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

DilatedVolume-Stereo	0.09 72	0.05 11	0.08 18	0.15 63	0.06 11	0.11 159	0.12 67	0.14 70	0.16 174	0.11 149	0.11 139	0.09 116	0.10 181	0.11 99	0.11 165	0.06 108	0.05 153	0.05 23	0.04 31	0.03 1	0.03 1

2.25w	0.07 3	0.07 113	0.08 18	0.15 63	0.06 11	0.08 46	0.09 17	0.10 14	0.15 148	0.08 57	0.10 109	0.07 62	0.06 34	0.09 32	0.10 108	0.05 24	0.04 20	0.04 1	0.04 31	0.03 1	0.04 28

2.5w	0.07 3	0.07 113	0.08 18	0.16 130	0.06 11	0.08 46	0.12 67	0.10 14	0.10 29	0.07 28	0.06 10	0.09 116	0.06 34	0.08 13	0.09 41	0.04 6	0.03 1	0.04 1	0.04 31	0.03 1	0.03 1

2.75w_new	0.07 3	0.07 113	0.07 3	0.13 8	0.06 11	0.08 46	0.08 7	0.18 181	0.13 109	0.08 57	0.08 66	0.06 14	0.06 34	0.09 32	0.11 165	0.04 6	0.04 20	0.04 1	0.03 1	0.03 1	0.04 28

3.25w_new	0.07 3	0.06 46	0.08 18	0.15 63	0.06 11	0.10 119	0.07 3	0.12 40	0.11 52	0.08 57	0.07 33	0.07 62	0.06 34	0.11 99	0.10 108	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.04 28

3.25w	0.07 3	0.06 46	0.08 18	0.15 63	0.06 11	0.10 119	0.07 3	0.12 40	0.11 52	0.08 57	0.07 33	0.07 62	0.06 34	0.11 99	0.10 108	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.04 28

3.75w	0.07 3	0.07 113	0.08 18	0.16 130	0.07 62	0.07 22	0.09 17	0.16 119	0.10 29	0.07 28	0.06 10	0.06 14	0.06 34	0.09 32	0.10 108	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

3.5w_stereo	0.07 3	0.07 113	0.07 3	0.15 63	0.07 62	0.09 78	0.06 1	0.14 70	0.11 52	0.08 57	0.07 33	0.06 14	0.07 98	0.10 54	0.09 41	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

2w_stereo	0.08 39	0.08 224	0.09 61	0.16 130	0.06 11	0.09 78	0.10 25	0.20 221	0.15 148	0.08 57	0.07 33	0.06 14	0.06 34	0.06 1	0.10 108	0.04 6	0.03 1	0.04 1	0.04 31	0.03 1	0.03 1

1w_stereo	0.08 39	0.06 46	0.07 3	0.16 130	0.06 11	0.07 22	0.10 25	0.14 70	0.15 148	0.07 28	0.08 66	0.05 1	0.06 34	0.10 54	0.09 41	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.04 28

monsters	0.07 3	0.06 46	0.06 1	0.15 63	0.06 11	0.08 46	0.09 17	0.13 56	0.09 19	0.09 85	0.07 33	0.06 14	0.06 34	0.09 32	0.08 14	0.05 24	0.04 20	0.04 1	0.04 31	0.03 1	0.04 28

MonSter	0.07 3	0.06 46	0.06 1	0.15 63	0.05 1	0.08 46	0.10 25	0.15 94	0.15 148	0.05 1	0.06 10	0.05 1	0.06 34	0.07 3	0.09 41	0.04 6	0.03 1	0.04 1	0.03 1	0.03 1	0.03 1

water-stereo	0.09 72	0.06 46	0.08 18	0.16 130	0.07 62	0.10 119	0.13 104	0.15 94	0.13 109	0.11 149	0.12 153	0.09 116	0.10 181	0.07 3	0.08 14	0.06 108	0.05 153	0.05 23	0.05 104	0.04 13	0.04 28

asda	0.07 3	0.08 224	0.08 18	0.16 130	0.07 62	0.06 7	0.10 25	0.16 119	0.11 52	0.06 7	0.06 10	0.05 1	0.06 34	0.10 54	0.10 108	0.03 1	0.03 1	0.04 1	0.03 1	0.04 13	0.03 1

asd	0.07 3	0.08 224	0.08 18	0.16 130	0.07 62	0.08 46	0.08 7	0.11 24	0.08 8	0.07 28	0.07 33	0.06 14	0.06 34	0.10 54	0.09 41	0.03 1	0.03 1	0.04 1	0.04 31	0.04 13	0.03 1

qwe	0.08 39	0.08 224	0.07 3	0.15 63	0.06 11	0.07 22	0.10 25	0.18 181	0.12 79	0.07 28	0.07 33	0.06 14	0.06 34	0.10 54	0.09 41	0.04 6	0.03 1	0.04 1	0.04 31	0.04 13	0.03 1

depthmonostereo	0.09 72	0.06 46	0.09 61	0.15 63	0.06 11	0.11 159	0.13 104	0.14 70	0.15 148	0.10 115	0.10 109	0.09 116	0.11 211	0.08 13	0.09 41	0.06 108	0.05 153	0.06 97	0.04 31	0.04 13	0.03 1

4.25_new	0.07 3	0.08 224	0.09 61	0.15 63	0.06 11	0.08 46	0.08 7	0.14 70	0.08 8	0.07 28	0.07 33	0.06 14	0.06 34	0.12 175	0.10 108	0.04 6	0.03 1	0.04 1	0.03 1	0.04 13	0.03 1

4.5w_new	0.07 3	0.08 224	0.09 61	0.15 63	0.06 11	0.08 46	0.08 7	0.14 70	0.08 8	0.07 28	0.07 33	0.06 14	0.06 34	0.12 175	0.10 108	0.04 6	0.03 1	0.04 1	0.03 1	0.04 13	0.03 1

4.5_new	0.07 3	0.09 294	0.08 18	0.15 63	0.07 62	0.07 22	0.10 25	0.14 70	0.11 52	0.06 7	0.08 66	0.06 14	0.06 34	0.08 13	0.10 108	0.03 1	0.03 1	0.04 1	0.04 31	0.04 13	0.03 1

4.5w-stereo	0.07 3	0.09 294	0.08 18	0.15 63	0.07 62	0.07 22	0.10 25	0.14 70	0.11 52	0.06 7	0.08 66	0.06 14	0.06 34	0.08 13	0.10 108	0.03 1	0.03 1	0.04 1	0.04 31	0.04 13	0.03 1

4.25w-stereo	0.07 3	0.08 224	0.09 61	0.15 63	0.06 11	0.08 46	0.08 7	0.14 70	0.08 8	0.07 28	0.07 33	0.06 14	0.06 34	0.12 175	0.10 108	0.04 6	0.03 1	0.04 1	0.03 1	0.04 13	0.03 1

4w-stereo	0.07 3	0.08 224	0.08 18	0.16 130	0.07 62	0.07 22	0.08 7	0.11 24	0.09 19	0.07 28	0.07 33	0.05 1	0.06 34	0.09 32	0.10 108	0.03 1	0.03 1	0.04 1	0.04 31	0.04 13	0.03 1

3w_stereo	0.08 39	0.09 294	0.10 92	0.17 205	0.07 62	0.08 46	0.11 44	0.20 221	0.13 109	0.06 7	0.07 33	0.05 1	0.06 34	0.08 13	0.09 41	0.04 6	0.03 1	0.04 1	0.03 1	0.04 13	0.03 1

monsterstereo	0.08 39	0.06 46	0.07 3	0.16 130	0.06 11	0.08 46	0.10 25	0.16 119	0.12 79	0.07 28	0.08 66	0.06 14	0.07 98	0.08 13	0.09 41	0.04 6	0.04 20	0.05 23	0.04 31	0.04 13	0.03 1

xyz-stereo-finetune2	0.11 170	0.07 113	0.13 204	0.13 8	0.07 62	0.11 159	0.19 395	0.17 154	0.12 79	0.15 257	0.15 194	0.17 292	0.13 273	0.13 225	0.11 165	0.05 24	0.04 20	0.07 191	0.05 104	0.04 13	0.06 184

xyz-stereo-finetune	0.11 170	0.08 224	0.13 204	0.14 26	0.06 11	0.10 119	0.19 395	0.18 181	0.19 233	0.12 181	0.14 181	0.15 255	0.11 211	0.13 225	0.12 222	0.05 24	0.04 20	0.07 191	0.05 104	0.04 13	0.05 108

xyz-stereo	0.14 298	0.07 113	0.22 426	0.15 63	0.05 1	0.22 424	0.15 221	0.17 154	0.31 397	0.15 257	0.28 392	0.26 407	0.17 371	0.13 225	0.12 222	0.05 24	0.05 153	0.06 97	0.05 104	0.04 13	0.04 28

LG-Stereo_L2	0.07 3	0.05 11	0.10 92	0.14 26	0.06 11	0.07 22	0.12 67	0.09 9	0.10 29	0.06 7	0.04 1	0.05 1	0.05 9	0.08 13	0.08 14	0.05 24	0.04 20	0.05 23	0.03 1	0.04 13	0.03 1

LG-Stereo_L1	0.07 3	0.05 11	0.11 134	0.14 26	0.06 11	0.07 22	0.12 67	0.09 9	0.08 8	0.05 1	0.04 1	0.05 1	0.04 1	0.08 13	0.08 14	0.05 24	0.04 20	0.05 23	0.03 1	0.04 13	0.04 28

MLG-Stereo_test1	0.06 1	0.05 11	0.08 18	0.17 205	0.05 1	0.07 22	0.11 44	0.09 9	0.03 1	0.05 1	0.04 1	0.06 14	0.05 9	0.09 32	0.09 41	0.05 24	0.04 20	0.05 23	0.03 1	0.04 13	0.05 108

MLG-Stereo	0.07 3	0.05 11	0.09 61	0.17 205	0.05 1	0.07 22	0.11 44	0.08 3	0.05 3	0.05 1	0.04 1	0.06 14	0.05 9	0.10 54	0.09 41	0.05 24	0.04 20	0.05 23	0.03 1	0.04 13	0.05 108

LG-Stereo	0.08 39	0.08 224	0.10 92	0.18 286	0.07 62	0.10 119	0.17 306	0.11 24	0.08 8	0.06 7	0.08 66	0.06 14	0.07 98	0.09 32	0.09 41	0.04 6	0.05 153	0.07 191	0.07 265	0.04 13	0.04 28

Reg-Stereo(zero)	0.09 72	0.05 11	0.08 18	0.16 130	0.06 11	0.12 199	0.11 44	0.15 94	0.11 52	0.12 181	0.09 86	0.10 147	0.08 134	0.11 99	0.09 41	0.06 108	0.05 153	0.05 23	0.04 31	0.04 13	0.05 108

AIO_rvc	0.07 3	0.06 46	0.08 18	0.15 63	0.06 11	0.08 46	0.14 152	0.09 9	0.08 8	0.07 28	0.08 66	0.07 62	0.04 1	0.10 54	0.08 14	0.05 24	0.04 20	0.05 23	0.04 31	0.04 13	0.03 1

AIO_test	0.07 3	0.06 46	0.07 3	0.15 63	0.07 62	0.07 22	0.14 152	0.10 14	0.10 29	0.07 28	0.07 33	0.06 14	0.05 9	0.08 13	0.10 108	0.05 24	0.04 20	0.05 23	0.04 31	0.04 13	0.03 1

AIO-test1	0.10 131	0.07 113	0.11 134	0.24 471	0.07 62	0.09 78	0.13 104	0.22 261	0.15 148	0.11 149	0.12 153	0.09 116	0.07 98	0.11 99	0.09 41	0.06 108	0.05 153	0.09 350	0.10 408	0.04 13	0.07 260

castereo++	0.08 39	0.06 46	0.08 18	0.15 63	0.05 1	0.14 267	0.11 44	0.11 24	0.15 148	0.07 28	0.07 33	0.08 89	0.06 34	0.08 13	0.08 14	0.06 108	0.04 20	0.05 23	0.04 31	0.04 13	0.03 1

castereo	0.09 72	0.06 46	0.11 134	0.15 63	0.06 11	0.11 159	0.14 152	0.14 70	0.18 212	0.08 57	0.10 109	0.11 167	0.08 134	0.09 32	0.10 108	0.05 24	0.04 20	0.05 23	0.04 31	0.04 13	0.04 28

fffft	0.09 72	0.06 46	0.12 172	0.16 130	0.07 62	0.09 78	0.16 280	0.12 40	0.11 52	0.09 85	0.07 33	0.09 116	0.06 34	0.11 99	0.12 222	0.05 24	0.04 20	0.06 97	0.05 104	0.04 13	0.05 108
1: 1. 1
DEFOM-Stereo	0.07 3	0.05 11	0.07 3	0.14 26	0.06 11	0.09 78	0.13 104	0.07 2	0.13 109	0.06 7	0.07 33	0.06 14	0.05 9	0.10 54	0.09 41	0.05 24	0.04 20	0.05 23	0.03 1	0.04 13	0.04 28

SMoEStereo_RVC	0.08 39	0.06 46	0.12 172	0.16 130	0.07 62	0.09 78	0.13 104	0.11 24	0.14 131	0.09 85	0.07 33	0.07 62	0.07 98	0.12 175	0.10 108	0.05 24	0.04 20	0.06 97	0.05 104	0.04 13	0.04 28

999	0.09 72	0.06 46	0.13 204	0.15 63	0.08 123	0.10 119	0.14 152	0.15 94	0.12 79	0.10 115	0.08 66	0.08 89	0.08 134	0.16 297	0.10 108	0.06 108	0.04 20	0.06 97	0.05 104	0.04 13	0.06 184

mms	0.09 72	0.07 113	0.08 18	0.17 205	0.08 123	0.11 159	0.15 221	0.12 40	0.11 52	0.09 85	0.09 86	0.08 89	0.06 34	0.11 99	0.12 222	0.05 24	0.04 20	0.07 191	0.05 104	0.04 13	0.04 28

ours_stereo	0.09 72	0.07 113	0.09 61	0.17 205	0.08 123	0.11 159	0.16 280	0.11 24	0.12 79	0.08 57	0.10 109	0.08 89	0.06 34	0.12 175	0.12 222	0.05 24	0.04 20	0.06 97	0.05 104	0.04 13	0.04 28

fffy	0.09 72	0.08 224	0.10 92	0.16 130	0.07 62	0.13 228	0.17 306	0.13 56	0.12 79	0.08 57	0.09 86	0.08 89	0.09 159	0.13 225	0.11 165	0.05 24	0.05 153	0.07 191	0.05 104	0.04 13	0.05 108

tg	0.10 131	0.06 46	0.10 92	0.18 286	0.08 123	0.11 159	0.16 280	0.20 221	0.12 79	0.08 57	0.11 139	0.11 167	0.07 98	0.11 99	0.10 108	0.05 24	0.04 20	0.08 268	0.08 331	0.04 13	0.04 28

dual_stereo	0.07 3	0.05 11	0.08 18	0.15 63	0.05 1	0.05 3	0.13 104	0.12 40	0.08 8	0.07 28	0.06 10	0.05 1	0.05 9	0.07 3	0.09 41	0.06 108	0.04 20	0.05 23	0.03 1	0.04 13	0.04 28

WCG-NET	0.08 39	0.05 11	0.10 92	0.15 63	0.06 11	0.11 159	0.14 152	0.13 56	0.14 131	0.07 28	0.09 86	0.07 62	0.06 34	0.13 225	0.08 14	0.05 24	0.04 20	0.06 97	0.04 31	0.04 13	0.03 1

GCAP-BAT	0.09 72	0.07 113	0.14 248	0.15 63	0.08 123	0.10 119	0.12 67	0.15 94	0.11 52	0.11 149	0.10 109	0.09 116	0.07 98	0.12 175	0.10 108	0.06 108	0.05 153	0.06 97	0.04 31	0.04 13	0.04 28

AIO-Stereo	0.08 39	0.06 46	0.10 92	0.18 286	0.06 11	0.09 78	0.11 44	0.16 119	0.09 19	0.09 85	0.08 66	0.07 62	0.05 9	0.11 99	0.08 14	0.05 24	0.05 153	0.05 23	0.04 31	0.04 13	0.04 28

RSM	0.08 39	0.06 46	0.09 61	0.17 205	0.07 62	0.08 46	0.12 67	0.12 40	0.10 29	0.08 57	0.07 33	0.06 14	0.05 9	0.11 99	0.09 41	0.04 6	0.04 20	0.05 23	0.04 31	0.04 13	0.04 28

RAFT-Stereo-weight	0.09 72	0.06 46	0.11 134	0.16 130	0.07 62	0.09 78	0.14 152	0.19 208	0.16 174	0.11 149	0.10 109	0.08 89	0.06 34	0.10 54	0.11 165	0.06 108	0.04 20	0.06 97	0.04 31	0.04 13	0.04 28

gcap-zeroshot	0.09 72	0.06 46	0.10 92	0.16 130	0.07 62	0.14 267	0.13 104	0.11 24	0.12 79	0.13 210	0.12 153	0.09 116	0.08 134	0.09 32	0.09 41	0.06 108	0.05 153	0.06 97	0.05 104	0.04 13	0.04 28

MoCha-V2	0.08 39	0.05 11	0.11 134	0.20 392	0.07 62	0.10 119	0.14 152	0.12 40	0.08 8	0.07 28	0.08 66	0.07 62	0.06 34	0.09 32	0.08 14	0.05 24	0.05 153	0.05 23	0.04 31	0.04 13	0.04 28

MSKI-zero shot	0.09 72	0.05 11	0.09 61	0.16 130	0.07 62	0.10 119	0.13 104	0.15 94	0.14 131	0.09 85	0.09 86	0.09 116	0.06 34	0.12 175	0.11 165	0.06 108	0.04 20	0.05 23	0.04 31	0.04 13	0.05 108

testlalala	0.08 39	0.07 113	0.17 348	0.16 130	0.08 123	0.09 78	0.12 67	0.15 94	0.10 29	0.07 28	0.09 86	0.06 14	0.06 34	0.11 99	0.09 41	0.05 24	0.04 20	0.06 97	0.04 31	0.04 13	0.04 28

GCAP-Stereo	0.09 72	0.07 113	0.13 204	0.18 286	0.06 11	0.11 159	0.07 3	0.14 70	0.12 79	0.09 85	0.10 109	0.07 62	0.09 159	0.13 225	0.10 108	0.06 108	0.05 153	0.05 23	0.04 31	0.04 13	0.05 108

LL-Strereo	0.13 268	0.10 359	0.12 172	0.20 392	0.10 328	0.11 159	0.18 353	0.33 436	0.25 334	0.16 286	0.16 211	0.14 230	0.14 305	0.19 378	0.11 165	0.06 108	0.05 153	0.09 350	0.08 331	0.04 13	0.05 108

LoS_RVC	0.08 39	0.05 11	0.07 3	0.15 63	0.07 62	0.08 46	0.15 221	0.12 40	0.11 52	0.08 57	0.09 86	0.06 14	0.09 159	0.10 54	0.09 41	0.05 24	0.04 20	0.05 23	0.03 1	0.04 13	0.04 28

Selective-IGEV	0.07 3	0.06 46	0.09 61	0.17 205	0.06 11	0.08 46	0.12 67	0.13 56	0.08 8	0.08 57	0.07 33	0.06 14	0.04 1	0.10 54	0.09 41	0.05 24	0.04 20	0.05 23	0.04 31	0.04 13	0.03 1

EGLCR-Stereo	0.08 39	0.05 11	0.08 18	0.14 26	0.07 62	0.11 159	0.12 67	0.11 24	0.16 174	0.06 7	0.05 7	0.07 62	0.05 9	0.10 54	0.11 165	0.06 108	0.04 20	0.06 97	0.05 104	0.04 13	0.04 28

ProNet	0.09 72	0.07 113	0.11 134	0.17 205	0.08 123	0.11 159	0.15 221	0.15 94	0.12 79	0.10 115	0.06 10	0.07 62	0.06 34	0.11 99	0.09 41	0.05 24	0.05 153	0.06 97	0.05 104	0.04 13	0.06 184

MC-Stereo	0.09 72	0.07 113	0.09 61	0.17 205	0.06 11	0.10 119	0.14 152	0.12 40	0.11 52	0.09 85	0.12 153	0.09 116	0.06 34	0.11 99	0.10 108	0.06 108	0.04 20	0.06 97	0.05 104	0.04 13	0.04 28

DCANet-4	0.11 170	0.07 113	0.13 204	0.16 130	0.06 11	0.09 78	0.17 306	0.18 181	0.20 254	0.13 210	0.17 230	0.09 116	0.14 305	0.12 175	0.13 257	0.06 108	0.04 20	0.05 23	0.04 31	0.04 13	0.05 108

fff	0.10 131	0.06 46	0.12 172	0.15 63	0.07 62	0.09 78	0.17 306	0.16 119	0.21 268	0.13 210	0.17 230	0.10 147	0.11 211	0.12 175	0.13 257	0.06 108	0.04 20	0.05 23	0.04 31	0.04 13	0.05 108

RAFT_CTSACE	0.12 241	0.09 294	0.10 92	0.22 442	0.08 123	0.12 199	0.24 460	0.18 181	0.17 198	0.21 381	0.27 382	0.13 211	0.07 98	0.13 225	0.09 41	0.05 24	0.06 296	0.08 268	0.07 265	0.04 13	0.04 28

test_4	0.11 170	0.10 359	0.08 18	0.19 344	0.09 223	0.08 46	0.21 429	0.15 94	0.18 212	0.12 181	0.18 253	0.12 188	0.09 159	0.08 13	0.11 165	0.04 6	0.04 20	0.08 268	0.08 331	0.04 13	0.04 28

IPLG	0.11 170	0.08 224	0.15 284	0.17 205	0.08 123	0.11 159	0.14 152	0.20 221	0.15 148	0.13 210	0.18 253	0.07 62	0.07 98	0.14 252	0.14 293	0.06 108	0.04 20	0.06 97	0.05 104	0.04 13	0.04 28

MIPNet	0.11 170	0.08 224	0.15 284	0.17 205	0.09 223	0.12 199	0.14 152	0.21 238	0.25 334	0.12 181	0.10 109	0.09 116	0.07 98	0.13 225	0.13 257	0.06 108	0.04 20	0.06 97	0.05 104	0.04 13	0.04 28

GMOStereo	0.11 170	0.09 294	0.08 18	0.19 344	0.08 123	0.12 199	0.28 493	0.13 56	0.18 212	0.11 149	0.17 230	0.14 230	0.12 242	0.07 3	0.07 1	0.05 24	0.05 153	0.09 350	0.07 265	0.04 13	0.04 28

error version	0.11 170	0.09 294	0.08 18	0.19 344	0.08 123	0.12 199	0.28 493	0.13 56	0.18 212	0.11 149	0.17 230	0.14 230	0.12 242	0.07 3	0.07 1	0.05 24	0.05 153	0.09 350	0.07 265	0.04 13	0.04 28

test-v	0.11 170	0.09 294	0.08 18	0.19 344	0.08 123	0.12 199	0.28 493	0.13 56	0.18 212	0.11 149	0.17 230	0.14 230	0.12 242	0.07 3	0.07 1	0.05 24	0.05 153	0.09 350	0.07 265	0.04 13	0.04 28

test-3	0.09 72	0.06 46	0.10 92	0.18 286	0.07 62	0.07 22	0.14 152	0.12 40	0.16 174	0.10 115	0.08 66	0.08 89	0.08 134	0.11 99	0.10 108	0.05 24	0.04 20	0.07 191	0.05 104	0.04 13	0.04 28

test_1	0.09 72	0.06 46	0.10 92	0.18 286	0.07 62	0.07 22	0.14 152	0.12 40	0.16 174	0.10 115	0.08 66	0.08 89	0.08 134	0.11 99	0.10 108	0.05 24	0.04 20	0.07 191	0.05 104	0.04 13	0.04 28

test_3	0.11 170	0.09 294	0.10 92	0.21 422	0.08 123	0.13 228	0.25 476	0.14 70	0.21 268	0.10 115	0.10 109	0.09 116	0.10 181	0.08 13	0.11 165	0.05 24	0.04 20	0.08 268	0.07 265	0.04 13	0.04 28

TRStereo	0.10 131	0.05 11	0.12 172	0.16 130	0.12 409	0.10 119	0.13 104	0.18 181	0.19 233	0.09 85	0.09 86	0.09 116	0.07 98	0.10 54	0.08 14	0.07 234	0.05 153	0.07 191	0.07 265	0.04 13	0.04 28

ASMatch	0.11 170	0.06 46	0.13 204	0.17 205	0.10 328	0.08 46	0.14 152	0.18 181	0.16 174	0.12 181	0.16 211	0.16 275	0.11 211	0.13 225	0.11 165	0.05 24	0.04 20	0.06 97	0.06 176	0.04 13	0.09 373

RAFT-345	0.11 170	0.07 113	0.16 325	0.17 205	0.08 123	0.08 46	0.12 67	0.16 119	0.10 29	0.11 149	0.34 442	0.09 116	0.10 181	0.11 99	0.12 222	0.05 24	0.05 153	0.07 191	0.06 176	0.04 13	0.05 108

test-2	0.11 170	0.09 294	0.08 18	0.19 344	0.08 123	0.12 199	0.28 493	0.13 56	0.18 212	0.11 149	0.17 230	0.14 230	0.12 242	0.07 3	0.07 1	0.05 24	0.05 153	0.09 350	0.07 265	0.04 13	0.04 28

cross-raft	0.10 131	0.09 294	0.09 61	0.19 344	0.07 62	0.11 159	0.24 460	0.13 56	0.15 148	0.08 57	0.10 109	0.12 188	0.10 181	0.09 32	0.11 165	0.05 24	0.04 20	0.06 97	0.05 104	0.04 13	0.04 28

test-1	0.10 131	0.07 113	0.17 348	0.19 344	0.08 123	0.11 159	0.24 460	0.15 94	0.18 212	0.09 85	0.07 33	0.10 147	0.08 134	0.08 13	0.09 41	0.06 108	0.04 20	0.06 97	0.06 176	0.04 13	0.05 108

iRaftStereo_RVC	0.10 131	0.07 113	0.10 92	0.17 205	0.09 223	0.11 159	0.17 306	0.18 181	0.12 79	0.09 85	0.11 139	0.10 147	0.07 98	0.11 99	0.10 108	0.05 24	0.04 20	0.08 268	0.08 331	0.04 13	0.04 28

CREStereo++_RVC	0.08 39	0.04 1	0.07 3	0.13 8	0.07 62	0.09 78	0.12 67	0.14 70	0.14 131	0.10 115	0.14 181	0.08 89	0.07 98	0.10 54	0.11 165	0.06 108	0.04 20	0.05 23	0.05 104	0.04 13	0.04 28
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
s12784h	0.10 131	0.06 46	0.08 18	0.15 63	0.05 1	0.16 321	0.18 353	0.16 119	0.15 148	0.10 115	0.11 139	0.11 167	0.11 211	0.11 99	0.12 222	0.05 24	0.04 20	0.06 97	0.04 31	0.04 13	0.04 28

XX-Stereo	0.09 72	0.05 11	0.09 61	0.17 205	0.09 223	0.15 293	0.12 67	0.21 238	0.10 29	0.10 115	0.14 181	0.07 62	0.06 34	0.13 225	0.08 14	0.06 108	0.05 153	0.06 97	0.06 176	0.04 13	0.04 28

csc	0.10 131	0.06 46	0.12 172	0.15 63	0.07 62	0.09 78	0.17 306	0.16 119	0.21 268	0.13 210	0.17 230	0.10 147	0.11 211	0.12 175	0.13 257	0.06 108	0.04 20	0.05 23	0.04 31	0.04 13	0.05 108

cscssc	0.10 131	0.06 46	0.12 172	0.15 63	0.07 62	0.09 78	0.17 306	0.16 119	0.21 268	0.13 210	0.17 230	0.10 147	0.11 211	0.12 175	0.13 257	0.06 108	0.04 20	0.05 23	0.04 31	0.04 13	0.05 108

RAFT-Stereo + iAFF	0.09 72	0.06 46	0.10 92	0.17 205	0.07 62	0.10 119	0.15 221	0.17 154	0.15 148	0.10 115	0.10 109	0.08 89	0.09 159	0.12 175	0.10 108	0.05 24	0.04 20	0.06 97	0.06 176	0.04 13	0.03 1

AFF-stereo	0.09 72	0.07 113	0.10 92	0.17 205	0.07 62	0.10 119	0.15 221	0.18 181	0.10 29	0.10 115	0.11 139	0.09 116	0.10 181	0.12 175	0.10 108	0.05 24	0.04 20	0.07 191	0.07 265	0.04 13	0.04 28

CFNet-RSSM	0.09 72	0.07 113	0.10 92	0.16 130	0.07 62	0.09 78	0.15 221	0.17 154	0.18 212	0.08 57	0.12 153	0.11 167	0.09 159	0.12 175	0.10 108	0.06 108	0.04 20	0.06 97	0.04 31	0.04 13	0.04 28

Gwc-CoAtRS	0.09 72	0.07 113	0.10 92	0.16 130	0.07 62	0.10 119	0.15 221	0.18 181	0.17 198	0.08 57	0.10 109	0.12 188	0.09 159	0.12 175	0.09 41	0.06 108	0.04 20	0.06 97	0.04 31	0.04 13	0.05 108

IGEV	0.08 39	0.04 1	0.09 61	0.13 8	0.06 11	0.09 78	0.12 67	0.14 70	0.10 29	0.06 7	0.09 86	0.07 62	0.05 9	0.09 32	0.09 41	0.06 108	0.04 20	0.05 23	0.04 31	0.05 93	0.04 28

MLG-Stereo_test3	0.07 3	0.05 11	0.10 92	0.15 63	0.06 11	0.07 22	0.10 25	0.08 3	0.06 4	0.06 7	0.04 1	0.06 14	0.06 34	0.08 13	0.10 108	0.06 108	0.04 20	0.05 23	0.04 31	0.05 93	0.06 184

MLG-Stereo_test2	0.07 3	0.04 1	0.10 92	0.15 63	0.06 11	0.07 22	0.11 44	0.09 9	0.04 2	0.06 7	0.05 7	0.06 14	0.04 1	0.08 13	0.09 41	0.06 108	0.04 20	0.05 23	0.03 1	0.05 93	0.05 108

LG-G_1	0.07 3	0.04 1	0.11 134	0.15 63	0.06 11	0.09 78	0.08 7	0.08 3	0.06 4	0.06 7	0.06 10	0.07 62	0.07 98	0.11 99	0.08 14	0.07 234	0.04 20	0.05 23	0.04 31	0.05 93	0.06 184

LG-G	0.07 3	0.04 1	0.11 134	0.15 63	0.06 11	0.09 78	0.08 7	0.08 3	0.06 4	0.06 7	0.06 10	0.07 62	0.07 98	0.11 99	0.08 14	0.07 234	0.04 20	0.05 23	0.04 31	0.05 93	0.06 184

DFGA-Net	0.13 268	0.11 383	0.19 403	0.18 286	0.10 328	0.13 228	0.13 104	0.23 279	0.25 334	0.16 286	0.16 211	0.13 211	0.12 242	0.17 336	0.15 327	0.07 234	0.05 153	0.08 268	0.07 265	0.05 93	0.05 108

LG-Stereo_Zeroshot	0.07 3	0.06 46	0.10 92	0.16 130	0.07 62	0.04 1	0.13 104	0.10 14	0.10 29	0.05 1	0.11 139	0.07 62	0.05 9	0.07 3	0.09 41	0.06 108	0.04 20	0.05 23	0.04 31	0.05 93	0.04 28

SGD-Stereo	0.08 39	0.05 11	0.10 92	0.14 26	0.06 11	0.12 199	0.12 67	0.11 24	0.12 79	0.07 28	0.09 86	0.09 116	0.09 159	0.08 13	0.08 14	0.06 108	0.04 20	0.05 23	0.04 31	0.05 93	0.04 28

MM-Stereo_test3	0.10 131	0.07 113	0.07 3	0.18 286	0.07 62	0.12 199	0.19 395	0.24 302	0.19 233	0.06 7	0.10 109	0.08 89	0.06 34	0.11 99	0.09 41	0.06 108	0.06 296	0.07 191	0.05 104	0.05 93	0.04 28

MM-Stereo_test1	0.10 131	0.07 113	0.09 61	0.18 286	0.07 62	0.12 199	0.18 353	0.21 238	0.20 254	0.09 85	0.11 139	0.08 89	0.06 34	0.10 54	0.10 108	0.06 108	0.05 153	0.07 191	0.06 176	0.05 93	0.04 28

HART	0.08 39	0.07 113	0.09 61	0.18 286	0.07 62	0.10 119	0.16 280	0.13 56	0.11 52	0.09 85	0.10 109	0.08 89	0.05 9	0.10 54	0.08 14	0.05 24	0.04 20	0.06 97	0.04 31	0.05 93	0.04 28

GREAT-IGEV	0.07 3	0.06 46	0.09 61	0.13 8	0.07 62	0.07 22	0.14 152	0.10 14	0.09 19	0.06 7	0.08 66	0.06 14	0.05 9	0.10 54	0.07 1	0.05 24	0.04 20	0.05 23	0.04 31	0.05 93	0.04 28

FoundationStereo	0.06 1	0.04 1	0.08 18	0.13 8	0.05 1	0.09 78	0.13 104	0.06 1	0.09 19	0.05 1	0.05 7	0.06 14	0.04 1	0.07 3	0.07 1	0.06 108	0.04 20	0.05 23	0.04 31	0.05 93	0.04 28

StereoAnything_RVC	0.07 3	0.16 458	0.17 348	0.11 1	0.05 1	0.06 7	0.11 44	0.08 3	0.08 8	0.06 7	0.06 10	0.05 1	0.05 9	0.09 32	0.08 14	0.08 293	0.04 20	0.05 23	0.03 1	0.05 93	0.04 28

HUF	0.08 39	0.05 11	0.08 18	0.14 26	0.06 11	0.09 78	0.13 104	0.13 56	0.13 109	0.07 28	0.07 33	0.09 116	0.06 34	0.10 54	0.09 41	0.06 108	0.04 20	0.05 23	0.04 31	0.05 93	0.04 28

AIO-test2	0.10 131	0.08 224	0.10 92	0.23 461	0.09 223	0.11 159	0.11 44	0.23 279	0.24 310	0.08 57	0.09 86	0.08 89	0.05 9	0.10 54	0.08 14	0.06 108	0.05 153	0.08 268	0.09 374	0.05 93	0.05 108

IGEV-RUCA	0.08 39	0.06 46	0.11 134	0.14 26	0.09 223	0.10 119	0.12 67	0.10 14	0.12 79	0.06 7	0.07 33	0.08 89	0.06 34	0.09 32	0.08 14	0.06 108	0.05 153	0.05 23	0.04 31	0.05 93	0.06 184

GIP-stereo	0.08 39	0.06 46	0.11 134	0.15 63	0.07 62	0.09 78	0.13 104	0.15 94	0.11 52	0.07 28	0.08 66	0.05 1	0.04 1	0.10 54	0.07 1	0.05 24	0.04 20	0.05 23	0.04 31	0.05 93	0.04 28

tt45	0.09 72	0.06 46	0.11 134	0.15 63	0.07 62	0.12 199	0.15 221	0.13 56	0.12 79	0.09 85	0.06 10	0.08 89	0.06 34	0.13 225	0.10 108	0.06 108	0.04 20	0.06 97	0.05 104	0.05 93	0.06 184

PAM_32	0.10 131	0.06 46	0.17 348	0.15 63	0.08 123	0.10 119	0.15 221	0.14 70	0.16 174	0.09 85	0.08 66	0.10 147	0.07 98	0.14 252	0.09 41	0.06 108	0.05 153	0.06 97	0.06 176	0.05 93	0.06 184

PAM	0.10 131	0.06 46	0.17 348	0.15 63	0.09 223	0.10 119	0.16 280	0.15 94	0.16 174	0.12 181	0.09 86	0.10 147	0.07 98	0.13 225	0.09 41	0.06 108	0.05 153	0.06 97	0.06 176	0.05 93	0.06 184

UGAM-zero	0.10 131	0.05 11	0.15 284	0.15 63	0.08 123	0.10 119	0.13 104	0.20 221	0.15 148	0.11 149	0.15 194	0.07 62	0.08 134	0.09 32	0.10 108	0.06 108	0.05 153	0.06 97	0.05 104	0.05 93	0.06 184

IGEV-Stereo++	0.07 3	0.06 46	0.08 18	0.18 286	0.06 11	0.05 3	0.10 25	0.11 24	0.11 52	0.06 7	0.07 33	0.07 62	0.06 34	0.09 32	0.09 41	0.05 24	0.04 20	0.05 23	0.04 31	0.05 93	0.04 28

RAStereo	0.10 131	0.09 294	0.08 18	0.20 392	0.08 123	0.13 228	0.18 353	0.16 119	0.17 198	0.10 115	0.12 153	0.05 1	0.06 34	0.09 32	0.08 14	0.07 234	0.05 153	0.07 191	0.05 104	0.05 93	0.04 28

Occ-G	0.08 39	0.05 11	0.07 3	0.14 26	0.07 62	0.09 78	0.14 152	0.14 70	0.15 148	0.07 28	0.12 153	0.07 62	0.05 9	0.09 32	0.10 108	0.06 108	0.05 153	0.05 23	0.04 31	0.05 93	0.06 184

IGEV-BASED-STEREO-	0.09 72	0.10 359	0.32 478	0.15 63	0.06 11	0.08 46	0.14 152	0.11 24	0.10 29	0.07 28	0.07 33	0.06 14	0.04 1	0.11 99	0.07 1	0.12 440	0.04 20	0.07 191	0.05 104	0.05 93	0.05 108

WCG-NET（raft）	0.08 39	0.05 11	0.10 92	0.15 63	0.06 11	0.11 159	0.13 104	0.15 94	0.12 79	0.08 57	0.07 33	0.06 14	0.06 34	0.13 225	0.08 14	0.05 24	0.04 20	0.05 23	0.04 31	0.05 93	0.04 28

RSM++	0.08 39	0.06 46	0.09 61	0.17 205	0.07 62	0.09 78	0.12 67	0.11 24	0.11 52	0.08 57	0.06 10	0.07 62	0.05 9	0.10 54	0.09 41	0.05 24	0.04 20	0.06 97	0.05 104	0.05 93	0.03 1

testlalala2	0.10 131	0.06 46	0.11 134	0.20 392	0.10 328	0.10 119	0.11 44	0.17 154	0.13 109	0.12 181	0.13 168	0.09 116	0.08 134	0.11 99	0.13 257	0.06 108	0.05 153	0.05 23	0.04 31	0.05 93	0.05 108

IGEV++	0.08 39	0.06 46	0.09 61	0.18 286	0.07 62	0.10 119	0.13 104	0.10 14	0.10 29	0.08 57	0.08 66	0.06 14	0.05 9	0.13 225	0.09 41	0.05 24	0.04 20	0.05 23	0.04 31	0.05 93	0.04 28

AE-Stereo	0.10 131	0.08 224	0.11 134	0.19 344	0.09 223	0.10 119	0.15 221	0.14 70	0.20 254	0.09 85	0.15 194	0.12 188	0.08 134	0.11 99	0.10 108	0.05 24	0.06 296	0.07 191	0.06 176	0.05 93	0.04 28

ff7	0.09 72	0.07 113	0.11 134	0.16 130	0.09 223	0.11 159	0.15 221	0.16 119	0.12 79	0.10 115	0.06 10	0.06 14	0.06 34	0.11 99	0.09 41	0.05 24	0.04 20	0.06 97	0.05 104	0.05 93	0.06 184

IGEVStereo-DCA	0.09 72	0.07 113	0.11 134	0.16 130	0.10 328	0.11 159	0.15 221	0.16 119	0.12 79	0.10 115	0.06 10	0.08 89	0.06 34	0.10 54	0.09 41	0.06 108	0.05 153	0.06 97	0.05 104	0.05 93	0.06 184

ffff	0.09 72	0.07 113	0.11 134	0.16 130	0.09 223	0.11 159	0.15 221	0.16 119	0.12 79	0.10 115	0.06 10	0.06 14	0.06 34	0.11 99	0.09 41	0.05 24	0.04 20	0.06 97	0.05 104	0.05 93	0.06 184

rrr	0.09 72	0.07 113	0.13 204	0.16 130	0.10 328	0.11 159	0.15 221	0.16 119	0.15 148	0.10 115	0.06 10	0.08 89	0.06 34	0.10 54	0.09 41	0.06 108	0.05 153	0.06 97	0.05 104	0.05 93	0.06 184

11t	0.09 72	0.07 113	0.11 134	0.16 130	0.09 223	0.11 159	0.15 221	0.16 119	0.12 79	0.10 115	0.06 10	0.06 14	0.06 34	0.11 99	0.09 41	0.05 24	0.04 20	0.06 97	0.05 104	0.05 93	0.06 184

MaDis-Stereo	0.09 72	0.09 294	0.08 18	0.17 205	0.09 223	0.14 267	0.11 44	0.16 119	0.16 174	0.09 85	0.11 139	0.06 14	0.06 34	0.09 32	0.13 257	0.07 234	0.06 296	0.08 268	0.05 104	0.05 93	0.04 28

IGEV_Zeroshot_test	0.09 72	0.05 11	0.13 204	0.14 26	0.08 123	0.12 199	0.13 104	0.17 154	0.11 52	0.10 115	0.06 10	0.09 116	0.06 34	0.11 99	0.09 41	0.06 108	0.04 20	0.06 97	0.06 176	0.05 93	0.05 108

AEACV	0.09 72	0.05 11	0.08 18	0.14 26	0.13 434	0.14 267	0.13 104	0.15 94	0.09 19	0.07 28	0.09 86	0.07 62	0.08 134	0.10 54	0.09 41	0.06 108	0.04 20	0.06 97	0.05 104	0.05 93	0.04 28

RAFT-Test	0.09 72	0.06 46	0.10 92	0.16 130	0.07 62	0.11 159	0.15 221	0.16 119	0.13 109	0.09 85	0.10 109	0.11 167	0.09 159	0.12 175	0.09 41	0.06 108	0.04 20	0.05 23	0.04 31	0.05 93	0.05 108

HH	0.09 72	0.06 46	0.13 204	0.17 205	0.08 123	0.11 159	0.16 280	0.15 94	0.10 29	0.08 57	0.10 109	0.08 89	0.07 98	0.10 54	0.09 41	0.06 108	0.04 20	0.06 97	0.05 104	0.05 93	0.04 28

HanStereo	0.09 72	0.06 46	0.13 204	0.17 205	0.08 123	0.11 159	0.16 280	0.15 94	0.10 29	0.08 57	0.10 109	0.08 89	0.07 98	0.10 54	0.09 41	0.06 108	0.04 20	0.06 97	0.05 104	0.05 93	0.04 28

CAS	0.08 39	0.04 1	0.07 3	0.17 205	0.08 123	0.10 119	0.13 104	0.12 40	0.09 19	0.09 85	0.10 109	0.08 89	0.06 34	0.09 32	0.09 41	0.08 293	0.04 20	0.05 23	0.03 1	0.05 93	0.04 28

anonymousdsp	0.09 72	0.07 113	0.11 134	0.17 205	0.09 223	0.11 159	0.15 221	0.16 119	0.12 79	0.10 115	0.06 10	0.06 14	0.06 34	0.11 99	0.09 41	0.05 24	0.04 20	0.06 97	0.05 104	0.05 93	0.06 184

LoS	0.09 72	0.05 11	0.11 134	0.13 8	0.07 62	0.14 267	0.11 44	0.15 94	0.15 148	0.09 85	0.09 86	0.12 188	0.09 159	0.15 270	0.10 108	0.07 234	0.05 153	0.05 23	0.03 1	0.05 93	0.05 108
Kunhong Li, Longguang Wang, Ye Zhang, Kaiwen Xue, Shunbo Zhou, Yulan Guo: LoS: Local Structure-guided Stereo Matching.
CES	0.08 39	0.04 1	0.08 18	0.14 26	0.07 62	0.09 78	0.14 152	0.11 24	0.09 19	0.08 57	0.09 86	0.11 167	0.07 98	0.12 175	0.08 14	0.06 108	0.04 20	0.05 23	0.03 1	0.05 93	0.05 108

DCRE	0.11 170	0.07 113	0.13 204	0.16 130	0.11 380	0.11 159	0.17 306	0.18 181	0.17 198	0.11 149	0.18 253	0.11 167	0.10 181	0.15 270	0.11 165	0.06 108	0.05 153	0.06 97	0.06 176	0.05 93	0.05 108

anonymousa	0.13 268	0.07 113	0.14 248	0.18 286	0.09 223	0.13 228	0.17 306	0.20 221	0.29 382	0.15 257	0.24 325	0.16 275	0.14 305	0.14 252	0.14 293	0.07 234	0.05 153	0.07 191	0.09 374	0.05 93	0.07 260

RCA-Stereo	0.09 72	0.06 46	0.09 61	0.16 130	0.06 11	0.09 78	0.13 104	0.18 181	0.14 131	0.10 115	0.11 139	0.08 89	0.07 98	0.12 175	0.11 165	0.06 108	0.04 20	0.06 97	0.05 104	0.05 93	0.04 28

TestStereo1	0.13 268	0.08 224	0.08 18	0.20 392	0.08 123	0.18 360	0.29 504	0.23 279	0.17 198	0.17 298	0.20 277	0.16 275	0.11 211	0.12 175	0.13 257	0.06 108	0.06 296	0.08 268	0.06 176	0.05 93	0.05 108

ccc-4	0.09 72	0.07 113	0.11 134	0.16 130	0.09 223	0.11 159	0.15 221	0.16 119	0.12 79	0.10 115	0.06 10	0.06 14	0.06 34	0.11 99	0.09 41	0.05 24	0.04 20	0.06 97	0.05 104	0.05 93	0.06 184

ADStereo(finetuned)	0.10 131	0.06 46	0.13 204	0.16 130	0.06 11	0.09 78	0.17 306	0.16 119	0.20 254	0.13 210	0.18 253	0.10 147	0.12 242	0.12 175	0.12 222	0.06 108	0.04 20	0.05 23	0.04 31	0.05 93	0.05 108

raft_robust	0.13 268	0.10 359	0.07 3	0.18 286	0.08 123	0.13 228	0.24 460	0.29 391	0.34 419	0.20 366	0.20 277	0.15 255	0.10 181	0.11 99	0.12 222	0.05 24	0.05 153	0.07 191	0.07 265	0.05 93	0.04 28

SA-5K	0.13 268	0.08 224	0.08 18	0.20 392	0.08 123	0.18 360	0.29 504	0.23 279	0.17 198	0.17 298	0.20 277	0.16 275	0.11 211	0.12 175	0.13 257	0.06 108	0.06 296	0.08 268	0.06 176	0.05 93	0.05 108

Sa-1000	0.12 241	0.08 224	0.09 61	0.18 286	0.08 123	0.15 293	0.22 440	0.22 261	0.19 233	0.15 257	0.20 277	0.17 292	0.11 211	0.10 54	0.10 108	0.06 108	0.05 153	0.09 350	0.09 374	0.05 93	0.05 108

SA	0.13 268	0.09 294	0.09 61	0.18 286	0.08 123	0.12 199	0.24 460	0.23 279	0.19 233	0.17 298	0.27 382	0.15 255	0.11 211	0.11 99	0.11 165	0.05 24	0.05 153	0.09 350	0.08 331	0.05 93	0.05 108

IGEV-Stereo	0.09 72	0.07 113	0.11 134	0.17 205	0.09 223	0.11 159	0.15 221	0.16 119	0.12 79	0.10 115	0.06 10	0.06 14	0.06 34	0.11 99	0.09 41	0.05 24	0.04 20	0.06 97	0.05 104	0.05 93	0.06 184
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
iRaft-Stereo_5w	0.12 241	0.09 294	0.12 172	0.20 392	0.08 123	0.09 78	0.12 67	0.22 261	0.22 290	0.19 345	0.14 181	0.11 167	0.09 159	0.20 396	0.16 346	0.05 24	0.05 153	0.07 191	0.06 176	0.05 93	0.06 184

CIPLG	0.11 170	0.08 224	0.15 284	0.17 205	0.08 123	0.13 228	0.15 221	0.17 154	0.16 174	0.14 233	0.11 139	0.16 275	0.10 181	0.17 336	0.12 222	0.07 234	0.05 153	0.06 97	0.06 176	0.05 93	0.06 184

GLC_STEREO	0.11 170	0.07 113	0.11 134	0.18 286	0.07 62	0.08 46	0.13 104	0.16 119	0.24 310	0.12 181	0.13 168	0.12 188	0.08 134	0.18 353	0.12 222	0.06 108	0.08 395	0.08 268	0.06 176	0.05 93	0.05 108

IPLGR_C	0.11 170	0.08 224	0.15 284	0.17 205	0.08 123	0.12 199	0.15 221	0.17 154	0.15 148	0.14 233	0.11 139	0.16 275	0.10 181	0.16 297	0.12 222	0.07 234	0.05 153	0.06 97	0.06 176	0.05 93	0.06 184

IPLGR	0.11 170	0.09 294	0.17 348	0.18 286	0.08 123	0.13 228	0.16 280	0.21 238	0.24 310	0.12 181	0.12 153	0.11 167	0.09 159	0.13 225	0.12 222	0.06 108	0.05 153	0.06 97	0.06 176	0.05 93	0.04 28

ACRE	0.11 170	0.08 224	0.15 284	0.17 205	0.08 123	0.13 228	0.15 221	0.17 154	0.14 131	0.14 233	0.11 139	0.16 275	0.10 181	0.16 297	0.12 222	0.07 234	0.05 153	0.06 97	0.06 176	0.05 93	0.06 184

CrosDoStereo	0.12 241	0.07 113	0.12 172	0.14 26	0.09 223	0.12 199	0.15 221	0.17 154	0.22 290	0.19 345	0.24 325	0.15 255	0.11 211	0.11 99	0.12 222	0.06 108	0.05 153	0.07 191	0.07 265	0.05 93	0.05 108

HHNet	0.11 170	0.06 46	0.16 325	0.15 63	0.14 450	0.07 22	0.13 104	0.20 221	0.18 212	0.15 257	0.25 352	0.11 167	0.09 159	0.13 225	0.10 108	0.06 108	0.04 20	0.08 268	0.06 176	0.05 93	0.09 373

STrans-v2	0.10 131	0.07 113	0.13 204	0.18 286	0.08 123	0.10 119	0.14 152	0.22 261	0.11 52	0.11 149	0.15 194	0.12 188	0.10 181	0.11 99	0.12 222	0.05 24	0.04 20	0.06 97	0.06 176	0.05 93	0.05 108

TransformOpticalFlow	0.10 131	0.08 224	0.13 204	0.18 286	0.07 62	0.09 78	0.15 221	0.19 208	0.16 174	0.12 181	0.16 211	0.11 167	0.11 211	0.11 99	0.11 165	0.05 24	0.04 20	0.06 97	0.06 176	0.05 93	0.05 108

OMP-Stereo	0.11 170	0.07 113	0.14 248	0.18 286	0.08 123	0.09 78	0.12 67	0.21 238	0.21 268	0.13 210	0.14 181	0.11 167	0.12 242	0.11 99	0.13 257	0.06 108	0.05 153	0.07 191	0.06 176	0.05 93	0.04 28

DeepStereo_LL	0.12 241	0.07 113	0.12 172	0.14 26	0.09 223	0.12 199	0.15 221	0.17 154	0.22 290	0.19 345	0.24 325	0.15 255	0.11 211	0.11 99	0.12 222	0.06 108	0.05 153	0.07 191	0.07 265	0.05 93	0.05 108

DEmStereo	0.12 241	0.06 46	0.14 248	0.14 26	0.10 328	0.16 321	0.15 221	0.16 119	0.24 310	0.17 298	0.23 313	0.12 188	0.14 305	0.12 175	0.14 293	0.05 24	0.04 20	0.07 191	0.06 176	0.05 93	0.05 108

THIR-Stereo	0.12 241	0.07 113	0.11 134	0.15 63	0.08 123	0.14 267	0.16 280	0.18 181	0.25 334	0.17 298	0.24 325	0.13 211	0.13 273	0.12 175	0.14 293	0.06 108	0.05 153	0.07 191	0.07 265	0.05 93	0.05 108

DRaft	0.12 241	0.06 46	0.12 172	0.14 26	0.09 223	0.14 267	0.17 306	0.21 238	0.30 388	0.18 330	0.27 382	0.10 147	0.16 347	0.11 99	0.12 222	0.05 24	0.04 20	0.07 191	0.07 265	0.05 93	0.05 108

PFNet	0.12 241	0.06 46	0.17 348	0.18 286	0.08 123	0.09 78	0.15 221	0.26 335	0.20 254	0.16 286	0.16 211	0.14 230	0.12 242	0.13 225	0.11 165	0.06 108	0.04 20	0.07 191	0.06 176	0.05 93	0.05 108

RAFT-RH_RVC	0.12 241	0.06 46	0.14 248	0.16 130	0.09 223	0.12 199	0.12 67	0.17 154	0.12 79	0.13 210	0.40 471	0.11 167	0.10 181	0.13 225	0.12 222	0.05 24	0.04 20	0.08 268	0.05 104	0.05 93	0.06 184

AnonymousM	0.10 131	0.06 46	0.10 92	0.14 26	0.07 62	0.09 78	0.13 104	0.19 208	0.14 131	0.13 210	0.12 153	0.09 116	0.08 134	0.13 225	0.10 108	0.08 293	0.05 153	0.08 268	0.05 104	0.05 93	0.05 108

CroCo-Stereo	0.09 72	0.08 224	0.08 18	0.22 442	0.09 223	0.09 78	0.18 353	0.16 119	0.12 79	0.07 28	0.07 33	0.08 89	0.06 34	0.08 13	0.07 1	0.07 234	0.05 153	0.06 97	0.04 31	0.05 93	0.04 28
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
raft+_RVC	0.11 170	0.07 113	0.09 61	0.16 130	0.07 62	0.10 119	0.11 44	0.24 302	0.20 254	0.12 181	0.15 194	0.12 188	0.08 134	0.12 175	0.13 257	0.07 234	0.04 20	0.07 191	0.06 176	0.05 93	0.05 108

raftrobust	0.09 72	0.06 46	0.11 134	0.17 205	0.08 123	0.09 78	0.10 25	0.18 181	0.16 174	0.10 115	0.09 86	0.12 188	0.08 134	0.12 175	0.10 108	0.08 293	0.05 153	0.06 97	0.05 104	0.05 93	0.06 184

sCroCo_RVC	0.12 241	0.09 294	0.24 440	0.24 471	0.11 380	0.19 381	0.14 152	0.17 154	0.15 148	0.10 115	0.13 168	0.12 188	0.07 98	0.14 252	0.11 165	0.08 293	0.08 395	0.08 268	0.08 331	0.05 93	0.07 260

DCANet	0.10 131	0.06 46	0.12 172	0.16 130	0.06 11	0.09 78	0.17 306	0.16 119	0.20 254	0.13 210	0.18 253	0.10 147	0.11 211	0.11 99	0.12 222	0.06 108	0.04 20	0.05 23	0.04 31	0.05 93	0.05 108

test_xeample3	0.09 72	0.07 113	0.12 172	0.16 130	0.09 223	0.11 159	0.15 221	0.16 119	0.14 131	0.10 115	0.07 33	0.08 89	0.06 34	0.10 54	0.09 41	0.06 108	0.04 20	0.06 97	0.05 104	0.05 93	0.06 184

EAI-Stereo	0.09 72	0.07 113	0.11 134	0.16 130	0.07 62	0.10 119	0.15 221	0.16 119	0.09 19	0.08 57	0.09 86	0.08 89	0.07 98	0.09 32	0.11 165	0.05 24	0.05 153	0.05 23	0.05 104	0.05 93	0.04 28

DIP-Stereo	0.11 170	0.08 224	0.15 284	0.17 205	0.09 223	0.13 228	0.09 17	0.16 119	0.16 174	0.12 181	0.16 211	0.14 230	0.12 242	0.16 297	0.14 293	0.06 108	0.05 153	0.06 97	0.05 104	0.05 93	0.07 260
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
R-Stereo Train	0.10 131	0.06 46	0.11 134	0.17 205	0.08 123	0.11 159	0.14 152	0.24 302	0.11 52	0.12 181	0.19 267	0.11 167	0.08 134	0.10 54	0.11 165	0.07 234	0.05 153	0.06 97	0.05 104	0.05 93	0.05 108

RAFT-Stereo	0.10 131	0.06 46	0.11 134	0.17 205	0.08 123	0.11 159	0.14 152	0.24 302	0.11 52	0.12 181	0.19 267	0.11 167	0.08 134	0.10 54	0.11 165	0.07 234	0.05 153	0.06 97	0.05 104	0.05 93	0.05 108
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
MLCV	0.13 268	0.08 224	0.17 348	0.18 286	0.06 11	0.16 321	0.17 306	0.19 208	0.22 290	0.19 345	0.25 352	0.17 292	0.13 273	0.15 270	0.14 293	0.05 24	0.04 20	0.05 23	0.04 31	0.05 93	0.04 28

LGtest1	0.07 3	0.05 11	0.11 134	0.15 63	0.06 11	0.07 22	0.09 17	0.08 3	0.06 4	0.06 7	0.04 1	0.06 14	0.07 98	0.10 54	0.09 41	0.07 234	0.04 20	0.05 23	0.04 31	0.06 179	0.06 184

MM-Stereo_test2	0.09 72	0.07 113	0.09 61	0.19 344	0.08 123	0.12 199	0.18 353	0.15 94	0.14 131	0.07 28	0.10 109	0.07 62	0.06 34	0.12 175	0.09 41	0.05 24	0.04 20	0.06 97	0.05 104	0.06 179	0.04 28

SCV_C0	0.08 39	0.07 113	0.08 18	0.16 130	0.10 328	0.08 46	0.14 152	0.11 24	0.13 109	0.08 57	0.07 33	0.06 14	0.05 9	0.11 99	0.07 1	0.05 24	0.05 153	0.05 23	0.04 31	0.06 179	0.05 108

SCV	0.08 39	0.09 294	0.08 18	0.15 63	0.08 123	0.10 119	0.12 67	0.11 24	0.12 79	0.07 28	0.07 33	0.06 14	0.04 1	0.10 54	0.08 14	0.05 24	0.05 153	0.06 97	0.04 31	0.06 179	0.04 28

DEFOM-Stereo_RVC	0.08 39	0.07 113	0.09 61	0.22 442	0.06 11	0.08 46	0.12 67	0.10 14	0.10 29	0.07 28	0.07 33	0.06 14	0.05 9	0.11 99	0.09 41	0.06 108	0.04 20	0.05 23	0.03 1	0.06 179	0.04 28

model_zeroshot	0.10 131	0.05 11	0.12 172	0.15 63	0.09 223	0.13 228	0.14 152	0.20 221	0.14 131	0.11 149	0.10 109	0.12 188	0.07 98	0.12 175	0.11 165	0.07 234	0.06 296	0.06 97	0.05 104	0.06 179	0.06 184

Pointernet	0.09 72	0.05 11	0.10 92	0.16 130	0.08 123	0.13 228	0.10 25	0.15 94	0.18 212	0.09 85	0.07 33	0.06 14	0.06 34	0.11 99	0.10 108	0.08 293	0.04 20	0.05 23	0.03 1	0.06 179	0.05 108

U	0.08 39	0.07 113	0.10 92	0.19 344	0.10 328	0.10 119	0.13 104	0.12 40	0.17 198	0.07 28	0.07 33	0.06 14	0.05 9	0.07 3	0.09 41	0.06 108	0.04 20	0.06 97	0.04 31	0.06 179	0.05 108

IGEV-Stereo+	0.07 3	0.04 1	0.08 18	0.15 63	0.06 11	0.04 1	0.09 17	0.10 14	0.09 19	0.06 7	0.06 10	0.06 14	0.06 34	0.06 1	0.09 41	0.06 108	0.04 20	0.05 23	0.04 31	0.06 179	0.06 184

trnet	0.08 39	0.05 11	0.07 3	0.12 4	0.05 1	0.12 199	0.10 25	0.13 56	0.10 29	0.08 57	0.13 168	0.09 116	0.08 134	0.11 99	0.10 108	0.08 293	0.05 153	0.05 23	0.03 1	0.06 179	0.05 108

H2IRNET	0.10 131	0.09 294	0.10 92	0.18 286	0.09 223	0.12 199	0.15 221	0.14 70	0.21 268	0.10 115	0.10 109	0.10 147	0.11 211	0.10 54	0.10 108	0.06 108	0.04 20	0.08 268	0.08 331	0.06 179	0.05 108

MGS-Stereo	0.09 72	0.07 113	0.12 172	0.16 130	0.08 123	0.09 78	0.15 221	0.12 40	0.12 79	0.07 28	0.10 109	0.08 89	0.06 34	0.11 99	0.09 41	0.05 24	0.04 20	0.06 97	0.05 104	0.06 179	0.05 108

tta	0.14 298	0.07 113	0.18 380	0.14 26	0.08 123	0.17 344	0.17 306	0.27 349	0.27 359	0.19 345	0.20 277	0.19 316	0.15 326	0.15 270	0.17 363	0.08 293	0.05 153	0.07 191	0.06 176	0.06 179	0.06 184

qqq1	0.14 298	0.07 113	0.18 380	0.14 26	0.08 123	0.17 344	0.17 306	0.27 349	0.27 359	0.19 345	0.20 277	0.19 316	0.15 326	0.15 270	0.12 222	0.08 293	0.05 153	0.05 23	0.05 104	0.06 179	0.06 184

fff1	0.14 298	0.07 113	0.18 380	0.14 26	0.08 123	0.17 344	0.17 306	0.27 349	0.27 359	0.19 345	0.20 277	0.19 316	0.15 326	0.15 270	0.12 222	0.08 293	0.05 153	0.05 23	0.05 104	0.06 179	0.06 184

MyStereo07	0.10 131	0.07 113	0.10 92	0.17 205	0.09 223	0.14 267	0.17 306	0.15 94	0.15 148	0.09 85	0.06 10	0.06 14	0.07 98	0.12 175	0.09 41	0.06 108	0.05 153	0.08 268	0.07 265	0.06 179	0.06 184

MyStereo06	0.10 131	0.07 113	0.12 172	0.17 205	0.09 223	0.13 228	0.18 353	0.19 208	0.12 79	0.13 210	0.08 66	0.07 62	0.07 98	0.11 99	0.09 41	0.06 108	0.05 153	0.08 268	0.07 265	0.06 179	0.06 184

MyStereo05	0.13 268	0.07 113	0.10 92	0.17 205	0.09 223	0.13 228	0.18 353	0.28 373	0.35 432	0.17 298	0.14 181	0.15 255	0.11 211	0.15 270	0.13 257	0.06 108	0.05 153	0.08 268	0.07 265	0.06 179	0.06 184

MyStereo04	0.13 268	0.07 113	0.10 92	0.17 205	0.09 223	0.14 267	0.17 306	0.29 391	0.38 448	0.17 298	0.14 181	0.16 275	0.11 211	0.15 270	0.13 257	0.06 108	0.05 153	0.08 268	0.07 265	0.06 179	0.06 184

CoDeX	0.12 241	0.07 113	0.13 204	0.17 205	0.08 123	0.12 199	0.16 280	0.23 279	0.27 359	0.13 210	0.17 230	0.15 255	0.12 242	0.14 252	0.11 165	0.07 234	0.05 153	0.07 191	0.06 176	0.06 179	0.05 108

cc1	0.10 131	0.08 224	0.13 204	0.17 205	0.09 223	0.13 228	0.15 221	0.16 119	0.18 212	0.09 85	0.09 86	0.06 14	0.06 34	0.10 54	0.07 1	0.06 108	0.05 153	0.06 97	0.05 104	0.06 179	0.06 184

ffm	0.12 241	0.09 294	0.15 284	0.16 130	0.09 223	0.17 344	0.17 306	0.15 94	0.19 233	0.15 257	0.26 365	0.19 316	0.13 273	0.10 54	0.08 14	0.06 108	0.05 153	0.09 350	0.08 331	0.06 179	0.06 184

ff1	0.13 268	0.09 294	0.15 284	0.16 130	0.09 223	0.17 344	0.17 306	0.15 94	0.19 233	0.15 257	0.26 365	0.19 316	0.13 273	0.15 270	0.22 426	0.06 108	0.05 153	0.09 350	0.08 331	0.06 179	0.06 184

tt1	0.10 131	0.08 224	0.13 204	0.17 205	0.09 223	0.13 228	0.15 221	0.15 94	0.19 233	0.09 85	0.08 66	0.06 14	0.06 34	0.10 54	0.08 14	0.06 108	0.05 153	0.06 97	0.05 104	0.06 179	0.06 184

plain	0.11 170	0.09 294	0.10 92	0.19 344	0.09 223	0.11 159	0.14 152	0.14 70	0.13 109	0.13 210	0.15 194	0.09 116	0.12 242	0.13 225	0.12 222	0.07 234	0.05 153	0.09 350	0.06 176	0.06 179	0.06 184

StereoVision	0.14 298	0.13 429	0.10 92	0.24 471	0.10 328	0.16 321	0.21 429	0.21 238	0.20 254	0.12 181	0.25 352	0.10 147	0.10 181	0.16 297	0.10 108	0.09 346	0.10 441	0.12 444	0.12 457	0.06 179	0.05 108

MIF-Stereo (partial)	0.11 170	0.06 46	0.10 92	0.19 344	0.10 328	0.10 119	0.12 67	0.17 154	0.19 233	0.14 233	0.16 211	0.10 147	0.11 211	0.12 175	0.12 222	0.08 293	0.05 153	0.08 268	0.07 265	0.06 179	0.07 260

UniTT-Stereo	0.09 72	0.07 113	0.08 18	0.18 286	0.08 123	0.13 228	0.11 44	0.12 40	0.11 52	0.10 115	0.12 153	0.05 1	0.06 34	0.09 32	0.10 108	0.07 234	0.06 296	0.05 23	0.05 104	0.06 179	0.05 108

MIM_Stereo	0.10 131	0.07 113	0.11 134	0.15 63	0.07 62	0.07 22	0.12 67	0.20 221	0.14 131	0.13 210	0.14 181	0.09 116	0.05 9	0.12 175	0.08 14	0.05 24	0.06 296	0.07 191	0.06 176	0.06 179	0.05 108

CASnet	0.09 72	0.09 294	0.09 61	0.19 344	0.06 11	0.07 22	0.11 44	0.18 181	0.14 131	0.11 149	0.10 109	0.09 116	0.07 98	0.10 54	0.10 108	0.06 108	0.04 20	0.10 395	0.08 331	0.06 179	0.03 1
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
Any-RAFT	0.10 131	0.05 11	0.10 92	0.15 63	0.07 62	0.13 228	0.14 152	0.21 238	0.15 148	0.11 149	0.12 153	0.13 211	0.10 181	0.13 225	0.10 108	0.07 234	0.04 20	0.05 23	0.04 31	0.06 179	0.05 108

LL-Strereo2	0.11 170	0.10 359	0.16 325	0.18 286	0.08 123	0.15 293	0.09 17	0.17 154	0.14 131	0.14 233	0.11 139	0.09 116	0.07 98	0.16 297	0.10 108	0.05 24	0.05 153	0.11 425	0.07 265	0.06 179	0.05 108

4D-IteraStereo	0.10 131	0.07 113	0.10 92	0.18 286	0.07 62	0.09 78	0.15 221	0.18 181	0.15 148	0.10 115	0.11 139	0.10 147	0.07 98	0.12 175	0.09 41	0.05 24	0.03 1	0.08 268	0.07 265	0.06 179	0.05 108

anonymousdsp2	0.11 170	0.07 113	0.11 134	0.16 130	0.09 223	0.13 228	0.14 152	0.19 208	0.23 300	0.13 210	0.14 181	0.12 188	0.09 159	0.14 252	0.11 165	0.05 24	0.05 153	0.05 23	0.04 31	0.06 179	0.06 184

Selective-RAFT	0.11 170	0.11 383	0.12 172	0.21 422	0.08 123	0.16 321	0.13 104	0.21 238	0.23 300	0.10 115	0.10 109	0.11 167	0.10 181	0.15 270	0.11 165	0.05 24	0.05 153	0.06 97	0.05 104	0.06 179	0.05 108

CroCo-Stereo Lap2	0.09 72	0.09 294	0.08 18	0.22 442	0.09 223	0.09 78	0.18 353	0.16 119	0.12 79	0.09 85	0.10 109	0.05 1	0.05 9	0.08 13	0.08 14	0.06 108	0.06 296	0.07 191	0.05 104	0.06 179	0.05 108

DisPM	0.11 170	0.07 113	0.13 204	0.16 130	0.09 223	0.06 7	0.13 104	0.18 181	0.17 198	0.14 233	0.19 267	0.12 188	0.10 181	0.12 175	0.11 165	0.07 234	0.05 153	0.07 191	0.06 176	0.06 179	0.11 422

iRaft-Stereo_20w	0.09 72	0.05 11	0.13 204	0.14 26	0.09 223	0.12 199	0.15 221	0.19 208	0.11 52	0.11 149	0.08 66	0.08 89	0.05 9	0.10 54	0.09 41	0.06 108	0.04 20	0.06 97	0.05 104	0.06 179	0.05 108

PFNet+	0.12 241	0.06 46	0.14 248	0.16 130	0.09 223	0.05 3	0.12 67	0.18 181	0.21 268	0.16 286	0.19 267	0.14 230	0.10 181	0.11 99	0.11 165	0.08 293	0.05 153	0.09 350	0.08 331	0.06 179	0.11 422

LCNet	0.11 170	0.07 113	0.09 61	0.19 344	0.09 223	0.08 46	0.14 152	0.21 238	0.15 148	0.12 181	0.15 194	0.16 275	0.11 211	0.12 175	0.11 165	0.05 24	0.04 20	0.08 268	0.07 265	0.06 179	0.14 468

AAGNet	0.12 241	0.08 224	0.17 348	0.19 344	0.09 223	0.08 46	0.13 104	0.19 208	0.13 109	0.16 286	0.21 294	0.13 211	0.14 305	0.11 99	0.14 293	0.06 108	0.04 20	0.09 350	0.06 176	0.06 179	0.05 108

IIG-Stereo	0.11 170	0.06 46	0.13 204	0.17 205	0.08 123	0.11 159	0.12 67	0.22 261	0.18 212	0.14 233	0.17 230	0.12 188	0.13 273	0.12 175	0.13 257	0.06 108	0.05 153	0.07 191	0.06 176	0.06 179	0.05 108

NRIStereo	0.11 170	0.08 224	0.15 284	0.18 286	0.08 123	0.10 119	0.13 104	0.17 154	0.15 148	0.12 181	0.15 194	0.13 211	0.13 273	0.13 225	0.10 108	0.06 108	0.04 20	0.07 191	0.06 176	0.06 179	0.07 260

PSM-AAD	0.11 170	0.07 113	0.10 92	0.20 392	0.09 223	0.10 119	0.14 152	0.21 238	0.13 109	0.12 181	0.14 181	0.18 307	0.11 211	0.11 99	0.10 108	0.05 24	0.05 153	0.09 350	0.08 331	0.06 179	0.14 468

FTStereo	0.12 241	0.07 113	0.14 248	0.18 286	0.09 223	0.07 22	0.15 221	0.22 261	0.18 212	0.12 181	0.24 325	0.11 167	0.13 273	0.13 225	0.14 293	0.05 24	0.05 153	0.07 191	0.07 265	0.06 179	0.10 400

KYRaft	0.12 241	0.07 113	0.10 92	0.19 344	0.09 223	0.08 46	0.15 221	0.23 279	0.12 79	0.13 210	0.16 211	0.20 333	0.10 181	0.12 175	0.11 165	0.06 108	0.04 20	0.08 268	0.08 331	0.06 179	0.15 482

RAFT_R40	0.11 170	0.07 113	0.15 284	0.18 286	0.09 223	0.06 7	0.13 104	0.17 154	0.15 148	0.14 233	0.18 253	0.15 255	0.12 242	0.10 54	0.11 165	0.06 108	0.04 20	0.09 350	0.06 176	0.06 179	0.05 108

GrayStereo	0.11 170	0.06 46	0.11 134	0.19 344	0.09 223	0.09 78	0.16 280	0.18 181	0.17 198	0.14 233	0.17 230	0.17 292	0.11 211	0.12 175	0.11 165	0.05 24	0.05 153	0.07 191	0.06 176	0.06 179	0.10 400

Pruner-Stereo	0.11 170	0.07 113	0.12 172	0.17 205	0.09 223	0.06 7	0.12 67	0.18 181	0.17 198	0.14 233	0.19 267	0.13 211	0.10 181	0.11 99	0.11 165	0.06 108	0.04 20	0.07 191	0.06 176	0.06 179	0.08 329

IRAFT_RVC	0.12 241	0.08 224	0.17 348	0.19 344	0.08 123	0.07 22	0.14 152	0.25 322	0.23 300	0.14 233	0.15 194	0.15 255	0.12 242	0.12 175	0.11 165	0.06 108	0.04 20	0.09 350	0.06 176	0.06 179	0.06 184

RAFT	0.13 268	0.09 294	0.11 134	0.18 286	0.08 123	0.15 293	0.23 450	0.21 238	0.20 254	0.21 381	0.21 294	0.18 307	0.13 273	0.17 336	0.10 108	0.06 108	0.07 364	0.10 395	0.09 374	0.06 179	0.05 108

GMM-Stereo	0.11 170	0.07 113	0.10 92	0.18 286	0.09 223	0.08 46	0.14 152	0.24 302	0.16 174	0.11 149	0.15 194	0.13 211	0.11 211	0.11 99	0.11 165	0.05 24	0.04 20	0.08 268	0.07 265	0.06 179	0.09 373

Prome-Stereo	0.11 170	0.07 113	0.11 134	0.18 286	0.09 223	0.12 199	0.14 152	0.23 279	0.13 109	0.13 210	0.16 211	0.13 211	0.08 134	0.12 175	0.10 108	0.05 24	0.05 153	0.07 191	0.06 176	0.06 179	0.10 400

TANstereo	0.09 72	0.04 1	0.08 18	0.13 8	0.06 11	0.11 159	0.13 104	0.15 94	0.19 233	0.11 149	0.15 194	0.10 147	0.07 98	0.12 175	0.09 41	0.07 234	0.05 153	0.05 23	0.04 31	0.06 179	0.05 108

XX-TBD	0.09 72	0.06 46	0.07 3	0.14 26	0.07 62	0.13 228	0.16 280	0.14 70	0.14 131	0.11 149	0.12 153	0.09 116	0.08 134	0.10 54	0.10 108	0.06 108	0.04 20	0.05 23	0.04 31	0.06 179	0.05 108

RALAANet	0.11 170	0.08 224	0.10 92	0.17 205	0.09 223	0.14 267	0.10 25	0.20 221	0.16 174	0.14 233	0.13 168	0.16 275	0.09 159	0.12 175	0.12 222	0.06 108	0.05 153	0.08 268	0.07 265	0.06 179	0.04 28

111	0.11 170	0.06 46	0.12 172	0.15 63	0.07 62	0.10 119	0.14 152	0.21 238	0.24 310	0.11 149	0.12 153	0.14 230	0.12 242	0.13 225	0.10 108	0.06 108	0.04 20	0.06 97	0.04 31	0.06 179	0.05 108

ARAFT	0.12 241	0.08 224	0.18 380	0.19 344	0.09 223	0.15 293	0.17 306	0.20 221	0.13 109	0.12 181	0.13 168	0.14 230	0.12 242	0.15 270	0.13 257	0.06 108	0.05 153	0.10 395	0.09 374	0.06 179	0.04 28

RAFT + AFF	0.13 268	0.08 224	0.21 417	0.20 392	0.10 328	0.14 267	0.23 450	0.27 349	0.21 268	0.12 181	0.10 109	0.12 188	0.10 181	0.16 297	0.12 222	0.08 293	0.07 364	0.09 350	0.09 374	0.06 179	0.09 373

delet	0.17 388	0.09 294	0.18 380	0.19 344	0.11 380	0.21 411	0.22 440	0.30 401	0.38 448	0.17 298	0.27 382	0.19 316	0.19 402	0.19 378	0.21 413	0.08 293	0.08 395	0.09 350	0.11 437	0.06 179	0.07 260

CREStereo	0.09 72	0.05 11	0.08 18	0.11 1	0.06 11	0.14 267	0.14 152	0.14 70	0.10 29	0.09 85	0.13 168	0.09 116	0.08 134	0.12 175	0.10 108	0.08 293	0.04 20	0.05 23	0.03 1	0.06 179	0.06 184
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
cf-r	0.14 298	0.07 113	0.13 204	0.16 130	0.08 123	0.14 267	0.19 395	0.21 238	0.25 334	0.17 298	0.26 365	0.22 360	0.17 371	0.14 252	0.15 327	0.10 383	0.05 153	0.06 97	0.08 331	0.06 179	0.06 184

BEATNet_4x	0.12 241	0.09 294	0.15 284	0.18 286	0.07 62	0.15 293	0.07 3	0.23 279	0.19 233	0.16 286	0.19 267	0.19 316	0.14 305	0.17 336	0.15 327	0.07 234	0.05 153	0.05 23	0.05 104	0.06 179	0.07 260

RASNet	0.15 339	0.07 113	0.15 284	0.16 130	0.08 123	0.19 381	0.14 152	0.30 401	0.21 268	0.17 298	0.25 352	0.21 342	0.19 402	0.20 396	0.20 400	0.07 234	0.06 296	0.06 97	0.08 331	0.06 179	0.06 184

HITNet	0.11 170	0.06 46	0.12 172	0.14 26	0.06 11	0.12 199	0.10 25	0.18 181	0.18 212	0.13 210	0.17 230	0.15 255	0.11 211	0.15 270	0.14 293	0.06 108	0.04 20	0.04 1	0.04 31	0.06 179	0.05 108
Vladimir Tankovich, Christian HÃ¤ne, Yinda Zhang, Adarsh Kowdle, Sean Fanello, Sofien Bouaziz: HITNet: Hierarchical Iterative Tile Refinement Network for Real-time Stereo Matching. CVPR 2021
iResNet	0.13 268	0.10 359	0.18 380	0.19 344	0.08 123	0.14 267	0.18 353	0.21 238	0.27 359	0.16 286	0.24 325	0.15 255	0.13 273	0.14 252	0.15 327	0.06 108	0.04 20	0.06 97	0.05 104	0.06 179	0.05 108

111111	0.07 3	0.05 11	0.10 92	0.17 205	0.06 11	0.05 3	0.10 25	0.11 24	0.10 29	0.06 7	0.06 10	0.07 62	0.05 9	0.08 13	0.09 41	0.06 108	0.04 20	0.05 23	0.04 31	0.07 245	0.06 184

G2L-Stereo_test	0.14 298	0.07 113	0.11 134	0.13 8	0.08 123	0.12 199	0.17 306	0.31 417	0.28 375	0.21 381	0.23 313	0.20 333	0.16 347	0.17 336	0.19 390	0.07 234	0.05 153	0.05 23	0.05 104	0.07 245	0.07 260

G2L-Stereo	0.14 298	0.07 113	0.13 204	0.17 205	0.09 223	0.13 228	0.12 67	0.27 349	0.22 290	0.17 298	0.27 382	0.21 342	0.13 273	0.18 353	0.18 376	0.09 346	0.08 395	0.08 268	0.07 265	0.07 245	0.07 260

HI	0.11 170	0.06 46	0.12 172	0.13 8	0.09 223	0.09 78	0.14 152	0.22 261	0.11 52	0.20 366	0.17 230	0.14 230	0.10 181	0.16 297	0.09 41	0.05 24	0.04 20	0.07 191	0.08 331	0.07 245	0.06 184

CoSv	0.11 170	0.06 46	0.12 172	0.13 8	0.09 223	0.09 78	0.14 152	0.22 261	0.11 52	0.20 366	0.17 230	0.14 230	0.10 181	0.16 297	0.09 41	0.05 24	0.04 20	0.07 191	0.08 331	0.07 245	0.06 184

rvit_0105_3	0.16 366	0.10 359	0.15 284	0.20 392	0.12 409	0.15 293	0.26 482	0.25 322	0.30 388	0.15 257	0.17 230	0.21 342	0.14 305	0.18 353	0.14 293	0.14 476	0.11 453	0.12 444	0.14 473	0.07 245	0.07 260

UGAM	0.13 268	0.10 359	0.09 61	0.22 442	0.08 123	0.13 228	0.20 413	0.18 181	0.24 310	0.22 395	0.16 211	0.13 211	0.13 273	0.19 378	0.13 257	0.07 234	0.05 153	0.13 458	0.11 437	0.07 245	0.05 108

rvit_stereo_0083	0.12 241	0.08 224	0.17 348	0.16 130	0.09 223	0.11 159	0.15 221	0.15 94	0.26 347	0.11 149	0.14 181	0.13 211	0.10 181	0.12 175	0.13 257	0.10 383	0.08 395	0.09 350	0.07 265	0.07 245	0.06 184

rvit_stereo_0081_aga	0.12 241	0.09 294	0.15 284	0.18 286	0.10 328	0.14 267	0.14 152	0.14 70	0.19 233	0.10 115	0.18 253	0.16 275	0.09 159	0.12 175	0.10 108	0.10 383	0.06 296	0.08 268	0.07 265	0.07 245	0.06 184

rvit_stereo_0081	0.11 170	0.08 224	0.16 325	0.16 130	0.09 223	0.11 159	0.14 152	0.14 70	0.24 310	0.11 149	0.13 168	0.14 230	0.09 159	0.11 99	0.12 222	0.10 383	0.07 364	0.08 268	0.07 265	0.07 245	0.06 184

rvit_stereo_0082	0.11 170	0.08 224	0.16 325	0.16 130	0.09 223	0.11 159	0.14 152	0.14 70	0.24 310	0.11 149	0.13 168	0.14 230	0.09 159	0.11 99	0.12 222	0.10 383	0.07 364	0.08 268	0.07 265	0.07 245	0.06 184

AIO-Stereo-zeroshot1	0.11 170	0.05 11	0.14 248	0.16 130	0.21 507	0.09 78	0.17 306	0.21 238	0.16 174	0.11 149	0.15 194	0.10 147	0.07 98	0.10 54	0.08 14	0.06 108	0.05 153	0.07 191	0.07 265	0.07 245	0.09 373

AIO-Stereo-zeroshot	0.11 170	0.05 11	0.12 172	0.15 63	0.13 434	0.14 267	0.16 280	0.23 279	0.18 212	0.10 115	0.13 168	0.10 147	0.07 98	0.12 175	0.09 41	0.06 108	0.05 153	0.06 97	0.06 176	0.07 245	0.08 329

rvit_stereo_0080	0.10 131	0.08 224	0.15 284	0.15 63	0.10 328	0.07 22	0.15 221	0.16 119	0.16 174	0.11 149	0.10 109	0.15 255	0.09 159	0.12 175	0.10 108	0.09 346	0.07 364	0.07 191	0.06 176	0.07 245	0.05 108

rvit_stereo_ft	0.12 241	0.07 113	0.13 204	0.19 344	0.10 328	0.12 199	0.17 306	0.16 119	0.16 174	0.13 210	0.13 168	0.15 255	0.10 181	0.14 252	0.13 257	0.10 383	0.06 296	0.08 268	0.07 265	0.07 245	0.06 184

CAS++	0.11 170	0.07 113	0.11 134	0.14 26	0.10 328	0.13 228	0.14 152	0.24 302	0.14 131	0.11 149	0.09 86	0.11 167	0.07 98	0.14 252	0.09 41	0.11 414	0.09 419	0.09 350	0.07 265	0.07 245	0.08 329
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024
DispNO	0.15 339	0.09 294	0.18 380	0.19 344	0.12 409	0.11 159	0.21 429	0.23 279	0.29 382	0.18 330	0.23 313	0.19 316	0.17 371	0.16 297	0.16 346	0.07 234	0.05 153	0.08 268	0.08 331	0.07 245	0.06 184

Former-RAFT_DAM_RVC	0.11 170	0.08 224	0.13 204	0.16 130	0.08 123	0.15 293	0.16 280	0.18 181	0.19 233	0.10 115	0.09 86	0.09 116	0.08 134	0.11 99	0.12 222	0.07 234	0.05 153	0.08 268	0.06 176	0.07 245	0.06 184

ACVNet-DCA	0.10 131	0.08 224	0.13 204	0.17 205	0.09 223	0.13 228	0.15 221	0.24 302	0.16 174	0.09 85	0.09 86	0.06 14	0.06 34	0.10 54	0.07 1	0.06 108	0.05 153	0.06 97	0.05 104	0.07 245	0.07 260

xx1	0.11 170	0.08 224	0.13 204	0.17 205	0.09 223	0.13 228	0.15 221	0.16 119	0.18 212	0.09 85	0.09 86	0.16 275	0.16 347	0.10 54	0.07 1	0.06 108	0.05 153	0.08 268	0.08 331	0.07 245	0.07 260

1test111	0.11 170	0.08 224	0.13 204	0.17 205	0.09 223	0.13 228	0.15 221	0.24 302	0.16 174	0.09 85	0.09 86	0.06 14	0.06 34	0.15 270	0.16 346	0.06 108	0.05 153	0.06 97	0.05 104	0.07 245	0.07 260

1111x	0.16 366	0.09 294	0.13 204	0.18 286	0.08 123	0.18 360	0.25 476	0.32 422	0.25 334	0.17 298	0.24 325	0.27 413	0.15 326	0.14 252	0.24 449	0.07 234	0.07 364	0.08 268	0.09 374	0.07 245	0.07 260

whm_eth	0.10 131	0.08 224	0.15 284	0.15 63	0.10 328	0.07 22	0.15 221	0.16 119	0.16 174	0.11 149	0.10 109	0.15 255	0.09 159	0.12 175	0.10 108	0.09 346	0.07 364	0.07 191	0.06 176	0.07 245	0.05 108

PCWNet_CMD	0.14 298	0.08 224	0.15 284	0.17 205	0.09 223	0.14 267	0.14 152	0.29 391	0.36 437	0.14 233	0.20 277	0.21 342	0.13 273	0.17 336	0.14 293	0.07 234	0.05 153	0.07 191	0.07 265	0.07 245	0.07 260

testlalala_base	0.10 131	0.09 294	0.14 248	0.21 422	0.08 123	0.10 119	0.14 152	0.13 56	0.11 52	0.08 57	0.15 194	0.07 62	0.08 134	0.11 99	0.12 222	0.08 293	0.05 153	0.05 23	0.03 1	0.07 245	0.05 108

CBFPSM	0.15 339	0.07 113	0.27 453	0.17 205	0.09 223	0.13 228	0.15 221	0.22 261	0.23 300	0.20 366	0.27 382	0.23 376	0.16 347	0.16 297	0.19 390	0.06 108	0.06 296	0.06 97	0.07 265	0.07 245	0.07 260

knoymous	0.11 170	0.06 46	0.12 172	0.14 26	0.07 62	0.15 293	0.13 104	0.20 221	0.14 131	0.11 149	0.17 230	0.13 211	0.09 159	0.14 252	0.11 165	0.09 346	0.05 153	0.06 97	0.05 104	0.07 245	0.07 260

qqq	0.13 268	0.09 294	0.15 284	0.16 130	0.08 123	0.13 228	0.15 221	0.24 302	0.16 174	0.15 257	0.19 267	0.16 275	0.16 347	0.15 270	0.16 346	0.07 234	0.06 296	0.08 268	0.08 331	0.07 245	0.07 260

x	0.13 268	0.08 224	0.15 284	0.14 26	0.08 123	0.19 381	0.14 152	0.22 261	0.21 268	0.15 257	0.20 277	0.20 333	0.18 384	0.18 353	0.18 376	0.07 234	0.05 153	0.06 97	0.06 176	0.07 245	0.07 260

BUS	0.15 339	0.09 294	0.14 248	0.22 442	0.10 328	0.20 400	0.14 152	0.34 450	0.20 254	0.17 298	0.23 313	0.16 275	0.14 305	0.16 297	0.14 293	0.08 293	0.06 296	0.10 395	0.09 374	0.07 245	0.07 260

RAFT+CT+SA	0.13 268	0.11 383	0.09 61	0.19 344	0.09 223	0.15 293	0.28 493	0.22 261	0.22 290	0.15 257	0.26 365	0.10 147	0.10 181	0.11 99	0.12 222	0.05 24	0.04 20	0.07 191	0.08 331	0.07 245	0.06 184

BSDual-CNN	0.15 339	0.09 294	0.14 248	0.22 442	0.10 328	0.15 293	0.15 221	0.34 450	0.20 254	0.17 298	0.23 313	0.25 397	0.16 347	0.16 297	0.14 293	0.08 293	0.06 296	0.10 395	0.09 374	0.07 245	0.07 260

hknet	0.15 339	0.11 383	0.14 248	0.22 442	0.11 380	0.15 293	0.15 221	0.34 450	0.26 347	0.17 298	0.23 313	0.22 360	0.18 384	0.17 336	0.13 257	0.07 234	0.06 296	0.10 395	0.09 374	0.07 245	0.07 260

psmg	0.14 298	0.09 294	0.14 248	0.17 205	0.10 328	0.15 293	0.17 306	0.29 391	0.20 254	0.17 298	0.21 294	0.25 397	0.16 347	0.16 297	0.14 293	0.08 293	0.07 364	0.08 268	0.08 331	0.07 245	0.07 260

UDGNet	0.14 298	0.13 429	0.17 348	0.18 286	0.10 328	0.12 199	0.16 280	0.21 238	0.27 359	0.20 366	0.20 277	0.17 292	0.13 273	0.16 297	0.14 293	0.10 383	0.06 296	0.09 350	0.07 265	0.07 245	0.07 260

DAS	0.15 339	0.08 224	0.18 380	0.19 344	0.10 328	0.19 381	0.17 306	0.28 373	0.30 388	0.18 330	0.26 365	0.21 342	0.16 347	0.16 297	0.13 257	0.08 293	0.06 296	0.06 97	0.06 176	0.07 245	0.07 260

SepStereo	0.15 339	0.08 224	0.18 380	0.19 344	0.10 328	0.19 381	0.17 306	0.28 373	0.30 388	0.18 330	0.26 365	0.21 342	0.16 347	0.26 457	0.13 257	0.08 293	0.06 296	0.06 97	0.06 176	0.07 245	0.07 260

GwcNet-ADL	0.13 268	0.08 224	0.14 248	0.20 392	0.09 223	0.12 199	0.20 413	0.30 401	0.25 334	0.14 233	0.14 181	0.18 307	0.14 305	0.13 225	0.15 327	0.07 234	0.05 153	0.06 97	0.05 104	0.07 245	0.06 184

GANet-ADL	0.13 268	0.07 113	0.15 284	0.17 205	0.10 328	0.19 381	0.15 221	0.30 401	0.21 268	0.13 210	0.18 253	0.19 316	0.13 273	0.16 297	0.14 293	0.08 293	0.06 296	0.06 97	0.05 104	0.07 245	0.08 329

NF-Stereo	0.11 170	0.07 113	0.13 204	0.17 205	0.09 223	0.10 119	0.13 104	0.23 279	0.19 233	0.12 181	0.17 230	0.12 188	0.12 242	0.11 99	0.11 165	0.06 108	0.04 20	0.07 191	0.06 176	0.07 245	0.12 441

OCTAStereo	0.11 170	0.07 113	0.14 248	0.17 205	0.09 223	0.10 119	0.13 104	0.23 279	0.19 233	0.12 181	0.17 230	0.12 188	0.12 242	0.11 99	0.11 165	0.06 108	0.04 20	0.07 191	0.06 176	0.07 245	0.11 422

PSM-softLoss	0.12 241	0.07 113	0.15 284	0.17 205	0.09 223	0.08 46	0.12 67	0.24 302	0.17 198	0.15 257	0.19 267	0.13 211	0.11 211	0.11 99	0.11 165	0.07 234	0.05 153	0.08 268	0.07 265	0.07 245	0.12 441

KMStereo	0.12 241	0.07 113	0.15 284	0.17 205	0.09 223	0.08 46	0.12 67	0.24 302	0.17 198	0.15 257	0.19 267	0.13 211	0.11 211	0.11 99	0.11 165	0.07 234	0.05 153	0.08 268	0.07 265	0.07 245	0.12 441

SST-Stereo	0.11 170	0.07 113	0.16 325	0.18 286	0.09 223	0.06 7	0.12 67	0.18 181	0.10 29	0.15 257	0.18 253	0.13 211	0.12 242	0.10 54	0.11 165	0.06 108	0.04 20	0.09 350	0.06 176	0.07 245	0.06 184

RE-Stereo	0.11 170	0.07 113	0.13 204	0.17 205	0.09 223	0.10 119	0.13 104	0.23 279	0.19 233	0.12 181	0.17 230	0.12 188	0.12 242	0.11 99	0.11 165	0.06 108	0.04 20	0.07 191	0.06 176	0.07 245	0.11 422

TVStereo	0.11 170	0.07 113	0.13 204	0.17 205	0.09 223	0.10 119	0.13 104	0.23 279	0.19 233	0.12 181	0.17 230	0.12 188	0.12 242	0.11 99	0.11 165	0.06 108	0.04 20	0.07 191	0.06 176	0.07 245	0.11 422

DeepStereo_RVC	0.11 170	0.08 224	0.17 348	0.18 286	0.08 123	0.08 46	0.11 44	0.17 154	0.12 79	0.13 210	0.15 194	0.12 188	0.12 242	0.12 175	0.11 165	0.06 108	0.04 20	0.07 191	0.06 176	0.07 245	0.08 329

ICVP	0.16 366	0.09 294	0.12 172	0.22 442	0.09 223	0.18 360	0.21 429	0.26 335	0.24 310	0.18 330	0.30 413	0.27 413	0.18 384	0.18 353	0.15 327	0.10 383	0.07 364	0.08 268	0.07 265	0.07 245	0.08 329
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
rafts_anoy	0.11 170	0.06 46	0.10 92	0.17 205	0.08 123	0.10 119	0.14 152	0.18 181	0.14 131	0.13 210	0.13 168	0.12 188	0.11 211	0.11 99	0.13 257	0.07 234	0.05 153	0.09 350	0.11 437	0.07 245	0.06 184

CFNet_pseudo	0.14 298	0.08 224	0.16 325	0.16 130	0.09 223	0.13 228	0.14 152	0.27 349	0.34 419	0.15 257	0.21 294	0.22 360	0.13 273	0.18 353	0.14 293	0.07 234	0.05 153	0.08 268	0.06 176	0.07 245	0.07 260

test_xeample	0.15 339	0.07 113	0.14 248	0.15 63	0.08 123	0.22 424	0.20 413	0.29 391	0.21 268	0.16 286	0.29 407	0.19 316	0.17 371	0.16 297	0.28 479	0.09 346	0.05 153	0.07 191	0.07 265	0.07 245	0.07 260

GMStereo	0.13 268	0.15 450	0.14 248	0.18 286	0.09 223	0.16 321	0.16 280	0.20 221	0.25 334	0.17 298	0.17 230	0.11 167	0.11 211	0.16 297	0.13 257	0.07 234	0.06 296	0.06 97	0.06 176	0.07 245	0.06 184
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
SFCPSM	0.13 268	0.07 113	0.15 284	0.17 205	0.09 223	0.15 293	0.16 280	0.28 373	0.27 359	0.14 233	0.18 253	0.12 188	0.13 273	0.14 252	0.11 165	0.08 293	0.05 153	0.07 191	0.07 265	0.07 245	0.06 184

ac_64	0.16 366	0.09 294	0.15 284	0.18 286	0.10 328	0.22 424	0.17 306	0.24 302	0.22 290	0.19 345	0.24 325	0.29 430	0.18 384	0.19 378	0.22 426	0.09 346	0.08 395	0.08 268	0.09 374	0.07 245	0.06 184

GwcNet-RSSM	0.14 298	0.07 113	0.12 172	0.16 130	0.08 123	0.15 293	0.20 413	0.22 261	0.28 375	0.18 330	0.28 392	0.23 376	0.17 371	0.15 270	0.16 346	0.10 383	0.06 296	0.07 191	0.09 374	0.07 245	0.07 260

PMTNet	0.09 72	0.05 11	0.09 61	0.12 4	0.06 11	0.13 228	0.14 152	0.16 119	0.11 52	0.09 85	0.13 168	0.10 147	0.07 98	0.14 252	0.10 108	0.15 480	0.04 20	0.05 23	0.03 1	0.07 245	0.06 184

MSMDNet	0.14 298	0.08 224	0.15 284	0.17 205	0.09 223	0.14 267	0.14 152	0.29 391	0.36 437	0.14 233	0.20 277	0.21 342	0.13 273	0.18 353	0.14 293	0.07 234	0.05 153	0.07 191	0.07 265	0.07 245	0.07 260

HSM-Net_RVC	0.14 298	0.08 224	0.12 172	0.15 63	0.08 123	0.16 321	0.15 221	0.27 349	0.29 382	0.20 366	0.21 294	0.29 430	0.14 305	0.18 353	0.13 257	0.06 108	0.06 296	0.06 97	0.06 176	0.07 245	0.06 184
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
NLCA_NET_v2_RVC	0.17 388	0.10 359	0.23 434	0.20 392	0.10 328	0.15 293	0.18 353	0.31 417	0.25 334	0.21 381	0.31 417	0.25 397	0.17 371	0.21 413	0.20 400	0.09 346	0.06 296	0.08 268	0.09 374	0.07 245	0.08 329
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
ccs_rob	0.14 298	0.09 294	0.16 325	0.16 130	0.09 223	0.13 228	0.14 152	0.27 349	0.34 419	0.15 257	0.21 294	0.22 360	0.13 273	0.18 353	0.14 293	0.07 234	0.05 153	0.08 268	0.07 265	0.07 245	0.07 260

AANet_RVC	0.16 366	0.10 359	0.11 134	0.18 286	0.09 223	0.19 381	0.18 353	0.27 349	0.32 403	0.22 395	0.35 446	0.21 342	0.22 429	0.22 430	0.17 363	0.06 108	0.05 153	0.06 97	0.06 176	0.07 245	0.06 184

HSM	0.15 339	0.09 294	0.15 284	0.16 130	0.09 223	0.16 321	0.14 152	0.28 373	0.25 334	0.20 366	0.24 325	0.37 477	0.17 371	0.20 396	0.15 327	0.07 234	0.05 153	0.07 191	0.06 176	0.07 245	0.06 184

StereoDRNet-Refined	0.17 388	0.12 401	0.16 325	0.20 392	0.10 328	0.18 360	0.18 353	0.27 349	0.24 310	0.26 437	0.41 481	0.23 376	0.18 384	0.21 413	0.21 413	0.09 346	0.05 153	0.09 350	0.10 408	0.07 245	0.07 260
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
DLCB_ROB	0.18 403	0.10 359	0.16 325	0.23 461	0.11 380	0.24 443	0.18 353	0.30 401	0.28 375	0.27 444	0.29 407	0.28 423	0.25 449	0.20 396	0.20 400	0.08 293	0.08 395	0.09 350	0.09 374	0.07 245	0.07 260

pmcnn	0.15 339	0.07 113	0.20 407	0.15 63	0.07 62	0.21 411	0.16 280	0.25 322	0.26 347	0.21 381	0.33 432	0.29 430	0.19 402	0.18 353	0.17 363	0.07 234	0.05 153	0.05 23	0.04 31	0.07 245	0.06 184

G2L-ROB	0.13 268	0.07 113	0.13 204	0.13 8	0.08 123	0.14 267	0.17 306	0.25 322	0.19 233	0.20 366	0.19 267	0.20 333	0.14 305	0.18 353	0.16 346	0.08 293	0.05 153	0.06 97	0.05 104	0.08 310	0.09 373

rvit_0105_5	0.14 298	0.10 359	0.14 248	0.17 205	0.09 223	0.14 267	0.23 450	0.24 302	0.27 359	0.14 233	0.15 194	0.18 307	0.13 273	0.17 336	0.14 293	0.14 476	0.11 453	0.10 395	0.11 437	0.08 310	0.07 260

rvit_105_1	0.19 414	0.12 401	0.25 443	0.21 422	0.16 477	0.22 424	0.28 493	0.32 422	0.42 465	0.20 366	0.21 294	0.22 360	0.18 384	0.19 378	0.18 376	0.12 440	0.12 467	0.13 458	0.15 488	0.08 310	0.07 260

ACV-stereo	0.15 339	0.10 359	0.29 465	0.18 286	0.12 409	0.15 293	0.13 104	0.23 279	0.21 268	0.19 345	0.23 313	0.22 360	0.15 326	0.23 437	0.17 363	0.08 293	0.07 364	0.07 191	0.07 265	0.08 310	0.07 260

ITSA-stereo	0.16 366	0.11 383	0.14 248	0.19 344	0.08 123	0.13 228	0.14 152	0.30 401	0.49 490	0.17 298	0.18 253	0.22 360	0.15 326	0.17 336	0.16 346	0.10 383	0.06 296	0.08 268	0.08 331	0.08 310	0.09 373

test_sample6	0.14 298	0.09 294	0.14 248	0.17 205	0.08 123	0.17 344	0.19 395	0.26 335	0.18 212	0.18 330	0.28 392	0.19 316	0.15 326	0.15 270	0.13 257	0.08 293	0.05 153	0.08 268	0.07 265	0.08 310	0.08 329

test_sample2	0.13 268	0.07 113	0.12 172	0.14 26	0.08 123	0.16 321	0.18 353	0.21 238	0.16 174	0.14 233	0.21 294	0.20 333	0.15 326	0.15 270	0.13 257	0.08 293	0.06 296	0.07 191	0.06 176	0.08 310	0.08 329

test_sample1	0.13 268	0.07 113	0.14 248	0.14 26	0.08 123	0.19 381	0.17 306	0.20 221	0.15 148	0.14 233	0.22 309	0.18 307	0.16 347	0.17 336	0.15 327	0.07 234	0.06 296	0.06 97	0.06 176	0.08 310	0.08 329

test_for_model	0.09 72	0.12 401	0.14 248	0.23 461	0.11 380	0.08 46	0.13 104	0.12 40	0.13 109	0.10 115	0.07 33	0.07 62	0.06 34	0.11 99	0.10 108	0.06 108	0.05 153	0.05 23	0.04 31	0.08 310	0.05 108

MyStereo8	0.12 241	0.07 113	0.15 284	0.15 63	0.09 223	0.18 360	0.14 152	0.19 208	0.22 290	0.12 181	0.18 253	0.11 167	0.10 181	0.16 297	0.18 376	0.07 234	0.05 153	0.07 191	0.05 104	0.08 310	0.09 373

SMFormer	0.14 298	0.07 113	0.18 380	0.14 26	0.08 123	0.17 344	0.17 306	0.27 349	0.27 359	0.19 345	0.20 277	0.19 316	0.15 326	0.15 270	0.17 363	0.08 293	0.05 153	0.07 191	0.06 176	0.08 310	0.07 260

mmm	0.14 298	0.08 224	0.18 380	0.17 205	0.09 223	0.17 344	0.18 353	0.21 238	0.16 174	0.16 286	0.23 313	0.21 342	0.16 347	0.16 297	0.17 363	0.08 293	0.05 153	0.08 268	0.08 331	0.08 310	0.07 260

11t1	0.12 241	0.07 113	0.14 248	0.14 26	0.08 123	0.17 344	0.15 221	0.19 208	0.15 148	0.15 257	0.15 194	0.17 292	0.16 347	0.15 270	0.13 257	0.08 293	0.05 153	0.06 97	0.05 104	0.08 310	0.07 260

mmx	0.15 339	0.09 294	0.15 284	0.16 130	0.09 223	0.17 344	0.17 306	0.27 349	0.26 347	0.15 257	0.26 365	0.19 316	0.13 273	0.15 270	0.22 426	0.08 293	0.06 296	0.09 350	0.08 331	0.08 310	0.08 329

xxx	0.15 339	0.09 294	0.15 284	0.16 130	0.09 223	0.17 344	0.17 306	0.27 349	0.26 347	0.15 257	0.26 365	0.19 316	0.13 273	0.15 270	0.22 426	0.08 293	0.06 296	0.09 350	0.08 331	0.08 310	0.08 329

EKT-Stereo	0.11 170	0.07 113	0.14 248	0.16 130	0.10 328	0.13 228	0.14 152	0.19 208	0.21 268	0.11 149	0.08 66	0.13 211	0.10 181	0.11 99	0.12 222	0.08 293	0.06 296	0.07 191	0.06 176	0.08 310	0.07 260

SDNR	0.20 423	0.09 294	0.19 403	0.16 130	0.12 409	0.79 541	0.13 104	0.26 335	0.33 408	0.19 345	0.25 352	0.19 316	0.12 242	0.19 378	0.15 327	0.16 497	0.18 504	0.14 471	0.11 437	0.08 310	0.12 441

fast-acv-ft	0.18 403	0.11 383	0.20 407	0.19 344	0.12 409	0.26 461	0.21 429	0.26 335	0.35 432	0.22 395	0.34 442	0.27 413	0.21 422	0.21 413	0.23 437	0.09 346	0.09 419	0.08 268	0.10 408	0.08 310	0.07 260

gwcnet-sp	0.14 298	0.07 113	0.13 204	0.18 286	0.09 223	0.16 321	0.18 353	0.24 302	0.24 310	0.19 345	0.24 325	0.15 255	0.16 347	0.16 297	0.15 327	0.08 293	0.07 364	0.07 191	0.08 331	0.08 310	0.07 260

scenet	0.14 298	0.07 113	0.13 204	0.18 286	0.09 223	0.16 321	0.18 353	0.24 302	0.24 310	0.19 345	0.24 325	0.15 255	0.16 347	0.16 297	0.15 327	0.08 293	0.07 364	0.07 191	0.08 331	0.08 310	0.07 260

riskmin	0.11 170	0.06 46	0.13 204	0.14 26	0.08 123	0.14 267	0.14 152	0.18 181	0.15 148	0.12 181	0.15 194	0.17 292	0.11 211	0.14 252	0.12 222	0.09 346	0.05 153	0.07 191	0.05 104	0.08 310	0.08 329

ssnet_v2	0.17 388	0.10 359	0.18 380	0.17 205	0.11 380	0.21 411	0.22 440	0.34 450	0.25 334	0.23 409	0.23 313	0.27 413	0.19 402	0.22 430	0.21 413	0.11 414	0.10 441	0.09 350	0.09 374	0.08 310	0.08 329

ssnet	0.14 298	0.07 113	0.13 204	0.18 286	0.09 223	0.16 321	0.18 353	0.24 302	0.24 310	0.19 345	0.24 325	0.15 255	0.16 347	0.16 297	0.15 327	0.08 293	0.07 364	0.07 191	0.08 331	0.08 310	0.07 260

IER	0.14 298	0.08 224	0.13 204	0.17 205	0.09 223	0.14 267	0.16 280	0.26 335	0.27 359	0.18 330	0.26 365	0.17 292	0.20 414	0.17 336	0.14 293	0.08 293	0.05 153	0.07 191	0.06 176	0.08 310	0.07 260

CRFU-Net	0.16 366	0.08 224	0.15 284	0.17 205	0.09 223	0.20 400	0.14 152	0.27 349	0.21 268	0.28 456	0.28 392	0.29 430	0.18 384	0.19 378	0.18 376	0.09 346	0.09 419	0.07 191	0.07 265	0.08 310	0.09 373

test_5	0.14 298	0.12 401	0.08 18	0.20 392	0.10 328	0.14 267	0.28 493	0.21 238	0.24 310	0.19 345	0.28 392	0.11 167	0.15 326	0.12 175	0.13 257	0.06 108	0.05 153	0.07 191	0.08 331	0.08 310	0.07 260

CSP-Net	0.16 366	0.09 294	0.14 248	0.17 205	0.09 223	0.19 381	0.18 353	0.25 322	0.33 408	0.26 437	0.31 417	0.25 397	0.16 347	0.21 413	0.19 390	0.09 346	0.06 296	0.07 191	0.07 265	0.08 310	0.08 329

dd	0.15 339	0.17 468	0.17 348	0.19 344	0.09 223	0.15 293	0.18 353	0.22 261	0.26 347	0.23 409	0.20 277	0.21 342	0.10 181	0.21 413	0.17 363	0.10 383	0.06 296	0.08 268	0.06 176	0.08 310	0.07 260

PSMNet-ADL	0.15 339	0.12 401	0.13 204	0.22 442	0.09 223	0.13 228	0.20 413	0.26 335	0.23 300	0.18 330	0.20 277	0.23 376	0.17 371	0.18 353	0.18 376	0.09 346	0.08 395	0.08 268	0.11 437	0.08 310	0.07 260

Patchmatch Stereo++	0.11 170	0.09 294	0.17 348	0.19 344	0.08 123	0.06 7	0.11 44	0.17 154	0.13 109	0.15 257	0.16 211	0.14 230	0.12 242	0.11 99	0.11 165	0.06 108	0.05 153	0.08 268	0.06 176	0.08 310	0.07 260
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
PSM-adaLoss	0.11 170	0.09 294	0.17 348	0.19 344	0.08 123	0.06 7	0.12 67	0.17 154	0.13 109	0.15 257	0.16 211	0.14 230	0.12 242	0.11 99	0.11 165	0.06 108	0.05 153	0.08 268	0.06 176	0.08 310	0.07 260

ROB_FTStereo_v2	0.11 170	0.09 294	0.17 348	0.19 344	0.08 123	0.06 7	0.12 67	0.17 154	0.13 109	0.15 257	0.16 211	0.14 230	0.12 242	0.11 99	0.11 165	0.06 108	0.05 153	0.08 268	0.06 176	0.08 310	0.07 260

ROB_FTStereo	0.11 170	0.09 294	0.17 348	0.19 344	0.08 123	0.06 7	0.11 44	0.17 154	0.13 109	0.15 257	0.16 211	0.14 230	0.12 242	0.11 99	0.11 165	0.06 108	0.05 153	0.08 268	0.06 176	0.08 310	0.07 260

HUI-Stereo	0.11 170	0.09 294	0.17 348	0.19 344	0.08 123	0.06 7	0.11 44	0.17 154	0.13 109	0.15 257	0.16 211	0.14 230	0.12 242	0.11 99	0.11 165	0.06 108	0.05 153	0.08 268	0.06 176	0.08 310	0.07 260

iGMRVC	0.11 170	0.09 294	0.17 348	0.19 344	0.08 123	0.06 7	0.12 67	0.17 154	0.13 109	0.15 257	0.16 211	0.14 230	0.12 242	0.11 99	0.11 165	0.06 108	0.05 153	0.08 268	0.06 176	0.08 310	0.07 260

iRAFT	0.11 170	0.09 294	0.17 348	0.19 344	0.08 123	0.06 7	0.11 44	0.17 154	0.13 109	0.15 257	0.16 211	0.14 230	0.12 242	0.11 99	0.11 165	0.06 108	0.05 153	0.08 268	0.06 176	0.08 310	0.07 260

CRE-IMP	0.11 170	0.09 294	0.16 325	0.19 344	0.09 223	0.10 119	0.12 67	0.18 181	0.10 29	0.14 233	0.14 181	0.14 230	0.13 273	0.12 175	0.12 222	0.07 234	0.04 20	0.08 268	0.06 176	0.08 310	0.08 329

RAFT-IKP	0.11 170	0.09 294	0.17 348	0.19 344	0.08 123	0.06 7	0.11 44	0.17 154	0.13 109	0.15 257	0.16 211	0.14 230	0.12 242	0.11 99	0.11 165	0.06 108	0.05 153	0.08 268	0.06 176	0.08 310	0.07 260

Anonymous3	0.16 366	0.14 444	0.34 483	0.26 487	0.14 450	0.27 469	0.18 353	0.28 373	0.28 375	0.15 257	0.17 230	0.14 230	0.11 211	0.16 297	0.12 222	0.08 293	0.08 395	0.08 268	0.08 331	0.08 310	0.11 422

RALCasStereoNet	0.11 170	0.07 113	0.09 61	0.16 130	0.08 123	0.13 228	0.14 152	0.17 154	0.11 52	0.12 181	0.17 230	0.14 230	0.10 181	0.12 175	0.11 165	0.07 234	0.06 296	0.06 97	0.05 104	0.08 310	0.07 260

ADLNet	0.16 366	0.08 224	0.15 284	0.16 130	0.10 328	0.16 321	0.17 306	0.33 436	0.27 359	0.23 409	0.27 382	0.24 385	0.16 347	0.18 353	0.21 413	0.10 383	0.06 296	0.10 395	0.10 408	0.08 310	0.09 373

GES	0.14 298	0.08 224	0.16 325	0.15 63	0.10 328	0.13 228	0.13 104	0.28 373	0.26 347	0.17 298	0.24 325	0.19 316	0.14 305	0.16 297	0.14 293	0.08 293	0.08 395	0.07 191	0.06 176	0.08 310	0.09 373

222	0.16 366	0.07 113	0.15 284	0.14 26	0.08 123	0.25 451	0.18 353	0.30 401	0.21 268	0.18 330	0.29 407	0.17 292	0.16 347	0.16 297	0.44 525	0.10 383	0.05 153	0.07 191	0.06 176	0.08 310	0.08 329

xxxx	0.15 339	0.07 113	0.14 248	0.14 26	0.08 123	0.24 443	0.18 353	0.32 422	0.20 254	0.14 233	0.28 392	0.22 360	0.14 305	0.15 270	0.29 486	0.09 346	0.05 153	0.07 191	0.07 265	0.08 310	0.08 329

MMNet	0.17 388	0.10 359	0.17 348	0.20 392	0.11 380	0.27 469	0.20 413	0.26 335	0.42 465	0.22 395	0.30 413	0.22 360	0.20 414	0.18 353	0.20 400	0.06 108	0.06 296	0.07 191	0.07 265	0.08 310	0.07 260

psm_up	0.19 414	0.10 359	0.18 380	0.21 422	0.11 380	0.17 344	0.19 395	0.38 483	0.34 419	0.22 395	0.28 392	0.29 430	0.25 449	0.20 396	0.22 426	0.09 346	0.10 441	0.11 425	0.11 437	0.08 310	0.08 329

UNet	0.17 388	0.09 294	0.18 380	0.19 344	0.12 409	0.28 479	0.19 395	0.33 436	0.30 388	0.21 381	0.25 352	0.23 376	0.19 402	0.20 396	0.19 390	0.07 234	0.06 296	0.08 268	0.07 265	0.08 310	0.07 260

UPFNet	0.16 366	0.08 224	0.12 172	0.20 392	0.12 409	0.20 400	0.23 450	0.28 373	0.26 347	0.18 330	0.24 325	0.22 360	0.20 414	0.19 378	0.22 426	0.09 346	0.07 364	0.08 268	0.09 374	0.08 310	0.06 184

FENet	0.13 268	0.08 224	0.13 204	0.16 130	0.08 123	0.15 293	0.16 280	0.23 279	0.23 300	0.17 298	0.24 325	0.16 275	0.13 273	0.14 252	0.15 327	0.08 293	0.05 153	0.08 268	0.08 331	0.08 310	0.08 329

ACVNet	0.15 339	0.09 294	0.15 284	0.13 8	0.12 409	0.14 267	0.20 413	0.22 261	0.34 419	0.17 298	0.26 365	0.21 342	0.17 371	0.18 353	0.21 413	0.07 234	0.06 296	0.06 97	0.06 176	0.08 310	0.06 184

acv_ft	0.15 339	0.09 294	0.16 325	0.19 344	0.10 328	0.16 321	0.17 306	0.25 322	0.34 419	0.19 345	0.26 365	0.21 342	0.17 371	0.18 353	0.19 390	0.07 234	0.06 296	0.06 97	0.06 176	0.08 310	0.06 184

GANet-RSSM	0.14 298	0.07 113	0.13 204	0.13 8	0.08 123	0.14 267	0.18 353	0.23 279	0.21 268	0.17 298	0.25 352	0.24 385	0.16 347	0.16 297	0.16 346	0.10 383	0.06 296	0.07 191	0.08 331	0.08 310	0.07 260

PSMNet-RSSM	0.14 298	0.07 113	0.14 248	0.15 63	0.08 123	0.13 228	0.16 280	0.25 322	0.24 310	0.17 298	0.28 392	0.23 376	0.14 305	0.16 297	0.14 293	0.11 414	0.06 296	0.09 350	0.12 457	0.08 310	0.07 260

DSFCA	0.16 366	0.09 294	0.14 248	0.16 130	0.10 328	0.21 411	0.19 395	0.28 373	0.31 397	0.23 409	0.25 352	0.22 360	0.16 347	0.20 396	0.20 400	0.10 383	0.07 364	0.09 350	0.09 374	0.08 310	0.08 329

ADCRef	0.20 423	0.12 401	0.43 501	0.20 392	0.12 409	0.23 437	0.18 353	0.32 422	0.37 442	0.26 437	0.33 432	0.18 307	0.23 435	0.25 453	0.26 467	0.07 234	0.06 296	0.09 350	0.09 374	0.08 310	0.09 373

TDLM	0.18 403	0.12 401	0.14 248	0.24 471	0.10 328	0.18 360	0.18 353	0.37 476	0.30 388	0.22 395	0.28 392	0.28 423	0.18 384	0.23 437	0.19 390	0.11 414	0.07 364	0.10 395	0.10 408	0.08 310	0.08 329

CFNet	0.15 339	0.11 383	0.17 348	0.17 205	0.08 123	0.19 381	0.10 25	0.29 391	0.26 347	0.19 345	0.24 325	0.24 385	0.18 384	0.18 353	0.15 327	0.08 293	0.06 296	0.09 350	0.10 408	0.08 310	0.07 260

NaN_ROB	0.23 457	0.20 488	0.25 443	0.25 478	0.13 434	0.31 486	0.27 487	0.34 450	0.41 463	0.31 475	0.31 417	0.32 457	0.23 435	0.31 481	0.22 426	0.11 414	0.17 502	0.10 395	0.11 437	0.08 310	0.09 373

iResNet_ROB	0.14 298	0.07 113	0.13 204	0.15 63	0.07 62	0.19 381	0.14 152	0.26 335	0.32 403	0.23 409	0.26 365	0.23 376	0.16 347	0.15 270	0.14 293	0.07 234	0.05 153	0.05 23	0.04 31	0.08 310	0.08 329

LE_ROB	0.50 527	0.07 113	0.14 248	0.15 63	0.08 123	0.26 461	0.17 306	0.23 279	1.71 558	4.68 562	0.67 522	0.46 509	0.47 520	0.21 413	0.30 491	0.07 234	0.06 296	0.06 97	0.06 176	0.08 310	0.06 184

DN-CSS_ROB	0.13 268	0.13 429	0.17 348	0.18 286	0.10 328	0.16 321	0.08 7	0.22 261	0.19 233	0.17 298	0.23 313	0.13 211	0.13 273	0.13 225	0.14 293	0.05 24	0.05 153	0.10 395	0.10 408	0.08 310	0.06 184

coex_refinement	0.14 298	0.07 113	0.12 172	0.17 205	0.10 328	0.16 321	0.15 221	0.27 349	0.29 382	0.18 330	0.21 294	0.22 360	0.17 371	0.16 297	0.19 390	0.08 293	0.05 153	0.06 97	0.06 176	0.09 371	0.08 329

YMNet	0.20 423	0.12 401	0.20 407	0.21 422	0.14 450	0.27 469	0.23 450	0.32 422	0.34 419	0.28 456	0.35 446	0.30 437	0.18 384	0.18 353	0.22 426	0.11 414	0.13 479	0.10 395	0.10 408	0.09 371	0.09 373

YMNet_1	0.20 423	0.12 401	0.20 407	0.21 422	0.14 450	0.27 469	0.23 450	0.32 422	0.34 419	0.28 456	0.35 446	0.30 437	0.18 384	0.18 353	0.22 426	0.11 414	0.13 479	0.10 395	0.10 408	0.09 371	0.09 373

rvit_0105_6	0.14 298	0.09 294	0.18 380	0.17 205	0.10 328	0.10 119	0.17 306	0.19 208	0.26 347	0.12 181	0.18 253	0.17 292	0.13 273	0.18 353	0.13 257	0.15 480	0.11 453	0.12 444	0.10 408	0.09 371	0.06 184

rvit_0105_4	0.15 339	0.09 294	0.17 348	0.17 205	0.10 328	0.12 199	0.20 413	0.23 279	0.27 359	0.14 233	0.20 277	0.17 292	0.14 305	0.17 336	0.13 257	0.15 480	0.11 453	0.11 425	0.10 408	0.09 371	0.06 184

test_sample5	0.14 298	0.08 224	0.14 248	0.16 130	0.08 123	0.18 360	0.18 353	0.25 322	0.17 198	0.17 298	0.28 392	0.18 307	0.15 326	0.16 297	0.13 257	0.08 293	0.06 296	0.08 268	0.07 265	0.09 371	0.08 329

test_sample4	0.14 298	0.08 224	0.15 284	0.15 63	0.08 123	0.19 381	0.18 353	0.26 335	0.18 212	0.17 298	0.26 365	0.18 307	0.15 326	0.17 336	0.13 257	0.08 293	0.06 296	0.08 268	0.06 176	0.09 371	0.08 329

test_sample3	0.14 298	0.08 224	0.15 284	0.14 26	0.09 223	0.20 400	0.17 306	0.27 349	0.18 212	0.17 298	0.22 309	0.19 316	0.15 326	0.17 336	0.14 293	0.09 346	0.06 296	0.07 191	0.06 176	0.09 371	0.08 329

DualNet	0.14 298	0.08 224	0.14 248	0.16 130	0.08 123	0.18 360	0.18 353	0.25 322	0.17 198	0.18 330	0.28 392	0.18 307	0.15 326	0.16 297	0.13 257	0.08 293	0.06 296	0.08 268	0.07 265	0.09 371	0.08 329

ttt	0.14 298	0.08 224	0.14 248	0.15 63	0.08 123	0.15 293	0.18 353	0.27 349	0.30 388	0.16 286	0.24 325	0.17 292	0.14 305	0.13 225	0.14 293	0.11 414	0.08 395	0.09 350	0.08 331	0.09 371	0.09 373

CFNet_ucs	0.15 339	0.09 294	0.17 348	0.16 130	0.11 380	0.14 267	0.14 152	0.30 401	0.34 419	0.16 286	0.24 325	0.23 376	0.14 305	0.18 353	0.15 327	0.09 346	0.06 296	0.08 268	0.07 265	0.09 371	0.09 373

iinet-f	0.17 388	0.07 113	0.46 503	0.14 26	0.10 328	0.21 411	0.14 152	0.27 349	0.23 300	0.22 395	0.25 352	0.21 342	0.16 347	0.18 353	0.22 426	0.09 346	0.07 364	0.07 191	0.06 176	0.09 371	0.10 400

CASS	0.14 298	0.12 401	0.12 172	0.23 461	0.09 223	0.15 293	0.17 306	0.19 208	0.20 254	0.17 298	0.18 253	0.15 255	0.15 326	0.15 270	0.14 293	0.09 346	0.06 296	0.10 395	0.08 331	0.09 371	0.07 260
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
ToySt	0.17 388	0.11 383	0.19 403	0.17 205	0.11 380	0.16 321	0.26 482	0.24 302	0.33 408	0.19 345	0.24 325	0.26 407	0.24 442	0.19 378	0.21 413	0.07 234	0.08 395	0.09 350	0.10 408	0.09 371	0.08 329

AASNet	0.16 366	0.08 224	0.13 204	0.19 344	0.09 223	0.19 381	0.15 221	0.38 483	0.37 442	0.20 366	0.24 325	0.20 333	0.17 371	0.17 336	0.21 413	0.10 383	0.08 395	0.08 268	0.07 265	0.09 371	0.09 373

ADLNet2	0.16 366	0.09 294	0.14 248	0.17 205	0.09 223	0.20 400	0.16 280	0.32 422	0.39 452	0.17 298	0.20 277	0.20 333	0.19 402	0.21 413	0.23 437	0.08 293	0.07 364	0.07 191	0.07 265	0.09 371	0.07 260

GEStereo_RVC	0.17 388	0.12 401	0.16 325	0.22 442	0.11 380	0.19 381	0.18 353	0.32 422	0.49 490	0.20 366	0.25 352	0.17 292	0.13 273	0.21 413	0.16 346	0.10 383	0.06 296	0.08 268	0.07 265	0.09 371	0.08 329

TestStereo	0.14 298	0.15 450	0.11 134	0.23 461	0.08 123	0.15 293	0.21 429	0.20 221	0.23 300	0.14 233	0.25 352	0.16 275	0.13 273	0.16 297	0.14 293	0.06 108	0.06 296	0.08 268	0.06 176	0.09 371	0.05 108

HCRNet	0.16 366	0.23 499	0.12 172	0.35 518	0.11 380	0.15 293	0.17 306	0.26 335	0.22 290	0.19 345	0.24 325	0.21 342	0.14 305	0.15 270	0.13 257	0.11 414	0.07 364	0.11 425	0.10 408	0.09 371	0.07 260

Syn2CoEx	0.22 444	0.16 458	0.29 465	0.29 508	0.15 465	0.26 461	0.21 429	0.34 450	0.32 403	0.29 465	0.36 451	0.28 423	0.25 449	0.20 396	0.25 456	0.16 497	0.12 467	0.14 471	0.11 437	0.09 371	0.08 329

GwcNet	0.20 423	0.14 444	0.20 407	0.18 286	0.12 409	0.25 451	0.20 413	0.36 469	0.45 479	0.20 366	0.33 432	0.33 463	0.21 422	0.22 430	0.25 456	0.11 414	0.09 419	0.09 350	0.09 374	0.09 371	0.10 400

HGLStereo	0.17 388	0.09 294	0.19 403	0.17 205	0.12 409	0.18 360	0.18 353	0.31 417	0.33 408	0.22 395	0.33 432	0.24 385	0.18 384	0.20 396	0.21 413	0.10 383	0.09 419	0.07 191	0.07 265	0.09 371	0.10 400

CFNet-ft	0.14 298	0.07 113	0.15 284	0.12 4	0.09 223	0.17 344	0.18 353	0.22 261	0.24 310	0.17 298	0.26 365	0.24 385	0.14 305	0.16 297	0.15 327	0.11 414	0.06 296	0.08 268	0.09 374	0.09 371	0.08 329

DMCA	0.14 298	0.09 294	0.17 348	0.19 344	0.09 223	0.15 293	0.17 306	0.23 279	0.28 375	0.14 233	0.20 277	0.17 292	0.18 384	0.15 270	0.17 363	0.10 383	0.06 296	0.08 268	0.06 176	0.09 371	0.10 400

FADNet-RVC-Resample	0.17 388	0.12 401	0.32 478	0.22 442	0.12 409	0.19 381	0.14 152	0.25 322	0.24 310	0.24 421	0.27 382	0.20 333	0.15 326	0.17 336	0.16 346	0.07 234	0.08 395	0.12 444	0.10 408	0.09 371	0.11 422

STTStereo	0.18 403	0.13 429	0.28 456	0.20 392	0.11 380	0.16 321	0.21 429	0.29 391	0.23 300	0.22 395	0.30 413	0.29 430	0.18 384	0.20 396	0.20 400	0.12 440	0.11 453	0.11 425	0.14 473	0.09 371	0.08 329

PA-Net	0.24 467	0.18 481	0.34 483	0.28 501	0.22 510	0.22 424	0.39 528	0.29 391	0.39 452	0.22 395	0.33 432	0.25 397	0.26 456	0.21 413	0.25 456	0.10 383	0.23 522	0.15 482	0.22 510	0.09 371	0.13 452
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
CFNet_RVC	0.14 298	0.07 113	0.15 284	0.12 4	0.09 223	0.17 344	0.18 353	0.22 261	0.24 310	0.17 298	0.26 365	0.24 385	0.14 305	0.16 297	0.15 327	0.11 414	0.06 296	0.08 268	0.09 374	0.09 371	0.08 329

CVANet_RVC	0.18 403	0.11 383	0.14 248	0.21 422	0.11 380	0.19 381	0.18 353	0.34 450	0.34 419	0.22 395	0.31 417	0.28 423	0.18 384	0.24 448	0.18 376	0.12 440	0.08 395	0.12 444	0.12 457	0.09 371	0.08 329

AdaStereo	0.15 339	0.11 383	0.16 325	0.19 344	0.09 223	0.21 411	0.11 44	0.33 436	0.28 375	0.21 381	0.23 313	0.21 342	0.13 273	0.19 378	0.15 327	0.13 457	0.05 153	0.10 395	0.07 265	0.09 371	0.07 260
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.
iResNetv2_ROB	0.15 339	0.08 224	0.16 325	0.16 130	0.08 123	0.16 321	0.13 104	0.26 335	0.36 437	0.21 381	0.29 407	0.24 385	0.13 273	0.14 252	0.14 293	0.06 108	0.06 296	0.06 97	0.04 31	0.09 371	0.08 329

DRN-Test	0.20 423	0.11 383	0.21 417	0.22 442	0.10 328	0.22 424	0.22 440	0.40 491	0.38 448	0.24 421	0.33 432	0.26 407	0.22 429	0.22 430	0.25 456	0.11 414	0.07 364	0.11 425	0.10 408	0.09 371	0.08 329

StereoDRNet	0.19 414	0.11 383	0.18 380	0.22 442	0.11 380	0.22 424	0.22 440	0.37 476	0.34 419	0.24 421	0.28 392	0.30 437	0.19 402	0.20 396	0.21 413	0.10 383	0.08 395	0.11 425	0.09 374	0.09 371	0.07 260

DISCO	0.20 423	0.09 294	0.22 426	0.17 205	0.10 328	0.25 451	0.18 353	0.28 373	0.45 479	0.23 409	0.32 426	0.34 467	0.26 456	0.29 474	0.29 486	0.08 293	0.06 296	0.07 191	0.07 265	0.09 371	0.10 400

S2M2	0.09 72	0.08 224	0.11 134	0.13 8	0.10 328	0.08 46	0.06 1	0.10 14	0.10 29	0.10 115	0.10 109	0.09 116	0.09 159	0.11 99	0.11 165	0.13 457	0.07 364	0.08 268	0.09 374	0.10 405	0.08 329

FACV-RUCA	0.13 268	0.11 383	0.13 204	0.19 344	0.12 409	0.15 293	0.16 280	0.22 261	0.21 268	0.16 286	0.16 211	0.15 255	0.16 347	0.14 252	0.13 257	0.07 234	0.05 153	0.08 268	0.06 176	0.10 405	0.08 329

DCVSM-stereo	0.15 339	0.09 294	0.16 325	0.16 130	0.10 328	0.15 293	0.09 17	0.20 221	0.24 310	0.20 366	0.24 325	0.26 407	0.15 326	0.19 378	0.14 293	0.09 346	0.07 364	0.09 350	0.08 331	0.10 405	0.12 441

rvit_stereo_0075_2	0.17 388	0.12 401	0.25 443	0.23 461	0.16 477	0.13 228	0.10 25	0.30 401	0.27 359	0.20 366	0.28 392	0.22 360	0.15 326	0.18 353	0.13 257	0.16 497	0.10 441	0.17 491	0.10 408	0.10 405	0.10 400

HBP-ISP	0.18 403	0.13 429	0.17 348	0.15 63	0.11 380	0.08 46	0.13 104	0.28 373	0.30 388	0.22 395	0.33 432	0.21 342	0.25 449	0.23 437	0.18 376	0.15 480	0.17 502	0.21 505	0.17 499	0.10 405	0.09 373

Wz-Net-LNSev-Ref	0.18 403	0.09 294	0.30 471	0.15 63	0.11 380	0.23 437	0.20 413	0.27 349	0.40 456	0.26 437	0.43 491	0.25 397	0.15 326	0.21 413	0.20 400	0.07 234	0.05 153	0.06 97	0.05 104	0.10 405	0.09 373

NINENet	0.16 366	0.10 359	0.16 325	0.17 205	0.11 380	0.20 400	0.14 152	0.41 496	0.37 442	0.18 330	0.21 294	0.16 275	0.14 305	0.16 297	0.14 293	0.08 293	0.08 395	0.10 395	0.07 265	0.10 405	0.09 373

AACVNet	0.16 366	0.08 224	0.15 284	0.15 63	0.10 328	0.18 360	0.15 221	0.24 302	0.25 334	0.27 444	0.27 382	0.28 423	0.18 384	0.19 378	0.17 363	0.09 346	0.07 364	0.09 350	0.07 265	0.10 405	0.09 373

LMCR-Stereo	0.15 339	0.08 224	0.14 248	0.21 422	0.09 223	0.18 360	0.19 395	0.28 373	0.19 233	0.24 421	0.24 325	0.23 376	0.17 371	0.20 396	0.17 363	0.07 234	0.06 296	0.08 268	0.06 176	0.10 405	0.09 373

aanetorigin	0.22 444	0.17 468	0.57 515	0.18 286	0.10 328	0.16 321	0.19 395	0.20 221	0.33 408	0.49 517	0.48 500	0.30 437	0.28 471	0.21 413	0.24 449	0.08 293	0.07 364	0.08 268	0.07 265	0.10 405	0.09 373

DMCA-RVC	0.17 388	0.10 359	0.16 325	0.24 471	0.11 380	0.19 381	0.18 353	0.26 335	0.24 310	0.21 381	0.27 382	0.25 397	0.27 462	0.18 353	0.21 413	0.12 440	0.08 395	0.13 458	0.10 408	0.10 405	0.08 329

Nwc_Net	0.23 457	0.17 468	0.22 426	0.25 478	0.15 465	0.25 451	0.27 487	0.38 483	0.39 452	0.22 395	0.41 481	0.30 437	0.29 474	0.28 467	0.25 456	0.11 414	0.10 441	0.17 491	0.20 505	0.10 405	0.11 422

ADCL	0.25 473	0.12 401	0.49 508	0.22 442	0.12 409	0.36 502	0.29 504	0.30 401	0.57 509	0.24 421	0.47 499	0.30 437	0.31 490	0.30 480	0.30 491	0.09 346	0.07 364	0.09 350	0.09 374	0.10 405	0.10 400

ADCP+	0.20 423	0.10 359	0.35 489	0.21 422	0.12 409	0.22 424	0.27 487	0.31 417	0.35 432	0.26 437	0.37 454	0.22 360	0.22 429	0.27 459	0.28 479	0.09 346	0.06 296	0.08 268	0.08 331	0.10 405	0.10 400

GANet	0.22 444	0.13 429	0.21 417	0.25 478	0.14 450	0.23 437	0.22 440	0.42 501	0.27 359	0.31 475	0.43 491	0.37 477	0.29 474	0.23 437	0.23 437	0.10 383	0.12 467	0.10 395	0.09 374	0.10 405	0.08 329

PS-NSSS	0.20 423	0.21 493	0.23 434	0.20 392	0.10 328	0.19 381	0.17 306	0.36 469	0.26 347	0.27 444	0.34 442	0.27 413	0.24 442	0.20 396	0.20 400	0.15 480	0.12 467	0.17 491	0.14 473	0.10 405	0.09 373

MDST_ROB	0.22 444	0.10 359	0.18 380	0.18 286	0.11 380	0.40 512	0.19 395	0.44 511	0.42 465	0.40 500	0.40 471	0.29 430	0.21 422	0.27 459	0.19 390	0.11 414	0.10 441	0.14 471	0.11 437	0.10 405	0.08 329

CBMV_ROB	0.19 414	0.13 429	0.18 380	0.16 130	0.11 380	0.16 321	0.12 67	0.27 349	0.29 382	0.27 444	0.31 417	0.27 413	0.24 442	0.24 448	0.16 346	0.15 480	0.18 504	0.22 509	0.20 505	0.10 405	0.12 441

PSMNet_ROB	0.22 444	0.12 401	0.15 284	0.27 495	0.15 465	0.25 451	0.36 523	0.43 507	0.37 442	0.27 444	0.33 432	0.32 457	0.23 435	0.21 413	0.27 472	0.12 440	0.08 395	0.13 458	0.11 437	0.10 405	0.09 373

CBMV	0.20 423	0.15 450	0.18 380	0.18 286	0.10 328	0.20 400	0.11 44	0.30 401	0.31 397	0.29 465	0.31 417	0.31 451	0.23 435	0.28 467	0.19 390	0.13 457	0.15 493	0.17 491	0.16 492	0.10 405	0.10 400
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
DDVS	0.16 366	0.10 359	0.22 426	0.16 130	0.12 409	0.15 293	0.14 152	0.25 322	0.19 233	0.18 330	0.30 413	0.27 413	0.13 273	0.20 396	0.16 346	0.09 346	0.06 296	0.09 350	0.07 265	0.11 425	0.11 422

test_sample7	0.16 366	0.10 359	0.16 325	0.14 26	0.12 409	0.16 321	0.17 306	0.28 373	0.24 310	0.21 381	0.21 294	0.24 385	0.20 414	0.16 297	0.16 346	0.12 440	0.06 296	0.10 395	0.09 374	0.11 425	0.10 400

Wz-Net-SNSev	0.26 483	0.17 468	0.46 503	0.25 478	0.14 450	0.26 461	0.24 460	0.38 483	0.57 509	0.30 470	0.56 510	0.39 488	0.26 456	0.24 448	0.32 501	0.10 383	0.09 419	0.10 395	0.11 437	0.11 425	0.11 422

dad	0.18 403	0.20 488	0.21 417	0.17 205	0.11 380	0.20 400	0.19 395	0.21 238	0.28 375	0.30 470	0.24 325	0.30 437	0.13 273	0.19 378	0.17 363	0.18 503	0.09 419	0.11 425	0.09 374	0.11 425	0.07 260

pcwnet_v2	0.19 414	0.11 383	0.26 451	0.18 286	0.14 450	0.18 360	0.15 221	0.37 476	0.46 486	0.19 345	0.24 325	0.21 342	0.19 402	0.21 413	0.20 400	0.13 457	0.10 441	0.10 395	0.10 408	0.11 425	0.13 452

EDNetEfficient	0.30 497	0.24 502	1.18 547	0.18 286	0.10 328	0.20 400	0.20 413	0.21 238	0.61 516	0.74 534	0.56 510	0.30 437	0.40 509	0.23 437	0.32 501	0.09 346	0.07 364	0.08 268	0.07 265	0.11 425	0.10 400

FAT-Stereo	0.21 436	0.13 429	0.22 426	0.21 422	0.12 409	0.18 360	0.18 353	0.35 464	0.40 456	0.28 456	0.37 454	0.33 463	0.33 494	0.21 413	0.20 400	0.09 346	0.11 453	0.10 395	0.09 374	0.11 425	0.14 468

FADNet_RVC	0.17 388	0.14 444	0.41 497	0.20 392	0.11 380	0.13 228	0.13 104	0.27 349	0.22 290	0.21 381	0.23 313	0.20 333	0.18 384	0.15 270	0.17 363	0.08 293	0.08 395	0.12 444	0.09 374	0.11 425	0.10 400

AF-Net	0.23 457	0.17 468	0.17 348	0.27 495	0.13 434	0.26 461	0.24 460	0.33 436	0.51 496	0.25 434	0.33 432	0.39 488	0.27 462	0.28 467	0.26 467	0.11 414	0.10 441	0.16 489	0.12 457	0.11 425	0.11 422

UCFNet_RVC	0.15 339	0.08 224	0.13 204	0.11 1	0.10 328	0.20 400	0.10 25	0.24 302	0.23 300	0.17 298	0.21 294	0.24 385	0.15 326	0.18 353	0.15 327	0.12 440	0.07 364	0.11 425	0.13 468	0.11 425	0.10 400

DeepPruner_ROB	0.16 366	0.11 383	0.16 325	0.17 205	0.10 328	0.17 344	0.15 221	0.32 422	0.21 268	0.19 345	0.21 294	0.22 360	0.19 402	0.21 413	0.16 346	0.13 457	0.09 419	0.09 350	0.10 408	0.11 425	0.11 422

PWC_ROB	0.21 436	0.16 458	0.27 453	0.18 286	0.11 380	0.22 424	0.13 104	0.33 436	0.49 490	0.30 470	0.40 471	0.32 457	0.25 449	0.31 481	0.23 437	0.10 383	0.07 364	0.11 425	0.08 331	0.11 425	0.10 400

PWCDC_ROB	0.21 436	0.13 429	0.23 434	0.25 478	0.12 409	0.20 400	0.15 221	0.34 450	0.55 506	0.29 465	0.49 501	0.21 342	0.15 326	0.28 467	0.20 400	0.11 414	0.09 419	0.10 395	0.08 331	0.11 425	0.09 373

SGM_RVC	0.24 467	0.12 401	0.16 325	0.15 63	0.09 223	0.34 494	0.19 395	0.35 464	0.32 403	0.44 511	0.38 461	0.53 519	0.36 501	0.36 500	0.26 467	0.13 457	0.13 479	0.13 458	0.13 468	0.11 425	0.11 422
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
MeshStereo	0.27 488	0.13 429	0.18 380	0.15 63	0.11 380	0.33 490	0.24 460	0.41 496	0.36 437	0.53 520	0.58 517	0.67 529	0.41 510	0.36 500	0.27 472	0.14 476	0.13 479	0.13 458	0.11 437	0.11 425	0.11 422
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
GMStereo_Zeroshot	0.16 366	0.13 429	0.25 443	0.20 392	0.10 328	0.17 344	0.13 104	0.30 401	0.25 334	0.23 409	0.32 426	0.25 397	0.11 211	0.19 378	0.14 293	0.09 346	0.06 296	0.11 425	0.06 176	0.12 440	0.08 329

Wz-Net-LNSev	0.22 444	0.16 458	0.41 497	0.22 442	0.13 434	0.25 451	0.24 460	0.33 436	0.44 475	0.30 470	0.42 488	0.32 457	0.19 402	0.23 437	0.27 472	0.10 383	0.09 419	0.08 268	0.08 331	0.12 440	0.11 422

Wz-Net-MNSev	0.23 457	0.13 429	0.33 480	0.20 392	0.15 465	0.36 502	0.25 476	0.34 450	0.45 479	0.29 465	0.41 481	0.39 488	0.19 402	0.25 453	0.27 472	0.09 346	0.07 364	0.09 350	0.09 374	0.12 440	0.10 400

SACVNet	0.19 414	0.12 401	0.15 284	0.17 205	0.13 434	0.22 424	0.18 353	0.31 417	0.31 397	0.24 421	0.31 417	0.30 437	0.23 435	0.23 437	0.17 363	0.11 414	0.08 395	0.10 395	0.10 408	0.12 440	0.14 468

APVNet	0.23 457	0.12 401	0.20 407	0.18 286	0.14 450	0.32 488	0.31 512	0.40 491	0.33 408	0.27 444	0.40 471	0.30 437	0.29 474	0.27 459	0.25 456	0.11 414	0.12 467	0.11 425	0.14 473	0.12 440	0.13 452

psmorigin	0.25 473	0.16 458	0.35 489	0.17 205	0.13 434	0.24 443	0.14 152	0.34 450	0.34 419	0.41 504	0.55 509	0.41 497	0.38 504	0.35 496	0.28 479	0.11 414	0.15 493	0.11 425	0.11 437	0.12 440	0.17 500

EDNetEfficientorigin	7.92 565	0.32 520	152.98 580	0.20 392	0.10 328	0.22 424	0.17 306	0.23 279	0.60 515	0.73 532	0.67 522	0.41 497	0.51 525	0.24 448	0.41 519	0.08 293	0.07 364	0.09 350	0.07 265	0.12 440	0.11 422

hitnet-ft	0.18 403	0.10 359	0.17 348	0.14 26	0.09 223	0.27 469	0.20 413	0.25 322	0.26 347	0.24 421	0.32 426	0.32 457	0.23 435	0.24 448	0.21 413	0.12 440	0.07 364	0.10 395	0.08 331	0.12 440	0.11 422

SuperB	0.20 423	0.10 359	0.57 515	0.16 130	0.09 223	0.19 381	0.18 353	0.25 322	0.51 496	0.27 444	0.39 468	0.17 292	0.22 429	0.22 430	0.21 413	0.08 293	0.06 296	0.06 97	0.06 176	0.12 440	0.11 422

edge stereo	0.23 457	0.14 444	0.21 417	0.21 422	0.13 434	0.24 443	0.16 280	0.32 422	0.42 465	0.32 482	0.40 471	0.39 488	0.35 498	0.25 453	0.25 456	0.13 457	0.11 453	0.14 471	0.11 437	0.12 440	0.14 468

DeepPrunerF	0.24 467	0.17 468	0.45 502	0.26 487	0.16 477	0.23 437	0.29 504	0.37 476	0.51 496	0.27 444	0.31 417	0.24 385	0.28 471	0.22 430	0.23 437	0.15 480	0.11 453	0.20 504	0.18 503	0.12 440	0.14 468

SGM-ForestM	0.33 504	0.12 401	0.17 348	0.16 130	0.11 380	0.42 514	0.20 413	0.43 507	0.53 505	0.53 520	0.57 514	1.41 551	0.44 519	0.42 519	0.29 486	0.14 476	0.16 498	0.16 489	0.16 492	0.12 440	0.13 452

FBW_ROB	0.25 473	0.17 468	0.23 434	0.27 495	0.14 450	0.26 461	0.22 440	0.42 501	0.43 473	0.42 506	0.41 481	0.43 501	0.27 462	0.32 485	0.24 449	0.09 346	0.15 493	0.15 482	0.12 457	0.12 440	0.10 400

TCMNet	0.19 414	0.12 401	0.20 407	0.21 422	0.18 498	0.21 411	0.24 460	0.28 373	0.36 437	0.23 409	0.26 365	0.25 397	0.20 414	0.20 396	0.23 437	0.13 457	0.11 453	0.11 425	0.12 457	0.13 453	0.12 441

FADNet-RVC	0.21 436	0.20 488	0.40 495	0.21 422	0.16 477	0.21 411	0.15 221	0.27 349	0.27 359	0.26 437	0.32 426	0.26 407	0.21 422	0.22 430	0.19 390	0.12 440	0.13 479	0.12 444	0.14 473	0.13 453	0.18 503

S-Stereo	0.21 436	0.12 401	0.25 443	0.21 422	0.13 434	0.21 411	0.19 395	0.33 436	0.45 479	0.23 409	0.36 451	0.28 423	0.29 474	0.20 396	0.23 437	0.09 346	0.12 467	0.10 395	0.10 408	0.13 453	0.14 468

MaskLacGwcNet_RVC	0.22 444	0.21 493	0.25 443	0.26 487	0.11 380	0.24 443	0.14 152	0.39 488	0.24 310	0.32 482	0.36 451	0.30 437	0.21 422	0.19 378	0.22 426	0.17 502	0.14 489	0.21 505	0.16 492	0.13 453	0.12 441

RP	0.22 444	0.13 429	0.22 426	0.23 461	0.12 409	0.21 411	0.20 413	0.26 335	0.45 479	0.22 395	0.38 461	0.37 477	0.25 449	0.28 467	0.25 456	0.11 414	0.12 467	0.13 458	0.12 457	0.13 453	0.14 468

NCC-stereo	0.25 473	0.15 450	0.31 474	0.26 487	0.17 489	0.21 411	0.31 512	0.41 496	0.40 456	0.24 421	0.38 461	0.33 463	0.29 474	0.37 504	0.28 479	0.13 457	0.11 453	0.15 482	0.22 510	0.13 453	0.13 452

Abc-Net	0.25 473	0.15 450	0.31 474	0.26 487	0.17 489	0.21 411	0.31 512	0.41 496	0.40 456	0.24 421	0.38 461	0.33 463	0.29 474	0.37 504	0.28 479	0.13 457	0.11 453	0.15 482	0.22 510	0.13 453	0.13 452
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
RTSC	0.23 457	0.13 429	0.30 471	0.21 422	0.13 434	0.29 481	0.17 306	0.36 469	0.68 524	0.27 444	0.34 442	0.30 437	0.22 429	0.32 485	0.31 496	0.10 383	0.08 395	0.09 350	0.10 408	0.13 453	0.14 468

ADCMid	0.26 483	0.15 450	0.42 499	0.20 392	0.14 450	0.25 451	0.26 482	0.35 464	0.40 456	0.37 494	0.45 495	0.34 467	0.42 514	0.36 500	0.36 508	0.10 383	0.09 419	0.11 425	0.11 437	0.13 453	0.13 452

DANet	0.21 436	0.16 458	0.29 465	0.25 478	0.13 434	0.23 437	0.19 395	0.28 373	0.27 359	0.28 456	0.32 426	0.35 472	0.32 492	0.31 481	0.24 449	0.11 414	0.09 419	0.11 425	0.10 408	0.13 453	0.11 422
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
NCCL2	0.24 467	0.15 450	0.18 380	0.34 516	0.18 498	0.24 443	0.24 460	0.34 450	0.29 382	0.31 475	0.38 461	0.38 483	0.29 474	0.23 437	0.25 456	0.15 480	0.12 467	0.18 500	0.21 507	0.13 453	0.13 452

SANet	0.25 473	0.14 444	0.29 465	0.21 422	0.11 380	0.29 481	0.25 476	0.40 491	0.65 523	0.36 490	0.40 471	0.42 499	0.27 462	0.27 459	0.25 456	0.12 440	0.09 419	0.10 395	0.09 374	0.13 453	0.12 441

NOSS_ROB	0.19 414	0.13 429	0.18 380	0.16 130	0.12 409	0.16 321	0.12 67	0.30 401	0.33 408	0.20 366	0.22 309	0.27 413	0.24 442	0.21 413	0.16 346	0.16 497	0.18 504	0.23 510	0.21 507	0.13 453	0.13 452

XPNet_ROB	0.22 444	0.12 401	0.20 407	0.22 442	0.13 434	0.22 424	0.19 395	0.35 464	0.40 456	0.30 470	0.40 471	0.38 483	0.27 462	0.26 457	0.29 486	0.15 480	0.10 441	0.10 395	0.10 408	0.13 453	0.12 441

LALA_ROB	0.25 473	0.16 458	0.23 434	0.27 495	0.17 489	0.27 469	0.27 487	0.42 501	0.38 448	0.33 486	0.39 468	0.51 515	0.26 456	0.29 474	0.28 479	0.16 497	0.09 419	0.13 458	0.12 457	0.13 453	0.13 452

SGM-Forest	0.20 423	0.14 444	0.18 380	0.20 392	0.13 434	0.21 411	0.22 440	0.33 436	0.31 397	0.24 421	0.29 407	0.28 423	0.20 414	0.23 437	0.18 376	0.15 480	0.16 498	0.15 482	0.14 473	0.13 453	0.12 441
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
ISRNet	0.18 403	0.08 224	0.20 407	0.19 344	0.13 434	0.15 293	0.12 67	0.30 401	0.33 408	0.21 381	0.26 365	0.27 413	0.18 384	0.17 336	0.20 400	0.20 511	0.08 395	0.14 471	0.14 473	0.14 469	0.17 500

coex-ft	3.24 558	0.35 523	57.83 579	0.18 286	0.13 434	0.27 469	0.23 450	0.28 373	0.72 529	1.89 560	0.70 526	0.43 501	0.47 520	0.29 474	0.43 522	0.09 346	0.09 419	0.12 444	0.09 374	0.14 469	0.14 468

WZ-Net	0.29 494	0.17 468	0.82 539	0.23 461	0.16 477	0.35 498	0.29 504	0.40 491	0.59 514	0.24 421	0.57 514	0.37 477	0.25 449	0.34 491	0.37 512	0.09 346	0.08 395	0.09 350	0.10 408	0.14 469	0.16 491

UDG	0.21 436	0.17 468	0.20 407	0.23 461	0.15 465	0.31 486	0.20 413	0.33 436	0.35 432	0.24 421	0.28 392	0.31 451	0.29 474	0.21 413	0.23 437	0.15 480	0.12 467	0.13 458	0.09 374	0.14 469	0.15 482

stereogan	0.22 444	0.11 383	0.21 417	0.20 392	0.12 409	0.32 488	0.19 395	0.36 469	0.45 479	0.23 409	0.39 468	0.35 472	0.27 462	0.33 488	0.23 437	0.10 383	0.12 467	0.10 395	0.10 408	0.14 469	0.14 468

AnyNet_C01	0.37 511	0.26 508	1.41 550	0.22 442	0.17 489	0.51 520	0.28 493	0.36 469	0.40 456	0.39 497	0.75 531	0.46 509	0.39 505	0.46 521	0.50 532	0.13 457	0.13 479	0.13 458	0.14 473	0.14 469	0.16 491

AnyNet_C32	0.26 483	0.16 458	0.39 494	0.20 392	0.17 489	0.26 461	0.31 512	0.32 422	0.45 479	0.31 475	0.50 503	0.30 437	0.34 495	0.41 518	0.36 508	0.12 440	0.12 467	0.12 444	0.14 473	0.14 469	0.15 482

ADCPNet	0.26 483	0.17 468	0.62 520	0.21 422	0.15 465	0.36 502	0.25 476	0.33 436	0.37 442	0.31 475	0.41 481	0.36 474	0.29 474	0.29 474	0.34 506	0.12 440	0.10 441	0.11 425	0.12 457	0.14 469	0.13 452

RYNet	0.23 457	0.12 401	0.22 426	0.19 344	0.17 489	0.47 517	0.26 482	0.39 488	0.49 490	0.24 421	0.29 407	0.34 467	0.24 442	0.20 396	0.31 496	0.10 383	0.06 296	0.09 350	0.09 374	0.14 469	0.15 482

CSAN	0.30 497	0.24 502	0.28 456	0.34 516	0.19 502	0.34 494	0.42 531	0.38 483	0.51 496	0.38 496	0.40 471	0.44 504	0.34 495	0.29 474	0.31 496	0.19 506	0.16 498	0.19 502	0.19 504	0.14 469	0.15 482

ETE_ROB	0.23 457	0.17 468	0.23 434	0.25 478	0.14 450	0.26 461	0.29 504	0.32 422	0.37 442	0.28 456	0.37 454	0.45 505	0.27 462	0.28 467	0.27 472	0.11 414	0.09 419	0.12 444	0.10 408	0.14 469	0.13 452

WCMA_ROB	0.24 467	0.11 383	0.24 440	0.17 205	0.14 450	0.34 494	0.16 280	0.33 436	0.33 408	0.39 497	0.54 508	0.40 494	0.35 498	0.35 496	0.26 467	0.12 440	0.12 467	0.12 444	0.11 437	0.14 469	0.14 468

DualNet (step1)	0.17 388	0.12 401	0.21 417	0.13 8	0.14 450	0.18 360	0.14 152	0.28 373	0.24 310	0.21 381	0.21 294	0.24 385	0.20 414	0.16 297	0.16 346	0.15 480	0.06 296	0.14 471	0.14 473	0.15 481	0.13 452

test_sample9	0.18 403	0.12 401	0.21 417	0.13 8	0.14 450	0.18 360	0.14 152	0.28 373	0.24 310	0.21 381	0.21 294	0.24 385	0.20 414	0.19 378	0.18 376	0.15 480	0.30 528	0.14 471	0.14 473	0.15 481	0.13 452

test_sample8	0.20 423	0.12 401	0.21 417	0.13 8	0.14 450	0.18 360	0.14 152	0.32 422	0.21 268	0.28 456	0.22 309	0.36 474	0.26 456	0.19 378	0.18 376	0.15 480	0.30 528	0.14 471	0.14 473	0.15 481	0.13 452

Wz-Net-TNSev	0.29 494	0.20 488	0.69 531	0.19 344	0.15 465	0.38 508	0.27 487	0.36 469	0.56 508	0.35 488	0.42 488	0.45 505	0.39 505	0.33 488	0.31 496	0.13 457	0.13 479	0.10 395	0.12 457	0.15 481	0.15 482

sAnonymous2	0.13 268	0.12 401	0.25 443	0.20 392	0.12 409	0.18 360	0.14 152	0.27 349	0.21 268	0.11 149	0.12 153	0.13 211	0.08 134	0.11 99	0.11 165	0.09 346	0.05 153	0.08 268	0.06 176	0.15 481	0.10 400

CroCo_RVC	0.13 268	0.12 401	0.25 443	0.20 392	0.12 409	0.18 360	0.14 152	0.27 349	0.21 268	0.11 149	0.12 153	0.13 211	0.08 134	0.11 99	0.11 165	0.09 346	0.05 153	0.08 268	0.06 176	0.15 481	0.10 400

FINET	0.22 444	0.18 481	0.28 456	0.19 344	0.16 477	0.24 443	0.24 460	0.33 436	0.49 490	0.26 437	0.33 432	0.22 360	0.23 435	0.23 437	0.18 376	0.18 503	0.16 498	0.11 425	0.10 408	0.15 481	0.14 468

RGC	0.25 473	0.20 488	0.29 465	0.28 501	0.16 477	0.22 424	0.23 450	0.33 436	0.44 475	0.27 444	0.40 471	0.38 483	0.28 471	0.37 504	0.23 437	0.11 414	0.13 479	0.17 491	0.17 499	0.15 481	0.16 491

RTS	0.46 523	0.19 484	3.33 556	0.25 478	0.15 465	0.72 536	0.21 429	0.37 476	0.78 536	0.42 506	0.44 493	0.31 451	0.43 517	0.55 529	0.37 512	0.10 383	0.09 419	0.13 458	0.13 468	0.15 481	0.15 482

RTSA	0.46 523	0.19 484	3.33 556	0.25 478	0.15 465	0.72 536	0.21 429	0.37 476	0.78 536	0.42 506	0.44 493	0.31 451	0.43 517	0.55 529	0.37 512	0.10 383	0.09 419	0.13 458	0.13 468	0.15 481	0.15 482

NVstereo2D	0.19 414	0.11 383	0.16 325	0.17 205	0.16 477	0.28 479	0.23 450	0.44 511	0.42 465	0.15 257	0.28 392	0.25 397	0.19 402	0.23 437	0.18 376	0.09 346	0.06 296	0.10 395	0.08 331	0.15 481	0.10 400

GASNet	0.22 444	0.24 502	0.34 483	0.26 487	0.17 489	0.27 469	0.16 280	0.45 513	0.42 465	0.27 444	0.24 325	0.30 437	0.16 347	0.27 459	0.18 376	0.12 440	0.09 419	0.12 444	0.11 437	0.16 492	0.08 329

Anonymous_2	0.22 444	0.17 468	0.28 456	0.15 63	0.16 477	0.33 490	0.22 440	0.23 279	0.18 212	0.23 409	0.24 325	0.26 407	0.27 462	0.27 459	0.24 449	0.22 517	0.26 524	0.17 491	0.17 499	0.16 492	0.18 503

DDUNet	0.23 457	0.18 481	0.22 426	0.22 442	0.15 465	0.25 451	0.24 460	0.30 401	0.31 397	0.31 475	0.37 454	0.34 467	0.26 456	0.25 453	0.21 413	0.18 503	0.13 479	0.17 491	0.11 437	0.16 492	0.17 500

MFN_U_SF_RVC	0.33 504	0.22 497	0.58 518	0.31 512	0.15 465	0.36 502	0.17 306	0.54 526	0.46 486	0.47 516	0.56 510	0.58 522	0.39 505	0.36 500	0.38 515	0.15 480	0.15 493	0.18 500	0.21 507	0.16 492	0.16 491

G-Net	0.25 473	0.17 468	0.38 493	0.23 461	0.16 477	0.51 520	0.23 450	0.29 391	0.35 432	0.36 490	0.38 461	0.31 451	0.29 474	0.28 467	0.27 472	0.11 414	0.09 419	0.12 444	0.10 408	0.16 492	0.14 468

SHD	0.26 483	0.15 450	0.31 474	0.24 471	0.18 498	0.23 437	0.15 221	0.39 488	0.72 529	0.32 482	0.42 488	0.36 474	0.29 474	0.33 488	0.30 491	0.13 457	0.11 453	0.14 471	0.13 468	0.16 492	0.20 511

ADCS	0.30 497	0.19 484	0.48 507	0.21 422	0.18 498	0.29 481	0.24 460	0.42 501	0.64 521	0.40 500	0.50 503	0.40 494	0.37 502	0.40 513	0.43 522	0.13 457	0.13 479	0.13 458	0.14 473	0.16 492	0.16 491

FADNet	0.21 436	0.23 499	0.37 492	0.18 286	0.17 489	0.25 451	0.13 104	0.32 422	0.32 403	0.23 409	0.25 352	0.27 413	0.21 422	0.19 378	0.16 346	0.13 457	0.15 493	0.12 444	0.15 488	0.17 499	0.18 503

PDISCO_ROB	0.28 490	0.16 458	0.28 456	0.28 501	0.20 505	0.33 490	0.27 487	0.45 513	0.58 512	0.28 456	0.41 481	0.45 505	0.30 485	0.34 491	0.35 507	0.12 440	0.09 419	0.17 491	0.16 492	0.17 499	0.13 452

MFN_U_SF_DS_RVC	0.30 497	0.24 502	0.30 471	0.36 520	0.16 477	0.36 502	0.31 512	0.34 450	0.43 473	0.41 504	0.46 497	0.38 483	0.30 485	0.35 496	0.29 486	0.19 506	0.20 510	0.26 513	0.29 523	0.18 501	0.19 508

XQC	0.29 494	0.23 499	0.53 510	0.29 508	0.19 502	0.36 502	0.28 493	0.37 476	0.58 512	0.31 475	0.31 417	0.37 477	0.30 485	0.39 510	0.39 516	0.13 457	0.09 419	0.15 482	0.12 457	0.18 501	0.18 503

LSM	0.34 510	0.21 493	0.62 520	0.27 495	0.62 545	0.35 498	0.26 482	0.43 507	0.49 490	0.45 513	0.60 520	0.42 499	0.37 502	0.35 496	0.26 467	0.13 457	0.21 519	0.14 471	0.16 492	0.18 501	0.34 531

CC-Net-ROB	0.28 490	0.31 519	0.36 491	0.30 510	0.15 465	0.25 451	0.19 395	0.45 513	0.34 419	0.39 497	0.37 454	0.39 488	0.31 490	0.27 459	0.27 472	0.24 524	0.18 504	0.30 525	0.23 514	0.19 504	0.15 482

GANetREF_RVC	0.31 502	0.34 522	0.29 465	0.35 518	0.16 477	0.33 490	0.42 531	0.48 518	0.52 502	0.35 488	0.35 446	0.34 467	0.32 492	0.40 513	0.33 504	0.27 526	0.20 510	0.29 523	0.15 488	0.19 504	0.18 503
Zhang, Feihu and Prisacariu, Victor and Yang, Ruigang and Torr, Philip HS: GA-Net: Guided Aggregation Net for End- to-end Stereo Matching. CVPR 2019
DPSNet	0.28 490	0.16 458	0.33 480	0.18 286	0.13 434	0.55 523	0.42 531	0.52 523	0.68 524	0.29 465	0.38 461	0.39 488	0.30 485	0.32 485	0.23 437	0.11 414	0.10 441	0.11 425	0.08 331	0.20 506	0.16 491

PSMNet-RUCA	0.28 490	0.33 521	0.42 499	0.36 520	0.32 526	0.18 360	0.20 413	0.42 501	0.30 388	0.33 486	0.41 481	0.40 494	0.24 442	0.31 481	0.20 400	0.19 506	0.11 453	0.25 512	0.15 488	0.22 507	0.16 491

SQANet	0.24 467	0.24 502	0.31 474	0.31 512	0.19 502	0.27 469	0.13 104	0.30 401	0.33 408	0.25 434	0.37 454	0.31 451	0.22 429	0.27 459	0.23 437	0.15 480	0.10 441	0.21 505	0.16 492	0.22 507	0.16 491

BEATNet-Init1	0.54 529	0.28 510	0.68 530	0.31 512	0.21 507	0.85 544	0.31 512	0.57 528	0.69 527	0.89 541	1.00 543	2.17 558	0.66 536	0.58 533	0.44 525	0.19 506	0.18 504	0.23 510	0.22 510	0.22 507	0.21 512

DGSMNet	0.25 473	0.19 484	0.34 483	0.21 422	0.24 514	0.24 443	0.21 429	0.36 469	0.42 465	0.25 434	0.32 426	0.38 483	0.21 422	0.29 474	0.24 449	0.13 457	0.11 453	0.14 471	0.16 492	0.23 510	0.23 516

ccnet	0.30 497	0.28 510	0.24 440	0.20 392	0.28 521	0.41 513	0.22 440	0.46 516	0.33 408	0.37 494	0.46 497	0.37 477	0.30 485	0.40 513	0.43 522	0.23 522	0.14 489	0.21 505	0.17 499	0.23 510	0.19 508

SAMSARA	0.41 516	0.28 510	0.34 483	0.55 534	0.39 528	0.85 544	1.25 559	0.49 519	0.52 502	0.36 490	0.35 446	0.56 521	0.39 505	0.39 510	0.41 519	0.15 480	0.20 510	0.15 482	0.14 473	0.23 510	0.21 512

PASM	0.33 504	0.25 507	0.51 509	0.28 501	0.27 520	0.30 484	0.31 512	0.35 464	0.51 496	0.36 490	0.40 471	0.47 512	0.35 498	0.34 491	0.36 508	0.23 522	0.26 524	0.26 513	0.28 522	0.23 510	0.21 512

DispFullNet	0.27 488	0.22 497	0.66 523	0.28 501	0.17 489	0.27 469	0.17 306	0.34 450	0.57 509	0.27 444	0.37 454	0.43 501	0.24 442	0.39 510	0.25 456	0.12 440	0.06 296	0.19 502	0.11 437	0.23 510	0.16 491

MSMD_ROB	0.31 502	0.26 508	0.26 451	0.24 471	0.21 507	0.34 494	0.25 476	0.34 450	0.39 452	0.40 500	0.69 525	0.45 505	0.41 510	0.34 491	0.28 479	0.20 511	0.20 510	0.26 513	0.25 516	0.23 510	0.22 515

MSC_U_SF_DS_RVC	0.44 520	0.39 526	0.56 513	0.40 523	0.20 505	0.66 531	0.33 521	0.54 526	0.72 529	0.71 530	0.72 528	0.62 524	0.55 527	0.52 525	0.47 529	0.20 511	0.19 509	0.29 523	0.30 525	0.24 516	0.19 508

PVD	0.40 515	0.21 493	0.40 495	0.32 515	0.23 511	0.30 484	0.45 535	0.53 525	0.97 543	0.55 522	0.80 535	0.54 520	0.60 533	0.53 527	0.40 518	0.19 506	0.14 489	0.17 491	0.14 473	0.24 516	0.32 529

FC-DCNN v2	0.33 504	0.28 510	0.28 456	0.26 487	0.23 511	0.39 510	0.29 504	0.41 496	0.44 475	0.46 514	0.57 514	0.51 515	0.41 510	0.38 508	0.30 491	0.21 514	0.20 510	0.27 516	0.26 517	0.25 518	0.24 517

FCDSN-DC	0.33 504	0.28 510	0.28 456	0.30 510	0.24 514	0.39 510	0.28 493	0.43 507	0.42 465	0.44 511	0.53 507	0.51 515	0.42 514	0.37 504	0.30 491	0.21 514	0.20 510	0.27 516	0.26 517	0.25 518	0.25 519
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
FC-DCNN	0.33 504	0.28 510	0.28 456	0.26 487	0.23 511	0.38 508	0.29 504	0.40 491	0.44 475	0.46 514	0.56 510	0.51 515	0.41 510	0.38 508	0.31 496	0.21 514	0.20 510	0.27 516	0.26 517	0.25 518	0.24 517

MANE	0.47 525	0.28 510	0.28 456	0.27 495	0.24 514	0.50 518	0.32 520	0.57 528	0.62 519	0.74 534	1.20 553	1.21 544	0.64 535	0.54 528	0.39 516	0.22 517	0.20 510	0.27 516	0.31 526	0.26 521	0.25 519

ELAS	0.42 518	0.29 517	0.34 483	0.28 501	0.24 514	0.63 528	0.37 524	0.52 523	0.52 502	0.72 531	0.82 536	0.68 531	0.56 529	0.52 525	0.45 528	0.22 517	0.21 519	0.27 516	0.26 517	0.26 521	0.26 522
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
ELAS_RVC	0.42 518	0.29 517	0.33 480	0.28 501	0.24 514	0.56 524	0.38 526	0.50 520	0.61 516	0.74 534	0.76 532	0.67 529	0.56 529	0.55 529	0.42 521	0.22 517	0.21 519	0.27 516	0.26 517	0.27 523	0.26 522
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
JetBlue	0.73 539	0.46 530	1.21 548	0.52 533	0.47 534	2.16 559	0.67 547	0.78 538	0.72 529	0.70 529	0.79 534	1.21 544	0.84 544	1.06 555	1.04 555	0.40 532	0.28 526	0.33 526	0.33 528	0.30 524	0.34 531

otaku	0.39 513	0.38 525	0.53 510	0.44 527	0.28 521	0.57 525	0.24 460	0.42 501	0.62 519	0.40 500	0.50 503	0.46 509	0.34 495	0.40 513	0.33 504	0.30 527	0.30 528	0.39 529	0.33 528	0.30 524	0.29 525

NVStereoNet_ROB	0.47 525	0.37 524	0.47 506	0.42 526	0.29 524	0.35 498	0.35 522	0.50 520	0.61 516	0.73 532	0.94 540	0.70 533	0.68 537	0.48 522	0.62 539	0.22 517	0.33 531	0.34 527	0.34 530	0.30 524	0.31 528
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
ACVNet-4b	0.39 513	0.53 532	0.56 513	0.45 528	0.24 514	0.46 516	0.18 353	0.50 520	0.64 521	0.42 506	0.45 495	0.60 523	0.27 462	0.34 491	0.24 449	0.33 529	0.14 489	0.48 532	0.42 532	0.31 527	0.27 524

ACVNet_1	0.45 522	0.51 531	0.61 519	0.45 528	0.28 521	0.50 518	0.28 493	0.58 533	0.71 528	0.63 525	0.59 519	0.74 534	0.50 523	0.50 523	0.36 508	0.26 525	0.25 523	0.39 529	0.29 523	0.32 528	0.25 519

Ntro	0.41 516	0.40 527	0.54 512	0.46 531	0.30 525	0.64 529	0.24 460	0.47 517	0.68 524	0.42 506	0.49 501	0.47 512	0.42 514	0.40 513	0.32 501	0.32 528	0.28 526	0.37 528	0.31 526	0.33 529	0.29 525

MADNet+	0.76 540	0.72 542	3.76 559	0.67 537	0.41 530	0.99 550	0.97 557	0.72 537	0.75 534	0.52 519	0.58 517	0.64 527	0.68 537	0.89 549	1.04 555	0.35 530	0.36 532	0.28 522	0.23 514	0.38 530	0.33 530

Consistency-Raft	0.44 520	0.40 527	0.46 503	0.37 522	0.43 532	0.42 514	0.41 529	0.57 528	0.55 506	0.32 482	0.73 529	0.32 457	0.50 523	0.42 519	0.49 531	0.39 531	0.36 532	0.45 531	0.52 541	0.42 531	0.30 527

ACVNet_2	0.67 536	0.68 541	0.70 534	0.64 536	0.41 530	0.75 539	0.50 536	0.98 548	1.38 553	0.90 542	1.09 547	1.04 539	0.74 540	0.55 529	0.48 530	0.43 533	0.40 534	0.53 536	0.45 533	0.48 532	0.36 533

anonymity	0.53 528	0.58 533	0.66 523	0.41 524	0.61 544	0.54 522	0.41 529	0.57 528	0.41 463	0.56 523	0.50 503	0.50 514	0.55 527	0.59 534	0.50 532	0.58 542	0.50 545	0.51 534	0.51 539	0.52 533	0.58 541

SGM+DAISY	0.57 531	0.58 533	0.67 527	0.41 524	0.55 538	0.68 533	0.51 537	0.57 528	0.46 486	0.67 526	0.70 526	0.69 532	0.57 531	0.64 536	0.58 537	0.59 543	0.49 542	0.50 533	0.50 538	0.52 533	0.59 544

RainbowNet	0.54 529	0.61 536	0.71 536	0.57 535	0.43 532	0.66 531	0.37 524	0.60 534	0.87 540	0.51 518	0.67 522	0.63 525	0.47 520	0.50 523	0.44 525	0.47 537	0.48 541	0.53 536	0.41 531	0.53 535	0.41 536

IMH-64-1	0.66 534	0.62 537	0.69 531	0.72 538	0.51 535	0.60 526	0.51 537	0.92 542	0.84 538	0.75 537	1.02 544	0.81 535	0.78 542	0.80 540	0.50 532	0.43 533	0.46 536	0.72 540	0.48 534	0.55 536	0.40 534

IMH-64	0.66 534	0.62 537	0.69 531	0.72 538	0.51 535	0.60 526	0.51 537	0.92 542	0.84 538	0.75 537	1.02 544	0.81 535	0.78 542	0.80 540	0.50 532	0.43 533	0.46 536	0.72 540	0.48 534	0.55 536	0.40 534

SPS-STEREO	0.58 532	0.59 535	0.66 523	0.45 528	0.55 538	0.65 530	0.44 534	0.63 535	0.51 496	0.69 528	0.65 521	0.66 528	0.58 532	0.62 535	0.62 539	0.62 545	0.47 540	0.51 534	0.49 536	0.55 536	0.58 541
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
IMH	0.72 537	0.65 539	0.70 534	0.77 540	0.54 537	0.71 535	0.56 540	0.99 550	1.08 544	0.82 540	1.09 547	0.89 537	0.88 546	0.88 548	0.53 536	0.44 536	0.50 545	0.75 543	0.51 539	0.58 539	0.42 537

GCST	0.37 511	0.42 529	0.27 453	1.03 553	0.39 528	0.18 360	0.08 7	0.21 238	0.18 212	0.28 456	0.25 352	0.15 255	0.12 242	0.16 297	0.14 293	0.64 546	0.43 535	0.75 543	0.65 545	0.64 540	0.46 539

WAO-7	0.80 542	0.78 545	0.57 515	0.85 545	0.67 548	0.76 540	0.69 550	1.07 552	1.30 550	0.90 542	1.20 553	1.05 540	0.93 548	0.71 538	0.68 542	0.60 544	0.62 555	0.67 539	0.68 548	0.64 540	0.59 544

LVE	0.84 545	0.87 549	0.86 542	0.81 543	0.56 540	1.09 555	0.66 546	1.07 552	1.45 555	0.97 546	1.23 555	1.11 542	0.86 545	0.84 543	0.72 546	0.49 538	0.56 551	0.76 545	0.60 544	0.66 542	0.60 547

Dean	0.88 546	0.88 550	0.81 538	0.82 544	0.57 541	0.91 546	0.62 544	1.17 558	1.71 558	1.15 553	1.16 551	1.31 548	1.00 551	0.82 542	0.83 551	0.57 540	0.56 551	0.78 547	0.65 545	0.67 543	0.58 541

TorneroNet-64	0.76 540	0.73 543	0.77 537	0.78 542	0.58 543	0.94 549	0.58 541	0.85 541	1.26 548	0.67 526	0.88 538	1.41 551	0.76 541	0.87 546	0.68 542	0.49 538	0.46 536	0.73 542	0.59 542	0.68 544	0.54 540

MFMNet_re	0.65 533	0.66 540	0.66 523	0.51 532	0.69 549	0.70 534	0.58 541	0.65 536	0.75 534	0.61 524	0.73 529	0.63 525	0.68 537	0.65 537	0.60 538	0.66 547	0.58 554	0.63 538	0.59 542	0.68 544	0.69 551

WAO-6	0.82 543	0.81 546	0.63 522	0.87 547	0.63 546	0.79 541	0.60 543	0.98 548	1.52 557	0.91 544	0.97 542	1.08 541	1.04 552	0.72 539	0.70 545	0.72 548	0.49 542	0.91 551	0.71 549	0.70 546	0.59 544

WAO-8	0.92 547	0.83 547	0.67 527	0.94 550	0.70 550	0.92 547	0.68 548	1.08 554	1.80 560	1.06 550	1.42 557	1.29 546	1.08 554	0.86 544	0.80 548	0.74 550	0.54 548	0.86 549	0.75 550	0.71 547	0.63 548

Venus	0.92 547	0.83 547	0.67 527	0.94 550	0.70 550	0.92 547	0.68 548	1.08 554	1.80 560	1.06 550	1.42 557	1.29 546	1.08 554	0.86 544	0.80 548	0.74 550	0.54 548	0.86 549	0.75 550	0.71 547	0.63 548

PWCK	0.72 537	0.95 551	0.99 545	0.77 540	0.32 526	0.79 541	0.38 526	0.92 542	0.90 541	0.96 545	0.76 532	0.97 538	0.62 534	0.87 546	0.68 542	0.73 549	0.46 536	0.76 545	0.49 536	0.71 547	0.44 538

TorneroNet	0.83 544	0.75 544	0.83 541	0.85 545	0.63 546	1.03 553	0.65 545	0.96 546	1.14 546	0.80 539	1.10 549	1.36 549	0.88 546	0.95 551	0.82 550	0.57 540	0.49 542	0.79 548	0.66 547	0.74 550	0.64 550

UNDER WATER-64	0.97 549	0.96 552	1.48 552	0.88 548	0.57 541	1.24 558	0.90 555	0.78 538	0.96 542	1.05 548	0.85 537	1.56 556	1.26 558	0.97 553	0.99 553	0.88 554	0.57 553	1.04 554	0.88 554	0.81 551	0.75 552

UNDER WATER	0.99 551	1.00 553	1.47 551	1.00 552	0.71 552	1.18 557	0.86 553	0.81 540	1.09 545	1.02 547	0.90 539	1.53 555	1.26 558	1.06 555	1.02 554	0.79 552	0.54 548	1.02 553	0.88 554	0.83 552	0.75 552

DPSimNet_ROB	1.14 554	1.25 557	0.87 543	1.15 556	0.90 556	1.15 556	1.18 558	1.20 559	1.26 548	1.45 557	1.05 546	1.44 554	1.13 556	0.92 550	1.70 558	1.47 560	0.52 547	1.22 557	1.04 559	0.92 553	1.03 558

notaker	0.98 550	1.13 554	1.02 546	1.14 555	0.81 553	0.73 538	0.69 550	0.94 545	1.15 547	1.19 555	1.19 552	1.41 551	1.17 557	1.10 557	0.74 547	0.82 553	0.64 556	1.18 555	0.79 552	1.02 554	0.82 555

KSHMR	1.10 553	1.19 555	0.90 544	1.26 558	1.00 557	0.99 550	0.96 556	1.13 557	1.35 551	1.16 554	1.28 556	1.40 550	0.97 550	1.03 554	0.93 552	1.03 557	1.08 559	1.20 556	1.03 558	1.03 555	0.98 557

ktn	1.02 552	1.23 556	0.82 539	1.24 557	0.86 555	1.00 552	0.86 553	0.96 546	1.37 552	1.05 548	1.12 550	1.16 543	1.06 553	0.95 551	0.62 539	1.28 559	0.71 557	1.39 559	0.83 553	1.06 556	0.77 554

HanzoNet	1.31 555	1.29 558	1.22 549	1.13 554	0.85 554	1.05 554	0.84 552	1.06 551	1.47 556	1.66 558	1.63 559	2.48 560	1.78 560	1.63 559	1.69 557	1.27 558	0.80 558	1.32 558	1.02 557	1.07 557	0.90 556

JetRed	1.66 556	1.51 559	3.09 555	0.93 549	1.21 558	5.28 562	1.61 561	1.29 560	1.42 554	1.84 559	1.77 560	1.59 557	0.95 549	1.43 558	2.51 562	0.91 556	1.61 560	0.93 552	0.91 556	1.36 558	1.03 558

MADNet++	1.97 557	1.75 560	1.66 553	1.83 559	1.69 560	2.38 560	1.45 560	2.36 561	2.11 562	2.58 561	2.37 562	2.25 559	2.21 561	2.28 560	2.36 561	1.87 561	1.67 561	1.53 560	1.34 560	1.87 559	1.78 561

USTest	6.16 561	2.65 562	2.79 554	6.48 567	7.21 566	14.33 569	21.38 568	6.98 569	9.55 568	5.35 565	6.12 563	5.71 564	7.69 565	6.31 566	6.75 565	1.97 562	3.38 567	1.63 561	2.14 564	2.49 560	2.35 562

tt	4.65 560	0.07 113	3.54 558	2.01 560	1.55 559	10.25 566	16.66 566	8.90 570	5.03 563	1.33 556	0.96 541	4.71 561	4.74 562	3.33 561	5.86 564	6.06 569	10.30 573	1.87 563	2.09 563	2.61 561	1.19 560

xxxxx1	7.75 562	5.06 565	7.26 562	3.15 561	3.91 562	16.37 570	22.88 571	5.87 566	8.68 565	7.99 566	8.55 564	9.13 568	8.46 566	10.05 568	10.47 566	2.43 563	2.48 563	3.56 566	12.26 570	3.48 562	3.02 564

tt_ll	7.75 562	5.06 565	7.26 562	3.15 561	3.91 562	16.37 570	22.88 571	5.87 566	8.68 565	7.99 566	8.55 564	9.13 568	8.46 566	10.05 568	10.47 566	2.43 563	2.48 563	3.56 566	12.26 570	3.48 562	3.02 564

ff	7.75 562	5.06 565	7.26 562	3.15 561	3.91 562	16.37 570	22.88 571	5.87 566	8.68 565	7.99 566	8.55 564	9.13 568	8.46 566	10.05 568	10.47 566	2.43 563	2.48 563	3.56 566	12.26 570	3.48 562	3.02 564

DGTPSM_ROB	8.06 566	4.50 563	8.69 569	5.34 564	10.73 568	8.32 564	22.71 569	5.47 564	13.38 570	5.13 563	9.98 567	5.10 562	10.47 569	5.53 564	12.77 570	3.79 566	8.00 568	3.49 564	6.95 567	3.74 565	7.09 569

DPSMNet_ROB	8.06 566	4.50 563	8.69 569	5.36 566	10.74 569	8.32 564	22.71 569	5.47 564	13.38 570	5.13 563	9.98 567	5.10 562	10.47 569	5.53 564	12.77 570	3.80 567	8.00 568	3.49 564	6.95 567	3.75 566	7.09 569

TCMNet-wrong-test	3.69 559	5.54 568	3.91 560	12.22 571	11.75 572	4.77 561	3.86 562	1.08 554	0.74 533	1.13 552	2.21 561	6.16 565	0.53 526	3.43 562	2.33 560	0.90 555	0.20 510	1.85 562	1.69 561	5.71 567	3.79 567

DPSM_ROB	11.10 572	8.47 570	7.95 566	10.84 569	11.58 570	19.10 575	26.50 575	12.02 572	14.09 573	10.38 570	10.91 570	10.39 572	11.92 572	11.67 572	13.39 572	6.99 571	8.79 571	5.82 570	6.92 565	6.97 568	7.31 571

DPSM	11.10 572	8.47 570	7.95 566	10.84 569	11.58 570	19.10 575	26.50 575	12.02 572	14.09 573	10.38 570	10.91 570	10.39 572	11.92 572	11.67 572	13.39 572	6.99 571	8.79 571	5.82 570	6.92 565	6.97 568	7.31 571

PML	8.57 568	9.39 572	6.24 561	5.34 564	6.36 565	13.21 568	20.99 567	5.35 563	6.68 564	17.75 574	26.46 579	7.58 566	6.08 564	7.89 567	5.76 563	5.33 568	1.83 562	5.95 572	1.93 562	8.75 570	2.53 563

Anonymous_1	10.87 571	7.82 569	7.41 565	10.29 568	10.08 567	18.64 574	26.11 574	11.02 571	13.45 572	9.43 569	10.10 569	9.73 571	11.31 571	10.69 571	12.47 569	6.42 570	8.38 570	5.70 569	10.22 569	11.41 571	6.65 568

CasAABBNet	22.33 576	17.11 574	15.84 571	21.94 575	23.28 576	38.30 577	53.40 579	24.05 577	28.44 578	20.66 576	21.86 576	21.03 577	24.04 577	23.35 576	27.03 578	14.06 573	17.69 576	11.70 573	13.94 574	14.04 572	14.76 574

Selective-RAFT-Error	22.39 577	17.14 575	16.01 572	22.00 576	23.34 577	38.37 578	53.36 578	24.24 579	28.53 579	20.80 577	21.94 577	20.94 576	24.02 576	23.48 578	27.33 579	14.07 574	17.70 577	11.70 573	13.93 573	14.05 573	14.83 575

LSM0	22.80 578	17.22 576	19.17 573	22.12 577	28.90 579	38.38 579	53.27 577	24.21 578	28.36 577	20.84 578	21.11 575	21.63 578	24.25 578	23.42 577	26.98 577	14.08 575	17.39 575	11.72 575	13.98 575	14.22 574	14.66 573

LRCNet_RVC	10.76 570	13.97 573	7.97 568	19.07 573	2.04 561	0.35 498	0.31 512	5.29 562	0.48 489	13.02 572	17.65 573	8.69 567	5.73 563	4.78 563	2.22 559	23.53 577	2.69 566	27.60 578	25.75 578	17.60 575	16.54 576

HaxPig	15.73 574	18.55 577	19.19 574	16.92 572	15.89 574	7.80 563	7.57 563	13.37 574	10.80 569	15.40 573	14.87 572	15.95 574	14.81 574	15.67 574	15.97 574	18.96 576	16.72 574	19.47 576	18.10 576	19.45 576	19.06 577

MEDIAN_ROB	20.38 575	24.05 578	23.36 576	21.18 574	21.62 575	10.51 567	8.17 564	17.68 575	15.46 575	20.04 575	19.65 574	20.30 575	20.16 575	21.17 575	21.03 575	23.81 578	21.77 578	24.98 577	23.75 577	25.01 577	23.94 578

AVERAGE_ROB	24.89 579	29.12 579	27.98 577	24.83 578	24.59 578	17.82 573	11.61 565	21.45 576	19.91 576	25.04 579	24.38 578	25.06 579	25.31 579	24.69 579	22.86 576	29.74 579	27.09 579	28.97 579	27.94 579	30.07 578	29.35 579

DLNR_Zeroshot_test	10.48 569	2.27 561	19.78 575	120.28 580	13.29 573	0.06 7	0.13 104	0.24 302	0.10 29	0.08 57	0.10 109	0.09 116	0.07 98	0.10 54	0.09 41	0.13 457	0.04 20	0.06 97	0.04 31	52.68 579	0.04 28

test_example2	97.69 580	92.93 580	45.57 578	96.02 579	109.84 580	88.44 580	93.70 580	25.54 580	94.63 580	130.46 581	126.87 580	58.93 580	75.48 580	87.99 580	77.94 580	150.16 580	221.11 580	76.29 580	98.21 580	108.42 580	95.33 580

ccccc		285.89 581		366.70 581	366.78 581	118.88 581		113.97 581		125.77 580		120.54 581		252.62 581		382.79 581	352.84 581	254.30 581	222.62 581	426.61 581

Low-res two-view benchmark