Low-res two-view results

This table lists the benchmark results for the low-res two-view scenario. This benchmark evaluates the Middlebury stereo metrics (for all metrics, smaller is better):

bad 0.5, 1.0, 2.0, 4.0 [%]: Fraction of pixels with errors larger than the given number of disparities.
Average error [px]: The per-pixel average disparity error.
Root mean square error [px]: The per-pixel root mean square disparity error.
50%, 90%, 95%, 99% error quantile [px]: The highest disparity error within the given percentage of best pixels (for 50%, this is the median error).
Time [s]: The runtime of the method.

The mask determines whether the metric is evaluated for all pixels with ground truth, or only for pixels which are visible in both images (non-occluded).
The coverage selector allows to limit the table to results for all pixels (dense), or a given minimum fraction of pixels.

Methods with suffix _ROB may participate in the Robust Vision Challenge.

Click one or more dataset result cells or column headers to show visualizations. Most visualizations are only available for training datasets. The visualizations may not work with mobile browsers.

Method	all	lakes. 1l	lakes. 1s	sand box 1l	sand box 1s	stora. room 1l	stora. room 1s	stora. room 2l	stora. room 2s	stora. room 2 1l	stora. room 2 1s	stora. room 2 2l	stora. room 2 2s	stora. room 3l	stora. room 3s	tunnel 1l	tunnel 1s	tunnel 2l	tunnel 2s	tunnel 3l	tunnel 3s

Selective-IGEV	0.25 1	0.18 14	0.37 27	0.37 35	0.20 18	0.27 25	0.25 30	0.59 29	0.25 1	0.27 2	0.26 1	0.34 21	0.18 1	0.62 116	0.23 1	0.12 4	0.10 8	0.14 13	0.11 15	0.13 14	0.11 3

CES	0.29 9	0.15 2	0.25 1	0.31 4	0.71 368	0.36 78	0.27 42	0.51 12	0.47 54	0.34 13	0.48 27	0.27 2	0.23 7	0.40 14	0.24 2	0.13 9	0.11 39	0.12 2	0.08 1	0.13 14	0.32 298

IGEVStereo-DCA	0.30 12	0.24 139	0.42 58	0.36 27	0.27 158	0.38 91	0.34 116	0.66 55	0.35 6	0.39 21	0.31 6	0.35 25	0.27 22	0.62 116	0.25 3	0.16 99	0.12 86	0.16 57	0.12 26	0.14 36	0.16 98

rrr	0.31 23	0.24 139	0.56 184	0.36 27	0.27 158	0.38 91	0.31 87	0.56 24	0.44 43	0.39 21	0.31 6	0.35 25	0.27 22	0.62 116	0.25 3	0.16 99	0.12 86	0.16 57	0.13 49	0.14 36	0.14 49

AEACV	0.28 6	0.18 14	0.34 13	0.36 27	0.45 323	0.27 25	0.27 42	0.41 2	0.39 21	0.31 7	0.46 22	0.31 6	0.36 78	0.38 7	0.25 3	0.14 18	0.11 39	0.15 41	0.13 49	0.13 14	0.13 31

Any-RAFT	0.36 42	0.17 8	0.31 10	0.35 12	0.21 25	0.51 143	0.21 5	0.93 188	0.75 134	0.56 63	0.73 85	0.66 161	0.29 41	0.48 41	0.25 3	0.15 67	0.10 8	0.13 8	0.10 10	0.13 14	0.13 31

PMTNet	0.33 30	0.17 8	0.26 4	0.29 2	0.18 5	0.44 127	0.22 11	0.57 26	0.66 96	0.46 43	0.54 44	0.38 35	0.34 70	0.50 49	0.25 3	0.75 377	0.10 8	0.12 2	0.09 4	0.13 14	0.12 10

ACVNet-DCA	0.36 42	0.25 167	0.35 19	0.42 129	0.23 56	0.53 153	0.37 157	0.91 178	0.59 74	0.42 32	0.50 31	0.34 21	0.47 141	0.61 94	0.26 8	0.17 125	0.11 39	0.19 147	0.13 49	0.18 151	0.19 165

xx1	0.40 102	0.25 167	0.35 19	0.42 129	0.23 56	0.53 153	0.37 157	0.71 99	1.17 314	0.42 32	0.50 31	0.65 149	0.56 174	0.61 94	0.26 8	0.17 125	0.11 39	0.20 176	0.19 207	0.18 151	0.19 165

cc1	0.38 76	0.25 167	0.35 19	0.42 129	0.23 56	0.53 153	0.37 157	0.71 99	1.17 314	0.42 32	0.50 31	0.34 21	0.47 141	0.61 94	0.26 8	0.17 125	0.11 39	0.19 147	0.13 49	0.16 103	0.17 134

ff7	0.30 12	0.22 97	0.42 58	0.37 35	0.26 129	0.31 51	0.34 116	0.66 55	0.35 6	0.39 21	0.33 10	0.31 6	0.28 27	0.61 94	0.26 8	0.14 18	0.11 39	0.17 85	0.12 26	0.15 66	0.16 98

ffff	0.30 12	0.22 97	0.42 58	0.37 35	0.26 129	0.31 51	0.34 116	0.66 55	0.35 6	0.39 21	0.33 10	0.31 6	0.28 27	0.61 94	0.26 8	0.14 18	0.11 39	0.17 85	0.12 26	0.15 66	0.16 98

ffm	0.47 161	0.28 220	0.68 238	0.39 60	0.26 129	0.56 169	0.40 193	0.72 109	1.13 302	0.76 155	0.98 198	0.71 173	0.55 166	0.61 94	0.26 8	0.17 125	0.11 39	0.25 267	0.21 243	0.16 103	0.17 134

11t	0.30 12	0.22 97	0.42 58	0.37 35	0.26 129	0.31 51	0.34 116	0.66 55	0.35 6	0.39 21	0.33 10	0.31 6	0.28 27	0.61 94	0.26 8	0.14 18	0.11 39	0.17 85	0.12 26	0.15 66	0.16 98

tt1	0.37 60	0.25 167	0.35 19	0.43 166	0.23 56	0.52 150	0.37 157	0.72 109	1.13 302	0.42 32	0.46 22	0.35 25	0.44 124	0.61 94	0.26 8	0.17 125	0.11 39	0.19 147	0.13 49	0.16 103	0.17 134

CASnet	0.30 12	0.20 54	0.34 13	0.42 129	0.17 2	0.25 16	0.24 23	0.53 16	0.56 67	0.54 60	0.54 44	0.39 38	0.24 10	0.41 17	0.26 8	0.15 67	0.10 8	0.22 229	0.18 183	0.18 151	0.12 10
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
HH	0.37 60	0.22 97	0.49 122	0.41 104	0.26 129	0.36 78	0.30 69	0.87 166	0.41 34	0.45 39	0.59 56	0.78 213	0.43 119	0.77 207	0.26 8	0.15 67	0.11 39	0.15 41	0.14 69	0.14 36	0.14 49

HanStereo	0.37 60	0.22 97	0.49 122	0.41 104	0.26 129	0.36 78	0.30 69	0.87 166	0.41 34	0.45 39	0.59 56	0.78 213	0.43 119	0.77 207	0.26 8	0.15 67	0.11 39	0.15 41	0.14 69	0.14 36	0.14 49

anonymousdsp	0.30 12	0.22 97	0.41 50	0.38 44	0.26 129	0.31 51	0.35 138	0.68 71	0.36 11	0.40 29	0.33 10	0.32 13	0.28 27	0.62 116	0.26 8	0.14 18	0.10 8	0.17 85	0.12 26	0.15 66	0.16 98

ccc-4	0.30 12	0.22 97	0.42 58	0.37 35	0.26 129	0.31 51	0.34 116	0.66 55	0.35 6	0.39 21	0.33 10	0.31 6	0.28 27	0.61 94	0.26 8	0.14 18	0.11 39	0.17 85	0.12 26	0.15 66	0.16 98

IGEV-Stereo	0.30 12	0.22 97	0.41 50	0.38 44	0.26 129	0.30 39	0.35 138	0.68 71	0.36 11	0.40 29	0.33 10	0.32 13	0.28 27	0.62 116	0.26 8	0.14 18	0.10 8	0.17 85	0.12 26	0.15 66	0.16 98
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
CroCo-Stereo	0.27 2	0.23 120	0.40 45	0.49 257	0.22 30	0.20 2	0.29 57	0.55 19	0.45 47	0.29 4	0.27 2	0.42 45	0.26 17	0.30 1	0.26 8	0.15 67	0.13 141	0.13 8	0.12 26	0.16 103	0.13 31
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
MSKI-zero shot	0.33 30	0.19 33	0.36 25	0.41 104	0.22 30	0.32 60	0.22 11	0.65 53	0.45 47	0.52 53	0.64 67	0.60 126	0.19 3	0.78 215	0.27 23	0.14 18	0.11 39	0.14 13	0.10 10	0.13 14	0.13 31

EGLCR-Stereo	0.27 2	0.17 8	0.36 25	0.35 12	0.21 25	0.37 86	0.20 1	0.58 27	0.37 14	0.29 4	0.28 4	0.42 45	0.18 1	0.47 34	0.27 23	0.14 18	0.10 8	0.16 57	0.14 69	0.13 14	0.12 10

MC-Stereo	0.29 9	0.18 14	0.35 19	0.40 86	0.21 25	0.26 18	0.26 40	0.53 16	0.40 29	0.38 18	0.61 61	0.41 43	0.31 53	0.57 69	0.27 23	0.14 18	0.10 8	0.14 13	0.12 26	0.12 2	0.12 10

RAFT_CTSACE	0.46 152	0.20 54	0.48 115	0.46 222	0.27 158	0.34 72	0.39 183	0.62 36	0.74 132	0.78 174	1.44 324	0.86 234	0.38 89	1.09 301	0.27 23	0.13 9	0.13 141	0.18 116	0.16 115	0.16 103	0.12 10

test_xeample3	0.31 23	0.23 120	0.56 184	0.36 27	0.26 129	0.35 74	0.32 99	0.60 31	0.38 17	0.44 38	0.32 9	0.33 18	0.28 27	0.66 146	0.27 23	0.14 18	0.12 86	0.16 57	0.12 26	0.14 36	0.14 49

CREStereo	0.28 6	0.16 4	0.25 1	0.28 1	0.17 2	0.38 91	0.25 30	0.52 13	0.76 137	0.43 37	0.51 36	0.32 13	0.28 27	0.39 8	0.27 23	0.16 99	0.11 39	0.12 2	0.09 4	0.12 2	0.12 10
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
MyStereo07	0.33 30	0.23 120	0.37 27	0.43 166	0.29 198	0.40 101	0.48 248	0.78 143	0.38 17	0.38 18	0.34 16	0.32 13	0.30 50	0.63 125	0.28 29	0.14 18	0.13 141	0.19 147	0.17 157	0.18 151	0.17 134

LoS_RVC	0.28 6	0.17 8	0.29 9	0.33 8	0.32 244	0.43 121	0.34 116	0.42 4	0.34 5	0.33 11	0.51 36	0.29 4	0.38 89	0.37 5	0.28 29	0.11 1	0.10 8	0.11 1	0.08 1	0.11 1	0.26 262

CAS	0.37 60	0.13 1	0.27 7	1.34 387	0.31 227	0.46 131	0.38 170	0.50 11	0.48 56	0.35 15	0.52 39	0.24 1	0.19 3	0.30 1	0.28 29	1.03 388	0.08 1	0.12 2	0.08 1	0.12 2	0.28 279

ProNet	0.30 12	0.22 97	0.41 50	0.36 27	0.25 101	0.33 66	0.42 218	0.62 36	0.41 34	0.33 11	0.31 6	0.32 13	0.28 27	0.60 88	0.28 29	0.13 9	0.11 39	0.16 57	0.13 49	0.13 14	0.14 49

TANstereo	0.31 23	0.16 4	0.34 13	0.31 4	0.17 2	0.55 164	0.23 20	0.46 6	0.56 67	0.60 71	0.69 79	0.37 32	0.26 17	0.36 4	0.28 29	0.16 99	0.16 211	0.13 8	0.10 10	0.14 36	0.15 78

XX-TBD	0.32 26	0.53 324	0.26 4	0.53 301	0.21 25	0.38 91	0.24 23	0.41 2	0.77 139	0.55 61	0.70 81	0.31 6	0.26 17	0.33 3	0.28 29	0.16 99	0.10 8	0.12 2	0.09 4	0.13 14	0.11 3

XX-Stereo	0.38 76	0.18 14	0.52 158	0.58 327	0.38 282	0.39 96	0.20 1	0.62 36	0.31 2	0.47 45	1.29 299	0.72 188	0.25 12	0.59 78	0.28 29	0.16 99	0.11 39	0.17 85	0.16 115	0.14 36	0.11 3

CFNet-RSSM	0.35 36	0.18 14	0.47 102	0.39 60	0.22 30	0.35 74	0.23 20	0.78 143	0.86 186	0.67 109	0.54 44	0.56 96	0.28 27	0.49 47	0.28 29	0.14 18	0.10 8	0.14 13	0.12 26	0.13 14	0.12 10

IGEV_Zeroshot_test	0.36 42	0.19 33	0.71 251	0.41 104	0.29 198	0.30 39	0.25 30	0.86 165	0.40 29	0.64 94	0.57 52	0.56 96	0.25 12	0.56 65	0.29 37	0.15 67	0.11 39	0.16 57	0.14 69	0.14 36	0.14 49

LoS	0.30 12	0.16 4	0.32 12	0.30 3	0.19 8	0.32 60	0.29 57	0.54 18	0.73 127	0.35 15	0.52 39	0.42 45	0.29 41	0.48 41	0.29 37	0.15 67	0.11 39	0.13 8	0.09 4	0.12 2	0.12 10

RCA-Stereo	0.36 42	0.18 14	0.37 27	0.38 44	0.23 56	0.31 51	0.33 108	0.70 92	1.25 326	0.45 39	0.65 69	0.46 64	0.43 119	0.40 14	0.29 37	0.14 18	0.10 8	0.14 13	0.12 26	0.12 2	0.12 10

test_4	0.37 60	0.19 33	0.34 13	0.45 199	0.26 129	0.20 2	0.34 116	0.58 27	0.42 38	0.60 71	1.45 327	0.43 51	0.26 17	0.67 155	0.29 37	0.12 4	0.10 8	0.17 85	0.19 207	0.15 66	0.12 10

iRaft-Stereo_20w	0.42 123	0.20 54	0.63 216	0.39 60	0.27 158	0.33 66	0.25 30	1.76 376	0.37 14	0.73 140	0.53 41	0.63 138	0.42 116	0.86 238	0.29 37	0.14 18	0.11 39	0.14 13	0.13 49	0.15 66	0.15 78

GMOStereo	0.38 76	0.19 33	0.42 58	0.43 166	0.24 77	0.40 101	0.39 183	0.55 19	0.64 88	0.89 231	0.84 138	0.65 149	0.37 82	0.39 8	0.29 37	0.14 18	0.12 86	0.20 176	0.18 183	0.15 66	0.12 10

error version	0.38 76	0.19 33	0.42 58	0.43 166	0.24 77	0.40 101	0.39 183	0.55 19	0.64 88	0.89 231	0.84 138	0.65 149	0.37 82	0.39 8	0.29 37	0.14 18	0.12 86	0.20 176	0.18 183	0.15 66	0.12 10

test-v	0.38 76	0.19 33	0.42 58	0.43 166	0.24 77	0.40 101	0.39 183	0.55 19	0.64 88	0.89 231	0.84 138	0.65 149	0.37 82	0.39 8	0.29 37	0.14 18	0.12 86	0.20 176	0.18 183	0.15 66	0.12 10

TRStereo	0.39 88	0.32 252	0.64 220	0.49 257	0.41 299	0.30 39	0.30 69	0.97 202	0.63 84	0.53 59	0.43 18	0.52 82	0.26 17	0.77 207	0.29 37	0.18 156	0.12 86	0.19 147	0.19 207	0.13 14	0.13 31

test-2	0.38 76	0.19 33	0.42 58	0.43 166	0.24 77	0.40 101	0.39 183	0.55 19	0.64 88	0.89 231	0.84 138	0.65 149	0.37 82	0.39 8	0.29 37	0.14 18	0.12 86	0.20 176	0.18 183	0.15 66	0.12 10

Gwc-CoAtRS	0.35 36	0.18 14	0.46 91	0.39 60	0.23 56	0.34 72	0.22 11	0.74 128	0.77 139	0.62 77	0.60 58	0.58 114	0.29 41	0.47 34	0.29 37	0.14 18	0.11 39	0.14 13	0.12 26	0.13 14	0.13 31

StereoIM	0.27 2	0.19 33	0.39 36	0.37 35	0.26 129	0.28 31	0.28 50	0.45 5	0.37 14	0.27 2	0.27 2	0.40 39	0.27 22	0.40 14	0.30 48	0.16 99	0.14 172	0.16 57	0.13 49	0.15 66	0.12 10

RAFT-Test	0.35 36	0.19 33	0.42 58	0.39 60	0.24 77	0.50 138	0.23 20	0.74 128	0.44 43	0.62 77	0.85 145	0.64 145	0.28 27	0.48 41	0.30 48	0.14 18	0.11 39	0.14 13	0.11 15	0.13 14	0.13 31

4D-IteraStereo	0.33 30	0.19 33	0.43 74	0.40 86	0.24 77	0.32 60	0.27 42	0.59 29	0.72 118	0.66 102	0.53 41	0.42 45	0.22 6	0.46 29	0.30 48	0.14 18	0.09 2	0.20 176	0.16 115	0.16 103	0.12 10

CroCo-Stereo Lap2	0.29 9	0.25 167	0.44 79	0.50 268	0.30 217	0.19 1	0.31 87	0.52 13	0.41 34	0.25 1	0.28 4	0.46 64	0.31 53	0.39 8	0.30 48	0.15 67	0.15 190	0.16 57	0.13 49	0.17 127	0.16 98

raft_robust	0.41 116	0.24 139	0.39 36	0.43 166	0.22 30	0.40 101	0.33 108	0.80 150	0.98 248	0.80 178	0.88 158	0.41 43	0.32 59	0.89 247	0.30 48	0.14 18	0.12 86	0.16 57	0.18 183	0.15 66	0.13 31

test-1	0.37 60	0.20 54	0.76 268	0.47 240	0.27 158	0.44 127	0.36 145	0.63 42	0.65 93	0.49 48	0.67 77	0.54 88	0.35 73	0.42 18	0.30 48	0.14 18	0.12 86	0.16 57	0.14 69	0.15 66	0.18 156

sAnonymous2	0.42 123	0.41 297	0.96 311	0.48 248	0.37 277	0.41 110	0.48 248	0.60 31	0.52 62	0.39 21	0.48 27	0.35 25	0.44 124	0.44 22	0.30 48	0.19 191	0.14 172	0.19 147	0.17 157	0.55 362	0.43 343

CroCo_RVC	0.42 123	0.41 297	0.96 311	0.48 248	0.37 277	0.41 110	0.48 248	0.60 31	0.52 62	0.39 21	0.48 27	0.35 25	0.44 124	0.44 22	0.30 48	0.19 191	0.14 172	0.19 147	0.17 157	0.55 362	0.43 343

EAI-Stereo	0.36 42	0.21 74	0.46 91	0.40 86	0.22 30	0.33 66	0.36 145	1.22 285	0.32 3	0.52 53	0.75 98	0.35 25	0.28 27	0.65 138	0.30 48	0.14 18	0.11 39	0.14 13	0.14 69	0.14 36	0.13 31

MyStereo06	0.40 102	0.22 97	0.65 225	0.42 129	0.29 198	0.43 121	0.48 248	1.05 228	0.43 41	0.64 94	0.54 44	0.78 213	0.27 22	0.53 53	0.31 57	0.14 18	0.13 141	0.18 116	0.17 157	0.17 127	0.17 134

AE-Stereo	0.36 42	0.21 74	0.47 102	0.49 257	0.31 227	0.50 138	0.34 116	0.72 109	0.73 127	0.34 13	0.55 49	0.52 82	0.28 27	0.48 41	0.31 57	0.13 9	0.13 141	0.18 116	0.16 115	0.15 66	0.14 49

Sa-1000	0.49 179	0.25 167	0.45 84	0.46 222	0.25 101	0.64 208	0.34 116	0.85 163	0.95 232	0.85 204	1.51 334	0.55 90	0.44 124	0.94 262	0.31 57	0.16 99	0.12 86	0.21 217	0.20 226	0.15 66	0.14 49

cross-raft	0.34 35	0.20 54	0.38 33	0.45 199	0.24 77	0.32 60	0.35 138	0.77 140	0.42 38	0.62 77	0.77 101	0.58 114	0.27 22	0.46 29	0.31 57	0.12 4	0.10 8	0.15 41	0.13 49	0.15 66	0.12 10

raftrobust	0.35 36	0.20 54	0.39 36	0.43 166	0.29 198	0.31 51	0.25 30	0.73 122	0.66 96	0.59 69	0.56 51	0.44 54	0.45 131	0.55 61	0.31 57	0.16 99	0.12 86	0.14 13	0.12 26	0.12 2	0.14 49

RAFT-Stereo + iAFF	0.37 60	0.18 14	0.45 84	0.36 27	0.19 8	0.33 66	0.28 50	0.67 66	0.77 139	0.72 133	0.99 207	0.56 96	0.39 102	0.44 22	0.31 57	0.11 1	0.09 2	0.15 41	0.14 69	0.13 14	0.11 3

test croco	0.32 26	0.21 74	0.59 201	0.40 86	0.29 198	0.27 25	0.30 69	0.46 6	0.36 11	0.32 10	0.66 72	0.31 6	0.33 64	0.68 163	0.32 63	0.18 156	0.13 141	0.20 176	0.15 90	0.18 151	0.13 31

MIF-Stereo (partial)	0.32 26	0.19 33	0.41 50	0.41 104	0.32 244	0.29 35	0.24 23	0.49 9	0.44 43	0.31 7	0.63 64	0.37 32	0.36 78	0.60 88	0.32 63	0.17 125	0.13 141	0.19 147	0.17 157	0.18 151	0.15 78

DLNR_Zeroshot_test	20.12 421	36.36 428	38.38 426	170.13 437	62.28 433	0.22 4	0.20 1	13.43 420	0.40 29	0.45 39	0.66 72	0.42 45	0.21 5	0.64 132	0.32 63	5.57 418	0.10 8	0.15 41	0.11 15	72.31 436	0.13 31

LL-Strereo2	0.36 42	0.25 167	0.52 158	0.43 166	0.27 158	0.36 78	0.27 42	0.70 92	0.46 52	0.55 61	0.53 41	0.65 149	0.24 10	0.69 169	0.32 63	0.14 18	0.13 141	0.23 243	0.20 226	0.19 184	0.14 49

DCRE	0.38 76	0.19 33	0.47 102	0.45 199	0.33 255	0.45 130	0.40 193	0.66 55	0.53 65	0.49 48	0.95 184	0.57 99	0.39 102	0.53 53	0.32 63	0.14 18	0.13 141	0.15 41	0.14 69	0.14 36	0.15 78

test-3	0.35 36	0.17 8	0.48 115	0.40 86	0.22 30	0.42 117	0.22 11	0.66 55	0.80 153	0.72 133	0.45 20	0.63 138	0.29 41	0.45 25	0.32 63	0.13 9	0.09 2	0.17 85	0.13 49	0.13 14	0.11 3

test_1	0.35 36	0.17 8	0.48 115	0.40 86	0.22 30	0.42 117	0.22 11	0.66 55	0.80 153	0.70 123	0.45 20	0.63 138	0.29 41	0.45 25	0.32 63	0.13 9	0.09 2	0.17 85	0.13 49	0.13 14	0.11 3

test_3	0.37 60	0.19 33	0.50 131	0.45 199	0.24 77	0.47 133	0.36 145	0.69 82	0.84 176	0.66 102	0.46 22	0.68 168	0.25 12	0.45 25	0.32 63	0.12 4	0.10 8	0.18 116	0.16 115	0.15 66	0.12 10

KYRaft	0.48 170	0.21 74	0.41 50	0.45 199	0.23 56	0.43 121	0.36 145	0.68 71	0.45 47	0.94 253	1.72 349	0.78 213	0.40 107	0.65 138	0.32 63	0.16 99	0.11 39	0.18 116	0.22 261	0.17 127	0.76 377

Prome-Stereo	0.46 152	0.20 54	0.37 27	0.45 199	0.26 129	0.40 101	0.42 218	0.69 82	0.49 57	0.96 270	1.84 355	0.58 114	0.64 211	0.63 125	0.32 63	0.15 67	0.11 39	0.16 57	0.14 69	0.17 127	0.30 288

anonymousdsp2	0.37 60	0.21 74	0.49 122	0.38 44	0.24 77	0.48 137	0.31 87	0.91 178	0.68 103	0.57 65	0.51 36	0.51 79	0.34 70	0.59 78	0.33 73	0.14 18	0.11 39	0.14 13	0.10 10	0.16 103	0.16 98

TestStereo1	0.44 141	0.24 139	0.45 84	0.52 294	0.25 101	0.35 74	0.40 193	0.81 152	0.94 228	0.70 123	0.96 188	0.48 71	0.45 131	0.94 262	0.33 73	0.16 99	0.13 141	0.18 116	0.16 115	0.15 66	0.14 49

RAFT+CT+SA	0.40 102	0.24 139	0.40 45	0.53 301	0.27 158	0.28 31	0.45 235	0.79 148	0.81 162	0.51 51	0.90 163	0.42 45	0.39 102	0.81 223	0.33 73	0.15 67	0.11 39	0.18 116	0.18 183	0.15 66	0.15 78

SA-5K	0.44 141	0.24 139	0.45 84	0.52 294	0.25 101	0.35 74	0.40 193	0.81 152	0.94 228	0.70 123	0.96 188	0.48 71	0.45 131	0.94 262	0.33 73	0.16 99	0.13 141	0.18 116	0.16 115	0.15 66	0.14 49

SA	0.45 147	0.26 195	0.50 131	0.47 240	0.24 77	0.46 131	0.36 145	0.79 148	1.00 255	0.61 75	1.04 231	0.50 76	0.50 150	0.98 279	0.33 73	0.16 99	0.13 141	0.21 217	0.19 207	0.15 66	0.14 49

TransformOpticalFlow	0.46 152	0.21 74	0.49 122	0.42 129	0.24 77	0.36 78	0.46 238	1.04 222	0.84 176	0.67 109	1.14 264	0.73 192	0.56 174	0.78 215	0.33 73	0.15 67	0.10 8	0.17 85	0.15 90	0.14 36	0.15 78

PSM-AAD	0.48 170	0.21 74	0.39 36	0.44 187	0.23 56	0.56 169	0.47 243	0.67 66	0.73 127	1.08 312	1.12 256	0.58 114	0.87 303	0.63 125	0.33 73	0.15 67	0.11 39	0.25 267	0.26 303	0.18 151	0.42 339

iRaftStereo_RVC	0.33 30	0.20 54	0.40 45	0.40 86	0.23 56	0.31 51	0.29 57	0.70 92	0.55 66	0.49 48	0.66 72	0.37 32	0.23 7	0.47 34	0.33 73	0.14 18	0.11 39	0.19 147	0.17 157	0.16 103	0.13 31

sCroCo_RVC	0.36 42	0.29 229	0.73 261	0.52 294	0.39 291	0.42 117	0.31 87	0.52 13	0.46 52	0.31 7	0.48 27	0.38 35	0.32 59	0.46 29	0.33 73	0.22 241	0.23 293	0.19 147	0.19 207	0.21 208	0.22 223

StereoVision	0.43 135	0.29 229	0.54 177	0.50 268	0.28 179	0.37 86	0.38 170	0.75 133	0.63 84	0.46 43	1.11 254	0.53 86	0.38 89	0.57 69	0.34 82	0.21 225	0.24 301	0.25 267	0.24 284	0.26 263	0.17 134

EKT-Stereo	0.36 42	0.24 139	0.44 79	0.44 187	0.30 217	0.37 86	0.30 69	0.72 109	0.68 103	0.47 45	0.63 64	0.49 75	0.28 27	0.59 78	0.34 82	0.19 191	0.14 172	0.18 116	0.15 90	0.16 103	0.18 156

DisPM	0.40 102	0.20 54	0.50 131	0.42 129	0.27 158	0.24 7	0.30 69	0.68 71	0.61 83	0.88 224	0.87 155	0.59 123	0.32 59	0.80 219	0.34 82	0.19 191	0.12 86	0.19 147	0.17 157	0.16 103	0.21 208

STrans-v2	0.47 161	0.21 74	0.49 122	0.41 104	0.25 101	0.54 159	0.49 258	1.16 262	0.82 170	0.67 109	1.05 234	0.71 173	0.67 228	0.74 187	0.34 82	0.15 67	0.11 39	0.17 85	0.15 90	0.14 36	0.14 49

FTStereo	0.56 235	0.21 74	0.39 36	0.42 129	0.25 101	0.39 96	0.73 329	0.69 82	0.45 47	1.09 316	3.23 387	0.69 170	0.71 248	0.55 61	0.34 82	0.15 67	0.13 141	0.19 147	0.17 157	0.15 66	0.32 298

GMM-Stereo	0.44 141	0.20 54	0.39 36	0.42 129	0.25 101	0.50 138	0.44 231	0.72 109	0.57 71	0.77 163	1.37 312	0.76 206	0.38 89	0.62 116	0.34 82	0.15 67	0.10 8	0.20 176	0.19 207	0.17 127	0.28 279

CREStereo++_RVC	0.32 26	0.16 4	0.25 1	0.32 6	0.24 77	0.27 25	0.22 11	0.48 8	0.89 204	0.47 45	0.80 123	0.29 4	0.25 12	0.37 5	0.34 82	0.14 18	0.09 2	0.13 8	0.52 374	0.14 36	0.10 1
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
MIF-Stereo	0.27 2	0.18 14	0.40 45	0.40 86	0.28 179	0.30 39	0.28 50	0.40 1	0.33 4	0.30 6	0.46 22	0.27 2	0.25 12	0.48 41	0.35 89	0.17 125	0.13 141	0.14 13	0.12 26	0.14 36	0.13 31

LCNet	0.42 123	0.21 74	0.34 13	0.44 187	0.24 77	0.47 133	0.28 50	0.69 82	0.57 71	0.72 133	1.03 228	0.66 161	0.58 186	0.60 88	0.35 89	0.15 67	0.10 8	0.19 147	0.19 207	0.22 226	0.37 321

GrayStereo	0.49 179	0.20 54	0.44 79	0.47 240	0.29 198	0.51 143	0.62 304	0.71 99	0.66 96	1.04 297	1.46 328	0.77 211	0.73 259	0.58 73	0.35 89	0.15 67	0.12 86	0.17 85	0.17 157	0.15 66	0.30 288

AnonymousM	0.42 123	0.86 368	0.31 10	0.35 12	0.23 56	0.30 39	0.37 157	0.56 24	0.44 43	0.72 133	0.50 31	0.47 68	0.29 41	0.42 18	0.35 89	0.16 99	0.12 86	1.51 386	0.32 330	0.12 2	0.11 3

s12784h	0.37 60	0.15 2	0.26 4	0.34 9	0.15 1	0.80 263	0.29 57	0.83 158	0.87 190	0.58 68	0.58 54	0.43 51	0.41 111	0.59 78	0.35 89	0.12 4	0.10 8	0.14 13	0.09 4	0.14 36	0.10 1

RALAANet	0.40 102	0.24 139	0.56 184	0.43 166	0.30 217	0.36 78	0.25 30	0.89 172	0.69 108	0.69 119	0.65 69	0.61 128	0.30 50	0.63 125	0.35 89	0.16 99	0.13 141	0.18 116	0.15 90	0.21 208	0.14 49

AFF-stereo	0.39 88	0.20 54	0.42 58	0.37 35	0.22 30	0.27 25	0.31 87	0.67 66	0.72 118	0.66 102	1.12 256	0.75 200	0.38 89	0.57 69	0.35 89	0.11 1	0.09 2	0.16 57	0.16 115	0.14 36	0.12 10

R-Stereo Train	0.40 102	0.19 33	0.47 102	0.43 166	0.27 158	0.41 110	0.31 87	0.74 128	0.38 17	0.90 238	1.28 295	0.58 114	0.35 73	0.43 20	0.35 89	0.15 67	0.13 141	0.14 13	0.12 26	0.14 36	0.14 49

RAFT-Stereo	0.40 102	0.19 33	0.47 102	0.43 166	0.27 158	0.41 110	0.31 87	0.74 128	0.38 17	0.90 238	1.28 295	0.58 114	0.35 73	0.43 20	0.35 89	0.15 67	0.13 141	0.14 13	0.12 26	0.14 36	0.14 49
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
qqq1	0.51 200	0.24 139	0.67 231	0.35 12	0.20 18	0.63 200	0.34 116	1.26 297	1.06 276	0.85 204	1.02 217	0.71 173	0.66 219	0.96 270	0.36 98	0.19 191	0.16 211	0.14 13	0.12 26	0.15 66	0.16 98

fff1	0.51 200	0.24 139	0.67 231	0.35 12	0.20 18	0.63 200	0.34 116	1.26 297	1.06 276	0.85 204	1.02 217	0.71 173	0.66 219	0.96 270	0.36 98	0.19 191	0.16 211	0.14 13	0.12 26	0.15 66	0.16 98

knoymous	0.37 60	0.22 97	0.34 13	0.32 6	0.22 30	0.38 91	0.29 57	0.63 42	0.65 93	0.69 119	0.69 79	0.60 126	0.40 107	0.61 94	0.36 98	0.17 125	0.11 39	0.20 176	0.12 26	0.18 151	0.19 165

Selective-RAFT	0.36 42	0.23 120	0.54 177	0.45 199	0.22 30	0.64 208	0.27 42	0.62 36	0.65 93	0.41 31	0.38 17	0.55 90	0.39 102	0.59 78	0.36 98	0.14 18	0.12 86	0.14 13	0.12 26	0.16 103	0.14 49

ADStereo(finetuned)	0.39 88	0.18 14	0.58 193	0.35 12	0.19 8	0.30 39	0.30 69	0.72 109	0.96 239	0.72 133	0.77 101	0.45 61	0.68 236	0.46 29	0.36 98	0.14 18	0.10 8	0.14 13	0.11 15	0.13 14	0.15 78

test_5	0.44 141	0.25 167	0.48 115	0.53 301	0.28 179	0.28 31	0.42 218	0.77 140	0.87 190	0.63 84	0.91 169	0.73 192	0.53 159	0.82 228	0.36 98	0.14 18	0.11 39	0.18 116	0.18 183	0.18 151	0.16 98

OMP-Stereo	0.43 135	0.23 120	0.50 131	0.53 301	0.25 101	0.36 78	0.24 23	0.73 122	0.81 162	0.78 174	0.64 67	0.88 241	0.41 111	0.95 267	0.36 98	0.15 67	0.12 86	0.20 176	0.15 90	0.16 103	0.13 31

DCANet	0.38 76	0.18 14	0.46 91	0.35 12	0.19 8	0.30 39	0.30 69	0.72 109	0.96 239	0.72 133	0.77 101	0.45 61	0.56 174	0.47 34	0.36 98	0.14 18	0.10 8	0.14 13	0.11 15	0.13 14	0.15 78

DCANet-4	0.38 76	0.22 97	0.58 193	0.35 12	0.19 8	0.30 39	0.30 69	0.69 82	0.97 244	0.70 123	0.79 113	0.40 39	0.46 137	0.46 29	0.37 106	0.14 18	0.10 8	0.14 13	0.11 15	0.12 2	0.15 78

fff	0.39 88	0.18 14	0.46 91	0.35 12	0.19 8	0.30 39	0.30 69	0.73 122	1.08 288	0.70 123	0.79 113	0.44 54	0.62 199	0.47 34	0.37 106	0.14 18	0.10 8	0.14 13	0.11 15	0.12 2	0.15 78

GLC_STEREO	0.30 12	0.20 54	0.28 8	0.44 187	0.19 8	0.31 51	0.25 30	0.49 9	0.43 41	0.37 17	0.47 26	0.40 39	0.23 7	0.51 50	0.37 106	0.15 67	0.18 246	0.19 147	0.16 115	0.16 103	0.14 49

PFNet+	0.41 116	0.20 54	0.53 165	0.40 86	0.25 101	0.28 31	0.22 11	0.66 55	0.76 137	0.85 204	0.79 113	0.63 138	0.34 70	0.75 192	0.37 106	0.20 210	0.14 172	0.23 243	0.20 226	0.17 127	0.21 208

HHNet	0.42 123	0.19 33	0.43 74	0.35 12	0.38 282	0.33 66	0.33 108	0.71 99	0.78 142	0.87 216	1.30 301	0.52 82	0.36 78	0.53 53	0.37 106	0.16 99	0.11 39	0.19 147	0.15 90	0.15 66	0.25 257

IIG-Stereo	0.45 147	0.22 97	0.48 115	0.51 280	0.26 129	0.43 121	0.21 5	0.73 122	0.80 153	0.84 194	0.95 184	0.82 227	0.46 137	0.95 267	0.37 106	0.16 99	0.12 86	0.19 147	0.15 90	0.15 66	0.12 10

RAFT-345	0.41 116	0.19 33	0.42 58	0.39 60	0.23 56	0.32 60	0.25 30	0.62 36	0.56 67	0.74 147	1.77 352	0.44 54	0.35 73	0.67 155	0.37 106	0.14 18	0.11 39	0.18 116	0.14 69	0.14 36	0.13 31

RAFT	0.46 152	0.23 120	0.52 158	0.48 248	0.27 158	0.55 164	0.47 243	0.68 71	0.60 81	0.83 188	0.82 131	1.00 271	0.56 174	0.76 200	0.37 106	0.18 156	0.16 211	0.22 229	0.20 226	0.16 103	0.14 49

TestStereo	0.39 88	0.32 252	0.42 58	0.45 199	0.20 18	0.41 110	0.38 170	0.69 82	0.66 96	0.56 63	0.78 109	0.48 71	0.43 119	0.59 78	0.37 106	0.18 156	0.13 141	0.20 176	0.15 90	0.23 240	0.14 49

csc	0.39 88	0.18 14	0.46 91	0.35 12	0.19 8	0.30 39	0.30 69	0.73 122	1.08 288	0.70 123	0.79 113	0.44 54	0.62 199	0.47 34	0.37 106	0.14 18	0.10 8	0.14 13	0.11 15	0.12 2	0.15 78

cscssc	0.39 88	0.18 14	0.46 91	0.35 12	0.19 8	0.30 39	0.30 69	0.73 122	1.08 288	0.70 123	0.79 113	0.44 54	0.62 199	0.47 34	0.37 106	0.14 18	0.10 8	0.14 13	0.11 15	0.12 2	0.15 78

111	0.42 123	0.18 14	0.46 91	0.35 12	0.19 8	0.52 150	0.28 50	0.76 135	1.16 311	0.52 53	0.92 175	0.65 149	0.51 155	0.65 138	0.37 106	0.15 67	0.10 8	0.14 13	0.12 26	0.13 14	0.16 98

ARAFT	0.48 170	0.25 167	0.82 281	0.42 129	0.25 101	0.56 169	0.54 279	0.82 156	0.82 170	0.92 246	0.75 98	0.75 200	0.48 144	0.89 247	0.37 106	0.15 67	0.12 86	0.23 243	0.22 261	0.14 36	0.14 49

whm_eth	0.49 179	0.32 252	0.79 274	0.47 240	0.38 282	0.37 86	0.37 157	0.83 158	0.83 175	0.82 183	1.73 350	0.36 31	0.39 102	0.61 94	0.38 119	0.19 191	0.17 237	0.20 176	0.20 226	0.20 199	0.25 257

PSM-adaLoss	0.36 42	0.24 139	0.51 139	0.42 129	0.22 30	0.24 7	0.31 87	0.63 42	0.39 21	0.63 84	0.73 85	0.57 99	0.38 89	0.59 78	0.38 119	0.18 156	0.12 86	0.20 176	0.16 115	0.21 208	0.16 98

ROB_FTStereo	0.36 42	0.24 139	0.51 139	0.42 129	0.22 30	0.24 7	0.20 1	0.63 42	0.39 21	0.63 84	0.73 85	0.57 99	0.38 89	0.60 88	0.38 119	0.18 156	0.12 86	0.20 176	0.16 115	0.21 208	0.16 98

HUI-Stereo	0.36 42	0.24 139	0.51 139	0.42 129	0.22 30	0.24 7	0.22 11	0.63 42	0.40 29	0.64 94	0.73 85	0.58 114	0.38 89	0.53 53	0.38 119	0.18 156	0.12 86	0.20 176	0.16 115	0.21 208	0.16 98

SST-Stereo	0.41 116	0.20 54	0.48 115	0.43 166	0.25 101	0.25 16	0.21 5	0.68 71	0.50 60	1.08 312	0.79 113	0.71 173	0.42 116	0.81 223	0.38 119	0.17 125	0.11 39	0.20 176	0.16 115	0.19 184	0.15 78

RAFT-RH_RVC	0.57 239	0.18 14	0.44 79	0.38 44	0.23 56	0.56 169	0.24 23	0.61 34	0.73 127	1.18 328	3.90 398	0.55 90	0.40 107	0.67 155	0.38 119	0.14 18	0.11 39	0.20 176	0.15 90	0.12 2	0.14 49

RALCasStereoNet	0.37 60	0.23 120	0.41 50	0.44 187	0.28 179	0.36 78	0.38 170	0.66 55	0.67 102	0.51 51	0.74 96	0.51 79	0.29 41	0.64 132	0.38 119	0.17 125	0.14 172	0.15 41	0.13 49	0.17 127	0.17 134

HCRNet	0.46 152	0.35 267	0.45 84	0.54 310	0.26 129	0.52 150	0.29 57	0.87 166	0.64 88	0.75 150	0.82 131	0.76 206	0.53 159	0.70 176	0.38 119	0.24 261	0.16 211	0.24 256	0.20 226	0.21 208	0.20 192

MIM_Stereo	0.39 88	0.18 14	0.59 201	0.38 44	0.25 101	0.27 25	0.24 23	0.72 109	0.56 67	0.72 133	1.00 211	0.62 134	0.29 41	0.67 155	0.39 127	0.13 9	0.14 172	0.17 85	0.16 115	0.14 36	0.12 10

riskmin	0.41 116	0.21 74	0.44 79	0.34 9	0.24 77	0.58 183	0.32 99	0.70 92	0.86 186	0.52 53	0.57 52	0.78 213	0.60 193	0.58 73	0.39 127	0.17 125	0.12 86	0.19 147	0.13 49	0.19 184	0.22 223

MIPNet	0.39 88	0.22 97	0.66 227	0.40 86	0.25 101	0.53 153	0.29 57	0.78 143	0.74 132	0.68 116	0.60 58	0.40 39	0.48 144	0.45 25	0.39 127	0.14 18	0.11 39	0.16 57	0.13 49	0.14 36	0.14 49

Patchmatch Stereo++	0.36 42	0.24 139	0.51 139	0.42 129	0.22 30	0.24 7	0.21 5	0.63 42	0.39 21	0.63 84	0.73 85	0.57 99	0.38 89	0.61 94	0.39 127	0.18 156	0.12 86	0.20 176	0.16 115	0.21 208	0.16 98
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
NF-Stereo	0.39 88	0.21 74	0.51 139	0.42 129	0.25 101	0.26 18	0.30 69	0.71 99	0.72 118	0.66 102	0.77 101	0.57 99	0.31 53	0.69 169	0.39 127	0.18 156	0.12 86	0.20 176	0.16 115	0.16 103	0.27 270

OCTAStereo	0.39 88	0.21 74	0.51 139	0.42 129	0.25 101	0.26 18	0.30 69	0.71 99	0.72 118	0.66 102	0.77 101	0.58 114	0.31 53	0.69 169	0.39 127	0.18 156	0.12 86	0.20 176	0.16 115	0.16 103	0.27 270

ROB_FTStereo_v2	0.36 42	0.24 139	0.51 139	0.42 129	0.22 30	0.24 7	0.31 87	0.63 42	0.39 21	0.63 84	0.73 85	0.57 99	0.38 89	0.60 88	0.39 127	0.18 156	0.12 86	0.20 176	0.16 115	0.21 208	0.16 98

ASMatch	0.48 170	0.20 54	0.47 102	0.39 60	0.28 179	0.37 86	0.26 40	0.76 135	0.72 118	0.77 163	2.29 367	0.61 128	0.51 155	0.64 132	0.39 127	0.15 67	0.12 86	0.17 85	0.15 90	0.14 36	0.22 223

RAFT_R40	0.41 116	0.20 54	0.47 102	0.44 187	0.25 101	0.23 6	0.25 30	0.69 82	0.70 110	0.98 276	0.78 109	0.72 188	0.43 119	0.80 219	0.39 127	0.17 125	0.11 39	0.20 176	0.16 115	0.18 151	0.15 78

PFNet	0.43 135	0.19 33	0.61 207	0.44 187	0.24 77	0.42 117	0.31 87	0.76 135	0.81 162	1.01 284	0.74 96	0.67 165	0.41 111	0.75 192	0.39 127	0.16 99	0.10 8	0.20 176	0.15 90	0.16 103	0.14 49

RE-Stereo	0.39 88	0.21 74	0.51 139	0.42 129	0.25 101	0.26 18	0.30 69	0.71 99	0.72 118	0.66 102	0.77 101	0.57 99	0.31 53	0.70 176	0.39 127	0.18 156	0.12 86	0.20 176	0.16 115	0.16 103	0.27 270

Pruner-Stereo	0.39 88	0.21 74	0.51 139	0.41 104	0.25 101	0.22 4	0.24 23	0.71 99	0.59 74	0.90 238	0.75 98	0.67 165	0.30 50	0.64 132	0.39 127	0.19 191	0.12 86	0.20 176	0.17 157	0.17 127	0.19 165

TVStereo	0.39 88	0.21 74	0.51 139	0.42 129	0.25 101	0.26 18	0.30 69	0.71 99	0.72 118	0.66 102	0.77 101	0.57 99	0.31 53	0.70 176	0.39 127	0.18 156	0.12 86	0.20 176	0.16 115	0.16 103	0.27 270

iGMRVC	0.36 42	0.24 139	0.51 139	0.42 129	0.22 30	0.24 7	0.29 57	0.63 42	0.39 21	0.63 84	0.73 85	0.57 99	0.38 89	0.61 94	0.39 127	0.18 156	0.12 86	0.20 176	0.16 115	0.21 208	0.16 98

IRAFT_RVC	0.43 135	0.20 54	0.52 158	0.45 199	0.24 77	0.26 18	0.51 264	0.76 135	0.78 142	0.77 163	0.80 123	0.73 192	0.50 150	0.74 187	0.39 127	0.18 156	0.10 8	0.21 217	0.17 157	0.17 127	0.15 78

iRAFT	0.36 42	0.24 139	0.51 139	0.42 129	0.22 30	0.24 7	0.21 5	0.63 42	0.39 21	0.63 84	0.73 85	0.57 99	0.38 89	0.61 94	0.39 127	0.18 156	0.12 86	0.20 176	0.16 115	0.21 208	0.16 98

RAFT-IKP	0.36 42	0.24 139	0.51 139	0.42 129	0.22 30	0.24 7	0.27 42	0.63 42	0.39 21	0.63 84	0.73 85	0.57 99	0.38 89	0.61 94	0.39 127	0.18 156	0.12 86	0.20 176	0.16 115	0.21 208	0.16 98

Anonymous3	0.47 161	0.35 267	0.91 304	0.50 268	0.38 282	0.81 268	0.55 283	0.76 135	0.66 96	0.52 53	0.65 69	0.44 54	0.45 131	0.66 146	0.39 127	0.25 273	0.25 309	0.22 229	0.21 243	0.23 240	0.24 250

Anonymous	0.40 102	0.29 229	0.70 248	0.54 310	0.44 316	0.56 169	0.54 279	0.68 71	0.52 62	0.38 18	0.44 19	0.33 18	0.42 116	0.57 69	0.39 127	0.20 210	0.20 271	0.18 116	0.18 183	0.30 288	0.24 250

SFCPSM	0.48 170	0.22 97	0.59 201	0.41 104	0.27 158	0.85 280	0.36 145	1.39 332	0.79 148	0.81 182	0.85 145	0.54 88	0.50 150	0.60 88	0.39 127	0.18 156	0.14 172	0.18 116	0.20 226	0.17 127	0.16 98

CoDeX	0.48 170	0.21 74	0.53 165	0.43 166	0.25 101	0.74 245	0.38 170	1.36 329	0.82 170	0.84 194	0.96 188	0.63 138	0.57 183	0.63 125	0.40 147	0.17 125	0.13 141	0.17 85	0.15 90	0.16 103	0.15 78

IPLGR	0.40 102	0.22 97	0.70 248	0.40 86	0.22 30	0.51 143	0.29 57	0.78 143	0.78 142	0.80 178	0.77 101	0.44 54	0.41 111	0.48 41	0.40 147	0.14 18	0.12 86	0.16 57	0.14 69	0.16 103	0.14 49

NRIStereo	0.37 60	0.21 74	0.49 122	0.42 129	0.23 56	0.33 66	0.25 30	0.68 71	0.59 74	0.65 98	0.63 64	0.55 90	0.37 82	0.67 155	0.40 147	0.16 99	0.12 86	0.18 116	0.15 90	0.17 127	0.15 78

CRE-IMP	0.37 60	0.23 120	0.53 165	0.42 129	0.24 77	0.40 101	0.21 5	0.61 34	0.45 47	0.65 98	0.73 85	0.53 86	0.37 82	0.63 125	0.40 147	0.18 156	0.11 39	0.19 147	0.16 115	0.21 208	0.19 165

DN-CSS_ROB	0.45 147	0.27 207	0.74 265	0.41 104	0.29 198	0.43 121	0.29 57	0.80 150	0.78 142	0.73 140	1.08 248	0.48 71	0.45 131	0.81 223	0.40 147	0.15 67	0.12 86	0.21 217	0.19 207	0.18 151	0.17 134

rafts_anoy	0.38 76	0.22 97	0.38 33	0.43 166	0.28 179	0.32 60	0.32 99	0.70 92	0.91 214	0.59 69	0.66 72	0.45 61	0.33 64	0.49 47	0.41 152	0.16 99	0.12 86	0.21 217	0.23 270	0.18 151	0.16 98

raft+_RVC	0.38 76	0.20 54	0.38 33	0.39 60	0.27 158	0.44 127	0.35 138	0.81 152	0.90 208	0.52 53	0.78 109	0.50 76	0.29 41	0.56 65	0.41 152	0.15 67	0.12 86	0.17 85	0.15 90	0.14 36	0.13 31

GMStereo	0.40 102	0.38 281	0.61 207	0.41 104	0.27 158	0.47 133	0.35 138	0.62 36	1.04 270	0.57 65	0.54 44	0.38 35	0.36 78	0.56 65	0.41 152	0.20 210	0.13 141	0.16 57	0.17 157	0.24 248	0.20 192
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
DRaft	0.49 179	0.18 14	0.50 131	0.38 44	0.25 101	0.57 179	0.39 183	0.67 66	0.86 186	1.02 288	1.75 351	0.50 76	0.79 279	0.65 138	0.42 155	0.14 18	0.11 39	0.16 57	0.16 115	0.14 36	0.17 134

DeepStereo_RVC	0.37 60	0.22 97	0.51 139	0.41 104	0.24 77	0.26 18	0.22 11	0.64 52	0.40 29	0.69 119	0.67 77	0.57 99	0.50 150	0.58 73	0.42 155	0.17 125	0.12 86	0.18 116	0.16 115	0.19 184	0.19 165

MyStereo05	0.46 152	0.22 97	0.51 139	0.42 129	0.29 198	0.43 121	0.48 248	0.96 200	1.12 296	0.77 163	0.62 63	0.51 79	0.57 183	0.79 217	0.43 157	0.14 18	0.13 141	0.18 116	0.17 157	0.17 127	0.17 134

UDGNet	0.50 190	0.82 363	0.56 184	0.51 280	0.32 244	0.41 110	0.34 116	0.71 99	0.93 221	0.65 98	0.60 58	0.58 114	0.44 124	0.65 138	0.43 157	0.33 325	0.15 190	0.67 374	0.20 226	0.49 350	0.23 242

PSM-softLoss	0.40 102	0.21 74	0.53 165	0.42 129	0.26 129	0.29 35	0.34 116	0.70 92	0.49 57	0.63 84	0.82 131	0.59 123	0.33 64	0.75 192	0.43 157	0.20 210	0.12 86	0.20 176	0.18 183	0.17 127	0.22 223

KMStereo	0.40 102	0.21 74	0.53 165	0.42 129	0.26 129	0.29 35	0.34 116	0.70 92	0.49 57	0.63 84	0.82 131	0.59 123	0.33 64	0.75 192	0.43 157	0.20 210	0.12 86	0.20 176	0.18 183	0.17 127	0.22 223

THIR-Stereo	0.51 200	0.19 33	0.47 102	0.39 60	0.23 56	0.74 245	0.64 310	0.68 71	0.88 200	1.03 291	1.40 315	0.71 173	0.75 264	0.64 132	0.43 157	0.16 99	0.11 39	0.17 85	0.18 183	0.15 66	0.17 134

DIP-Stereo	0.40 102	0.22 97	0.58 193	0.42 129	0.29 198	0.62 195	0.27 42	0.87 166	0.42 38	0.65 98	0.86 149	0.52 82	0.35 73	0.67 155	0.43 157	0.15 67	0.13 141	0.17 85	0.14 69	0.15 66	0.17 134
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
iResNetv2_ROB	0.55 226	0.29 229	0.86 292	0.39 60	0.25 101	0.67 228	0.37 157	1.21 279	1.02 262	1.02 288	1.10 250	0.89 246	0.79 279	0.74 187	0.43 157	0.19 191	0.13 141	0.15 41	0.11 15	0.19 184	0.16 98

PCWNet_CMD	0.49 179	0.25 167	0.56 184	0.40 86	0.27 158	0.64 208	0.32 99	0.98 204	0.99 251	0.87 216	1.07 242	0.78 213	0.46 137	0.61 94	0.44 164	0.17 125	0.13 141	0.21 217	0.16 115	0.26 263	0.20 192

CASS	0.46 152	0.28 220	0.45 84	0.48 248	0.22 30	0.63 200	0.34 116	0.99 207	0.66 96	0.76 155	0.86 149	0.61 128	0.58 186	0.58 73	0.44 164	0.29 302	0.16 211	0.22 229	0.18 183	0.23 240	0.28 279
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
GANet-ADL	0.44 141	0.27 207	0.48 115	0.44 187	0.30 217	0.54 159	0.36 145	0.94 193	0.88 200	0.64 94	0.72 83	0.68 168	0.44 124	0.55 61	0.44 164	0.22 241	0.15 190	0.15 41	0.13 49	0.18 151	0.21 208

DEmStereo	0.49 179	0.18 14	0.53 165	0.39 60	0.26 129	0.57 179	0.33 108	0.65 53	0.75 134	0.90 238	1.65 343	0.57 99	1.02 327	0.63 125	0.44 164	0.14 18	0.12 86	0.16 57	0.16 115	0.14 36	0.17 134

MSMDNet	0.49 179	0.25 167	0.56 184	0.40 86	0.27 158	0.64 208	0.32 99	0.99 207	0.99 251	0.87 216	1.07 242	0.79 219	0.46 137	0.61 94	0.44 164	0.17 125	0.13 141	0.20 176	0.16 115	0.25 257	0.20 192

MyStereo04	0.45 147	0.23 120	0.52 158	0.43 166	0.29 198	0.40 101	0.48 248	1.02 216	1.12 296	0.62 77	0.58 54	0.55 90	0.56 174	0.77 207	0.45 169	0.14 18	0.13 141	0.19 147	0.17 157	0.18 151	0.17 134

11t1	0.38 76	0.23 120	0.49 122	0.36 27	0.23 56	0.61 191	0.31 87	0.74 128	0.47 54	0.62 77	0.55 49	0.55 90	0.49 148	0.58 73	0.45 169	0.18 156	0.15 190	0.16 57	0.13 49	0.17 127	0.19 165

CFNet_ucs	0.51 200	0.25 167	0.58 193	0.39 60	0.31 227	0.59 189	0.35 138	1.04 222	0.95 232	0.89 231	1.19 279	0.80 223	0.49 148	0.66 146	0.45 169	0.21 225	0.16 211	0.26 281	0.18 183	0.27 272	0.23 242

FENet	0.43 135	0.23 120	0.40 45	0.40 86	0.24 77	0.54 159	0.33 108	0.83 158	0.72 118	0.74 147	0.73 85	0.63 138	0.56 174	0.65 138	0.45 169	0.19 191	0.13 141	0.19 147	0.17 157	0.18 151	0.20 192

GMStereo_Zeroshot	0.51 200	0.46 311	0.80 275	0.50 268	0.28 179	0.57 179	0.30 69	0.75 133	0.79 148	0.88 224	0.94 180	0.90 248	0.37 82	0.77 207	0.46 173	0.27 287	0.14 172	0.26 281	0.15 90	0.39 327	0.19 165

anonymousa	0.51 200	0.21 74	0.47 102	0.39 60	0.25 101	0.89 288	0.36 145	0.78 143	0.63 84	0.88 224	1.54 335	1.09 301	0.67 228	0.53 53	0.46 173	0.17 125	0.14 172	0.19 147	0.21 243	0.16 103	0.16 98

IER	0.48 170	0.25 167	0.60 206	0.38 44	0.28 179	0.67 228	0.38 170	0.82 156	0.68 103	0.88 224	0.95 184	0.74 196	0.79 279	0.62 116	0.46 173	0.17 125	0.14 172	0.17 85	0.17 157	0.17 127	0.16 98

CrosDoStereo	0.51 200	0.19 33	0.46 91	0.39 60	0.24 77	0.39 96	1.14 369	0.69 82	0.87 190	0.94 253	1.36 309	0.62 134	0.75 264	0.68 163	0.46 173	0.15 67	0.12 86	0.17 85	0.18 183	0.14 36	0.16 98

DeepStereo_LL	0.51 200	0.19 33	0.46 91	0.39 60	0.24 77	0.39 96	1.14 369	0.69 82	0.87 190	0.94 253	1.36 309	0.62 134	0.75 264	0.68 163	0.46 173	0.15 67	0.12 86	0.17 85	0.18 183	0.14 36	0.16 98

CFNet_pseudo	0.47 161	0.25 167	0.55 180	0.38 44	0.28 179	0.58 183	0.32 99	0.89 172	0.90 208	0.83 188	1.03 228	0.75 200	0.48 144	0.61 94	0.46 173	0.17 125	0.13 141	0.24 256	0.16 115	0.26 263	0.21 208

GES	0.46 152	0.25 167	0.62 212	0.41 104	0.30 217	0.62 195	0.37 157	1.06 233	0.70 110	0.75 150	0.83 136	0.47 68	0.52 158	0.69 169	0.46 173	0.23 255	0.17 237	0.17 85	0.16 115	0.18 151	0.24 250

ccs_rob	0.47 161	0.25 167	0.55 180	0.38 44	0.28 179	0.58 183	0.32 99	0.89 172	0.90 208	0.83 188	1.02 217	0.75 200	0.48 144	0.61 94	0.46 173	0.17 125	0.12 86	0.24 256	0.16 115	0.26 263	0.21 208

iResNet_ROB	0.55 226	0.24 139	0.61 207	0.38 44	0.22 30	0.66 219	0.30 69	1.59 364	1.33 340	0.94 253	1.05 234	0.81 225	0.69 238	0.84 234	0.46 173	0.17 125	0.12 86	0.14 13	0.09 4	0.15 66	0.20 192

DAS	0.54 221	0.26 195	0.66 227	0.49 257	0.31 227	0.61 191	0.43 225	0.89 172	1.01 257	0.95 258	1.16 269	0.71 173	0.85 296	0.89 247	0.47 182	0.18 156	0.14 172	0.18 116	0.15 90	0.22 226	0.19 165

SepStereo	0.54 221	0.26 195	0.66 227	0.49 257	0.31 227	0.61 191	0.43 225	0.89 172	1.01 257	0.95 258	1.16 269	0.71 173	0.85 296	0.97 277	0.47 182	0.18 156	0.14 172	0.18 116	0.15 90	0.22 226	0.19 165

HITNet	0.43 135	0.27 207	0.50 131	0.34 9	0.18 5	0.65 214	0.32 99	0.99 207	0.70 110	0.73 140	0.86 149	0.66 161	0.56 174	0.61 94	0.47 182	0.14 18	0.10 8	0.15 41	0.13 49	0.18 151	0.13 31
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
1test111	0.37 60	0.25 167	0.35 19	0.42 129	0.23 56	0.53 153	0.37 157	0.91 178	0.59 74	0.42 32	0.50 31	0.34 21	0.47 141	0.59 78	0.48 185	0.17 125	0.11 39	0.19 147	0.13 49	0.18 151	0.19 165

qqq	0.42 123	0.28 220	0.50 131	0.37 35	0.22 30	0.47 133	0.39 183	0.91 178	0.59 74	0.57 65	0.71 82	0.65 149	0.56 174	0.59 78	0.48 185	0.17 125	0.17 237	0.20 176	0.19 207	0.18 151	0.19 165

BSDual-CNN	0.48 170	0.26 195	0.47 102	0.46 222	0.29 198	0.75 248	0.46 238	0.99 207	0.80 153	0.77 163	0.80 123	0.76 206	0.59 190	0.66 146	0.48 185	0.21 225	0.15 190	0.22 229	0.19 207	0.18 151	0.19 165

psmg	0.50 190	0.26 195	0.47 102	0.42 129	0.29 198	0.82 271	0.42 218	1.07 235	0.80 153	0.95 258	0.94 180	0.76 206	0.59 190	0.66 146	0.48 185	0.21 225	0.16 211	0.20 176	0.20 226	0.19 184	0.19 165

GANet-RSSM	0.49 179	0.22 97	0.42 58	0.39 60	0.26 129	0.58 183	0.41 213	1.12 249	0.82 170	0.73 140	1.02 217	0.88 241	0.75 264	0.67 155	0.48 185	0.22 241	0.16 211	0.18 116	0.19 207	0.18 151	0.18 156

UCFNet_RVC	0.50 190	0.27 207	0.37 27	0.40 86	0.27 158	0.66 219	0.42 218	1.18 270	0.86 186	0.70 123	0.89 161	0.91 254	0.60 193	0.62 116	0.48 185	0.24 261	0.18 246	0.28 299	0.27 307	0.25 257	0.24 250

HSM	0.53 216	0.25 167	0.46 91	0.40 86	0.25 101	0.74 245	0.44 231	1.29 311	0.78 142	0.82 183	0.92 175	1.21 313	0.75 264	0.90 252	0.48 185	0.18 156	0.14 172	0.17 85	0.14 69	0.17 127	0.18 156

mmm	0.47 161	0.28 220	0.51 139	0.39 60	0.25 101	0.61 191	0.38 170	1.00 213	0.60 81	0.77 163	1.07 242	0.65 149	0.53 159	0.61 94	0.49 192	0.18 156	0.15 190	0.23 243	0.20 226	0.21 208	0.20 192

IPLG	0.40 102	0.21 74	0.64 220	0.41 104	0.25 101	0.54 159	0.27 42	0.77 140	0.68 103	0.85 204	0.82 131	0.33 18	0.32 59	0.64 132	0.49 192	0.13 9	0.11 39	0.16 57	0.14 69	0.14 36	0.14 49

x	0.41 116	0.25 167	0.46 91	0.36 27	0.24 77	0.54 159	0.31 87	0.94 193	0.58 73	0.60 71	0.72 83	0.61 128	0.53 159	0.52 51	0.50 194	0.18 156	0.16 211	0.17 85	0.16 115	0.17 127	0.18 156

hknet	0.51 200	0.26 195	0.58 193	0.46 222	0.29 198	0.75 248	0.46 238	0.99 207	0.89 204	0.77 163	0.80 123	0.96 263	0.67 228	0.75 192	0.50 194	0.19 191	0.15 190	0.22 229	0.19 207	0.18 151	0.19 165

LL-Strereo	0.58 250	0.29 229	0.83 285	0.48 248	0.35 270	0.39 96	0.48 248	1.04 222	0.99 251	0.87 216	0.79 113	1.08 295	1.15 344	1.35 338	0.51 196	0.18 156	0.15 190	0.22 229	0.19 207	0.17 127	0.21 208

pcwnet_v2	0.60 261	0.29 229	0.89 301	0.46 222	0.36 275	0.62 195	0.38 170	1.33 322	1.24 324	1.02 288	1.27 294	0.71 173	0.59 190	0.71 181	0.51 196	0.28 295	0.21 277	0.24 256	0.23 270	0.29 281	0.30 288

RAFT + AFF	0.54 221	0.30 243	0.84 288	0.51 280	0.32 244	0.63 200	0.57 288	1.05 228	0.95 232	0.80 178	0.87 155	0.85 230	0.57 183	0.87 240	0.51 196	0.18 156	0.21 277	0.23 243	0.22 261	0.19 184	0.19 165

AdaStereo	0.52 210	0.34 263	0.53 165	0.49 257	0.25 101	0.71 237	0.36 145	1.24 289	0.91 214	0.77 163	0.98 198	0.75 200	0.50 150	0.71 181	0.51 196	0.27 287	0.13 141	0.28 299	0.18 183	0.23 240	0.18 156
Xiao Song, Guorun Yang, Xinge Zhu, Hui Zhou, Zhe Wang, Jianping Shi: AdaStereo: A Simple and Efficient Approach for Adaptive Stereo Matching. IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021.
MyStereo8	0.42 123	0.21 74	0.64 220	0.43 166	0.29 198	0.55 164	0.28 50	0.72 109	0.50 60	0.73 140	1.01 215	0.57 99	0.44 124	0.52 51	0.52 200	0.15 67	0.12 86	0.16 57	0.14 69	0.19 184	0.21 208

gwcnet-sp	0.50 190	0.25 167	0.84 288	0.41 104	0.27 158	0.79 257	0.40 193	0.93 188	0.85 180	0.95 258	0.79 113	0.65 149	0.63 204	0.69 169	0.52 200	0.18 156	0.17 237	0.18 116	0.18 183	0.18 151	0.19 165

scenet	0.50 190	0.25 167	0.84 288	0.41 104	0.27 158	0.79 257	0.40 193	0.93 188	0.85 180	0.95 258	0.79 113	0.65 149	0.63 204	0.69 169	0.52 200	0.18 156	0.17 237	0.18 116	0.18 183	0.18 151	0.19 165

ssnet	0.50 190	0.25 167	0.84 288	0.41 104	0.27 158	0.79 257	0.40 193	0.93 188	0.85 180	0.95 258	0.79 113	0.65 149	0.63 204	0.69 169	0.52 200	0.18 156	0.17 237	0.18 116	0.18 183	0.18 151	0.19 165

CIPLG	0.42 123	0.23 120	0.71 251	0.45 199	0.33 255	0.51 143	0.33 108	0.68 71	0.68 103	0.84 194	0.96 188	0.47 68	0.33 64	0.56 65	0.52 200	0.17 125	0.12 86	0.16 57	0.14 69	0.13 14	0.16 98

ACRE	0.42 123	0.23 120	0.73 261	0.45 199	0.33 255	0.50 138	0.33 108	0.68 71	0.70 110	0.82 183	0.92 175	0.46 64	0.32 59	0.53 53	0.52 200	0.17 125	0.12 86	0.15 41	0.14 69	0.13 14	0.16 98

PSMNet-RSSM	0.50 190	0.24 139	0.41 50	0.43 166	0.26 129	0.51 143	0.40 193	1.16 262	0.79 148	0.75 150	1.07 242	0.87 238	0.69 238	0.66 146	0.52 200	0.24 261	0.16 211	0.23 243	0.26 303	0.20 199	0.20 192

FADNet-RVC-Resample	0.58 250	0.35 267	1.34 347	0.50 268	0.34 265	0.73 241	0.43 225	1.09 243	0.96 239	0.83 188	0.87 155	0.76 206	0.66 219	0.77 207	0.52 200	0.19 191	0.18 246	0.26 281	0.27 307	0.28 279	0.29 284

NOSS_ROB	0.59 254	0.40 293	0.42 58	0.45 199	0.31 227	0.79 257	0.53 273	1.09 243	1.12 296	0.69 119	0.92 175	0.77 211	0.63 204	0.81 223	0.52 200	0.39 349	0.38 359	0.44 351	0.42 359	0.38 323	0.36 315

dd	0.44 141	0.40 293	0.62 212	0.44 187	0.26 129	0.51 143	0.38 170	0.72 109	1.07 283	0.60 71	0.66 72	0.43 51	0.40 107	0.68 163	0.53 209	0.24 261	0.15 190	0.21 217	0.16 115	0.24 248	0.19 165

IPLGR_C	0.42 123	0.23 120	0.71 251	0.46 222	0.33 255	0.51 143	0.34 116	0.69 82	0.69 108	0.84 194	0.92 175	0.46 64	0.33 64	0.53 53	0.53 209	0.17 125	0.12 86	0.16 57	0.14 69	0.13 14	0.16 98

HSM-Net_RVC	0.55 226	0.23 120	0.37 27	0.38 44	0.22 30	0.86 282	0.40 193	1.31 314	0.93 221	0.92 246	1.15 266	1.26 317	0.71 248	0.75 192	0.53 209	0.17 125	0.14 172	0.16 57	0.15 90	0.17 127	0.17 134
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
dad	0.61 264	0.53 324	0.72 257	0.44 187	0.31 227	0.64 208	0.37 157	0.85 163	1.28 331	1.05 302	1.17 274	1.18 311	0.61 197	0.70 176	0.54 212	0.36 339	0.23 293	0.37 337	0.21 243	0.31 292	0.23 242

FADNet	0.63 273	0.53 324	1.20 332	0.46 222	0.44 316	0.66 219	0.41 213	1.24 289	1.07 283	0.70 123	0.84 138	0.98 266	0.65 217	0.87 240	0.54 212	0.29 302	0.30 331	0.27 289	0.30 318	0.48 347	0.36 315

GwcNet-ADL	0.45 147	0.24 139	0.51 139	0.46 222	0.30 217	0.41 110	0.40 193	0.95 196	0.98 248	0.73 140	0.78 109	0.61 128	0.41 111	0.67 155	0.55 214	0.20 210	0.14 172	0.15 41	0.14 69	0.19 184	0.22 223

CVANet_RVC	0.59 254	0.35 267	0.54 177	0.49 257	0.33 255	0.70 234	0.67 312	1.12 249	0.97 244	0.88 224	1.05 234	1.01 275	0.72 255	0.94 262	0.55 214	0.30 309	0.20 271	0.28 299	0.26 303	0.32 298	0.23 242

BUS	0.47 161	0.26 195	0.47 102	0.46 222	0.29 198	0.78 251	0.34 116	0.99 207	0.80 153	0.77 163	0.80 123	0.64 145	0.54 163	0.66 146	0.56 216	0.21 225	0.15 190	0.22 229	0.19 207	0.18 151	0.19 165

NINENet	0.52 210	0.30 243	0.55 180	0.46 222	0.33 255	0.78 251	0.34 116	1.18 270	0.91 214	0.84 194	0.97 195	0.64 145	0.54 163	0.74 187	0.56 216	0.23 255	0.20 271	0.25 267	0.18 183	0.22 226	0.22 223

DeepPruner_ROB	0.55 226	0.37 277	0.67 231	0.42 129	0.31 227	0.50 138	0.43 225	1.22 285	0.73 127	0.86 214	1.05 234	0.85 230	0.58 186	0.90 252	0.56 216	0.29 302	0.23 293	0.22 229	0.22 261	0.26 263	0.26 262

CBMV_ROB	0.62 270	0.39 285	0.41 50	0.41 104	0.28 179	0.86 282	0.28 50	1.06 233	1.02 262	0.95 258	1.33 303	0.81 225	0.84 292	0.94 262	0.56 216	0.37 343	0.37 358	0.43 349	0.40 352	0.33 302	0.32 298

HBP-ISP	0.61 264	0.47 317	0.45 84	0.46 222	0.33 255	0.79 257	0.29 57	1.15 260	1.05 272	0.85 204	1.18 278	0.67 165	0.71 248	0.92 256	0.57 220	0.37 343	0.38 359	0.47 357	0.41 357	0.39 327	0.32 298

SACVNet	0.61 264	0.36 275	0.67 231	0.57 322	0.37 277	0.65 214	0.47 243	1.16 262	0.80 153	1.04 297	1.06 240	1.02 277	0.81 286	0.99 283	0.57 220	0.28 295	0.21 277	0.25 267	0.24 284	0.30 288	0.39 324

CFNet-ft	0.50 190	0.25 167	0.39 36	0.41 104	0.26 129	0.66 219	0.37 157	0.91 178	0.87 190	0.67 109	1.00 211	1.05 286	0.70 243	0.68 163	0.57 220	0.23 255	0.16 211	0.24 256	0.21 243	0.24 248	0.19 165

DMCA	0.47 161	0.27 207	0.59 201	0.39 60	0.29 198	0.53 153	0.34 116	0.98 204	0.70 110	0.78 174	0.83 136	0.79 219	0.55 166	0.54 60	0.57 220	0.21 225	0.16 211	0.21 217	0.16 115	0.19 184	0.22 223

CFNet_RVC	0.50 190	0.25 167	0.39 36	0.41 104	0.26 129	0.66 219	0.37 157	0.91 178	0.87 190	0.67 109	1.00 211	1.05 286	0.70 243	0.68 163	0.57 220	0.23 255	0.16 211	0.24 256	0.21 243	0.24 248	0.19 165

AACVNet	0.52 210	0.25 167	0.56 184	0.48 248	0.29 198	0.55 164	0.38 170	0.96 200	0.59 74	0.83 188	1.03 228	1.03 279	0.77 277	0.91 254	0.58 225	0.22 241	0.18 246	0.24 256	0.18 183	0.24 248	0.22 223

CFNet	0.53 216	0.30 243	0.53 165	0.42 129	0.28 179	0.73 241	0.35 138	1.21 279	1.01 257	0.74 147	1.07 242	0.85 230	0.60 193	0.83 230	0.58 225	0.19 191	0.15 190	0.23 243	0.23 270	0.21 208	0.17 134

MLCV	0.49 179	0.26 195	0.73 261	0.38 44	0.18 5	0.64 208	0.33 108	0.84 162	0.89 204	0.96 270	1.12 256	0.72 188	0.45 131	1.00 288	0.59 227	0.14 18	0.10 8	0.14 13	0.11 15	0.14 36	0.14 49

SMFormer	0.53 216	0.24 139	0.67 231	0.35 12	0.20 18	0.63 200	0.34 116	1.26 297	1.06 276	0.85 204	1.02 217	0.71 173	0.66 219	0.96 270	0.60 228	0.19 191	0.16 211	0.18 116	0.17 157	0.19 184	0.20 192

tta	0.53 216	0.24 139	0.67 231	0.35 12	0.20 18	0.63 200	0.34 116	1.26 297	1.06 276	0.85 204	1.02 217	0.71 173	0.66 219	0.96 270	0.60 228	0.19 191	0.16 211	0.18 116	0.17 157	0.15 66	0.16 98

BEATNet_4x	0.49 179	0.35 267	0.72 257	0.38 44	0.20 18	0.65 214	0.36 145	1.08 240	0.78 142	0.78 174	0.88 158	0.73 192	0.64 211	0.71 181	0.60 228	0.16 99	0.12 86	0.16 57	0.15 90	0.24 248	0.18 156

iResNet	0.52 210	0.31 250	0.86 292	0.44 187	0.22 30	0.66 219	0.47 243	0.92 186	1.02 262	0.89 231	1.12 256	0.69 170	0.55 166	0.86 238	0.60 228	0.15 67	0.11 39	0.15 41	0.12 26	0.17 127	0.17 134

ToySt	0.52 210	0.27 207	0.93 305	0.42 129	0.28 179	0.67 228	0.56 286	0.88 171	0.79 148	0.61 75	0.85 145	0.92 257	0.70 243	0.72 185	0.61 232	0.16 99	0.17 237	0.21 217	0.21 243	0.22 226	0.21 208

Anonymous_2	0.84 314	0.45 306	0.66 227	0.41 104	0.45 323	0.82 271	0.53 273	0.81 152	0.81 162	0.73 140	0.61 61	0.91 254	0.76 273	0.77 207	0.61 232	0.51 365	0.55 381	0.54 368	4.92 416	0.54 360	0.42 339

ICVP	0.48 170	0.26 195	0.42 58	0.49 257	0.28 179	0.63 200	0.43 225	1.05 228	0.72 118	0.68 116	0.95 184	0.75 200	0.56 174	0.55 61	0.61 232	0.24 261	0.18 246	0.19 147	0.17 157	0.19 184	0.21 208
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
cf-r	0.49 179	0.24 139	0.49 122	0.40 86	0.23 56	0.58 183	0.38 170	0.92 186	0.87 190	0.77 163	1.06 240	0.98 266	0.67 228	0.59 78	0.61 232	0.21 225	0.14 172	0.17 85	0.19 207	0.15 66	0.16 98

MaskLacGwcNet_RVC	0.71 285	0.84 367	0.80 275	0.55 316	0.38 282	1.38 348	0.57 288	1.07 235	0.81 162	0.90 238	0.94 180	0.95 260	0.54 163	1.01 289	0.61 232	0.41 354	0.30 331	0.57 370	0.31 327	0.86 376	0.39 324

TDLM	0.59 254	0.35 267	0.57 191	0.53 301	0.32 244	0.67 228	0.72 324	1.09 243	1.03 266	0.84 194	1.11 254	0.84 228	0.71 248	0.96 270	0.61 232	0.28 295	0.18 246	0.26 281	0.22 261	0.27 272	0.21 208

PS-NSSS	0.60 261	0.46 311	0.68 238	0.43 166	0.34 265	0.66 219	0.57 288	1.05 228	0.91 214	0.80 178	1.28 295	0.72 188	0.67 228	0.89 247	0.61 232	0.32 317	0.26 318	0.40 346	0.27 307	0.35 314	0.29 284

DSFCA	0.57 239	0.27 207	0.71 251	0.41 104	0.36 275	0.78 251	0.53 273	1.08 240	0.85 180	1.08 312	0.84 138	0.90 248	0.66 219	1.05 296	0.63 239	0.26 278	0.22 286	0.21 217	0.21 243	0.22 226	0.20 192

DMCA-RVC	0.54 221	0.32 252	0.83 285	0.51 280	0.32 244	0.59 189	0.38 170	0.89 172	0.70 110	0.95 258	0.88 158	0.90 248	0.69 238	0.75 192	0.63 239	0.23 255	0.18 246	0.31 317	0.24 284	0.27 272	0.21 208

NLCA_NET_v2_RVC	0.55 226	0.33 258	0.71 251	0.46 222	0.31 227	0.66 219	0.43 225	1.07 235	0.89 204	0.93 249	0.91 169	0.98 266	0.61 197	0.76 200	0.64 241	0.22 241	0.18 246	0.22 229	0.22 261	0.22 226	0.24 250
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
CSP-Net	0.57 239	0.29 229	0.55 180	0.42 129	0.29 198	1.20 339	0.49 258	1.29 311	0.75 134	0.98 276	0.97 195	0.88 241	0.69 238	0.85 236	0.66 242	0.27 287	0.18 246	0.17 85	0.17 157	0.18 151	0.19 165

psm_up	0.57 239	0.27 207	0.52 158	0.50 268	0.33 255	0.65 214	0.60 300	1.07 235	0.84 176	0.87 216	0.91 169	1.00 271	1.06 332	0.80 219	0.66 242	0.22 241	0.25 309	0.26 281	0.23 270	0.22 226	0.21 208

STTStereo	0.57 239	0.39 285	0.87 297	0.45 199	0.32 244	0.62 195	0.45 235	1.01 214	0.87 190	1.01 284	0.91 169	0.95 260	0.58 186	0.77 207	0.66 242	0.25 273	0.24 301	0.27 289	0.33 336	0.25 257	0.26 262

iRaft-Stereo_5w	0.46 152	0.22 97	0.53 165	0.43 166	0.30 217	0.30 39	0.53 273	0.66 55	0.71 116	0.62 77	0.89 161	1.01 275	0.67 228	0.76 200	0.67 245	0.13 9	0.12 86	0.17 85	0.15 90	0.15 66	0.17 134

GEStereo_RVC	0.56 235	0.30 243	0.70 248	0.51 280	0.31 227	0.70 234	0.54 279	1.31 314	0.93 221	0.85 204	0.86 149	0.84 228	0.63 204	0.92 256	0.67 245	0.24 261	0.16 211	0.19 147	0.17 157	0.21 208	0.23 242

UNet	0.55 226	0.27 207	0.72 257	0.45 199	0.41 299	0.97 299	0.40 193	1.01 214	0.80 153	0.87 216	0.90 163	1.03 279	0.75 264	0.76 200	0.67 245	0.19 191	0.15 190	0.20 176	0.17 157	0.21 208	0.18 156

PSMNet-ADL	0.50 190	0.28 220	0.43 74	0.49 257	0.31 227	0.70 234	0.38 170	0.94 193	0.81 162	0.62 77	0.80 123	0.91 254	0.62 199	0.76 200	0.68 248	0.24 261	0.18 246	0.19 147	0.20 226	0.22 226	0.22 223

NVstereo2D	0.62 270	0.32 252	0.82 281	0.50 268	0.44 316	0.88 285	0.48 248	1.12 249	1.17 314	0.67 109	0.90 163	0.90 248	0.69 238	1.02 292	0.69 249	0.33 325	0.16 211	0.29 307	0.20 226	0.43 337	0.46 353

SQANet	0.87 321	0.76 359	0.76 268	1.16 382	0.99 379	1.10 321	0.51 264	1.12 249	0.85 180	0.93 249	1.05 234	1.03 279	0.76 273	1.07 297	0.70 250	0.79 378	0.25 309	1.04 382	0.36 341	1.56 386	0.70 375

CC-Net-ROB	0.84 314	1.01 377	0.93 305	0.60 331	0.45 323	1.25 341	0.71 320	1.20 276	1.05 272	0.84 194	1.24 286	0.90 248	0.78 278	1.14 307	0.70 250	0.48 361	0.34 353	1.71 388	0.38 346	0.78 374	0.40 330

ACVNet	0.47 161	0.24 139	0.39 36	0.40 86	0.28 179	0.58 183	0.40 193	0.91 178	0.81 162	0.67 109	0.96 188	0.79 219	0.66 219	0.65 138	0.71 252	0.18 156	0.15 190	0.16 57	0.15 90	0.18 151	0.15 78

hitnet-ft	0.57 239	0.29 229	0.43 74	0.42 129	0.29 198	0.81 268	0.40 193	0.98 204	0.91 214	0.84 194	1.01 215	1.13 307	0.72 255	0.83 230	0.71 252	0.28 295	0.21 277	0.28 299	0.22 261	0.29 281	0.27 270

SGM-Forest	0.65 275	0.33 258	0.43 74	0.44 187	0.30 217	1.01 310	0.54 279	1.13 255	1.09 294	1.11 322	1.21 281	1.10 302	0.76 273	0.99 283	0.71 252	0.32 317	0.33 350	0.33 327	0.30 318	0.30 288	0.28 279
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
ac_64	0.54 221	0.24 139	0.58 193	0.46 222	0.28 179	0.79 257	0.44 231	1.11 248	0.63 84	0.94 253	0.85 145	1.06 290	0.70 243	0.76 200	0.72 255	0.22 241	0.18 246	0.20 176	0.19 207	0.18 151	0.16 98

LMCR-Stereo	0.55 226	0.33 258	0.57 191	0.60 331	0.30 217	0.80 263	0.36 145	1.30 313	0.79 148	0.90 238	1.04 231	0.57 99	0.64 211	0.87 240	0.73 256	0.20 210	0.15 190	0.19 147	0.14 69	0.25 257	0.18 156

HGLStereo	0.58 250	0.30 243	0.65 225	0.51 280	0.38 282	0.78 251	0.45 235	1.07 235	0.82 170	0.89 231	1.16 269	0.88 241	0.91 312	0.80 219	0.74 257	0.21 225	0.21 277	0.20 176	0.18 183	0.19 184	0.22 223

GwcNet-RSSM	0.51 200	0.25 167	0.51 139	0.41 104	0.24 77	0.56 169	0.41 213	0.97 202	0.96 239	0.75 150	1.17 274	0.89 246	0.66 219	0.66 146	0.74 257	0.22 241	0.15 190	0.19 147	0.21 243	0.17 127	0.16 98

GANet	0.74 292	0.38 281	0.63 216	0.54 310	0.35 270	1.01 310	0.95 357	1.15 260	0.95 232	1.09 316	2.00 362	1.14 308	0.92 314	1.29 328	0.75 259	0.25 273	0.27 320	0.27 289	0.23 270	0.32 298	0.24 250

DLCB_ROB	0.60 261	0.29 229	0.53 165	0.50 268	0.33 255	0.76 250	0.51 264	1.02 216	0.94 228	1.07 311	1.16 269	1.21 313	0.73 259	0.98 279	0.75 259	0.21 225	0.20 271	0.22 229	0.23 270	0.22 226	0.20 192

CBMV	0.68 280	0.37 277	0.50 131	0.43 166	0.26 129	1.00 306	0.71 320	1.17 268	1.16 311	1.24 337	1.29 299	1.06 290	0.86 300	0.98 279	0.75 259	0.29 302	0.30 331	0.34 329	0.30 318	0.26 263	0.27 270
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
CRFU-Net	0.59 254	0.29 229	0.62 212	0.47 240	0.31 227	1.20 339	0.51 264	1.19 273	0.59 74	1.05 302	1.00 211	1.06 290	0.87 303	0.83 230	0.77 262	0.22 241	0.19 263	0.18 116	0.16 115	0.19 184	0.20 192

SDNR	0.89 323	0.39 285	1.66 371	0.42 129	0.39 291	3.35 399	0.32 99	0.95 196	1.05 272	1.05 302	2.12 365	0.62 134	0.71 248	1.40 339	0.78 263	0.53 367	0.56 382	0.36 333	0.27 307	0.46 344	0.50 360

ADLNet2	0.57 239	0.26 195	0.71 251	0.48 248	0.31 227	0.83 274	0.51 264	1.10 247	0.99 251	0.85 204	0.99 207	0.99 270	0.70 243	0.79 217	0.78 263	0.21 225	0.17 237	0.18 116	0.18 183	0.22 226	0.22 223

delet	0.57 239	0.25 167	0.63 216	0.46 222	0.34 265	1.05 318	0.51 264	1.04 222	0.94 228	0.90 238	0.99 207	0.90 248	0.68 236	0.87 240	0.78 263	0.18 156	0.18 246	0.20 176	0.21 243	0.17 127	0.17 134

UPFNet	0.55 226	0.26 195	0.59 201	0.46 222	0.38 282	0.83 274	0.48 248	1.03 221	0.80 153	0.92 246	0.91 169	0.85 230	0.67 228	0.87 240	0.78 263	0.20 210	0.21 277	0.20 176	0.20 226	0.20 199	0.15 78

FADNet-RVC	0.62 270	0.56 338	1.29 341	0.47 240	0.39 291	0.63 200	0.40 193	1.16 262	0.91 214	0.71 132	0.86 149	1.04 283	0.55 166	0.99 283	0.78 263	0.27 287	0.26 318	0.28 299	0.29 317	0.32 298	0.31 295

GANetREF_RVC	0.82 306	0.77 360	0.95 310	0.68 354	0.43 311	1.15 331	1.06 364	1.19 273	1.20 321	1.03 291	1.02 217	1.10 302	0.89 309	1.20 318	0.78 263	0.49 362	0.39 363	0.58 371	0.39 348	0.69 371	0.49 358
Zhang, Feihu and Prisacariu, Victor and Yang, Ruigang and Torr, Philip HS: GA-Net: Guided Aggregation Net for End- to-end Stereo Matching. CVPR 2019
NaN_ROB	0.73 287	0.46 311	0.89 301	0.52 294	0.34 265	0.98 303	1.11 366	1.28 307	1.20 321	1.27 341	0.96 188	1.08 295	0.79 279	1.34 337	0.78 263	0.24 261	0.30 331	0.23 243	0.24 284	0.23 240	0.26 262

DDUNet	1.10 345	2.58 411	0.83 285	1.21 384	1.27 388	1.02 312	0.69 317	1.17 268	0.95 232	0.98 276	1.26 290	1.28 318	0.84 292	0.97 277	0.79 270	0.85 381	0.40 366	2.00 393	0.60 378	1.34 385	0.94 381

MMNet	0.57 239	0.26 195	0.67 231	0.45 199	0.35 270	1.04 316	0.39 183	0.93 188	0.98 248	0.96 270	0.97 195	0.86 234	0.80 283	0.83 230	0.80 271	0.16 99	0.15 190	0.19 147	0.19 207	0.20 199	0.17 134

FADNet_RVC	0.58 250	0.39 285	1.26 336	0.45 199	0.32 244	0.55 164	0.34 116	1.12 249	0.90 208	0.68 116	0.90 163	0.61 128	0.71 248	1.03 294	0.80 271	0.21 225	0.18 246	0.27 289	0.23 270	0.33 302	0.30 288

otaku	1.10 345	0.96 372	0.96 311	1.37 388	1.06 385	1.65 365	0.72 324	1.46 348	1.19 319	1.10 319	1.32 302	1.32 324	0.95 321	1.29 328	0.81 273	0.89 383	0.46 376	1.24 384	0.50 371	1.86 388	0.89 380

FINET	0.75 296	0.45 306	1.38 350	0.48 248	0.46 331	0.98 303	1.00 361	1.22 285	1.69 368	0.91 245	1.25 287	0.74 196	0.74 261	1.09 301	0.82 274	0.37 343	0.31 339	0.27 289	0.24 284	0.35 314	0.34 309

ADLNet	0.57 239	0.29 229	0.58 193	0.46 222	0.35 270	0.80 263	0.46 238	1.14 257	0.88 200	1.03 291	0.98 198	0.92 257	0.66 219	0.71 181	0.83 275	0.22 241	0.16 211	0.22 229	0.22 261	0.22 226	0.23 242

ACVNet-4b	1.43 370	1.34 386	1.28 340	1.95 396	1.60 391	1.93 375	0.77 335	1.59 364	1.64 366	1.05 302	1.60 341	2.10 372	0.92 314	1.79 367	0.84 276	1.76 397	0.35 355	2.03 396	0.67 380	2.16 395	1.18 390

AASNet	0.55 226	0.27 207	0.62 212	0.51 280	0.32 244	0.73 241	0.44 231	1.55 356	0.88 200	0.88 224	0.94 180	0.64 145	0.63 204	0.62 116	0.84 276	0.23 255	0.20 271	0.20 176	0.16 115	0.22 226	0.20 192

GASNet	0.70 283	0.77 360	1.16 329	0.71 362	0.49 335	0.62 195	0.48 248	1.12 249	1.05 272	0.98 276	0.84 138	0.94 259	0.82 287	1.41 342	0.85 278	0.33 325	0.22 286	0.29 307	0.28 313	0.44 340	0.26 262

CBFPSM	0.61 264	0.25 167	1.41 352	0.39 60	0.27 158	1.10 321	0.67 312	0.83 158	0.84 176	0.82 183	0.81 129	1.33 329	0.85 296	0.72 185	0.86 279	0.16 99	0.15 190	0.15 41	0.17 157	0.17 127	0.23 242

stereogan	0.83 312	0.33 258	0.89 301	0.61 335	0.51 340	1.80 371	0.50 261	1.41 338	1.39 345	1.05 302	1.47 330	1.56 358	1.04 330	1.32 335	0.87 280	0.29 302	0.29 327	0.29 307	0.25 295	0.39 327	0.40 330

acv_ft	0.52 210	0.24 139	0.64 220	0.45 199	0.28 179	0.85 280	0.40 193	0.95 196	0.81 162	1.00 282	0.96 188	0.79 219	0.62 199	0.65 138	0.88 281	0.18 156	0.15 190	0.16 57	0.15 90	0.18 151	0.15 78

ETE_ROB	0.73 287	0.52 322	0.93 305	0.57 322	0.37 277	0.80 263	0.86 350	1.19 273	0.95 232	1.20 330	1.22 283	1.39 341	0.86 300	1.07 297	0.88 281	0.27 287	0.21 277	0.31 317	0.27 307	0.34 308	0.35 312

Ntro	1.15 350	1.00 376	1.00 317	1.49 389	1.20 387	1.69 368	0.81 341	1.39 332	1.25 326	1.01 284	1.28 295	1.31 322	1.00 326	1.31 333	0.89 283	1.10 389	0.43 372	1.36 385	0.51 372	1.95 390	0.99 386

DGSMNet	0.80 303	0.58 342	1.42 353	0.61 335	0.65 362	0.94 294	0.75 333	1.35 325	1.16 311	0.88 224	1.26 290	1.00 271	0.75 264	1.07 297	0.89 283	0.36 339	0.31 339	0.41 347	0.40 352	0.60 368	0.59 372

Syn2CoEx	0.74 292	0.55 336	1.17 330	0.66 348	0.45 323	0.89 288	0.56 286	1.54 355	1.15 309	0.95 258	1.35 308	1.03 279	1.03 328	0.96 270	0.89 283	0.31 312	0.27 320	0.29 307	0.24 284	0.23 240	0.27 270

AANet_RVC	0.59 254	0.35 267	0.68 238	0.47 240	0.28 179	0.57 179	0.47 243	1.04 222	1.28 331	0.87 216	1.33 303	0.86 234	0.63 204	1.16 311	0.89 283	0.19 191	0.13 141	0.15 41	0.14 69	0.18 151	0.20 192

NCCL2	0.74 292	0.45 306	0.77 271	0.65 346	0.45 323	0.97 299	1.16 371	1.16 262	1.02 262	1.00 282	0.98 198	1.48 348	0.88 307	0.99 283	0.89 283	0.31 312	0.27 320	0.39 343	0.39 348	0.33 302	0.34 309

MDST_ROB	0.97 333	0.29 229	1.02 319	0.64 344	0.43 311	2.64 386	0.82 343	1.68 372	1.18 318	2.89 392	1.82 354	0.97 264	0.75 264	1.83 369	0.89 283	0.26 278	0.22 286	0.32 322	0.28 313	0.26 263	0.26 262

fast-acv-ft	0.66 276	0.32 252	0.80 275	0.46 222	0.34 265	1.26 342	0.50 261	0.91 178	1.00 255	1.05 302	1.36 309	1.28 318	0.84 292	0.81 223	0.90 289	0.22 241	0.24 301	0.23 243	0.23 270	0.21 208	0.22 223

RP	0.80 303	0.38 281	0.73 261	0.67 350	0.59 355	0.82 271	0.57 288	1.21 279	1.28 331	1.03 291	1.68 345	1.45 343	1.49 365	1.08 300	0.90 289	0.36 339	0.31 339	0.37 337	0.30 318	0.36 318	0.36 315

STTRV1_RVC	0.83 312	0.60 346	1.19 331	0.67 350	0.81 370	1.12 326	0.63 307	1.37 331	1.12 296	0.98 276	1.34 307	1.08 295	0.95 321	1.28 326	0.90 289	0.57 372	0.25 309	0.44 351	0.39 348	0.60 368	0.41 335

FAT-Stereo	0.75 296	0.34 263	0.81 280	0.51 280	0.38 282	0.78 251	0.63 307	1.39 332	1.32 338	1.05 302	1.40 315	1.58 359	1.14 342	0.92 256	0.91 292	0.29 302	0.28 325	0.28 299	0.23 270	0.28 279	0.41 335

MSMD_ROB	1.25 358	0.51 320	0.64 220	0.60 331	0.50 338	1.66 366	0.67 312	1.26 297	1.26 329	2.64 389	3.82 396	3.06 387	3.20 400	1.45 347	0.91 292	0.46 357	0.41 368	0.49 363	0.51 372	0.47 346	0.45 349

UDG	0.93 325	1.03 378	0.75 267	1.00 375	0.97 377	1.02 312	0.57 288	1.18 270	1.01 257	0.93 249	1.02 217	1.32 324	1.03 328	0.88 246	0.92 294	0.55 371	0.33 350	1.82 390	0.41 357	1.20 384	0.74 376

edge stereo	0.79 302	0.40 293	0.82 281	0.52 294	0.44 316	0.83 274	0.58 295	1.34 324	1.08 288	1.30 342	1.38 313	1.79 364	1.13 341	1.15 310	0.92 294	0.34 332	0.32 345	0.42 348	0.28 313	0.33 302	0.39 324

anonymity	0.98 335	0.89 369	1.06 322	0.93 374	1.04 384	0.97 299	0.82 343	1.33 322	0.93 221	1.08 312	0.98 198	1.02 277	0.95 321	1.02 292	0.93 296	0.96 384	0.96 404	0.90 379	0.91 389	0.92 378	0.95 383

StereoDRNet-Refined	0.61 264	0.33 258	0.63 216	0.47 240	0.31 227	0.94 294	0.41 213	1.04 222	0.97 244	1.15 326	1.13 262	1.00 271	0.74 261	0.93 259	0.93 296	0.18 156	0.13 141	0.22 229	0.21 243	0.20 199	0.21 208
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
NCC-stereo	0.82 306	0.43 303	0.87 297	0.63 341	0.68 366	0.88 285	0.72 324	1.60 366	1.12 296	0.95 258	1.41 317	1.37 336	1.37 357	1.26 323	0.94 298	0.32 317	0.30 331	0.37 337	0.49 369	0.34 308	0.35 312

Nwc_Net	0.82 306	0.40 293	0.86 292	0.62 339	0.56 348	1.04 316	0.57 288	1.72 374	1.08 288	0.93 249	1.88 357	1.44 342	1.24 349	1.19 315	0.94 298	0.31 312	0.25 309	0.36 333	0.39 348	0.31 292	0.31 295

Abc-Net	0.82 306	0.43 303	0.87 297	0.63 341	0.68 366	0.88 285	0.72 324	1.60 366	1.12 296	0.95 258	1.41 317	1.37 336	1.37 357	1.26 323	0.94 298	0.32 317	0.30 331	0.37 337	0.49 369	0.34 308	0.35 312
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
MFN_U_SF_DS_RVC	1.06 341	0.61 347	1.82 373	0.69 357	0.51 340	2.62 385	1.69 396	1.28 307	1.44 350	1.39 349	1.56 337	1.34 332	0.91 312	1.68 361	0.95 301	0.38 348	0.39 363	0.46 356	0.61 379	0.41 331	0.43 343

StereoDRNet	0.67 277	0.35 267	0.82 281	0.53 301	0.44 316	1.03 314	0.53 273	1.51 353	1.06 276	1.13 324	0.91 169	1.07 294	0.74 261	0.87 240	0.95 301	0.24 261	0.19 263	0.25 267	0.23 270	0.27 272	0.22 223

PA-Net	0.70 283	0.46 311	0.96 311	0.51 280	0.53 344	0.94 294	0.73 329	1.14 257	1.15 309	0.83 188	0.90 163	0.88 241	0.76 273	1.19 315	0.96 303	0.25 273	0.41 368	0.29 307	0.44 360	0.27 272	0.39 324
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
LALA_ROB	0.76 299	0.46 311	0.86 292	0.55 316	0.41 299	1.00 306	0.93 356	1.25 295	1.13 302	1.23 335	1.15 266	1.55 356	0.80 283	1.11 304	0.96 303	0.33 325	0.23 293	0.35 330	0.30 318	0.35 314	0.32 298

pmcnn	1.27 360	0.31 250	1.14 328	0.41 104	0.23 56	0.97 299	0.71 320	1.23 288	1.32 338	1.83 369	2.34 369	11.25 415	0.89 309	1.04 295	0.96 303	0.15 67	0.12 86	0.12 2	0.10 10	0.15 66	0.16 98

ssnet_v2	0.61 264	0.29 229	0.69 246	0.45 199	0.30 217	0.93 292	0.62 304	1.20 276	1.03 266	0.97 273	0.81 129	0.98 266	0.67 228	0.84 234	0.97 306	0.26 278	0.23 293	0.23 243	0.24 284	0.20 199	0.21 208

RGC	0.82 306	0.62 348	0.80 275	0.67 350	0.66 364	0.91 290	0.59 298	1.35 325	1.09 294	1.12 323	1.46 328	1.50 350	1.09 335	1.28 326	0.97 306	0.34 332	0.30 331	0.48 360	0.40 352	0.38 323	0.38 323

XPNet_ROB	0.73 287	0.38 281	0.80 275	0.53 301	0.40 294	0.80 263	0.83 345	1.21 279	0.96 239	1.37 346	1.17 274	1.37 336	0.87 303	1.14 307	0.99 308	0.33 325	0.25 309	0.27 289	0.24 284	0.31 292	0.29 284

Wz-Net-LNSev	0.75 296	0.54 330	1.59 362	0.51 280	0.41 299	1.16 333	0.79 339	1.27 302	1.13 302	1.04 297	1.14 264	1.11 304	0.94 319	0.93 259	1.00 309	0.24 261	0.22 286	0.21 217	0.19 207	0.26 263	0.27 270

GwcNet	0.73 287	0.39 285	1.37 349	0.53 301	0.43 311	1.10 321	0.52 270	1.27 302	1.19 319	1.05 302	1.41 317	1.06 290	0.86 300	0.98 279	1.01 310	0.26 278	0.24 301	0.24 256	0.23 270	0.23 240	0.28 279

DRN-Test	0.68 280	0.34 263	0.77 271	0.52 294	0.40 294	1.14 329	0.61 302	1.56 360	1.04 270	1.18 328	1.10 250	1.05 286	0.72 255	0.82 228	1.01 310	0.24 261	0.18 246	0.26 281	0.25 295	0.26 263	0.23 242

CSAN	0.88 322	0.52 322	0.93 305	0.61 335	0.42 308	1.19 338	1.11 366	1.27 302	1.48 355	1.37 346	1.44 324	1.37 336	1.30 352	1.46 349	1.01 310	0.39 349	0.31 339	0.36 333	0.37 343	0.35 314	0.36 315

PDISCO_ROB	0.96 331	0.51 320	1.13 326	1.03 378	1.00 380	1.81 372	0.77 335	1.72 374	1.60 362	1.09 316	1.19 279	1.34 332	0.80 283	1.62 356	1.01 310	0.58 373	0.22 286	0.45 353	0.40 352	0.50 352	0.41 335

PSMNet_ROB	0.67 277	0.39 285	0.76 268	0.57 322	0.43 311	1.00 306	0.85 349	1.25 295	0.93 221	0.82 183	1.04 231	1.08 295	0.64 211	0.89 247	1.02 314	0.29 302	0.21 277	0.31 317	0.31 327	0.27 272	0.25 257

ttt	0.56 235	0.27 207	0.49 122	0.39 60	0.25 101	0.65 214	0.42 218	1.24 289	1.08 288	0.76 155	1.10 250	0.63 138	0.51 155	0.95 267	1.03 315	0.25 273	0.22 286	0.22 229	0.21 243	0.25 257	0.25 257

RainbowNet	1.42 369	1.53 392	1.31 344	1.93 395	1.46 389	1.52 359	1.03 362	1.67 371	1.55 358	1.23 335	1.59 340	1.54 355	1.21 346	1.40 339	1.03 315	1.70 395	0.70 386	1.82 390	0.80 386	2.11 394	1.22 391

Wz-Net-LNSev-Ref	0.67 277	0.30 243	1.20 332	0.42 129	0.31 227	1.00 306	0.58 295	1.16 262	1.07 283	1.01 284	1.25 287	1.08 295	0.75 264	1.18 314	1.03 315	0.20 210	0.12 86	0.16 57	0.13 49	0.22 226	0.22 223

psmorigin	0.84 314	0.53 324	2.21 381	0.50 268	0.41 299	0.86 282	0.57 288	1.08 240	0.90 208	1.50 351	1.42 321	1.50 350	1.09 335	1.29 328	1.03 315	0.32 317	0.33 350	0.27 289	0.27 307	0.34 308	0.45 349

RASNet	0.57 239	0.24 139	0.61 207	0.39 60	0.23 56	0.71 237	0.40 193	1.02 216	0.93 221	0.77 163	1.05 234	1.05 286	0.98 325	0.99 283	1.03 315	0.16 99	0.14 172	0.14 13	0.17 157	0.15 66	0.14 49

MFMNet_re	1.17 353	0.99 374	1.31 344	1.02 377	0.95 375	1.32 344	1.32 380	1.44 345	1.58 361	1.72 365	1.70 348	1.21 313	1.57 367	1.16 311	1.04 320	0.88 382	0.76 393	0.79 376	0.75 384	0.90 377	0.94 381

PWCDC_ROB	0.93 325	0.54 330	0.97 315	0.78 369	0.41 299	1.03 314	0.42 218	1.39 332	2.34 384	1.04 297	3.73 395	0.80 223	1.12 339	1.29 328	1.04 320	0.37 343	0.22 286	0.24 256	0.20 226	0.36 318	0.31 295

AF-Net	0.85 319	0.41 297	0.87 297	0.66 348	0.54 346	0.96 298	0.52 270	1.66 370	1.37 342	1.03 291	2.04 364	1.46 344	1.36 355	1.19 315	1.05 322	0.34 332	0.24 301	0.39 343	0.28 313	0.31 292	0.26 262

Wz-Net-MNSev	0.81 305	0.42 301	1.64 368	0.51 280	0.41 299	1.46 352	0.95 357	1.24 289	1.26 329	1.31 343	1.25 287	1.17 310	0.83 289	1.21 319	1.06 323	0.22 241	0.19 263	0.24 256	0.23 270	0.29 281	0.26 262

G-Net	0.95 330	0.48 319	1.13 326	0.67 350	0.49 335	2.07 377	0.63 307	1.02 216	0.90 208	1.77 366	2.62 379	1.28 318	1.60 368	1.09 301	1.06 323	0.37 343	0.30 331	0.35 330	0.25 295	0.46 344	0.45 349

S-Stereo	0.76 299	0.36 275	1.10 323	0.57 322	0.46 331	0.83 274	0.59 298	1.31 314	1.62 364	0.98 276	1.41 317	1.11 304	0.93 316	0.85 236	1.07 325	0.27 287	0.31 339	0.28 299	0.25 295	0.33 302	0.50 360

DeepPrunerF	0.93 325	0.55 336	3.88 391	0.70 360	0.81 370	0.72 240	0.74 331	1.28 307	1.97 375	0.95 258	1.02 217	0.87 238	0.85 296	1.16 311	1.07 325	0.35 337	0.29 327	0.43 349	0.40 352	0.31 292	0.33 307

DISCO	0.72 286	0.27 207	0.72 257	0.45 199	0.31 227	1.12 326	0.53 273	1.32 319	1.25 326	0.84 194	1.07 242	1.52 354	0.87 303	1.82 368	1.08 327	0.20 210	0.15 190	0.18 116	0.16 115	0.24 248	0.24 250

Consistency-Raft	1.01 339	0.82 363	1.27 339	0.85 371	0.97 377	0.81 268	0.83 345	1.35 325	1.61 363	1.06 310	1.66 344	1.11 304	0.93 316	0.93 259	1.11 328	0.65 375	0.75 391	0.79 376	0.91 389	1.09 383	0.79 378

PASM	0.96 331	0.71 357	2.05 378	0.72 363	0.72 369	0.84 279	0.92 353	1.14 257	1.34 341	1.25 338	1.22 283	1.34 332	1.07 333	1.31 333	1.11 328	0.53 367	0.57 383	0.59 372	0.67 380	0.56 367	0.57 371

DispFullNet	1.64 377	2.64 412	3.14 387	2.57 404	1.78 397	1.32 344	0.55 283	1.42 343	1.45 351	1.89 371	1.48 331	1.55 356	2.35 390	2.08 378	1.12 330	0.60 374	0.19 263	2.33 401	0.73 383	2.35 399	1.30 395

FBW_ROB	0.94 329	0.54 330	1.03 320	0.56 319	0.42 308	1.16 333	0.76 334	1.56 360	1.41 346	1.38 348	1.33 303	1.47 346	1.07 333	2.94 393	1.14 331	0.26 278	0.32 345	0.45 353	0.30 318	0.34 308	0.30 288

aanetorigin	0.85 319	0.58 342	1.98 376	0.50 268	0.40 294	0.66 219	0.70 318	0.72 109	1.01 257	2.44 387	2.00 362	1.32 324	1.25 350	0.96 270	1.16 332	0.20 210	0.19 263	0.20 176	0.20 226	0.27 272	0.33 307

ACVNet_1	1.55 374	1.36 387	1.35 348	1.96 397	1.63 392	1.83 373	0.96 359	2.09 382	1.85 373	1.43 350	1.54 335	2.31 375	1.68 372	1.42 343	1.18 333	1.76 397	0.51 380	2.05 398	0.59 377	2.24 398	1.30 395

APVNet	0.73 287	0.39 285	1.01 318	0.58 327	0.45 323	1.16 333	0.68 315	1.47 349	0.87 190	0.84 194	1.15 266	1.04 283	0.84 292	1.14 307	1.18 333	0.27 287	0.28 325	0.32 322	0.31 327	0.29 281	0.32 298

FCDSN-DC	1.43 370	0.57 339	0.69 246	0.74 365	0.59 355	1.42 350	0.65 311	1.40 336	1.41 346	3.31 402	4.42 405	4.57 397	3.01 398	1.70 362	1.19 335	0.46 357	0.42 370	0.48 360	0.47 362	0.51 355	0.51 364
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
ACVNet_2	1.74 379	1.30 385	1.62 367	1.81 392	1.63 392	2.28 382	1.34 382	2.35 387	2.64 387	1.82 368	2.55 375	2.99 385	1.71 373	1.67 360	1.20 336	1.48 393	0.59 384	1.81 389	0.71 382	2.09 393	1.29 394

LSM	4.83 406	0.83 366	11.23 408	0.76 368	56.73 432	1.10 321	1.18 372	1.35 325	1.70 369	2.13 377	2.34 369	1.34 332	1.19 345	1.52 352	1.23 337	0.34 332	0.50 379	0.39 343	0.47 362	0.51 355	9.82 419

iinet-f	0.69 282	0.29 229	2.34 383	0.41 104	0.31 227	1.16 333	0.58 295	0.87 166	0.85 180	0.86 214	1.17 274	1.04 283	0.83 289	0.76 200	1.26 338	0.21 225	0.18 246	0.17 85	0.16 115	0.21 208	0.21 208

SANet	1.15 350	0.45 306	1.40 351	0.50 268	0.32 244	1.54 360	1.21 374	1.49 350	3.35 396	1.61 355	2.41 372	2.32 377	1.80 376	1.57 354	1.27 339	0.28 295	0.25 309	0.26 281	0.24 284	0.36 318	0.32 298

RYNet	0.76 299	0.37 277	0.74 265	0.54 310	0.67 365	1.35 346	0.68 315	1.28 307	1.21 323	1.10 319	0.90 163	1.31 322	0.94 319	1.01 289	1.30 340	0.22 241	0.16 211	0.27 289	0.23 270	0.43 337	0.45 349

WCMA_ROB	1.22 355	0.39 285	0.93 305	0.51 280	0.45 323	1.44 351	0.79 339	1.20 276	1.30 336	2.99 398	3.94 399	3.30 391	2.17 387	1.42 343	1.31 341	0.46 357	0.35 355	0.35 330	0.37 343	0.41 331	0.42 339

MeshStereo	1.38 366	0.45 306	0.58 193	0.45 199	0.35 270	1.63 364	0.60 300	2.07 381	1.43 349	4.49 407	3.32 391	4.67 398	2.08 384	2.08 378	1.32 342	0.36 339	0.36 357	0.37 337	0.32 330	0.32 298	0.34 309
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
ccnet	0.84 314	0.59 344	0.86 292	0.56 319	0.60 358	1.11 325	0.72 324	1.44 345	0.97 244	1.15 326	1.44 324	1.28 318	0.95 321	1.01 289	1.33 343	0.49 362	0.43 372	0.50 365	0.47 362	0.52 358	0.48 357

Anonymous Stereo	0.82 306	0.59 344	2.10 379	0.59 329	0.58 353	0.68 232	1.42 387	1.05 228	1.07 283	1.03 291	1.02 217	0.86 234	0.65 217	1.33 336	1.36 344	0.32 317	0.31 339	0.31 317	0.33 336	0.34 308	0.39 324

DANet	0.74 292	0.47 317	0.98 316	0.60 331	0.41 299	0.92 291	0.41 213	1.02 216	0.87 190	1.22 333	1.22 283	1.33 329	0.88 307	1.26 323	1.37 345	0.27 287	0.24 301	0.31 317	0.25 295	0.37 321	0.36 315
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
SGM_RVC	1.04 340	0.30 243	0.47 102	0.41 104	0.23 56	1.73 370	0.77 335	1.63 368	1.30 336	2.39 385	1.99 361	2.64 380	1.78 375	2.22 382	1.40 346	0.28 295	0.27 320	0.27 289	0.25 295	0.25 257	0.25 257
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
FC-DCNN	1.67 378	0.53 324	0.68 238	0.62 339	0.49 335	1.62 363	0.71 320	1.77 377	1.55 358	4.73 409	4.66 407	5.82 406	3.94 403	2.13 380	1.42 347	0.47 360	0.42 370	0.47 357	0.46 361	0.48 347	0.47 355

NVStereoNet_ROB	1.31 364	0.96 372	1.33 346	0.90 373	0.92 372	1.15 331	1.05 363	1.49 350	1.62 364	1.63 357	2.51 374	2.31 375	1.62 369	2.16 381	1.42 347	0.81 380	0.73 387	0.79 376	1.02 393	0.73 372	0.97 384
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
DualNet	0.53 216	0.28 220	0.68 238	0.39 60	0.26 129	0.56 169	0.40 193	0.72 109	1.13 302	0.76 155	0.98 198	0.71 173	0.55 166	0.61 94	1.46 349	0.17 125	0.11 39	0.25 267	0.21 243	0.16 103	0.17 134

ff1	0.56 235	0.28 220	0.68 238	0.39 60	0.26 129	0.56 169	0.40 193	0.72 109	1.13 302	0.76 155	0.98 198	0.71 173	0.55 166	1.25 320	1.46 349	0.17 125	0.11 39	0.25 267	0.21 243	0.16 103	0.17 134

mmx	0.59 254	0.28 220	0.68 238	0.39 60	0.26 129	0.56 169	0.40 193	1.24 289	1.06 276	0.76 155	0.98 198	0.71 173	0.55 166	1.25 320	1.46 349	0.21 225	0.16 211	0.25 267	0.21 243	0.24 248	0.22 223

xxx	0.59 254	0.28 220	0.68 238	0.39 60	0.26 129	0.56 169	0.40 193	1.24 289	1.06 276	0.76 155	0.98 198	0.71 173	0.55 166	1.25 320	1.46 349	0.21 225	0.16 211	0.25 267	0.21 243	0.24 248	0.22 223

MSC_U_SF_DS_RVC	1.38 366	0.91 370	2.11 380	0.89 372	0.57 352	4.27 405	1.79 400	1.55 356	2.00 377	1.64 358	1.85 356	1.83 365	1.44 361	1.89 372	1.49 353	0.49 362	0.40 366	0.56 369	0.58 376	0.75 373	0.52 366

SAMSARA	1.15 350	0.69 353	1.44 355	1.09 381	0.93 373	2.10 379	1.87 403	1.64 369	1.47 354	1.64 358	1.21 281	2.06 371	1.14 342	1.61 355	1.50 354	0.39 349	0.45 374	0.36 333	0.38 346	0.50 352	0.51 364

DPSNet	1.08 344	0.44 305	2.64 384	0.54 310	0.42 308	1.59 361	1.25 377	2.39 388	1.50 356	1.13 324	1.12 256	1.51 352	2.19 388	1.44 346	1.51 355	0.35 337	0.25 309	0.25 267	0.21 243	0.49 350	0.39 324

PWC_ROB	0.92 324	0.57 339	1.64 368	0.53 301	0.33 255	0.93 292	0.39 183	1.42 343	1.51 357	1.66 360	2.57 376	1.18 311	1.11 337	1.50 351	1.54 356	0.26 278	0.18 246	0.28 299	0.20 226	0.30 288	0.32 298

SGM+DAISY	1.52 373	0.99 374	1.61 366	1.01 376	1.02 382	1.86 374	1.19 373	1.49 350	1.38 344	2.96 396	3.00 386	2.79 383	1.94 378	1.88 370	1.62 357	0.98 386	0.97 405	0.91 381	0.91 389	0.94 379	0.99 386

SPS-STEREO	1.29 362	0.94 371	1.10 323	1.05 380	1.03 383	1.48 354	0.91 351	1.57 362	1.24 324	2.13 377	1.90 358	1.94 369	1.46 362	1.77 365	1.64 358	0.97 385	0.94 403	0.90 379	0.89 388	0.96 380	0.97 384
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
Wz-Net-SNSev	0.99 337	0.80 362	3.00 385	0.57 322	0.46 331	0.94 294	1.22 376	1.40 336	1.28 331	1.04 297	1.33 303	1.46 344	0.90 311	2.06 376	1.65 359	0.26 278	0.24 301	0.25 267	0.26 303	0.33 302	0.30 288

Dean	2.07 388	1.39 388	1.69 372	2.17 399	1.83 399	2.75 390	1.28 378	3.49 400	3.80 400	2.13 377	3.30 390	3.18 389	1.98 381	1.78 366	1.72 360	1.73 396	0.79 397	1.99 392	0.91 389	2.17 396	1.34 398

SuperB	1.00 338	0.41 297	4.03 394	0.45 199	0.32 244	0.99 305	0.49 258	1.09 243	2.09 378	1.10 319	1.10 250	0.74 196	0.83 289	1.13 305	1.75 361	0.20 210	0.15 190	0.17 85	0.15 90	2.50 403	0.27 270

SHD	0.98 335	0.54 330	1.30 343	0.63 341	0.50 338	1.14 329	0.50 261	1.80 378	2.20 379	1.66 360	1.39 314	1.47 346	1.21 346	1.40 339	1.80 362	0.32 317	0.27 320	0.32 322	0.34 338	0.41 331	0.44 347

LVE	2.20 391	1.47 390	1.44 355	2.06 398	1.80 398	2.79 392	1.77 399	2.96 391	3.94 402	1.95 374	4.29 404	3.47 394	1.97 379	2.48 386	1.85 363	2.06 399	0.88 398	2.06 399	1.13 400	2.17 396	1.53 400

MFN_U_SF_RVC	1.14 349	0.63 349	2.33 382	0.69 357	0.46 331	2.04 376	0.70 318	1.90 379	1.37 342	1.62 356	1.56 337	1.94 369	1.36 355	1.73 364	1.90 364	0.41 354	0.38 359	0.45 353	0.48 366	0.45 341	0.47 355

IMH-64-1	1.96 382	1.64 397	1.26 336	2.26 401	1.91 400	2.30 383	1.35 383	2.99 392	2.29 380	1.70 362	2.79 383	2.47 378	1.66 370	2.33 383	1.95 365	2.07 400	0.74 389	2.44 402	1.04 395	2.40 400	1.59 401

IMH-64	1.96 382	1.64 397	1.26 336	2.26 401	1.91 400	2.30 383	1.35 383	2.99 392	2.29 380	1.70 362	2.79 383	2.47 378	1.66 370	2.33 383	1.95 365	2.07 400	0.74 389	2.44 402	1.04 395	2.40 400	1.59 401

IMH	2.15 390	1.66 399	1.29 341	2.25 400	1.92 402	2.87 393	1.33 381	3.25 395	3.04 393	1.87 370	3.33 393	3.00 386	2.03 383	2.80 392	1.95 365	2.09 402	0.78 394	2.45 404	1.05 398	2.44 402	1.62 403

Wz-Net-TNSev	1.23 357	1.24 383	5.25 399	0.51 280	0.43 311	1.49 357	1.09 365	1.58 363	1.42 348	1.25 338	1.26 290	1.58 359	1.52 366	1.97 373	1.95 365	0.33 325	0.32 345	0.26 281	0.30 318	0.41 331	0.43 343

XQC	0.97 333	0.70 354	1.54 360	0.70 360	0.55 347	1.48 354	0.81 341	1.41 338	1.57 360	1.21 331	1.12 256	1.33 329	1.04 330	1.55 353	2.00 369	0.39 349	0.25 309	0.37 337	0.32 330	0.55 362	0.49 358

KSHMR	2.64 393	1.96 403	1.86 375	2.69 408	2.44 406	2.88 394	2.04 404	3.46 399	6.31 406	2.51 388	3.27 388	3.39 393	1.97 379	2.59 389	2.08 370	2.48 407	1.41 409	2.80 411	1.51 407	2.98 408	2.09 406

PVD	1.34 365	0.70 354	1.42 353	0.78 369	0.65 362	1.68 367	0.91 351	2.12 384	3.01 391	2.25 382	2.35 371	1.90 368	1.99 382	1.98 374	2.14 371	0.40 353	0.38 359	0.49 363	0.37 343	0.51 355	0.67 374

1111x	0.64 274	0.23 120	0.61 207	0.39 60	0.21 25	0.68 232	0.46 238	1.32 319	1.03 266	0.76 155	1.02 217	0.95 260	0.72 255	1.13 305	2.15 372	0.18 156	0.18 246	0.18 116	0.19 207	0.20 199	0.19 165

WZ-Net	1.29 362	0.64 350	5.42 400	0.64 344	0.52 342	1.37 347	1.29 379	1.41 338	1.77 371	1.56 354	1.69 347	1.74 363	1.41 359	2.50 388	2.16 373	0.28 295	0.21 277	0.23 243	0.25 295	0.39 327	0.41 335

PWCK	2.06 387	1.75 400	4.11 395	1.69 390	0.93 373	3.13 398	2.86 410	2.18 385	2.41 385	2.38 384	2.33 368	2.22 373	1.85 377	3.52 397	2.20 374	1.65 394	0.73 387	1.52 387	0.83 387	1.81 387	1.02 389

EDNetEfficientorigin	9.96 414	1.17 382	175.17 437	0.49 257	0.37 277	1.13 328	0.74 331	1.27 302	2.70 388	3.16 401	2.49 373	2.28 374	2.15 386	1.88 370	2.27 375	0.21 225	0.19 263	0.25 267	0.20 226	0.54 360	0.53 368

WAO-8	3.00 395	1.60 394	1.52 357	1.82 393	1.65 394	5.57 407	1.35 383	4.65 408	12.37 412	2.89 392	4.04 401	4.89 401	2.78 394	3.73 399	2.44 376	1.29 390	0.93 401	2.00 393	1.16 402	2.02 391	1.23 392

Venus	3.00 395	1.60 394	1.52 357	1.82 393	1.65 394	5.57 407	1.35 383	4.65 408	12.37 412	2.89 392	4.04 401	4.89 401	2.78 394	3.73 399	2.44 376	1.29 390	0.93 401	2.00 393	1.16 402	2.02 391	1.23 392

RTSC	0.93 325	0.54 330	1.59 362	0.56 319	0.40 294	1.17 337	0.55 283	1.44 345	1.82 372	1.53 353	1.26 290	1.15 309	0.82 287	1.70 362	2.44 376	0.26 278	0.20 271	0.23 243	0.24 284	0.31 292	0.32 298

WAO-6	2.11 389	1.52 391	1.25 335	1.73 391	1.69 396	2.72 389	1.62 393	3.15 394	3.64 397	2.01 376	3.28 389	3.52 395	2.20 389	2.59 389	2.48 379	1.31 392	0.92 399	2.04 397	1.22 404	1.89 389	1.35 399

WAO-7	1.96 382	1.24 383	1.52 357	1.28 386	1.06 385	2.92 395	1.64 394	3.32 396	3.05 394	2.28 383	3.32 391	3.19 390	2.38 391	3.39 395	2.49 380	1.02 387	0.92 399	1.06 383	1.04 395	1.05 382	0.99 386

ELAS_RVC	1.76 380	0.64 350	1.20 332	0.74 365	0.59 355	2.18 380	2.53 408	2.10 383	2.85 390	3.46 403	3.41 394	3.12 388	4.11 404	2.69 391	2.53 381	0.54 370	0.47 377	0.51 367	0.48 366	0.55 362	0.55 369
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ktn	3.02 397	2.27 406	1.85 374	2.89 409	2.54 410	3.72 401	2.14 405	3.79 403	5.33 404	2.82 391	5.09 409	5.95 407	2.54 392	3.34 394	2.58 382	2.65 409	1.44 410	2.78 410	2.03 410	2.61 405	2.10 407

ELAS	1.77 381	0.64 350	1.10 323	0.72 363	0.58 353	3.37 400	1.76 398	2.54 389	2.57 386	3.77 405	3.96 400	2.83 384	3.44 401	2.34 385	2.73 383	0.53 367	0.47 377	0.50 365	0.48 366	0.55 362	0.55 369
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
notaker	2.87 394	2.31 407	2.01 377	3.03 410	2.60 411	2.94 396	1.82 401	3.43 398	3.06 395	2.89 392	4.21 403	6.15 409	2.71 393	3.42 396	2.90 384	2.67 410	1.18 407	3.00 412	1.67 408	3.13 409	2.26 408

TorneroNet-64	3.54 399	1.89 401	1.59 362	2.62 407	2.29 404	6.88 410	1.72 397	4.72 410	11.88 410	2.43 386	5.46 411	8.16 411	2.80 396	4.13 403	3.03 385	2.25 405	0.75 391	2.57 406	1.09 399	2.65 406	1.84 405

coex-ft	6.50 412	1.57 393	87.99 436	0.49 257	0.38 282	1.41 349	1.21 374	1.21 279	7.96 408	12.14 416	2.78 382	2.74 381	3.83 402	1.30 332	3.19 386	0.24 261	0.23 293	0.27 289	0.24 284	0.48 347	0.40 330

ADCRef	0.84 314	0.46 311	1.60 365	0.52 294	0.45 323	1.08 320	0.52 270	1.13 255	1.03 266	1.22 333	1.43 323	0.87 238	0.93 316	0.91 254	3.35 387	0.19 191	0.16 211	0.23 243	0.23 270	0.23 240	0.22 223

UNDER WATER-64	3.72 401	2.07 404	4.57 397	3.30 413	2.52 409	5.61 409	2.63 409	3.67 402	12.27 411	3.09 399	2.66 380	5.99 408	4.74 407	3.93 402	3.57 388	2.54 408	1.24 408	2.65 407	1.48 406	3.21 411	2.62 411

TorneroNet	4.49 403	1.92 402	1.65 370	2.60 406	2.29 404	14.95 418	1.86 402	4.86 411	19.56 426	3.10 400	7.52 414	7.00 410	2.90 397	4.48 404	3.66 389	2.24 404	0.78 394	2.68 408	1.14 401	2.79 407	1.80 404

UNDER WATER	3.63 400	2.12 405	4.11 395	3.17 411	2.51 408	3.77 403	2.45 407	3.53 401	13.66 415	2.98 397	2.92 385	5.75 405	4.13 405	3.85 401	3.75 390	2.84 411	1.11 406	2.71 409	1.41 405	3.26 412	2.50 410

JetBlue	3.02 397	1.39 388	7.91 405	1.17 383	1.49 390	8.53 411	7.94 413	2.82 390	1.98 376	2.15 381	2.69 381	3.32 392	3.01 398	6.66 410	3.81 391	0.79 378	0.78 394	0.75 375	0.76 385	1.04 381	1.33 397

EDNetEfficient	1.47 372	0.82 363	6.28 402	0.48 248	0.40 294	0.73 241	0.83 345	0.95 196	2.77 389	3.48 404	1.95 359	1.64 361	2.12 385	1.42 343	3.84 392	0.21 225	0.19 263	0.21 217	0.21 243	0.43 337	0.42 339

ADCPNet	1.11 348	0.53 324	3.26 389	0.55 316	0.44 316	1.47 353	0.83 345	1.21 279	1.17 314	1.26 340	1.42 321	1.67 362	1.12 339	1.48 350	3.86 393	0.30 309	0.29 327	0.30 316	0.32 330	0.37 321	0.37 321

RTS	2.03 385	1.03 378	11.50 409	0.68 354	0.63 360	2.71 387	1.56 391	1.55 356	2.32 382	1.93 372	2.57 376	1.32 324	1.32 353	5.20 405	4.30 394	0.31 312	0.23 293	0.29 307	0.30 318	0.41 331	0.40 330

RTSA	2.03 385	1.03 378	11.50 409	0.68 354	0.63 360	2.71 387	1.56 391	1.55 356	2.32 382	1.93 372	2.57 376	1.32 324	1.32 353	5.20 405	4.30 394	0.31 312	0.23 293	0.29 307	0.30 318	0.41 331	0.40 330

AnyNet_C01	1.63 376	1.16 381	7.38 404	0.65 346	0.56 348	2.25 381	1.53 389	1.53 354	1.46 353	1.71 364	1.95 359	1.83 365	1.41 359	2.48 386	4.42 396	0.33 325	0.32 345	0.32 322	0.34 338	0.45 341	0.50 360

FADE	5.30 409	2.54 408	14.53 413	1.04 379	1.00 380	2.09 378	0.92 353	4.03 405	3.02 392	1.77 366	1.60 341	2.74 381	6.71 410	6.31 408	4.51 397	14.64 427	1.73 411	21.24 429	14.41 423	0.63 370	0.65 373

MADNet+	2.28 392	2.56 409	10.82 407	1.25 385	0.96 376	2.77 391	1.44 388	2.34 386	1.76 370	1.36 345	1.78 353	1.84 367	1.74 374	6.33 409	4.57 398	0.67 376	0.66 385	0.59 372	0.54 375	0.84 375	0.81 379

AnyNet_C32	1.27 360	0.72 358	3.33 390	0.59 329	0.56 348	1.51 358	1.53 389	1.27 302	1.28 331	1.52 352	1.48 331	1.38 340	1.23 348	1.64 358	5.26 399	0.30 309	0.29 327	0.29 307	0.34 338	0.38 323	0.44 347

ADCL	1.10 345	0.42 301	1.57 361	0.51 280	0.41 299	1.71 369	0.92 353	1.36 329	1.45 351	1.33 344	1.56 337	1.22 316	1.26 351	1.45 347	5.27 400	0.22 241	0.19 263	0.25 267	0.25 295	0.29 281	0.29 284

ADCMid	1.22 355	0.57 339	3.17 388	0.54 310	0.44 316	1.07 319	0.77 335	1.31 314	1.13 302	2.14 380	1.48 331	1.49 349	1.47 364	1.65 359	5.30 401	0.26 278	0.24 301	0.29 307	0.32 330	0.38 323	0.36 315

MADNet++	4.18 402	2.72 414	4.00 392	3.80 415	3.44 414	4.72 406	4.05 412	4.01 404	3.74 398	4.52 408	5.14 410	4.20 396	4.89 408	7.04 412	6.39 402	3.79 412	3.70 416	3.27 414	2.70 413	3.68 414	3.74 416

HanzoNet	6.97 413	2.57 410	4.66 398	3.29 412	2.96 413	3.75 402	2.35 406	5.08 412	7.11 407	14.46 423	13.06 416	17.69 420	22.95 426	13.72 418	6.61 403	4.36 414	1.96 412	3.14 413	2.59 412	3.88 415	3.19 414

tt	6.21 411	0.22 97	5.88 401	3.55 414	2.07 403	11.25 416	19.19 417	11.84 418	5.47 405	2.71 390	2.18 366	4.87 400	6.25 409	3.71 398	7.09 404	8.31 419	11.17 424	4.91 415	5.39 418	5.72 416	2.42 409

ADCP+	1.18 354	0.37 277	3.09 386	0.50 268	0.52 342	1.48 354	0.61 302	1.32 319	1.07 283	1.21 331	1.16 269	1.08 295	1.11 337	1.63 357	7.17 405	0.20 210	0.16 211	0.24 256	0.22 261	0.29 281	0.22 223

MANE	4.73 404	0.54 330	0.77 271	0.69 357	0.60 358	10.35 413	1.67 395	8.68 414	12.66 414	6.90 413	9.43 415	11.59 416	10.59 413	8.26 413	8.41 406	0.51 365	0.45 374	0.48 360	1.02 393	0.50 352	0.50 360

DPSimNet_ROB	5.19 408	2.71 413	18.56 415	2.59 405	2.49 407	4.25 404	10.93 414	3.33 397	3.93 401	5.02 410	4.52 406	5.74 404	10.18 411	5.44 407	8.79 407	2.40 406	2.47 413	2.48 405	2.54 411	2.56 404	2.87 412

ADCS	1.60 375	0.70 354	4.02 393	0.61 335	0.53 344	1.31 343	1.11 366	1.71 373	1.86 374	1.97 375	1.68 345	1.51 352	1.46 362	2.07 377	9.20 408	0.34 332	0.32 345	0.33 327	0.36 341	0.45 341	0.46 353

SGM-ForestM	4.73 404	0.34 263	1.05 321	0.46 222	0.28 179	10.26 412	3.48 411	4.52 406	5.16 403	8.68 415	7.48 413	18.87 422	10.80 414	11.26 416	10.01 409	0.32 317	0.34 353	0.32 322	0.32 330	0.29 281	0.30 288

xxxx	1.07 343	0.23 120	0.53 165	0.38 44	0.22 30	0.83 274	0.36 145	1.41 338	0.95 232	0.75 150	0.99 207	0.97 264	0.64 211	0.70 176	11.37 410	0.20 210	0.17 237	0.18 116	0.17 157	0.19 184	0.20 192

test_xeample	1.06 341	0.23 120	0.51 139	0.37 35	0.22 30	0.71 237	0.39 183	1.31 314	0.92 220	0.87 216	1.08 248	0.70 172	0.64 211	0.75 192	11.43 411	0.19 191	0.16 211	0.18 116	0.17 157	0.18 151	0.19 165

JetRed	5.38 410	6.17 416	12.68 412	2.38 403	2.85 412	12.60 417	11.17 415	4.60 407	3.74 398	3.87 406	3.85 397	4.83 399	4.13 405	6.81 411	12.18 412	2.18 403	2.95 415	2.19 400	1.98 409	3.49 413	3.01 413

PML	40.49 437	30.31 426	12.46 411	7.19 417	14.30 417	91.44 437	212.44 438	7.73 413	23.24 427	74.44 437	185.05 438	49.81 437	25.78 427	21.34 422	12.84 413	8.71 420	2.93 414	8.43 420	3.24 414	13.77 422	4.45 417

222	1.25 358	0.23 120	0.53 165	0.38 44	0.23 56	0.78 251	0.37 157	1.41 338	0.93 221	0.97 273	1.13 262	0.74 196	0.71 248	0.74 187	14.86 414	0.20 210	0.16 211	0.17 85	0.16 115	0.18 151	0.20 192

LE_ROB	4.86 407	0.27 207	9.43 406	0.45 199	0.24 77	1.61 362	0.96 359	2.05 380	17.75 422	16.36 424	4.84 408	5.17 403	19.48 424	2.05 375	15.49 415	0.17 125	0.15 190	0.16 57	0.16 115	0.20 199	0.19 165

LRCNet_RVC	21.27 422	31.14 427	21.46 418	28.97 425	23.77 423	3.11 397	0.62 304	20.94 424	1.64 366	25.57 425	28.13 426	21.96 425	14.74 415	21.99 426	16.44 416	29.16 434	14.92 425	33.57 430	31.28 430	29.67 432	26.33 430

BEATNet-Init1	15.65 418	1.62 396	54.26 435	0.75 367	0.56 348	37.03 429	13.39 416	13.20 419	14.59 416	29.41 433	29.29 433	47.69 436	21.87 425	26.91 427	19.58 417	0.43 356	0.39 363	0.47 357	0.47 362	0.52 358	0.52 366

AAGNet	1.40 368	0.20 54	0.52 158	0.45 199	0.26 129	0.29 35	0.29 57	0.67 66	0.71 116	0.97 273	0.86 149	0.66 161	0.60 193	0.66 146	19.98 418	0.17 125	0.11 39	0.19 147	0.15 90	0.20 199	0.13 31

ASD4	10.37 415	9.12 419	17.90 414	7.49 418	10.02 416	16.90 419	28.93 421	11.05 417	8.53 409	7.42 414	7.41 412	8.91 412	10.32 412	11.44 417	20.38 419	4.52 415	4.58 418	5.68 418	5.04 417	5.72 416	6.02 418

DPSMNet_ROB	12.13 417	8.03 417	21.13 417	9.02 420	16.82 419	10.68 414	30.78 423	9.15 416	15.24 418	6.56 412	15.50 424	9.02 413	15.13 416	9.28 415	21.71 420	4.59 417	8.60 419	5.08 417	9.26 419	5.89 419	11.06 420

DGTPSM_ROB	12.12 416	8.03 417	21.12 416	8.97 419	16.81 418	10.68 414	30.77 422	9.14 415	15.23 417	6.55 411	15.49 423	9.02 413	15.13 416	9.26 414	21.71 420	4.58 416	8.60 419	5.07 416	9.26 419	5.88 418	11.06 420

Anonymous_1	33.12 425	18.23 420	23.86 419	20.53 421	21.18 422	25.45 421	35.84 424	22.44 428	15.68 419	13.41 417	13.70 420	18.00 421	15.15 418	20.31 419	24.47 422	14.56 426	8.84 421	66.24 434	117.79 434	155.41 437	11.40 422

DPSM_ROB	17.80 419	18.60 421	24.24 423	20.89 422	19.49 420	25.83 422	36.10 425	21.62 426	16.41 420	13.46 418	14.26 421	19.11 423	16.15 419	20.74 420	25.59 423	9.37 421	9.23 422	9.47 421	9.81 421	13.47 420	12.09 423

DPSM	17.80 419	18.60 421	24.24 423	20.89 422	19.49 420	25.83 422	36.10 425	21.62 426	16.41 420	13.46 418	14.26 421	19.11 423	16.15 419	20.74 420	25.59 423	9.37 421	9.23 422	9.47 421	9.81 421	13.47 420	12.09 423

xxxxx1	36.77 431	19.69 423	24.00 420	62.46 434	66.77 434	27.30 425	39.89 427	20.40 421	18.80 423	14.18 420	13.11 417	17.29 417	17.30 421	21.62 423	27.81 425	13.61 423	18.98 432	111.36 435	133.25 435	28.84 429	38.64 432

tt_ll	36.77 431	19.69 423	24.00 420	62.46 434	66.77 434	27.30 425	39.89 427	20.40 421	18.80 423	14.18 420	13.11 417	17.29 417	17.30 421	21.62 423	27.81 425	13.61 423	18.98 432	111.36 435	133.25 435	28.84 429	38.64 432

ff	36.77 431	19.69 423	24.00 420	62.46 434	66.77 434	27.30 425	39.89 427	20.40 421	18.80 423	14.18 420	13.11 417	17.29 417	17.30 421	21.62 423	27.81 425	13.61 423	18.98 432	111.36 435	133.25 435	28.84 429	38.64 432

HaxPig	31.93 424	37.19 429	34.22 425	24.41 424	24.94 424	18.53 420	20.18 418	21.15 425	28.84 428	35.74 434	38.86 434	26.18 426	28.75 428	33.85 428	34.15 428	35.89 435	38.80 435	37.79 431	40.52 431	39.33 433	39.33 435

MEDIAN_ROB	37.35 434	40.72 437	40.37 428	32.26 426	31.80 425	27.29 424	25.02 419	29.47 429	33.43 436	41.99 436	41.60 436	33.48 427	34.37 436	39.66 430	36.94 429	43.49 437	43.96 437	44.07 433	43.35 433	41.32 435	42.43 437

AVERAGE_ROB	37.53 435	40.05 436	40.01 427	34.74 427	33.76 426	28.46 428	25.14 420	32.31 430	34.08 437	41.20 435	40.52 435	34.51 428	34.78 437	39.11 429	37.48 430	42.68 436	43.32 436	43.80 432	42.99 432	40.42 434	41.31 436

SPstereo	24.33 423	4.45 415	7.15 403	4.44 416	4.17 415	45.69 430	77.93 436	63.66 437	33.40 435	27.58 432	26.62 425	39.42 435	33.37 435	42.68 437	50.66 431	4.01 413	3.77 417	6.06 419	4.73 415	3.17 410	3.55 415

Selective-RAFT-Error	35.87 430	37.42 431	48.73 434	42.24 429	39.28 428	52.00 435	72.87 431	43.41 435	32.95 430	26.97 427	28.72 428	38.71 434	33.15 434	41.59 435	51.42 432	18.77 432	18.60 428	19.14 428	19.78 429	27.19 427	24.42 429

MyStereo03	35.83 427	37.48 432	48.64 431	42.37 430	39.41 429	51.98 432	72.91 432	43.07 431	33.07 432	27.20 429	28.81 430	38.36 429	32.60 430	41.58 431	51.47 433	18.74 429	18.61 429	19.07 423	19.77 426	27.10 423	24.35 426

MyStereo02	35.83 427	37.48 432	48.64 431	42.37 430	39.41 429	51.98 432	72.91 432	43.07 431	33.07 432	27.20 429	28.81 430	38.36 429	32.60 430	41.58 431	51.47 433	18.74 429	18.61 429	19.07 423	19.77 426	27.10 423	24.35 426

MyStereo	35.83 427	37.48 432	48.64 431	42.37 430	39.41 429	51.98 432	72.91 432	43.07 431	33.07 432	27.20 429	28.81 430	38.36 429	32.60 430	41.58 431	51.47 433	18.74 429	18.61 429	19.07 423	19.77 426	27.10 423	24.35 426

CasAABBNet	35.77 426	37.38 430	48.59 430	42.20 428	39.23 427	51.95 431	72.92 435	43.36 434	33.03 431	26.93 426	28.31 427	38.43 432	32.32 429	41.58 431	51.50 436	18.71 428	18.58 427	19.11 427	19.75 425	27.11 426	24.33 425

LSM0	38.96 436	37.52 435	48.37 429	43.79 433	91.31 437	52.31 436	72.38 430	43.71 436	32.75 429	27.16 428	28.73 429	38.51 433	32.63 433	41.75 436	51.59 437	18.85 433	18.43 426	19.09 426	19.60 424	27.21 428	33.44 431

test_example2	176.82 438	204.75 438	198.54 438	188.58 438	191.23 438	151.28 438	169.77 437	97.63 438	125.81 438	179.94 438	183.74 437	158.20 438	139.14 438	192.16 438	198.12 438	203.48 438	236.37 438	163.71 438	173.22 438	217.79 438	162.95 438

Low-res two-view benchmark