 470	2.52 414	2.12 460	1.92 435	1.55 456	0.93 447	1.27 439	0.96 371

S-Stereo	0.82 321	0.73 201	3.79 419	0.40 251	0.37 262	0.70 296	0.69 391	1.00 326	1.03 394	0.63 268	0.92 370	0.82 334	0.59 315	2.35 397	0.71 264	0.18 317	0.22 251	0.17 319	0.18 258	0.30 302	0.67 308

IGEV_Zeroshot_test	0.91 360	0.39 70	3.80 420	0.42 264	1.95 453	0.56 121	0.64 377	0.84 203	0.55 80	1.45 427	0.53 164	0.79 320	0.42 219	0.57 127	1.13 333	0.10 55	0.49 316	0.10 68	0.34 377	0.19 166	2.97 461

FADNet-RVC-Resample	0.74 285	1.54 392	3.81 421	0.38 225	0.29 195	0.62 225	0.38 285	0.91 265	0.67 170	0.52 153	0.51 150	0.63 243	0.44 239	1.56 296	0.59 222	0.24 370	0.32 282	0.22 361	0.19 275	0.30 302	0.71 323

ADCP+	1.03 384	1.68 411	3.83 422	0.35 178	0.39 271	1.05 392	0.79 404	0.94 279	0.86 346	0.69 312	0.68 290	0.85 345	1.53 425	1.02 220	4.56 453	0.13 213	0.12 152	0.16 304	0.15 215	0.28 286	0.44 233

NaN_ROB	1.25 404	1.46 384	3.84 423	0.54 327	0.56 326	1.12 400	0.99 417	1.05 364	1.03 394	1.10 392	0.87 361	0.77 314	1.07 399	5.85 462	2.98 429	0.16 287	0.23 256	0.16 304	0.24 313	0.28 286	0.66 306

MDST_ROB	1.28 406	0.53 131	3.84 423	0.55 328	0.45 297	4.06 459	0.60 368	1.36 421	0.89 360	2.18 444	1.17 398	0.98 377	0.72 350	4.28 457	2.12 397	0.20 341	0.16 207	0.19 344	0.17 250	0.20 184	0.84 350

MANE	3.51 458	2.03 433	3.88 425	1.89 453	2.01 454	5.98 464	4.72 463	5.87 468	7.13 465	3.80 463	5.10 463	6.11 464	5.34 462	4.39 458	5.05 457	1.07 440	1.28 406	0.50 418	0.85 444	0.76 424	2.36 455

TorneroNet	5.60 464	2.30 451	3.98 426	1.49 434	1.26 431	14.47 471	1.11 426	4.85 465	20.66 482	10.12 467	16.30 473	11.78 472	7.35 465	3.41 450	4.38 452	1.36 451	0.70 353	1.46 455	0.87 445	2.73 462	1.33 406

CVANet_RVC	0.82 321	1.18 319	3.98 426	0.40 251	0.28 190	0.63 239	0.43 309	0.90 258	0.78 288	1.14 397	0.69 293	0.68 276	0.52 288	2.62 418	0.48 180	0.20 341	0.13 166	0.22 361	0.37 387	0.37 351	0.48 246

notaker	2.77 449	2.35 454	4.02 428	2.61 463	1.44 438	1.77 433	1.14 429	2.77 454	1.81 440	2.30 449	11.41 468	3.95 451	4.70 460	3.24 444	3.01 430	1.58 455	0.88 368	1.71 461	1.08 454	2.10 458	1.44 417

GASNet	0.84 329	1.98 427	4.07 429	0.48 296	0.33 231	0.58 153	0.34 257	0.97 302	0.81 314	0.60 238	0.59 226	0.74 304	0.55 298	2.08 380	1.18 338	0.22 356	0.15 194	0.19 344	0.17 250	0.55 406	0.29 137

CSAN	1.38 414	1.74 416	4.12 430	0.53 321	0.38 269	1.06 395	1.15 431	1.29 416	1.12 407	1.19 401	1.90 426	1.04 392	1.44 417	5.92 463	2.82 427	0.26 380	0.22 251	0.24 374	0.25 322	0.35 339	0.54 271

PA-Net	0.93 366	1.36 363	4.14 431	0.64 356	0.41 282	0.70 296	0.53 346	0.91 265	0.88 355	0.53 161	0.60 233	0.70 293	0.54 293	2.40 403	2.57 418	0.17 306	0.28 279	0.19 344	0.28 338	0.25 245	0.48 246
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
JetBlue	1.89 438	2.09 436	4.16 432	0.74 375	1.23 428	4.52 463	3.86 461	1.68 436	1.26 416	1.28 417	1.54 417	2.36 438	1.86 435	3.35 447	3.37 435	0.54 413	0.49 316	0.48 417	0.49 413	1.39 447	1.21 394

TorneroNet-64	2.74 448	2.23 445	4.18 433	1.48 432	1.20 426	3.88 458	1.01 423	3.48 463	6.61 464	2.62 455	4.55 461	4.20 453	3.84 458	3.39 449	3.40 437	1.23 447	0.66 345	1.39 453	0.80 442	3.42 465	1.27 401

WZ-Net	1.04 385	1.83 420	4.20 434	0.42 264	0.36 256	0.88 369	0.71 394	1.05 364	1.11 406	0.84 362	0.94 372	1.06 396	1.17 405	2.37 398	2.24 406	0.20 341	0.14 180	0.15 286	0.16 236	0.36 345	0.53 268

tt	4.94 463	0.32 17	4.22 435	2.29 459	1.58 446	10.19 469	16.94 473	9.44 472	5.03 459	1.69 435	1.33 410	4.68 458	5.02 461	3.38 448	5.91 460	6.15 468	9.47 475	2.80 465	3.16 466	3.54 466	1.58 422

AnyNet_C01	1.20 401	1.89 423	4.25 436	0.55 328	0.54 322	1.57 422	1.39 444	1.10 388	1.13 408	1.19 401	1.34 411	1.15 410	1.11 402	1.73 324	2.89 428	0.26 380	0.24 258	0.28 385	0.24 313	0.50 398	0.68 313

EDNetEfficient	1.29 407	0.78 223	4.27 437	0.65 358	1.03 411	0.94 381	1.38 443	0.87 234	1.75 438	2.33 450	1.32 409	1.04 392	2.21 443	1.59 308	4.07 449	0.16 287	0.19 229	0.15 286	0.27 336	0.38 358	0.40 202

PWCK	1.62 433	2.32 453	4.27 437	1.11 411	0.56 326	1.81 434	1.84 451	1.55 431	1.54 432	1.45 427	1.81 422	1.82 430	1.38 414	3.34 446	2.14 399	1.09 442	0.57 331	0.98 439	0.59 430	1.50 449	0.79 341

SGM+DAISY	2.67 447	2.14 439	4.28 439	1.92 454	2.11 457	4.36 462	5.22 465	3.17 456	3.00 455	3.24 462	3.81 457	3.03 444	3.61 456	2.53 410	3.79 443	1.15 443	1.29 408	0.66 425	0.71 438	0.95 431	2.44 456

pcwnet_v2	0.65 229	0.54 133	4.29 440	0.33 136	0.27 179	0.60 184	0.25 131	1.02 343	0.92 367	0.61 247	0.69 293	0.62 239	0.54 293	0.67 158	0.38 142	0.18 317	0.15 194	0.15 286	0.14 195	0.21 194	0.49 252

LVE	2.10 443	2.61 462	4.30 441	1.79 448	1.81 452	1.68 430	1.04 424	2.35 450	2.78 453	1.27 416	2.87 450	4.21 455	1.46 418	2.83 436	2.02 389	2.87 463	0.92 370	1.19 445	1.47 461	1.29 441	1.18 387

SANet	1.35 412	1.80 418	4.39 442	0.41 261	0.29 195	1.72 431	0.89 412	1.17 406	2.47 447	1.22 410	1.82 423	1.72 429	1.70 429	2.57 413	3.30 433	0.18 317	0.16 207	0.16 304	0.15 215	0.34 328	0.62 295

ACVNet_2	1.54 428	2.20 443	4.42 443	1.10 410	0.93 397	1.37 413	0.87 408	1.53 429	1.71 437	1.22 410	1.72 421	2.12 435	1.06 398	2.58 415	1.93 386	0.94 433	0.54 325	1.00 440	0.56 424	2.11 459	0.96 371

XX-Stereo	0.98 375	0.57 145	4.45 444	1.64 440	5.33 465	0.55 115	0.16 9	0.96 295	0.43 17	0.45 82	0.65 275	0.85 345	0.19 16	0.79 193	0.26 44	0.11 131	0.80 360	0.10 68	0.32 362	0.17 113	0.78 338

FINET	1.92 439	1.96 425	4.49 445	1.62 438	1.39 436	3.51 457	4.39 462	2.89 455	2.58 449	1.39 422	1.98 427	1.35 420	2.12 442	1.64 314	2.12 397	0.84 431	1.03 382	0.18 337	0.29 342	0.54 405	2.12 441

ADCPNet	1.07 389	1.37 368	4.54 446	0.38 225	0.68 363	1.36 411	0.64 377	0.93 274	0.83 325	0.79 348	0.82 348	1.08 399	1.18 406	1.30 265	2.68 420	0.21 350	0.69 350	0.21 357	0.95 449	0.30 302	0.54 271

iRaft-Stereo_20w	1.50 423	0.42 83	4.81 447	2.24 458	2.09 456	1.36 411	1.27 438	1.38 422	0.94 374	2.07 439	0.42 93	0.85 345	0.69 346	0.87 205	1.37 360	0.10 55	4.04 465	0.09 22	0.40 395	0.17 113	4.53 468

ACVNet-4b	2.00 441	2.19 441	4.85 448	1.09 408	0.86 388	1.15 403	0.53 346	1.11 392	1.15 411	0.65 294	1.09 395	1.97 432	0.69 346	2.31 394	9.78 468	5.73 467	0.42 303	1.03 442	0.55 422	1.89 455	0.92 365

ACVNet_1	1.47 422	2.27 449	4.92 449	1.11 411	0.89 392	1.19 407	0.66 382	1.28 415	1.19 414	0.98 379	0.97 377	3.06 446	1.48 421	2.37 398	1.82 384	1.08 441	0.49 316	1.03 442	0.48 411	1.20 437	0.95 369

Dean	1.92 439	2.31 452	5.03 450	1.31 418	1.08 417	1.55 421	0.99 417	1.98 447	2.33 446	1.51 431	4.15 459	4.23 456	1.39 415	2.31 394	2.10 395	1.18 445	0.69 350	1.18 444	0.75 441	1.30 443	1.07 382

DispFullNet	1.69 435	2.25 446	5.23 451	1.53 435	8.78 466	0.89 371	0.37 277	1.03 350	0.98 387	1.37 420	1.00 384	1.13 407	1.97 438	1.51 290	0.98 316	0.55 415	0.32 282	1.19 445	0.64 433	1.16 436	0.88 359

UNDER WATER	2.84 450	2.25 446	5.25 452	1.84 450	1.45 439	2.36 449	1.44 448	3.23 458	6.51 463	2.61 454	2.73 448	5.69 461	5.64 463	3.14 443	4.18 451	1.48 452	0.81 363	1.60 459	1.07 453	1.91 456	1.67 427

SuperB	1.19 400	1.62 403	5.29 453	0.37 206	0.26 168	0.81 350	0.87 408	0.94 279	1.19 414	0.68 308	0.68 290	0.63 243	1.37 413	1.73 324	3.30 433	0.16 287	0.12 152	0.17 319	0.16 236	2.74 463	0.63 299

SGM-ForestM	3.67 459	2.70 463	5.34 454	1.65 441	1.72 450	6.02 465	5.08 464	4.10 464	3.47 456	4.59 464	4.21 460	9.81 468	5.79 464	6.44 464	6.97 463	0.88 432	1.09 386	0.33 402	0.45 404	0.68 418	2.10 440

UNDER WATER-64	2.59 446	2.28 450	5.63 455	1.85 451	1.45 439	3.28 455	1.60 449	2.62 451	5.57 460	2.09 440	2.12 430	4.10 452	4.21 459	2.74 430	3.64 442	1.49 453	0.86 367	1.58 458	1.09 455	1.91 456	1.62 424

HanzoNet	7.85 466	3.30 466	5.75 456	7.47 470	3.97 461	2.34 448	1.37 441	3.47 461	4.02 457	13.30 472	10.49 464	10.86 469	16.67 474	8.50 469	10.51 470	10.80 474	9.84 476	5.83 470	13.69 474	7.24 471	7.51 471

LSM	3.40 456	1.42 377	5.81 457	9.98 472	30.74 483	0.86 363	1.14 429	0.99 317	1.26 416	1.40 424	2.18 433	0.93 365	0.85 375	1.76 329	1.03 323	0.22 356	0.35 288	0.24 374	0.29 342	0.40 371	6.21 470

MADNet+	1.44 418	2.19 441	6.00 458	0.89 390	0.70 367	1.58 423	1.11 426	1.56 432	1.30 421	0.89 368	1.03 389	1.25 414	1.12 403	3.29 445	2.80 425	0.48 411	0.57 331	0.39 408	0.36 386	0.63 414	0.69 318

KSHMR	4.19 460	2.37 455	6.24 459	1.73 446	1.48 442	1.97 440	1.29 439	3.18 457	17.06 477	2.15 443	15.74 471	9.09 467	1.75 430	8.33 468	2.37 411	1.55 454	1.29 408	1.70 460	1.23 457	1.75 452	1.60 423

RTS	1.29 407	1.59 398	6.48 460	0.63 353	0.57 330	1.59 424	0.90 413	1.15 400	1.44 426	1.20 406	1.31 407	1.10 404	0.87 380	2.67 422	2.27 408	0.21 350	0.38 295	0.19 344	0.20 285	0.46 391	0.68 313

RTSA	1.29 407	1.59 398	6.48 460	0.63 353	0.57 330	1.59 424	0.90 413	1.15 400	1.44 426	1.20 406	1.31 407	1.10 404	0.87 380	2.67 422	2.27 408	0.21 350	0.38 295	0.19 344	0.20 285	0.46 391	0.68 313

PML	22.99 477	17.34 475	8.24 462	5.48 468	9.84 467	50.35 487	102.65 487	5.84 467	13.52 469	37.08 488	104.84 487	30.61 487	23.20 482	12.09 472	7.96 465	6.27 469	2.12 447	6.31 471	2.42 463	10.67 474	2.95 459

LE_ROB	4.55 462	2.43 456	9.94 463	2.79 464	4.03 462	2.40 450	3.54 458	2.72 452	11.04 466	11.64 471	4.69 462	5.25 460	10.74 468	4.52 460	9.73 467	0.82 430	0.70 353	1.34 451	0.97 450	0.74 421	0.94 366

JetRed	3.37 455	4.96 467	10.08 464	1.48 432	1.73 451	7.63 466	5.47 466	3.47 461	2.20 444	2.42 451	2.40 438	2.98 443	2.35 445	3.52 451	6.60 461	1.33 448	1.90 434	1.38 452	1.23 457	2.30 460	2.02 436

SGM-Forest	1.84 437	7.91 470	10.36 465	0.42 264	0.33 231	1.04 390	1.29 439	1.01 335	0.88 355	1.19 401	2.30 437	1.03 388	1.79 433	2.60 417	2.81 426	0.22 356	0.21 249	0.21 357	0.19 275	0.25 245	0.79 341
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
Anonymous_1	22.76 476	11.11 471	11.93 466	12.73 473	26.05 482	19.39 476	27.77 479	14.18 474	13.64 471	14.92 473	10.66 465	11.26 470	11.24 471	12.48 474	14.45 473	37.82 487	7.87 470	34.92 484	63.61 484	87.51 488	11.75 476

DPSM_ROB	12.32 470	11.13 472	12.31 467	12.90 474	12.80 471	19.81 479	28.13 480	14.50 475	14.31 474	10.62 468	11.34 466	12.03 473	11.89 472	13.08 475	15.22 474	7.09 470	8.31 472	6.47 472	7.32 469	8.69 472	8.43 474

DPSM	12.32 470	11.13 472	12.31 467	12.90 474	12.80 471	19.81 479	28.13 480	14.50 475	14.31 474	10.62 468	11.34 466	12.03 473	11.89 472	13.08 475	15.22 474	7.09 470	8.31 472	6.47 472	7.32 469	8.69 472	8.43 474

LRCNet_RVC	13.78 474	19.34 476	13.01 469	19.47 477	12.67 470	1.85 435	0.42 302	12.28 473	1.10 404	15.76 474	18.69 477	12.52 475	8.65 466	12.22 473	9.64 466	22.29 478	8.38 474	25.92 480	24.06 481	19.72 479	17.59 479

DGTPSM_ROB	8.97 468	5.94 468	13.01 469	5.95 469	11.34 468	8.54 467	24.06 474	6.47 469	13.52 469	5.19 465	11.52 469	6.18 465	11.04 469	7.02 465	13.92 471	4.47 464	7.66 469	3.90 467	7.43 471	4.34 468	7.98 472

psmorigin	1.41 416	0.91 259	13.83 471	0.37 206	0.30 207	0.63 239	0.37 277	0.80 169	0.64 143	0.98 379	0.87 361	1.16 412	0.78 364	3.95 455	1.09 329	0.19 332	0.22 251	0.17 319	0.19 275	0.25 245	0.47 242

DPSMNet_ROB	9.58 469	5.96 469	13.98 472	8.88 471	11.87 469	8.54 467	24.08 475	6.48 470	13.67 472	5.35 466	11.53 470	6.31 466	11.04 469	7.69 466	14.09 472	7.61 473	8.23 471	5.03 468	7.75 472	5.24 470	8.36 473

xxxxx1	29.05 485	20.74 478	14.05 473	50.10 485	40.25 485	19.01 473	26.60 476	21.83 481	20.22 479	16.52 475	17.56 474	18.33 476	21.41 478	16.11 478	20.77 479	23.48 479	26.77 483	66.36 486	78.56 486	30.19 483	32.23 486

tt_ll	29.05 485	20.74 478	14.05 473	50.10 485	40.25 485	19.01 473	26.60 476	21.83 481	20.22 479	16.52 475	17.56 474	18.33 476	21.41 478	16.11 478	20.77 479	23.48 479	26.77 483	66.36 486	78.56 486	30.19 483	32.23 486

ff	29.05 485	20.74 478	14.05 473	50.10 485	40.25 485	19.01 473	26.60 476	21.83 481	20.22 479	16.52 475	17.56 474	18.33 476	21.41 478	16.11 478	20.77 479	23.48 479	26.77 483	66.36 486	78.56 486	30.19 483	32.23 486

HaxPig	19.88 475	22.39 482	22.30 476	17.98 476	17.98 475	12.06 470	12.06 470	16.25 478	15.97 476	21.05 480	21.41 480	18.85 479	18.35 475	20.07 482	19.64 478	23.57 482	23.19 482	24.07 479	23.71 480	22.95 480	23.72 483

ASD4	27.03 484	24.46 486	23.91 477	27.24 483	17.87 474	47.08 486	31.36 482	41.80 488	21.82 483	31.12 487	20.82 479	33.80 488	18.50 476	27.25 488	21.57 482	29.52 485	20.55 481	27.54 481	23.38 479	30.03 482	20.96 481

DLNR_Zeroshot_test	13.74 473	20.06 477	23.92 478	121.50 489	35.20 484	0.46 43	0.15 4	7.96 471	0.47 30	0.29 37	0.37 69	0.26 39	0.17 6	0.79 193	0.36 132	7.16 472	2.95 464	0.09 22	0.38 391	50.40 487	1.95 434

CasAABBNet	24.76 480	22.38 481	24.44 479	26.05 481	25.75 480	39.79 483	56.76 486	29.10 485	28.88 486	21.22 481	22.69 482	24.21 481	23.99 484	26.23 484	30.62 486	14.22 475	16.71 478	13.03 474	14.75 477	17.49 475	16.97 477

Selective-RAFT-Error	24.83 481	22.44 483	24.80 480	26.10 482	25.82 481	39.85 484	56.72 485	29.21 487	29.03 488	21.29 483	22.80 483	24.25 482	24.07 485	26.28 485	30.60 485	14.24 476	16.85 479	13.04 475	14.75 477	17.53 476	17.02 478

LSM0	26.57 482	22.53 484	25.76 481	30.62 484	52.30 488	39.86 485	56.49 484	29.18 486	28.76 485	21.26 482	22.46 481	24.42 483	23.97 483	26.42 486	30.66 487	14.29 477	16.56 477	13.06 476	14.65 476	17.62 477	20.52 480

MEDIAN_ROB	23.95 478	26.96 487	26.29 482	22.14 478	22.09 477	16.18 472	14.23 471	20.47 479	20.09 478	25.43 484	25.22 485	22.96 480	22.54 481	24.33 483	23.18 483	28.15 484	27.16 486	28.60 482	27.73 482	27.59 481	27.58 484

BEATNet-Init1	12.32 470	12.82 474	28.66 483	3.22 465	3.71 460	21.59 481	11.42 469	14.54 477	13.73 473	20.24 479	20.16 478	26.14 484	19.85 477	19.08 481	15.33 476	1.81 457	1.93 437	2.05 464	2.48 465	4.25 467	3.41 465

AVERAGE_ROB	26.91 483	30.28 488	29.18 484	25.78 479	25.30 479	19.49 477	15.38 472	23.70 484	23.02 484	28.38 486	27.78 486	26.23 485	25.76 486	26.95 487	25.55 484	31.27 486	30.02 487	31.76 483	30.80 483	30.88 486	30.77 485

DPSimNet_ROB	24.35 479	23.81 485	31.38 485	25.93 480	22.83 478	31.30 482	34.38 483	20.78 480	28.92 487	27.39 485	22.99 484	28.29 486	35.76 487	15.47 477	17.82 477	24.28 483	17.90 480	22.23 478	14.12 475	19.38 478	22.12 482

coex-ft	6.14 465	1.98 427	60.80 486	0.34 158	0.30 207	0.80 345	1.17 434	0.76 142	4.34 458	19.82 478	2.15 432	1.61 427	8.77 467	1.82 345	10.36 469	0.44 407	2.05 442	0.18 337	0.19 275	0.39 365	4.61 469

test_example2	115.17 488	122.38 489	93.45 487	115.38 488	123.53 489	101.24 488	113.11 488	54.67 489	99.94 489	135.50 489	136.43 488	85.67 489	85.40 488	110.44 489	104.91 488	152.17 489	205.21 489	99.17 489	114.27 489	138.55 489	112.04 489

EDNetEfficientorigin	8.19 467	1.27 342	145.54 488	0.51 316	0.96 399	0.75 318	0.49 337	0.86 226	1.57 433	2.12 442	1.49 416	1.28 415	1.35 410	1.84 348	2.15 400	0.14 244	0.13 166	0.17 319	0.18 258	0.39 365	0.64 304

FADE		3.24 465		2.10 457	2.93 459			4.99 466	2.50 448	1.28 417		3.05 445		8.01 467		96.22 488	36.26 488	65.47 485	65.78 485	1.78 453	1.34 408

Low-res two-view benchmark