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

CroCo-Stereo	0.42 8	0.33 135	0.83 116	0.59 163	0.28 40	0.26 1	0.33 33	1.22 110	0.85 61	0.43 4	0.49 7	0.65 60	0.46 36	0.40 1	0.36 16	0.19 65	0.15 112	0.16 8	0.14 22	0.20 86	0.17 23
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
CroCo-Stereo Lap2	0.46 19	0.37 204	0.87 138	0.62 191	0.79 329	0.28 2	0.35 49	0.81 6	0.73 29	0.39 3	0.54 15	0.71 79	0.54 69	0.60 13	0.48 89	0.18 40	0.18 185	0.19 47	0.16 54	0.21 121	0.21 88

StereoIM	0.38 1	0.27 35	0.72 57	0.45 8	0.35 137	0.30 3	0.31 25	0.81 6	0.54 3	0.38 2	0.38 1	0.58 44	0.49 54	0.53 4	0.39 31	0.20 99	0.16 139	0.19 47	0.15 30	0.19 59	0.15 3

AFF-stereo	0.60 88	0.28 43	0.72 57	0.48 29	0.29 51	0.34 4	0.37 62	1.22 110	1.20 190	1.21 176	1.59 281	1.10 199	0.70 131	1.01 85	0.44 62	0.14 1	0.12 5	0.19 47	0.20 129	0.18 34	0.15 3

test croco	0.49 26	0.29 61	1.23 239	0.51 58	0.40 171	0.35 5	0.37 62	1.04 46	0.62 16	0.44 5	0.76 37	0.42 5	0.41 17	1.17 118	0.46 77	0.23 170	0.15 112	0.24 168	0.19 103	0.25 197	0.18 32

DLNR_Zeroshot_test	23.23 420	48.25 438	43.77 427	177.04 438	78.39 434	0.35 5	0.21 1	23.33 421	0.82 53	0.67 42	0.86 56	0.58 44	0.30 4	1.64 187	0.48 89	10.69 422	0.13 17	0.18 33	0.14 22	76.63 437	0.23 123

MC-Stereo	0.46 19	0.24 9	0.58 18	0.63 201	0.30 63	0.38 7	0.32 29	0.98 31	0.74 36	0.66 40	0.85 55	0.56 41	0.60 100	1.07 98	0.32 2	0.17 18	0.12 5	0.17 13	0.15 30	0.16 11	0.16 13

MIF-Stereo (partial)	0.48 25	0.28 43	0.83 116	0.51 58	0.53 243	0.39 8	0.27 14	1.03 44	0.64 19	0.47 11	0.71 33	0.51 33	0.51 56	1.13 111	0.47 85	0.20 99	0.16 139	0.23 147	0.20 129	0.24 187	0.20 70

MIF-Stereo	0.38 1	0.24 9	0.67 47	0.49 35	0.36 139	0.40 9	0.32 29	0.55 1	0.55 4	0.55 30	0.55 17	0.36 2	0.31 6	0.59 11	0.52 109	0.21 121	0.15 112	0.17 13	0.15 30	0.19 59	0.17 23

RAFT+CT+SA	0.63 102	0.30 79	0.73 67	0.69 263	0.37 144	0.40 9	0.55 196	1.93 255	1.04 129	0.72 47	1.23 170	0.62 53	0.69 129	1.69 196	0.42 55	0.19 65	0.13 17	0.22 120	0.22 187	0.21 121	0.19 51

RAFT-Stereo + iAFF	0.56 48	0.28 43	0.81 99	0.45 8	0.25 8	0.40 9	0.34 40	1.12 73	1.13 161	1.35 240	1.58 277	0.80 92	0.67 123	0.71 30	0.43 58	0.14 1	0.11 2	0.18 33	0.17 70	0.18 34	0.16 13

IGEV_Zeroshot_test	0.59 82	0.33 135	1.11 204	0.63 201	0.37 144	0.41 12	0.33 33	1.80 222	0.79 48	1.04 104	1.10 120	1.06 184	0.43 23	0.87 62	0.48 89	0.18 40	0.13 17	0.19 47	0.18 84	0.20 86	0.23 123

AEACV	0.41 4	0.25 16	0.60 24	0.55 111	0.52 238	0.43 13	0.38 69	0.98 31	0.63 17	0.44 5	0.56 18	0.46 16	0.59 96	0.56 6	0.31 1	0.17 18	0.13 17	0.18 33	0.16 54	0.17 20	0.17 23

AnonymousM	0.63 102	1.14 365	0.43 5	0.46 14	0.32 97	0.43 13	0.46 139	1.27 122	0.78 42	1.00 91	0.66 22	0.68 66	0.45 29	0.61 14	0.46 77	0.21 121	0.16 139	1.84 388	0.98 385	0.15 4	0.15 3

XX-Stereo	0.97 247	0.28 43	8.28 385	0.85 330	0.70 309	0.44 15	0.22 2	1.07 51	0.69 25	0.66 40	1.56 272	1.38 263	0.38 14	1.36 135	0.38 28	0.21 121	0.14 58	0.20 70	0.19 103	0.19 59	0.16 13

Selective-IGEV	0.42 8	0.26 19	0.56 16	0.48 29	0.27 19	0.45 16	0.33 33	1.56 168	0.61 15	0.36 1	0.47 4	0.52 36	0.30 4	1.08 100	0.33 3	0.15 4	0.13 17	0.17 13	0.13 11	0.16 11	0.15 3

CREStereo++_RVC	0.49 26	0.22 3	0.46 8	0.48 29	0.38 155	0.45 16	0.25 4	0.77 4	1.30 236	0.82 62	1.23 170	0.47 21	0.37 13	0.55 5	0.44 62	0.16 7	0.11 2	0.16 8	0.80 378	0.18 34	0.12 1
Junpeng Jing, Jiankun Li, Pengfei Xiong, Jiangyu Liu, Shuaicheng Liu, Yichen Guo, Xin Deng, Mai Xu, Lai Jiang, Leonid Sigal: Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching. ICCV2023
TestStereo1	0.66 111	0.29 61	0.95 163	0.82 320	0.32 97	0.47 18	0.43 108	1.52 158	1.22 202	0.99 87	1.32 201	0.65 60	0.76 141	1.78 205	0.44 62	0.20 99	0.16 139	0.22 120	0.19 103	0.21 121	0.20 70

SA-5K	0.66 111	0.29 61	0.95 163	0.82 320	0.32 97	0.47 18	0.43 108	1.52 158	1.22 202	0.99 87	1.32 201	0.65 60	0.76 141	1.78 205	0.44 62	0.20 99	0.16 139	0.22 120	0.19 103	0.21 121	0.20 70

iRaft-Stereo_5w	0.89 221	0.31 104	1.04 187	0.56 123	0.47 214	0.47 18	0.68 242	1.19 100	1.08 137	0.80 56	1.35 213	1.46 276	0.90 201	5.11 337	1.16 260	0.18 40	0.15 112	0.22 120	0.19 103	0.21 121	0.24 142

GLC_STEREO	0.41 4	0.27 35	0.43 5	0.55 111	0.24 6	0.47 18	0.30 23	0.81 6	0.64 19	0.53 28	0.74 36	0.50 32	0.31 6	0.65 25	0.45 73	0.18 40	0.20 209	0.23 147	0.19 103	0.21 121	0.21 88

ASMatch	0.89 221	0.29 61	0.72 57	0.56 123	0.36 139	0.47 18	0.37 62	1.16 93	0.95 92	1.11 116	3.26 372	0.95 153	0.96 221	4.88 334	0.53 118	0.20 99	0.16 139	0.22 120	0.19 103	0.20 86	0.30 230

LoS	0.41 4	0.23 6	0.46 8	0.39 2	0.23 5	0.48 23	0.40 80	1.12 73	0.94 88	0.50 19	0.66 22	0.49 29	0.42 20	0.63 23	0.39 31	0.19 65	0.14 58	0.16 8	0.11 6	0.14 1	0.15 3

DCANet-4	0.59 82	0.28 43	1.65 288	0.44 7	0.25 8	0.48 23	0.36 56	1.15 90	1.36 259	1.13 127	1.03 98	0.56 41	0.74 135	0.77 41	0.58 143	0.17 18	0.14 58	0.17 13	0.13 11	0.15 4	0.24 142

fff	0.58 71	0.26 19	1.15 213	0.46 14	0.25 8	0.48 23	0.36 56	1.20 104	1.28 226	1.13 127	1.03 98	0.59 46	1.04 256	0.77 41	0.58 143	0.17 18	0.14 58	0.17 13	0.13 11	0.15 4	0.24 142

csc	0.58 71	0.26 19	1.15 213	0.46 14	0.25 8	0.48 23	0.36 56	1.20 104	1.28 226	1.13 127	1.03 98	0.59 46	1.04 256	0.77 41	0.58 143	0.17 18	0.14 58	0.17 13	0.13 11	0.15 4	0.24 142

cscssc	0.58 71	0.26 19	1.15 213	0.46 14	0.25 8	0.48 23	0.36 56	1.20 104	1.28 226	1.13 127	1.03 98	0.59 46	1.04 256	0.77 41	0.58 143	0.17 18	0.14 58	0.17 13	0.13 11	0.15 4	0.24 142

ff7	0.45 11	0.30 79	0.64 37	0.47 24	0.33 110	0.49 28	0.42 92	0.93 21	0.59 7	0.50 19	0.53 9	0.44 8	0.48 44	1.41 144	0.36 16	0.18 40	0.13 17	0.21 93	0.15 30	0.18 34	0.21 88

ffff	0.45 11	0.30 79	0.64 37	0.47 24	0.33 110	0.49 28	0.42 92	0.93 21	0.59 7	0.50 19	0.53 9	0.44 8	0.48 44	1.41 144	0.36 16	0.18 40	0.13 17	0.21 93	0.15 30	0.18 34	0.21 88

11t	0.45 11	0.30 79	0.64 37	0.47 24	0.33 110	0.49 28	0.42 92	0.93 21	0.59 7	0.50 19	0.53 9	0.44 8	0.48 44	1.41 144	0.36 16	0.18 40	0.13 17	0.21 93	0.15 30	0.18 34	0.21 88

CASnet	0.42 8	0.26 19	0.52 15	0.52 70	0.21 2	0.49 28	0.35 49	0.85 15	0.85 61	0.84 66	0.69 28	0.48 25	0.31 6	0.57 8	0.34 4	0.19 65	0.12 5	0.27 234	0.22 187	0.23 158	0.15 3
Junhong Min, Youngpil Jeon: Confidence Aware Stereo Matching for Realistic Cluttered Scenario. ICIP 2024 submissions (1861)
anonymousdsp	0.45 11	0.30 79	0.60 24	0.48 29	0.34 122	0.49 28	0.42 92	0.97 27	0.60 12	0.51 26	0.53 9	0.46 16	0.47 42	1.36 135	0.35 6	0.18 40	0.13 17	0.21 93	0.15 30	0.18 34	0.21 88

ccc-4	0.45 11	0.30 79	0.64 37	0.47 24	0.33 110	0.49 28	0.42 92	0.93 21	0.59 7	0.50 19	0.53 9	0.44 8	0.48 44	1.41 144	0.36 16	0.18 40	0.13 17	0.21 93	0.15 30	0.18 34	0.21 88

ADStereo(finetuned)	0.62 93	0.26 19	1.59 285	0.45 8	0.25 8	0.49 28	0.36 56	1.18 96	1.35 252	1.16 146	1.04 102	0.60 49	1.18 288	0.85 60	0.57 138	0.17 18	0.14 58	0.17 13	0.13 11	0.19 59	0.24 142

IGEV-Stereo	0.45 11	0.30 79	0.60 24	0.48 29	0.34 122	0.49 28	0.42 92	0.98 31	0.60 12	0.51 26	0.53 9	0.46 16	0.47 42	1.36 135	0.35 6	0.18 40	0.13 17	0.21 93	0.15 30	0.18 34	0.21 88
Gangwei Xu, Xianqi Wang, Xiaohuan Ding, Xin Yang: Iterative Geometry Encoding Volume for Stereo Matching. CVPR 2023
OMP-Stereo	0.95 242	0.35 184	0.79 93	0.92 347	0.32 97	0.49 28	0.35 49	1.22 110	1.11 151	1.58 305	1.12 130	1.44 271	0.69 129	6.92 375	0.51 103	0.20 99	0.15 112	0.24 168	0.19 103	0.21 121	0.16 13

DCANet	0.58 71	0.26 19	1.15 213	0.45 8	0.25 8	0.49 28	0.36 56	1.18 96	1.35 252	1.15 142	1.04 102	0.60 49	0.91 203	0.84 57	0.58 143	0.17 18	0.14 58	0.17 13	0.13 11	0.19 59	0.25 161

IGEVStereo-DCA	0.49 26	0.33 135	0.64 37	0.46 14	0.34 122	0.50 38	0.42 92	0.93 21	0.59 7	0.48 13	0.48 5	0.48 25	0.45 29	2.28 264	0.44 62	0.19 65	0.14 58	0.19 47	0.15 30	0.17 20	0.21 88

rrr	0.57 60	0.33 135	2.43 333	0.46 14	0.34 122	0.50 38	0.38 69	0.84 14	0.55 4	0.48 13	0.48 5	0.48 25	0.45 29	2.28 264	0.44 62	0.19 65	0.14 58	0.19 47	0.15 30	0.17 20	0.18 32

StereoVision	0.67 119	0.37 204	1.02 183	0.60 170	0.41 181	0.50 38	0.41 88	1.32 130	0.96 96	0.73 48	2.48 360	0.82 104	0.57 78	1.06 96	0.50 101	0.26 225	0.28 292	0.29 254	0.28 268	0.37 277	0.22 109

HHNet	0.64 105	0.28 43	0.69 53	0.45 8	0.46 208	0.50 38	0.57 205	1.13 77	1.03 123	1.26 199	2.21 346	0.70 73	0.59 96	1.10 106	0.51 103	0.21 121	0.13 17	0.23 147	0.19 103	0.20 86	0.31 239

raftrobust	0.55 37	0.27 35	0.63 32	0.68 253	0.69 303	0.50 38	0.34 40	1.08 56	0.97 100	1.32 224	0.88 61	0.62 53	0.80 161	0.82 51	0.44 62	0.20 99	0.16 139	0.16 8	0.14 22	0.15 4	0.18 32

EKT-Stereo	0.56 48	0.33 135	0.84 125	0.61 183	0.64 286	0.51 43	0.48 152	1.14 79	0.95 92	0.74 49	0.89 63	0.77 87	0.42 20	1.18 119	0.42 55	0.23 170	0.17 161	0.21 93	0.18 84	0.20 86	0.26 178

LoS_RVC	0.45 11	0.29 61	0.48 10	0.49 35	0.83 338	0.51 43	0.43 108	0.65 2	0.44 1	0.47 11	0.78 42	0.44 8	0.60 100	0.59 11	0.37 25	0.14 1	0.12 5	0.14 1	0.10 1	0.14 1	1.08 376

sAnonymous2	0.59 82	0.61 302	1.82 297	0.61 183	0.52 238	0.51 43	0.54 189	0.97 27	0.70 26	0.50 19	0.68 25	0.46 16	0.63 111	0.61 14	0.41 50	0.22 150	0.17 161	0.23 147	0.21 165	0.85 367	0.56 333

CroCo_RVC	0.59 82	0.61 302	1.82 297	0.61 183	0.52 238	0.51 43	0.54 189	0.97 27	0.70 26	0.50 19	0.68 25	0.46 16	0.63 111	0.61 14	0.41 50	0.22 150	0.17 161	0.23 147	0.21 165	0.85 367	0.56 333

MIM_Stereo	0.60 88	0.26 19	1.02 183	0.49 35	0.32 97	0.52 47	0.28 17	1.41 143	0.82 53	1.02 98	1.16 151	0.93 145	0.53 62	1.48 160	0.63 159	0.17 18	0.17 161	0.20 70	0.19 103	0.17 20	0.18 32

iRaftStereo_RVC	0.49 26	0.28 43	0.72 57	0.53 90	0.29 51	0.52 47	0.33 33	1.14 79	0.84 58	0.85 68	0.99 83	0.55 39	0.36 12	0.83 54	0.40 45	0.18 40	0.13 17	0.22 120	0.20 129	0.20 86	0.18 32

sCroCo_RVC	0.51 32	0.43 246	1.15 213	0.66 231	0.60 274	0.52 47	0.40 80	0.93 21	0.64 19	0.45 9	0.76 37	0.49 29	0.49 54	0.65 25	0.49 98	0.27 242	0.28 292	0.23 147	0.22 187	0.29 234	0.28 205

CREStereo	0.40 3	0.24 9	0.40 2	0.37 1	0.22 4	0.52 47	0.29 21	0.81 6	1.15 172	0.59 31	0.72 34	0.51 33	0.42 20	0.57 8	0.37 25	0.19 65	0.13 17	0.15 3	0.10 1	0.14 1	0.15 3
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
CES	0.51 32	0.21 2	0.40 2	0.42 4	1.40 379	0.53 51	0.34 40	1.04 46	0.68 23	0.45 9	0.67 24	0.35 1	0.28 2	0.58 10	0.35 6	0.16 7	0.13 17	0.15 3	0.10 1	0.19 59	1.69 387

GMOStereo	0.55 37	0.28 43	0.72 57	0.52 70	0.30 63	0.53 51	0.43 108	1.02 38	0.98 103	1.44 272	1.14 145	0.88 127	0.57 78	0.62 18	0.39 31	0.16 7	0.14 58	0.24 168	0.22 187	0.20 86	0.18 32

error version	0.55 37	0.28 43	0.72 57	0.52 70	0.30 63	0.53 51	0.43 108	1.02 38	0.98 103	1.44 272	1.14 145	0.88 127	0.57 78	0.62 18	0.39 31	0.16 7	0.14 58	0.24 168	0.22 187	0.20 86	0.18 32

test-v	0.55 37	0.28 43	0.72 57	0.52 70	0.30 63	0.53 51	0.43 108	1.02 38	0.98 103	1.44 272	1.14 145	0.88 127	0.57 78	0.62 18	0.39 31	0.16 7	0.14 58	0.24 168	0.22 187	0.20 86	0.18 32

TRStereo	0.67 119	0.71 328	1.06 192	0.77 308	0.68 300	0.53 51	0.38 69	2.52 357	0.96 96	0.81 60	0.84 53	0.87 121	0.39 15	1.16 115	0.46 77	0.24 188	0.17 161	0.23 147	0.24 226	0.18 34	0.20 70

RAFT-345	0.86 214	0.26 19	0.73 67	0.53 90	0.28 40	0.53 51	0.41 88	0.85 15	1.31 243	1.33 229	2.32 351	0.85 119	0.53 62	5.69 349	0.48 89	0.19 65	0.14 58	0.22 120	0.17 70	0.17 20	0.17 23

test-2	0.55 37	0.28 43	0.72 57	0.52 70	0.30 63	0.53 51	0.43 108	1.02 38	0.98 103	1.44 272	1.14 145	0.88 127	0.57 78	0.62 18	0.39 31	0.16 7	0.14 58	0.24 168	0.22 187	0.20 86	0.18 32

rafts_anoy	0.55 37	0.32 118	0.66 44	0.72 280	0.61 279	0.53 51	0.40 80	1.24 115	1.06 133	0.85 68	0.83 52	0.67 64	0.53 62	0.77 41	0.55 128	0.20 99	0.15 112	0.25 204	0.26 245	0.22 140	0.21 88

raft+_RVC	0.56 48	0.29 61	0.61 28	0.65 218	0.56 258	0.53 51	0.53 180	1.40 139	1.02 120	0.78 53	1.04 102	0.70 73	0.55 71	1.00 83	0.49 98	0.18 40	0.16 139	0.19 47	0.19 103	0.18 34	0.17 23

EGLCR-Stereo	0.41 4	0.24 9	0.59 22	0.45 8	0.27 19	0.54 60	0.22 2	1.23 114	0.56 6	0.44 5	0.43 2	0.68 66	0.29 3	0.89 66	0.34 4	0.17 18	0.12 5	0.20 70	0.17 70	0.17 20	0.18 32

RCA-Stereo	0.52 34	0.26 19	0.66 44	0.49 35	0.33 110	0.54 60	0.44 125	1.20 104	1.41 280	0.69 43	1.06 107	0.63 57	0.79 155	0.62 18	0.35 6	0.17 18	0.12 5	0.17 13	0.14 22	0.16 11	0.16 13

raft_robust	0.71 145	0.32 118	0.75 77	0.54 101	0.28 40	0.54 60	0.35 49	1.54 164	1.24 206	1.18 159	1.07 109	0.73 80	0.53 62	3.65 311	0.40 45	0.19 65	0.16 139	0.20 70	0.22 187	0.21 121	0.19 51

DN-CSS_ROB	0.67 119	0.36 188	1.36 259	0.59 163	0.41 181	0.54 60	0.45 133	1.30 128	0.95 92	1.05 106	1.47 244	0.69 70	0.64 113	1.80 212	0.60 151	0.19 65	0.15 112	0.25 204	0.23 214	0.22 140	0.23 123

PSM-softLoss	0.80 184	0.33 135	0.89 143	0.63 201	0.32 97	0.55 64	0.40 80	1.26 118	0.78 42	1.25 189	1.07 109	0.83 112	0.51 56	5.33 341	0.61 154	0.25 208	0.15 112	0.25 204	0.22 187	0.20 86	0.26 178

KMStereo	0.80 184	0.33 135	0.89 143	0.63 201	0.32 97	0.55 64	0.40 80	1.26 118	0.78 42	1.25 189	1.07 109	0.83 112	0.51 56	5.33 341	0.61 154	0.25 208	0.15 112	0.25 204	0.22 187	0.20 86	0.26 178

test_xeample3	0.57 60	0.33 135	3.11 350	0.46 14	0.34 122	0.55 64	0.38 69	0.86 18	0.49 2	0.54 29	0.46 3	0.44 8	0.44 27	1.49 166	0.45 73	0.18 40	0.14 58	0.19 47	0.15 30	0.17 20	0.18 32

CAS	0.66 111	0.19 1	0.41 4	2.31 390	0.86 343	0.56 67	0.53 180	0.83 11	0.63 17	0.49 16	0.70 32	0.36 2	0.26 1	0.47 2	0.37 25	2.33 391	0.10 1	0.14 1	0.10 1	0.17 20	1.31 382

SA	0.69 137	0.31 104	0.97 171	0.64 212	0.30 63	0.56 67	0.38 69	1.84 231	1.35 252	0.99 87	1.37 218	0.69 70	0.94 214	1.88 224	0.43 58	0.20 99	0.16 139	0.25 204	0.23 214	0.22 140	0.19 51

knoymous	0.53 35	0.32 118	0.51 14	0.46 14	0.30 63	0.57 69	0.54 189	1.10 69	0.78 42	0.99 87	0.84 53	0.95 153	0.57 78	0.89 66	0.51 103	0.21 121	0.14 58	0.26 225	0.14 22	0.23 158	0.25 161

ProNet	0.46 19	0.30 79	0.69 53	0.46 14	0.32 97	0.57 69	0.52 174	1.15 90	0.67 22	0.44 5	0.50 8	0.44 8	0.43 23	1.31 128	0.38 28	0.16 7	0.15 112	0.19 47	0.16 54	0.18 34	0.18 32

test-3	0.56 48	0.24 9	0.82 108	0.50 47	0.29 51	0.57 69	0.34 40	1.09 63	1.03 123	1.33 229	0.69 28	0.87 121	0.45 29	1.68 192	0.39 31	0.17 18	0.12 5	0.20 70	0.17 70	0.17 20	0.16 13

test_1	0.56 48	0.24 9	0.82 108	0.50 47	0.29 51	0.57 69	0.34 40	1.09 63	1.03 123	1.28 209	0.69 28	0.87 121	0.45 29	1.67 190	0.39 31	0.17 18	0.12 5	0.20 70	0.17 70	0.17 20	0.16 13

PFNet+	0.62 93	0.31 104	0.99 175	0.57 141	0.31 77	0.57 69	0.30 23	0.99 36	1.25 212	1.33 229	1.10 120	0.79 90	0.57 78	1.35 134	0.53 118	0.26 225	0.17 161	0.28 246	0.26 245	0.21 121	0.27 194

DeepStereo_RVC	0.57 60	0.31 104	0.78 89	0.53 90	0.30 63	0.57 69	0.32 29	1.11 71	0.80 52	1.17 148	0.94 69	0.83 112	0.93 212	1.01 85	0.61 154	0.23 170	0.14 58	0.21 93	0.19 103	0.24 187	0.26 178

RAFT-IKP	0.57 60	0.33 135	0.82 108	0.52 70	0.27 19	0.57 69	0.35 49	1.14 79	0.73 29	1.13 127	0.96 72	0.83 112	0.61 110	1.26 125	0.53 118	0.23 170	0.14 58	0.24 168	0.20 129	0.27 209	0.20 70

TestStereo	0.65 109	0.42 242	0.83 116	0.52 70	0.27 19	0.57 69	0.44 125	1.07 51	0.92 76	0.85 68	1.01 89	0.68 66	0.56 76	3.22 302	0.47 85	0.23 170	0.15 112	0.24 168	0.18 84	0.28 224	0.18 32

XX-TBD	0.47 22	0.71 328	0.39 1	0.81 316	0.25 8	0.57 69	0.26 10	0.73 3	1.30 236	0.78 53	1.01 89	0.45 15	0.33 10	0.49 3	0.39 31	0.20 99	0.15 112	0.15 3	0.11 6	0.17 20	0.15 3

Prome-Stereo	0.76 164	0.29 61	0.57 17	0.58 151	0.33 110	0.58 78	0.94 305	0.98 31	0.92 76	1.46 280	2.45 358	0.91 138	1.38 313	1.60 183	0.44 62	0.19 65	0.13 17	0.19 47	0.18 84	0.20 86	0.87 369

MyStereo07	0.50 30	0.30 79	0.58 18	0.58 151	0.48 216	0.59 79	0.78 265	1.19 100	0.60 12	0.49 16	0.54 15	0.43 7	0.55 71	1.32 131	0.36 16	0.18 40	0.18 185	0.24 168	0.21 165	0.23 158	0.23 123

MyStereo04	0.71 145	0.30 79	1.28 248	0.58 151	0.48 216	0.59 79	0.78 265	1.74 209	1.49 307	0.94 82	0.91 65	0.74 81	0.86 183	1.59 178	0.69 176	0.18 40	0.18 185	0.24 168	0.21 165	0.23 158	0.23 123

DCRE	0.85 212	0.28 43	0.76 80	0.60 170	0.49 222	0.59 79	0.53 180	1.04 46	0.92 76	0.80 56	7.34 400	0.87 121	0.57 78	0.78 48	0.43 58	0.16 7	0.17 161	0.19 47	0.17 70	0.18 34	0.22 109

CFNet-RSSM	0.57 60	0.25 16	0.76 80	0.49 35	0.28 40	0.59 79	0.27 14	1.89 246	1.17 181	1.09 113	0.95 70	1.06 184	0.53 62	0.74 34	0.41 50	0.17 18	0.13 17	0.17 13	0.15 30	0.16 11	0.16 13

DisPM	0.68 128	0.30 79	0.85 131	0.66 231	0.35 137	0.60 83	0.44 125	1.10 69	1.10 147	1.56 301	1.10 120	0.80 92	0.58 93	2.37 272	0.46 77	0.25 208	0.14 58	0.23 147	0.21 165	0.20 86	0.26 178

test_3	0.57 60	0.24 9	0.87 138	0.55 111	0.30 63	0.60 83	0.40 80	1.07 51	1.08 137	1.20 170	0.68 25	0.92 143	0.43 23	1.68 192	0.40 45	0.16 7	0.13 17	0.22 120	0.19 103	0.21 121	0.17 23

GwcNet-ADL	0.67 119	0.33 135	0.90 148	0.58 151	0.41 181	0.60 83	0.59 216	1.55 166	1.28 226	1.11 116	1.13 140	0.90 135	0.59 96	1.11 109	0.91 222	0.28 253	0.18 185	0.18 33	0.18 84	0.25 197	0.33 253

test-1	0.56 48	0.28 43	1.13 208	0.58 151	0.34 122	0.60 83	0.38 69	1.56 168	0.98 103	0.80 56	1.02 91	0.83 112	0.52 60	0.64 24	0.46 77	0.17 18	0.16 139	0.20 70	0.17 70	0.20 86	0.26 178

IIG-Stereo	0.97 247	0.34 162	0.80 98	0.90 345	0.33 110	0.61 87	0.26 10	1.27 122	1.08 137	1.69 320	1.37 218	1.44 271	0.74 135	6.94 376	0.53 118	0.21 121	0.14 58	0.23 147	0.18 84	0.20 86	0.15 3

Pruner-Stereo	0.64 105	0.31 104	0.79 93	0.66 231	0.31 77	0.61 87	0.42 92	1.22 110	1.09 144	1.53 294	1.09 118	0.94 150	0.55 71	1.37 138	0.56 135	0.25 208	0.14 58	0.24 168	0.21 165	0.21 121	0.25 161

MyStereo06	0.67 119	0.29 61	1.06 192	0.58 151	0.48 216	0.62 89	0.72 254	2.26 320	0.89 66	1.07 111	1.12 130	1.22 222	0.56 76	0.83 54	0.47 85	0.17 18	0.17 161	0.24 168	0.21 165	0.23 158	0.23 123

MyStereo05	0.70 139	0.29 61	1.22 237	0.58 151	0.48 216	0.62 89	0.72 254	1.52 158	1.54 314	1.17 148	0.91 65	0.77 87	0.79 155	1.45 154	0.68 175	0.17 18	0.17 161	0.24 168	0.21 165	0.23 158	0.23 123

OCTAStereo	0.82 194	0.33 135	0.83 116	0.65 218	0.31 77	0.62 89	0.44 125	1.35 132	0.93 83	1.30 216	1.02 91	0.81 98	0.57 78	5.32 340	0.55 128	0.26 225	0.14 58	0.24 168	0.20 129	0.20 86	0.30 230

ROB_FTStereo_v2	0.57 60	0.33 135	0.81 99	0.52 70	0.27 19	0.62 89	0.42 92	1.14 79	0.73 29	1.13 127	0.97 79	0.82 104	0.60 100	1.15 113	0.53 118	0.23 170	0.14 58	0.24 168	0.20 129	0.27 209	0.20 70

ROB_FTStereo	0.56 48	0.33 135	0.82 108	0.52 70	0.27 19	0.62 89	0.25 4	1.14 79	0.74 36	1.13 127	0.96 72	0.82 104	0.60 100	1.18 119	0.52 109	0.23 170	0.14 58	0.24 168	0.20 129	0.27 209	0.20 70

HUI-Stereo	0.54 36	0.33 135	0.81 99	0.52 70	0.27 19	0.62 89	0.29 21	1.14 79	0.74 36	1.13 127	0.96 72	0.82 104	0.60 100	0.83 54	0.52 109	0.23 170	0.14 58	0.24 168	0.20 129	0.27 209	0.20 70

PFNet	0.92 236	0.28 43	1.20 233	0.68 253	0.32 97	0.62 89	0.55 196	1.27 122	1.01 117	1.47 281	1.09 118	0.97 160	0.68 126	6.58 369	0.59 149	0.21 121	0.13 17	0.24 168	0.19 103	0.20 86	0.20 70

iGMRVC	0.58 71	0.33 135	0.81 99	0.52 70	0.27 19	0.62 89	0.38 69	1.14 79	0.73 29	1.13 127	0.97 79	0.82 104	0.59 96	1.54 169	0.53 118	0.23 170	0.14 58	0.24 168	0.20 129	0.27 209	0.20 70

Patchmatch Stereo++	0.57 60	0.33 135	0.82 108	0.52 70	0.27 19	0.63 97	0.28 17	1.14 79	0.73 29	1.13 127	0.96 72	0.82 104	0.60 100	1.40 142	0.52 109	0.23 170	0.14 58	0.24 168	0.20 129	0.27 209	0.20 70
Wenjia Ren, Qingmin Liao, Zhijing Shao, Xiangru Lin, Xin Yue, Yu Zhang, Zongqing Lu: Patchmatch Stereo++: Patchmatch Binocular Stereo with Continuous Disparity Optimization. ACM MM 2023
NF-Stereo	0.82 194	0.33 135	0.83 116	0.65 218	0.31 77	0.63 97	0.43 108	1.35 132	0.93 83	1.30 216	1.02 91	0.81 98	0.57 78	5.37 345	0.55 128	0.26 225	0.14 58	0.24 168	0.20 129	0.20 86	0.30 230

NRIStereo	0.62 93	0.31 104	0.78 89	0.56 123	0.28 40	0.63 97	0.33 33	1.16 93	0.92 76	1.15 142	0.87 58	0.90 135	0.58 93	2.24 260	0.56 135	0.22 150	0.14 58	0.21 93	0.19 103	0.22 140	0.18 32

PSM-adaLoss	0.56 48	0.33 135	0.81 99	0.52 70	0.27 19	0.63 97	0.41 88	1.14 79	0.73 29	1.13 127	0.96 72	0.82 104	0.60 100	1.09 104	0.52 109	0.23 170	0.14 58	0.24 168	0.20 129	0.27 209	0.20 70

RE-Stereo	0.82 194	0.33 135	0.84 125	0.65 218	0.31 77	0.63 97	0.44 125	1.35 132	0.93 83	1.30 216	1.02 91	0.80 92	0.57 78	5.34 343	0.55 128	0.26 225	0.14 58	0.24 168	0.20 129	0.20 86	0.31 239

TVStereo	0.82 194	0.33 135	0.84 125	0.65 218	0.31 77	0.63 97	0.44 125	1.35 132	0.93 83	1.30 216	1.02 91	0.80 92	0.57 78	5.34 343	0.55 128	0.26 225	0.14 58	0.24 168	0.20 129	0.20 86	0.31 239

iRAFT	0.57 60	0.33 135	0.82 108	0.52 70	0.27 19	0.63 97	0.28 17	1.14 79	0.73 29	1.13 127	0.96 72	0.82 104	0.60 100	1.40 142	0.52 109	0.23 170	0.14 58	0.24 168	0.20 129	0.27 209	0.20 70

Gwc-CoAtRS	0.55 37	0.27 35	0.73 67	0.49 35	0.30 63	0.63 97	0.25 4	1.38 137	1.12 156	1.05 106	1.02 91	1.10 199	0.55 71	0.72 32	0.44 62	0.17 18	0.14 58	0.17 13	0.15 30	0.16 11	0.17 23

4D-IteraStereo	0.50 30	0.26 19	0.84 125	0.51 58	0.49 222	0.64 105	0.31 25	0.91 20	1.02 120	1.05 106	0.72 34	0.76 83	0.32 9	0.69 29	0.40 45	0.18 40	0.11 2	0.23 147	0.20 129	0.19 59	0.16 13

qqq	0.62 93	0.36 188	0.88 140	0.50 47	0.28 40	0.64 105	0.62 228	1.58 173	0.91 71	0.83 63	0.96 72	0.95 153	0.79 155	0.99 81	0.67 171	0.21 121	0.23 254	0.24 168	0.23 214	0.23 158	0.25 161

IRAFT_RVC	0.90 228	0.30 79	0.89 143	0.67 244	0.31 77	0.64 105	1.00 315	1.40 139	0.97 100	1.23 182	1.04 102	1.00 170	0.96 221	5.77 352	0.57 138	0.24 188	0.13 17	0.25 204	0.21 165	0.20 86	0.21 88

RALCasStereoNet	0.58 71	0.34 162	0.77 83	0.65 218	0.64 286	0.64 105	0.51 166	1.06 50	0.99 110	0.71 44	1.06 107	0.77 87	0.44 27	1.38 139	0.52 109	0.20 99	0.18 185	0.18 33	0.16 54	0.20 86	0.22 109

IPLGR	0.62 93	0.28 43	1.32 254	0.50 47	0.29 51	0.65 109	0.34 40	1.47 153	1.19 186	1.21 176	1.07 109	0.70 73	0.65 117	1.05 92	0.55 128	0.18 40	0.15 112	0.20 70	0.17 70	0.21 121	0.20 70

AAGNet	1.84 348	0.30 79	0.79 93	0.66 231	0.32 97	0.65 109	0.50 165	1.02 38	1.01 117	1.47 281	1.21 164	0.99 166	1.16 278	2.76 289	22.69 419	0.24 188	0.13 17	0.22 120	0.20 129	0.24 187	0.16 13

TransformOpticalFlow	0.97 247	0.30 79	0.96 170	0.54 101	0.31 77	0.65 109	0.54 189	1.87 239	1.19 186	1.12 124	1.44 237	1.34 256	0.98 231	6.68 372	0.44 62	0.19 65	0.12 5	0.21 93	0.19 103	0.18 34	0.23 123

FTStereo	0.92 236	0.28 43	0.61 28	0.57 141	0.34 122	0.65 109	1.80 374	1.09 63	0.84 58	1.75 324	4.13 382	1.04 180	1.62 332	1.59 178	0.48 89	0.21 121	0.17 161	0.23 147	0.22 187	0.19 59	0.58 339

TANstereo	0.45 11	0.23 6	0.50 13	0.43 5	0.21 2	0.65 109	0.26 10	0.83 11	0.88 65	0.95 84	0.99 83	0.51 33	0.45 29	0.56 6	0.36 16	0.19 65	0.24 262	0.16 8	0.13 11	0.17 20	0.27 194

Anonymous	0.56 48	0.41 240	1.05 189	0.67 244	0.73 310	0.65 109	0.68 242	1.12 73	0.79 48	0.48 13	0.60 19	0.42 5	0.60 100	0.81 49	0.55 128	0.26 225	0.24 262	0.21 93	0.21 165	0.41 295	0.30 230

CrosDoStereo	1.56 327	0.26 19	0.78 89	0.51 58	0.29 51	0.66 115	11.86 410	1.18 96	1.00 114	1.35 240	1.76 304	0.99 166	1.83 351	6.64 370	0.83 207	0.19 65	0.15 112	0.20 70	0.22 187	0.18 34	0.25 161

KYRaft	0.77 169	0.29 61	0.68 49	0.59 163	0.29 51	0.66 115	0.83 282	1.05 49	0.89 66	1.63 314	2.22 347	1.15 212	0.99 234	1.59 178	0.41 50	0.21 121	0.14 58	0.22 120	0.28 268	0.21 121	1.01 372

DeepStereo_LL	1.56 327	0.26 19	0.78 89	0.51 58	0.29 51	0.66 115	11.86 410	1.18 96	1.00 114	1.35 240	1.76 304	0.99 166	1.83 351	6.64 370	0.83 207	0.19 65	0.15 112	0.20 70	0.22 187	0.18 34	0.25 161

RAFT_R40	0.84 207	0.30 79	0.83 116	0.63 201	0.31 77	0.66 115	0.43 108	1.15 90	0.99 110	1.47 281	1.10 120	1.00 170	0.84 171	5.44 346	0.53 118	0.23 170	0.13 17	0.23 147	0.20 129	0.23 158	0.19 51

cross-raft	0.56 48	0.26 19	0.65 42	0.55 111	0.31 77	0.66 115	0.37 62	1.68 191	0.82 53	1.06 110	1.07 109	1.25 231	0.45 29	0.74 34	0.39 31	0.15 4	0.13 17	0.19 47	0.16 54	0.19 59	0.17 23

Former-RAFT_DAM_RVC	0.47 22	0.38 221	0.75 77	0.48 29	0.37 144	0.67 120	0.35 49	0.82 10	1.14 167	0.61 38	0.64 20	0.39 4	0.39 15	0.74 34	0.39 31	0.20 99	0.17 161	0.22 120	0.18 84	0.24 187	0.20 70

whm_eth	0.69 137	0.51 275	1.32 254	0.56 123	0.64 286	0.67 120	0.45 133	1.59 178	1.33 247	1.02 98	1.92 328	0.48 25	0.48 44	0.71 30	0.53 118	0.24 188	0.20 209	0.25 204	0.24 226	0.25 197	0.35 268

STrans-v2	1.06 266	0.31 104	1.02 183	0.52 70	0.33 110	0.67 120	0.78 265	2.66 367	1.26 218	1.15 142	1.46 242	1.37 262	1.40 316	6.68 372	0.46 77	0.19 65	0.13 17	0.21 93	0.18 84	0.18 34	0.21 88

RALAANet	0.62 93	0.37 204	0.97 171	0.66 231	0.50 226	0.67 120	0.31 25	1.27 122	1.09 144	1.11 116	1.17 153	0.88 127	0.46 36	1.27 127	0.45 73	0.20 99	0.15 112	0.21 93	0.18 84	0.27 209	0.19 51

MSKI-zero shot	0.56 48	0.30 79	0.61 28	0.55 111	0.28 40	0.68 124	0.28 17	1.25 117	0.68 23	0.92 78	1.33 205	0.81 98	0.33 10	1.94 228	0.36 16	0.18 40	0.13 17	0.17 13	0.13 11	0.16 11	0.19 51

LL-Strereo2	0.56 48	0.36 188	0.77 83	0.56 123	0.40 171	0.68 124	0.37 62	1.21 108	0.83 56	0.96 85	0.79 44	0.91 138	0.41 17	1.08 100	0.48 89	0.18 40	0.17 161	0.29 254	0.25 234	0.22 140	0.19 51

RAFT_CTSACE	0.66 111	0.29 61	1.14 211	0.57 141	0.51 235	0.68 124	0.44 125	0.88 19	0.98 103	1.03 102	1.83 315	1.23 226	0.67 123	1.48 160	0.38 28	0.16 7	0.16 139	0.21 93	0.20 129	0.20 86	0.17 23

MIPNet	0.60 88	0.31 104	1.07 196	0.51 58	0.34 122	0.68 124	0.40 80	1.67 190	1.14 167	1.11 116	0.93 67	0.60 49	0.78 150	0.77 41	0.58 143	0.18 40	0.14 58	0.19 47	0.16 54	0.18 34	0.21 88

GANet-ADL	0.63 102	0.38 221	0.82 108	0.67 244	0.41 181	0.68 124	0.51 166	1.64 186	1.16 177	0.98 86	1.10 120	0.90 135	0.58 93	0.81 49	0.63 159	0.27 242	0.18 185	0.18 33	0.16 54	0.23 158	0.27 194

LCNet	0.73 153	0.30 79	0.58 18	0.58 151	0.31 77	0.68 124	0.53 180	1.09 63	0.94 88	1.19 164	1.34 208	0.96 157	1.32 307	2.50 275	0.46 77	0.19 65	0.13 17	0.21 93	0.25 234	0.28 224	0.69 356

R-Stereo Train	0.60 88	0.30 79	0.72 57	0.57 141	0.37 144	0.68 124	0.52 174	1.45 148	0.78 42	1.61 310	1.50 254	0.76 83	0.53 62	0.67 27	0.51 103	0.19 65	0.16 139	0.18 33	0.15 30	0.18 34	0.19 51

RAFT-Stereo	0.60 88	0.30 79	0.72 57	0.57 141	0.37 144	0.68 124	0.52 174	1.45 148	0.78 42	1.61 310	1.50 254	0.76 83	0.53 62	0.67 27	0.51 103	0.19 65	0.16 139	0.18 33	0.15 30	0.18 34	0.19 51
Lahav Lipson, Zachary Teed, and Jia Deng: RAFT-Stereo: Multilevel Recurrent Field Transforms for Stereo Matching. 3DV
AE-Stereo	0.58 71	0.29 61	0.81 99	0.62 191	0.41 181	0.69 132	0.46 139	2.49 353	1.25 212	0.49 16	0.77 40	0.69 70	0.46 36	0.61 14	0.42 55	0.17 18	0.16 139	0.21 93	0.20 129	0.19 59	0.18 32

x	0.59 82	0.34 162	0.79 93	0.51 58	0.32 97	0.69 132	0.46 139	1.64 186	0.97 100	0.86 72	0.86 56	0.83 112	0.74 135	0.75 39	0.70 179	0.21 121	0.22 232	0.22 120	0.20 129	0.21 121	0.24 142

RAFT	0.67 119	0.32 118	0.83 116	0.63 201	0.34 122	0.69 132	0.57 205	1.14 79	0.84 58	1.12 124	1.20 159	1.75 320	0.92 211	1.09 104	0.60 151	0.22 150	0.19 199	0.27 234	0.24 226	0.22 140	0.23 123

SST-Stereo	0.85 212	0.30 79	0.81 99	0.63 201	0.31 77	0.70 135	0.25 4	1.16 93	0.95 92	1.47 281	1.11 127	0.99 166	0.86 183	5.69 349	0.53 118	0.23 170	0.13 17	0.23 147	0.19 103	0.23 158	0.19 51

EAI-Stereo	0.76 164	0.31 104	0.74 72	0.55 111	0.28 40	0.70 135	1.72 367	2.57 360	0.90 70	0.75 51	3.03 369	0.57 43	0.43 23	1.10 106	0.49 98	0.19 65	0.14 58	0.17 13	0.18 84	0.17 20	0.21 88

test_4	0.55 37	0.23 6	0.67 47	0.56 123	0.32 97	0.71 137	0.39 78	0.83 11	0.72 28	0.93 81	1.87 322	0.70 73	0.41 17	1.21 122	0.39 31	0.16 7	0.13 17	0.21 93	0.23 214	0.20 86	0.18 32

GMM-Stereo	0.75 159	0.27 35	0.66 44	0.56 123	0.34 122	0.71 137	0.97 310	1.09 63	0.91 71	1.37 246	1.79 308	1.11 204	0.79 155	2.08 248	0.48 89	0.19 65	0.12 5	0.25 204	0.25 234	0.21 121	0.78 363

PMTNet	0.47 22	0.22 3	0.43 5	0.39 2	0.24 6	0.71 137	0.26 10	0.78 5	1.03 123	0.65 39	0.69 28	0.55 39	0.48 44	0.90 69	0.36 16	0.99 376	0.13 17	0.15 3	0.10 1	0.15 4	0.15 3

CFNet_pseudo	0.68 128	0.34 162	0.93 154	0.50 47	0.39 162	0.72 140	0.42 92	1.44 146	1.25 212	1.17 148	1.35 213	1.22 222	0.66 121	1.04 89	0.64 162	0.21 121	0.17 161	0.33 287	0.19 103	0.39 287	0.28 205

111	0.66 111	0.27 35	1.15 213	0.46 14	0.25 8	0.72 140	0.42 92	1.57 171	1.44 291	0.83 63	1.39 224	1.10 199	0.80 161	0.97 80	0.65 166	0.20 99	0.14 58	0.18 33	0.15 30	0.18 34	0.28 205

ccs_rob	0.68 128	0.34 162	0.93 154	0.50 47	0.39 162	0.72 140	0.42 92	1.43 145	1.25 212	1.17 148	1.34 208	1.22 222	0.66 121	1.04 89	0.64 162	0.21 121	0.17 161	0.35 301	0.20 129	0.40 291	0.29 217

LL-Strereo	1.42 314	0.44 251	2.02 312	0.62 191	1.07 362	0.73 143	0.65 236	2.02 271	1.21 196	1.60 309	1.62 283	2.02 341	2.10 364	9.67 401	1.07 252	0.22 150	0.20 209	0.27 234	0.24 226	0.23 158	0.33 253

PSMNet-RSSM	0.78 171	0.32 118	0.89 143	0.65 218	0.43 191	0.73 143	0.58 212	2.14 296	1.19 186	1.18 159	1.38 222	1.31 249	1.07 264	1.43 151	0.82 206	0.28 253	0.21 222	0.27 234	0.29 283	0.25 197	0.26 178

dd	0.62 93	0.51 275	1.17 227	0.56 123	0.33 110	0.74 145	0.46 139	1.03 44	1.40 277	0.80 56	0.87 58	0.60 49	0.57 78	1.02 87	0.86 211	0.28 253	0.18 185	0.26 225	0.19 103	0.35 268	0.27 194

ACRE	0.66 111	0.37 204	1.27 247	0.60 170	0.50 226	0.74 145	0.47 148	1.26 118	1.10 147	1.40 259	1.56 272	0.62 53	0.46 36	0.88 64	0.78 194	0.24 188	0.15 112	0.19 47	0.16 54	0.19 59	0.29 217

anonymousdsp2	0.58 71	0.29 61	0.93 154	0.51 58	0.30 63	0.75 147	0.46 139	1.95 259	0.87 64	0.81 60	0.78 42	0.76 83	0.48 44	1.10 106	0.45 73	0.19 65	0.14 58	0.18 33	0.13 11	0.20 86	0.22 109

CIPLG	0.67 119	0.37 204	1.17 227	0.60 170	0.51 235	0.75 147	0.48 152	1.26 118	1.11 151	1.43 269	1.58 277	0.64 59	0.48 44	0.94 72	0.78 194	0.24 188	0.15 112	0.19 47	0.16 54	0.19 59	0.29 217

IPLGR_C	0.67 119	0.38 221	1.20 233	0.60 170	0.50 226	0.75 147	0.48 152	1.28 126	1.13 161	1.42 265	1.57 276	0.62 53	0.48 44	0.85 60	0.80 203	0.24 188	0.15 112	0.19 47	0.16 54	0.19 59	0.29 217

HCRNet	0.72 150	0.40 231	0.86 136	0.61 183	0.57 262	0.75 147	0.35 49	1.39 138	1.21 196	1.11 116	0.99 83	1.01 174	0.76 141	2.18 256	0.73 183	0.28 253	0.19 199	0.28 246	0.23 214	0.25 197	0.26 178

AANet_RVC	1.22 293	0.60 297	1.94 305	0.69 263	0.46 208	0.75 147	0.69 246	1.51 156	1.57 320	1.36 245	1.90 325	1.51 285	0.87 189	7.23 379	1.89 332	0.26 225	0.19 199	0.19 47	0.16 54	0.23 158	0.37 274

DualNet	1.46 318	0.36 188	1.51 272	0.56 123	0.40 171	0.76 152	0.59 216	1.08 56	2.62 371	1.19 164	1.49 247	1.07 187	0.85 176	1.57 172	13.82 403	0.21 121	0.13 17	0.31 267	0.28 268	0.20 86	0.23 123

ffm	0.79 179	0.36 188	1.51 272	0.56 123	0.40 171	0.76 152	0.59 216	1.08 56	2.62 371	1.19 164	1.49 247	1.07 187	0.85 176	1.57 172	0.35 6	0.21 121	0.13 17	0.31 267	0.28 268	0.20 86	0.23 123

ff1	1.88 349	0.36 188	1.51 272	0.56 123	0.40 171	0.76 152	0.59 216	1.08 56	2.62 371	1.19 164	1.49 247	1.07 187	0.85 176	9.88 406	13.82 403	0.21 121	0.13 17	0.31 267	0.28 268	0.20 86	0.23 123

mmx	1.89 352	0.36 188	1.51 272	0.56 123	0.40 171	0.76 152	0.59 216	2.32 328	1.41 280	1.19 164	1.49 247	1.07 187	0.85 176	9.88 406	13.82 403	0.25 208	0.21 222	0.31 267	0.28 268	0.32 257	0.29 217

xxx	1.89 352	0.36 188	1.51 272	0.56 123	0.40 171	0.76 152	0.59 216	2.32 328	1.41 280	1.19 164	1.49 247	1.07 187	0.85 176	9.88 406	13.82 403	0.25 208	0.21 222	0.31 267	0.28 268	0.32 257	0.29 217

CFNet_ucs	0.73 153	0.34 162	0.94 160	0.53 90	0.44 198	0.76 152	0.46 139	1.73 208	1.34 249	1.24 186	1.54 264	1.08 197	0.64 113	1.05 92	0.64 162	0.26 225	0.20 209	0.37 313	0.22 187	0.42 299	0.30 230

UDGNet	0.75 159	1.23 371	0.99 175	0.82 320	0.42 188	0.76 152	0.38 69	0.98 31	1.37 264	0.83 63	0.88 61	0.70 73	0.60 100	1.25 124	0.57 138	0.57 359	0.19 199	1.03 380	0.26 245	0.79 366	0.35 268

PSM-AAD	0.80 184	0.29 61	0.58 18	0.58 151	0.29 51	0.76 152	1.19 336	1.08 56	0.94 88	1.65 316	1.58 277	0.81 98	2.12 367	1.67 190	0.44 62	0.19 65	0.14 58	0.38 317	0.32 303	0.22 140	0.68 354

GrayStereo	0.83 203	0.28 43	0.62 31	0.66 231	0.37 144	0.76 152	1.79 371	1.19 100	0.91 71	1.98 346	1.89 323	1.07 187	1.76 347	1.43 151	0.50 101	0.20 99	0.15 112	0.19 47	0.21 165	0.18 34	0.41 290

CRE-IMP	0.57 60	0.32 118	0.82 108	0.54 101	0.29 51	0.77 161	0.25 4	1.19 100	0.79 48	1.09 113	0.95 70	0.81 98	0.57 78	1.11 109	0.57 138	0.22 150	0.14 58	0.23 147	0.19 103	0.28 224	0.24 142

Sa-1000	0.76 164	0.30 79	0.92 153	0.62 191	0.31 77	0.78 162	0.37 62	2.00 269	1.38 266	1.30 216	2.04 336	0.86 120	0.74 135	1.87 218	0.40 45	0.19 65	0.14 58	0.25 204	0.24 226	0.21 121	0.19 51

cf-r	0.79 179	0.32 118	1.06 192	0.57 141	0.64 286	0.78 162	0.51 166	2.04 277	1.22 202	1.20 170	1.27 185	1.53 288	0.91 203	1.47 158	0.94 234	0.25 208	0.19 199	0.22 120	0.23 214	0.19 59	0.21 88

GwcNet-RSSM	0.83 203	0.34 162	1.29 251	0.65 218	0.55 254	0.78 162	0.62 228	1.89 246	1.27 222	1.18 159	1.39 224	1.56 293	0.91 203	1.60 183	1.22 268	0.26 225	0.20 209	0.23 147	0.24 226	0.21 121	0.21 88

DeepPruner_ROB	0.79 179	0.55 287	1.14 211	0.61 183	0.46 208	0.78 162	0.54 189	1.83 230	1.00 114	1.42 265	1.27 185	1.23 226	0.77 145	1.56 170	0.89 217	0.35 299	0.28 292	0.27 234	0.26 245	0.32 257	0.34 260

IPLG	0.72 150	0.29 61	1.12 207	0.53 90	0.44 198	0.79 166	0.33 33	1.35 132	1.10 147	1.32 224	1.11 127	0.52 36	0.54 69	3.13 298	0.71 182	0.17 18	0.14 58	0.20 70	0.17 70	0.18 34	0.21 88

PCWNet_CMD	0.68 128	0.34 162	0.93 154	0.51 58	0.38 155	0.80 167	0.42 92	1.51 156	1.34 249	1.17 148	1.31 196	1.23 226	0.65 117	0.94 72	0.62 157	0.21 121	0.17 161	0.27 234	0.19 103	0.43 301	0.28 205

AACVNet	0.90 228	0.40 231	0.98 173	0.86 333	0.40 171	0.80 167	0.49 160	1.81 225	0.86 63	1.11 116	1.34 208	1.32 253	0.99 234	4.23 320	0.86 211	0.26 225	0.22 232	0.28 246	0.22 187	0.30 244	0.28 205

RAFT-RH_RVC	1.04 262	0.26 19	0.76 80	0.53 90	0.29 51	0.80 167	0.32 29	0.85 15	1.12 156	2.04 349	4.63 387	1.03 179	0.57 78	5.93 355	0.52 109	0.20 99	0.13 17	0.26 225	0.20 129	0.16 11	0.19 51

GMStereo	0.58 71	0.50 271	1.09 199	0.52 70	0.32 97	0.80 167	0.43 108	1.02 38	1.41 280	0.89 75	0.77 40	0.52 36	0.46 36	0.89 66	0.56 135	0.25 208	0.16 139	0.20 70	0.22 187	0.31 249	0.27 194
Haofei Xu, Jing Zhang, Jianfei Cai, Hamid Rezatofighi, Fisher Yu, Dacheng Tao, Andreas Geiger: Unifying Flow, Stereo and Depth Estimation. TPAMI 2023
ACVNet	0.66 111	0.33 135	0.74 72	0.55 111	0.37 144	0.80 167	0.47 148	1.46 150	1.11 151	1.01 94	1.31 196	1.07 187	0.91 203	0.82 51	1.09 253	0.22 150	0.19 199	0.21 93	0.18 84	0.23 158	0.19 51

GANet-RSSM	0.78 171	0.31 104	0.90 148	0.67 244	0.58 264	0.80 167	0.62 228	2.04 277	1.15 172	1.11 116	1.27 185	1.26 237	1.18 288	1.68 192	0.74 185	0.26 225	0.21 222	0.22 120	0.22 187	0.23 158	0.23 123

MSMDNet	0.68 128	0.34 162	0.93 154	0.52 70	0.38 155	0.80 167	0.42 92	1.52 158	1.35 252	1.17 148	1.31 196	1.23 226	0.65 117	0.94 72	0.62 157	0.21 121	0.17 161	0.26 225	0.19 103	0.41 295	0.28 205

pcwnet_v2	0.91 233	0.39 226	2.74 342	0.64 212	0.55 254	0.81 174	0.49 160	2.19 312	1.63 326	1.44 272	1.64 288	1.09 198	0.79 155	1.31 128	0.70 179	0.32 281	0.25 275	0.29 254	0.27 259	0.37 277	0.37 274

GASNet	1.13 278	1.10 363	3.29 355	1.00 361	0.68 300	0.82 175	0.67 240	1.85 237	1.38 266	1.39 253	1.25 176	1.25 231	1.20 290	2.72 287	1.62 313	0.46 338	0.26 280	0.36 311	0.34 317	0.55 338	0.33 253

CASS	0.67 119	0.36 188	0.84 125	0.57 141	0.28 40	0.82 175	0.43 108	1.62 185	0.92 76	1.39 253	1.28 190	0.87 121	0.84 171	0.88 64	0.59 149	0.36 306	0.19 199	0.26 225	0.22 187	0.29 234	0.43 300
Junhong Min, Youngpil Jeon: Confidence-Aware Symmetric Stereo Matching via U-Net Transformer.
iRaft-Stereo_20w	0.71 145	0.33 135	1.25 244	0.50 47	0.36 139	0.82 175	0.31 25	3.16 380	0.89 66	1.24 186	1.14 145	0.79 90	0.65 117	1.15 113	0.43 58	0.18 40	0.13 17	0.18 33	0.17 70	0.20 86	0.23 123

DAS	0.89 221	0.37 204	1.20 233	0.66 231	0.69 303	0.82 175	0.62 228	1.79 218	1.26 218	1.93 341	1.55 267	0.96 157	1.17 281	2.72 287	0.69 176	0.22 150	0.16 139	0.25 204	0.18 84	0.29 234	0.24 142

SepStereo	0.87 217	0.37 204	1.20 233	0.66 231	0.69 303	0.82 175	0.62 228	1.79 218	1.26 218	1.93 341	1.55 267	0.96 157	1.17 281	2.34 267	0.69 176	0.22 150	0.16 139	0.25 204	0.18 84	0.29 234	0.24 142

FENet	0.62 93	0.30 79	0.68 49	0.57 141	0.33 110	0.82 175	0.40 80	1.41 143	1.12 156	1.03 102	0.87 58	0.98 161	0.84 171	1.00 83	0.70 179	0.23 170	0.16 139	0.23 147	0.20 129	0.22 140	0.24 142

SMFormer	0.79 179	0.32 118	0.95 163	0.49 35	0.27 19	0.83 181	0.43 108	2.16 302	1.45 296	1.27 204	1.50 254	0.98 161	0.96 221	1.87 218	0.99 241	0.24 188	0.22 232	0.22 120	0.21 165	0.23 158	0.27 194

tta	0.79 179	0.32 118	0.95 163	0.49 35	0.27 19	0.83 181	0.43 108	2.16 302	1.45 296	1.27 204	1.50 254	0.98 161	0.96 221	1.87 218	0.99 241	0.24 188	0.22 232	0.22 120	0.21 165	0.19 59	0.22 109

qqq1	0.76 164	0.32 118	0.95 163	0.49 35	0.27 19	0.83 181	0.43 108	2.16 302	1.45 296	1.27 204	1.50 254	0.98 161	0.96 221	1.87 218	0.48 89	0.24 188	0.22 232	0.18 33	0.15 30	0.19 59	0.22 109

fff1	0.76 164	0.32 118	0.95 163	0.49 35	0.27 19	0.83 181	0.43 108	2.16 302	1.45 296	1.27 204	1.50 254	0.98 161	0.96 221	1.87 218	0.48 89	0.24 188	0.22 232	0.18 33	0.15 30	0.19 59	0.22 109

11t1	0.57 60	0.30 79	0.84 125	0.54 101	0.30 63	0.83 181	0.41 88	1.34 131	0.79 48	0.88 74	0.82 51	0.70 73	0.70 131	0.96 79	0.67 171	0.21 121	0.21 222	0.20 70	0.16 54	0.21 121	0.26 178

dad	0.90 228	0.73 334	1.28 248	0.59 163	0.39 162	0.83 181	0.45 133	1.24 115	1.54 314	1.52 291	1.28 190	1.36 258	0.86 183	2.54 278	0.91 222	0.43 326	0.27 288	0.82 373	0.26 245	0.44 311	0.34 260

SACVNet	0.89 221	0.51 275	1.08 198	0.83 324	0.58 264	0.83 181	0.78 265	1.84 231	1.17 181	1.39 253	1.33 205	1.25 231	1.01 243	2.31 266	0.92 226	0.35 299	0.26 280	0.31 267	0.29 283	0.35 268	0.48 311

GMStereo_Zeroshot	0.70 139	0.64 311	1.11 204	0.65 218	0.38 155	0.84 188	0.37 62	1.09 63	1.16 177	1.14 140	1.07 109	1.26 237	0.55 71	1.23 123	0.65 166	0.34 291	0.17 161	0.31 267	0.18 84	0.57 341	0.23 123

DMCA-RVC	0.83 203	0.46 255	2.19 325	0.68 253	0.49 222	0.84 188	0.48 152	1.44 146	1.07 134	1.56 301	1.04 102	1.29 245	0.86 183	1.49 166	0.92 226	0.27 242	0.22 232	0.35 301	0.28 268	0.32 257	0.28 205

DMCA	0.71 145	0.36 188	1.17 227	0.53 90	0.45 201	0.84 188	0.46 139	1.52 158	1.09 144	1.20 170	1.12 130	1.21 218	0.74 135	0.87 62	1.09 253	0.25 208	0.20 209	0.27 234	0.19 103	0.24 187	0.29 217

ICVP	0.66 111	0.35 184	0.71 56	0.63 201	0.41 181	0.85 191	0.56 202	1.78 215	0.96 96	0.92 78	1.24 174	0.88 127	0.75 140	0.76 40	0.93 229	0.31 274	0.22 232	0.22 120	0.21 165	0.24 187	0.28 205
Kwon, Oh-Hun and Zell, Eduard: Image-Coupled Volume Propagation for Stereo Matching. 2023 IEEE International Conference on Image Processing (ICIP)
mmm	0.68 128	0.37 204	0.91 151	0.54 101	0.34 122	0.86 192	0.58 212	1.72 207	1.02 120	1.13 127	1.41 232	0.83 112	0.78 150	0.95 78	0.67 171	0.22 150	0.20 209	0.29 254	0.26 245	0.27 209	0.27 194

riskmin	0.62 93	0.29 61	0.73 67	0.50 47	0.34 122	0.86 192	0.44 125	1.74 209	1.07 134	0.76 52	0.76 37	1.19 215	1.01 243	0.84 57	0.60 151	0.20 99	0.16 139	0.24 168	0.16 54	0.24 187	0.29 217

CFNet-ft	0.78 171	0.36 188	0.74 72	0.67 244	0.56 258	0.86 192	0.54 189	1.46 150	1.17 181	1.01 94	1.28 190	1.68 309	1.03 250	1.57 172	0.95 236	0.27 242	0.21 222	0.33 287	0.26 245	0.31 249	0.26 178

CFNet_RVC	0.78 171	0.36 188	0.74 72	0.67 244	0.56 258	0.86 192	0.54 189	1.46 150	1.17 181	1.01 94	1.28 190	1.68 309	1.03 250	1.57 172	0.95 236	0.27 242	0.21 222	0.33 287	0.26 245	0.31 249	0.26 178

STTStereo	0.82 194	0.53 281	1.53 280	0.68 253	0.56 258	0.88 196	0.56 202	1.57 171	1.14 167	1.39 253	1.10 120	1.26 237	0.84 171	1.49 166	0.90 220	0.29 265	0.28 292	0.33 287	0.40 332	0.33 262	0.37 274

test_5	0.70 139	0.32 118	0.99 175	0.69 263	0.50 226	0.89 197	0.51 166	1.88 244	1.14 167	0.78 53	1.13 140	1.04 180	0.89 198	1.59 178	0.46 77	0.19 65	0.14 58	0.23 147	0.22 187	0.22 140	0.20 70

ARAFT	0.82 194	0.40 231	1.77 293	0.53 90	0.31 77	0.89 197	0.81 277	2.32 328	1.08 137	1.66 317	1.25 176	1.04 180	0.64 113	1.91 225	0.52 109	0.20 99	0.15 112	0.28 246	0.27 259	0.17 20	0.18 32

UCFNet_RVC	0.72 150	0.37 204	0.59 22	0.66 231	0.41 181	0.89 197	0.68 242	1.78 215	1.15 172	1.01 94	1.20 159	1.22 222	0.95 219	1.07 98	0.66 170	0.28 253	0.21 222	0.34 295	0.31 298	0.33 262	0.29 217

MyStereo8	0.70 139	0.32 118	1.24 242	0.63 201	0.53 243	0.90 200	0.34 40	1.60 180	1.35 252	1.20 170	1.31 196	0.89 133	0.64 113	0.77 41	1.02 248	0.18 40	0.15 112	0.20 70	0.18 84	0.22 140	0.30 230

FADNet-RVC	0.96 246	0.72 331	2.96 346	0.64 212	0.49 222	0.90 200	0.59 216	1.85 237	1.27 222	0.92 78	0.97 79	1.36 258	0.90 201	2.36 269	1.31 278	0.30 270	0.29 300	0.32 279	0.32 303	0.42 299	0.37 274

Selective-RAFT	0.55 37	0.29 61	0.85 131	0.58 151	0.28 40	0.91 202	0.34 40	1.00 37	0.96 96	0.59 31	0.64 20	0.80 92	0.76 141	1.34 133	0.51 103	0.21 121	0.15 112	0.17 13	0.15 30	0.19 59	0.19 51

DIP-Stereo	0.64 105	0.32 118	0.91 151	0.49 35	0.36 139	0.91 202	0.33 33	2.51 356	0.77 41	1.25 189	1.00 87	0.68 66	0.51 56	0.92 71	0.65 166	0.19 65	0.15 112	0.21 93	0.17 70	0.19 59	0.22 109
Zihua Zheng, Ni Nie, Zhi Ling, Pengfei Xiong, Jiangyu Liu, Hao Wang, Jiankun Li: DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow. cvpr2022
DeepPrunerF	1.68 337	0.82 342	6.82 379	0.94 355	1.20 375	0.91 202	0.97 310	2.50 354	5.19 401	1.22 181	1.30 195	1.18 214	1.29 301	4.96 336	1.75 326	0.43 326	0.35 329	0.52 349	0.48 351	0.43 301	0.42 296

TDLM	1.08 272	0.50 271	1.01 181	0.69 263	0.54 250	0.91 202	1.40 351	1.60 180	1.36 259	1.17 148	1.40 229	1.07 187	1.00 240	6.19 359	0.85 210	0.34 291	0.22 232	0.35 301	0.26 245	0.38 283	0.29 217

PS-NSSS	1.02 259	0.62 307	1.17 227	0.61 183	0.58 264	0.91 202	0.79 273	2.02 271	1.19 186	1.17 148	1.68 294	1.00 170	0.85 176	4.43 325	0.86 211	0.38 309	0.31 309	0.52 349	0.32 303	0.52 329	0.45 305

MLCV	0.77 169	0.39 226	1.31 252	0.55 111	0.25 8	0.91 202	0.39 78	1.48 155	1.28 226	1.49 288	1.54 264	1.02 176	0.68 126	2.12 252	0.93 229	0.19 65	0.13 17	0.19 47	0.14 22	0.19 59	0.22 109

iResNet_ROB	0.82 194	0.36 188	1.13 208	0.60 170	0.37 144	0.91 202	0.38 69	2.41 339	1.61 325	1.35 240	1.35 213	1.25 231	0.97 228	1.75 201	0.88 215	0.21 121	0.14 58	0.17 13	0.12 9	0.19 59	0.30 230

HH	0.68 128	0.33 135	0.83 116	0.53 90	0.34 122	0.92 209	0.45 133	1.79 218	0.74 36	0.71 44	1.13 140	1.60 297	0.83 169	1.95 231	0.39 31	0.18 40	0.14 58	0.19 47	0.17 70	0.19 59	0.19 51

HanStereo	0.68 128	0.33 135	0.83 116	0.53 90	0.34 122	0.92 209	0.45 133	1.79 218	0.74 36	0.71 44	1.13 140	1.60 297	0.83 169	1.95 231	0.39 31	0.18 40	0.14 58	0.19 47	0.17 70	0.19 59	0.19 51

ToySt	0.73 153	0.35 184	1.64 287	0.54 101	0.37 144	0.92 209	0.81 277	1.21 108	1.03 123	0.86 72	1.12 130	1.31 249	1.01 243	1.04 89	0.88 215	0.19 65	0.20 209	0.24 168	0.24 226	0.27 209	0.28 205

Anonymous3	0.64 105	0.47 260	1.31 252	0.59 163	0.50 226	0.93 212	0.69 246	1.11 71	0.83 56	0.74 49	0.89 63	0.65 60	0.68 126	1.08 100	0.54 127	0.40 318	0.31 309	0.26 225	0.26 245	0.31 249	0.30 230

CVANet_RVC	1.10 274	0.49 268	1.15 213	0.65 218	0.54 250	0.93 212	1.00 315	1.69 200	1.36 259	1.42 265	1.39 224	1.24 230	1.17 281	6.22 361	0.80 203	0.35 299	0.24 262	0.35 301	0.30 294	0.44 311	0.32 247

ttt	1.26 302	0.36 188	0.79 93	0.65 218	0.42 188	0.94 214	0.57 205	2.33 333	1.38 266	1.25 189	1.65 289	0.92 143	0.78 150	2.64 282	8.73 390	0.30 270	0.28 292	0.26 225	0.25 234	0.29 234	0.32 247

THIR-Stereo	1.02 259	0.29 61	0.73 67	0.51 58	0.29 51	0.94 214	1.31 346	1.08 56	0.98 103	1.35 240	1.91 327	1.16 213	1.54 328	6.37 367	0.79 198	0.20 99	0.14 58	0.21 93	0.22 187	0.19 59	0.25 161

GES	0.70 139	0.37 204	1.05 189	0.62 191	0.38 155	0.94 214	0.57 205	2.37 335	0.92 76	1.05 106	1.12 130	0.67 64	0.77 145	1.02 87	0.65 166	0.28 253	0.20 209	0.20 70	0.20 129	0.22 140	0.31 239

test_xeample	1.55 326	0.31 104	0.94 160	0.54 101	0.31 77	0.94 214	0.58 212	2.40 338	1.40 277	1.29 213	1.55 267	0.89 133	0.88 196	1.72 198	15.94 410	0.22 150	0.22 232	0.22 120	0.21 165	0.23 158	0.25 161

AdaStereo	0.74 156	0.48 263	0.86 136	0.75 300	0.38 155	0.94 214	0.56 202	2.05 281	1.24 206	1.15 142	1.22 166	1.07 187	0.67 123	1.05 92	0.73 183	0.33 284	0.16 139	0.32 279	0.22 187	0.29 234	0.23 123
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	0.88 219	0.43 246	2.62 341	0.60 170	0.38 155	0.94 214	0.67 240	1.88 244	1.38 266	1.27 204	1.45 240	1.26 237	1.05 261	1.92 226	0.64 162	0.24 188	0.15 112	0.19 47	0.14 22	0.24 187	0.21 88

RAFT-Test	0.58 71	0.27 35	0.81 99	0.50 47	0.33 110	0.95 220	0.27 14	1.40 139	0.89 66	1.00 91	1.12 130	1.39 264	0.48 44	0.74 34	0.41 50	0.17 18	0.14 58	0.17 13	0.14 22	0.16 11	0.18 32

DRaft	0.81 192	0.26 19	0.77 83	0.47 24	0.31 77	0.95 220	0.52 174	1.13 77	0.99 110	1.78 329	2.01 334	0.80 92	1.71 343	2.64 282	0.74 185	0.19 65	0.14 58	0.20 70	0.20 129	0.18 34	0.24 142

GEStereo_RVC	0.93 241	0.40 231	1.15 213	0.67 244	0.50 226	0.95 220	0.78 265	2.73 369	1.21 196	1.20 170	1.12 130	1.25 231	0.91 203	3.21 301	0.95 236	0.31 274	0.20 209	0.23 147	0.20 129	0.28 224	0.31 239

FADNet	0.98 250	0.64 311	2.57 337	0.66 231	0.55 254	0.95 220	0.57 205	1.91 250	1.38 266	0.94 82	1.02 91	1.36 258	1.00 240	2.69 285	0.97 240	0.34 291	0.34 324	0.31 267	0.34 317	0.61 350	0.42 296

NLCA_NET_v2_RVC	0.84 207	0.46 255	1.40 264	0.69 263	0.61 279	0.95 220	0.52 174	1.68 191	1.21 196	1.39 253	1.15 150	1.42 267	0.88 196	1.78 205	0.93 229	0.26 225	0.23 254	0.27 234	0.27 259	0.30 244	0.39 283
Zhibo Rao, Mingyi He, Yuchao Dai, Zhidong Zhu, Bo Li, and Renjie He.: NLCA-Net: A non-local context attention network for stereo matching.
Consistency-Raft	1.27 305	1.01 358	2.17 323	1.04 363	1.20 375	0.96 225	1.00 315	1.84 231	1.95 351	1.38 251	2.11 340	1.44 271	1.03 250	1.18 119	1.40 290	0.73 370	0.83 386	0.89 375	0.99 387	1.33 381	0.95 371

iResNet	0.80 184	0.45 252	1.47 268	0.72 280	0.31 77	0.96 225	0.64 234	1.80 222	1.28 226	1.31 222	1.48 246	0.94 150	0.78 150	1.77 203	0.99 241	0.19 65	0.14 58	0.18 33	0.15 30	0.22 140	0.27 194

Any-RAFT	0.55 37	0.27 35	0.49 11	0.50 47	0.27 19	0.98 227	0.25 4	1.71 204	1.08 137	0.90 76	0.99 83	1.13 208	0.46 36	0.74 34	0.35 6	0.19 65	0.13 17	0.17 13	0.13 11	0.16 11	0.19 51

hitnet-ft	0.84 207	0.38 221	0.75 77	0.59 163	0.44 198	0.99 228	0.47 148	1.61 182	1.38 266	1.21 176	1.22 166	1.82 323	0.99 234	1.87 218	1.09 253	0.33 284	0.29 300	0.34 295	0.27 259	0.36 272	0.33 253

1111x	1.96 355	0.32 118	1.54 281	0.54 101	0.30 63	1.00 229	0.69 246	2.47 349	1.33 247	1.21 176	1.44 237	1.21 218	1.11 272	8.49 392	16.14 411	0.22 150	0.23 254	0.22 120	0.23 214	0.25 197	0.26 178

s12784h	0.55 37	0.22 3	0.49 11	0.43 5	0.19 1	1.00 229	0.34 40	1.40 139	1.30 236	0.84 66	0.93 67	0.63 57	0.52 60	1.48 160	0.47 85	0.15 4	0.12 5	0.17 13	0.11 6	0.19 59	0.13 2

RASNet	1.16 282	0.34 162	1.11 204	0.73 287	0.86 343	1.00 229	0.60 224	1.56 168	1.43 289	1.07 111	1.37 218	2.08 348	1.44 321	7.00 377	1.56 307	0.20 99	0.17 161	0.17 13	0.19 103	0.19 59	0.19 51

DEmStereo	0.98 250	0.25 16	0.85 131	0.49 35	0.33 110	1.02 232	0.55 196	0.97 27	0.93 83	1.41 261	2.13 341	1.01 174	2.01 358	5.62 348	0.78 194	0.19 65	0.15 112	0.20 70	0.20 129	0.18 34	0.25 161

CFNet	0.99 252	0.40 231	1.23 239	0.65 218	0.43 191	1.03 233	0.49 160	2.01 270	1.35 252	1.02 98	1.39 224	1.10 199	0.86 183	5.47 347	0.89 217	0.24 188	0.18 185	0.28 246	0.27 259	0.27 209	0.22 109

Anonymous_2	1.37 308	0.56 290	0.94 160	0.57 141	0.62 283	1.04 234	0.65 236	1.82 228	1.01 117	1.00 91	0.79 44	1.42 267	1.27 299	1.06 96	0.83 207	0.62 362	0.67 382	1.05 381	9.88 418	1.09 377	0.55 331

ac_64	0.86 214	0.32 118	1.02 183	0.74 293	0.60 274	1.04 234	0.53 180	2.20 315	0.99 110	1.23 182	1.11 127	1.96 335	1.06 262	2.01 239	1.01 246	0.30 270	0.22 232	0.24 168	0.23 214	0.22 140	0.22 109

BEATNet_4x	0.82 194	0.54 284	2.02 312	0.56 123	0.28 40	1.04 234	0.55 196	2.14 296	1.13 161	1.24 186	1.26 178	1.00 170	0.94 214	1.13 111	1.23 271	0.21 121	0.14 58	0.24 168	0.20 129	0.37 277	0.23 123

222	1.67 335	0.31 104	0.93 154	0.59 163	0.31 77	1.05 237	0.43 108	2.39 336	1.47 302	1.37 246	1.55 267	0.94 150	0.94 214	1.98 234	17.76 413	0.24 188	0.22 232	0.21 93	0.20 129	0.22 140	0.26 178

psm_up	0.83 203	0.37 204	0.88 140	0.68 253	0.59 270	1.05 237	0.92 300	1.68 191	1.17 181	1.41 261	1.22 166	1.30 247	1.31 305	1.39 141	0.89 217	0.27 242	0.30 304	0.31 267	0.27 259	0.28 224	0.28 205

HITNet	0.71 145	0.42 242	1.07 196	0.52 70	0.25 8	1.05 237	0.48 152	2.12 291	1.08 137	1.21 176	1.23 170	0.91 138	0.84 171	0.90 69	0.91 222	0.17 18	0.12 5	0.21 93	0.17 70	0.29 234	0.18 32
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
EDNetEfficient	2.40 372	1.14 365	8.59 388	0.77 308	0.73 310	1.06 240	1.53 357	1.54 164	4.06 393	4.87 401	2.81 364	2.23 349	3.53 390	3.04 296	9.65 395	0.27 242	0.24 262	0.27 234	0.31 298	0.70 359	0.67 351

Anonymous Stereo	1.42 314	0.90 347	3.93 363	0.81 316	0.83 338	1.06 240	1.90 377	1.81 225	1.52 310	1.75 324	1.44 237	1.28 243	0.87 189	5.94 356	1.94 334	0.38 309	0.39 345	0.38 317	0.41 336	0.45 313	0.50 315

FADNet-RVC-Resample	0.91 233	0.51 275	2.92 345	0.64 212	0.46 208	1.07 242	0.60 224	1.76 212	1.24 206	1.10 115	0.98 82	1.06 184	0.98 231	2.17 255	0.95 236	0.24 188	0.22 232	0.30 263	0.32 303	0.36 272	0.40 287

anonymity	1.14 279	0.98 356	1.24 242	1.09 366	1.13 367	1.08 243	0.90 295	2.02 271	1.23 205	1.32 224	1.27 185	1.27 242	1.09 267	1.16 115	1.03 249	1.02 377	1.01 400	0.97 377	0.97 384	0.98 372	1.01 372

aanetorigin	1.26 302	0.85 345	3.00 347	0.72 280	0.80 331	1.08 243	1.05 319	1.12 73	1.39 275	3.53 388	2.60 361	1.72 313	1.73 345	1.98 234	1.77 329	0.26 225	0.24 262	0.26 225	0.25 234	0.38 283	0.51 320

NOSS_ROB	1.29 306	0.49 268	0.68 49	0.60 170	0.40 171	1.09 245	0.77 262	1.94 256	1.44 291	1.04 104	1.46 242	1.10 199	0.81 165	10.57 412	0.78 194	0.46 338	0.43 354	0.48 344	0.45 345	0.45 313	0.43 300

DLCB_ROB	0.92 236	0.43 246	0.95 163	0.71 275	0.55 254	1.11 246	0.83 282	1.61 182	1.32 245	1.67 318	1.66 290	1.70 312	0.93 212	1.96 233	1.34 283	0.26 225	0.25 275	0.27 234	0.28 268	0.28 224	0.28 205

XPNet_ROB	1.02 259	0.56 290	1.33 256	0.75 300	0.58 264	1.11 246	1.13 327	1.77 213	1.29 234	1.88 336	1.43 235	1.63 302	1.13 277	2.04 242	1.69 321	0.40 318	0.31 309	0.33 287	0.29 283	0.37 277	0.37 274

ADLNet2	0.92 236	0.37 204	1.25 244	0.80 313	0.65 292	1.12 248	0.75 259	1.95 259	1.42 288	1.26 199	1.67 292	1.68 309	1.04 256	1.80 212	1.23 271	0.25 208	0.22 232	0.21 93	0.22 187	0.27 209	0.31 239

CoDeX	0.78 171	0.31 104	1.04 187	0.56 123	0.37 144	1.13 249	0.60 224	2.77 371	1.29 234	1.17 148	1.26 178	0.91 138	0.87 189	1.42 149	0.74 185	0.21 121	0.16 139	0.21 93	0.18 84	0.21 121	0.21 88

PSMNet-ADL	0.75 159	0.36 188	0.69 53	0.71 275	0.47 214	1.13 249	0.46 139	1.47 153	1.07 134	0.85 68	1.18 155	1.31 249	0.94 214	1.56 170	1.06 251	0.34 291	0.22 232	0.22 120	0.23 214	0.27 209	0.36 271

FAT-Stereo	1.10 274	0.43 246	1.46 267	0.74 293	0.60 274	1.13 249	0.92 300	2.06 282	1.71 332	1.75 324	2.00 333	2.02 341	1.47 324	2.02 241	1.26 275	0.44 334	0.36 333	0.34 295	0.29 283	0.36 272	0.57 336

tt1	0.65 109	0.34 162	0.65 42	0.60 170	0.27 19	1.14 252	0.48 152	1.08 56	2.62 371	0.59 31	0.79 44	0.49 29	0.80 161	1.57 172	0.35 6	0.21 121	0.13 17	0.25 204	0.16 54	0.20 86	0.23 123

AASNet	0.80 184	0.39 226	1.16 226	0.84 328	0.80 331	1.14 252	0.59 216	2.12 291	1.21 196	1.26 199	1.26 178	0.93 145	0.77 145	0.84 57	1.23 271	0.28 253	0.24 262	0.24 168	0.20 129	0.28 224	0.27 194

RP	1.17 284	0.54 284	1.48 269	0.93 352	1.05 361	1.14 252	0.85 289	1.99 268	1.70 330	1.72 322	2.07 338	1.91 325	1.93 356	2.00 238	1.37 288	0.55 357	0.37 337	0.48 344	0.37 327	0.46 317	0.46 310

xxxx	1.61 331	0.32 118	0.98 173	0.58 151	0.31 77	1.15 255	0.43 108	2.43 342	1.41 280	1.17 148	1.40 229	1.21 218	0.86 183	1.94 228	16.68 412	0.24 188	0.24 262	0.21 93	0.20 129	0.23 158	0.27 194

HSM-Net_RVC	0.91 233	0.31 104	0.60 24	0.54 101	0.31 77	1.15 255	0.60 224	3.76 387	1.30 236	1.57 304	1.75 303	1.67 307	1.01 243	1.61 185	0.90 220	0.23 170	0.17 161	0.19 47	0.18 84	0.20 86	0.22 109
Gengshan Yang, Joshua Manela, Michael Happold, and Deva Ramanan: Hierarchical Deep Stereo Matching on High-resolution Images. CVPR 2019
ETE_ROB	1.01 258	0.69 324	1.49 270	0.72 280	0.50 226	1.15 255	1.12 325	1.91 250	1.24 206	1.94 343	1.50 254	1.73 315	1.06 262	1.78 205	1.33 282	0.33 284	0.26 280	0.38 317	0.34 317	0.40 291	0.44 303

ACVNet-DCA	0.59 82	0.34 162	0.63 32	0.60 170	0.27 19	1.16 258	0.51 166	1.58 173	0.91 71	0.60 34	0.80 47	0.47 21	0.87 189	1.48 160	0.35 6	0.21 121	0.13 17	0.25 204	0.15 30	0.23 158	0.25 161

xx1	0.70 139	0.34 162	0.63 32	0.60 170	0.27 19	1.16 258	0.51 166	1.07 51	3.23 383	0.60 34	0.80 47	0.95 153	0.79 155	1.48 160	0.35 6	0.21 121	0.13 17	0.24 168	0.23 214	0.23 158	0.25 161

1test111	0.58 71	0.34 162	0.63 32	0.60 170	0.27 19	1.16 258	0.51 166	1.58 173	0.91 71	0.60 34	0.80 47	0.47 21	0.87 189	0.99 81	0.67 171	0.21 121	0.13 17	0.25 204	0.15 30	0.23 158	0.25 161

cc1	0.68 128	0.34 162	0.63 32	0.60 170	0.27 19	1.16 258	0.51 166	1.07 51	3.23 383	0.60 34	0.80 47	0.47 21	0.87 189	1.48 160	0.35 6	0.21 121	0.13 17	0.25 204	0.15 30	0.19 59	0.23 123

psmorigin	1.69 339	0.74 336	13.13 400	0.70 272	0.60 274	1.16 258	0.79 273	1.69 200	1.25 212	2.07 351	1.77 306	2.23 349	1.51 327	2.14 253	1.45 295	0.39 316	0.41 348	0.34 295	0.33 312	0.45 313	0.63 348

HGLStereo	0.89 221	0.42 242	1.15 213	0.82 320	1.03 360	1.16 258	0.57 205	1.68 191	1.28 226	1.26 199	1.62 283	1.13 208	1.31 305	1.85 214	1.11 257	0.25 208	0.24 262	0.24 168	0.22 187	0.24 187	0.29 217

PWC_ROB	1.39 310	0.93 353	4.07 365	0.77 308	0.83 338	1.16 258	0.53 180	1.87 239	2.01 354	2.36 359	3.06 370	1.65 304	1.60 331	2.65 284	2.29 345	0.34 291	0.23 254	0.36 311	0.25 234	0.39 287	0.49 312

FADNet_RVC	0.88 219	0.56 290	2.15 322	0.57 141	0.43 191	1.17 265	0.46 139	1.68 191	1.12 156	0.91 77	1.24 174	0.91 138	0.94 214	2.22 258	1.20 263	0.28 253	0.22 232	0.32 279	0.28 268	0.46 317	0.42 296

PASM	1.48 321	1.08 360	3.96 364	0.93 352	0.93 350	1.17 265	1.19 336	1.77 213	1.65 327	1.90 337	1.52 262	1.75 320	1.42 318	4.54 327	1.52 305	0.64 364	0.68 384	0.69 370	0.79 377	0.70 359	0.74 359

edge stereo	1.15 281	0.54 284	1.50 271	0.73 287	0.66 295	1.18 267	0.84 284	2.13 295	1.41 280	1.73 323	1.84 316	2.53 364	1.46 322	2.46 273	1.35 285	0.43 326	0.41 348	0.54 354	0.36 323	0.43 301	0.50 315

PA-Net	1.14 279	0.63 308	2.12 320	0.67 244	0.75 317	1.19 268	0.91 298	1.91 250	1.46 301	1.18 159	1.23 170	1.33 255	1.17 281	4.31 323	1.41 291	0.29 265	0.46 361	0.33 287	0.50 356	0.33 262	0.57 336
Zhibo Rao, Mingyi He, Yuchao Dai, Zhelun Shen: Patch Attention Network with Generative Adversarial Model for Semi-Supervised Binocular Disparity Prediction.
RAFT + AFF	1.07 270	0.47 260	1.36 259	0.68 253	0.50 226	1.20 269	1.22 339	2.58 361	1.26 218	1.33 229	1.56 272	1.19 215	1.49 326	3.89 318	1.01 246	0.22 150	0.26 280	0.30 263	0.27 259	0.29 234	0.32 247

NVstereo2D	0.99 252	0.45 252	2.21 326	0.79 312	0.75 317	1.20 269	0.86 290	1.98 264	1.41 280	1.02 98	1.18 155	1.31 249	0.97 228	2.25 261	0.93 229	0.45 337	0.22 232	0.39 321	0.25 234	0.59 344	0.68 354

S-Stereo	1.17 284	0.48 263	2.25 329	0.83 324	0.81 335	1.22 271	1.17 334	2.12 291	2.08 357	1.47 281	2.13 341	1.55 291	1.16 278	2.09 249	1.46 297	0.42 325	0.40 347	0.35 301	0.32 303	0.45 313	0.73 358

HSM	1.22 293	0.34 162	0.81 99	0.61 183	0.39 162	1.22 271	0.63 233	2.45 344	1.25 212	1.32 224	1.26 178	1.91 325	1.08 265	9.21 397	0.75 188	0.23 170	0.17 161	0.20 70	0.16 54	0.22 140	0.24 142

acv_ft	0.78 171	0.33 135	1.10 202	0.73 287	0.86 343	1.23 273	0.57 205	1.65 189	1.11 151	1.31 222	1.31 196	1.07 187	0.91 203	0.82 51	1.35 285	0.22 150	0.19 199	0.21 93	0.18 84	0.22 140	0.19 51

ADLNet	0.89 221	0.39 226	1.09 199	0.88 336	0.73 310	1.24 274	0.75 259	2.02 271	1.41 280	1.58 305	1.37 218	1.26 237	1.00 240	1.31 128	1.18 261	0.28 253	0.21 222	0.26 225	0.26 245	0.29 234	0.36 271

BSDual-CNN	0.75 159	0.34 162	0.77 83	0.55 111	0.45 201	1.25 275	0.66 238	2.65 364	1.04 129	1.25 189	1.12 130	1.11 204	0.77 145	0.94 72	0.76 191	0.25 208	0.18 185	0.25 204	0.22 187	0.23 158	0.24 142

hknet	0.82 194	0.34 162	1.15 213	0.55 111	0.39 162	1.25 275	0.66 238	2.65 364	1.10 147	1.25 189	1.12 130	1.58 296	0.85 176	1.41 144	0.79 198	0.23 170	0.18 185	0.25 204	0.22 187	0.23 158	0.24 142

UPFNet	0.84 207	0.34 162	1.09 199	0.62 191	0.74 314	1.25 275	0.78 265	1.69 200	1.20 190	1.39 253	1.13 140	1.30 247	0.87 189	1.73 199	1.22 268	0.24 188	0.26 280	0.24 168	0.23 214	0.26 207	0.20 70

PSMNet_ROB	0.95 242	0.57 295	1.45 266	0.75 300	0.64 286	1.28 278	1.12 325	1.84 231	1.15 172	1.16 146	1.29 194	1.44 271	0.89 198	1.74 200	1.70 323	0.33 284	0.25 275	0.37 313	0.39 330	0.36 272	0.32 247

ssnet_v2	0.92 236	0.39 226	1.22 237	0.66 231	0.39 162	1.31 279	0.96 309	2.32 328	1.45 296	1.48 286	1.17 153	1.53 288	0.91 203	1.16 115	1.71 325	0.31 274	0.27 288	0.30 263	0.29 283	0.28 224	0.29 217

IER	0.74 156	0.33 135	1.25 244	0.50 47	0.53 243	1.32 280	0.55 196	1.31 129	1.08 137	1.30 216	1.34 208	1.11 204	1.10 270	1.05 92	0.81 205	0.20 99	0.17 161	0.21 93	0.21 165	0.20 86	0.21 88

LMCR-Stereo	0.87 217	0.50 271	0.99 175	0.80 313	0.43 191	1.32 280	0.55 196	2.79 374	1.03 123	1.55 300	1.49 247	0.74 81	1.01 243	1.76 202	0.99 241	0.30 270	0.17 161	0.22 120	0.18 84	0.31 249	0.22 109

NCC-stereo	1.20 290	0.60 297	1.84 299	0.88 336	0.95 354	1.32 280	0.94 305	2.14 296	1.36 259	1.43 269	1.79 308	1.93 329	2.13 368	2.54 278	1.41 291	0.49 346	0.38 340	0.45 337	0.59 368	0.43 301	0.45 305

Abc-Net	1.20 290	0.60 297	1.84 299	0.88 336	0.95 354	1.32 280	0.94 305	2.14 296	1.36 259	1.43 269	1.79 308	1.93 329	2.13 368	2.54 278	1.41 291	0.49 346	0.38 340	0.45 337	0.59 368	0.43 301	0.45 305
Xing Li, Yangyu Fan, Guoyun Lv, and Haoyue Ma: Area-based Correlation and Non-local Attention Network for Stereo Matching. The Visual Computer
StereoDRNet-Refined	0.84 207	0.43 246	1.01 181	0.66 231	0.43 191	1.32 280	0.49 160	1.64 186	1.24 206	1.53 294	1.45 240	1.49 281	0.97 228	1.32 131	1.31 278	0.21 121	0.17 161	0.27 234	0.25 234	0.25 197	0.34 260
Rohan Chabra, Julian Straub, Chris Sweeney, Richard Newcombe, Henry Fuchs: StereoDRNet. CVPR
NCCL2	1.06 266	0.64 311	1.35 257	0.78 311	0.58 264	1.32 280	1.69 363	1.89 246	1.38 266	1.52 291	1.20 159	1.91 325	1.17 281	1.79 210	1.50 301	0.35 299	0.31 309	0.45 337	0.44 342	0.41 295	0.45 305

UDG	1.47 319	2.69 406	1.13 208	1.45 381	1.65 385	1.34 286	0.79 273	1.75 211	1.27 222	1.29 213	1.74 302	1.99 337	1.39 315	1.66 189	1.51 303	0.91 374	0.55 374	2.30 391	0.76 375	1.99 384	1.20 381

Wz-Net-SNSev	1.68 337	1.45 378	8.71 389	0.71 275	0.67 299	1.35 287	1.51 354	2.15 300	1.47 302	1.51 289	1.68 294	2.27 352	1.38 313	4.23 320	2.36 347	0.32 281	0.29 300	0.31 267	0.33 312	0.43 301	0.39 283

SFCPSM	0.74 156	0.30 79	1.06 192	0.52 70	0.39 162	1.36 288	0.64 234	2.42 340	1.11 151	1.18 159	1.21 164	0.81 98	0.78 150	1.08 100	0.57 138	0.22 150	0.17 161	0.22 120	0.24 226	0.23 158	0.21 88

gwcnet-sp	0.80 184	0.37 204	1.94 305	0.62 191	0.45 201	1.38 289	0.53 180	1.68 191	1.20 190	1.37 246	1.08 115	0.93 145	0.82 166	1.45 154	0.79 198	0.22 150	0.22 232	0.22 120	0.21 165	0.23 158	0.25 161

scenet	0.80 184	0.37 204	1.94 305	0.62 191	0.45 201	1.38 289	0.53 180	1.68 191	1.20 190	1.37 246	1.08 115	0.93 145	0.82 166	1.45 154	0.79 198	0.22 150	0.22 232	0.22 120	0.21 165	0.23 158	0.25 161

ssnet	0.80 184	0.37 204	1.94 305	0.62 191	0.45 201	1.38 289	0.53 180	1.68 191	1.20 190	1.37 246	1.08 115	0.93 145	0.82 166	1.45 154	0.79 198	0.22 150	0.22 232	0.22 120	0.21 165	0.23 158	0.25 161

DGSMNet	1.24 300	0.84 344	3.20 351	0.91 346	0.92 347	1.39 292	1.34 347	2.46 348	1.44 291	1.34 236	1.66 290	1.50 283	1.03 250	1.85 214	1.30 277	0.48 344	0.48 364	0.55 359	0.51 358	0.78 365	0.79 364

Syn2CoEx	1.23 297	0.80 338	3.07 349	0.83 324	0.68 300	1.39 292	0.87 292	2.23 317	1.57 320	1.28 209	1.58 277	1.42 267	1.57 330	3.79 316	1.48 300	0.36 306	0.32 319	0.34 295	0.30 294	0.30 244	0.41 290

GANet	1.41 312	0.52 279	1.18 231	0.74 293	0.48 216	1.40 294	1.69 363	1.87 239	1.28 226	1.56 301	2.39 354	1.56 293	1.25 296	9.13 395	1.20 263	0.31 274	0.32 319	0.34 295	0.29 283	0.40 291	0.33 253

CBMV_ROB	0.99 252	0.46 255	0.68 49	0.53 90	0.39 162	1.40 294	0.48 152	2.09 287	1.30 236	1.53 294	2.29 350	1.36 258	1.23 292	2.46 273	1.04 250	0.44 334	0.42 353	0.47 343	0.44 342	0.41 295	0.39 283

anonymousa	0.78 171	0.30 79	0.85 131	0.51 58	0.96 356	1.41 296	0.47 148	1.61 182	0.94 88	1.33 229	1.77 306	1.66 305	1.11 272	0.72 32	0.63 159	0.19 65	0.18 185	0.23 147	0.25 234	0.20 86	0.22 109

AF-Net	1.23 297	0.56 290	2.31 330	0.88 336	0.93 350	1.41 296	0.73 257	2.27 324	1.71 332	1.76 328	2.42 356	2.00 338	1.70 341	1.98 234	1.62 313	0.50 350	0.29 300	0.49 346	0.33 312	0.40 291	0.34 260

GANetREF_RVC	1.11 276	0.90 347	1.56 282	0.88 336	0.53 243	1.41 296	1.35 348	1.91 250	1.54 314	1.28 209	1.32 201	1.46 276	1.23 292	2.04 242	1.00 245	0.57 359	0.45 357	0.67 368	0.52 359	0.91 370	0.62 346
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
FINET	1.54 325	0.67 321	7.28 381	0.76 306	0.97 357	1.42 299	1.38 350	2.80 376	3.12 382	1.23 182	1.68 294	1.04 180	1.11 272	3.35 307	1.78 330	0.43 326	0.37 337	0.32 279	0.29 283	0.43 301	0.41 290

SQANet	1.38 309	0.95 354	1.37 262	1.89 386	1.47 383	1.44 300	0.81 277	1.89 246	1.13 161	1.34 236	1.26 178	1.28 243	1.02 248	1.64 187	0.91 222	2.55 392	0.35 329	1.47 384	0.56 364	2.48 388	1.74 388

psmg	0.75 159	0.34 162	0.77 83	0.52 70	0.45 201	1.46 301	0.73 257	2.15 300	1.04 129	1.25 189	1.33 205	1.11 204	0.77 145	0.94 72	0.76 191	0.25 208	0.20 209	0.25 204	0.26 245	0.23 158	0.24 142

Nwc_Net	1.19 288	0.53 281	2.34 331	0.92 347	0.81 335	1.49 302	0.70 252	2.28 326	1.32 245	1.41 261	2.27 348	2.03 344	1.76 347	2.05 246	1.46 297	0.43 326	0.30 304	0.43 333	0.46 347	0.39 287	0.40 287

DSFCA	0.95 242	0.38 221	1.23 239	0.55 111	0.66 295	1.50 303	0.93 303	1.58 173	1.24 206	1.59 308	1.16 151	1.48 279	0.95 219	2.96 294	1.20 263	0.31 274	0.28 292	0.25 204	0.26 245	0.29 234	0.26 178

StereoDRNet	1.05 265	0.53 281	2.21 326	0.80 313	0.93 350	1.50 303	0.90 295	2.06 282	1.44 291	1.68 319	1.20 159	1.48 279	0.99 234	1.86 217	1.60 310	0.29 265	0.24 262	0.29 254	0.28 268	0.35 268	0.33 253

DANet	1.16 282	0.64 311	1.52 277	0.88 336	0.74 314	1.52 305	0.52 174	1.68 191	1.21 196	1.81 330	1.55 267	2.02 341	1.11 272	3.30 306	2.28 343	0.34 291	0.31 309	0.40 327	0.30 294	0.46 317	0.54 325
Z Ling, K Yang, J Li, Y Zhang, X Gao, L Luo, L Xie: Domain-adaptive modules for stereo matching network. Neurocomputing 2021
CBMV	1.04 262	0.48 263	0.88 140	0.56 123	0.36 139	1.52 305	1.55 358	1.87 239	1.59 322	2.11 352	1.67 292	1.46 276	1.35 310	1.92 226	1.31 278	0.35 299	0.35 329	0.39 321	0.33 312	0.34 267	0.34 260
Konstantinos Batsos, Changjiang Cai, Philippos Mordohai: CBMV: A Coalesced Bidirectional Matching Volume for Disparity Estimation. Computer Vision and Pattern Recognition (CVPR) 2018
RGC	1.22 293	0.82 342	1.71 290	0.95 357	0.98 359	1.53 307	0.80 276	2.18 310	1.35 252	1.69 320	1.94 329	2.03 344	1.66 338	2.36 269	1.50 301	0.46 338	0.36 333	0.59 366	0.48 351	0.49 325	0.49 312

SGM-Forest	1.29 306	0.40 231	0.74 72	0.54 101	0.37 144	1.55 308	1.26 344	1.82 228	1.39 275	2.22 355	1.81 314	1.64 303	1.02 248	7.65 384	1.20 263	0.39 316	0.37 337	0.39 321	0.34 317	0.37 277	0.34 260
Johannes L. SchÃ¶nberger, Sudipta Sinha, Marc Pollefeys: Learning to Fuse Proposals from Multiple Scanline Optimizations in Semi-Global Matching. ECCV 2018
pmcnn	2.84 382	0.46 255	5.19 374	0.68 253	0.42 188	1.55 308	1.16 333	2.32 328	1.60 324	2.72 370	7.49 401	17.96 416	1.48 325	6.04 358	6.64 383	0.18 40	0.15 112	0.15 3	0.12 9	0.20 86	0.20 70

UNet	0.86 214	0.36 188	1.52 277	0.62 191	0.74 314	1.56 310	0.49 160	1.55 166	1.12 156	1.28 209	1.10 120	1.52 287	1.10 270	1.69 196	1.14 258	0.24 188	0.18 185	0.25 204	0.21 165	0.25 197	0.25 161

NVStereoNet_ROB	2.17 365	1.18 367	3.51 358	1.14 371	1.26 378	1.57 311	1.51 354	2.19 312	2.11 359	2.04 349	4.80 388	3.17 378	2.11 366	7.97 387	2.10 337	1.12 383	0.94 396	1.10 382	1.34 394	0.95 371	1.31 382
Nikolai Smolyanskiy, Alexey Kamenev, Stan Birchfield: On the Importance of Stereo for Accurate Depth Estimation: An Efficient Semi-Supervised Deep Neural Network Approach. Arxiv
STTRV1_RVC	1.60 330	0.69 324	2.04 315	0.88 336	1.12 364	1.58 312	0.90 295	2.42 340	1.78 339	1.29 213	2.02 335	1.40 265	1.22 291	9.72 402	1.35 285	0.86 372	0.34 324	0.54 354	0.49 354	0.75 363	0.54 325

MFMNet_re	1.47 319	1.20 369	2.50 335	1.46 382	1.08 363	1.58 312	1.51 354	1.96 262	1.87 346	2.31 358	2.20 345	1.51 285	1.88 354	1.57 172	1.34 283	0.94 375	0.83 386	0.84 374	0.80 378	1.00 373	1.06 375

NaN_ROB	1.23 297	0.63 308	1.76 292	0.67 244	0.50 226	1.59 314	2.00 378	1.87 239	1.52 310	2.14 354	1.26 178	1.40 265	1.09 267	4.60 329	1.75 326	0.28 253	0.34 324	0.28 246	0.29 283	0.30 244	0.37 274

DRN-Test	1.07 270	0.49 268	1.95 309	0.75 300	0.81 335	1.61 315	0.78 265	2.26 320	1.53 312	1.84 333	1.35 213	1.42 267	1.04 256	2.26 262	1.61 311	0.28 253	0.23 254	0.31 267	0.30 294	0.33 262	0.33 253

LALA_ROB	1.06 266	0.66 318	1.37 262	0.70 272	0.53 243	1.61 315	1.25 343	1.81 225	1.48 306	1.82 332	1.40 229	1.93 329	1.03 250	1.68 192	1.69 321	0.38 309	0.28 292	0.43 333	0.37 327	0.43 301	0.38 280

CSP-Net	1.00 255	0.41 240	0.99 175	0.56 123	0.43 191	1.62 317	0.76 261	2.16 302	1.16 177	1.33 229	1.22 166	1.32 253	0.89 198	4.67 331	0.93 229	0.35 299	0.24 262	0.20 70	0.20 129	0.23 158	0.30 230

HBP-ISP	1.00 255	0.60 297	0.85 131	0.64 212	0.48 216	1.63 318	0.77 262	2.24 319	1.30 236	1.33 229	1.53 263	0.87 121	0.99 234	3.26 304	0.76 191	0.46 338	0.44 355	0.54 354	0.48 351	0.48 322	0.42 296

delet	0.90 228	0.34 162	1.15 213	0.69 263	0.66 295	1.63 318	0.81 277	1.95 259	1.49 307	1.42 265	1.38 222	1.29 245	0.91 203	1.78 205	1.18 261	0.22 150	0.22 232	0.24 168	0.25 234	0.22 140	0.24 142

EDNetEfficientorigin	10.59 411	1.52 382	177.33 438	0.68 253	0.54 250	1.66 320	1.20 338	1.94 256	3.39 386	4.69 399	3.37 373	3.08 376	2.79 381	3.25 303	3.63 363	0.26 225	0.24 262	0.33 287	0.28 268	0.85 367	0.87 369

LSM	6.55 403	1.26 372	15.64 405	1.79 384	68.74 433	1.67 321	2.08 385	2.26 320	2.59 369	3.13 385	3.08 371	1.90 324	1.81 350	2.89 293	2.16 340	0.43 326	0.59 379	0.50 347	0.58 366	0.64 352	17.24 424

Wz-Net-LNSev	1.17 284	0.72 331	4.71 371	0.66 231	0.84 341	1.72 322	1.13 327	1.97 263	1.43 289	1.34 236	1.32 201	1.66 305	1.30 304	1.44 153	1.51 303	0.29 265	0.26 280	0.24 168	0.23 214	0.33 262	0.35 268

ccnet	1.19 288	0.71 328	1.36 259	0.81 316	0.75 317	1.72 322	1.13 327	1.98 264	1.31 243	1.52 291	1.84 316	1.75 320	1.36 311	2.01 239	2.04 336	0.57 359	0.54 372	0.57 363	0.56 364	0.60 347	0.60 344

PWCDC_ROB	1.39 310	0.91 351	2.10 318	1.08 365	0.92 347	1.72 322	0.58 212	2.03 275	3.30 385	1.32 224	4.87 390	1.21 218	1.71 343	1.98 234	1.75 326	0.65 365	0.26 280	0.29 254	0.25 234	0.56 339	0.41 290

CBFPSM	0.95 242	0.37 204	2.10 318	0.51 58	0.39 162	1.73 325	0.87 292	1.59 178	1.13 161	1.11 116	1.00 87	2.34 357	1.64 337	1.42 149	1.44 294	0.19 65	0.18 185	0.20 70	0.20 129	0.22 140	0.36 271

GwcNet	1.26 302	0.63 308	5.13 373	0.81 316	1.15 371	1.73 325	0.69 246	1.84 231	1.53 312	1.51 289	1.71 299	1.72 313	1.09 267	2.20 257	1.61 311	0.31 274	0.30 304	0.29 254	0.27 259	0.30 244	0.41 290

RYNet	1.24 300	0.52 279	1.57 284	0.73 287	0.97 357	1.74 327	0.95 308	2.09 287	1.54 314	1.44 272	1.18 155	1.94 333	1.29 301	4.57 328	1.93 333	0.27 242	0.23 254	0.35 301	0.27 259	0.57 341	0.59 341

CC-Net-ROB	1.53 324	1.31 376	1.68 289	0.92 347	0.80 331	1.75 328	0.99 313	2.04 277	1.27 222	1.12 124	1.62 283	1.20 217	0.98 231	7.82 385	0.92 226	1.15 385	0.41 348	2.20 389	0.46 347	1.37 382	0.56 333

CRFU-Net	0.90 228	0.42 242	1.10 202	0.69 263	0.59 270	1.76 329	0.84 284	2.33 333	0.92 76	1.45 278	1.20 159	1.62 299	1.25 296	1.38 139	0.94 234	0.28 253	0.23 254	0.22 120	0.19 103	0.24 187	0.27 194

WZ-Net	2.14 363	1.08 360	11.68 399	0.89 344	0.78 327	1.76 329	1.59 361	2.39 336	2.03 355	2.11 352	1.95 331	2.30 355	2.28 371	5.94 356	3.86 367	0.35 299	0.27 288	0.29 254	0.32 303	0.52 329	0.50 315

coex-ft	8.35 408	2.39 400	100.24 437	0.68 253	0.54 250	1.77 331	1.57 360	1.71 204	11.00 407	18.91 422	3.76 378	3.85 382	8.23 408	3.29 305	6.58 382	0.31 274	0.31 309	0.32 279	0.31 298	0.69 358	0.57 336

fast-acv-ft	1.00 255	0.48 263	1.85 301	0.61 183	0.52 238	1.77 331	0.69 246	1.52 158	1.47 302	1.34 236	1.85 319	1.73 315	1.24 295	1.62 186	1.56 307	0.27 242	0.28 292	0.28 246	0.28 268	0.28 224	0.31 239

CSAN	1.61 331	0.67 321	3.24 354	0.74 293	0.52 238	1.77 331	1.74 368	1.98 264	1.94 350	2.47 366	2.33 352	1.93 329	2.04 361	6.45 368	1.95 335	0.43 326	0.36 333	0.41 331	0.42 337	0.43 301	0.44 303

iinet-f	1.04 262	0.50 271	4.24 367	0.58 151	0.43 191	1.78 334	0.70 252	1.29 127	1.16 177	1.25 189	1.42 233	1.57 295	1.42 318	1.47 158	1.70 323	0.26 225	0.23 254	0.20 70	0.20 129	0.26 207	0.26 178

FBW_ROB	1.78 342	0.66 318	1.90 304	0.72 280	0.66 295	1.79 335	1.07 321	2.79 374	1.77 336	1.84 333	1.79 308	1.98 336	1.37 312	12.42 415	2.22 341	0.36 306	0.38 340	0.57 363	0.39 330	0.46 317	0.51 320

DDUNet	1.56 327	2.70 407	1.35 257	1.79 384	1.88 387	1.82 336	0.91 298	1.84 231	1.20 190	1.40 259	1.79 308	1.62 299	1.17 281	1.59 178	1.22 268	1.11 382	0.76 385	2.38 394	0.94 382	2.12 385	1.53 386

MMNet	0.89 221	0.35 184	1.44 265	0.64 212	0.59 270	1.83 337	0.48 152	1.70 203	1.38 266	1.45 278	1.19 158	1.25 231	1.16 278	1.77 203	1.27 276	0.20 99	0.19 199	0.23 147	0.22 187	0.25 197	0.24 142

SuperB	2.50 374	0.72 331	18.07 410	0.72 280	0.53 243	1.85 338	0.86 290	1.80 222	2.40 365	1.54 297	1.42 233	1.13 208	1.17 281	4.18 319	4.80 374	0.25 208	0.20 209	0.23 147	0.19 103	7.64 418	0.38 280

RTSC	1.43 317	0.89 346	3.62 360	0.94 355	0.64 286	1.85 338	0.69 246	2.20 315	2.04 356	2.22 355	1.70 297	1.67 307	1.27 299	2.53 277	4.48 371	0.33 284	0.25 275	0.27 234	0.29 283	0.38 283	0.40 287

SPS-STEREO	1.78 342	1.09 362	1.52 277	1.22 374	1.14 369	1.87 340	1.11 324	2.27 324	1.70 330	3.17 386	2.39 354	2.84 372	1.93 356	4.41 324	2.93 355	1.04 380	0.99 399	0.97 377	0.94 382	1.03 375	1.05 374
K. Yamaguchi, D. McAllester, R. Urtasun: Efficient Joint Segmentation, Occlusion Labeling, Stereo and Flow Estimation. ECCV 2014
APVNet	1.11 276	0.59 296	1.95 309	0.87 334	0.77 323	1.90 341	0.82 281	2.03 275	1.15 172	1.14 140	1.43 235	1.55 291	1.12 276	3.03 295	1.62 313	0.32 281	0.34 324	0.42 332	0.36 323	0.36 272	0.41 290

ADCRef	1.50 322	0.61 302	3.83 362	0.76 306	0.77 323	1.91 342	0.77 262	2.16 302	1.34 249	1.63 314	1.59 281	1.35 257	1.40 316	1.79 210	8.32 389	0.25 208	0.21 222	0.32 279	0.31 298	0.31 249	0.32 247

MaskLacGwcNet_RVC	1.17 284	1.06 359	1.28 248	0.88 336	0.69 303	1.92 343	0.92 300	1.71 204	1.14 167	1.17 148	1.26 178	1.49 281	0.80 161	2.04 242	0.86 211	2.02 387	0.34 324	0.79 372	0.36 323	1.38 383	1.33 384

Wz-Net-MNSev	1.21 292	0.66 318	3.44 357	0.69 263	0.73 310	1.93 344	1.44 353	2.16 302	1.59 322	1.85 335	1.49 247	1.50 283	1.34 309	2.05 246	1.54 306	0.27 242	0.24 262	0.28 246	0.28 268	0.35 268	0.32 247

SHD	1.42 314	0.81 341	2.79 344	0.98 359	0.92 347	1.97 345	0.68 242	2.43 342	2.55 368	2.54 367	1.72 300	2.01 340	1.62 332	2.14 253	2.70 352	0.40 318	0.33 322	0.39 321	0.40 332	0.48 322	0.54 325

otaku	1.67 335	1.18 367	1.56 282	2.27 389	1.59 384	1.98 346	1.23 341	2.23 317	1.37 264	1.48 286	1.63 287	1.73 315	1.23 292	1.85 214	1.09 253	2.96 395	0.58 378	1.74 385	0.61 371	2.94 394	2.15 392

ADCMid	2.11 361	0.90 347	8.39 387	0.75 300	0.69 303	1.98 346	1.14 330	2.18 310	1.67 329	2.85 374	1.85 319	2.35 358	2.02 360	2.35 268	10.58 398	0.34 291	0.32 319	0.39 321	0.44 342	0.51 328	0.53 324

Wz-Net-LNSev-Ref	1.09 273	0.46 255	2.61 340	0.71 275	0.65 292	2.00 348	0.78 265	2.07 284	1.47 302	1.62 312	1.47 244	1.53 288	1.29 301	2.10 250	1.65 319	0.24 188	0.14 58	0.20 70	0.16 54	0.28 224	0.28 205

XQC	1.51 323	0.98 356	3.20 351	0.92 347	0.76 322	2.01 349	1.17 334	2.53 358	1.99 353	2.01 348	1.54 264	2.00 338	1.54 328	3.16 299	3.46 362	0.49 346	0.31 309	0.45 337	0.40 332	0.71 361	0.62 346

RainbowNet	2.06 358	1.86 389	1.97 311	2.86 397	2.25 393	2.03 350	1.79 371	2.77 371	1.92 348	1.54 297	1.84 316	1.95 334	1.73 345	2.23 259	1.38 289	3.40 402	0.86 391	2.39 396	1.00 388	2.94 394	2.42 396

DPSNet	1.91 354	0.64 311	5.95 375	0.73 287	0.59 270	2.04 351	1.61 362	3.84 388	1.96 352	1.54 297	1.39 224	2.27 352	3.32 387	4.95 335	4.79 372	0.50 350	0.31 309	0.29 254	0.26 245	0.67 356	0.54 325

DISCO	1.06 266	0.37 204	1.19 232	0.73 287	0.46 208	2.04 351	0.84 284	2.26 320	1.54 314	1.25 189	1.36 217	2.38 359	1.08 265	2.60 281	1.62 313	0.24 188	0.19 199	0.22 120	0.20 129	0.32 257	0.29 217

DispFullNet	2.39 371	2.89 409	3.74 361	3.09 402	2.27 395	2.04 351	0.84 284	2.19 312	1.73 334	2.54 367	1.98 332	2.23 349	5.83 401	3.44 309	1.84 331	1.03 378	0.33 322	2.65 402	1.97 406	2.87 393	2.34 395

Ntro	1.72 341	1.21 370	1.62 286	2.54 394	1.86 386	2.09 354	1.14 330	2.08 285	1.38 266	1.23 182	1.62 283	1.62 299	1.33 308	2.04 242	1.21 267	3.09 396	0.56 375	1.82 387	0.65 372	2.97 397	2.25 394

ADCS	2.35 368	1.26 372	6.54 378	0.85 330	0.77 323	2.18 355	1.79 371	2.47 349	2.20 361	2.80 373	2.14 343	2.38 359	2.09 363	2.81 290	13.83 407	0.43 326	0.41 348	0.40 327	0.45 345	0.59 344	0.67 351

AnyNet_C32	2.14 363	1.45 378	7.38 382	0.95 357	1.12 364	2.23 356	2.34 394	2.10 289	1.54 314	2.44 362	1.79 308	2.04 346	1.66 338	2.69 285	10.48 397	0.38 309	0.35 329	0.35 301	0.42 337	0.50 326	0.60 344

WCMA_ROB	2.05 357	0.55 287	1.77 293	0.74 293	0.61 279	2.24 357	1.56 359	2.17 309	1.79 341	4.16 394	6.36 396	5.66 395	4.66 398	3.19 300	2.77 353	0.55 357	0.45 357	0.40 327	0.43 340	0.48 322	0.50 315

ADCP+	2.12 362	0.56 290	10.01 392	0.68 253	0.91 346	2.25 358	1.04 318	1.92 254	1.50 309	1.58 305	1.34 208	1.73 315	1.62 332	2.27 263	13.20 400	0.25 208	0.22 232	0.32 279	0.29 283	0.38 283	0.34 260

FCDSN-DC	2.47 373	0.65 317	1.00 180	0.85 330	0.75 317	2.26 359	0.97 310	2.31 327	1.83 344	5.52 406	7.65 403	7.72 403	7.70 407	4.43 325	2.64 351	0.52 352	0.48 364	0.52 349	0.52 359	0.57 341	0.59 341
Dominik Hirner, Friedrich Fraundorfer: FCDSN-DC: An accurate but lightweight end-to-end trainable neural network for stereo estimation with depth completion.
ACVNet_1	3.08 388	1.48 381	17.70 407	2.90 399	2.35 398	2.30 360	1.43 352	3.16 380	2.26 364	1.91 338	2.05 337	3.51 379	2.32 372	3.71 314	1.58 309	3.25 398	0.66 381	2.40 397	1.06 391	3.07 399	2.59 398

BUS	0.78 171	0.34 162	0.77 83	0.55 111	0.45 201	2.30 360	0.42 92	2.65 364	1.04 129	1.25 189	1.12 130	1.02 176	0.70 131	0.94 72	0.75 188	0.25 208	0.18 185	0.25 204	0.22 187	0.23 158	0.24 142

NINENet	0.81 192	0.40 231	0.89 143	0.65 218	0.53 243	2.30 360	0.42 92	2.12 291	1.13 161	1.20 170	1.27 185	1.02 176	0.70 131	1.26 125	0.75 188	0.29 265	0.24 262	0.31 267	0.21 165	0.27 209	0.26 178

ACVNet-4b	3.05 387	1.42 377	18.09 411	2.85 396	2.33 397	2.32 363	1.22 339	2.47 349	2.21 362	1.26 199	2.36 353	2.64 368	1.46 322	6.32 365	1.23 271	3.29 399	0.45 357	2.37 393	1.02 390	3.03 398	2.61 399

Wz-Net-TNSev	2.10 360	2.71 408	9.30 390	0.72 280	0.65 292	2.41 364	1.81 375	2.45 344	1.77 336	1.62 312	1.56 272	2.56 365	2.01 358	5.30 339	4.46 370	0.41 321	0.38 340	0.33 287	0.37 327	0.54 336	0.64 349

stereogan	1.22 293	0.45 252	2.03 314	0.87 334	0.85 342	2.52 365	0.72 254	1.98 264	1.78 339	1.92 339	1.94 329	2.31 356	1.42 318	2.10 250	1.14 258	0.38 309	0.36 333	0.39 321	0.32 303	0.52 329	0.49 312

ADCL	1.82 346	0.70 326	4.57 370	0.70 272	0.63 285	2.56 366	1.77 370	2.08 285	1.77 336	1.95 345	1.89 323	2.04 346	1.88 354	2.36 269	9.55 394	0.27 242	0.25 275	0.35 301	0.32 303	0.39 287	0.39 283

MeshStereo	2.36 369	0.60 297	1.05 189	0.63 201	0.51 235	2.58 367	0.99 313	3.46 384	2.21 362	7.38 410	5.06 392	7.50 400	3.10 383	7.02 378	2.54 350	0.44 334	0.44 355	0.45 337	0.40 332	0.43 301	0.45 305
C. Zhang, Z. Li, Y. Cheng, R. Cai, H. Chao, Y. Rui: MeshStereo: A Global Stereo Model with Mesh Alignment Regularization for View Interpolation. ICCV 2015
PVD	1.82 346	0.91 351	3.02 348	1.03 362	0.94 353	2.61 368	1.14 330	2.78 373	3.40 387	3.08 384	2.75 363	2.39 361	2.49 376	2.81 290	3.66 364	0.48 344	0.49 368	0.59 366	0.49 354	0.60 347	0.81 366

MFN_U_SF_RVC	1.62 333	0.96 355	4.36 369	0.92 347	0.69 303	2.62 369	1.10 323	2.50 354	1.74 335	1.99 347	1.86 321	2.45 362	1.78 349	3.08 297	2.84 354	0.54 354	0.50 369	0.56 361	0.60 370	0.60 347	0.67 351

ACVNet_2	2.86 383	1.47 380	8.28 385	2.68 395	2.26 394	2.70 370	1.84 376	3.41 382	3.04 381	2.27 357	3.42 375	4.58 387	2.10 364	5.91 354	1.62 313	2.58 393	0.67 382	2.22 390	0.85 380	2.79 391	2.47 397

ADCPNet	1.97 356	0.78 337	9.38 391	0.74 293	0.61 279	2.73 371	1.36 349	2.11 290	1.66 328	1.92 339	1.70 297	2.45 362	2.07 362	2.50 275	6.84 384	0.38 309	0.38 340	0.38 317	0.43 340	0.47 321	0.50 315

SANet	2.26 367	0.70 326	6.94 380	0.69 263	0.46 208	2.76 372	1.76 369	2.61 362	5.84 403	2.45 363	3.52 376	3.71 380	3.38 389	5.90 353	2.14 339	0.34 291	0.31 309	0.32 279	0.29 283	0.54 336	0.43 300

SGM_RVC	1.88 349	0.40 231	0.90 148	0.63 201	0.30 63	2.81 373	1.26 344	2.73 369	1.81 343	4.09 390	2.85 366	3.88 383	3.19 384	8.42 391	2.44 348	0.33 284	0.31 309	0.30 263	0.28 268	0.31 249	0.31 239
Heiko Hirschmueller: Stereo processing by semiglobal matching and mutual information. TPAMI 2008, Volume 30(2), pp. 328-341
PDISCO_ROB	1.41 312	0.73 334	2.04 315	1.40 377	1.46 382	2.83 374	1.07 321	2.64 363	2.11 359	1.41 261	1.50 254	1.73 315	0.99 234	2.83 292	1.46 297	1.03 378	0.27 288	0.54 354	0.47 349	0.77 364	0.84 368

LE_ROB	8.35 408	0.47 260	27.42 424	0.83 324	0.34 122	2.84 375	3.36 405	4.03 391	27.04 424	25.20 424	8.72 407	8.55 406	27.35 424	7.37 381	22.13 416	0.22 150	0.20 209	0.20 70	0.21 165	0.25 197	0.25 161

FC-DCNN	2.88 385	0.61 302	1.15 213	0.75 300	0.57 262	2.85 376	1.05 319	3.44 383	2.64 375	6.93 407	7.63 402	9.86 409	7.02 406	5.76 351	4.31 369	0.54 354	0.48 364	0.51 348	0.50 356	0.53 334	0.52 322

FADE	26.94 423	6.16 413	20.86 413	1.90 387	1.95 388	2.92 377	2.01 381	5.55 403	5.12 400	2.92 379	2.17 344	4.13 384	14.15 413	10.56 411	10.39 396	193.84 438	2.80 412	122.45 435	126.70 435	1.14 378	1.11 378

ELAS_RVC	2.87 384	0.80 338	3.22 353	1.16 373	1.12 364	2.92 377	5.33 407	2.98 378	4.18 394	5.04 402	4.82 389	4.71 389	8.23 408	4.25 322	4.79 372	0.67 367	0.57 376	0.57 363	0.53 361	0.66 355	0.74 359
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
G-Net	1.71 340	0.67 321	2.09 317	1.14 371	0.75 317	2.96 379	0.89 294	1.58 173	1.30 236	2.76 372	8.12 406	2.29 354	2.51 377	1.94 228	2.23 342	0.49 346	0.45 357	0.45 337	0.31 298	0.62 351	0.59 341

AnyNet_C01	2.38 370	2.21 398	10.17 393	0.99 360	0.79 329	3.12 380	2.37 395	2.69 368	1.89 347	2.58 369	2.44 357	2.70 370	1.86 353	3.65 311	7.12 385	0.41 321	0.41 348	0.40 327	0.42 337	0.68 357	0.79 364

Dean	3.77 392	1.65 386	17.87 408	3.01 401	2.54 400	3.15 381	2.10 386	4.80 398	4.42 395	2.89 376	6.03 394	5.45 394	2.55 379	3.40 308	2.13 338	3.22 397	0.89 393	2.51 400	1.07 392	3.07 399	2.65 402

MADNet+	2.80 379	3.38 411	11.57 398	1.50 383	1.21 377	3.18 382	2.00 378	3.52 386	2.61 370	1.81 330	2.09 339	2.83 371	2.18 370	7.55 383	5.44 378	0.84 371	0.83 386	0.71 371	0.66 373	1.05 376	1.08 376

IMH-64-1	2.82 380	1.87 390	1.77 293	3.31 404	2.69 401	3.22 383	2.07 383	4.25 393	2.77 379	2.46 364	3.78 379	3.05 374	2.34 373	4.67 331	3.00 357	3.84 406	0.84 389	2.75 403	1.39 395	3.34 402	2.93 404

IMH-64	2.82 380	1.87 390	1.77 293	3.31 404	2.69 401	3.22 383	2.07 383	4.25 393	2.77 379	2.46 364	3.78 379	3.05 374	2.34 373	4.67 331	3.00 357	3.84 406	0.84 389	2.75 403	1.39 395	3.34 402	2.93 404

LVE	3.40 391	1.80 388	2.21 326	2.90 399	2.44 399	3.27 385	2.25 390	4.80 398	5.06 399	2.43 361	6.79 397	5.99 396	2.64 380	9.20 396	2.28 343	3.30 400	1.11 405	2.38 394	1.48 401	2.95 396	2.62 400

WAO-6	2.98 386	1.67 387	1.88 303	2.38 393	2.30 396	3.53 386	2.37 395	4.38 395	4.64 398	2.42 360	4.50 383	4.85 390	2.99 382	5.22 338	5.37 377	1.77 386	1.16 406	2.31 392	1.47 400	2.42 387	1.99 391

MFN_U_SF_DS_RVC	1.80 344	1.11 364	4.33 368	0.84 328	0.77 323	3.70 387	2.41 398	2.04 277	1.85 345	1.75 324	1.90 325	1.92 328	1.25 296	7.33 380	1.45 295	0.47 342	0.47 362	0.53 353	0.77 376	0.50 326	0.55 331

SAMSARA	1.80 344	0.90 347	3.37 356	1.28 376	1.13 367	3.71 388	2.33 393	2.53 358	1.93 349	3.17 386	1.73 301	2.99 373	1.68 340	3.53 310	2.46 349	0.47 342	0.54 372	0.43 333	0.47 349	0.59 344	0.64 349

PWCK	3.24 389	2.37 399	10.86 395	2.14 388	1.14 369	3.71 388	4.19 406	3.02 379	3.55 389	3.05 383	3.63 377	3.09 377	2.35 375	8.16 389	3.41 361	2.17 390	0.96 397	1.77 386	1.01 389	2.84 392	1.40 385

RTS	2.76 376	1.55 384	15.40 402	1.13 368	1.42 380	3.75 390	2.21 388	2.45 344	2.72 377	2.91 377	2.85 366	2.58 366	1.62 332	6.28 363	5.80 379	0.41 321	0.30 304	0.35 301	0.35 321	0.52 329	0.54 325

RTSA	2.76 376	1.55 384	15.40 402	1.13 368	1.42 380	3.75 390	2.21 388	2.45 344	2.72 377	2.91 377	2.85 366	2.58 366	1.62 332	6.28 363	5.80 379	0.41 321	0.30 304	0.35 301	0.35 321	0.52 329	0.54 325

SDNR	1.66 334	0.55 287	2.36 332	0.56 123	0.58 264	3.79 392	0.45 133	1.78 215	1.40 277	1.38 251	2.45 358	1.13 208	0.96 221	11.03 413	1.31 278	0.67 367	0.64 380	0.43 333	0.32 303	0.71 361	0.76 362

WAO-7	2.78 378	1.54 383	2.18 324	1.41 380	1.19 374	3.92 393	2.01 381	4.19 392	3.89 392	2.98 380	5.47 393	4.18 385	3.28 386	8.24 390	4.27 368	1.13 384	1.01 400	1.18 383	1.13 393	1.19 380	1.13 380

notaker	4.29 394	2.42 402	5.06 372	3.89 412	3.29 410	4.00 394	2.25 390	4.93 400	3.47 388	4.21 396	6.79 397	7.67 402	3.37 388	9.25 398	6.47 381	4.09 411	1.42 408	3.35 412	2.13 409	4.11 409	3.54 409

MSMD_ROB	2.08 359	0.61 302	1.15 213	0.71 275	0.62 283	4.00 394	0.93 303	1.94 256	1.79 341	4.71 400	4.60 386	8.14 404	3.87 394	3.75 315	1.65 319	0.54 354	0.48 364	0.55 359	0.58 366	0.53 334	0.52 322

IMH	3.35 390	1.95 392	1.86 302	3.30 403	2.72 403	4.03 396	2.00 378	4.58 397	3.83 391	2.87 375	6.99 399	4.69 388	3.21 385	6.77 374	2.97 356	3.91 409	0.89 393	2.78 405	1.40 399	3.36 404	2.93 404

KSHMR	8.76 410	2.14 397	3.59 359	3.60 409	3.13 407	4.15 397	2.67 400	5.61 405	58.90 437	3.04 382	55.71 437	4.94 391	2.54 378	4.61 330	3.05 359	3.49 403	1.57 410	3.14 408	1.98 407	3.84 406	3.49 408

MDST_ROB	1.88 349	0.40 231	1.71 290	0.93 352	0.60 274	4.27 398	1.23 341	3.99 390	1.44 291	4.61 398	2.63 362	1.44 271	1.03 250	9.78 403	1.62 313	0.33 284	0.26 280	0.37 313	0.33 312	0.31 249	0.34 260

LRCNet_RVC	22.79 419	32.09 427	22.06 414	29.83 425	26.15 423	4.40 399	0.84 284	22.64 419	2.10 358	26.93 425	29.25 425	23.03 425	15.56 415	23.91 423	18.92 414	32.00 430	20.04 432	34.68 430	32.13 430	30.66 430	28.52 430

ktn	4.56 395	2.41 401	2.54 336	3.79 411	3.25 408	4.81 400	2.91 403	5.52 402	7.36 404	4.12 393	14.55 414	7.54 401	3.70 391	7.84 386	3.35 360	4.06 410	1.86 411	3.26 411	2.22 410	3.27 401	2.86 403

MSC_U_SF_DS_RVC	2.22 366	1.29 375	4.14 366	1.10 367	0.78 327	5.00 401	2.38 397	2.47 349	2.67 376	1.94 343	2.28 349	2.66 369	1.70 341	9.10 394	2.29 345	0.68 369	0.52 370	0.68 369	0.71 374	1.17 379	0.81 366

UNDER WATER	5.68 401	2.46 404	15.52 404	3.98 414	3.53 411	5.15 402	2.74 401	5.58 404	16.41 415	4.00 389	4.56 384	9.12 407	6.43 404	6.22 361	9.11 392	3.85 408	1.35 407	3.18 410	1.98 407	4.51 412	3.84 413

HanzoNet	11.92 413	5.12 412	17.18 406	4.19 415	3.59 413	5.16 403	2.82 402	7.41 410	9.96 406	33.31 433	27.60 424	22.25 423	37.31 428	18.18 418	13.57 402	8.13 417	3.44 415	3.50 413	3.44 413	7.77 419	4.52 415

MADNet++	5.41 399	3.18 410	6.43 377	4.66 416	3.95 414	6.15 404	6.75 408	4.51 396	4.51 397	5.06 403	6.27 395	4.96 392	6.14 402	9.39 399	11.70 399	4.71 412	4.19 416	3.97 414	3.33 412	4.08 408	4.25 414

ELAS	2.67 375	0.80 338	2.13 321	1.13 368	1.15 371	6.25 405	2.56 399	3.50 385	3.68 390	5.36 404	4.92 391	3.79 381	5.56 400	3.65 311	5.22 376	0.66 366	0.57 376	0.56 361	0.54 362	0.65 354	0.75 361
A. Geiger, M. Roser, R. Urtasun: Efficient large-scale stereo matching. ACCV 2010
UNDER WATER-64	5.84 402	2.48 405	17.93 409	3.97 413	3.58 412	7.70 406	3.03 404	5.72 406	14.13 409	4.18 395	4.00 381	9.27 408	6.80 405	6.20 360	9.22 393	3.67 404	1.52 409	3.14 408	1.95 405	4.43 411	3.83 412

WAO-8	4.57 396	2.01 393	2.58 338	2.37 391	2.21 391	9.75 407	1.71 365	6.04 407	16.34 412	4.11 391	7.69 404	7.41 398	3.85 392	10.02 409	3.85 365	2.05 388	1.09 403	2.44 398	1.39 395	2.56 389	1.86 389

Venus	4.57 396	2.01 393	2.58 338	2.37 391	2.21 391	9.75 407	1.71 365	6.04 407	16.34 412	4.11 391	7.69 404	7.41 398	3.85 392	10.02 409	3.85 365	2.05 388	1.09 403	2.44 398	1.39 395	2.56 389	1.86 389

TorneroNet-64	5.41 399	2.10 396	2.43 333	3.49 407	2.83 404	9.90 409	2.13 387	8.87 413	16.79 417	5.39 405	9.18 408	10.68 413	3.92 395	9.55 400	5.11 375	3.36 401	0.86 391	2.88 406	1.62 402	3.76 405	3.37 407

SGM+DAISY	5.38 398	1.28 374	8.24 384	1.27 375	1.16 373	10.62 410	16.01 415	2.93 377	2.53 367	8.64 413	13.03 412	8.26 405	13.38 411	6.34 366	7.59 387	1.07 381	1.05 402	1.00 379	0.98 385	1.02 374	1.12 379

JetBlue	4.18 393	2.45 403	10.42 394	1.40 377	2.89 405	10.68 411	10.68 409	3.91 389	2.52 366	2.74 371	3.39 374	4.50 386	4.27 396	7.97 387	7.67 388	0.89 373	0.97 398	0.89 375	0.92 381	2.26 386	2.21 393

tt	6.61 404	0.28 43	6.10 376	3.77 410	2.17 390	11.53 412	19.61 416	13.53 418	5.81 402	3.00 381	2.82 365	4.97 393	6.33 403	3.83 317	7.23 386	9.13 418	11.32 423	5.87 417	6.22 416	6.01 415	2.63 401

DPSMNet_ROB	13.08 415	8.28 416	22.32 416	9.54 420	18.15 418	11.53 412	31.98 423	10.83 416	16.27 411	7.17 409	19.40 421	10.12 410	16.69 416	9.87 405	22.50 418	4.78 414	8.72 418	5.38 416	10.25 420	6.16 417	11.59 419

DGTPSM_ROB	13.06 414	8.27 415	22.29 415	9.53 419	18.14 417	11.53 412	31.97 422	10.82 415	16.25 410	7.14 408	19.39 420	10.12 410	16.69 416	9.85 404	22.49 417	4.77 413	8.72 418	5.37 415	10.24 419	6.15 416	11.56 418

JetRed	7.02 405	8.94 417	25.72 420	2.89 398	3.27 409	14.25 415	12.27 412	6.69 409	4.45 396	4.46 397	4.56 384	6.65 397	5.43 399	7.46 382	14.41 409	2.60 394	3.31 413	2.61 401	2.30 411	4.34 410	3.79 411

SGM-ForestM	7.81 407	0.48 263	11.02 396	0.74 293	0.40 171	16.83 416	12.72 414	7.91 411	8.13 405	11.53 414	10.25 409	22.44 424	14.01 412	17.02 417	20.52 415	0.38 309	0.39 345	0.37 313	0.36 323	0.37 277	0.38 280

MANE	7.50 406	0.64 311	7.97 383	1.40 377	2.10 389	16.86 417	12.56 413	12.91 417	17.51 420	8.50 412	11.60 410	14.66 415	13.33 410	12.02 414	13.28 401	0.62 362	0.52 370	0.52 349	1.90 404	0.56 339	0.58 339

ASD4	17.95 416	11.38 419	20.07 412	11.32 421	12.21 416	21.39 418	31.23 421	22.73 420	12.78 408	12.19 415	12.67 411	13.79 414	14.32 414	20.13 419	25.17 421	18.93 423	15.37 424	28.00 429	22.52 429	17.63 422	15.21 423

DPSimNet_ROB	24.77 421	9.69 418	61.46 435	3.56 408	19.46 419	25.95 419	77.56 436	5.09 401	16.60 416	21.50 423	29.82 426	25.12 426	85.69 438	13.37 416	23.07 420	7.23 416	17.79 425	8.55 418	7.57 417	4.57 414	31.84 431

Anonymous_1	42.79 433	18.71 420	24.75 417	21.81 422	45.16 432	27.68 420	37.52 424	28.64 424	16.34 412	14.72 418	14.53 413	20.60 417	17.82 418	21.52 420	25.88 422	113.45 437	8.91 420	100.63 434	126.37 434	158.50 438	12.31 420

DPSM_ROB	19.12 417	19.13 421	25.13 418	22.15 423	20.86 421	28.06 421	37.75 425	27.18 422	16.95 418	14.25 416	15.07 415	21.66 418	18.69 419	21.83 421	26.51 423	10.15 420	9.30 421	10.45 420	10.41 421	14.00 420	12.85 421

DPSM	19.12 417	19.13 421	25.13 418	22.15 423	20.86 421	28.06 421	37.75 425	27.18 422	16.95 418	14.25 416	15.07 415	21.66 418	18.69 419	21.83 421	26.51 423	10.15 420	9.30 421	10.45 420	10.41 421	14.00 420	12.85 421

HaxPig	39.02 430	41.39 435	41.59 425	30.10 426	32.36 424	29.49 423	27.65 419	30.56 425	37.94 434	43.75 434	43.81 433	33.42 427	35.69 425	41.51 428	40.33 430	43.91 434	47.48 437	45.87 431	47.14 432	42.29 431	44.06 434

AVERAGE_ROB	40.42 431	42.30 436	42.61 426	36.91 428	35.54 426	30.42 424	27.59 418	37.45 431	38.45 435	44.87 435	44.27 434	37.55 429	36.69 426	41.82 429	40.25 429	45.36 435	46.73 436	47.09 432	46.32 431	42.47 432	43.74 433

xxxxx1	54.34 436	26.72 424	27.03 421	114.14 435	99.00 435	30.68 425	47.19 427	32.52 426	26.09 421	17.85 419	17.48 417	21.86 420	20.92 421	24.38 424	33.78 425	34.73 431	41.33 433	157.67 436	175.68 436	65.82 434	71.99 436

tt_ll	54.34 436	26.72 424	27.03 421	114.14 435	99.00 435	30.68 425	47.19 427	32.52 426	26.09 421	17.85 419	17.48 417	21.86 420	20.92 421	24.38 424	33.78 425	34.73 431	41.33 433	157.67 436	175.68 436	65.82 434	71.99 436

ff	54.34 436	26.72 424	27.03 421	114.14 435	99.00 435	30.68 425	47.19 427	32.52 426	26.09 421	17.85 419	17.48 417	21.86 420	20.92 421	24.38 424	33.78 425	34.73 431	41.33 433	157.67 436	175.68 436	65.82 434	71.99 436

MEDIAN_ROB	42.01 432	44.30 437	44.14 428	35.08 427	34.90 425	31.33 428	29.90 420	36.77 430	40.11 436	47.14 436	46.55 435	37.49 428	38.50 435	44.30 436	42.32 431	47.93 436	49.31 438	49.68 433	49.00 433	44.98 433	46.46 435

TorneroNet	10.72 412	2.09 395	2.76 343	3.48 406	3.03 406	44.72 429	2.31 392	8.62 412	67.06 438	7.45 411	23.21 422	10.59 412	4.28 397	9.03 393	9.00 391	3.67 404	0.91 395	3.04 407	1.63 403	3.92 407	3.55 410

SPstereo	26.71 422	6.90 414	11.42 397	5.86 417	6.44 415	48.17 430	80.34 437	67.41 438	34.42 433	28.80 431	27.49 423	43.68 435	37.53 432	44.96 437	54.23 438	5.06 415	4.92 417	10.92 422	6.03 415	4.54 413	5.00 417

BEATNet-Init1	27.39 424	21.01 423	73.65 436	1.07 364	0.80 331	56.07 431	22.82 417	33.14 429	31.71 426	51.78 437	52.93 436	65.63 437	48.54 436	48.75 438	36.36 428	0.52 352	0.47 362	0.54 354	0.54 362	0.64 352	0.72 357

MyStereo03	38.45 426	38.46 431	50.33 430	44.93 431	42.03 429	56.44 432	76.24 432	54.16 432	34.06 430	28.68 428	30.42 429	43.46 430	37.33 429	43.76 431	53.43 434	20.29 425	18.73 429	21.02 423	21.05 425	28.19 424	25.91 427

MyStereo02	38.45 426	38.46 431	50.33 430	44.93 431	42.03 429	56.44 432	76.24 432	54.16 432	34.06 430	28.68 428	30.42 429	43.46 430	37.33 429	43.76 431	53.43 434	20.29 425	18.73 429	21.02 423	21.05 425	28.19 424	25.91 427

MyStereo	38.45 426	38.46 431	50.33 430	44.93 431	42.03 429	56.44 432	76.24 432	54.16 432	34.06 430	28.68 428	30.42 429	43.46 430	37.33 429	43.76 431	53.43 434	20.29 425	18.73 429	21.02 423	21.05 425	28.19 424	25.91 427

Selective-RAFT-Error	38.47 429	38.44 430	50.38 433	44.74 429	42.01 428	56.47 435	76.24 432	54.44 435	34.02 429	28.59 427	30.30 427	43.51 433	38.10 434	43.69 430	53.24 432	20.36 428	18.72 428	21.05 427	21.02 423	28.25 428	25.87 426

CasAABBNet	38.42 425	38.42 429	50.26 429	44.76 430	41.87 427	56.47 435	76.22 431	54.44 435	33.92 428	28.53 426	30.36 428	43.53 434	37.59 433	43.77 434	53.32 433	20.27 424	18.70 427	21.03 426	21.04 424	28.19 424	25.79 425

LSM0	42.92 434	38.72 434	50.66 434	47.49 434	110.18 438	56.77 437	75.87 430	54.87 437	33.74 427	29.48 432	31.12 432	43.77 436	37.12 427	43.85 435	53.44 437	20.50 429	18.67 426	21.05 427	21.07 428	28.37 429	41.73 432

PML	51.64 435	37.49 428	14.31 401	7.45 418	20.27 420	107.80 438	231.34 439	8.94 414	27.70 425	86.74 438	268.93 439	69.03 438	61.09 437	24.71 427	14.36 408	9.71 419	3.40 414	9.60 419	4.67 414	20.46 423	4.76 416

test_example2	192.91 439	210.59 439	206.44 439	199.86 439	204.90 439	172.02 439	182.95 438	138.34 439	134.89 439	193.14 439	200.54 438	186.77 439	177.82 439	204.95 439	207.57 439	221.83 439	238.70 439	186.02 439	190.07 439	226.94 439	173.78 439

Low-res two-view benchmark